2026-08-18
सीसीडी औद्योगिक कैमरों की छवि प्रसंस्करण तकनीक के शुरुआती अनुप्रयोग का दायरा छवि प्रसंस्करण उपकरण की उच्च कीमत और धीमी प्रसंस्करण गति से प्रभावित था, और कुछ क्षेत्रों तक सीमित था। 1970 के दशक से, सिद्धांत के विकास और एकीकृत सर्किट क्रांति के कारण कंप्यूटर प्रौद्योगिकी की उन्नति के साथ, छवि प्रसंस्करण के अनुप्रयोग का दायरा धीरे-धीरे व्यापक हो गया है। परिवहन के क्षेत्र में सीसीडी औद्योगिक कैमरों का प्रारंभिक अनुप्रयोग।
1978 में, संयुक्त राज्य अमेरिका में संघीय राजमार्ग प्रशासन ने एक विस्तृत-क्षेत्र पहचान प्रणाली विकसित करने के लिए ईई हिल्बर्ट, सी. कार्ल, डब्ल्यू. ग्रॉस, जीआर हैन्सन, एमजे ओलास्बी और एआर जॉनसन को काम पर रखा। जापान, फ्रांस, यूनाइटेड किंगडम और स्वीडन जैसे अन्य देशों ने भी क्रमशः काफी शोध में निवेश किया और अच्छे परिणाम प्राप्त किए। विदेशी देशों की तुलना में, हाल के वर्षों में परिवहन पर लागू घरेलू छवि प्रसंस्करण तकनीक के विकास ने काफी प्रगति की है। उदाहरण के लिए, चीन में लाइसेंस प्लेट पहचान वर्तमान में बहुत लोकप्रिय है, और कई निर्माताओं ने संबंधित उत्पाद लॉन्च किए हैं। निम्नलिखित परिवहन में छवि प्रसंस्करण तकनीक के अनुप्रयोग का एक संक्षिप्त परिचय है, जिसे तीन भागों में विभाजित किया गया है: वाहन पहचान, वाहन प्रकार की पहचान और वाहन ट्रैकिंग।
वाहन पहचान विधियों को मोटे तौर पर नमूना बिंदु पहचान, पहचान रेखा पहचान और पूर्ण-स्क्रीन पहचान में वर्गीकृत किया जा सकता है। इसके अलावा, रात में वाहन पहचान को इस प्रकार समझाया गया है:
लेन के एक निश्चित हिस्से में एक मैट्रिक्स-जैसे नमूना बिंदु का चयन करें। जब कोई वाहन गुजरता है, तो नमूना बिंदु का ग्रे स्तर मान मूल सड़क सतह से भिन्न होता है। यदि दोनों के बीच घटाव का सांख्यिकीय मान एक निश्चित सीमा से अधिक हो जाता है, तो यह वाहन की उपस्थिति को इंगित करता है।
इस विधि में यातायात प्रवाह की ऊर्ध्वाधर या समानांतर दिशा में पिक्सेल से बनी आभासी पहचान रेखाओं को बिछाना शामिल है, जैसा कि चित्र 2 में दिखाया गया है। यह आम तौर पर चमकीले धब्बों से बना होता है ताकि सड़क की सतह और पहचान रेखा की पिक्सेल गहराई को अलग किया जा सके। जब कोई वाहन पहचान रेखा को पार करता है, तो रेखा पर ग्रे स्तर मान तब से भिन्न होता है जब कोई वाहन सड़क को पार नहीं करता है; यदि ग्रे स्तर मान में अंतर एक निश्चित सीमा से अधिक है, तो इसका मतलब है कि एक वाहन गुजर चुका है। चूंकि नमूना बिंदु या पहचान रेखा पहचान विधि केवल प्रसंस्करण के लिए पिक्सेल डेटा के एक हिस्से को कैप्चर करती है, संसाधित डेटा की मात्रा काफी कम हो जाती है, इसलिए गणना का समय बहुत कम हो जाता है। वास्तविक समय पहचान की आवश्यकताओं को पूरा करने के लिए, वर्तमान में यातायात पहचान में उपयोग की जाने वाली छवि प्रसंस्करण प्रणाली AUTOSCOPE, प्रसंस्करण के लिए पहचान रेखाओं का उपयोग करती है।
उन सड़क खंडों पर जहां वाहन सरलता से चल रहे हैं, वाहन पहचान के साधन के रूप में नमूना बिंदुओं या पहचान रेखाओं का उपयोग करके अच्छे परिणाम प्राप्त किए जा सकते हैं; हालांकि, जटिल चौराहों में, नमूना बिंदुओं या पहचान रेखाओं को कैसे बिछाया जाए, यह पहली समस्या होगी, क्योंकि चौराहों में वाहन न केवल सीधे जाते हैं, बल्कि मुड़ने का व्यवहार भी करते हैं, और वाहन किसी भी स्थिति में दिखाई दे सकते हैं।
पूर्ण स्क्रीन प्रसंस्करण का उपयोग करने वाली वाहन पहचान विधि अधिक जानकारी प्राप्त कर सकती है, लेकिन संसाधित किए जाने वाले डेटा की मात्रा भी काफी बढ़ जाती है। इस विधि से संबंधित दो पहचान विधियाँ हैं: पृष्ठभूमि घटाव विधि और बाइनरीकरण विधि: पृष्ठभूमि घटाव विधि एक वाहन के बिना एक छवि को पृष्ठभूमि के रूप में लेती है। जब वाहन वाली छवि को पृष्ठभूमि छवि से बिंदु दर बिंदु घटाया जाता है, तो वाहन का हिस्सा घटाया जाता है, जैसे TRIP प्रणाली। बाइनरीकरण विधि एक निश्चित सीमा पर छवि को काटती है। इस मान से अधिक पिक्सेल गहराई 255 (सफेद) हो जाती है, और इस मान से कम पिक्सेल गहराई 0 (काला) हो जाती है। यह वस्तु को पृष्ठभूमि से अलग कर सकता है।
पृष्ठभूमि घटाव विधि और बाइनरीकरण विधि दोनों में कई कमियां हैं। पूर्व के लिए पृष्ठभूमि को बार-बार अपडेट करने की आवश्यकता होती है, जबकि बाद वाली एक जटिल प्रक्रिया है। दोनों का सामान्य नुकसान यह है कि जब वस्तु का रंग पृष्ठभूमि के समान होता है, तो यह कटाई की विफलता के भाग्य का सामना करेगा। इसके अलावा, सीमा मान स्थापित करना मुश्किल है, इसलिए बहु-मूल्यवान कटाई विधि प्रस्तावित है, लेकिन प्रक्रिया तेजी से जटिल हो जाती है।
विदेशी आर. तकतक, रीटा कुकियारा, कुकियारा और अन्य मानते हैं कि रात की छवियों में निहित जानकारी दिन की छवियों से काफी भिन्न होती है, इसलिए एल्गोरिदम और पहचान धाराओं का उपयोग काफी भिन्न होगा। आम तौर पर, रात में और कम रोशनी की स्थिति में, केवल ध्यान आकर्षित करने वाली दृश्य विशेषताएं कार की हेडलाइट्स और उनकी किरणें, स्ट्रीट लाइट और अत्यधिक परावर्तक प्रकाश पैटर्न (जैसे ज़ेबरा क्रॉसिंग) होती हैं। उनका मानना है कि रात की छवियां गति पहचान एल्गोरिदम के लिए उपयुक्त नहीं हैं।
घरेलू और विदेशी देशों के बीच यातायात संरचना में अंतर के कारण, विदेशी अध्ययनों में केवल बड़े वाहनों और छोटे वाहनों की पहचान की जाती है, जबकि घरेलू अध्ययनों में अधिक जटिलता होती है। हालांकि, सामान्य शोध वाहन प्रकारों को बड़े वाहनों, छोटे वाहनों और लोकोमोटिव में सरल बनाता है, और पहचान के लिए इन तीन श्रेणियों का उपयोग करता है।
जब वाहन प्रकारों की पहचान के तरीके के रूप में पहचान रेखाओं या नमूना बिंदुओं का उपयोग किया जाता है, क्योंकि एकत्र किए गए डेटा की मात्रा कम होती है, यह वाहन प्रकार की पहचान के लिए अनुकूल नहीं है, इसलिए इस विधि का उपयोग करने वाले लोग कम हैं। दिन की छवियों में वाहन पहचान के लिए, वाहन की उपस्थिति और आकार जैसी वाहन विशेषताओं का उपयोग आमतौर पर वर्गीकरण मानदंड के रूप में किया जाता है। संबंधित साहित्य को इस प्रकार व्यवस्थित किया गया है।
"न्यूरल नेटवर्क", जिसने हाल के वर्षों में तेजी से विकास किया है और कई क्षेत्रों में लागू किया गया है, वाहन प्रकारों की पहचान के लिए भी लागू किया गया है। इसके अलावा, वाहन लाइसेंस प्लेट का उपयोग संख्या छवि को बाइनरीकृत करने, और सुविधा मिलान के माध्यम से लाइसेंस प्लेट संख्या की पहचान और रिकॉर्ड करने के लिए भी किया जा सकता है। डेटाबेस तुलना के माध्यम से, प्रत्येक संख्या एक निश्चित वाहन प्रकार के अनुरूप हो सकती है, जिसका उपयोग अवैध वाहनों को पकड़ने, वाहन गणना, वाहन प्रकार की पहचान, उत्पत्ति और गंतव्य बिंदु जांच, यात्रा समय विश्लेषण आदि के लिए किया जा सकता है।
लाइसेंस प्लेट पहचान तकनीक हाल के वर्षों में देश में तेजी से परिपक्व हो गई है। कुछ विद्वानों का मानना है कि लाइसेंस प्लेट पहचान को तीन चरणों में विभाजित किया जा सकता है: पूर्व-प्रसंस्करण, जो छवि को बाइनरीकृत करता है और शोर को हटाता है। फिर, लाइसेंस प्लेट पोजिशनिंग के लिए, कनेक्टिंग कंपोनेंट लेबलिंग विधि का उपयोग छवि में कनेक्टिंग कंपोनेंट्स को खोजने और विश्लेषण करने के लिए किया जाता है, और फिर लाइसेंस प्लेट की स्थिति निर्धारित की जाती है। कैरेक्टर पहचान के लिए, कैरेक्टर सेगमेंटेशन के बाद, टेक्स्ट आकार के अनुसार स्ट्रक्चरल कंपोनेंट्स का आकार सेट किया जाता है, और अंत में टेक्स्ट फीचर्स को खोजने के लिए टाइपोलॉजिकल विधि का उपयोग किया जाता है। कुछ विद्वान अन्य विधियों का उपयोग करते हैं, जैसे लाइसेंस प्लेट की खोज करना और फिर पिक्सेल सेगमेंटेशन का उपयोग करके कैरेक्टर को काटना और फिर कैरेक्टर की पहचान के लिए न्यूरल नेटवर्क का उपयोग करना; या ग्रे-स्केल रूपांतरण संख्याओं की गणना का उपयोग करके संभावित लाइसेंस प्लेट की स्थिति खोजना, फिर कैरेक्टर को सेगमेंट करना, और फिर कैरेक्टर की पहचान के लिए स्ट्रोक विश्लेषण का उपयोग करना; या छवि में ग्रे-स्केल मानों की बदलती विशेषताओं का उपयोग करके लाइसेंस प्लेट की स्थिति खोजना, कैरेक्टर को सेगमेंट करने के लिए ऊर्ध्वाधर प्रक्षेपण हिस्टोग्राम का उपयोग करना, और पहचान के लिए ग्रे-स्केल मान सहसंबंध का उपयोग करना।
लगातार छवियों में वाहनों की प्रक्षेपवक्र की रिकॉर्डिंग को ट्रैकिंग कहा जाता है। एंथोनी पी. सिएर्वो ने पहली बार वाहन की प्रक्षेपवक्र को लगातार ट्रैक करने के लिए वाहनों का पता लगाने और वाहन की स्थिति की भविष्यवाणी करने की विधि प्रस्तावित की। उनमें से, जो लोग ट्रैकिंग के लिए नमूना बिंदुओं या पहचान रेखाओं का उपयोग करते हैं, वे निष्क्रिय स्थिति में होते हैं क्योंकि चयनित पिक्सेल केवल एक निश्चित सीमा तक सीमित होते हैं, जो ट्रैकिंग के लिए अनुकूल नहीं है। एन. हूज़ एक टी-आकार के चौराहे का उदाहरण लेते हैं जिसमें प्रत्येक आसन्न दिशा में दो-लेन दो-लेन होते हैं। चौराहे में प्रवेश करने से पहले और चौराहे से बाहर निकलने के बाद लेन पर ट्रांसवर्स पहचान रेखा शील्ड बिछाई जाती हैं ताकि प्रवेश करने और बाहर निकलने वाले वाहनों की आसन्न दिशा संख्या को रिकॉर्ड किया जा सके। साथ ही, छवि पर वाहन के आकार, आकार और स्थिति को ट्रैक करने के लिए रिकॉर्ड किया जाता है, लेकिन त्रुटि काफी बड़ी होती है। संक्षेप में, चार वाहन ट्रैकिंग विधियाँ हैं: पैटर्न-आधारित ट्रैकिंग, क्षेत्र-आधारित ट्रैकिंग और कंटूर-आधारित ट्रैकिंग। विदेशी शोध साहित्य में, प्रत्येक लेन में केवल एक वाहन को ट्रैक किया जाता है। चौराहे में वाहन संचालन के तंत्र को समझने के लिए, चौराहे के भीतर सभी दिशाओं में एक साथ वाहनों को ट्रैक करना आवश्यक है। अन्यथा, केवल अधूरी जानकारी प्राप्त होगी, जो पूरे के लिए सीमित सहायता प्रदान करेगी।
