機(jī)器視覺(jué)圖像檢測(cè)技術(shù)的發(fā)展和應(yīng)用

精選優(yōu)質(zhì)文檔-----傾情為你奉上精選優(yōu)質(zhì)文檔-----傾情為你奉上專(zhuān)心---專(zhuān)注---專(zhuān)業(yè)專(zhuān)心---專(zhuān)注---專(zhuān)業(yè)精選優(yōu)質(zhì)文檔-----傾情為你奉上專(zhuān)心---專(zhuān)注---專(zhuān)業(yè)機(jī)器視覺(jué)圖像檢測(cè)技術(shù)的發(fā)展和應(yīng)用在科技發(fā)達(dá)的今天，運(yùn)輸系統(tǒng)逐漸朝著智能化（ITS）發(fā)展，而檢測(cè)的方法上亦漸漸趨向以高科技的檢測(cè)方式替代傳統(tǒng)人工調(diào)查的方式，可以避免漏記或調(diào)查員的投機(jī)取巧，并且精簡(jiǎn)調(diào)查成本，在執(zhí)法方面，各個(gè)城市大量采用了電子警察，使得在許多裝有電子警察的交通路口和路段交通秩序要好于其它路段。所以，車(chē)輛檢測(cè)器的發(fā)展在現(xiàn)代計(jì)算機(jī)化的交通管理中扮演著非常重要的角色，其準(zhǔn)確度常受到檢測(cè)方式、檢測(cè)器布設(shè)形式、數(shù)量與位置的影響。

現(xiàn)有的各種交通參數(shù)檢測(cè)方式中，只有圖像檢測(cè)器（VideoImageDetector）是一種可以取得最豐富的交通信息的面式檢測(cè)器。視覺(jué)為基礎(chǔ)的攝影系統(tǒng)在現(xiàn)今的發(fā)展已更加的成熟，而且，比那些點(diǎn)式的感應(yīng)系統(tǒng)更為有用（例如：環(huán)形線圈與壓力式檢測(cè)器），因?yàn)閳D像檢測(cè)器所提供的信息可以進(jìn)行進(jìn)一步的車(chē)輛跟蹤與分類(lèi)，這對(duì)于執(zhí)法是至關(guān)重要的。而其它檢測(cè)手段均有較大的限制，點(diǎn)式檢測(cè)器僅用于車(chē)流上的量測(cè)與計(jì)數(shù)，或是解決特定的子問(wèn)題（如等候檢測(cè)或擁擠車(chē)流上的檢測(cè)），缺乏一般性的應(yīng)用。

以計(jì)算器進(jìn)行圖像處理，改善圖像品質(zhì)的有效應(yīng)用開(kāi)始于1964年美國(guó)噴射推進(jìn)實(shí)驗(yàn)室（J.P.L）用計(jì)算機(jī)對(duì)宇宙飛船發(fā)回的大批月球照片進(jìn)行處理，獲得顯著的效果。1970至1980年代由于離散數(shù)學(xué)的創(chuàng)立和完善，使數(shù)字圖像處理技術(shù)得到了迅速的發(fā)展，隨著電腦的功能日益增強(qiáng)，價(jià)格日益低廉，使得圖像處理在各行各業(yè)的應(yīng)用已經(jīng)成為相當(dāng)普遍的工具之一，舉凡在醫(yī)學(xué)工程、工業(yè)應(yīng)用、交通領(lǐng)域應(yīng)用等。1980年代開(kāi)始，有關(guān)交通量估測(cè)的研究漸漸有了成果。到1985年以后，各國(guó)對(duì)于交通圖像偵測(cè)系統(tǒng)已有實(shí)際的成品發(fā)展出來(lái)。另外，近年來(lái)結(jié)合類(lèi)神經(jīng)網(wǎng)絡(luò)加速圖像處理速度形成一個(gè)研究趨勢(shì)。

在進(jìn)入圖像處理之前，我們首先對(duì)圖像做一個(gè)概略性的探討。所謂“圖像”泛指所有實(shí)際存在含有某種消息的信號(hào)，如含有人、事、物等的照片，而紅外線攝影所獲得的信號(hào)，則表示某些物體的溫度分布。

我們常說(shuō)“一幅圖勝過(guò)千言萬(wàn)語(yǔ)”，即是指每張圖像中含有許多的信息，根據(jù)我們的目的而進(jìn)行處理，得出想要的結(jié)果。“數(shù)字圖像”是將傳統(tǒng)照片或錄像帶模擬訊號(hào)經(jīng)取樣（sample）及數(shù)字化后達(dá)成。數(shù)字化的原因在于方便計(jì)算機(jī)運(yùn)算與儲(chǔ)存。所儲(chǔ)存的亮點(diǎn)成為圖像的基本單位，稱(chēng)為象素（Pixel）。象素的亮度以灰度值（Gray-level）表示，灰度值被劃分為256階，最暗為0，最亮為255。一張圖像被數(shù)值化成方塊格子所組成的畫(huà)像元素，每一格子中都標(biāo)有一對(duì)坐標(biāo)，一個(gè)代表其行值，另一則代表其列值。行值從這張圖像的最左邊開(kāi)始標(biāo)幟自0一直到n，n表示行值中最大值。相同的，列值從最上方起定為0，往下移動(dòng)至m值，m表示圖像全部列數(shù)。

所謂圖像處理就是為了某種目的對(duì)圖像的強(qiáng)度（灰度值）分布視為一連串整數(shù)值的集合，經(jīng)由不斷的運(yùn)算執(zhí)行某些特定的加工和分析。

1、圖像處理原理

圖像處理涵蓋的范圍十分很廣泛，但是，所采用的基本原理和方法是一致的。整體說(shuō)來(lái)，圖像處理這門(mén)科學(xué)所研究的主要內(nèi)容包括了圖像數(shù)的模數(shù)轉(zhuǎn)化（A/DImageTransform）、圖像的增強(qiáng)與復(fù)原（ImageEnhancementandRestoration）、圖像編碼與壓縮（ImageEncodingandCompression）、圖像切割（ImageSegmentation）、圖像的表示和描述（ImageRepresentationandDescription）、圖像特征匹配（ImageFeatureMatching）等等。

所謂切割就是企圖將圖像中之標(biāo)的物析出的處理過(guò)程。圖像切割可說(shuō)是圖像的分析過(guò)程中最重要之步驟之一，在一般所采用的方法主要為邊緣的檢測(cè)(EdgeDetection)及臨界值法(Thresholding)。

圖像特征匹配，特征匹配法的"特征"，需先加以定義。舉例而言，若要描述一個(gè)人，最好先說(shuō)明他的特征。在外表方面，例如身高、體重、胸圍....等等；在心理方面，例如和善的、好勝的、沉默的....等等；在事業(yè)方面，例如職業(yè)、收入....等等。不同特征適用于不同描述目的，例如描述一個(gè)人的健康，需要上述的身高、體重特征；若要描述一個(gè)人的成就，所需特征就多得多，舉凡上述特征之外，還可能需要這個(gè)人的生平事跡等等。據(jù)此了解，一個(gè)人的特征能夠代表一個(gè)人，故特征具備了代表性。除外，若現(xiàn)需將每個(gè)人由高至矮排序，所需特征只身高一項(xiàng)，其它體重、性格等等數(shù)據(jù)無(wú)需獲得，因此使用特征亦具備簡(jiǎn)化使用信息量之目的。

所謂匹配（Matching）或被翻譯成“比對(duì)”，即將物體的特征與預(yù)存在計(jì)算機(jī)中之原型（Prototypes）或樣版（Template）的特征加以比較，若相似度（Similarity）或非相似度（Dissimilarity）小于或大于某預(yù)設(shè)的門(mén)檻值（Threshold），則稱(chēng)兩者匹配成功。匹配較傾向?qū)儆趫D形辨認(rèn)（PatternRecognition）范圍，因其中含有“分類(lèi)”（Classification）或“辨認(rèn)"（Repetition）意味之故。建立計(jì)算機(jī)中原型或樣版特征之過(guò)程稱(chēng)"訓(xùn)練"（Training），做法為事先采取某些樣品（Sample）或典型（Typical）之特征加以儲(chǔ)存之。特征匹配的常用方法有許多種：最近鄰居法（NearestNeighborMethod）、二元決策樹(shù)法（TheBinaryDecisionTreeMethod）、屬于動(dòng)態(tài)規(guī)畫(huà)法（DynamicProgramming）的DP匹配法等。

特征匹配目的在使具有相同或類(lèi)似待征的物體產(chǎn)生關(guān)聯(lián)，以便于辨認(rèn)或分類(lèi)。就交通方面而言，特征匹配法可用來(lái)區(qū)分不同的交通工具。舉例而言，若圖像中某物體長(zhǎng)度4公尺，寬2公尺，形狀呈矩形（以上皆為特征），該物體極可能被分類(lèi)為小汽車(chē)；若為長(zhǎng)10公尺，寬2.5公尺的矩形，則可被分類(lèi)為大型車(chē)（巴士、大貨車(chē)）。

2、圖像處理應(yīng)用于交通

早期圖像處理技術(shù)的應(yīng)用范圍受到圖像處理設(shè)備價(jià)格昂貴以及處理速度緩慢的影響，僅局限于某些領(lǐng)域；及至70年代后至今，隨著理論的發(fā)展與集成電路革命造就計(jì)算機(jī)科技的進(jìn)步，使得圖像處理的應(yīng)用范圍漸廣。

美國(guó)于1978年由聯(lián)邦高速公路局委托E.E.Hilbert、C.Carl、W.Gross、G.R.Hanson、M.J.Olasaby及A.R.Johnson發(fā)展寬域檢測(cè)系統(tǒng)（WideAreaDetectionSystem,WADS），其它各國(guó)如日本、法國(guó)、英國(guó)、瑞典等也已陸續(xù)投注了相當(dāng)?shù)难芯?，并有不錯(cuò)的成績(jī)。相對(duì)于國(guó)外，國(guó)內(nèi)將圖像處理技術(shù)應(yīng)用于交通的發(fā)展，在近年已經(jīng)有相當(dāng)程度的進(jìn)步，如國(guó)內(nèi)目前相當(dāng)熱門(mén)的車(chē)牌識(shí)別，有多個(gè)廠家推出了相應(yīng)的產(chǎn)品。下面將針對(duì)圖像處理技術(shù)在交通上的應(yīng)用分車(chē)輛檢測(cè)、車(chē)種識(shí)別、車(chē)輛跟蹤三個(gè)部分做簡(jiǎn)單介紹。

1）、車(chē)輛檢測(cè)

車(chē)輛檢測(cè)的方法可大致歸類(lèi)為樣本點(diǎn)檢測(cè)、檢測(cè)線檢測(cè)以及全畫(huà)面式檢測(cè)等途徑，另外針對(duì)夜間車(chē)輛檢測(cè)進(jìn)行說(shuō)明如下：

（1）、樣本點(diǎn)檢測(cè)

在車(chē)道的某一部分選取類(lèi)似矩陣的樣本點(diǎn)，當(dāng)車(chē)輛通過(guò)時(shí)，樣本點(diǎn)之灰階值與原路面不同，若兩者相減的統(tǒng)計(jì)值超過(guò)某一門(mén)檻值，即表示車(chē)輛的存在。

（2）、檢測(cè)線檢測(cè)

此法是于垂直或平行車(chē)流方向布設(shè)由象素組成之虛擬檢測(cè)線，如圖2所示。一般由亮點(diǎn)來(lái)組成，以方便區(qū)隔路面與檢測(cè)線的象素深度。當(dāng)車(chē)輛通過(guò)檢測(cè)線時(shí)，線上的灰階值與沒(méi)有車(chē)輛通過(guò)路面時(shí)有差異；若灰階值的差異大于某門(mén)檻值，則表示有車(chē)輛通過(guò)。由于樣本點(diǎn)或檢測(cè)線檢測(cè)法僅擷取部分象素資料進(jìn)行處理，處理的資料量明顯減少，因此運(yùn)算時(shí)間縮短許多；為了達(dá)到實(shí)時(shí)（Real-Time）檢測(cè)的要求，目前已實(shí)際運(yùn)用于交通檢測(cè)的圖像處理系統(tǒng)AUTOSCOPE便是以檢測(cè)線做處理。

在車(chē)輛運(yùn)行單純的路段，以樣本點(diǎn)或檢測(cè)線作為車(chē)輛檢測(cè)的途徑可獲得不錯(cuò)的結(jié)果；但在復(fù)雜的路口內(nèi)，如何布設(shè)樣本點(diǎn)或檢測(cè)線將是首先遭遇的難題，因?yàn)槁房趦?nèi)車(chē)輛除直行外，尚有轉(zhuǎn)向行為，任何位置均可能有車(chē)輛出現(xiàn)。

（3）、全畫(huà)面式檢測(cè)

以全畫(huà)面作處理的車(chē)輛檢測(cè)方法所能獲得的信息較多，但相對(duì)地要處理的資料量也明顯增加許多。屬于此法的檢測(cè)方式有背景相減法與二值化法兩種：背景相減法系取一張無(wú)車(chē)輛存在的圖像作為背景，當(dāng)含有車(chē)輛的圖像與背景圖像逐點(diǎn)相減后，車(chē)輛的部分即被減出，如TRIP系統(tǒng)。二值化法將圖像以某一門(mén)檻值進(jìn)行切割，象素深度高于該值的成為255（白），低于該值者則變成0（黑），如此可將物體與背景分離。

背景相減法與二值化法均存在許多缺點(diǎn)，前者如背景需要經(jīng)常更新，后者則過(guò)程繁復(fù)，而二者共同的缺點(diǎn)便是當(dāng)物體顏色與背景相近時(shí)將面臨切割失敗的命運(yùn)，此外，門(mén)檻值確立不易，故有多值切割方法的提出，但過(guò)程益顯復(fù)雜。

（4）、夜間車(chē)輛檢測(cè)

國(guó)外R.Taktak、RitaCucchiara、Cucchiara等人認(rèn)為由于夜間圖像所具有的信息與白天圖像相當(dāng)?shù)牟煌虼嗽谒惴ǖ氖褂蒙吓c檢測(cè)流程上會(huì)有相當(dāng)程度的不同。一般而言在夜間與較暗的照明度之下，唯一醒目的視覺(jué)特征為車(chē)頭燈與其光柱、街燈以及高度反射光線的型態(tài)（如斑馬線）。他們認(rèn)為夜間圖像并不適合用移動(dòng)檢測(cè)算法。

2）、車(chē)輛識(shí)別

（1）、車(chē)輛識(shí)別

由于國(guó)內(nèi)與國(guó)外交通組成的不同，國(guó)外的研究?jī)H對(duì)大車(chē)與小車(chē)兩種作辨認(rèn)，而國(guó)內(nèi)則較復(fù)雜，但一般研究均簡(jiǎn)化車(chē)種為大車(chē)、小車(chē)與機(jī)車(chē)，以此三類(lèi)做識(shí)別。

以檢測(cè)線或樣本點(diǎn)作為識(shí)別車(chē)種的途徑時(shí)，由于所取資料量少，較不利于車(chē)種識(shí)別，故以此法進(jìn)行者較少。就日間圖像的車(chē)輛識(shí)別來(lái)說(shuō)通常以車(chē)輛的特征如：外型、尺寸為分類(lèi)準(zhǔn)則。相關(guān)文獻(xiàn)整理如下。

近年發(fā)展迅速、應(yīng)用到許多領(lǐng)域的“類(lèi)神經(jīng)網(wǎng)絡(luò)（NeuralNetwork）”也被應(yīng)用到車(chē)種的識(shí)別上。此外，亦可藉由車(chē)輛牌照途徑，將號(hào)碼圖像二值化，以特征匹配的方式識(shí)別并記錄該車(chē)牌號(hào)碼，透過(guò)數(shù)據(jù)庫(kù)的比對(duì)，每個(gè)號(hào)碼可對(duì)應(yīng)于某一車(chē)種，可用于抓拍違章車(chē)輛、車(chē)輛計(jì)數(shù)、車(chē)種識(shí)別、起迄點(diǎn)調(diào)查與旅行時(shí)間分析等。

（2）、車(chē)牌識(shí)別

車(chē)牌識(shí)別的技術(shù)近年來(lái)在國(guó)內(nèi)已經(jīng)日趨成熟。有些學(xué)者認(rèn)為車(chē)牌識(shí)別可分三階段：前處理，將圖像二值化后進(jìn)行清除噪聲。而后車(chē)牌定位，利用連接組件標(biāo)示法，找出圖像中之連接組件加以分析，進(jìn)而判斷車(chē)牌位置。字符識(shí)別，分割字符完畢后依文字大小設(shè)定結(jié)構(gòu)組件之大小，最后利用型態(tài)學(xué)的方法找出文字特征加以比對(duì)。

還有一些學(xué)者采用其它方法，如搜尋車(chē)牌后以圖素分割法切割字符住后利用類(lèi)神經(jīng)網(wǎng)絡(luò)識(shí)別字符；或者利用灰階轉(zhuǎn)換數(shù)之計(jì)算找出可能之車(chē)牌位置，再分割字符，在利用筆劃分析法識(shí)別字符；或者利用圖像中灰階值之變化特性尋找車(chē)牌位置，在利用垂直投影直方圖分割字符，以灰階值關(guān)連度進(jìn)行識(shí)別。

（3）、車(chē)輛跟蹤

連續(xù)圖像中，車(chē)輛軌跡的記錄即稱(chēng)為跟蹤。AnthonyP.Ciervo最先提出以檢測(cè)車(chē)輛并配合預(yù)測(cè)車(chē)輛位置的方式，連續(xù)跟蹤車(chē)輛的軌跡。其中以樣本點(diǎn)或檢測(cè)線方式做跟蹤者，由于選取的象素僅局限于某固定范圍，處于被動(dòng)狀態(tài)，較不利跟蹤之進(jìn)行。N.Hoose便是以各臨近方向均為雙向二車(chē)道的T字型路口為例，在進(jìn)入路口前及離開(kāi)路口后之車(chē)道上布設(shè)橫向檢測(cè)線屏蔽（Mask），以記錄車(chē)輛進(jìn)入與離開(kāi)之臨近方向編號(hào)，同時(shí)對(duì)車(chē)輛在圖像上的形狀、大小與位置等資料作記錄，以跟蹤車(chē)輛，但誤差頗大。總結(jié)而言，車(chē)輛跟蹤的方法有下列四種：模式基礎(chǔ)跟蹤（Modelbasedtracking）、區(qū)域基礎(chǔ)跟蹤（Regionbasedtracking）、輪廓基礎(chǔ)跟蹤（Activecontourbasedtracking）

國(guó)外研究文獻(xiàn)中僅針對(duì)各車(chē)道的單一車(chē)輛進(jìn)行跟蹤，要了解路口內(nèi)車(chē)輛運(yùn)作之機(jī)制，非得在同時(shí)間針對(duì)路口內(nèi)所有方向的車(chē)輛做跟蹤處理不可，否則取得的僅為殘破的信息，對(duì)整體的助益有限。

3、光的特性

先不考慮車(chē)流行為所造成的問(wèn)題，而單單就圖像處理技術(shù)部分來(lái)說(shuō)，利用圖像處理技術(shù)搜集交通參數(shù)，在夜間的情況下到底會(huì)遇到什么樣的問(wèn)題呢？我們來(lái)對(duì)此做一個(gè)初步的了解。

我們針對(duì)夜間拍攝圖像所會(huì)遇到的問(wèn)題逐一做說(shuō)明。拍攝時(shí)氣候皆為晴天，問(wèn)題陳述如下。

路面反光因素

由于是晴天的因素，所以路燈照射路面所造成的反光并不嚴(yán)重。前車(chē)燈所造成的路面反光較嚴(yán)重。要如何定義前車(chē)燈或后煞車(chē)燈（雨天較嚴(yán)重）所造成的路面反光也是一個(gè)問(wèn)題。

夜間光源