数字图象处理技术在智能交通中应用

浅谈数字图象处理技术在智能交通中的应用摘要：数字图像处理技术在智能交通系统（its）扮演着极其重要的角色。本文主要对智能交通系统（its）研究的内容，数字图像处理技术的发展，及其在视频监控系统中的应用与发展进行研究。

关键词：数字图像处理智能交通系统视频监控系统

数字图像处理技术从广义上可以看作是各种图像加工技术的总称，是从20世纪60年代以来随着计算机技术和vlsi的发展而产生、发展和不断成熟起来的一个新兴技术领域。数字图像处理技术在智能交通系统its领域中占有很重要的地位，具有广阔的应用前景。融合了计算机视觉与模式识别技术的视频监控系统是智能交通系统的重要组成部分，它可用于交通流量的检测；交通控制与诱导；机场、港口、小区的车辆管理；不停车自动收费；公共停车场安全防盗管理等。本文将着重阐述视频监控系统中所应用到的数字图像处理技术，并阐述多目标检测跟踪的研究现状及存在的问题。

1.智能交通系统概述

智能交通系统是在较完善的道路设施，将先进的电子技术、信息技术（it）、人工智能（ai）、地理信息（gis）、影像、计算机技术、有线/无线通信、传感器技术和系统工程技术集成运用于地面运输的实际需求，建立起全方位、实时准确、高效的地面交通系统，能对各种交通方式进行现代化、科学化的智能管理。主要应用于交通信息服务系统、交通管理系统、公共交通系统、车辆控制系统、

货运管理系统、电子收费系统、紧急救援系统等。

2.数字图像处理技术

数字图形处理技术包括利用计算机和其他电子设备完成的一系列工作，如图像采集、获取、编码、存储和传输；图像的合成和产生；图像的显示、绘制和输出；图像变换、增强、恢复和重建；图像的分类、表示和识别等等。另外图像处理技术还包括为完成上述功能而进行的硬件和系统的设计及制作等方面的技术。数字图像处理处理的目的主要有三个方面：

（1）对图像灰度做某种变换，增强其中的有用信息，抑制无用信息，使图像在视在质量提高，以便于人眼观察、理解或计算机对其作进一步的处理。这种处理技术主要有图像增强，图像复原和图编码。

（2）用某种特殊手段提取、描述和分析图像中所包含的某些特征或特殊的信息，主要目的是便于计算机对图像作进一步的分析和理解，经常作为模式识别、计算机视觉等的预处理。这类图像处理技术包括图像分割、图像识别、特征提取等。

（3）图像数据的压缩，以便于图像的存储和传输。数字图像处理技术在智能交通中的应用数字图像处理技术在its领域中具有极其广阔的应用，例如交通监视、交通统计等等。

3.视频监控系统多目标检测跟踪的研究

智能视频监控的关键是对包含运动日标的图像序列进行分析处理，其核心技术就是场景中动目标的检测、跟踪、识别和进一步的

行为分析及事件检测。

运动检测的目的是从序列图像中将变化区域从背景图像中提取出来。运动区域的有效分割对于目标分类、跟踪和行为理解等后期处理是非常重要的。

3.1背景减除

背景减除方法是目前运动分割中最常用的一种方法，它是利用当前图像与背景图像的差分来检测出运动区域的一种技术。它一般能够提供最完全的特征数据，但对于动态场景的变化，如光照和外来无关事件的干扰等特别敏感。最简单的背景模型是时间平均图像，目前许多研究工作都致力于开发不同的背景模型，以期减少动态场景变化对于运动分割的影响。

3.2时间差分

时间差分方法是在连续图像序列中的两个或三个相邻帧间采用基于像素的时间差分然后阈值化来提取出图像中的运动区域。

3.3光流

基于光流方法的运动检测采用了运动目标随时间变化的光流特性，如meyer16等通过计算位移向量光流场来初始化基于轮廓的跟踪算法，从而有效地提取和跟踪运动目标。该方法的优点是在摄像机运动存在的前提下也能检测出独立的运动目标。然而，大多数的光流计算方法相当复杂，且抗噪性能差，如果没有特别的硬件装置则不能被应用于全帧视频流的实时处理。

3.4动能量法

运动能量法是把连续图像看作由二维空域加上时间维构成的三维空间，计算空时梯度，运动对象经过位置的象素空时梯度一致性高，梯度能量大，这种特性可以用于运动对象检测。运动能量法适合于复杂变化的环境，能消除背景中振动的象素，使按某一方向运动的对象更加突出的显示出来，但运动能量法分割出对象不够精确，而且方法过于复杂，不利于实现。目标跟踪等价于在连续的图像帧闻创建基于位置、速度、形状、纹理、色彩等有关特征的对应匹配问题。

3.4.1基于模型的跟踪

基于模型的方法通常将运动目标用一特定的模型表达。例如，传统的人体表达方法有如下三种：a.线图法（stick figure）：该表达方法将身体的各个部分以直线来近似，例如karaulova|221建立了人体运动学的分层模型。b.二维轮廓（2.dcontour）：该人体表达方法的使用直接与人体在图像中的投影有关。 c.立体模型（volumetric model）：它是利用广义锥台、椭圆柱、球等三维模型来描述人体椭圆柱体模型来表达人体结构，坐标系统的原点被定位在躯干的中心，目的是想利用该模型产生人的行走的三维描述。

3.4.2基于区域的跟踪

基于区域的跟踪方法目前已有较多的应用。基于区域跟踪的难点是处理运动目标的影子和遮挡，这或许可利用彩色信息以及阴影区域缺乏纹理的性质来加以解决，如mckenna等首先利用色彩和梯度信息建立自适应的背景模型，有效地消除了影子的影响：然后，

跟踪过程在区域、人、人群三个抽象级别上执行，在遮挡情况下也能够较好地完成多人的跟踪。

3.4.3基于活动轮廓的跟踪

基于活动轮廓的跟踪思想是利用封闭的曲线轮廓来表达运动目标，并且该轮廓能够自动连续地更新。

3.4.4基于特征的跟踪

基于特征的跟踪包括特征的提取和特征的匹配两个过程。在跟踪过程中若两人出现相互遮挡时，只要质心的速度能被区分开来，跟踪仍能被成功地执行；该方的优点是实现简单，并能利用人体运动来解决遮挡问题，但是它仅仅考虑了平移运动，如果结合纹理、彩色及形状等特征可能会进一步提高跟踪的鲁棒性。

4.结语

数字图像处理技术已经成为its领域的最主要技术之一。在图像处理硬件方面，虽然相关硬件技术发展很快，仍应加强图像处理专用硬件的研制。在图像处理软件方面，为了解决检测和识别的多义性问题，应该研究适应性更强的鲁棒算法。总之，随着计算机技术的飞速发展，面向its的数字图像处理技术将有很大的发展空间。

参考文献：

[1]陈利.车牌识别系统中的字符分割技术研究[j]；电脑知识与技术；2008年34期

[2]黄明蕾.车牌识别系统中图像分割与识别技术研究[j]；科技创业月刊；2007年07期