智能交通系統中的計算機視覺技術的應用*

西安航空職業技術學院 馮曉賽

隨著國家科技實力的提高，技術水平飛速提升。交通系統的智能化轉變，是信息技術使用的全新途徑，其能在一定程度上促進管理工作效率的提升。將智能交通系統與計算機視覺技術結合在一起之后，為國內該方面管控工作的進步、完善打下了良好基礎，還使相應人員的工作壓力、任務總量大幅降低。基于此，本文重點分析了智能交通系統的概述，以及計算機視覺系統的關鍵技術，同時，細致闡述了二者結合之后在生活中的具體應用，以供參考。

1 智能交通系統概述

目前，國內的汽車數量大幅提升，這讓擁堵方面的問題愈加嚴重。為防止道路上出現交通擁堵的情況，降低事故發生的概率，國內便開始對智能系統進行研究。智能交通系統在研發的過程中，是將目前較為嚴重的問題作為基礎，再讓智能化技術成為其中的核心，以此來研制出全新的種類，之后借助計算機的使用，來對城之內部的交通情況進行管理。例如：在對道路中的車輛進行調度時，可以提醒駕駛人員繞開擁堵的路段。智能交通系統的出現，為國內現代化社會發展環境創建出優秀的交通行駛環境，提升了管理工作質量。與過去的交通行駛對比來講，智能交通是一種全新類型的系統，其中主要涉及了：信息子系統、收費子系統、管理子系統、應急調度子系統等。在智能交通的系統內部，較為關鍵的便是信息數據，依據對信息的深度挖掘、研究，來改善當前的情況，完成對交通的科學合理調度，保障了人民的生命財產安全[1]。

2 智能交通系統關鍵技術

2.1 GPS

計算機技術在智能交通系統中的應用，以GPS技術為主要核心。依據對其的應用，來為城市中車進行定位、導航。計算機能對GPS產生的數據內容進行分析，之后使用配套模塊，完成相關信息系統的改善工作，讓交通管理部門依據該內容，對道路進行實時管控，并追蹤其中的可疑車輛。計算機技術在交通智能管理中使用時，可以將其中的智能化、信息充分展現出來，GPS技術的核心內容是云計算，其可以與服務器、車載定位系統、計算機、虛擬機器進行連接，從而創造出速度較快的網絡內容。云計算技術的使用，能大幅提高交通數據的采集面積，促使城市內的交通網信息范圍更大、精準程度更高。不僅如此，通過對云計算的使用，可以將信息的處理能力成倍提升，依據GPS模塊來對車輛進行準確定位、高效率信息內容，讓系統依據交通實施情況，來進行動態化導航，幫助群眾躲避擁堵路段。

2.2 視覺技術

計算機技術的改進與優化，讓其在智能交通中可以進行遠距離監控，從而將交通部門的管理能力大幅提升。在使用智能交通的系統時，計算機遠距離監控功能主要將視覺技術作為中心，以此來對道路中動態的車輛進行自動化識別，判斷路段之中是否存在擁堵情況。交通管理人員可依據計算機、智能移動設備來對路面中的具體情況進行判斷，并根據信號轉換、圖像傳送等方式，對路面的具體情況產生了解，以便能夠在事故發生后第一時間達到現場內部，大幅提升了管理部門對城市交通情況的應急指揮、救援能力。

3 智能交通系統計算機視覺技術的應用

當前，城市中的交通環境相對較為復雜，各個地區之間的擁堵情況都很嚴重。智能交通系統的使用，主要是將行駛通暢性作為工作重點，再與車輛導航信息進行結合，為車輛行駛提供出最佳的便利路線，以此來提高傳統車輛管理收費項目的多方面效益。之后再利用計算機視覺技術對相應內容進行細致分析，組成智能化的收費管理體系。在日后城市交通系統的創建工作中，要對環境中的動態情況進行掌控，讓車體的具體信息，與管理中心備注的內容保持一致后，使用計算機視覺技術對道路中行駛的車輛進行識別、讀取，再反饋到系統內，讓單獨的系統整合成為整體，從而在一定程度內將視覺技術的作用展現出來[2]。

3.1 環境監控

對交通情況進行實時監控，能將區域內的具體現狀反映出來，減少管理工作進行時的延遲性，提高整體效率。以往意義上的交通監控系統，在數據傳輸工作上的能力較差，重要數據提取難度高。智能系統與計算機視覺技術的使用。能夠進一步將該問題處理掉，不僅可以減少交通系統在使用過程中的時間周期，還能為系統的智能化使用提供環境信息交互，之后從多個不同的關鍵節點中將信息發送至內部，完成對其的分化處理工作，最后通過對網絡信息方式的應用，再發送到管理的個體中，讓其單位依據相關信息來對現場中的交通情況進行合理管控，從而為實現循環性的管理制度、規劃，提供具備參考性的信息內容。

3.2 車輛導航

對車輛導航信息內容進行數據化的管理，主要優勢在于具備優秀的時效性、信息全面性等，還可以依據不同路段的情況，來科學挑選行駛的路徑，防止發生交通方面的擁堵問題，該技術是可以從三維空間的角度，為車輛駕駛、交通管控方面人員創造出便利性的科學技術。對車輛導航信息開展數據化的管控，這是一項雙向的管理工作模式，其中的信息內容不僅包含車輛在行駛過程中產生的動態信息，還包含城市內部的交通管理工作的體系內容，并在不同的時間段中，對各個路段中的實際情況進行信息更新，這能在一定程度上降低固定區域內部的車輛密度，為智能交通管理工作的開展、高緯度的信息傳送打下良好基礎。

3.3 收費項目

車輛收費項目的智能處理，主要是對高速公路上收費項目進行的優化與改善，讓其從過去的人工識別、讀卡信息提取轉變成為了圖像信息樹立。依據對車輛型號、車輛行駛記錄等方面的排查工作，來將其作為基礎開展二次的信息識別，再與收費管理標準、繳費信息內容，進行二次的圖像核查工作，并利用雙目系統，來完成對車輛的雙向核實，依據該方式來對以往車輛收費管理工作中效率不足的問題進行科學處理。同時，車輛收費項目智能管理，還可以將工作管理水平大幅提高，通過將計算機視覺技術作為其中的信息識別、交互關鍵平臺，根據相應的圖像信息、技術為核心，來創建、完善車輛信息識別數據庫，為日后階段的車輛智能收費管理的推廣、應用打下堅實的技術基礎。

3.4 智能駕駛

人工智能操作技術環境在引導車輛行駛的過程中，從始至終都具備著一定的隱患問題，人為、設備等方面因素產生的干擾，都會對行駛過程中的安全性產生嚴重影響。當前所提倡的輔助駕駛系統，都是將個體作為過程中的單位，之后再使用計算機視覺、紅外感應、雷達波基數作為輔助駕駛的基礎，讓汽車行駛過程中的信息交流能力較弱，同時各個不同類型車輛中的輔助操作系統都會存在一定差異，這無法讓當前的現代車輛輔助駕駛系統資源，進行深層次的整合，促使輔助駕駛功能的價值大幅降低。信息化管理模塊之下的輔助駕駛系統，僅是將以往的傳統個體形式串聯在一起，成為信息互通的整體，之后依據通信的模塊，來統一對不同種類的車輛輔助駕駛進行管控，讓其能夠形成良好的信息交互場景，之后將智能交通系統作為其中的信息交流平臺，為車輛的智能操控提供優秀、高效的管理服務，在技術方面將駕駛的安全性提高[3]。

3.5 流量統計

對各個路口監控視頻中的交通具體流量進行統計、檢測，是開展相關流量分析、預測工作的重要前提。為此，對路面上車輛進行檢測是輔助駕駛系統、智能交通管理系統中的關鍵研究內容。

以往在計算機視覺技術前提下開展的監測工作，主要涉及假設產生、驗證兩大階段。

在假設產生的過程中，需要對圖像中感興趣的區域進行提取；在進行假設內容驗證時，可以使用適宜的計算方式，來對ROI中存在的車輛進行驗證。

以往假設產生的方法主要可以分為幾大類：基于知識、基于立體視覺、基于運動信息的方式。在知識角度上的方法主要是用對稱性、色彩、焦點、邊緣、紋理等相應的知識內容，來確定車輛的ROI。該操作方式具備操作簡單、結果直觀，容易在現實中存在的優勢，同樣存在需要較多經驗閾值的不足，例如：車輛自身的長寬比例、具體尺寸，以及與周邊環境產生的對比差等。在使用立體視覺的方法時，需要多個攝像頭對一個景物進行多角度拍攝，從而獲得具備立體感的圖像，并依據相應計算的方式來對深度信息內容進行回復。應用運動方法時，主要是使用視頻內部相鄰幀之間的信息，來對ROI進行確定，其中的計算方式主要包括：幀差法、光流法等。

進行驗證的方法主要是基于模塊、基于外觀兩種。近些年，伴隨深度學習理論內容的成熟、硬件性能的優化，目標監測算法從以往手工的計算方式，轉變成為了在深度神經網絡前提下的新方法，其中主要涉及了R-CNN、Fast/Faste、SSD等多種系列。以上提及的計算方式，在檢測工作的實際效果、性能方面都非常出色。

3.6 乘客統計

公共車輛、軌道交通一直都是城市內部人們出行的重要形式。由于公共客流在地域、時間等方面存在不均衡性，時常會出現高峰時間段人員過于擁擠、平峰時車輛載客數量少的問題，以此產生了嚴重的資源浪費。

自動式的乘客數量計數手段，是智能交通系統之中的重要技術。依據對乘客上下車的具體時間、地點進行細致統計，來對人員的分布與特點產生了解，從而為公交車輛調度工作的開展提供重要依據。

在現實使用的過程中，人體目標檢測工作并不適用于大多數類型的環境使用，特別是人流量過大的公共區域。在該情況下，由于人員的密集程度過大，以及遮擋等方面的問題，來讓個體目標監測工作的開展異常困難。基于特征回歸的人數統計，在工作進行之前，要先提取區域中存在的紋理特點，之后使用核函數的方式，來完成紋理特點到人數映射的轉變。在該計算方法之中，人群的密集程度、數量是非常關鍵的指標。人群密集程度的預估計算，是依據模式分類的方法，來對提取到的密度特征進行分類，人數估算是依據個體分割識別，或是提取到的特征內容，像是運動像素面積、紋理等因素，進行回歸分析來完成。該方法主要是通過對人數特點的計算來進行統計，其能在一定程度上改善因互相遮擋而對結果造成的影響。由于人群分布的特點極難根據數學特征進行精準描述，這讓該方式的統計精準程度受到了制約。

3.7 視頻分析

交通視頻分析是智能交通系統之中的事件檢測、行為分析理解的表現形式之一。在對相應視頻中的行為分析之前，需要先對靜態的車輛進行檢測，或是對動態的運行軌跡進行跟蹤。在視覺技術基礎上的目標跟蹤技術，是計算機領域內部的核心問題之一。其主要通過對攝像頭捕捉到的內容進行探析，來完成對感興趣內容的跟蹤工作。目標跟蹤算法主要是在每幀圖像內部找尋到感興趣的內容，并對其位置進行確定。之后還要依據目標特征等一系列的信息內容，來讓所有視頻中的內容進行關聯，以此來得到其運動過程中的參數、相鄰幀致函運動目標之間的對應關系，從而獲得相應的完整行駛軌跡[4]。

4 結語

綜上所述，讓智能交通系統與計算機視覺技術進行融合，能良好解決以往存在的信息管理工作困難，之后還可以將管控的可操作性進一步提升，在技術的角度上為城市管理工作的進步進行打下良好基礎。通過對智能交通系統概述、計算機視覺關鍵技術、智能交通系統計算機視覺技術的應用方面進行細致分析，了解到計算機視覺技術雖然在交通管理中廣泛使用，但是在精準程度、準確定、檢測速度方面仍存在可提高的空間，為此便需要在日后工作中讓攝像頭與傳感器進行良好融合，以此來獲取更為精準的數據。同時，隨著計算機軟件、深度學習技術的進步。還會讓交通管理工作的精準度、速度都能大幅提升，發揮出更為重要的效果。