Application des caméras industrielles CCD

Sélectionnez un point d'échantillonnage en forme de matrice dans une certaine partie de la voie.Si la valeur statistique de la soustraction entre les deux dépasse un certain seuil, il indique la présence du véhicule.

Cette méthode consiste à tracer des lignes de détection virtuelles composées de pixels dans le sens d'un flux de trafic vertical ou parallèle, comme indiqué à la figure 2.Il est généralement composé de taches lumineuses pour faciliter la séparation de la profondeur des pixels de la surface de la route et de la ligne de détection. lorsqu'un véhicule franchit la ligne de détection, la valeur du niveau de gris sur la ligne est différente de celle lorsqu'aucun véhicule ne franchit la route;si la différence de valeur du niveau gris est supérieure à un certain seuilComme la méthode de détection des points d'échantillonnage ou des lignes de détection ne capture qu'une partie des données pixel pour traitement,la quantité de données traitées est considérablement réduitePour répondre aux exigences de la détection en temps réel, le système de traitement d'image AUTOSCOPE, qui est actuellement utilisé dans la détection de la circulation,utilise des lignes de détection pour le traitement.

Sur les tronçons routiers où les véhicules circulent simplement, de bons résultats peuvent être obtenus en utilisant des points d'échantillonnage ou des lignes de détection comme moyen de détection des véhicules.la façon de disposer les points d'échantillonnage ou les lignes de détection sera le premier problème rencontré, parce que les véhicules dans les intersections vont non seulement droit, mais ont aussi des comportements de virage, et les véhicules peuvent apparaître à n'importe quelle position.

La méthode de détection des véhicules qui utilise le traitement à écran complet permet d'obtenir plus d'informations, mais la quantité de données à traiter est également considérablement augmentée.Il y a deux méthodes de détection qui appartiennent à cette méthode: méthode de soustraction d'arrière-plan et méthode de binarisation: la méthode de soustraction d'arrière-plan prend une image sans véhicule comme arrière-plan.Lorsque l'image contenant le véhicule est soustraite de l'image de fond point par point, la partie du véhicule est soustraite, comme le système TRIP. La méthode de binaire coupe l'image à un certain seuil. La profondeur de pixel supérieure à cette valeur devient 255 (blanc),et la profondeur de pixel inférieure à cette valeur devient 0 (noir)Cela peut séparer l'objet de l'arrière-plan.

La méthode de soustraction d'arrière-plan et la méthode de binarisation présentent de nombreuses lacunes.L'inconvénient commun des deux est que lorsque la couleur de l'objet est similaire au fondEn outre, il est difficile d'établir le seuil de valeur, c'est pourquoi la méthode de coupe à valeurs multiples est proposée.Mais le processus devient de plus en plus compliqué..

R. Taktak, Rita Cucchiara, Cucchiara et d'autres pensent que parce que les informations contenues dans les images nocturnes sont très différentes de celles des images diurnes,l'utilisation d'algorithmes et de flux de détection sera très différenteEn général, la nuit et dans des conditions de faible luminosité, les seuls éléments visuels qui attirent l'attention sont les phares des voitures et leurs feux, les feux de rue, les feux de circulation et les feux de circulation.et des motifs lumineux très réfléchissants (comme les traversées de zèbres)Ils estiment que les images nocturnes ne conviennent pas aux algorithmes de détection de mouvement.

En raison de la différence de composition du trafic entre les pays nationaux et étrangers, les études étrangères identifient uniquement les grands véhicules et les petits véhicules, tandis que les études nationales sont plus compliquées.Cependant, la recherche générale simplifie les types de véhicules en grands véhicules, petits véhicules et locomotives, et utilise ces trois catégories pour l'identification.

Lorsque des lignes de détection ou des points d'échantillonnage sont utilisés pour identifier les types de véhicules, la quantité de données collectées étant faible, elles ne sont pas propices à l'identification du type de véhicule.Donc il y a moins de gens qui utilisent cette méthodePour la reconnaissance des véhicules dans les images diurnes, les caractéristiques du véhicule telles que l'apparence et la taille sont généralement utilisées comme critères de classification.

Le "réseau neuronal", qui s'est développé rapidement ces dernières années et a été appliqué dans de nombreux domaines, a également été appliqué à l'identification des types de véhicules.la plaque d'immatriculation du véhicule peut également être utilisée pour binariser l'image du numéro, et identifier et enregistrer le numéro de plaque d'immatriculation par correspondance des caractéristiques.qui peut être utilisé pour capturer des véhicules illégaux, le comptage des véhicules, l'identification du type de véhicule, l'enquête sur les points d'origine et de destination, l'analyse du temps de trajet, etc.

La technologie de reconnaissance des plaques d'immatriculation est devenue de plus en plus mature dans le pays ces dernières années.Pré-traitementEnsuite, pour le positionnement de la plaque d'immatriculation, la méthode d'étiquetage des composants de connexion est utilisée pour trouver les composants de connexion dans l'image à l'analyse,et puis déterminer la position de la plaque d'immatriculationPour la reconnaissance de caractères, après la segmentation des caractères, la taille des composants structurels est définie en fonction de la taille du texte,et enfin la méthode typologique est utilisée pour trouver des caractéristiques de texte pour la comparaisonCertains chercheurs utilisent d'autres méthodes, telles que la recherche de la plaque d'immatriculation, puis l'utilisation de la segmentation des pixels pour couper les caractères, puis l'utilisation de réseaux neuronaux pour identifier les caractères;ou utiliser le calcul des numéros de conversion à l' échelle des grises pour trouver les positions possibles des plaques d'immatriculation, puis segmenter les caractères, puis utiliser l'analyse des traits pour identifier les caractères; ou utiliser les caractéristiques changeantes des valeurs de l'échelle de gris dans l'image pour trouver la plaque d'immatriculation,utiliser des histogrammes de projection verticale pour segmenter les caractères, et utiliser la corrélation des valeurs à l'échelle des grises pour la reconnaissance.