基于图像处理的智能交通系统技术方案

本发明专利技术涉及一种基于图像处理的智能交通系统，其具体步骤是：a.运动目标的检测；b.运动目标跟踪；c.运动目标的检索。本发明专利技术的基于图像处理的智能交通系统，采用运动目标的检测，能够有效地使图像的噪声降到最低值；采用运动目标跟踪，其实现简单，即场景中存在部分遮挡，只要跟踪物体的一些特征点仍可以顺利跟踪；采用运动目标的检索，能够在保证一定程度匹配误差的基础上有效缩短计算时间，增强算法的可行性，通过对自相似特征编码进行奇异值分解的方法提取特征向量来实现图像检索。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及一种基于图像处理的智能交通系统，其具体步骤是：a.运动目标的检测；b.运动目标跟踪；c.运动目标的检索。本专利技术的基于图像处理的智能交通系统，采用运动目标的检测，能够有效地使图像的噪声降到最低值；采用运动目标跟踪，其实现简单，即场景中存在部分遮挡，只要跟踪物体的一些特征点仍可以顺利跟踪；采用运动目标的检索，能够在保证一定程度匹配误差的基础上有效缩短计算时间，增强算法的可行性，通过对自相似特征编码进行奇异值分解的方法提取特征向量来实现图像检索。【专利说明】基于图像处理的智能交通系统
本专利技术涉及交通系统的领域，尤其是一种基于图像处理的智能交通系统。
技术介绍
在道路交通管理中，为了获得车辆的运动数据，早期经常采用的是感应线圈等硬件测量的方法。而如果采用摄像头拍摄的道路视频，再用计算机软件处理的方法，则可以极大的增加方便性和灵活性。随着计算机硬件技术的迅猛发展，高速处理芯片和高速大容量存储器芯片的出现与普及，使得从图像序列中检测出运动信息、识别与跟踪运动目标和估计三维运动及结构参数成为计算机视觉领域中一个非常活跃的分支，由于其在国民经济和军事领域的许多方面有广泛的应用，对它的研究受到各国的普遍关注.对于动态图像的分析以及最后识别运动目标，目前主要通过两个途径来实现.一种途径是模仿人眼成像及识别物体的机理，让计算机从获得的二维连续图像序列中提炼出运动目标，并从中重构出三维物体的可视部分以达到识别物体的目的.虽然在这一方面的研究取得了一些进展，但是由于其它方面的研究滞后以及计算机的固有缺陷(例如，计算机系统普遍地采用二维逻辑，而人眼成像及识别物体不仅仅是二维的)，使得通过这一途径完全还原及识别运动目标的研究进展缓慢.另一途径是图像法识别运动目标.图像法识别运动参数的基本原理是将物体用成像头(红外或可见光等)摄入后形成的图像信号序列送入计算机，经过对图像的预处理、特征提取、目标识别后，在连续图像序列中进行特征点匹配，进而解出目标物体的运动参数，实现对目标物体的搜索、识别和跟踪.一旦完成对目标及其运动参数的识别，就可以由伺服机构完成下一步的决策和处理.图像法识别是从输入图像和目标物体两个方面入手，通过对输入图像序列的处理，使其与目标样本库中的图像进行匹配，以达到识别目标的目的.该方法也存在着缺陷，比如，样本库可能非常大，不利于实时跟踪和处理.本文主要对图像法识别物体运动参数的过程及其存在的问题:1.图像预处理:目前，图像预处理技术已经有比较成熟的方法可以采用.图像预处理主要是对图像进行噪声滤除，图像锐化，对比度增强和边缘检测，噪声滤除运动目标识别的任务就是把物体的轮廓从背景中分离出来，根据特征值与目标样本库中的图像进行匹配运算，以达到识别目标的目的.由于拍摄环境和设备质量等多种因素，使数字化后的图像不可避免的带有各种噪声，为了减少噪声对物体轮廓提取的影响，噪声滤除是图像预处理中的第一步.如果这种噪声发生模型预先知道，针对这种噪声模型设计滤波(一般为频率区域内的滤波)，就能够有效地消除噪声，这样的处理叫做图像复原.但是，通常噪声发生的机理往往是未知的，而且即使知道了产生机理，有时也不能对此有效地进行数学上的模型化.在这样的场合，可采用根据噪声所具有的一般性质进行噪声消除的平滑性.由于图像的噪声常常表现为一些孤立的像素点，其像素灰度和周围点有显著差别，灰度的陡性变化比较大，所以可以用邻域平均、中值滤波、高斯低通滤波等方法来抑制噪声.对于邻域平均法，如果把求灰度平均值的邻域取得太大，或者反复进行若干次操作，则会使图像模糊，图像的质量也会随之降低.中值滤波不仅能有效滤除图像中的孤立噪声点，与邻域平均法相比还能有效保护边界信息.图像中有一些非常有价值的像素点也表现出与噪声相似的特性.比如图像中物体轮廓的边缘点，如果处理不好就会造成物体边缘模糊，不利于物体和背景的分离，对最终的目标识别带来新的干扰。图像锐化噪声消除之后，图像可能变得边缘模糊，为了改善图像质量，使图像具有的信息让人易于观看，就要对图像进行锐化处理.图像锐化一般采用增强高的空间频率成份的办法.这是由于图像的模糊，是高的空间频率成分比低的空间频率成分弱这一原因造成的。对比度增强是指对图像的对比度等进行强调和尖锐化，以便于显示、观察和进一步的分析与处理.对比度增强将不增加图像数据中的相关信息，但它将增加所选择特征的动态范围，从而使这些特征检测和识别更加容易.常用的增强对比度的方法有:线性灰度变换，非线性灰度变换，直方图均衡，灰度的规定化.根据灰度变换使对比度增强的目的在于最后做出令人们易于观看的图像，但在灰度绝对值具有意义的图像的二值图像中，信息将被歪曲，有时反而会收到相反的效果。边缘检测图像的边缘可以被定义为在局部区域内图像特性的差别，它表现为图像上的不连续性(如表现在图像上灰度级的突变，纹理结构的突变以及彩色的变化等).图像的边缘信息无论是对人类或对机器视觉来说都是非常重要的.边缘具有能勾画出区域的形状，能被局部定义及其能传递大部分图像信息等许多优点.因此，边缘检测可以看作是处理许多复杂问题的关键.常用的边缘检测算子有: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算子是一种加权平均算子，对靠近中心的点进行加权，以突出边缘.Sobe I算子计算量较大，对于图像的最后一行和最后一列的像素无法进行差分运算，于是采用了前一行和前一列的梯度值去代替的补救方法.虽然S ο b e I算子的提取效果较好，但在提取过程中不难发现，阈值T的确定是一个非常繁琐但同时也是非常关键的环节.Laplacian算子是用高阶差分算子检测边缘.L O G算子在图像进行差分运算之前，先对图像进行平滑处理，以减少噪声，因此缓解了一般差分对噪声响应很敏感的问题.Ro b e r t s算子和P r e w i t t算子很相似.由于图像的最后一行和最后一列的像素无法进行差分运算，于是采用了前一行和前一列的梯度值去替代的补救方法.Robert s梯度算子对噪声很敏感，故很少采用这种方法检测稠密点区域的边缘。
技术实现思路
本专利技术要解决的技术问题是:提供一种基于图像处理的智能交通系统。本专利技术解决其技术问题所采用的技术方案是:一种基于图像处理的智能交通系统，其具体步骤是: a.运动目标的检测:具体步骤如下:(1)读入图片；(2)在所有图像中找出最大的阈值；(3 )对所有图像分割出目标车辆；(4 )对目标标明计数；(5 )找出目标的边界位置；(6 )对不同标数的目标加不同颜色的框；b.运动目标跟踪:具体步骤如下:(1)读入第一幅图为基准图像；(2)分割、计数得矩阵L和NUMO ;(3)找出共同部分，用前一幅图的矩阵框加载后一幅图，返回L矩阵和NUMO ；(4)结构体形式保持L和对应的真彩图；(1)循环读入前后两幅相邻图像；(2)分割、计数得矩阵L1、L2、NUM1和NUM2 ; (3)比较NUMl和NUM2 ； (4)NUM1=NUM2时，找出共有部分，用前一幅图的矩形框加载后一幅图，返回L矩阵和NUMO ；NUM1>NUM2时，对没有改变的车辆标回原来数字顺序，返回本文档来自技高网...

【技术保护点】
一种基于图像处理的智能交通系统，其特征具体步骤是： a.运动目标的检测：具体步骤如下：（1）读入图片；（2）在所有图像中找出最大的阈值；（3）对所有图像分割出目标车辆；（4）对目标标明计数；（5）找出目标的边界位置；（6）对不同标数的目标加不同颜色的框；b. 运动目标跟踪：具体步骤如下：（1）读入第一幅图为基准图像；（2）分割、计数得矩阵L和NUM0；（3）找出共同部分，用前一幅图的矩阵框加载后一幅图，返回L矩阵和NUM0；（4）结构体形式保持L和对应的真彩图；（1）循环读入前后两幅相邻图像；（2）分割、计数得矩阵L1、L2、NUM1和NUM2；（3）比较NUM1和NUM2；（4）NUM1=NUM2时，找出共有部分，用前一幅图的矩形框加载后一幅图，返回L矩阵和NUM0；NUM1>NUM2时，对没有改变的车辆标回原来数字顺序，返回L，NUM0，对新出现的车辆数字加1 ，返回L，NUM0＝NUM0+1，；NUM1<NUM2时，找出共有部分，用前一幅图的矩形框加载后一幅图，返回L矩阵和NUM0；（5）结构体形式保存L和对应的真彩图。c.运动目标的检索：具体步骤如下：（1）输入车辆标号；（2）在运动目标跟踪中得到的结构体；（3）循环读入结构体找出凡有标号有N的图像；（4）显示检索出的图像并对标号为Ｎ的车辆加框。...

【技术特征摘要】

【专利技术属性】
技术研发人员：屈景春，吴军，
申请(专利权)人：重庆凯泽科技有限公司，
类型：发明
国别省市：重庆;85