探析智能交通监控技术范文

本站小编为你精心准备了探析智能交通监控技术参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

摘要:随着社会经济飞速发展，汽车数量也在逐渐的增加，这样的情况导致了我国交通行业的飞速发展。交通行业的发展为交通系统的完善提供了物质基础，通过计算机采集交通信息，能够有效的提高交通管理。在交通系统建立的过程中，交通监控设备是交通系统重要设备，但是因为在光照、遮挡等环境中，交通监控获取图像的质量有所差别，这样的情况下对交通监控技术提出了更高的要求。有限瘠波与压缩感知可能克服传统小波只对水平、垂直与角线三个方向敏感的问题，为监控提供图像的不同尺寸与不同方向的分辨率。将有限瘠波与压缩感知技术应用在智能交通监控中，能够有效的提高监控画面的质量，从而保障我国交通系统的健康发展。

关键词:有限瘠波;压缩感知;智能交通监控技术

随着社会经济的发展，我国城市交通道路交通系统面临的压力逐年上涨。由于人们生活质量的提高。工业的发展、汽车行业也在不断的发展，交通安全事故时有发生。在城市道路交通系统中，交通监控是监督来往车辆最重要的手段之一，也是交通系统重要的组成部分，但是交通监控在使用的过程中往往受到外界环境的因素，呈现的图像噪点较多、车牌字符的识别能力有限、视频呈现也存在着相应的问题。面对这样的情况，将计算机与相关的数学领域知识与交控监控系统相结合，提高交通监控的分辨率。本文主要是将有限瘠波和压缩感知在交通监控中的应用，从而提高交通监控的质量［1］。

一、有限瘠波变换与压缩感知

1．有限瘠波

Radon变换有限瘠波的Radon变换主要是一种离散算法，这种算法是通过二维网格进行直接的定义。有限瘠波Radon变换与连续Radon变换的定义的输入图像都是沿着欧式空间中直线的积分进行的，二者之间存在着一定的相似性。有限瘠波Radon变换是定义在输入数字图像中在一组特殊的直线中的素值总和［2］。可以将图像中的素数定义为p，将整数定义的集合记为Zp，与Z*P，在此过程中二维网格记为:在离散网格中与函数整体构成的空间是12(Z2p)，那么就能对有限瘠波Radon变换定义，定义的公式:其中＜•＞表示的是模p的计算，其中Z*p表示的是斜率k所有的可能取值集合，其中Lkj，表示的是定义在Zp×Zp中的1.有限瘠波Radon变换直线，最后将曲线变为正价归一的二维计算。

2．压缩感知

压缩感知的方式可以进行分类器的构建工作，压缩感知的相关理论认为信号是可以被压缩的，或者信号在某一个感知领域较为稀疏，可以将稀疏的信号投影到一个低维的空间中，通过优化就能够将这些投影中高概率的信号，重新组建成原有的信号，这样的问题证明了重构信号中包含了大量的信息，并且有效的区分出原信号，其主要实现的原理如图1所示［3］:

二、交通图像去噪概述

交通监控实际应用时数字图像出现噪点与噪声的问题是难以规避的问题，问题出现的原因主要是在图像的获取与传输阶段。在图像传感器运行的过程中，会受到外界的环境因素与自身的零件质量等影响，产生噪音与噪点。例如，感光耦合元件在获取图像的或城中受到光照因素以及传感器温度的影响，在生成图像的过程中形成大量的噪点。然后在图像传输的过程中，受到传输信号的感染形成载音污染。交通监控图像属于数字图像的一种，受到车辆型号、交通标志等因素的影响，在拍摄时自身的质量存在着较大的差异，所以去噪工作是智能交通监控图像识别的重要环节［4］。对交通监控图像传统的去噪法，主要使用了空间域滤波方式、频域滤波的方式以及最优线性滤波的方式。在传统的去噪方式中使用了形态学算法、模糊算法以及边缘增强算法。这些算法对数字图像去噪有着通用性，但是没有进行针对性交通图像去噪的分析，这样去噪的方式难以分辨去噪质量的好坏。有限瘠波Radon去噪，方式进行去噪的方式较为简单，通过阈值的方式进行处理。有限瘠波Ra-don变换阈值去噪的方式总共分为两种方式［5］。一种方式是将有限瘠波Radon变换当做统一的二维变换，使用经典全局阈值法进行处理，其公式如下:另一种去噪的方式是通过WFRIT的方式进行去噪，主要使用较为成熟的一维小波的方法，按列对有限瘠波Radon变换进行去噪。使用使用有限瘠波Radon变换进行去噪，首先要分析交通监控图像中的特点，交通监控图像中直线特征较为明显、几何信息较为丰富等特点。有限瘠波Radon变换对险特征有着明显的能量集中性，可以产生大幅值系数的变化，根据有限瘠波Radon变换增强系数的密集程度，可以对直线特征、纹理分量进行分析，明确有限瘠波Radon变换的去噪效果。其计算系数公式［6］:因为高斯随机变量的和是高斯型变量，那么高斯白噪声的有限瘠波Radon变换的系数相同方差的高斯噪声。因为有限瘠波Radon变换的规划中，按列选择的一维正交换系数的方差没有进行改变。高斯白噪声的有限瘠波Radon变换系数依旧是高斯噪声的相同方差［7］。

三、有限瘠波变换好压缩感知技术在车牌字符识别中应用

1．车牌字符识别中出现的问题

在智能交通监控中车牌字符的识别是目前智能交通监控中的重要研究内容。目前对车牌字符的识别技术有了极大的提高，首先寻找最优特征描述算子对车牌进行描述，然后使用神经网络、支持向量机等模式是被方式与分类器设计进行结合。但是因为车牌字符的复杂性特征，容易受到外界因素的遮挡以及噪声因素等影响，车牌识别仍然存在着一定的困难。主要表现在几个方面:第一，图像信息量较低，因为目前车牌自动识别系统呈像技术为灰色图像，这种图像容易导致灰度级相似区域受到干扰。第二，车牌字符的识别度较低，字符分割将整个车牌区域划分成为单个的字符区域，方便图像的识别。但是因为车牌字符出现模糊、粘连等问题，严重阻碍了字符的分割。第三，光照度的影响，在自然光线下，光照会存在或多或少不均匀的问题，在强光的照射下，车牌表面对自然光的反光也不均匀，导致呈像变色或者是褪色。而且在夜间，车牌字符会受到车前照灯的影响，降低了车牌的对比度，增加了车牌字符识别的难度［8］。

2.有限瘠波变换与压缩感知方式提取车牌字符的思路

首先要提取包括字符在内的图像，希望能够找出可以最大化不同字符图像间的差异性。提取图像中的线特征，能够快速的完成图像识别问题。使用有限瘠波变换的方式，能够准确快速的提取图像中的线特征，从而达到对图像高效描述的问题，目前使用有限瘠波变换已经广泛的应用在字符图像分类识别中，所以将这种方式应用在交通监控中，可以对车牌字符进行高效的提取，人类视觉感知神经元是视觉形成的关键，神经细胞在对外界刺激作出反应的过程中，编码的稀疏性是一个重要的约束条件。这样就可以实现使用较少的资源，获得较多信息的目的。自然图像通过稀疏编码后，得到的函数与视觉系统初级皮层的反应有着相似性，所以通过压缩感知和对数字字典进行分类，是较为符合人类视觉系统以及人类识别习惯［9］。车牌字符识别的关键性因素是图像识别数据库的建立，目前通过字体识别库通过不断的完善与发展，已经趋于成熟，但是目前国内车牌字符识别数据库中存在着一些问题。字符集不完善，车牌字符主要组成的部分有省、直辖市以及其他特使机构的简称，其中包括英文字母以及数字组成，字符的类别较少。存在结构相似的字体，例如数字中的“2”与字母中的“Z”，数字中的“0”与字母中的“O”等，这样的情况为车牌字符增加了相应的难度。在使用有限瘠波进行车牌字符识别中，使用的车牌字体库是公安部的标准车辆字符，对车牌字符中的10个数字图像进行亮度分量工作。使用平移、加躁以及遮挡等方式，对不同情况下车牌字符可能出现的字符图像进行分析，如图2所示:第一行数字是经过平移后得到的字符图像;第二行数字是使用加躁处理后得到的字符图像;最后一行是遮挡情况下数字处理的图像。本文字符库中的数字“2”图像的有限瘠波系数与有限瘠波系数的绝对值进行了相应的对比，对比结果如图3所示:通过图片能够观察到有限瘠波有着较强的方向集中性，在系数矩阵中大的幅值仅在少数列上存在。因为有限瘠波系数的进一步集中，可以得出系数分布集中有着共性而不是个性。

3．压缩感知在交通监控视频编码中的应用

交通监控视频有空间相似性与实践相似性的特征，交通监控视频与其他视频相比，因为交通监控食品中包括了大量的城市道路信息，监控制品的区域之间有着较高的自相拟性，交通道路部分的灰度以及纹理有着近似性。来往车辆的型号有着极高的相似性，导致交通监控视频图像内容有着较大的空间相似性。在固定编码器中图像块的大小大致是M=16，采样值的选取要图像块中进行，使用三次插值参考图像。将搜索范围设定为8，通过JM12.4进行编码工作，主要对经过块进行匹配，从而得到残差信号。在交通监控视频中对每一帧进行帧内编码工作，主要使用CABAC技术进行编码。根据相关结果显示，使用算法进行编码时，不仅减少了编码的比特率，而且在一定程度上提高了PSNR的数据，不同量化参数Qp的压缩性进行对比，得出不同的码率。经过相关实践可以看出，如果参数值较小的情况下PSNR值增加的幅度也有所减少。在交通监控制品质量较高的情况下，视频图像内冗杂多余的信息已经被H.246进行了编码，这种方式需要完善的空间幅度较小。由于参数值的增加，编码的比特率与PSNR数值增长的幅度更加明显，在交通监控视频质量较差时，使用块匹配算法对压缩性能有着明显的改变。使用压缩感知算法在交通监控视频中的应用，从而获得了PSNR数值与编码率的提升效果。因为PSNR数值与比特率二者存在中而一定的冲突，对PSNR数值与比特率通过相应算法提高，可以在交通监控视频的压缩应用中发挥着巨大的优势，但是这样做导致了算法的发在度提高［10］。在静止图像与空域块相似性的基础上，按照块匹配图方式对交通监控的图像进行了压缩，根据压缩感知理论与实际应用的结果，使用空域采样的方式与插值手段进行图像的预测工作。在此过程中要联系视频编码的运动估计法，对交通监控中原始的视频图像每个待编码的子块寻找误差最小的、最适宜的匹配块，并进行交通监控图像的预测工作。最后通过DCT进行编码工作，主要的对象是残差图像。使用块匹配增加的方式能够有效的提升帧内编码的性能，在交通监控中的静止图像与交通监控视频的压缩方式表明了块匹配算法的优越性能。根据压缩感知相关理论对算法在交通监控中的实践有效的证明了块匹配算法的优点，在交通监控的实际应用中。H.264帧内压缩算法也得到了极大的提升。

4．有限瘠波与压缩感知在交通监控中的展望

使用有限瘠波进行交通监控图像的去噪工作，在日后的研究工作中对消除或者是降低“环绕”效应的方式，是工作的重点内容，要根据待处理的图像进行图像的处理工作。使用压缩感知方式日后重点是，要对实际问题中维数的选择进一步的研究，使用相关理论指导实践。其中包括尺寸缩放的大小，不同情况下车牌字符的识别。可以将有限瘠波与压缩感知提取线特征的手段进行有效的结合，二者取长补短。在视频中线性特征明显的问题，要使用插值算法或者是变换方式进行。但是增加了计算的复杂性，针对这样的问题算法的选择不仅要科学，而且还要对算法进一步的优化。这些问题都是在交通监控智能化为来发展中要注意的问题，对这些问题优化，能够有效的保障交通监控图像与视频的质量。

四、结论

综上所述，由于社会经济不断的发展，我国交通行业也在不断的发展与完善，在交通系统建设工作中，交通监控设备是交通系统的重要组成部分。但是在智能交通监控中，监控视频、监控图像都存在着相关问题，如车牌字符识别不清、噪声干扰等问题。面对这些问题将有限瘠波与感知压缩的方式与智能交通监控进行融合，使用有限瘠波方式对车牌字符显性特征识别以及对图像的去噪工作，能够有效的保障图像的质量。使用压缩感知在智能监控视频中的应用，帮助交通视频去除更多的干扰因素，保障视频的清晰度。

参考文献:

［1］彭卓韬．基于压缩感知的交通监控视频目标检测算法研究［D］．汕头:汕头大学，2013．

［2］刘钢．基于压缩感知和稀疏表示理论的图像去噪研究［D］．成都:电子科技大学，2013．

［3］黄志斌，陈锻生．支持向量机在车牌字符识别中的应用［J］．计算机工程，2003(5):200－202．

［4］孙锋利，何明一，高全华．基于自适应脊波网络的高光谱遥感图像分类［J］．计算机科学，2011(8):266－270．

［5］喻莹，董才林．基于脊波变换的金融汉字不变性特征提取方法［J］．计算机应用，2011(12):241－244．

［6］肖小奎，黎绍发．加强边缘保护的Curvelet图像去噪方法［J］．通信学报，2004(2):11－17．

［7］胡爱明，周孝宽．车牌图像的快速匹配识别方法［J］．计算机工程与应用，2003(7):93－94+113．

［8］侯彪，刘芳，焦李成．基于脊波变换的直线特征检测［J］．中国科学E辑:技术科学，2003(1):67－75．

［9］崔宝侠，李爱军，苏桂华．基于数学形态学的交通图像滤波处理方法研究［J］．沈阳工业大学学报，2007(2):76－80+101．

［10］骆雪超，刘桂雄，冯云庆．一种基于车牌特征信息的车牌识别方法［J］．华南理工大学学报(自然科学版)，2003(4):73－76．

作者：郝林倩 单位：福建船政交通职业学院