Penerapan kamera industri CCD

2026-08-18

Lingkup aplikasi awal teknologi pemrosesan gambar kamera industri CCD dipengaruhi oleh harga tinggi dan kecepatan pemrosesan peralatan pemrosesan gambar yang lambat,dan terbatas pada bidang tertentuSejak tahun 1970-an, dengan perkembangan teori dan kemajuan teknologi komputer karena revolusi sirkuit terintegrasi,ruang lingkup aplikasi pemrosesan gambar telah secara bertahap diperluasAplikasi pertama kamera industri CCD di bidang transportasi.

Pada tahun 1978, Federal Highway Administration di Amerika Serikat menugaskan EE Hilbert, C. Carl, W. Gross, GR Hanson, MJ Olasaby dan AR Johnson untuk mengembangkan sistem deteksi area luas.Negara lain seperti Jepang, Prancis, Inggris, dan Swedia juga telah berinvestasi secara berurutan dalam penelitian yang cukup besar dan mencapai hasil yang baik.perkembangan teknologi pemrosesan gambar domestik yang diterapkan pada transportasi telah membuat kemajuan yang cukup besar dalam beberapa tahun terakhirMisalnya, pengenalan plat nomor saat ini sangat populer di Cina, dan banyak produsen telah meluncurkan produk yang sesuai.Berikut adalah pengantar singkat tentang aplikasi teknologi pengolahan gambar dalam transportasi, yang dibagi menjadi tiga bagian: deteksi kendaraan, identifikasi jenis kendaraan, dan pelacakan kendaraan.

1), deteksi kendaraan

Metode deteksi kendaraan dapat secara kasar diklasifikasikan menjadi deteksi titik sampel, deteksi garis deteksi, dan deteksi layar penuh.

(1) Deteksi titik sampel

Pilih titik sampel yang mirip matriks di bagian tertentu dari jalur. Ketika kendaraan melewati, nilai tingkat abu-abu dari titik sampel berbeda dari permukaan jalan asli.Jika nilai statistik pengurangan antara keduanya melebihi ambang batas tertentu, menunjukkan keberadaan kendaraan.

(2), deteksi garis deteksi

Metode ini adalah untuk meletakkan garis deteksi virtual yang terdiri dari piksel ke arah aliran lalu lintas vertikal atau paralel, seperti yang ditunjukkan pada Gambar 2.Ini umumnya terdiri dari bintik-bintik terang untuk memfasilitasi pemisahan kedalaman piksel permukaan jalan dan garis deteksiKetika kendaraan melewati garis deteksi, nilai tingkat abu-abu pada garis berbeda dari ketika tidak ada kendaraan melewati jalan;jika perbedaan nilai tingkat abu-abu lebih besar dari ambang batas tertentuKarena metode deteksi titik sampel atau jalur deteksi hanya menangkap sebagian data piksel untuk diproses,jumlah data yang diproses berkurang secara signifikanUntuk memenuhi persyaratan deteksi real-time, sistem pengolahan gambar AUTOSCOPE, yang saat ini digunakan dalam deteksi lalu lintas,menggunakan jalur deteksi untuk pengolahan.

Pada bagian jalan di mana kendaraan berjalan dengan mudah, hasil yang baik dapat diperoleh dengan menggunakan titik sampel atau garis deteksi sebagai sarana deteksi kendaraan; Namun, di persimpangan yang kompleks,bagaimana mengatur titik sampel atau garis deteksi akan menjadi masalah pertama yang dihadapi, karena kendaraan di persimpangan tidak hanya berjalan lurus, tetapi juga memiliki perilaku berbelok, dan kendaraan dapat muncul di posisi apa pun.

(3), deteksi layar penuh

Metode deteksi kendaraan yang menggunakan pemrosesan layar penuh dapat memperoleh lebih banyak informasi, tetapi jumlah data yang harus diproses juga meningkat secara signifikan.Ada dua metode deteksi yang termasuk metode ini: metode pengurangan latar belakang dan metode binarisasi: metode pengurangan latar belakang mengambil gambar tanpa kendaraan sebagai latar belakang.Bila gambar yang berisi kendaraan dikurangi dari gambar latar belakang titik demi titik, bagian kendaraan dikurangi, seperti sistem TRIP. Metode binarisasi memotong gambar pada ambang tertentu. kedalaman piksel yang lebih tinggi dari nilai ini menjadi 255 (putih),dan kedalaman piksel yang lebih rendah dari nilai ini menjadi 0 (hitam)Ini bisa memisahkan objek dari latar belakang.

Kedua metode pengurangan latar belakang dan metode binarisasi memiliki banyak kekurangan. Yang pertama membutuhkan pembaruan latar belakang yang sering, sementara yang terakhir memiliki proses yang rumit.Kelemahan umum dari keduanya adalah bahwa ketika warna objek mirip dengan latar belakangSelain itu, sulit untuk menetapkan nilai ambang, sehingga metode pemotongan multi-nilai diusulkan,tapi prosesnya menjadi semakin rumit.

(4) Deteksi kendaraan di malam hari

Asing R. Taktak, Rita Cucchiara, Cucchiara dan lain-lain percaya bahwa karena informasi yang terkandung dalam gambar malam sangat berbeda dari gambar siang,penggunaan algoritma dan aliran deteksi akan sangat berbedaSecara umum, di malam hari dan dalam kondisi pencahayaan yang lemah, satu-satunya fitur visual yang menarik adalah lampu depan mobil dan sinarnya, lampu jalan, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, lampu depan mobil, dan lain sebagainya.dan pola cahaya yang sangat reflektif (seperti penyeberangan zebra)Mereka percaya bahwa gambar malam tidak cocok untuk algoritma deteksi gerak.

2) Identifikasi kendaraan

(1), identifikasi kendaraan

Karena perbedaan dalam komposisi lalu lintas antara negara domestik dan luar negeri, studi asing hanya mengidentifikasi kendaraan besar dan kendaraan kecil, sedangkan studi domestik lebih rumit.Namun, penelitian umum menyederhanakan jenis kendaraan menjadi kendaraan besar, kendaraan kecil dan lokomotif, dan menggunakan tiga kategori ini untuk identifikasi.

Ketika menggunakan garis deteksi atau titik sampel sebagai cara untuk mengidentifikasi jenis kendaraan, karena jumlah data yang dikumpulkan kecil, tidak kondusif untuk identifikasi jenis kendaraan,jadi ada lebih sedikit orang yang menggunakan metode iniUntuk pengenalan kendaraan dalam gambar siang hari, karakteristik kendaraan seperti penampilan dan ukuran biasanya digunakan sebagai kriteria klasifikasi.

"Neural Network", yang telah berkembang pesat dalam beberapa tahun terakhir dan telah diterapkan ke banyak bidang, juga telah diterapkan untuk identifikasi jenis kendaraan.plat nomor kendaraan juga dapat digunakan untuk binarize gambar nomor, dan mengidentifikasi dan merekam nomor plat melalui pencocokan fitur.yang dapat digunakan untuk menangkap kendaraan ilegal, penghitungan kendaraan, identifikasi jenis kendaraan, penyelidikan titik asal dan tujuan, analisis waktu perjalanan, dll.

(2) Pengakuan plat nomor

Teknologi pengenalan plat nomor telah semakin matang di negara ini dalam beberapa tahun terakhir.pra-pengolahanKemudian, untuk posisi plat nomor, metode pelabelan komponen penghubung digunakan untuk menemukan komponen penghubung dalam gambar untuk analisis,dan kemudian menentukan posisi plat nomorUntuk pengenalan karakter, setelah segmentasi karakter, ukuran komponen struktural ditetapkan sesuai dengan ukuran teks,dan akhirnya metode tipologi digunakan untuk menemukan fitur teks untuk perbandinganBeberapa sarjana menggunakan metode lain, seperti mencari plat nomor dan kemudian menggunakan segmentasi piksel untuk memotong karakter dan kemudian menggunakan jaringan saraf untuk mengidentifikasi karakter;atau menggunakan perhitungan angka konversi skala abu-abu untuk menemukan posisi plat nomor yang mungkin, kemudian segmen karakter, dan kemudian menggunakan analisis stroke untuk mengidentifikasi karakter; atau menggunakan perubahan karakteristik dari nilai skala abu-abu dalam gambar untuk menemukan lokasi plat,menggunakan histogram proyeksi vertikal untuk segmen karakter, dan gunakan korelasi nilai skala abu-abu untuk pengakuan.

3) Pelacakan kendaraan

Rekaman lintasan kendaraan dalam gambar terus menerus disebut pelacakan.Ciervo pertama kali mengusulkan metode mendeteksi kendaraan dan memprediksi posisi kendaraan untuk terus melacak lintasan kendaraanDi antara mereka, mereka yang menggunakan titik sampel atau garis deteksi untuk pelacakan berada dalam keadaan pasif karena piksel yang dipilih hanya terbatas pada rentang tetap, yang tidak kondusif untuk pelacakan.Hoose mengambil persimpangan berbentuk T dengan dua jalur dua jalur di setiap arah yang berdekatan sebagai contoh. Transverse detection line shields are laid out on the lanes before entering the intersection and after leaving the intersection to record the adjacent direction numbers of vehicles entering and leavingPada saat yang sama, bentuk, ukuran dan posisi kendaraan pada gambar dicatat untuk melacak kendaraan, tetapi kesalahan yang cukup besar.Pelacakan berbasis polaDalam literatur penelitian asing, hanya satu kendaraan di setiap jalur yang dilacak. Untuk memahami mekanisme operasi kendaraan di persimpangan,kendaraan harus dilacak ke semua arah dalam persimpangan pada saat yang samaJika tidak, hanya informasi yang tidak lengkap yang akan diperoleh, yang akan sedikit membantu keseluruhan.

Modul kamera USB

Modul Kamera MIPI

Modul Kamera Rana Global

Modul Kamera Endoskop

Modul Kamera Binokular

Modul Kamera DVP

Modul Kamera AR VR

Modul Kamera OIS

modul kamera raspberry pi

Penerapan kamera industri CCD