Εφαρμογή βιομηχανικών καμερών CCD

Επιλέγεται ένα σημείο δείγματος σε σχήμα πλέγματος σε ένα ορισμένο μέρος της λωρίδας. Όταν ένα όχημα περνάει, η τιμή του επιπέδου του γκρι του σημείου δείγματος είναι διαφορετική από αυτή της αρχικής επιφάνειας του δρόμου. Εάν η στατιστική τιμή της αφαίρεσης μεταξύ των δύο υπερβαίνει ένα ορισμένο όριο, υποδεικνύει την παρουσία του οχήματος.

Αυτή η μέθοδος είναι η διάταξη εικονικών γραμμών ανίχνευσης που αποτελούνται από εικονοστοιχεία στην κατεύθυνση της κάθετης ή παράλληλης ροής κυκλοφορίας, όπως φαίνεται στο Σχήμα 2. Γενικά αποτελείται από φωτεινά σημεία για να διευκολυνθεί ο διαχωρισμός του βάθους των εικονοστοιχείων της επιφάνειας του δρόμου και της γραμμής ανίχνευσης. Όταν ένα όχημα περνάει τη γραμμή ανίχνευσης, η τιμή του επιπέδου του γκρι στη γραμμή είναι διαφορετική από όταν κανένα όχημα δεν περνάει το δρόμο. εάν η διαφορά στην τιμή του επιπέδου του γκρι είναι μεγαλύτερη από ένα ορισμένο όριο, σημαίνει ότι ένα όχημα έχει περάσει. Δεδομένου ότι η μέθοδος ανίχνευσης σημείων δείγματος ή γραμμής ανίχνευσης συλλαμβάνει μόνο μέρος των δεδομένων εικονοστοιχείων για επεξεργασία, ο όγκος των επεξεργασμένων δεδομένων μειώνεται σημαντικά, οπότε ο χρόνος υπολογισμού μειώνεται πολύ. Για να ικανοποιηθούν οι απαιτήσεις ανίχνευσης σε πραγματικό χρόνο, το σύστημα επεξεργασίας εικόνας AUTOSCOPE, το οποίο χρησιμοποιείται επί του παρόντος στην ανίχνευση κυκλοφορίας, χρησιμοποιεί γραμμές ανίχνευσης για επεξεργασία.

Σε τμήματα δρόμων όπου τα οχήματα κινούνται απλά, μπορούν να επιτευχθούν καλά αποτελέσματα χρησιμοποιώντας σημεία δείγματος ή γραμμές ανίχνευσης ως μέσο ανίχνευσης οχημάτων. Ωστόσο, σε πολύπλοκες διασταυρώσεις, το πώς θα διαταχθούν τα σημεία δείγματος ή οι γραμμές ανίχνευσης θα είναι το πρώτο πρόβλημα που θα αντιμετωπιστεί, επειδή τα οχήματα στις διασταυρώσεις όχι μόνο κινούνται ευθεία, αλλά έχουν και συμπεριφορές στροφής, και τα οχήματα μπορεί να εμφανίζονται σε οποιαδήποτε θέση.

Η μέθοδος ανίχνευσης οχημάτων που χρησιμοποιεί επεξεργασία πλήρους οθόνης μπορεί να αποκτήσει περισσότερες πληροφορίες, αλλά ο όγκος των δεδομένων που πρέπει να επεξεργαστούν αυξάνεται επίσης σημαντικά. Υπάρχουν δύο μέθοδοι ανίχνευσης που ανήκουν σε αυτή τη μέθοδο: η μέθοδος αφαίρεσης φόντου και η μέθοδος δυαδικοποίησης: η μέθοδος αφαίρεσης φόντου παίρνει μια εικόνα χωρίς όχημα ως φόντο. Όταν η εικόνα που περιέχει το όχημα αφαιρείται από την εικόνα φόντου εικονοστοιχείο προς εικονοστοιχείο, το μέρος του οχήματος αφαιρείται, όπως το σύστημα TRIP. Η μέθοδος δυαδικοποίησης κόβει την εικόνα σε ένα ορισμένο όριο. Το βάθος των εικονοστοιχείων υψηλότερο από αυτή την τιμή γίνεται 255 (λευκό), και το βάθος των εικονοστοιχείων χαμηλότερο από αυτή την τιμή γίνεται 0 (μαύρο). Αυτό μπορεί να διαχωρίσει το αντικείμενο από το φόντο.

Τόσο η μέθοδος αφαίρεσης φόντου όσο και η μέθοδος δυαδικοποίησης έχουν πολλά μειονεκτήματα. Η πρώτη απαιτεί συχνή ενημέρωση του φόντου, ενώ η δεύτερη έχει περίπλοκη διαδικασία. Το κοινό μειονέκτημα και των δύο είναι ότι όταν το χρώμα του αντικειμένου είναι παρόμοιο με το φόντο, θα αντιμετωπίσει τη μοίρα της αποτυχίας κοπής. Επιπλέον, είναι δύσκολο να καθοριστεί η τιμή του ορίου, οπότε προτείνεται η μέθοδος πολλαπλής κοπής, αλλά η διαδικασία γίνεται όλο και πιο περίπλοκη.

Οι ξένοι R. Taktak, Rita Cucchiara, Cucchiara και άλλοι πιστεύουν ότι επειδή οι πληροφορίες που περιέχονται στις νυχτερινές εικόνες είναι αρκετά διαφορετικές από αυτές των ημερήσιων εικόνων, η χρήση αλγορίθμων και ροών ανίχνευσης θα είναι αρκετά διαφορετική. Γενικά, τη νύχτα και σε συνθήκες χαμηλού φωτισμού, τα μόνα οπτικά χαρακτηριστικά που τραβούν την προσοχή είναι οι προβολείς των αυτοκινήτων και οι δέσμες τους, τα φώτα του δρόμου και τα εξαιρετικά ανακλαστικά μοτίβα φωτός (όπως οι διαβάσεις ζέβρας). Πιστεύουν ότι οι νυχτερινές εικόνες δεν είναι κατάλληλες για αλγορίθμους ανίχνευσης κίνησης.

Λόγω της διαφοράς στη σύνθεση της κυκλοφορίας μεταξύ εγχώριων και ξένων χωρών, οι ξένες μελέτες αναγνωρίζουν μόνο μεγάλα και μικρά οχήματα, ενώ οι εγχώριες μελέτες είναι πιο περίπλοκες. Ωστόσο, η γενική έρευνα απλοποιεί τους τύπους οχημάτων σε μεγάλα οχήματα, μικρά οχήματα και μοτοσικλέτες, και χρησιμοποιεί αυτές τις τρεις κατηγορίες για αναγνώριση.

Όταν χρησιμοποιούνται γραμμές ανίχνευσης ή σημεία δείγματος ως τρόπος αναγνώρισης τύπων οχημάτων, επειδή ο όγκος των συλλεγόμενων δεδομένων είναι μικρός, δεν είναι ευνοϊκός για την αναγνώριση τύπου οχήματος, οπότε υπάρχουν λιγότεροι άνθρωποι που χρησιμοποιούν αυτή τη μέθοδο. Για την αναγνώριση οχημάτων σε ημερήσιες εικόνες, τα χαρακτηριστικά του οχήματος όπως η εμφάνιση και το μέγεθος χρησιμοποιούνται συνήθως ως κριτήρια ταξινόμησης. Σχετική βιβλιογραφία οργανώνεται ως εξής.

"Νευρωνικό Δίκτυο", το οποίο έχει αναπτυχθεί ραγδαία τα τελευταία χρόνια και έχει εφαρμοστεί σε πολλούς τομείς, έχει επίσης εφαρμοστεί στην αναγνώριση τύπων οχημάτων. Επιπλέον, η πινακίδα κυκλοφορίας του οχήματος μπορεί επίσης να χρησιμοποιηθεί για τη δυαδικοποίηση της εικόνας του αριθμού, και να αναγνωρίσει και να καταγράψει τον αριθμό της πινακίδας μέσω αντιστοίχισης χαρακτηριστικών. Μέσω σύγκρισης βάσης δεδομένων, κάθε αριθμός μπορεί να αντιστοιχεί σε έναν συγκεκριμένο τύπο οχήματος, ο οποίος μπορεί να χρησιμοποιηθεί για τη σύλληψη παράνομων οχημάτων, την καταμέτρηση οχημάτων, την αναγνώριση τύπου οχήματος, την έρευνα σημείων προέλευσης και προορισμού, την ανάλυση χρόνου ταξιδιού κ.λπ.

Η τεχνολογία αναγνώρισης πινακίδων κυκλοφορίας έχει γίνει όλο και πιο ώριμη στη χώρα τα τελευταία χρόνια. Ορισμένοι μελετητές πιστεύουν ότι η αναγνώριση πινακίδων κυκλοφορίας μπορεί να χωριστεί σε τρία στάδια: προεπεξεργασία, η οποία δυαδικοποιεί την εικόνα και αφαιρεί θόρυβο. Στη συνέχεια, για τον εντοπισμό της πινακίδας κυκλοφορίας, χρησιμοποιείται η μέθοδος επισήμανσης συνδεδεμένων στοιχείων για την εύρεση των συνδεδεμένων στοιχείων στην εικόνα για ανάλυση, και στη συνέχεια προσδιορίζεται η θέση της πινακίδας κυκλοφορίας. Για την αναγνώριση χαρακτήρων, μετά τον διαχωρισμό χαρακτήρων, το μέγεθος των δομικών στοιχείων ορίζεται σύμφωνα με το μέγεθος του κειμένου, και τέλος χρησιμοποιείται η τυπολογική μέθοδος για την εύρεση χαρακτηριστικών κειμένου για σύγκριση. Ορισμένοι μελετητές χρησιμοποιούν άλλες μεθόδους, όπως η αναζήτηση της πινακίδας κυκλοφορίας και στη συνέχεια η χρήση διαχωρισμού εικονοστοιχείων για την κοπή των χαρακτήρων και στη συνέχεια η χρήση νευρωνικών δικτύων για την αναγνώριση των χαρακτήρων. ή χρησιμοποιούν τον υπολογισμό αριθμών μετατροπής γκρι για να βρουν πιθανές θέσεις πινακίδων κυκλοφορίας, στη συνέχεια διαχωρίζουν τους χαρακτήρες, και στη συνέχεια χρησιμοποιούν ανάλυση εγκεφαλικού επεισοδίου για την αναγνώριση των χαρακτήρων. ή χρησιμοποιούν τα χαρακτηριστικά αλλαγής των τιμών γκρι στην εικόνα για να βρουν τη θέση της πινακίδας κυκλοφορίας, χρησιμοποιούν κατακόρυφα διαγράμματα προβολής για να διαχωρίσουν τους χαρακτήρες, και χρησιμοποιούν συσχέτιση τιμών γκρι για αναγνώριση.