视频智能交通系统在城市轨道交通的应用.doc

视频智能交通系统在城市轨道的应用摘要随着高速公路的发展和汽车的普及，交通运输问题日益严重，道路车辆拥挤，交通事故频发，交通环境恶化，能源紧张，环境污染不断加重，在这种背景下，把车辆和道路综合起来考虑，运用各种高新技术，系统的解决道路交通问题，由此产生了新的研究和应用领域智能交通系统。智能交通系统产生于二十世纪六十年代，初始阶段的研究是在各国政府的大力支持下开展的，大量研究机构和高校合作研究了多个原形系统和大量的解决方案。该阶段的主要成就是深入地分析了ITS问题，进行了大量的可行性研究。.进人二十世纪九十年代以后，美国、日本、欧洲、韩国、新加坡等国家对ITS的研究给予了高度的重视，投入了大量的人力和物力.目前，ITS正处于第二阶段，其特点是方法逐渐成熟和新技术日益可行。视频交通系统是将计算机视觉技术应用于交通管理系统中，它的研究发展是当今ITS研究的热点之一它的应用大致可分为两类:即车载处理系统(on一boardproeessingsystem)和路边处理系统(roadsideproeessingsystem)。在车载处理系统中，摄像机被固定在车辆上，系统识别的目标是车道、前方其他车辆或障碍物、道路旁设立的各种交通标志或交通信号、司机的疲劳程度等。由于识别的目标差别性和随机性较大，因此车载处理系统仍处于研究状态。对路边处理系统来说，摄像机被固定在道路两旁或上方，系统检测与收集的信息包括交通流量、平均车速等有关实时交通状况的信息、停车车辆和车牌牌照等.交通阻塞或事故可通过监视车辆行驶状态予以及时发现，图像处理技术可提供有关道路交叉路口或公路的二维交通流量参数，车牌识别则可用于动态估计某道路区间的行车时间。关键词：智能交通系统、视频智能交通系统、自动识别算法目录摘要11 概述32城市轨道视频智能交通系统32.1城市轨道视频智能交通系统的特点32.2城市轨道视频智能交通系统的提出33 城市轨道中视频监测系统的结构43.1中心级系统43.2站级级系统43.3车道级系统44 车道级系统的介绍44.1探测模块44.2图像采集模块54.3自动识别模块54.4压缩存储模块55 自动识别算法的探讨55.1汽车的分类识别55.2车牌的识别66 结语6参考文献71 概述近年来，随着经济的高速增长和汽车保有量的激增，交通拥挤、交通事故频发等造成了越来越巨大的时间浪费、财产损失和环境污染，交通问题已成为包括我国在内的世界各国政府共同面临的重要难题之一。而这些问题有主要体现在城市里面。城市里人口密度大，车辆多，特别是每天的上下班高峰期，交通堵塞问题非常严重，严重影响了人们的生活、生产，更造成了资源的浪费，还污染了环境等一系列问题，迫切需要解决。智能交通系统（intelligent transportation sysem，简称ITS）是最近几十年提出的新概念。从城市交通系统来看，无论是公共交通，还是非公共交通部分，ITS的研究仅局限在道路交通，对城市轨道交通提及比较少，应用更少。从另外角度讲，城市轨道交通系统作为先进的公共交通系统（APTS）组成部分，现在已经被纳入ITS体系。但由于城市轨道交通的独特性，城市轨道智能交通系统各组成要素与传统ITS不同，可以将其作为独立的系统进行研究。ITS（主要指道路）所解决的本质问题是：如何将交通高峰时期的车辆有效的分布在道路网中，尽量缩短人们的出行时间。视频城市轨道智能交通系统的研究对这一本质问题的解决提供了新的思路，即将交通高峰时的人流、车流通过视频监测传送到计算机里，经过分析处理后，再有效的分布在城市轨道交通网中，并间接影响与之相关的城市道路交通网，这意味着城市轨道智能交通系统与道路视频智能交通系统相结合，构成相对完整的城市智能交通系统。2 城市轨道视频智能交通系统2.1 城市轨道视频智能交通系统的特点广义的城市轨道交通以运输方式为主要技术特征，是城市公共客运交通系统中具有中等以上运量的轨道交通系统，在城市公共客运交通中起骨干作用。城市轨道交通与地面常规交通方式相比较，具有运量大、速度快、能耗低、污染少、可靠性强、舒适性佳、占地面积少等优点，另外，城市道路拥堵是世界性的通病。道路不可能无限的拓宽、增加，道路ITS也不可能从更本上交通拥堵。而城市轨道交通的建设，虽然没有减少总流通量，但通过视频的监测后，然后通过人为的协调、控制，可有效的“减少”地面交通车辆，让一条路段不会出现一时车流大量增多或减少的现象，而是让他始终保持在一个“度”上，这是缓减道路拥挤的方法之一。而随着城市交通中轨道交通客运份额的增加，对其智能化、系统化的研究也日趋重要。2.2 城市轨道视频智能交通系统的提出城市轨道交通系统涉及的科技领域相当广泛，包括通信、电子、计算机、车辆、供电、环控、防灾、机电等。应该运用系统工程的理论与方法，将城市轨道交通系统各组成部分有机的集成，使其呈现出各组成要素所没有的整体功能。根据城市轨道视频智能交通系统的特点极其所涉及到的不同领域，他的基本组成应包括如下内容：先进的成像系统、先进的通信系统、先进的供电系统、综合监控系统、旅客向导系统、列车自动控制系统、车站设备监控系统、防灾报警监控系统、自动售检票系统、管理信息系统等。3 城市轨道中视频监测系统的结构视频智能交通系统采用分布式结构，按功能分为中心级、站级、车道级三级系统.三级系统的拓扑关系为树形结构.。3.1中心级系统中心级系统为整个系统所有站级的调度监控中心，是整个树形结构的根节点，是系统的核心。中心级的任务主要是融合车辆管理中心的信息，创建和维护车辆管理数据库，包括肇事和被通缉车辆的黑名单库.并且通过及时访问各站级数据库服务器上传的交通数据进行分析，为交通管理者提供决策信息。3.2站级系统站级系统是本地邻近几个车道系统的调度监控中心，也是树形结构的中间节点，它主要完成实时采集下辖各车道级系统发送上来的图像数据和交通参数数据，同时检索黑名单；定时统计站内各车道的车辆信息；接受中心级下达的数据;有效管理网内的交通资源(如调整可变情报板的内容)等功能。3.3车道级系统车道级系统负责本车道的监控，是树形结构的叶节点。它是整个系统的关键部分，它主要通过探测、图像采集和自动识别3个模块完成自动识别车辆属性和提供本车道交通参数两个功能。车道级系统的结构如下：车道系统图4车道级系统的介绍4.1探测模块探测模块主要用于发现车辆，同时还可测量一些车辆参数，如车速、车流量等。探测传感器一般采用被动传感器，如触发式双线圈。基于双线圈触发探测系统有不受天气的影响、可全天候工作、对环境无任何信号污染的优点，而且其最大可测量行驶速度达150km/h。通过设置线圈的电流阀值可滤去自行车等非机动车辆的干扰。4.2图像采集模块该模块完成汽车图像的采集工作，它由视频采集卡和摄像机组成。视频采集卡用于对来自CCD摄像机的彩色或灰度信号进行颜色解码和同步提取。系统一般采用双摄像头，并且一高一低的架设在车道的正上前方.位置高的摄像机获取一幅高清晰度的真彩色全景图，用于车型识别；位置低的摄像头获取一幅高清晰度的灰度近景图，用于车牌自动识别。为适应天气的变化，必须开启自动光圈；为减少模糊效应，必须开启高速电子快门。4.3自动识别模块该模块可以完成车辆特征的自动提取。对输人的数字图像经自动识别算法计算，以得到图像特征值。为增强系统的实时性和鲁棒性，提高识别模块对不同天气和环境条件的适应性，需要开发有效的算法.除此之外，系统应具有自学习能力。在初期运行时，在系统管理员的帮助下，分辨在不同时段、天气下的光照情况，待识别模块运行稳定后，便能自主判断选用不同的方案。4.4压缩存储模块压缩存储主要是满足数据传输的实时性，减少网络阻塞和数据存储量。对于视频采集卡获取的图像，可采用不同的算法压缩成不同的文件形式，建议采用压缩比较高的JPG格式。5自动识别算法的探讨5.1汽车的分类识别汽车的二维图像的分类识别是二维图像识别的一个重要方面，它包括了模式识别领域中普遍存在的基本问题。由于识别目标汽车是一个在复杂背景中运动的物体，高速必然带来运动模糊效应，还由于成像条件等因素影响，因此给模式特征提取和准确识别增加了难度。直接利用二维图像信息量过大，对那些轮廓特征便于利用的图像，可取其二维图像的边缘特征，从而大大压缩信息量，便于二维图像的分类识别。在模式识别中，分类方法的选择将影响到识别率的高低，虽然就其性能来说，Bayes分类器在理论上已被证明具有最优性能，但是，由于采用这种分类器设计要求预先给定各类的先验概率及类概率密度，这对非大量样本分类问题是困难的，在经济上也是不合算的，因此可寻求某种折中的其他分类方法。神经网络分类器对处理那些环境信息十分复杂、背景知识不很清楚、推理规则不明确的分类问题，具有明显的优越性。将已知车型的汽车二维图象经过适当处理后作为神经网络的输人，以车型作为神经网络的输出，对神经网络进行学习和训练，收敛后的神经网络可以很好地对车型进行识别。5.2车牌的识别车牌的识别可采用以下三个步骤：一是通过预处理、分离等步骤找出若干个准目标区域，然后从这些区域中选取车牌区域(依靠纹理特征)。二是在对分割出来的车牌区域进行自适应闽值二值化，分离出车牌背景，以便于下一步的字符识别。三是采用字符切分、模板匹配的方法，识别出车牌号码。汽车牌照实际上是原始图像中的一个边缘平直且有突变、位置相对稳定的子图像，该子图像内有7个字且是有一定大小的近似平行四边形，所以牌照区域形成了一种水平、垂直方向的纹理规律，可依靠以上特征，采用模糊模式识别方法，从这些准目标区域中，分割出牌照区域。为方便字符识别，将切割下来的车牌灰度图像做二值化处理。由于光照强度的影响和无法预知牌照中字符像素的灰度等级相对于背景是高或是低，这都给二值化图像带来了困难。牌照图像的灰度直方图呈现出多种情况，没有明显的两个波峰，难以用灰度直方图的统计方法分离出背景。为解决上述问题，可采用基于纹理的自适应二值化方法.该方法分成两个步骤，首先对图像做纹理分析，然后采用模式识别技术中的最大最小准则获取二值化阂值。二值化处理后的车牌是一个整体，包括了字符和间隙。想要识别单个字符，首先要把每个字符从车牌中分离出来，这是字切分要完成的任务。车牌中每个字符所占的宽度几乎相等，因此可等宽切分。目前常用的字符识别方法有：a.模板匹配，该方法实现简单，当字符规整时对字符的缺损、污迹干扰适应力强且识别率相当高，但对字符的旋转、缩放、变形的适应能力不强；b.基于字符图象的变换进行匹配，该方法通过将字符与标准模板分别进行Forrir或Houff变换后进行对比。该方法对字符的旋转、缩放、变形有较强的适应能力，但对字符的细节分辨率不高，例如该方法对字符S和数字5难以加以有效区分。c.根据字符图象的统计特征匹配，该方法通过计算字符图象的全部或部分的期望与方差实现字符识别。这种方法对字符的旋转、缩放、变形具有较强的适应能力，但总体识别率较低。d.对字符结构进行分析的识别方法，该方法对字符的旋转、缩放、变形具有极强的适应能力，但实现比较困难，目前该方法尚在探索之中。6 结语从另外一种角度划分比较常用的交通形式，大体可分为道路、轨道、航空和水路等几个部分。城市道路与城际公路在ITS的研究中有较多相似处，但他们与轨道智能交通系统的研究有很大的不同。他们的不同之处，正是研究轨道智能交通系统的意义所在。轨道交通系统的构成比较复杂，除了城市轨道外，还包括普通铁路