西安航空职业技术学院 冯晓赛

随着国家科技实力的提高，技术水平飞速提升。交通系统的智能化转变，是信息技术使用的全新途径，其能在一定程度上促进管理工作效率的提升。将智能交通系统与计算机视觉技术结合在一起之后，为国内该方面管控工作的进步、完善打下了良好基础，还使相应人员的工作压力、任务总量大幅降低。基于此，本文重点分析了智能交通系统的概述，以及计算机视觉系统的关键技术，同时，细致阐述了二者结合之后在生活中的具体应用，以供参考。

1 智能交通系统概述

目前，国内的汽车数量大幅提升，这让拥堵方面的问题愈加严重。为防止道路上出现交通拥堵的情况，降低事故发生的概率，国内便开始对智能系统进行研究。智能交通系统在研发的过程中，是将目前较为严重的问题作为基础，再让智能化技术成为其中的核心，以此来研制出全新的种类，之后借助计算机的使用，来对城之内部的交通情况进行管理。例如：在对道路中的车辆进行调度时，可以提醒驾驶人员绕开拥堵的路段。智能交通系统的出现，为国内现代化社会发展环境创建出优秀的交通行驶环境，提升了管理工作质量。与过去的交通行驶对比来讲，智能交通是一种全新类型的系统，其中主要涉及了：信息子系统、收费子系统、管理子系统、应急调度子系统等。在智能交通的系统内部，较为关键的便是信息数据，依据对信息的深度挖掘、研究，来改善当前的情况，完成对交通的科学合理调度，保障了人民的生命财产安全[1]。

2 智能交通系统关键技术

2.1 GPS

计算机技术在智能交通系统中的应用，以GPS技术为主要核心。依据对其的应用，来为城市中车进行定位、导航。计算机能对GPS产生的数据内容进行分析，之后使用配套模块，完成相关信息系统的改善工作，让交通管理部门依据该内容，对道路进行实时管控，并追踪其中的可疑车辆。计算机技术在交通智能管理中使用时，可以将其中的智能化、信息充分展现出来，GPS技术的核心内容是云计算，其可以与服务器、车载定位系统、计算机、虚拟机器进行连接，从而创造出速度较快的网络内容。云计算技术的使用，能大幅提高交通数据的采集面积，促使城市内的交通网信息范围更大、精准程度更高。不仅如此，通过对云计算的使用，可以将信息的处理能力成倍提升，依据GPS模块来对车辆进行准确定位、高效率信息内容，让系统依据交通实施情况，来进行动态化导航，帮助群众躲避拥堵路段。

2.2 视觉技术

计算机技术的改进与优化，让其在智能交通中可以进行远距离监控，从而将交通部门的管理能力大幅提升。在使用智能交通的系统时，计算机远距离监控功能主要将视觉技术作为中心，以此来对道路中动态的车辆进行自动化识别，判断路段之中是否存在拥堵情况。交通管理人员可依据计算机、智能移动设备来对路面中的具体情况进行判断，并根据信号转换、图像传送等方式，对路面的具体情况产生了解，以便能够在事故发生后第一时间达到现场内部，大幅提升了管理部门对城市交通情况的应急指挥、救援能力。

3 智能交通系统计算机视觉技术的应用

当前，城市中的交通环境相对较为复杂，各个地区之间的拥堵情况都很严重。智能交通系统的使用，主要是将行驶通畅性作为工作重点，再与车辆导航信息进行结合，为车辆行驶提供出最佳的便利路线，以此来提高传统车辆管理收费项目的多方面效益。之后再利用计算机视觉技术对相应内容进行细致分析，组成智能化的收费管理体系。在日后城市交通系统的创建工作中，要对环境中的动态情况进行掌控，让车体的具体信息，与管理中心备注的内容保持一致后，使用计算机视觉技术对道路中行驶的车辆进行识别、读取，再反馈到系统内，让单独的系统整合成为整体，从而在一定程度内将视觉技术的作用展现出来[2]。

3.1 环境监控

对交通情况进行实时监控，能将区域内的具体现状反映出来，减少管理工作进行时的延迟性，提高整体效率。以往意义上的交通监控系统，在数据传输工作上的能力较差，重要数据提取难度高。智能系统与计算机视觉技术的使用。能够进一步将该问题处理掉，不仅可以减少交通系统在使用过程中的时间周期，还能为系统的智能化使用提供环境信息交互，之后从多个不同的关键节点中将信息发送至内部，完成对其的分化处理工作，最后通过对网络信息方式的应用，再发送到管理的个体中，让其单位依据相关信息来对现场中的交通情况进行合理管控，从而为实现循环性的管理制度、规划，提供具备参考性的信息内容。

3.2 车辆导航

对车辆导航信息内容进行数据化的管理，主要优势在于具备优秀的时效性、信息全面性等，还可以依据不同路段的情况，来科学挑选行驶的路径，防止发生交通方面的拥堵问题，该技术是可以从三维空间的角度，为车辆驾驶、交通管控方面人员创造出便利性的科学技术。对车辆导航信息开展数据化的管控，这是一项双向的管理工作模式，其中的信息内容不仅包含车辆在行驶过程中产生的动态信息，还包含城市内部的交通管理工作的体系内容，并在不同的时间段中，对各个路段中的实际情况进行信息更新，这能在一定程度上降低固定区域内部的车辆密度，为智能交通管理工作的开展、高纬度的信息传送打下良好基础。

3.3 收费项目

车辆收费项目的智能处理，主要是对高速公路上收费项目进行的优化与改善，让其从过去的人工识别、读卡信息提取转变成为了图像信息树立。依据对车辆型号、车辆行驶记录等方面的排查工作，来将其作为基础开展二次的信息识别，再与收费管理标准、缴费信息内容，进行二次的图像核查工作，并利用双目系统，来完成对车辆的双向核实，依据该方式来对以往车辆收费管理工作中效率不足的问题进行科学处理。同时，车辆收费项目智能管理，还可以将工作管理水平大幅提高，通过将计算机视觉技术作为其中的信息识别、交互关键平台，根据相应的图像信息、技术为核心，来创建、完善车辆信息识别数据库，为日后阶段的车辆智能收费管理的推广、应用打下坚实的技术基础。

3.4 智能驾驶

人工智能操作技术环境在引导车辆行驶的过程中，从始至终都具备着一定的隐患问题，人为、设备等方面因素产生的干扰，都会对行驶过程中的安全性产生严重影响。当前所提倡的辅助驾驶系统，都是将个体作为过程中的单位，之后再使用计算机视觉、红外感应、雷达波基数作为辅助驾驶的基础，让汽车行驶过程中的信息交流能力较弱，同时各个不同类型车辆中的辅助操作系统都会存在一定差异，这无法让当前的现代车辆辅助驾驶系统资源，进行深层次的整合，促使辅助驾驶功能的价值大幅降低。信息化管理模块之下的辅助驾驶系统，仅是将以往的传统个体形式串联在一起，成为信息互通的整体，之后依据通信的模块，来统一对不同种类的车辆辅助驾驶进行管控，让其能够形成良好的信息交互场景，之后将智能交通系统作为其中的信息交流平台，为车辆的智能操控提供优秀、高效的管理服务，在技术方面将驾驶的安全性提高[3]。

3.5 流量统计

对各个路口监控视频中的交通具体流量进行统计、检测，是开展相关流量分析、预测工作的重要前提。为此，对路面上车辆进行检测是辅助驾驶系统、智能交通管理系统中的关键研究内容。

以往在计算机视觉技术前提下开展的监测工作，主要涉及假设产生、验证两大阶段。

在假设产生的过程中，需要对图像中感兴趣的区域进行提取；在进行假设内容验证时，可以使用适宜的计算方式，来对ROI中存在的车辆进行验证。

以往假设产生的方法主要可以分为几大类：基于知识、基于立体视觉、基于运动信息的方式。在知识角度上的方法主要是用对称性、色彩、焦点、边缘、纹理等相应的知识内容，来确定车辆的ROI。该操作方式具备操作简单、结果直观，容易在现实中存在的优势，同样存在需要较多经验阈值的不足，例如：车辆自身的长宽比例、具体尺寸，以及与周边环境产生的对比差等。在使用立体视觉的方法时，需要多个摄像头对一个景物进行多角度拍摄，从而获得具备立体感的图像，并依据相应计算的方式来对深度信息内容进行回复。应用运动方法时，主要是使用视频内部相邻帧之间的信息，来对ROI进行确定，其中的计算方式主要包括：帧差法、光流法等。

进行验证的方法主要是基于模块、基于外观两种。近些年，伴随深度学习理论内容的成熟、硬件性能的优化，目标监测算法从以往手工的计算方式，转变成为了在深度神经网络前提下的新方法，其中主要涉及了R-CNN、Fast/Faste、SSD等多种系列。以上提及的计算方式，在检测工作的实际效果、性能方面都非常出色。

3.6 乘客统计

公共车辆、轨道交通一直都是城市内部人们出行的重要形式。由于公共客流在地域、时间等方面存在不均衡性，时常会出现高峰时间段人员过于拥挤、平峰时车辆载客数量少的问题，以此产生了严重的资源浪费。

自动式的乘客数量计数手段，是智能交通系统之中的重要技术。依据对乘客上下车的具体时间、地点进行细致统计，来对人员的分布与特点产生了解，从而为公交车辆调度工作的开展提供重要依据。

在现实使用的过程中，人体目标检测工作并不适用于大多数类型的环境使用，特别是人流量过大的公共区域。在该情况下，由于人员的密集程度过大，以及遮挡等方面的问题，来让个体目标监测工作的开展异常困难。基于特征回归的人数统计，在工作进行之前，要先提取区域中存在的纹理特点，之后使用核函数的方式，来完成纹理特点到人数映射的转变。在该计算方法之中，人群的密集程度、数量是非常关键的指标。人群密集程度的预估计算，是依据模式分类的方法，来对提取到的密度特征进行分类，人数估算是依据个体分割识别，或是提取到的特征内容，像是运动像素面积、纹理等因素，进行回归分析来完成。该方法主要是通过对人数特点的计算来进行统计，其能在一定程度上改善因互相遮挡而对结果造成的影响。由于人群分布的特点极难根据数学特征进行精准描述，这让该方式的统计精准程度受到了制约。

3.7 视频分析

交通视频分析是智能交通系统之中的事件检测、行为分析理解的表现形式之一。在对相应视频中的行为分析之前，需要先对静态的车辆进行检测，或是对动态的运行轨迹进行跟踪。在视觉技术基础上的目标跟踪技术，是计算机领域内部的核心问题之一。其主要通过对摄像头捕捉到的内容进行探析，来完成对感兴趣内容的跟踪工作。目标跟踪算法主要是在每帧图像内部找寻到感兴趣的内容，并对其位置进行确定。之后还要依据目标特征等一系列的信息内容，来让所有视频中的内容进行关联，以此来得到其运动过程中的参数、相邻帧致函运动目标之间的对应关系，从而获得相应的完整行驶轨迹[4]。

4 结语

综上所述，让智能交通系统与计算机视觉技术进行融合，能良好解决以往存在的信息管理工作困难，之后还可以将管控的可操作性进一步提升，在技术的角度上为城市管理工作的进步进行打下良好基础。通过对智能交通系统概述、计算机视觉关键技术、智能交通系统计算机视觉技术的应用方面进行细致分析，了解到计算机视觉技术虽然在交通管理中广泛使用，但是在精准程度、准确定、检测速度方面仍存在可提高的空间，为此便需要在日后工作中让摄像头与传感器进行良好融合，以此来获取更为精准的数据。同时，随着计算机软件、深度学习技术的进步。还会让交通管理工作的精准度、速度都能大幅提升，发挥出更为重要的效果。