交通中的圖像識(shí)別應(yīng)用

陳寧

什么是圖像識(shí)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(guò)眼睛所觀察到的一切都是圖像，那么，什么是圖像識(shí)別？什么又是圖像識(shí)別技術(shù)呢？

圖像識(shí)別又叫圖像再認(rèn)，是指人們?cè)俅伪嬲J(rèn)出某一圖形的過(guò)程，當(dāng)圖形信息刺激人體的感覺(jué)器官，人體通過(guò)記憶中存儲(chǔ)的信息與當(dāng)前的感官信息進(jìn)行對(duì)比加工，從而再次辨認(rèn)出這一圖形。人體具有極強(qiáng)的圖像識(shí)別能力，我們看下面幾張圖片：

圖1、2、3是圖形設(shè)計(jì)師們對(duì)字母A的美化設(shè)計(jì)，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(shí)別出它就是字母A；圖4、5、6從拍攝角度和光線上來(lái)說(shuō)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(gè)項(xiàng)鏈。人們不僅可以通過(guò)視覺(jué)識(shí)別出某一圖像，甚至圖像識(shí)別還可以不受感覺(jué)通道的限制。例如，當(dāng)別人在你背上寫(xiě)字母A時(shí)，相信你依然能識(shí)別出這一字母來(lái)。

人體神秘而神奇，究竟人體是怎樣進(jìn)行圖像信息識(shí)別的呢？經(jīng)過(guò)科學(xué)家們多年的研究發(fā)現(xiàn)，人體進(jìn)行圖像識(shí)別應(yīng)該是以圖像的主要特征為基礎(chǔ)的。每個(gè)圖像都有它的特征，如字母A有個(gè)尖，P有個(gè)圈、而Y的中心有個(gè)銳角等。對(duì)圖像識(shí)別時(shí)眼動(dòng)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(gè)特征轉(zhuǎn)到另一個(gè)特征上。由此可見(jiàn)，人體在圖像識(shí)別過(guò)程中，總是排除輸入的多余信息，抽出關(guān)鍵信息，同時(shí)將這些關(guān)鍵信息進(jìn)行整合，從而形成一個(gè)完整的知覺(jué)映像。

進(jìn)入21世紀(jì)以來(lái)，伴隨著科技的發(fā)展，人們變得越來(lái)越“懶”，以前必須要人類智能才能完成的圖像識(shí)別工作也希望由計(jì)算機(jī)來(lái)替代，“圖像識(shí)別技術(shù)”也由此而生。圖像識(shí)別技術(shù)是人工智能的一個(gè)重要領(lǐng)域，它借由計(jì)算機(jī)來(lái)完成圖像的識(shí)別功能。

圖像識(shí)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(qiáng)調(diào)當(dāng)前的刺激必須與大腦中的模板完全匹配，圖像才能被識(shí)別。例如字母A，如果在腦中有個(gè)A模板，字母A的大小、方位、形狀都與這個(gè)A模板完全一致，字母A才能被識(shí)別。這個(gè)模型簡(jiǎn)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(kù)設(shè)計(jì)時(shí)必須考慮所有的情況，這幾乎是無(wú)法實(shí)現(xiàn)的，因此這一模型僅適用于場(chǎng)景較為單一的圖像識(shí)別過(guò)程。

為了解決模板匹配的問(wèn)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(lái)檢驗(yàn)所要識(shí)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(shí)別為A。這種模型更傾向于人類的思維模式，也能識(shí)別出情況更為較多、較復(fù)雜的圖像，因此稱為圖像識(shí)別技術(shù)的發(fā)展方向。

圖像識(shí)別技術(shù)在交通中的應(yīng)用

圖像識(shí)別作為人工智能的重要內(nèi)容，21世紀(jì)以來(lái)得到了巨大的發(fā)展，廣泛應(yīng)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(shí)別技術(shù)用于識(shí)別支票和鈔票上的特殊數(shù)字和字符；在醫(yī)學(xué)上，圖像識(shí)別技術(shù)用于識(shí)別早期腫瘤、分析心電圖以及血小板計(jì)數(shù)；在軍事中，圖像識(shí)別技術(shù)用于導(dǎo)彈的精確制導(dǎo)；在地質(zhì)勘探中，圖像識(shí)別技術(shù)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(shù)中，圖像識(shí)別技術(shù)用于識(shí)別不同的自然資源。

近年來(lái)，伴隨著城市的飛速發(fā)展，城市內(nèi)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(wèn)題。交通問(wèn)題是涉及人、車、路的一個(gè)復(fù)雜的系統(tǒng)問(wèn)題，它往往伴隨著海量數(shù)據(jù)的分析和處理。因此，近年來(lái)，圖像識(shí)別技術(shù)被廣泛應(yīng)用于交通運(yùn)輸領(lǐng)域，以提高交通管理者的工作效率，更好的解決城市交通問(wèn)題。目前，圖像識(shí)別技術(shù)已經(jīng)廣泛應(yīng)用于交通違章監(jiān)測(cè)、交通擁堵檢測(cè)和交通信號(hào)燈識(shí)別等交通運(yùn)輸領(lǐng)域。

1. 交通違章監(jiān)測(cè)

相信每一個(gè)有駕駛經(jīng)驗(yàn)的人都會(huì)對(duì)道路上突然的閃光心存忌憚，沒(méi)錯(cuò)，當(dāng)閃光燈亮起的時(shí)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(jìn)的電子監(jiān)測(cè)系統(tǒng)，也就是我們俗稱的“電子警察”正被廣泛的應(yīng)用于抓拍“闖紅燈”、“超速”等交通違章行為中。當(dāng)“電子警察”采集到違章圖像后，通過(guò)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(hào)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(hào)判讀便運(yùn)用了先進(jìn)的圖像識(shí)別技術(shù)，那么，車牌號(hào)是如何被識(shí)別出來(lái)的呢？

車牌號(hào)判讀主要由圖像處理、車牌定位、字符切分和字符識(shí)別四部分組成。

圖像處理：將模擬圖像轉(zhuǎn)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(shuō)圖像是由10000個(gè)點(diǎn)組成的，由于計(jì)算機(jī)只能識(shí)別數(shù)字圖像，所以我們首先便要將抓拍到的圖像轉(zhuǎn)換為數(shù)字圖像。

車牌定位：將數(shù)字圖像轉(zhuǎn)化為灰度圖像，也就是把彩色圖像轉(zhuǎn)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(duì)灰度圖像進(jìn)行二值化分析，其目的是尋找一個(gè)合適的灰度值，把車牌照突出出來(lái)。然后用預(yù)存的車牌照特征與二值化分析后的圖像進(jìn)行比對(duì)，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(gè)字符，然后進(jìn)行識(shí)別。字符分割一般采用垂直投影法，這是因?yàn)樽址诖怪狈较蛏系耐队皶?huì)在字符間取得一個(gè)局部的灰度最小值，易于將字符分割出來(lái)。

字符識(shí)別：字符識(shí)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?；谀０迤ヅ涞姆椒ㄊ菍⒎指詈蟮淖址c字符數(shù)據(jù)庫(kù)中的所有模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果。基于原型匹配的方法是先對(duì)字符進(jìn)行特征提取，用所獲得的特征來(lái)識(shí)別字符。

2. 在交通擁堵檢測(cè)中

當(dāng)我們乘坐小汽車或者公交車的時(shí)候，什么事情最讓我們心煩意亂呢？沒(méi)錯(cuò)，就是堵車了。在發(fā)生擁堵的時(shí)候我們最希望誰(shuí)出現(xiàn)？沒(méi)錯(cuò)，就是偉大的交通警察，他們讓道路秩序井然有序，恢復(fù)暢通。那么可以在交通擁堵即將發(fā)生或已經(jīng)發(fā)生時(shí)迅速通知交警嗎？答案是肯定的，圖像識(shí)別技術(shù)就可以實(shí)現(xiàn)交通擁堵的自動(dòng)檢測(cè)，及時(shí)通知交警進(jìn)行交通疏導(dǎo)。那么圖像識(shí)別技術(shù)是如何實(shí)現(xiàn)佳通擁堵的自動(dòng)檢測(cè)的呢？

交通擁堵自動(dòng)檢測(cè)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(jìn)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(diǎn)，因此大多數(shù)雜點(diǎn)較少的路面都可以輕松的識(shí)別出來(lái)；非車輛流區(qū)域是指花壇、護(hù)欄等區(qū)域，它的灰度值變化較大，進(jìn)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(jì)算由邊緣像素統(tǒng)計(jì)、交通流區(qū)域計(jì)數(shù)和交通擁堵判別三個(gè)過(guò)程組成。邊緣像素統(tǒng)計(jì)是指在道路有效區(qū)域劃定的基礎(chǔ)上，在道路有效區(qū)域劃定的基礎(chǔ)上，統(tǒng)計(jì)所有灰度值劇烈變化的像素點(diǎn)，即邊緣像素點(diǎn)，這些灰度值劇烈變化的像素點(diǎn)實(shí)際上就是車道上行駛車輛的邊界點(diǎn)；接著在交通流區(qū)域計(jì)數(shù)時(shí)對(duì)所有邊緣像素點(diǎn)進(jìn)行掃描，通過(guò)判斷當(dāng)前像素點(diǎn)與前后像素點(diǎn)的關(guān)系確定行駛車輛所占的區(qū)域；經(jīng)過(guò)上面兩個(gè)步驟后，就可以實(shí)時(shí)的計(jì)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(jìn)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(hào)燈識(shí)別中

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

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

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

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

圖像識(shí)別技術(shù)在交通中的應(yīng)用展望

目前，圖像識(shí)別技術(shù)已經(jīng)在智能交通系統(tǒng)中獲得了成功的應(yīng)用，為交通違章監(jiān)控、交通路況檢測(cè)、交通標(biāo)志檢測(cè)等提供了新手段和新裝置，減少了人力勞動(dòng)，提高了自動(dòng)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(shí)別技術(shù)在應(yīng)用時(shí)出現(xiàn)了可靠性、準(zhǔn)確性不能滿足工程要求等問(wèn)題。隨著科技的發(fā)展，相信這些問(wèn)題會(huì)逐步得到解決。圖像識(shí)別技術(shù)將在智能交通系統(tǒng)中發(fā)揮越來(lái)越重要的作用。