交通中的圖像識別應用

陳寧

什么是圖像識別

我們都知道圖像，在日常生活中也要接觸大量的圖像，圖像就是圖形和影像的總稱，我們通過眼睛所觀察到的一切都是圖像，那么，什么是圖像識別？什么又是圖像識別技術呢？

圖像識別又叫圖像再認，是指人們再次辨認出某一圖形的過程，當圖形信息刺激人體的感覺器官，人體通過記憶中存儲的信息與當前的感官信息進行對比加工，從而再次辨認出這一圖形。人體具有極強的圖像識別能力，我們看下面幾張圖片：

圖1、2、3是圖形設計師們對字母A的美化設計，雖然在顏色、形狀和大小上有較大差異，但人們都可以輕松的識別出它就是字母A；圖4、5、6從拍攝角度和光線上來說都是三張截然不同的圖像，但人們也可以很輕松的分辨出它就是同一個項鏈。人們不僅可以通過視覺識別出某一圖像，甚至圖像識別還可以不受感覺通道的限制。例如，當別人在你背上寫字母A時，相信你依然能識別出這一字母來。

人體神秘而神奇，究竟人體是怎樣進行圖像信息識別的呢？經(jīng)過科學家們多年的研究發(fā)現(xiàn)，人體進行圖像識別應該是以圖像的主要特征為基礎的。每個圖像都有它的特征，如字母A有個尖，P有個圈、而Y的中心有個銳角等。對圖像識別時眼動的研究表明，視線總是集中在圖像的主要特征上，也就是集中在圖像輪廓曲度最大或輪廓方向突然改變的地方，這些地方的信息量最大。而且眼睛的掃描路線也總是依次從一個特征轉到另一個特征上。由此可見，人體在圖像識別過程中，總是排除輸入的多余信息，抽出關鍵信息，同時將這些關鍵信息進行整合，從而形成一個完整的知覺映像。

進入21世紀以來，伴隨著科技的發(fā)展，人們變得越來越“懶”，以前必須要人類智能才能完成的圖像識別工作也希望由計算機來替代，“圖像識別技術”也由此而生。圖像識別技術是人工智能的一個重要領域，它借由計算機來完成圖像的識別功能。

圖像識別的模型主要有兩種——模板匹配模型和原型匹配模型。模板匹配模型強調當前的刺激必須與大腦中的模板完全匹配，圖像才能被識別。例如字母A，如果在腦中有個A模板，字母A的大小、方位、形狀都與這個A模板完全一致，字母A才能被識別。這個模型簡單明了，但是它要求圖像與模板必須完全吻合，這就要求在模板庫設計時必須考慮所有的情況，這幾乎是無法實現(xiàn)的，因此這一模型僅適用于場景較為單一的圖像識別過程。

為了解決模板匹配的問題，人們提出了原型匹配模型，它將從圖像中提取出的“相似性”作為原型，拿它來檢驗所要識別的圖像。仍以字母A為例，它記錄的原型是字母A的尖這一原型，所有具備尖這一特征的圖像都將被識別為A。這種模型更傾向于人類的思維模式，也能識別出情況更為較多、較復雜的圖像，因此稱為圖像識別技術的發(fā)展方向。

圖像識別技術在交通中的應用

圖像識別作為人工智能的重要內容，21世紀以來得到了巨大的發(fā)展，廣泛應用于生產(chǎn)生活的各行各業(yè)中。在銀行和商業(yè)中，圖像識別技術用于識別支票和鈔票上的特殊數(shù)字和字符；在醫(yī)學上，圖像識別技術用于識別早期腫瘤、分析心電圖以及血小板計數(shù)；在軍事中，圖像識別技術用于導彈的精確制導；在地質勘探中，圖像識別技術用于發(fā)現(xiàn)石油和天然氣可能存在的底層；在現(xiàn)代遙感技術中，圖像識別技術用于識別不同的自然資源。

近年來，伴隨著城市的飛速發(fā)展，城市內人口急劇增加，汽車擁有量持續(xù)提高，由此引發(fā)了一系列的交通安全和交通擁堵問題。交通問題是涉及人、車、路的一個復雜的系統(tǒng)問題，它往往伴隨著海量數(shù)據(jù)的分析和處理。因此，近年來，圖像識別技術被廣泛應用于交通運輸領域，以提高交通管理者的工作效率，更好的解決城市交通問題。目前，圖像識別技術已經(jīng)廣泛應用于交通違章監(jiān)測、交通擁堵檢測和交通信號燈識別等交通運輸領域。

1. 交通違章監(jiān)測

相信每一個有駕駛經(jīng)驗的人都會對道路上突然的閃光心存忌憚，沒錯，當閃光燈亮起的時候，可能你又要去繳納罰單了。為了更好的保證道路的行車安全，這種先進的電子監(jiān)測系統(tǒng)，也就是我們俗稱的“電子警察”正被廣泛的應用于抓拍“闖紅燈”、“超速”等交通違章行為中。當“電子警察”采集到違章圖像后，通過PSTN網(wǎng)（公共交換電話網(wǎng)）或Internet網(wǎng)送回交通監(jiān)控中心，由專業(yè)的處理軟件完成違章車輛圖像顯示、篩選、車牌號判讀、違章車輛圖文信息記錄以及資料管理和查詢等工作。其中，車牌號判讀便運用了先進的圖像識別技術，那么，車牌號是如何被識別出來的呢？

車牌號判讀主要由圖像處理、車牌定位、字符切分和字符識別四部分組成。

圖像處理：將模擬圖像轉換為數(shù)字圖像，模擬圖像也就是空間連續(xù)的圖像，而數(shù)字圖像是空間離散的圖像，比如10000像素的圖像就是說圖像是由10000個點組成的，由于計算機只能識別數(shù)字圖像，所以我們首先便要將抓拍到的圖像轉換為數(shù)字圖像。

車牌定位：將數(shù)字圖像轉化為灰度圖像，也就是把彩色圖像轉換為黑白圖像，圖像的明暗變化由灰度值的大小決定。接著對灰度圖像進行二值化分析，其目的是尋找一個合適的灰度值，把車牌照突出出來。然后用預存的車牌照特征與二值化分析后的圖像進行比對，最終確定車牌照的位置。

字符切分：完成牌照區(qū)域的定位后，再將牌照區(qū)域分割成單個字符，然后進行識別。字符分割一般采用垂直投影法，這是因為字符在垂直方向上的投影會在字符間取得一個局部的灰度最小值，易于將字符分割出來。

字符識別：字符識別可以采用前面所提及的兩種方法，基于模板匹配的方法和基于原型匹配的方法。基于模板匹配的方法是將分割后的字符與字符數(shù)據(jù)庫中的所有模板進行匹配，最后選最佳匹配作為結果。基于原型匹配的方法是先對字符進行特征提取，用所獲得的特征來識別字符。

2. 在交通擁堵檢測中

當我們乘坐小汽車或者公交車的時候，什么事情最讓我們心煩意亂呢？沒錯，就是堵車了。在發(fā)生擁堵的時候我們最希望誰出現(xiàn)？沒錯，就是偉大的交通警察，他們讓道路秩序井然有序，恢復暢通。那么可以在交通擁堵即將發(fā)生或已經(jīng)發(fā)生時迅速通知交警嗎？答案是肯定的，圖像識別技術就可以實現(xiàn)交通擁堵的自動檢測，及時通知交警進行交通疏導。那么圖像識別技術是如何實現(xiàn)佳通擁堵的自動檢測的呢？

交通擁堵自動檢測主要由道路有效區(qū)域劃定和車流所占面積比例兩部分組成。

道路有效區(qū)域劃定：將車輛流區(qū)域和非車輛流區(qū)域進行區(qū)分，車輛流區(qū)域是指路面本色的區(qū)域，它有灰度值變化較小的特點，因此大多數(shù)雜點較少的路面都可以輕松的識別出來；非車輛流區(qū)域是指花壇、護欄等區(qū)域，它的灰度值變化較大，進行區(qū)域劃定前后的圖像如圖8和圖9所示。

車流所占面積比例：車流所占面積比例的計算由邊緣像素統(tǒng)計、交通流區(qū)域計數(shù)和交通擁堵判別三個過程組成。邊緣像素統(tǒng)計是指在道路有效區(qū)域劃定的基礎上，在道路有效區(qū)域劃定的基礎上，統(tǒng)計所有灰度值劇烈變化的像素點，即邊緣像素點，這些灰度值劇烈變化的像素點實際上就是車道上行駛車輛的邊界點；接著在交通流區(qū)域計數(shù)時對所有邊緣像素點進行掃描，通過判斷當前像素點與前后像素點的關系確定行駛車輛所占的區(qū)域；經(jīng)過上面兩個步驟后，就可以實時的計算出行駛車輛所占的區(qū)域面積與道路有效區(qū)域面積的比例，這一比例與交通工程師提供的擁堵值進行比較，便可以輕松判別出交通擁堵的狀況。如圖10所示。

3. 在交通信號燈識別中

在世界上，大約有7%～8%的色盲、色弱患者，由于無法準確快速的在交叉口判斷出交通信號燈信息，而給他們的日常出行帶來了不便，目前，以圖像識別技術為基礎的交通信號燈識別技術給他們的出行提供了幫助。那么，交通信號燈是如何被識別出來的呢？

交通信號燈的識別方法有兩種：一種是基于顏色分割的交通信號燈識別方法；另一種是基于形狀分割的交通信號燈識別方法。

基于顏色分割的交通信號燈識別方法：交通信號燈的顏色特征是最為凸顯的特征。我們也許都挺熟過RGB顏色空間，它是以紅、綠、藍三種基色來顯示彩色，雖然我們希望以不同的R、G、B值來識別不同的交通信號，但是這種方法是不實際的，因為R、G、B三者之間的相關性較高，容易受光照、陰影等因素的影響，從而無法正確識別出紅、綠、黃三種交通信號。HIS顏色空間顏色空間是適合人類視覺特性的色彩模型，其中H表示色度、I表示強度、S表示飽和度，HIS空間模型H、I、S三者之間相關性較小，易于進行顏色識別。因此，在基于顏色分割的交通信號燈識別中便采用將RGB顏色空間轉換為HIS空間，再根據(jù)H、I、S值的閾值范圍的方法來識別紅、綠、黃交通信號。

基于形狀分割的交通信號燈識別方法：交通信號燈在形狀上有個顯著的特征，即被一個黑色矩形框所包圍。根據(jù)信號燈設計規(guī)范，該矩形框有固定長寬比。可利用該特征，將交通燈范圍提取出來。如下圖所示。

圖像識別技術在交通中的應用展望

目前，圖像識別技術已經(jīng)在智能交通系統(tǒng)中獲得了成功的應用，為交通違章監(jiān)控、交通路況檢測、交通標志檢測等提供了新手段和新裝置，減少了人力勞動，提高了自動化程度。但是，由于道路狀況圖像受天氣、光照等因素影響較大，使得圖像識別技術在應用時出現(xiàn)了可靠性、準確性不能滿足工程要求等問題。隨著科技的發(fā)展，相信這些問題會逐步得到解決。圖像識別技術將在智能交通系統(tǒng)中發(fā)揮越來越重要的作用。