浅谈交通安全管理的问题与对策

浅谈交通安全管理的问题与对策

现代社会已经进入信息中心。随着计算机、通信技术和计算机网络技术的快速发展，随着数字图像处理技术和人工智能技术的成熟，智能交通管理技术发生了重大变化。基于数字图像处理的挡风玻璃识别技术是现代智能交通系统的重要组成部分,伴随着我国国民经济的高速发展,国内高速公路、城市道路、停车场建设越来越多,对交通控制、安全管理的要求也日益提高,机动车的挡风玻璃自动识别技术越来越受到关注。从长远看,智能交通系统的推广变得越来越重要,智能交通系统是21世纪道路交通管理体系的模式和发展方向。1机动车fig或数字图像采集法挡风玻璃识别主要包括图像采集与处理,图像预处理与目标识别3个环节。在装备了数字摄像设备和计算机信息管理系统等软硬件平台的基础上,通过对机动车辆挡风玻璃的采集,采用先进的数字图像处理、计算机模式识别技术和视觉技术、人工智能技术等,在图像中找到机动车挡风玻璃的位置,提取出组成挡风玻璃的全部区域图像,并识别出挡风玻璃的特征,最后输出挡风玻璃的采集信息到指定的设备上。2私家车照片的照片图像采集采用专用的CCD或者COMS镜头的摄像机拍摄获取挡风玻璃的照片。由专用摄像机、照明设备或自动亮度控制器以及图像采集卡组成图像采集系统。对于自然光线不好时,由辅助照明设备或自动亮度控制器提供光源(图1)。3初始图像预处理在外界光照不均匀、光照强度不稳定、外界环境噪音以及电子器件自身噪音等的影响下,摄像机采集到的挡风玻璃原始图像质量会有所下降,为了提高图片质量,需要对初始图像进行必要的预处理。图像预处理主要包括灰度化、二值化、梯度锐化和去噪、区域分割等。3.1图像预处理图像预处理主要是对采集的图像进行增强、恢复、变换等处理,目的是突出挡风玻璃的主要特征,以便更好地提取机动车挡风玻璃的区域。3.2值化算法设计目前图像采集系统获取的原始图像是彩色图像。彩色图像包含着大量的颜色信息,它的每个像素都是由R、G、B三个单色调配而成,对其进行图像处理不仅会浪费较多的系统资源,还会降低系统的执行速度。因此,对图像进行灰度化,将彩色图像转变为占用存储空间相对较小的灰度图像。二值图像是指每个像素仅有黑、白二值,其灰度值没有中间过渡的图像。二值化算法又称为阈值算法。对图像进行二值化可以给后续的分割识别工作带来很大的方便。3.3成像差分算法图像锐化的处理方法主要是梯度锐化、Robert算法,在挡风玻璃识别中通常需要锐化边缘,采用Roberts算子,利用局部差分算子寻找边缘。对图像进行锐化处理的目的是增强图像的轮廓和细节,使模糊的图像变得清晰,同时可以起到一定的去噪作用。图像的去噪主要采用中值滤波,其基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值。因为它不依赖于邻域内那些与典型值差别很大的值,所以该方法在去除脉冲噪声、椒盐噪声的同时又能保留图像边缘细节。差分算法:向前差分:f'(n)=f(n+1)-f(n)向后差分:f'(n)=f(n)-f(n-1)中心差分:f'(n)=[f(n+1)-f(n-1)]/2Robert算法原理:任意一对互相垂直方向上的差分可以看成求梯度的近似方法,采用的对角方向相邻两像素值之差代替该梯度值。它在实际应用中可用如下公式表示:其中f(x,y)是输入图像,g(x;y)是输出图像。再选取适当的门限阈值TH,如果g(x,y)里的某个像素点大于此门限阈值TH,则将对应得像素点认为是阶跃边缘点,这样就得到了边缘轮廓。3.4图像分割的质量图像区域分割是图像处理与机器视觉的基本问题之一,是由图像处理前进到图像分析的关键一步,图像分割的质量直接影响对图像的后续处理,如特征提取、目标识别的效果。图像分割的目的是将图像划分为不同的区域,图像分割的算法主要有区域生长法和边缘检测分割等。4资源提取和识别目标识别是该技术需要实现的最终目标。根据挡风玻璃形状特征截取的挡风玻璃图片(图2)。图像的预处理本文对基于数字图像处理的机动车挡风玻璃识别技术进行了研究。研究过程中辅以计算机模式识别技术和视觉技术、人工智能技术等多门技术,通过对摄像机采集到的原始图像依次进行灰度化、二值化、梯度锐化和中值滤波去噪、区域分