基于圖像處理的智能交通系統技術方案

本發明專利技術涉及一種基于圖像處理的智能交通系統，其具體步驟是：a.運動目標的檢測；b.運動目標跟蹤；c.運動目標的檢索。本發明專利技術的基于圖像處理的智能交通系統，采用運動目標的檢測，能夠有效地使圖像的噪聲降到最低值；采用運動目標跟蹤，其實現簡單，即場景中存在部分遮擋，只要跟蹤物體的一些特征點仍可以順利跟蹤；采用運動目標的檢索，能夠在保證一定程度匹配誤差的基礎上有效縮短計算時間，增強算法的可行性，通過對自相似特征編碼進行奇異值分解的方法提取特征向量來實現圖像檢索。

【技術實現步驟摘要】
【專利摘要】本專利技術涉及一種基于圖像處理的智能交通系統，其具體步驟是：a.運動目標的檢測；b.運動目標跟蹤；c.運動目標的檢索。本專利技術的基于圖像處理的智能交通系統，采用運動目標的檢測，能夠有效地使圖像的噪聲降到最低值；采用運動目標跟蹤，其實現簡單，即場景中存在部分遮擋，只要跟蹤物體的一些特征點仍可以順利跟蹤；采用運動目標的檢索，能夠在保證一定程度匹配誤差的基礎上有效縮短計算時間，增強算法的可行性，通過對自相似特征編碼進行奇異值分解的方法提取特征向量來實現圖像檢索。【專利說明】基于圖像處理的智能交通系統
本專利技術涉及交通系統的領域，尤其是一種基于圖像處理的智能交通系統。
技術介紹
在道路交通管理中，為了獲得車輛的運動數據，早期經常采用的是感應線圈等硬件測量的方法。而如果采用攝像頭拍攝的道路視頻，再用計算機軟件處理的方法，則可以極大的增加方便性和靈活性。隨著計算機硬件技術的迅猛發展，高速處理芯片和高速大容量存儲器芯片的出現與普及，使得從圖像序列中檢測出運動信息、識別與跟蹤運動目標和估計三維運動及結構參數成為計算機視覺領域中一個非常活躍的分支，由于其在國民經濟和軍事領域的許多方面有廣泛的應用，對它的研究受到各國的普遍關注.對于動態圖像的分析以及最后識別運動目標，目前主要通過兩個途徑來實現.一種途徑是模仿人眼成像及識別物體的機理，讓計算機從獲得的二維連續圖像序列中提煉出運動目標，并從中重構出三維物體的可視部分以達到識別物體的目的.雖然在這一方面的研究取得了一些進展，但是由于其它方面的研究滯后以及計算機的固有缺陷(例如，計算機系統普遍地采用二維邏輯，而人眼成像及識別物體不僅僅是二維的)，使得通過這一途徑完全還原及識別運動目標的研究進展緩慢.另一途徑是圖像法識別運動目標.圖像法識別運動參數的基本原理是將物體用成像頭(紅外或可見光等)攝入后形成的圖像信號序列送入計算機，經過對圖像的預處理、特征提取、目標識別后，在連續圖像序列中進行特征點匹配，進而解出目標物體的運動參數，實現對目標物體的搜索、識別和跟蹤.一旦完成對目標及其運動參數的識別，就可以由伺服機構完成下一步的決策和處理.圖像法識別是從輸入圖像和目標物體兩個方面入手，通過對輸入圖像序列的處理，使其與目標樣本庫中的圖像進行匹配，以達到識別目標的目的.該方法也存在著缺陷，比如，樣本庫可能非常大，不利于實時跟蹤和處理.本文主要對圖像法識別物體運動參數的過程及其存在的問題:1.圖像預處理:目前，圖像預處理技術已經有比較成熟的方法可以采用.圖像預處理主要是對圖像進行噪聲濾除，圖像銳化，對比度增強和邊緣檢測，噪聲濾除運動目標識別的任務就是把物體的輪廓從背景中分離出來，根據特征值與目標樣本庫中的圖像進行匹配運算，以達到識別目標的目的.由于拍攝環境和設備質量等多種因素，使數字化后的圖像不可避免的帶有各種噪聲，為了減少噪聲對物體輪廓提取的影響，噪聲濾除是圖像預處理中的第一步.如果這種噪聲發生模型預先知道，針對這種噪聲模型設計濾波(一般為頻率區域內的濾波)，就能夠有效地消除噪聲，這樣的處理叫做圖像復原.但是，通常噪聲發生的機理往往是未知的，而且即使知道了產生機理，有時也不能對此有效地進行數學上的模型化.在這樣的場合，可采用根據噪聲所具有的一般性質進行噪聲消除的平滑性.由于圖像的噪聲常常表現為一些孤立的像素點，其像素灰度和周圍點有顯著差別，灰度的陡性變化比較大，所以可以用鄰域平均、中值濾波、高斯低通濾波等方法來抑制噪聲.對于鄰域平均法，如果把求灰度平均值的鄰域取得太大，或者反復進行若干次操作，則會使圖像模糊，圖像的質量也會隨之降低.中值濾波不僅能有效濾除圖像中的孤立噪聲點，與鄰域平均法相比還能有效保護邊界信息.圖像中有一些非常有價值的像素點也表現出與噪聲相似的特性.比如圖像中物體輪廓的邊緣點，如果處理不好就會造成物體邊緣模糊，不利于物體和背景的分離，對最終的目標識別帶來新的干擾。圖像銳化噪聲消除之后，圖像可能變得邊緣模糊，為了改善圖像質量，使圖像具有的信息讓人易于觀看，就要對圖像進行銳化處理.圖像銳化一般采用增強高的空間頻率成份的辦法.這是由于圖像的模糊，是高的空間頻率成分比低的空間頻率成分弱這一原因造成的。對比度增強是指對圖像的對比度等進行強調和尖銳化，以便于顯示、觀察和進一步的分析與處理.對比度增強將不增加圖像數據中的相關信息，但它將增加所選擇特征的動態范圍，從而使這些特征檢測和識別更加容易.常用的增強對比度的方法有:線性灰度變換，非線性灰度變換，直方圖均衡，灰度的規定化.根據灰度變換使對比度增強的目的在于最后做出令人們易于觀看的圖像，但在灰度絕對值具有意義的圖像的二值圖像中，信息將被歪曲，有時反而會收到相反的效果。邊緣檢測圖像的邊緣可以被定義為在局部區域內圖像特性的差別，它表現為圖像上的不連續性(如表現在圖像上灰度級的突變，紋理結構的突變以及彩色的變化等).圖像的邊緣信息無論是對人類或對機器視覺來說都是非常重要的.邊緣具有能勾畫出區域的形狀，能被局部定義及其能傳遞大部分圖像信息等許多優點.因此，邊緣檢測可以看作是處理許多復雜問題的關鍵.常用的邊緣檢測算子有:S ο b e I算子、高斯拉普拉斯算子(L OG )、C a η n y算子、Prewi t t算子、Roberts算子等.Sobel算子是一種加權平均算子，對靠近中心的點進行加權，以突出邊緣.Sobe I算子計算量較大，對于圖像的最后一行和最后一列的像素無法進行差分運算，于是采用了前一行和前一列的梯度值去代替的補救方法.雖然S ο b e I算子的提取效果較好，但在提取過程中不難發現，閾值T的確定是一個非常繁瑣但同時也是非常關鍵的環節.Laplacian算子是用高階差分算子檢測邊緣.L O G算子在圖像進行差分運算之前，先對圖像進行平滑處理，以減少噪聲，因此緩解了一般差分對噪聲響應很敏感的問題.Ro b e r t s算子和P r e w i t t算子很相似.由于圖像的最后一行和最后一列的像素無法進行差分運算，于是采用了前一行和前一列的梯度值去替代的補救方法.Robert s梯度算子對噪聲很敏感，故很少采用這種方法檢測稠密點區域的邊緣。
技術實現思路
本專利技術要解決的技術問題是:提供一種基于圖像處理的智能交通系統。本專利技術解決其技術問題所采用的技術方案是:一種基于圖像處理的智能交通系統，其具體步驟是: a.運動目標的檢測:具體步驟如下:(1)讀入圖片；(2)在所有圖像中找出最大的閾值；(3 )對所有圖像分割出目標車輛；(4 )對目標標明計數；(5 )找出目標的邊界位置；(6 )對不同標數的目標加不同顏色的框；b.運動目標跟蹤:具體步驟如下:(1)讀入第一幅圖為基準圖像；(2)分割、計數得矩陣L和NUMO ;(3)找出共同部分，用前一幅圖的矩陣框加載后一幅圖，返回L矩陣和NUMO ；(4)結構體形式保持L和對應的真彩圖；(1)循環讀入前后兩幅相鄰圖像；(2)分割、計數得矩陣L1、L2、NUM1和NUM2 ; (3)比較NUMl和NUM2 ； (4)NUM1=NUM2時，找出共有部分，用前一幅圖的矩形框加載后一幅圖，返回L矩陣和NUMO ；NUM1>NUM2時，對沒有改變的車輛標回原來數字順序，返回本文檔來自技高網...

【技術保護點】
一種基于圖像處理的智能交通系統，其特征具體步驟是：?a.運動目標的檢測：具體步驟如下：（1）讀入圖片；（2）在所有圖像中找出最大的閾值；（3）對所有圖像分割出目標車輛；（4）對目標標明計數；（5）找出目標的邊界位置；（6）對不同標數的目標加不同顏色的框；b.?運動目標跟蹤：具體步驟如下：（1）讀入第一幅圖為基準圖像；（2）分割、計數得矩陣L和NUM0；（3）找出共同部分，用前一幅圖的矩陣框加載后一幅圖，返回L矩陣和NUM0；（4）結構體形式保持L和對應的真彩圖；（1）循環讀入前后兩幅相鄰圖像；（2）分割、計數得矩陣L1、L2、NUM1和NUM2；（3）比較NUM1和NUM2；（4）NUM1=NUM2時，找出共有部分，用前一幅圖的矩形框加載后一幅圖，返回L矩陣和NUM0；NUM1>NUM2時，對沒有改變的車輛標回原來數字順序，返回L，NUM0，對新出現的車輛數字加1?，返回L，NUM0＝NUM0+1，；NUM1<NUM2時，找出共有部分，用前一幅圖的矩形框加載后一幅圖，返回L矩陣和NUM0；（5）結構體形式保存L和對應的真彩圖。c.運動目標的檢索：具體步驟如下：（1）輸入車輛標號；（2）在運動目標跟蹤中得到的結構體；（3）循環讀入結構體找出凡有標號有N的圖像；（4）顯示檢索出的圖像并對標號為Ｎ的車輛加框。...

【技術特征摘要】

【專利技術屬性】
技術研發人員：屈景春，吳軍，
申請(專利權)人：重慶凱澤科技有限公司，
類型：發明
國別省市：重慶;85