智能交通中数字图像处理技术的运用

2022-09-29王飞

科技风 2022年25期

王飞

包头职业技术学院内蒙古包头 014030

在城市化进程不断推进的过程中，城市家用车辆数量不断增加，这使得城市道路交通问题越发突出。面对上述情况，在智能交通管理过程中，科学应用数字图像处理技术，实现更多车辆信息的实时监控，在缓解交通拥堵问题的同时，还能有效降低交通违章、事故等问题的出现概率，为城市交通安全提供有效的保障。

一、当前智能交通管理方面存在的问题

在科学技术飞速进步的背景下，汽车的普及率不断上升，同时，道路拥堵问题的出现频率也在不断上升，这一问题的存在不仅影响了人们的正常出行，还降低了公路的运营效率。现阶段，为改善道路的拥堵状况，可以通过合理应用智能交通管理工作的方式，为人们提供更为便利的出行条件。但需要注意的是，尽管当前人们已经认识到智能交通管理工作的重要性，但在这一管理方法的实际应用过程中，仍存在一些问题，阻碍了这一管理方式作用的充分发挥。

(一)车牌识别困难

首先，我国车牌主要由汉字、英文、阿拉伯数字等元素共同构成，汉字结构较为复杂，并且不同类型的车辆有着不同颜色的车牌，这就使得车牌的识别难度相对较高；其次，在车牌识别过程中，若存在人为遮挡车牌、车牌上粘有各种污渍(如图1所示)或者天气环境较为恶劣等情况，车牌的识别难度也将增大；最后，不同地区车牌悬挂方式存在一定的差别，这种情况的存在同样也会导致车牌分辨难度的增加。

图1 车牌被泥水挡住

(二)车身识别困难

1.形状识别难度大

近年来，随着汽车行业的不断发展，各种形状大小的车辆不断涌现，并且在车辆行驶过程中，受碰撞、人工二次加工等情况的影响，车辆的形状将会发生一定的改变。同时，在应用智能交通管理系统监测车辆的过程中，系统识别车辆形状的准确度与车辆所处环境、光线等情况之间存在着一定的联系，若在检测过程中存在临近物体遮挡物，或者车辆所处角度存在一定的问题，那么车身形状识别的准确性将会受到一定的影响。

2.颜色识别难度大

随着信息技术的不断发展，智能交通系统可以很容易地识别车身的颜色，但在实际工作中，受天气、光照、灰尘等自然因素，以及车身涂料、纹理这类人为因素的影响，利用智能交通管理系统识别车身颜色的难度相对较高。同时，在汽车运动过程中，利用智能交通管理系统分辨汽车车身色彩的难度将会更高，这一情况的存在对智能交通的正常使用产生了一定的阻碍。

二、智能交通中具体应用的数字图像处理技术

现阶段，在智能交通监控过程中，为降低监控图像分辨的难度，需要合理应用数字图像处理技术对图像信息进行处理。

(一)图像的预处理

在利用智能交通系统监控车辆的过程中，受各种因素的影响，可利用的车辆信息相对较少。现阶段，为实现信息的有效识别，就需要利用数字图像技术对原始图像进行处理，降低各种因素对车辆信息分辨产生的不利影响。

1.平滑去噪

图2 均值滤波器的工作原理

2.图像增强

当前图像增强方式主要包括基于直方图均质化的图像增强、基于拉普拉斯算子的图像增强、基于对数Log变换的图像增强、基于伽马变换的图像增强。其中，基于直方图均质化的图像增强技术是一种通过对概率密度的积分函数进行调整，实现图像灰阶有效分布，增强图像对比度的技术；基于拉普拉斯算子的图像增强同样是一种基于空间域增强的算法，在实际使用过程中，可以通过设定大小拉普拉斯核算子与图像卷积运算的方式，增强图像的局部对比度；基于对数Log变换的图像增强在应用过程中可以有效地将窄带的灰度值部分细节显示出来，并且将高灰度值部分进行压缩处理，减少高灰度值部分的图像细节；基于伽马变换的图像增强技术被广泛用于图像过曝光或曝光度不足时的图像修正处理，对图片的灰度进行调整，增强图像的细节。

3.图像二值化

在图像处理过程中，图像二值化技术应用频率相对较高，并且在这一技术的应用过程中，二值化处理结果与图像处理性能之间存在着直接的联系。在实际应用过程中，这一技术主要可以分成全局阈值与局部阈值两类，尽管这两类技术的图像处理方式有所差别，但应用关键都是寻找合适的二值化阈值。具体来说，在全局阈值应用过程中，主要是在图像中选择合适的阈值，并将这一阈值应用到整个图像中；在局部阈值应用过程中，主要是依据相邻像素灰度级的特征自适应，选择合适的阈值，然后将这一阈值应用到图像的局部区域。

(二)图像特征描述

现阶段，为使得经过数字图像处理技术处理后的图像信息，能够有效地被智能交通系统所识别与区分，在图像处理过程中，应当选择合适的图像描述方法，对图像加以描述。举例来说，在当前的图像特征描述过程中，用数值、向量等方式，对图像加以描述，可以进一步降低图像的区分难度，并且将图像本身的特点有效地显示出来。现阶段，可以将获取图像信息的过程称为图像特征提取，被提取出的图像描述特征可以被称作图像特征，提取特征的目的在于为后续图像拼接、分类等工作的开展提供有效的依据。现阶段，较为常用的图像特征提取方式包括SIFT特征算法、SIRF特征算法等。

三、智能交通中数字图像处理技术的具体应用

在当前的道路交通管理过程中，数字图像处理技术在交通信息采集、车牌识别、运动车辆跟踪、电子警察、车辆违章检测等工作中均能够发挥极为重要的作用。

(一)交通信息采集

在城市化进程不断推进的过程中，为实现对城市交通情况与车辆信息数据的实时采集，则需要合理应用智能交通管理技术，对各交通路线的车辆信息进行监控。在监控过程中，为进一步提升信息分辨工作的有效性，降低信息查询的难度，则需要借助数字图像处理技术，实现对交通路线车辆速度、外形、道路拥堵程度等信息的监控，并通过及时发出指引信号的方式，降低车辆通行的难度，避免道路长时间拥堵情况的出现，在保证交通道路通行安全的同时，进一步提升交通管理工作的效率。近年来，随着智能交通信息采集技术的高速发展，传统的人工静态交通采集模式已经逐渐被动态智能采集模式所取代，但在信息采集过程中，雷电测速、红外感应、GPS等技术可能会受到天气状况或者对道路正常出行产生一定的影响。与上述信息采集方式相比，将数字图像处理技术应用到智能交通管理工作中，并不需要交警一直守在道路上，只需要保证道路有着良好的拍摄条件，就能准确反映道路的交通信息。这样不仅可以实现交通信息的准确高效采集，还能有效减少交通管理工作所需要消耗的人力物力，提升交通管理工作的安全性。

(二)车牌识别

车牌识别系统是一种采集经过智能监测系统监测路段的车辆车牌信息，并对信息进行处理的一种智能系统。在这一系统的实际工作过程中，其工作内容主要包括车牌信息的采集、预处理与识别。需要注意的是，在车牌识别系统工作过程中，受人为或天气因素的影响，车牌识别系统所采集的车辆图像信息可能存在图像模糊、准确度较低等问题。现阶段，为切实解决上述问题，需要合理应用数字图像处理技术，对采集到的车辆图像信息进行处理，在提升图像质量后再对图像内容加以识别，从而达到提升车牌信息识别准确度的目的。

(三)运动车辆跟踪

在当前的城市交通体系中，交通拥堵、车辆碰撞等情况屡屡出现。现阶段，为切实降低上述问题出现的概率，缩短问题的处理时间，可以通过在相应路段安装摄像头，对路段信息进行实时监控，然后将采集到的信息传输到智能交通管控中心，用数字化图像处理技术对其进行处理后，再由计算机系统对路况信息进行分析，明确道路交通的具体数据信息，并以此为基础，对车辆停车、拥堵、变道等信息进行获取与分析。相较于传统的利用感应线圈对车辆信息进行分析的车辆跟踪技术，这种智能交通监管技术不需要破坏道路，能够准确灵活获取车辆数据、安装维护管理难度相对较低，但需要注意的是，这一技术在应用过程中对车辆进行跟踪管理的难度相对较高。现阶段，为进一步提升道路交通管理工作的安全性与可靠性，就必须合理使用数字图像处理技术对视频监控信息进行有效的分割与跟踪，保证即使在特殊天气与交通条件下，智能交通监管系统仍能对车辆的运行状况进行实时的监控。

(四)电子警察

在当前的智能交通系统中，电子警车技术的应用避免了交警时刻守在道路附近的情况出现，缓解了交警与交警队的工作压力。具体来说，在实际应用过程中，电子警察使用了先进的数字图像处理技术，可以对监控区域的带路车辆信息进行拍摄、识别、分析，在提升道路安全事故处理效率的同时，保障了交警的人身安全，在极大程度上减少了交通管理过程中对人力物力资源的消耗。现阶段，大部分电子警察系统中所使用的数字图像处理技术，主要涉及的内容包括图像滤波、编码、识别、加密或水印等内容，其中图像滤波主要目的在于清除图像中的噪声或无效信息，提取图像中的有效信息(如图3所示为经过滤波处理的车辆部分细节截取图)；图像编码则是通过对拍摄到的图像进行二次编码，保证图像质量能够满足后续通信工作的需要；图像加密或水印主要是指对图像进行加密处理，保证图像信息的安全性；图像识别主要是对图像中的机动车、非机动车、行人的动作进行识别。

(五)车辆违章检测

在智能交通尚未普及时，受缺乏足够有效的执法手段的影响，闯红灯、逆向、非法占用车道等问题普遍存在，这一情况的出现不仅对正常的交通秩序造成了极为不利的影响，还会对人们的生命财产安全造成严重的威胁。现阶段，为切实解决上述问题，利用数字图像处理技术，对智能交通系统拍摄到的违章图像进行处理，在提高图像分辨率的基础上，实现交通秩序维护工作的正常开展。举例来说，在实际工作过程中，应用智能图像识别技术，可以迅速分辨违章车辆的车型、颜色、车牌等信息，并通过将信息上传至智能交通系统中，对违章车辆进行自动跟踪的方式，实现违章车辆运动轨迹的跟踪与分辨，并对违章车辆的车牌进行特写拍摄，避免了另外设置线圈的情况出现，提升了违章管理工作的便捷性，为违章车辆处罚工作的开展提供了可靠的证据。