機器視覺在交通中的應用總結(jié)

今天文章，小編將為大家總結(jié)機器視覺在智能交通中應用。

車牌識別技術(shù)(VLPR)是計算機視覺和模式識別技術(shù)在現(xiàn)代智能交通系統(tǒng)中的一項重要研究課題，是實現(xiàn)交通管理智能化的重要環(huán)節(jié)。車牌識別技術(shù)要求能夠?qū)⑦\動中的汽車牌照從復雜背景中提取并識別出來，通過獲取原圖像，圖像預處理，車牌定位，字符分割和字符識別等技術(shù)，識別車輛牌號、顏色等信息。

車牌識別在交通中已經(jīng)應用了很多年，但實際中還有很多車牌是很難準確識別的，比如隨意大角度傾斜的車牌，在過去很多年其實解決的都不好，可以說過去3-5年車牌識別技術(shù)曾處于一種瓶頸期，但現(xiàn)在這兩年可以看到有些已經(jīng)可以識別了，這其實很大程度上得益于深度學習技術(shù)的應用，有了新的突破，各種姿態(tài)的，各種角度的車牌都能很好的識別。目前最新的技術(shù)水平為字母和數(shù)字的識別率可達到99.7%，漢字的識別率可達到99%。

目前，城市道路中的攝像頭越來越多，也有越來越多的計算機視覺技術(shù)被用于自動檢測交通的違規(guī)行為，如超速、闖紅燈或停車標志、錯誤駕駛和非法轉(zhuǎn)彎，這個在高速公路和城市交叉口上的應用非常廣泛。但由于之前存在較多的誤報，實際效果離真正的需求還有一段差距。而借助深度學習技術(shù)，能實現(xiàn)真正準確的交通違章和交通事件檢測，真正的幫交通運營部門提供準確及時的報警信息。

在機器視覺應用之前，在外場要感知車位是否被占用，一般通過地磁感知，成本非常高，系統(tǒng)可靠性也是問題?；谝曨l和圖像的路側(cè)違法停車的感知和抓拍，則可以很好的解決這個問題，一臺攝像機即可監(jiān)控和感知一大片區(qū)域的停車位是否被占用，成本低還所見即所得。

行人檢測( Pedestrian Detection)是利用計算機視覺技術(shù)判斷圖像或者視頻序列中是否存在行人并給予精確定位。該技術(shù)可與行人跟蹤，行人重識別等技術(shù)結(jié)合，應用于人工智能系統(tǒng)、車輛輔助駕駛系統(tǒng)、智能機器人、智能視頻監(jiān)控、人體行為分析、智能交通等領(lǐng)域。

行人兼具剛性和柔性物體的特性，外觀易受穿著、尺度、遮擋、姿態(tài)和視角等影響。因此，精確的行人檢測難度較大，其中涉及許多類型的傳感器，如傳統(tǒng)的閉路電視(CCTV)或IP攝像機、熱成像設(shè)備、近紅外成像設(shè)備和車載RGB攝像頭?，F(xiàn)有行人檢測方法有三種，分別為基于全局特征的方法、基于人體部位的方法、基于立體視覺的方法。目前，基于深度卷積神經(jīng)網(wǎng)絡(luò)的行人檢測已經(jīng)取得了很大的進展，甚至可以檢測出深度遮擋的行人。

目前，中國很多城市交通擁堵很嚴重，很多十字路口的紅綠燈配時其實并不是最優(yōu)的，機器視覺將在緩解城市擁堵中發(fā)揮重要的作用。

對于交叉口，通過基于深度學習的車輛精確感知檢測，可以精準的感知交通路口各個方向的車輛數(shù)量、流量和密度，從而可以給交通路口的最優(yōu)配時提供準確依據(jù)。如果各個路口都用上這種車輛檢測技術(shù)，那對交通擁堵將是極大的緩解。

對于路段，通過路段的感知，可以基于原有監(jiān)控系統(tǒng)獲取到道路的總體交通路況，通過這種車輛檢測技術(shù)就可以為道路路況分析、交通大數(shù)據(jù)、交通規(guī)劃等提供可靠的數(shù)據(jù)依據(jù)。

據(jù)統(tǒng)計，60%以上的交通事故的主要原因是駕駛員的分心，包括疲勞駕駛、開車看手機、注意力不集中等?；诿嫦蝰{駛員的視頻分析技術(shù)通過注視方向、頭部姿勢估計和面部表情監(jiān)控算法檢測面部和眼睛。人臉檢測算法能夠檢測出注意力集中的和不集中的人臉。深度學習算法能夠檢測眼睛聚焦和非聚焦的差異，以及受此影響的駕駛跡象。在駕駛員分心檢測中，有多種深度學習方法（RNN和CNN）應用于實時分心駕駛員姿態(tài)分類。

一旦系統(tǒng)判定駕駛員的狀態(tài)讓行車安全降低，即會發(fā)出聲頻警示信號，并在儀表盤顯示屏上閃現(xiàn)“請休息片刻”或“集中駕駛注意力”等提示信息。這將極大地提升駕駛主動安全性。

在輔助駕駛和無人駕駛中，車輛在行駛時需要實時地去感知周圍的環(huán)境，包括行駛在哪里、周圍有什么障礙物、當前交通信號怎樣等等。這就需要多類傳感器，攝像頭就是其中之一。

由于攝像頭數(shù)據(jù)（圖片）包含豐富的顏色信息，所以對于精細的障礙物類別識別、信號燈檢測、車道線檢測、交通標志檢測等問題就需要依賴計算機視覺技術(shù)。主要內(nèi)容有如下四點：

①使用雙目視覺系統(tǒng)獲取場景中的深度信息。它可以幫助進行后續(xù)的圖像語義理解，在無人駕駛中可以幫助探索可行駛區(qū)域和目標障礙物。

②通過視頻來估計每一個像素的運動方向和運動速度。

③對物體進行檢測與追蹤。在無人駕駛中主要是各種車輛、行人、非機動車。

④對于整個場景的理解。最重要的有兩點，第一是道路線檢測，其次是在道路線檢測下更進一步，即把場景中的每一個像素打成標簽，這叫做場景分割或者場景解析。

計算機視覺技術(shù)過去5年內(nèi)取得的成績甚至是遠遠超過了之前的20年，這主要得益于深度學習技術(shù)帶來的巨大進步。在未來，以深度學習技術(shù)為核心的計算機視覺技術(shù)將大大提升智能交通系統(tǒng)的感知精度與維度，從而更好地服務(wù)大眾出行。

整理不易，點贊三連↓