機(jī)器視覺在交通中的應(yīng)用總結(jié)

來源：無遠(yuǎn)不往

隨著科學(xué)技術(shù)的發(fā)展，不知不覺，我們的日常出行加入了越來越多的科技元素，機(jī)器視覺就是其中之一。在智能交通領(lǐng)域中，機(jī)器視覺涉及方方面面，包括自動(dòng)車牌識別、違法停車檢測、行人檢測、交通流量分析、行車違章識別等。今天文章，小編將為大家總結(jié)機(jī)器視覺在智能交通中應(yīng)用。

車牌識別技術(shù)(VLPR)是計(jì)算機(jī)視覺和模式識別技術(shù)在現(xiàn)代智能交通系統(tǒng)中的一項(xiàng)重要研究課題，是實(shí)現(xiàn)交通管理智能化的重要環(huán)節(jié)。車牌識別技術(shù)要求能夠?qū)⑦\(yùn)動(dòng)中的汽車牌照從復(fù)雜背景中提取并識別出來，通過獲取原圖像，圖像預(yù)處理，車牌定位，字符分割和字符識別等技術(shù)，識別車輛牌號、顏色等信息。

車牌識別在交通中已經(jīng)應(yīng)用了很多年，但實(shí)際中還有很多車牌是很難準(zhǔn)確識別的，比如隨意大角度傾斜的車牌，在過去很多年其實(shí)解決的都不好，可以說過去3-5年車牌識別技術(shù)曾處于一種瓶頸期，但現(xiàn)在這兩年可以看到有些已經(jīng)可以識別了，這其實(shí)很大程度上得益于深度學(xué)習(xí)技術(shù)的應(yīng)用，有了新的突破，各種姿態(tài)的，各種角度的車牌都能很好的識別。目前最新的技術(shù)水平為字母和數(shù)字的識別率可達(dá)到99.7%，漢字的識別率可達(dá)到99%。

目前，城市道路中的攝像頭越來越多，也有越來越多的計(jì)算機(jī)視覺技術(shù)被用于自動(dòng)檢測交通的違規(guī)行為，如超速、闖紅燈或停車標(biāo)志、錯(cuò)誤駕駛和非法轉(zhuǎn)彎，這個(gè)在高速公路和城市交叉口上的應(yīng)用非常廣泛。但由于之前存在較多的誤報(bào)，實(shí)際效果離真正的需求還有一段差距。而借助深度學(xué)習(xí)技術(shù)，能實(shí)現(xiàn)真正準(zhǔn)確的交通違章和交通事件檢測，真正的幫交通運(yùn)營部門提供準(zhǔn)確及時(shí)的報(bào)警信息。

在機(jī)器視覺應(yīng)用之前，在外場要感知車位是否被占用，一般通過地磁感知，成本非常高，系統(tǒng)可靠性也是問題。基于視頻和圖像的路側(cè)違法停車的感知和抓拍，則可以很好的解決這個(gè)問題，一臺攝像機(jī)即可監(jiān)控和感知一大片區(qū)域的停車位是否被占用，成本低還所見即所得。

行人檢測( Pedestrian Detection)是利用計(jì)算機(jī)視覺技術(shù)判斷圖像或者視頻序列中是否存在行人并給予精確定位。該技術(shù)可與行人跟蹤，行人重識別等技術(shù)結(jié)合，應(yīng)用于人工智能系統(tǒng)、車輛輔助駕駛系統(tǒng)、智能機(jī)器人、智能視頻監(jiān)控、人體行為分析、智能交通等領(lǐng)域。

行人兼具剛性和柔性物體的特性，外觀易受穿著、尺度、遮擋、姿態(tài)和視角等影響。因此，精確的行人檢測難度較大，其中涉及許多類型的傳感器，如傳統(tǒng)的閉路電視(CCTV)或IP攝像機(jī)、熱成像設(shè)備、近紅外成像設(shè)備和車載RGB攝像頭。現(xiàn)有行人檢測方法有三種，分別為基于全局特征的方法、基于人體部位的方法、基于立體視覺的方法。目前，基于深度卷積神經(jīng)網(wǎng)絡(luò)的行人檢測已經(jīng)取得了很大的進(jìn)展，甚至可以檢測出深度遮擋的行人。

目前，中國很多城市交通擁堵很嚴(yán)重，很多十字路口的紅綠燈配時(shí)其實(shí)并不是最優(yōu)的，機(jī)器視覺將在緩解城市擁堵中發(fā)揮重要的作用。

對于交叉口，通過基于深度學(xué)習(xí)的車輛精確感知檢測，可以精準(zhǔn)的感知交通路口各個(gè)方向的車輛數(shù)量、流量和密度，從而可以給交通路口的最優(yōu)配時(shí)提供準(zhǔn)確依據(jù)。如果各個(gè)路口都用上這種車輛檢測技術(shù)，那對交通擁堵將是極大的緩解。

對于路段，通過路段的感知，可以基于原有監(jiān)控系統(tǒng)獲取到道路的總體交通路況，通過這種車輛檢測技術(shù)就可以為道路路況分析、交通大數(shù)據(jù)、交通規(guī)劃等提供可靠的數(shù)據(jù)依據(jù)。

據(jù)統(tǒng)計(jì)，60%以上的交通事故的主要原因是駕駛員的分心，包括疲勞駕駛、開車看手機(jī)、注意力不集中等。基于面向駕駛員的視頻分析技術(shù)通過注視方向、頭部姿勢估計(jì)和面部表情監(jiān)控算法檢測面部和眼睛。人臉檢測算法能夠檢測出注意力集中的和不集中的人臉。深度學(xué)習(xí)算法能夠檢測眼睛聚焦和非聚焦的差異，以及受此影響的駕駛跡象。在駕駛員分心檢測中，有多種深度學(xué)習(xí)方法（RNN和CNN）應(yīng)用于實(shí)時(shí)分心駕駛員姿態(tài)分類。

一旦系統(tǒng)判定駕駛員的狀態(tài)讓行車安全降低，即會發(fā)出聲頻警示信號，并在儀表盤顯示屏上閃現(xiàn)“請休息片刻”或“集中駕駛注意力”等提示信息。這將極大地提升駕駛主動(dòng)安全性。

在輔助駕駛和無人駕駛中，車輛在行駛時(shí)需要實(shí)時(shí)地去感知周圍的環(huán)境，包括行駛在哪里、周圍有什么障礙物、當(dāng)前交通信號怎樣等等。這就需要多類傳感器，攝像頭就是其中之一。

由于攝像頭數(shù)據(jù)（圖片）包含豐富的顏色信息，所以對于精細(xì)的障礙物類別識別、信號燈檢測、車道線檢測、交通標(biāo)志檢測等問題就需要依賴計(jì)算機(jī)視覺技術(shù)。主要內(nèi)容有如下四點(diǎn)：

①使用雙目視覺系統(tǒng)獲取場景中的深度信息。它可以幫助進(jìn)行后續(xù)的圖像語義理解，在無人駕駛中可以幫助探索可行駛區(qū)域和目標(biāo)障礙物。

②通過視頻來估計(jì)每一個(gè)像素的運(yùn)動(dòng)方向和運(yùn)動(dòng)速度。

③對物體進(jìn)行檢測與追蹤。在無人駕駛中主要是各種車輛、行人、非機(jī)動(dòng)車。

④對于整個(gè)場景的理解。最重要的有兩點(diǎn)，第一是道路線檢測，其次是在道路線檢測下更進(jìn)一步，即把場景中的每一個(gè)像素打成標(biāo)簽，這叫做場景分割或者場景解析。

計(jì)算機(jī)視覺技術(shù)過去5年內(nèi)取得的成績甚至是遠(yuǎn)遠(yuǎn)超過了之前的20年，這主要得益于深度學(xué)習(xí)技術(shù)帶來的巨大進(jìn)步。在未來，以深度學(xué)習(xí)技術(shù)為核心的計(jì)算機(jī)視覺技術(shù)將大大提升智能交通系統(tǒng)的感知精度與維度，從而更好地服務(wù)大眾出行。