智能交通系統(tǒng)中的計算機視覺技術的應用*

西安航空職業(yè)技術學院 馮曉賽

隨著國家科技實力的提高，技術水平飛速提升。交通系統(tǒng)的智能化轉(zhuǎn)變，是信息技術使用的全新途徑，其能在一定程度上促進管理工作效率的提升。將智能交通系統(tǒng)與計算機視覺技術結合在一起之后，為國內(nèi)該方面管控工作的進步、完善打下了良好基礎，還使相應人員的工作壓力、任務總量大幅降低?；诖?，本文重點分析了智能交通系統(tǒng)的概述，以及計算機視覺系統(tǒng)的關鍵技術，同時，細致闡述了二者結合之后在生活中的具體應用，以供參考。

1 智能交通系統(tǒng)概述

目前，國內(nèi)的汽車數(shù)量大幅提升，這讓擁堵方面的問題愈加嚴重。為防止道路上出現(xiàn)交通擁堵的情況，降低事故發(fā)生的概率，國內(nèi)便開始對智能系統(tǒng)進行研究。智能交通系統(tǒng)在研發(fā)的過程中，是將目前較為嚴重的問題作為基礎，再讓智能化技術成為其中的核心，以此來研制出全新的種類，之后借助計算機的使用，來對城之內(nèi)部的交通情況進行管理。例如：在對道路中的車輛進行調(diào)度時，可以提醒駕駛人員繞開擁堵的路段。智能交通系統(tǒng)的出現(xiàn)，為國內(nèi)現(xiàn)代化社會發(fā)展環(huán)境創(chuàng)建出優(yōu)秀的交通行駛環(huán)境，提升了管理工作質(zhì)量。與過去的交通行駛對比來講，智能交通是一種全新類型的系統(tǒng)，其中主要涉及了：信息子系統(tǒng)、收費子系統(tǒng)、管理子系統(tǒng)、應急調(diào)度子系統(tǒng)等。在智能交通的系統(tǒng)內(nèi)部，較為關鍵的便是信息數(shù)據(jù)，依據(jù)對信息的深度挖掘、研究，來改善當前的情況，完成對交通的科學合理調(diào)度，保障了人民的生命財產(chǎn)安全[1]。

2 智能交通系統(tǒng)關鍵技術

2.1 GPS

計算機技術在智能交通系統(tǒng)中的應用，以GPS技術為主要核心。依據(jù)對其的應用，來為城市中車進行定位、導航。計算機能對GPS產(chǎn)生的數(shù)據(jù)內(nèi)容進行分析，之后使用配套模塊，完成相關信息系統(tǒng)的改善工作，讓交通管理部門依據(jù)該內(nèi)容，對道路進行實時管控，并追蹤其中的可疑車輛。計算機技術在交通智能管理中使用時，可以將其中的智能化、信息充分展現(xiàn)出來，GPS技術的核心內(nèi)容是云計算，其可以與服務器、車載定位系統(tǒng)、計算機、虛擬機器進行連接，從而創(chuàng)造出速度較快的網(wǎng)絡內(nèi)容。云計算技術的使用，能大幅提高交通數(shù)據(jù)的采集面積，促使城市內(nèi)的交通網(wǎng)信息范圍更大、精準程度更高。不僅如此，通過對云計算的使用，可以將信息的處理能力成倍提升，依據(jù)GPS模塊來對車輛進行準確定位、高效率信息內(nèi)容，讓系統(tǒng)依據(jù)交通實施情況，來進行動態(tài)化導航，幫助群眾躲避擁堵路段。

2.2 視覺技術

計算機技術的改進與優(yōu)化，讓其在智能交通中可以進行遠距離監(jiān)控，從而將交通部門的管理能力大幅提升。在使用智能交通的系統(tǒng)時，計算機遠距離監(jiān)控功能主要將視覺技術作為中心，以此來對道路中動態(tài)的車輛進行自動化識別，判斷路段之中是否存在擁堵情況。交通管理人員可依據(jù)計算機、智能移動設備來對路面中的具體情況進行判斷，并根據(jù)信號轉(zhuǎn)換、圖像傳送等方式，對路面的具體情況產(chǎn)生了解，以便能夠在事故發(fā)生后第一時間達到現(xiàn)場內(nèi)部，大幅提升了管理部門對城市交通情況的應急指揮、救援能力。

3 智能交通系統(tǒng)計算機視覺技術的應用

當前，城市中的交通環(huán)境相對較為復雜，各個地區(qū)之間的擁堵情況都很嚴重。智能交通系統(tǒng)的使用，主要是將行駛通暢性作為工作重點，再與車輛導航信息進行結合，為車輛行駛提供出最佳的便利路線，以此來提高傳統(tǒng)車輛管理收費項目的多方面效益。之后再利用計算機視覺技術對相應內(nèi)容進行細致分析，組成智能化的收費管理體系。在日后城市交通系統(tǒng)的創(chuàng)建工作中，要對環(huán)境中的動態(tài)情況進行掌控，讓車體的具體信息，與管理中心備注的內(nèi)容保持一致后，使用計算機視覺技術對道路中行駛的車輛進行識別、讀取，再反饋到系統(tǒng)內(nèi)，讓單獨的系統(tǒng)整合成為整體，從而在一定程度內(nèi)將視覺技術的作用展現(xiàn)出來[2]。

3.1 環(huán)境監(jiān)控

對交通情況進行實時監(jiān)控，能將區(qū)域內(nèi)的具體現(xiàn)狀反映出來，減少管理工作進行時的延遲性，提高整體效率。以往意義上的交通監(jiān)控系統(tǒng)，在數(shù)據(jù)傳輸工作上的能力較差，重要數(shù)據(jù)提取難度高。智能系統(tǒng)與計算機視覺技術的使用。能夠進一步將該問題處理掉，不僅可以減少交通系統(tǒng)在使用過程中的時間周期，還能為系統(tǒng)的智能化使用提供環(huán)境信息交互，之后從多個不同的關鍵節(jié)點中將信息發(fā)送至內(nèi)部，完成對其的分化處理工作，最后通過對網(wǎng)絡信息方式的應用，再發(fā)送到管理的個體中，讓其單位依據(jù)相關信息來對現(xiàn)場中的交通情況進行合理管控，從而為實現(xiàn)循環(huán)性的管理制度、規(guī)劃，提供具備參考性的信息內(nèi)容。

3.2 車輛導航

對車輛導航信息內(nèi)容進行數(shù)據(jù)化的管理，主要優(yōu)勢在于具備優(yōu)秀的時效性、信息全面性等，還可以依據(jù)不同路段的情況，來科學挑選行駛的路徑，防止發(fā)生交通方面的擁堵問題，該技術是可以從三維空間的角度，為車輛駕駛、交通管控方面人員創(chuàng)造出便利性的科學技術。對車輛導航信息開展數(shù)據(jù)化的管控，這是一項雙向的管理工作模式，其中的信息內(nèi)容不僅包含車輛在行駛過程中產(chǎn)生的動態(tài)信息，還包含城市內(nèi)部的交通管理工作的體系內(nèi)容，并在不同的時間段中，對各個路段中的實際情況進行信息更新，這能在一定程度上降低固定區(qū)域內(nèi)部的車輛密度，為智能交通管理工作的開展、高緯度的信息傳送打下良好基礎。

3.3 收費項目

車輛收費項目的智能處理，主要是對高速公路上收費項目進行的優(yōu)化與改善，讓其從過去的人工識別、讀卡信息提取轉(zhuǎn)變成為了圖像信息樹立。依據(jù)對車輛型號、車輛行駛記錄等方面的排查工作，來將其作為基礎開展二次的信息識別，再與收費管理標準、繳費信息內(nèi)容，進行二次的圖像核查工作，并利用雙目系統(tǒng)，來完成對車輛的雙向核實，依據(jù)該方式來對以往車輛收費管理工作中效率不足的問題進行科學處理。同時，車輛收費項目智能管理，還可以將工作管理水平大幅提高，通過將計算機視覺技術作為其中的信息識別、交互關鍵平臺，根據(jù)相應的圖像信息、技術為核心，來創(chuàng)建、完善車輛信息識別數(shù)據(jù)庫，為日后階段的車輛智能收費管理的推廣、應用打下堅實的技術基礎。

3.4 智能駕駛

人工智能操作技術環(huán)境在引導車輛行駛的過程中，從始至終都具備著一定的隱患問題，人為、設備等方面因素產(chǎn)生的干擾，都會對行駛過程中的安全性產(chǎn)生嚴重影響。當前所提倡的輔助駕駛系統(tǒng)，都是將個體作為過程中的單位，之后再使用計算機視覺、紅外感應、雷達波基數(shù)作為輔助駕駛的基礎，讓汽車行駛過程中的信息交流能力較弱，同時各個不同類型車輛中的輔助操作系統(tǒng)都會存在一定差異，這無法讓當前的現(xiàn)代車輛輔助駕駛系統(tǒng)資源，進行深層次的整合，促使輔助駕駛功能的價值大幅降低。信息化管理模塊之下的輔助駕駛系統(tǒng)，僅是將以往的傳統(tǒng)個體形式串聯(lián)在一起，成為信息互通的整體，之后依據(jù)通信的模塊，來統(tǒng)一對不同種類的車輛輔助駕駛進行管控，讓其能夠形成良好的信息交互場景，之后將智能交通系統(tǒng)作為其中的信息交流平臺，為車輛的智能操控提供優(yōu)秀、高效的管理服務，在技術方面將駕駛的安全性提高[3]。

3.5 流量統(tǒng)計

對各個路口監(jiān)控視頻中的交通具體流量進行統(tǒng)計、檢測，是開展相關流量分析、預測工作的重要前提。為此，對路面上車輛進行檢測是輔助駕駛系統(tǒng)、智能交通管理系統(tǒng)中的關鍵研究內(nèi)容。

以往在計算機視覺技術前提下開展的監(jiān)測工作，主要涉及假設產(chǎn)生、驗證兩大階段。

在假設產(chǎn)生的過程中，需要對圖像中感興趣的區(qū)域進行提?。辉谶M行假設內(nèi)容驗證時，可以使用適宜的計算方式，來對ROI中存在的車輛進行驗證。

以往假設產(chǎn)生的方法主要可以分為幾大類：基于知識、基于立體視覺、基于運動信息的方式。在知識角度上的方法主要是用對稱性、色彩、焦點、邊緣、紋理等相應的知識內(nèi)容，來確定車輛的ROI。該操作方式具備操作簡單、結果直觀，容易在現(xiàn)實中存在的優(yōu)勢，同樣存在需要較多經(jīng)驗閾值的不足，例如：車輛自身的長寬比例、具體尺寸，以及與周邊環(huán)境產(chǎn)生的對比差等。在使用立體視覺的方法時，需要多個攝像頭對一個景物進行多角度拍攝，從而獲得具備立體感的圖像，并依據(jù)相應計算的方式來對深度信息內(nèi)容進行回復。應用運動方法時，主要是使用視頻內(nèi)部相鄰幀之間的信息，來對ROI進行確定，其中的計算方式主要包括：幀差法、光流法等。

進行驗證的方法主要是基于模塊、基于外觀兩種。近些年，伴隨深度學習理論內(nèi)容的成熟、硬件性能的優(yōu)化，目標監(jiān)測算法從以往手工的計算方式，轉(zhuǎn)變成為了在深度神經(jīng)網(wǎng)絡前提下的新方法，其中主要涉及了R-CNN、Fast/Faste、SSD等多種系列。以上提及的計算方式，在檢測工作的實際效果、性能方面都非常出色。

3.6 乘客統(tǒng)計

公共車輛、軌道交通一直都是城市內(nèi)部人們出行的重要形式。由于公共客流在地域、時間等方面存在不均衡性，時常會出現(xiàn)高峰時間段人員過于擁擠、平峰時車輛載客數(shù)量少的問題，以此產(chǎn)生了嚴重的資源浪費。

自動式的乘客數(shù)量計數(shù)手段，是智能交通系統(tǒng)之中的重要技術。依據(jù)對乘客上下車的具體時間、地點進行細致統(tǒng)計，來對人員的分布與特點產(chǎn)生了解，從而為公交車輛調(diào)度工作的開展提供重要依據(jù)。

在現(xiàn)實使用的過程中，人體目標檢測工作并不適用于大多數(shù)類型的環(huán)境使用，特別是人流量過大的公共區(qū)域。在該情況下，由于人員的密集程度過大，以及遮擋等方面的問題，來讓個體目標監(jiān)測工作的開展異常困難?；谔卣骰貧w的人數(shù)統(tǒng)計，在工作進行之前，要先提取區(qū)域中存在的紋理特點，之后使用核函數(shù)的方式，來完成紋理特點到人數(shù)映射的轉(zhuǎn)變。在該計算方法之中，人群的密集程度、數(shù)量是非常關鍵的指標。人群密集程度的預估計算，是依據(jù)模式分類的方法，來對提取到的密度特征進行分類，人數(shù)估算是依據(jù)個體分割識別，或是提取到的特征內(nèi)容，像是運動像素面積、紋理等因素，進行回歸分析來完成。該方法主要是通過對人數(shù)特點的計算來進行統(tǒng)計，其能在一定程度上改善因互相遮擋而對結果造成的影響。由于人群分布的特點極難根據(jù)數(shù)學特征進行精準描述，這讓該方式的統(tǒng)計精準程度受到了制約。

3.7 視頻分析

交通視頻分析是智能交通系統(tǒng)之中的事件檢測、行為分析理解的表現(xiàn)形式之一。在對相應視頻中的行為分析之前，需要先對靜態(tài)的車輛進行檢測，或是對動態(tài)的運行軌跡進行跟蹤。在視覺技術基礎上的目標跟蹤技術，是計算機領域內(nèi)部的核心問題之一。其主要通過對攝像頭捕捉到的內(nèi)容進行探析，來完成對感興趣內(nèi)容的跟蹤工作。目標跟蹤算法主要是在每幀圖像內(nèi)部找尋到感興趣的內(nèi)容，并對其位置進行確定。之后還要依據(jù)目標特征等一系列的信息內(nèi)容，來讓所有視頻中的內(nèi)容進行關聯(lián)，以此來得到其運動過程中的參數(shù)、相鄰幀致函運動目標之間的對應關系，從而獲得相應的完整行駛軌跡[4]。

4 結語

綜上所述，讓智能交通系統(tǒng)與計算機視覺技術進行融合，能良好解決以往存在的信息管理工作困難，之后還可以將管控的可操作性進一步提升，在技術的角度上為城市管理工作的進步進行打下良好基礎。通過對智能交通系統(tǒng)概述、計算機視覺關鍵技術、智能交通系統(tǒng)計算機視覺技術的應用方面進行細致分析，了解到計算機視覺技術雖然在交通管理中廣泛使用，但是在精準程度、準確定、檢測速度方面仍存在可提高的空間，為此便需要在日后工作中讓攝像頭與傳感器進行良好融合，以此來獲取更為精準的數(shù)據(jù)。同時，隨著計算機軟件、深度學習技術的進步。還會讓交通管理工作的精準度、速度都能大幅提升，發(fā)揮出更為重要的效果。