浅谈计算机视觉在智能交通中的应用

2018-03-20蒋柳杰

数字通信世界 2018年1期

蒋柳杰

（南宁市第二中学（凤岭校区），南宁 530029）

1 引言

计算机视觉技术是一种基于图像处理的技术，它通过将二维图像转化为三维信息，进而使计算机实现对三维世界的识别、理解与预判。计算机视觉所涉及的领域有计算机科学、信号处理、神经生理学和模式识别等，它的研究对象主要是映射到单幅或多幅图像上的三维场景，例如三维场景的重建。而若要追溯它最早的起源，则要到20世纪50年代的统计模式识别，它着手研究基于二维技术，用于二维图像的识别与分析；到了60年代，Roberts运用计算机程序从数字图像提取出诸多多面体的三维结构，并对物体的形状和空间进行描述，而直到70年代中期才开始正式开设机器视觉的课程；80年代开始，计算机视觉领域取得巨大进展，并逐步踏入大众视野。

2 计算机视觉系统

计算机视觉系统的复杂性取决于它所应用的领域和目的。有的系统相对简单独立，例如一般的检测和测量的系统。有的系统相对复杂，且系统之间紧密相连，例如多视觉检测系统。而无论是复杂还是简单的计算机视觉系统，都有着相同的系统基本框架，即包括图像数据，图像特征和图像知识。图像数据包含了图像信息采集和预处理两方面的内容，主要为图像的获取与传输、图像压缩、降噪等，而这一步骤影响着后续发展的难易程度，是整个系统的基础。图像特征即获取图像信息，众所皆知图像中包含的信息十分广泛，因此需要结合不同的图像特征对内容进行表述，并建立相应的信息模型。图像知识是最为关键的一步，它需要将获得的图像特征转化为语义信息，及解决二维图像与三维信息之间的语义鸿沟问题，建立起二者之间的联系。

计算机视觉的主要问题是实现二维到三维的转换，这其中受到原始图像数据与其蕴含的信息知识之间的语义鸿沟的限制，现在解决这一限制的方法一般采用逆向推导机制，也因此形成了计算机视觉的基本框架。

3 计算机视觉在智能交通中的应用

随着经济的快速发展，交通问题也越来越受到人们的关注，而传统的交通系统并不能满足当今路况的需要，因此使交通系统智能化已成为交通发展的必然趋势。智能交通系统即将多种信息科技融入交通系统中，使我们的生活更加方便、快捷和安全。它小到人们日常生活中使用的全球定位系统、GPS导航系统和电子收费系统，大到交通部门用其来进行交通流量与检测、交通信号的控制和管理以及企业对自己运营车辆进行管理等。可见，我们的生活中处处有着智能交通的影子。智能交通运用的高新技术主要有计算机科学、通信、模式识别等，而计算机视觉在其中的作用更是不容小觑。计算机视觉在智能交通中的应用大致分两大类，为路边处理系统和车载处理系统。

路边处理系统一般以智能监控系统和车辆流量与检测为代表。

3.1 智能监控系统

传统的监控系统只能进行单一的场景录制，不仅无法处理大量视频数据，也无法长时间显示，导致安全隐患不能及时排除，造成无法挽回的损失。相对于其过于被动的性能，智能视频监控系统增加智能因素后主动性大大增加，其不仅能代替人眼，而且能代替人、帮助人完成监控、追踪和预知等任务。若把摄像机等录入设备当成眼睛，那么计算机便是智能监控系统中的大脑。智能监控系统采用计算机视觉系统将录入海量的图像数据进行处理和分割，提取出图像特征并加以识别，以达到排除交通安全隐患、追踪可疑车辆、及时报警等目的。动态场景视觉监控是智能监控系统的重点，它包括：快速准确的运动检测；实时性的基于三维模型的车辆与行人的定位、识别和跟踪；基于移动摄像机的视觉监控技术；多摄像机的协作监控；事件的机器学习方法，通过对序列图像进行自组织、自学习的方法建立事件的分布模式；异常现象的检测、报警与目标的行为预测。

3.2 车辆检测与流量统计

每一天斑马线上都会踏过来去匆匆的行人、车辆，红绿灯会依照着规律亮起、暗下，一切都显得井然有序。而在这样的场景背后，车辆检测与流量统计发挥着重要作用。车辆检测与流量统计通过收集的大量路况数据，分析并实现交通信号的自动控制或提供给交通管理部门和司机，以达到疏导车辆，交通通畅的目的。车辆的检测方法分为两大系统，一类是埋入式系统，此类系统耗费工程量相对较大，且进行检查和维护时需挖掘路面，但可靠性强；另一类为悬挂式系统，此类系统耗费的人力物力相对前者较小，应用也更加广泛。其中基于闭路电视的悬挂式系统由于单个摄像机和处理器可监视多条车道，并对收集而来的图像数据进行分割处理和特征识别，从而对车辆进行跟踪、分类和识别，获取大量行车数据如平均时速、平均车距、单位区间内的车辆数等，进而对交通进行有效管理，使人们行车更加流畅无阻。

车载处理系统中尤以智能辅助驾驶最为引人关注。

3.3 智能辅助驾驶系统

在现在，顶着螺旋桨的无人机已随处可见，而是否有无人车呢？目前，无人车还尚未被开发，但已有了向无人车一步步接近的智能辅助驾驶系统。曾有过将辅助驾驶系统当作无人驾驶最终致死的特斯拉事件，令人痛心。事实上，智能辅助驾驶系统有别于无人驾驶，它向无人驾驶技术接近但始终停留在辅助层面。它通过在汽车的各个部分安装多个传感器，收集大量周遭环境数据，结合GPS等技术对图像视频进行综合分析处理，将有用的信息反馈给司机或使车身直接作出反应以避免事故的发生。智能辅助驾驶主要分为两种表现形式：一种是被动式报警，在车辆检测到异常和危险时会通过各种警示方式告知司机，以便司机作出判断避免事故发生；另一种是主动式干预，它通过智能识别对车身进行控制，提高车辆安全性，如远光灯和近光灯的控制、通过超声波与机器视觉配合的自动泊车系统等。

日前，智能辅助驾驶系统还需要更高精度的地图数据的采集、定位及导航技术，同时也需要智能道路技术的配合，而道路的适应性建设或改造难以一蹴而就，因此智能辅助驾驶系统需要跨行跨业的多方面协调、规划和发展融合，环环相扣，互相促进和发展。我国的汽车行业起步晚，对此项技术未有相关计划和法律规定，不足够重视，此技术的研发仍由私有企业和部分大学研究院进行。但我国的智能辅助驾驶系统发展仍呈上升趋势，前景良好，需要国家相关政策支持。随着人们对汽车安全性能要求的提高，智能辅助驾驶也会越来越受到重视。

4 计算机视觉的发展现状

目前计算机视觉仍为雏形，其巨大的发展空间正吸引着人们的好奇心、激发人们的求知欲。识别技术是计算机视觉的重要技术之一。近年来识别技术不断发展，但识别目标较为狭隘，通常作为大型系统的一个组成部分。怎样拓宽识别目标、使其能够在任意环境中识别任意物体，是识别技术目前要解决的主要问题，而这一问题的解决对于计算机视觉和智能交通来说都是巨大的进步，解决交通事故将更具效率，预防交通事故将更有保障。从二十世纪迄今，计算机视觉技术不仅结合了识别技术，还结合了图形处理技术、光学物理和固态物理、正规化技术、机器学习等，其涵盖的领域将越来越广，结合的学科将更加多样。

我国的计算机视觉技术发展较为缓慢，其投资只来源于一些大型公司企业，如华为，腾讯等，仍需要国家相关政策的支持和资金补助。但我国的市场广阔，随着知识经济的发展，人们越来越重视计算机视觉领域，追求更高的生活品质。同时也有越来越多的人投身于计算机视觉的研究当中，响应了国家科技创新的号召，共同建设科技强国。