智能交通中图像处理技术的运用

张影

摘要：为了解决交通拥堵的现状与缓解交通拥挤的状况已成为世界上各个国家的一个重要课题。智能交通系统是以计算机为基础的信息通信网络，是一种集环境感知、决策、规划控制等功能为一体的综合交通运输，它通过对车辆运行状态的实时监测，利用先进的传感器设备，对道路上的车流进行自动识别，并根据其不同的特征采取相应的措施来应对突发情况，促进国民经济的可持续稳定的健康可持续性的发展下去。

关键词：视频图像;智能交通;处理技术

引言

智能交通系统是一个集计算机、通信、传感等技术为一体的综合应用型城市，它是以现代信息技术为基础，以管理和服务为主要目的的一种现代化的交通运输管理系统。对车辆的通行速度的标准也就变得更高了，因此为了满足这一需求，智能交通的发展势在必行。本文的研究内容就是基于此，对道路交通中的图像处理技术进行深入的分析与探讨。

1数字图像处理技术

1.1数字图像处理概述

所谓的数字图像处理就是利用计算机的一些基本的算法和运算来对我们所需要的图像进行分析，从而得到有用的信息并将其转换为可识别的数据，最后再通过人的视觉系统来对其加以处理，最终使之成为一个完整的图像信号。在实际的应用中，数字图像的处理技术是比较常见的一种方法，它可以根据不同的要求而选择合适的方式去实现，一般情况下，数字滤波法、线性统计变换法、神经网络滤波法等都是常用的几种方法。

1.2数字图像处理技术的特点

实时性在实际应用中，我们需要对交通的运行情况进行监控，因此在交通管理的过程中，我们要对交通的数据信息及时的获取和处理，这样才能保证道路的安全和通行。准确性在公路的建设中，为了保障车辆的正常行驶，必须要有一个统一的标准来衡量，这就要求了图像处理技术的精准度。如果想要提高图像的准确度，就得从采集到最后的处理都做到精确无误，这也是数字图像处理技术的关键所在。

1.3数字图像处理技术

数字图像处理技术是一种在计算机中使用数字信号的方法和技术，它可以用来对图像的处理和识别，也可用于对图像的分析与理解。它是一个将信息转换为可识别的形式的过程;它的本质就是将一些复杂的、非结构的数据转化为具有一定规则的图形化的模型;同时，也能把图像的特征提取出来，从而进行后续的分类等操作。在实际应用中，我们通常会用到很多的算法来实现，比如说，有基于图论的算法、基于统计的算法以及基于神经网络的算法等。其中最主要的是基于图论的算法和基于神经网络的算法这两种。而本文所研究的则是基于图论的算法中的数字化的问题上[1]。基于图的算法：这种算法的原理是从图中得到的结果与原始的图片有直接的联系;从图中获得的结论一般都会被视为该物体的几何形状的变化或者其他位置的改变而被感知。因此该算法的优点在于能够快速地检测出所需的样本点的坐标值，而且不需要任何的存储空间。

2 智能交通系统中对图像处理技术的应用

2.1车牌识别

在计算机的基础上，利用图像处理的算法对车辆的牌照进行定位，并通过图像采集卡将其转换为灰度级的数据信息，然后再使用一定的方法将这些数据转化为字符的过程就是车牌识别。在实际的应用当中，由于各种原因，车牌识别主要分为以下两种：第一种是基于数学形态学的特征提取，第二种则是基于统计的方式来实现[2]。基于数学的特征提取的原理是从几何角度出发，对原始的图片中的点、线等的位置和方向進行分析，并根据所得到的结果来判断是否有车牌。这种模式的优点在于能够快速准确地找到所需要的目标区域。但是它的缺点也非常明显，因为它的计算速度较慢，而且容易受到光照的影响而产生错误。

2.2违章现象抓拍

违章现象的出现是由于车辆的行驶速度太快，而造成的交通拥堵，因此需要对交通的拥堵进行一定的控制措施。在城市中，违章的现象比较多，主要是指一些道路的通行能力不足，或者是交通信号的中断等。这些情况的存在都会对人们的出行产生影响，所以要想解决这个问题，就要从根源上解决问题，首先就是要从根本上着手，提高交通管理水平，完善道路交通的基础设施建设;其次，在交警部门的监督下，可以采取有效的方式来制止违章行为的再次发生。

2.3车辆动态跟踪

车辆动态跟踪是通过对车辆的运行轨迹和行驶的状态进行分析，从而判断车辆的运动速度是否正常。在实际应用中，我们可以使用实时的交通流数据，对采集到的信息进行处理，然后将处理后的结果反馈给用户。在车辆的动态跟踪中，首先需要确定车辆的当前位置，并根据所得到的图像来决定是什么车型的车才能进入下一步的跟踪路线。如果有一个特殊的情况出现，则会导致整个系统的失败;反之，则会使后续的跟踪程序变得更加复杂。但是由于其成本较高，并且还不能满足大规模的生产和运输，所以还没有被普遍地运用起来。因此本文采用了一种基于GPS的动态车牌识别方法。

2.4数据采集过程中采用“先拍照后处理”方式

先拍照后处理是指对采集到的图片进行预处理，将采集到的图像通过数字信号转换成计算机可以识别的二进制值，再将其转化为标准的字符格式，最后用机器的方法对其进行保存。在实际应用中，一般情况下，我们会把一个个的原始数据分成若干个部分，然后再把这些数据分割出来，这样就能得到一组单独的数据序列，而这个算法就是“先拍照后处理”的方式了[3]。因为在预处理过程中，如果有的数据是以文字的形式出现的或者是以视频的形式出现的时候很可能会导致图像模糊，所以这就需要使用“先拍照”的方式来实现。在拍摄交通照片的时候通常都使用数码相机，但是由于交通信息的复杂性以及交通管理的特殊性，这种方式也被称为“先拍照+人工拍出的”方式。

结束语

本文通过对智能交通中图像处理技术的研究与应用，对其在城市交通中的作用进行了分析，并提出了基于像素的算法和图像的边缘检测的方法以及如何提高图像的质量等问题，最后得到的结果是：在车辆的行驶过程中，如果能够很好地处理好道路上的车流，那么就能很好地解决道路上的车流，从而降低事故的发生率;对于路面的反射情况，由于不同的环境条件，比如说雨雪天气，雨天，还有行人的过山车，所以我们需要采取有效的措施来减少汽车的运行速度，这样才能保证交通安全。

参考文献：

[1]凌晨， 张鑫彤， 马雷. 基于Mask R-CNN算法的遥感图像处理技术及其应用[J]. 计算机科学， 2020（10）.

[2]滕悦， 徐少川， 张庆东. 基于图像处理技术的皮带跑偏监测系统设计[J]. 烧结球团， 2020（2）：10-14.

[3]张冬梅， 卢小平， 张航，等. 一种基于无人机视频影像的车流量统计算法[J]. 遥感信息， 2020（1）：142-146.

三峡大学 443002