智能交通構(gòu)建中圖像識(shí)別與處理新技術(shù)的選擇與應(yīng)用

陳 雅，唐宇健

（1.廣西警察學(xué)院 廣西 南寧 530023；2.南寧市煙草專賣局 廣西 南寧 530007）

依托于大數(shù)據(jù)和各類高新技術(shù)而出現(xiàn)的智能交通，其基礎(chǔ)目標(biāo)在于從源頭上解決因城市格局與道路規(guī)劃新舊交替等所帶來的交通擁堵問題。智慧交通管理系統(tǒng)作為構(gòu)建智慧交通的核心，可應(yīng)用于道路運(yùn)輸?shù)恼麄€(gè)過程，具有提升交通運(yùn)輸體系的效率與全面性，促進(jìn)交通事業(yè)轉(zhuǎn)型與現(xiàn)代化發(fā)展，提高檢測(cè)與管理的效率與質(zhì)量，改善交通混亂狀況等特性。為優(yōu)化環(huán)境、車、道路、人等因素之間的關(guān)系，智能交通構(gòu)建對(duì)圖像識(shí)別、圖像處理等核心技術(shù)提出了更為嚴(yán)格的要求。從提升智能交通應(yīng)用的效率角度而言，選擇和應(yīng)用適宜的圖像識(shí)別與處理技術(shù)，保持技術(shù)更新的頻次與應(yīng)用需求的契合度，具有極為關(guān)鍵的作用。

一、智能交通構(gòu)建對(duì)圖像識(shí)別與處理技術(shù)選擇的要求

（一）基于交通管理精準(zhǔn)識(shí)別的要求

智慧交通管理系統(tǒng)以具體交通運(yùn)輸現(xiàn)狀為客觀依據(jù)，以各種信息技術(shù)為輔助，構(gòu)建起集合了最為先進(jìn)的控制技術(shù)、處理技術(shù)、計(jì)算機(jī)信息技術(shù)、數(shù)據(jù)傳輸技術(shù)、圖像識(shí)別與處理技術(shù)為一體的系統(tǒng)。為應(yīng)對(duì)交通管理的首要任務(wù)（即分析并處理汽車監(jiān)控圖像）需要先進(jìn)的圖像處理和圖像識(shí)別技術(shù)來自動(dòng)識(shí)別和管理公路流量監(jiān)控信息、失竊車輛查詢、高速公路電子收費(fèi)站等重要場(chǎng)合中的汽車車牌號(hào)。

圖像識(shí)別與處理技術(shù)在智能交通系統(tǒng)中應(yīng)用極為廣泛，且在應(yīng)用中需要圖像作為依據(jù)的問題點(diǎn)也很多，如需要識(shí)別和判斷車牌、車輛大小和外形、車身顏色、車輛所有者與司機(jī)的匹配度等。因此，在圖像識(shí)別與圖像處理技術(shù)的選擇和應(yīng)用上，必須保障所選技術(shù)與應(yīng)用目標(biāo)的適配性、與時(shí)俱進(jìn)性、及時(shí)更新性。此外，考慮到圖片拍攝與識(shí)別中，車輛本身的方向、尺度、位置變化等受制因素較為復(fù)雜，如車輛的時(shí)速、角度會(huì)影響圖片拍攝的清晰度，鄰近物體、光照、車輛之間的遮擋等會(huì)影響圖片識(shí)別的精準(zhǔn)度[1]。而車輛檢測(cè)算法對(duì)車輛識(shí)別率的要求更為嚴(yán)苛，所以，智能交通系統(tǒng)對(duì)圖像識(shí)別與處理技術(shù)的準(zhǔn)確性、先進(jìn)性和有效性的要求更為嚴(yán)格。

（二）基于違法犯罪證據(jù)采集的精準(zhǔn)適配需求

智能交通系統(tǒng)同樣可應(yīng)用于交通執(zhí)法、刑事偵查的合作中。如智能交通系統(tǒng)借助數(shù)據(jù)處理、數(shù)字圖像采集傳輸、模式識(shí)別等技術(shù)，采集機(jī)動(dòng)車圖片抓拍、嫌疑人人臉識(shí)別、車輛號(hào)牌識(shí)別等特征，在不間斷記錄并分析每天過往車輛時(shí)，為執(zhí)法部門快速提供交通違法或犯罪及嫌疑人的行蹤等真實(shí)一手證據(jù)。

以上操作的順利和有效進(jìn)行需要以高清卡口系統(tǒng)為核心，該系統(tǒng)包含中心管理、網(wǎng)絡(luò)傳輸、前端數(shù)據(jù)采集等子系統(tǒng)。前端數(shù)據(jù)采集子系統(tǒng)通過有效的圖像抓取與識(shí)別技術(shù)，來獲取往來車輛的交通參與者人臉信息以及車牌號(hào)碼、圖片、經(jīng)過時(shí)間等數(shù)據(jù)。網(wǎng)絡(luò)傳輸子系統(tǒng)將前端數(shù)據(jù)采集子系統(tǒng)所提供的真實(shí)數(shù)據(jù)傳輸?shù)街行墓芾碜酉到y(tǒng)中，以集中共享、存儲(chǔ)、管理實(shí)時(shí)采集到的數(shù)據(jù)和信息。

需要注意的是，在真實(shí)的應(yīng)用中，智能交通管理系統(tǒng)以上各部分的操作容易受到噪聲、灰塵、光線、天氣等多種自然因素的影響，圖形識(shí)別率極低[2]。尤其是室外場(chǎng)景顏色和運(yùn)動(dòng)中車體表面反射光線的方向不同，導(dǎo)致拍攝到的圖像顏色非恒定，紋理有可能絮亂、存在差異甚至扭曲，嚴(yán)重影響目標(biāo)的圖像識(shí)別與采集。有研究人員嘗試校準(zhǔn)攝像頭、調(diào)整顏色飽和度和白平衡度等方法，但仍難確保圖像顏色識(shí)別算法的精度。基于此，從智能交通可持續(xù)發(fā)展的需要看，圖像識(shí)別與處理技術(shù)的選用，不僅需要滿足車輛日常管理的需求，還需要滿足對(duì)違法犯罪嫌疑人進(jìn)行追蹤所需的圖像識(shí)別的清晰畫質(zhì)和圖像特征等需求。

二、常態(tài)化交通管理中圖像識(shí)別與處理技術(shù)的選用路徑

（一）二次優(yōu)化現(xiàn)有技術(shù)，保障車牌識(shí)別精準(zhǔn)普適性

車牌特征提取與車牌圖像分割是智能交通領(lǐng)域中解決交通管理日常問題的重要環(huán)節(jié)[3]，同樣也是應(yīng)對(duì)公路流量監(jiān)控、失竊車輛查詢等車輛識(shí)別與定位要求的重要手段之一。保障圖像識(shí)別與處理的精準(zhǔn)度，可從車牌特征提取與車牌圖像分割入手，參照日常交通管理中的普適性標(biāo)準(zhǔn)，來細(xì)化此項(xiàng)操作對(duì)圖像識(shí)別與處理的精準(zhǔn)度。

在車牌像素特征方面，目前比較常用的提取方式是角點(diǎn)提取、弧度統(tǒng)計(jì)、梯度統(tǒng)計(jì)等，其中13點(diǎn)車牌圖像特征提取法的識(shí)別性、適應(yīng)性更強(qiáng)，但是收斂性弱，特征點(diǎn)少[4]。此種操作方式需要將字符等分成8個(gè)模塊并計(jì)量黑色像素個(gè)數(shù)，統(tǒng)計(jì)豎直和水平中間兩個(gè)像素模塊的黑色像素點(diǎn)，繼而以第3個(gè)特征作為黑色像素點(diǎn)的代表。為應(yīng)對(duì)此種操作方式的不足，建議增強(qiáng)圖像像素點(diǎn)個(gè)數(shù)與位數(shù)相同的向量矩陣的應(yīng)用適應(yīng)性?？稍趫D像掃描中嘗試對(duì)白色像素和黑色像素分別取值0和1，繼而在此基礎(chǔ)上排列像素點(diǎn)0和像素點(diǎn)1，分析維數(shù)與黑白像素點(diǎn)個(gè)數(shù)，以保障圖形對(duì)應(yīng)向量矩陣的操作便捷性。

與之相比，通過提取車牌骨架特征來得到圖像特征向量矩陣的方式更具有普適性。此種操作方式需要以圖像限制寬度的差異作為識(shí)別和處理圖像的關(guān)鍵點(diǎn)，在車輛骨架圖像采集和處理之前，統(tǒng)一處理圖像輪廓寬度，并去除影響圖片輪廓寬度的各項(xiàng)因素，盡可能減少因車輛輪廓寬度數(shù)值差異化所帶來的影響。

（二）調(diào)整灰度轉(zhuǎn)化方式，強(qiáng)化梯度銳化處理

定位車牌圖像得到256色位圖圖像的方式相對(duì)復(fù)雜，在具體計(jì)算過程中如果不借助灰度轉(zhuǎn)化難以順利展開。灰度圖像中的每個(gè)像素的B、G、R值相等，灰度圖像不存在色彩差異僅存在個(gè)別亮度的區(qū)別，很容易影響圖像識(shí)別和相關(guān)信息的提取。對(duì)此，建議以灰度轉(zhuǎn)換處理后每個(gè)圖像中各個(gè)像素的唯一灰度值作為圖像暗度和亮度的識(shí)別依據(jù)，在使用二值化處理的方式后，將圖像中對(duì)應(yīng)的像素分化成具有差異化的黑白兩種顏色，再使用閾值法，通過計(jì)算得到轉(zhuǎn)化后的車輛牌照?qǐng)D像。

為加快計(jì)算方式的應(yīng)用速度，并保障程序?qū)崟r(shí)性，可在圖像采集之后，將RGB圖像處理如圖2所示。在轉(zhuǎn)化成灰度圖像后，可從真彩色圖像中按照如下方程式來處理灰度值：

Gray(x，y)=0.587G(x，y)+0.299R(x，y)+0.114B(x，y)

在使用此方程計(jì)算后，圖1的灰度值會(huì)處理到0～255內(nèi)，變換處理如圖2所示，在銳化處理完成后灰度值將出現(xiàn)新的變化，之后按照如下原則選闕值并進(jìn)行二值化處理后，得到的圖像如圖3所示：

圖1 汽車牌照?qǐng)D像黑白處理

圖2 汽車牌照?qǐng)D像銳化處理之后

圖3 汽車牌照?qǐng)D像二值化處理效果

達(dá)到以上效果是以圖像灰度方位中值為初始闕值，設(shè)為T0。假設(shè)共有L級(jí)灰度，按照下面的公式迭代處理時(shí)，h1屬于灰度是l值時(shí)的像素個(gè)數(shù)，區(qū)間范圍為 0≤l≤255。

常態(tài)下K值可選0.5，由于拍攝階段的車牌圖像有可能存在光線不穩(wěn)定等情況，為保障分割效果，可選擇0.6為K值。迭代到Ti+1=Ti時(shí)方可結(jié)束，在結(jié)束時(shí)，Ti是最終分割闕值T?？紤]到智能交通管理系統(tǒng)運(yùn)作中對(duì)圖像精準(zhǔn)度的各項(xiàng)要求較高，K值需要進(jìn)行動(dòng)態(tài)調(diào)整，調(diào)整時(shí)，車牌圖像中背景像素點(diǎn)總數(shù)和字符像素點(diǎn)總數(shù)的比值要固定[5]，公式如下所示：

上面公式中的S為背景像素點(diǎn)和字符像素點(diǎn)總數(shù)的比。S可按照車牌字符復(fù)雜程度差異而進(jìn)行調(diào)整，變化的范圍設(shè)定為1.8～2.5，S值能反映出闕值選擇是否正確。S在每次迭代時(shí)，K值的系數(shù)與S的關(guān)系如下所示：

按照此種方式自動(dòng)調(diào)節(jié)迭代系數(shù)能得到適應(yīng)能力較強(qiáng)的、相對(duì)準(zhǔn)確的車牌二值化圖像（最終效果如圖3所示）。

大多數(shù)情況下，交通運(yùn)輸管理中的圖像均采集自攝像頭，不同的攝像頭以及攝像頭的不同角度導(dǎo)致所拍攝到的同一車輛的圖片會(huì)有所差別。建議使用梯度銳化圖像的方式來去除噪點(diǎn)并嘗試增加圖像的清晰度。在微分法與高通濾波法的普遍應(yīng)用過程中，可增加梯度銳化法的應(yīng)用比例，比如使用微分預(yù)算來得到信號(hào)變化率，借助增強(qiáng)高頻分量的方式來提升圖像輪廓的清晰度。此項(xiàng)技術(shù)的應(yīng)用主要以圖像邊緣由灰度級(jí)和相鄰域點(diǎn)的不同像素點(diǎn)構(gòu)成為原理，在實(shí)踐應(yīng)用過程中，以輪廓取向難以確定問題為抓手，使用具有旋轉(zhuǎn)不變、不具備方向性等特性的線性算子。對(duì)于難以精準(zhǔn)得到的梯度及圖像使用差分運(yùn)算后一行和一列的像素貼圖，建議使用圖像差分運(yùn)算后相對(duì)近似的前一列、一行梯度值來替代。

（三）針對(duì)性優(yōu)化字符分割算法，統(tǒng)一規(guī)范字符處理操作

常用的分割車牌字符的算法主要有連通區(qū)域法、靜態(tài)邊界法和垂直投影法。此三種方式各具優(yōu)缺點(diǎn)，但均可應(yīng)用在車牌清晰圖像的獲取與處理工作中。在實(shí)際應(yīng)用中，對(duì)存在的缺點(diǎn)可結(jié)合具體操作要求來進(jìn)行有針對(duì)性的彌補(bǔ)。以垂直投影法為例，此種操作方式以垂直方向上字符塊的投影特征作為檢測(cè)依據(jù)，需要從左到右觀察并檢測(cè)車牌的坐標(biāo)垂直投影數(shù)值。通常情況下最左字符邊界是檢測(cè)得到的最大值。但是諸如字母“N”“L”等在垂直方向上投影時(shí)，容易出現(xiàn)因過度切割而影響其垂直投影數(shù)值的精確性的問題。對(duì)此，建議調(diào)研容易出現(xiàn)垂直投影數(shù)值偏差的字符，并設(shè)定標(biāo)準(zhǔn)的寬度閾值和最小值，以此作為實(shí)踐操作過程中的衡量范本。連通區(qū)域法在實(shí)踐應(yīng)用過程中，需要以字符聯(lián)通域特征作為切割車牌字符的依據(jù)，但是會(huì)受到車牌噪聲區(qū)域過多與字符線條連接明顯等的影響。解決此問題的方式是去噪。

在日常車輛照片拍攝的過程中，按照字符圖像處理的要求需要去噪。離散的噪聲在車牌定位中能去除掉一部分，但是現(xiàn)有的操作方式有可能同步去除字符像素。對(duì)此的彌補(bǔ)方式為掃描整個(gè)車牌圖像，設(shè)定非離散點(diǎn)值，提取黑色點(diǎn)，對(duì)比和分析與此黑色點(diǎn)直接關(guān)聯(lián)的黑色點(diǎn)數(shù)量，判斷其是否小于非離散點(diǎn)值，如果超過則需要去除，以此來增加離散噪聲的去除量?；蛘咭孕盘?hào)是否明顯集中作為判斷標(biāo)準(zhǔn)進(jìn)行信號(hào)周邊的掃描，如果周邊信號(hào)強(qiáng)烈，那么掃描到的信號(hào)在此范圍之內(nèi)，屬于非離散信號(hào)，不需要去除，反之則需要去除。

在拍攝的過程中，如圖4所示，在對(duì)車牌邊緣進(jìn)行檢測(cè)時(shí)，如果車牌出現(xiàn)水平方向的傾斜也會(huì)使字符高度出現(xiàn)變化，進(jìn)而影響到拍攝效果。對(duì)此需要找準(zhǔn)圖像平衡點(diǎn)，如圖5所示，找出車牌拍攝的傾斜度，以此為軸心分析圖像左右邊像素的平均高度，繼而求斜率，依據(jù)偏轉(zhuǎn)角重新組織圖像，并使用反算法旋轉(zhuǎn)水平字符符號(hào)圖像位置，對(duì)比得到的數(shù)值與之前的對(duì)應(yīng)位置坐標(biāo)。如圖6所示，確定車牌照上下邊界，進(jìn)而將車牌照分割歸一之后得到字符，如圖7所示。

圖4 車牌邊緣檢測(cè)

圖5 車牌拍攝的傾斜度

圖6 車牌照上下邊界的確定

圖7 車牌照分割歸一之后得到的字符

此外，統(tǒng)一處理同一圖像中的不同位置和不同尺寸的文字也極有必要，這利于增加圖像識(shí)別與處理的規(guī)范性和有效性。在實(shí)際操作過程中，可依據(jù)相關(guān)位置關(guān)系統(tǒng)一處理同一圖像中等比例縮小或放大的字符，將顯示特征、位置或大小存在差異的字符圖形轉(zhuǎn)化成統(tǒng)一的字符，來提升圖像識(shí)別的準(zhǔn)確率。為保證這一操作的規(guī)范性，建議以車輛圖像拍攝過程中所涉及的文字識(shí)別要求為基礎(chǔ)，編制對(duì)應(yīng)的準(zhǔn)則，或者細(xì)化已有的準(zhǔn)則及操作指南。位置歸一化法同樣可以有針對(duì)性地應(yīng)用在圖像字符統(tǒng)一處理的工作中。

三、違法犯罪證據(jù)采集需求下的圖像識(shí)別與處理技術(shù)選用路徑

（一）針對(duì)違法犯罪證據(jù)采集需求，設(shè)計(jì)高清卡口子系統(tǒng)

針對(duì)證據(jù)收集的要求，在智慧交通系統(tǒng)應(yīng)用的過程中，按照實(shí)際需求設(shè)計(jì)和調(diào)整高清卡口子系統(tǒng)。高清卡口子系統(tǒng)的設(shè)定必須滿足高清錄像、人臉識(shí)別、人臉抓取、車輛顏色識(shí)別、自動(dòng)識(shí)別、測(cè)速、逆行抓拍、圖片記錄、車輛捕獲等功能要求下的圖像抓拍和參與者人臉信息等各項(xiàng)數(shù)據(jù)的識(shí)別、存儲(chǔ)、共享管理、處理、匯總、采集、壓縮上傳等需求。由此可配以防雷器、開關(guān)電源、外場(chǎng)工業(yè)交換機(jī)、終端服務(wù)器、車輛檢測(cè)器、閃光燈、卡口抓拍單元、數(shù)據(jù)庫(kù)服務(wù)器、存儲(chǔ)服務(wù)器、應(yīng)用服務(wù)器、管理服務(wù)器、Web服務(wù)器、光纖收發(fā)器等。系統(tǒng)網(wǎng)絡(luò)的構(gòu)建也需要圍繞違法犯罪證據(jù)采集需求，針對(duì)高清卡口子系統(tǒng)圖像識(shí)別與處理技術(shù)的選擇和應(yīng)用的需求來操作。

車牌識(shí)別系統(tǒng)雖然具有較高的識(shí)別率，但是在具體應(yīng)用過程中仍需要考慮各項(xiàng)因素，如車牌類似形狀物、車身類似形狀物、車牌遮擋物，甚至需要考慮采光、拍攝設(shè)備性能等對(duì)拍攝對(duì)象的干擾。對(duì)此，建議加大車牌自動(dòng)識(shí)別系統(tǒng)時(shí)長(zhǎng)以及增加采集環(huán)境復(fù)雜度，從普適性角度出發(fā)來分析車牌自動(dòng)識(shí)別系統(tǒng)各個(gè)模塊對(duì)算法原理的要求，將車牌自動(dòng)識(shí)別系統(tǒng)嵌入高清卡口系統(tǒng)里，按照智能交通構(gòu)建中對(duì)圖像識(shí)別和圖像處理技術(shù)的選擇與應(yīng)用實(shí)際情況，來進(jìn)一步研究其功能的配置和設(shè)計(jì)，以便取得更好的識(shí)別效果。

（二）契合適配功能選擇技術(shù)，結(jié)合實(shí)戰(zhàn)豐富應(yīng)用功能

在契合適配功能選擇技術(shù)方面，以車輛自動(dòng)識(shí)別功能為例，可采用多樣式視頻加線圈檢測(cè)方式來滿足高清卡口系統(tǒng)的車輛檢測(cè)需求。建議使用Web開發(fā)高清卡口系統(tǒng)，并建立車牌字符庫(kù)，在系統(tǒng)中設(shè)定可點(diǎn)擊的車牌識(shí)別、字符分割、車牌提取、車牌定位接口，通過點(diǎn)擊使車牌號(hào)碼在Text Edit控件中直接顯示用于識(shí)別車牌。監(jiān)測(cè)區(qū)域車輛的圖像抓取，可使用補(bǔ)光設(shè)備和高清攝像頭來應(yīng)對(duì)。車輛自動(dòng)識(shí)別子系統(tǒng)需要圍繞圖像的預(yù)處理、車牌字符分割、車輛定位檢測(cè)和字符識(shí)別以及車牌輸出、圖片中相關(guān)信息的疊加來設(shè)定。

人臉識(shí)別功能的開發(fā)，在設(shè)計(jì)中需要設(shè)定可隨時(shí)調(diào)取公安系統(tǒng)中我國(guó)公民個(gè)人人臉信息的功能接口，在圖像域處理系統(tǒng)提取并定位所調(diào)取的人臉特征后，進(jìn)行自動(dòng)預(yù)處理，其中涉及使用高斯濾波和預(yù)處理函數(shù)的問題。SURF算法可應(yīng)用在原本庫(kù)特征與提取特征的匹配中，在匹配特征點(diǎn)個(gè)數(shù)達(dá)到最多時(shí)，直接輸出識(shí)別結(jié)果并以此人人臉命名。如果原圖像中出現(xiàn)多個(gè)人臉，則需要檢測(cè)并提取人臉。為提升人臉識(shí)別功能應(yīng)用的有效性，需要在高清卡口系統(tǒng)中設(shè)定嫌疑人人臉庫(kù)并提取特征來生成xml文件，以便于圖像識(shí)別時(shí)使用人臉檢測(cè)算法來預(yù)測(cè)、定位人臉圖像。人臉區(qū)域圖像可通過摳圖的方式得到，在提取特征后與讀入的xml文件進(jìn)行差異化對(duì)比，進(jìn)而輸出結(jié)果。圖像操作方式可應(yīng)用在采集、識(shí)別、對(duì)比核查駕駛?cè)藛T或者其他交通參與者是否是在逃犯、犯罪嫌疑人等方面。3D人臉識(shí)別可作為人臉識(shí)別功能開發(fā)的技術(shù)補(bǔ)充，以便于多角度識(shí)別人臉，提升人臉識(shí)別算法的適應(yīng)性和準(zhǔn)確率。

為提升高清卡口子系統(tǒng)的有效性，滿足業(yè)務(wù)應(yīng)用層的實(shí)戰(zhàn)分析、稽查布控、卡口監(jiān)控等需求，建議在車牌識(shí)別服務(wù)、人臉識(shí)別服務(wù)、數(shù)據(jù)轉(zhuǎn)發(fā)服務(wù)和研判智能化服務(wù)的功能性設(shè)定的基礎(chǔ)上，增加可為駕駛?cè)藛T或公安內(nèi)部工作人員等提供Web查詢的Web服務(wù)，可為管理人員提供具體駕駛?cè)藛T地理信息的系統(tǒng)服務(wù)、為前端各種應(yīng)用提供云計(jì)算和檢索的快速搜索服務(wù)，為外部系統(tǒng)的布測(cè)控等服務(wù)需求提供的卡口系統(tǒng)接口調(diào)用服務(wù)，為車輛檢測(cè)實(shí)時(shí)對(duì)比和告警聯(lián)動(dòng)提供的異常車輛及黑名單車輛告警服務(wù)。除此之外，在兼顧智能交通車輛日常檢測(cè)和管理的需求下，還可以設(shè)定車輛統(tǒng)計(jì)、車輛查詢、電子地圖、實(shí)時(shí)監(jiān)控、權(quán)限管理、運(yùn)維管理、設(shè)備管理、稽查布控、用戶管理等各項(xiàng)功能。

（三）數(shù)據(jù)分析及采集偏差問題處理

在大數(shù)據(jù)采集過程中，還會(huì)存在盲點(diǎn)、偏差、陰影、甚至自相矛盾等問題。由于問題集中在車輛的運(yùn)動(dòng)軌跡上，所以根據(jù)數(shù)據(jù)平臺(tái)，讀取某個(gè)時(shí)間指向的具體位置數(shù)據(jù)集是系統(tǒng)重點(diǎn)分析的內(nèi)容。其中i=0，即設(shè)定的起始值。假設(shè)i=0時(shí)，在大數(shù)據(jù)平臺(tái)中獲取一個(gè)數(shù)據(jù)集：

T（i）={(X0，Y0)，(X1，Y1)，…(Xi，Yi)}

其中，X表示經(jīng)度，Y表示緯度，I表示數(shù)據(jù)采集的時(shí)間軸點(diǎn)。根據(jù)目標(biāo)數(shù)據(jù)在特征集中的分布，可以測(cè)算出一條車輛運(yùn)動(dòng)的軌跡。

如果各時(shí)間段的數(shù)據(jù)集存在盲點(diǎn)和偏差，就需要調(diào)用“智能交通系統(tǒng)”中的多元數(shù)據(jù)，進(jìn)行數(shù)據(jù)測(cè)算和推演。將不同來源的數(shù)據(jù)進(jìn)行權(quán)限設(shè)定，P(j)表示第j個(gè)數(shù)的權(quán)重比，n表示元數(shù)據(jù)的個(gè)數(shù)，因此，新推演出來的某個(gè)時(shí)間軸的數(shù)據(jù)信息可以通過訓(xùn)練得知：

需要注意的是在具體人臉定位法應(yīng)用的過程中，從如何精準(zhǔn)獲取人臉圖像的角度考慮，還需要思考如何應(yīng)對(duì)車輛形狀、拍攝角度、光線、遮擋物等影響下，駕駛室內(nèi)人臉圖像難以精準(zhǔn)有效獲取的問題。尤其是在雨雪、霧天、夜間等客觀自然條件下，車牌識(shí)別、人臉精準(zhǔn)度以及車內(nèi)前排和后排人員衣著面貌與臉部特征、周圍環(huán)境、行駛車道等的抓取難以保障清晰和完整。雖然目前使用的500萬(wàn)像素抓拍單元的高清攝像頭和補(bǔ)光設(shè)備等，能一定程度上緩解此問題，但是仍難以滿足高清卡口系統(tǒng)對(duì)圖像采集精準(zhǔn)度和有效性的嚴(yán)格要求。因此，在智能交通高清卡口系統(tǒng)的應(yīng)用過程中，按照車輛、嫌疑人、在逃犯等人臉識(shí)別和車牌識(shí)別的要求，應(yīng)在現(xiàn)有的識(shí)別算法中增加補(bǔ)償光的方式，以便于增強(qiáng)復(fù)雜交通場(chǎng)景圖像的清晰度和完整性。Web形式開發(fā)下的高清卡口系統(tǒng)客戶端，固然能滿足使用者隨時(shí)遠(yuǎn)程監(jiān)控、人臉識(shí)別、車輛識(shí)別和車輛檢測(cè)等需求，但仍需從適應(yīng)多數(shù)場(chǎng)景的需求入手，優(yōu)化人臉識(shí)別法，提升其適應(yīng)性和準(zhǔn)確率。

綜上所述，作為控制技術(shù)、信息處理技術(shù)、數(shù)據(jù)傳輸技術(shù)等高新技術(shù)的集合體，智能交通系統(tǒng)能滿足智能化和信息化的交通安全管理需求，有利于在提升社會(huì)和諧度的同時(shí)，更好地優(yōu)化道路、環(huán)境、車、人之間的關(guān)系。但是智能交通系統(tǒng)對(duì)支撐其構(gòu)成并應(yīng)用的各項(xiàng)信息技術(shù)的適配性與更新性等的要求很高，尤其是對(duì)圖像處理和圖像識(shí)別新技術(shù)應(yīng)用的精準(zhǔn)度、適應(yīng)性、普適性、有效性的要求更為嚴(yán)格?，F(xiàn)有的圖像處理與識(shí)別技術(shù)在日常交通管理和違法犯罪證據(jù)采集方面能起到極為有效的輔助作用，但受客觀工作環(huán)境、設(shè)備完備性、技術(shù)程度等各項(xiàng)因素的影響，并不能完全滿足智能交通系統(tǒng)的要求。建議在車牌識(shí)別應(yīng)用方面，加大對(duì)字母、數(shù)字、文字的規(guī)范力度，強(qiáng)化對(duì)印刷制品文字等的識(shí)別研究，進(jìn)一步提升車牌識(shí)別的精準(zhǔn)度。