淺談交通安全管理的問題與對策

淺談交通安全管理的問題與對策

現(xiàn)代社會已經(jīng)進入信息中心。隨著計算機、通信技術(shù)和計算機網(wǎng)絡(luò)技術(shù)的快速發(fā)展，隨著數(shù)字圖像處理技術(shù)和人工智能技術(shù)的成熟，智能交通管理技術(shù)發(fā)生了重大變化?；跀?shù)字圖像處理的擋風(fēng)玻璃識別技術(shù)是現(xiàn)代智能交通系統(tǒng)的重要組成部分,伴隨著我國國民經(jīng)濟的高速發(fā)展,國內(nèi)高速公路、城市道路、停車場建設(shè)越來越多,對交通控制、安全管理的要求也日益提高,機動車的擋風(fēng)玻璃自動識別技術(shù)越來越受到關(guān)注。從長遠看,智能交通系統(tǒng)的推廣變得越來越重要,智能交通系統(tǒng)是21世紀道路交通管理體系的模式和發(fā)展方向。1機動車fig或數(shù)字圖像采集法擋風(fēng)玻璃識別主要包括圖像采集與處理,圖像預(yù)處理與目標識別3個環(huán)節(jié)。在裝備了數(shù)字攝像設(shè)備和計算機信息管理系統(tǒng)等軟硬件平臺的基礎(chǔ)上,通過對機動車輛擋風(fēng)玻璃的采集,采用先進的數(shù)字圖像處理、計算機模式識別技術(shù)和視覺技術(shù)、人工智能技術(shù)等,在圖像中找到機動車擋風(fēng)玻璃的位置,提取出組成擋風(fēng)玻璃的全部區(qū)域圖像,并識別出擋風(fēng)玻璃的特征,最后輸出擋風(fēng)玻璃的采集信息到指定的設(shè)備上。2私家車照片的照片圖像采集采用專用的CCD或者COMS鏡頭的攝像機拍攝獲取擋風(fēng)玻璃的照片。由專用攝像機、照明設(shè)備或自動亮度控制器以及圖像采集卡組成圖像采集系統(tǒng)。對于自然光線不好時,由輔助照明設(shè)備或自動亮度控制器提供光源(圖1)。3初始圖像預(yù)處理在外界光照不均勻、光照強度不穩(wěn)定、外界環(huán)境噪音以及電子器件自身噪音等的影響下,攝像機采集到的擋風(fēng)玻璃原始圖像質(zhì)量會有所下降,為了提高圖片質(zhì)量,需要對初始圖像進行必要的預(yù)處理。圖像預(yù)處理主要包括灰度化、二值化、梯度銳化和去噪、區(qū)域分割等。3.1圖像預(yù)處理圖像預(yù)處理主要是對采集的圖像進行增強、恢復(fù)、變換等處理,目的是突出擋風(fēng)玻璃的主要特征,以便更好地提取機動車擋風(fēng)玻璃的區(qū)域。3.2值化算法設(shè)計目前圖像采集系統(tǒng)獲取的原始圖像是彩色圖像。彩色圖像包含著大量的顏色信息,它的每個像素都是由R、G、B三個單色調(diào)配而成,對其進行圖像處理不僅會浪費較多的系統(tǒng)資源,還會降低系統(tǒng)的執(zhí)行速度。因此,對圖像進行灰度化,將彩色圖像轉(zhuǎn)變?yōu)檎加么鎯臻g相對較小的灰度圖像。二值圖像是指每個像素僅有黑、白二值,其灰度值沒有中間過渡的圖像。二值化算法又稱為閾值算法。對圖像進行二值化可以給后續(xù)的分割識別工作帶來很大的方便。3.3成像差分算法圖像銳化的處理方法主要是梯度銳化、Robert算法,在擋風(fēng)玻璃識別中通常需要銳化邊緣,采用Roberts算子,利用局部差分算子尋找邊緣。對圖像進行銳化處理的目的是增強圖像的輪廓和細節(jié),使模糊的圖像變得清晰,同時可以起到一定的去噪作用。圖像的去噪主要采用中值濾波,其基本思想是用像素點鄰域灰度值的中值來代替該像素點的灰度值。因為它不依賴于鄰域內(nèi)那些與典型值差別很大的值,所以該方法在去除脈沖噪聲、椒鹽噪聲的同時又能保留圖像邊緣細節(jié)。差分算法:向前差分:f'(n)=f(n+1)-f(n)向后差分:f'(n)=f(n)-f(n-1)中心差分:f'(n)=[f(n+1)-f(n-1)]/2Robert算法原理:任意一對互相垂直方向上的差分可以看成求梯度的近似方法,采用的對角方向相鄰兩像素值之差代替該梯度值。它在實際應(yīng)用中可用如下公式表示:其中f(x,y)是輸入圖像,g(x;y)是輸出圖像。再選取適當(dāng)?shù)拈T限閾值TH,如果g(x,y)里的某個像素點大于此門限閾值TH,則將對應(yīng)得像素點認為是階躍邊緣點,這樣就得到了邊緣輪廓。3.4圖像分割的質(zhì)量圖像區(qū)域分割是圖像處理與機器視覺的基本問題之一,是由圖像處理前進到圖像分析的關(guān)鍵一步,圖像分割的質(zhì)量直接影響對圖像的后續(xù)處理,如特征提取、目標識別的效果。圖像分割的目的是將圖像劃分為不同的區(qū)域,圖像分割的算法主要有區(qū)域生長法和邊緣檢測分割等。4資源提取和識別目標識別是該技術(shù)需要實現(xiàn)的最終目標。根據(jù)擋風(fēng)玻璃形狀特征截取的擋風(fēng)玻璃圖片(圖2)。圖像的預(yù)處理本文對基于數(shù)字圖像處理的機動車擋風(fēng)玻璃識別技術(shù)進行了研究。研究過程中輔以計算機模式識別技術(shù)和視覺技術(shù)、人工智能技術(shù)等多門技術(shù),通過對攝像機采集到的原始圖像依次進行灰度化、二值化、梯度銳化和中值濾波去噪、區(qū)域分