Aplicación de cámaras industriales CCD.

Seleccionar un punto de muestra en forma de matriz en una parte determinada del carril. Cuando un vehículo pasa, el valor del nivel de gris del punto de muestra es diferente al de la superficie original de la carretera.Si el valor estadístico de la resta entre los dos excede un cierto umbral, indica la presencia del vehículo.

Este método consiste en establecer líneas de detección virtuales compuestas por píxeles en la dirección del flujo de tráfico vertical o paralelo, como se muestra en la figura 2.Se compone generalmente de puntos brillantes para facilitar la separación de la profundidad de los píxeles de la superficie de la carretera y la línea de detección. Cuando un vehículo pasa la línea de detección, el valor del nivel de gris en la línea es diferente de cuando ningún vehículo pasa la carretera;si la diferencia en el valor del nivel de gris es superior a un cierto umbralDado que el método de detección del punto de muestra o de la línea de detección solo captura una parte de los datos de píxeles para su procesamiento,la cantidad de datos tratados se reduce significativamentePara cumplir con los requisitos de detección en tiempo real, el sistema de procesamiento de imágenes AUTOSCOPE, que se utiliza actualmente en la detección de tráfico,utiliza líneas de detección para el procesamiento.

En tramos de carretera en los que los vehículos se desplazan de forma sencilla, se pueden obtener buenos resultados utilizando puntos de muestra o líneas de detección como medio de detección de vehículos; sin embargo, en intersecciones complejas,El primer problema que surgirá será cómo establecer los puntos de muestra o las líneas de detección., porque los vehículos en las intersecciones no sólo van directamente, sino que también tienen comportamientos de giro, y los vehículos pueden aparecer en cualquier posición.

El método de detección de vehículos que utiliza el procesamiento de pantalla completa puede obtener más información, pero también aumenta significativamente la cantidad de datos a procesar.Hay dos métodos de detección que pertenecen a este método: método de sustracción de fondo y método de binarización: el método de sustracción de fondo toma una imagen sin un vehículo como fondo.Cuando la imagen que contiene el vehículo se resta de la imagen de fondo punto por punto, la parte del vehículo se resta, como el sistema TRIP. El método de binarización corta la imagen a un cierto umbral. La profundidad de píxeles superior a este valor se convierte en 255 (blanco),y la profundidad de píxel inferior a este valor se convierte en 0 (negro)Esto puede separar el objeto del fondo.

Tanto el método de sustracción de fondo como el método de binarización tienen muchas deficiencias.La desventaja común de ambos es que cuando el color del objeto es similar al fondoAdemás, es difícil establecer el valor umbral, por lo que se propone el método de corte de varios valores,Pero el proceso se vuelve cada vez más complicado..

El extranjero R. Taktak, Rita Cucchiara, Cucchiara y otros creen que debido a que la información contenida en las imágenes nocturnas es muy diferente de la de las imágenes diurnas,el uso de algoritmos y flujos de detección será muy diferenteEn general, por la noche y con poca iluminación, las únicas características visuales llamativas son los faros de los automóviles y sus haces, las luces de las calles, las luces de los automóviles y las luces de los vehículos.y patrones de luz altamente reflectantes (como cruces de cebra)Creen que las imágenes nocturnas no son adecuadas para algoritmos de detección de movimiento.

Debido a la diferencia en la composición del tráfico entre los países nacionales y extranjeros, los estudios extranjeros solo identifican vehículos grandes y pequeños, mientras que los estudios nacionales son más complicados.Sin embargo, la investigación general simplifica los tipos de vehículos en vehículos grandes, vehículos pequeños y locomotoras, y utiliza estas tres categorías para la identificación.

Cuando se utilicen líneas de detección o puntos de muestreo para identificar tipos de vehículos, debido a que la cantidad de datos recogidos es pequeña, no es propicio para la identificación del tipo de vehículo.Así que hay menos gente usando este métodoPara el reconocimiento de vehículos en imágenes diurnas, las características del vehículo, como la apariencia y el tamaño, se utilizan generalmente como criterios de clasificación.

La "red neuronal", que se ha desarrollado rápidamente en los últimos años y se ha aplicado a muchos campos, también se ha aplicado a la identificación de tipos de vehículos.la placa de matrícula del vehículo también se puede utilizar para binarizar la imagen del número, y identificar y registrar el número de matrícula a través de la coincidencia de características. A través de la comparación de bases de datos, cada número puede corresponder a un determinado tipo de vehículo,que pueden usarse para capturar vehículos ilegales, el recuento de vehículos, la identificación del tipo de vehículo, la investigación del punto de origen y destino, el análisis del tiempo de viaje, etc.

La tecnología de reconocimiento de matrículas se ha vuelto cada vez más madura en el país en los últimos años.PreprocesamientoLuego, para el posicionamiento de la placa de matrícula, el método de etiquetado de componentes de conexión se utiliza para encontrar los componentes de conexión en la imagen para su análisis,y luego determinar la posición de la placa de matrículaPara el reconocimiento de caracteres, después de la segmentación de caracteres, el tamaño de los componentes estructurales se establece de acuerdo con el tamaño del texto,y finalmente el método tipológico se utiliza para encontrar características de texto para la comparaciónAlgunos estudiosos usan otros métodos, como buscar la placa de matrícula y luego usar la segmentación de píxeles para cortar los caracteres y luego usar redes neuronales para identificar los caracteres;o utilizar el cálculo de los números de conversión en escala de grises para encontrar posibles posiciones de la placa de matrícula, luego segmentar los caracteres, y luego utilizar el análisis de trazos para identificar los caracteres; o utilizar las características cambiantes de los valores de escala de grises en la imagen para encontrar la ubicación de la placa de matrícula,utilizar histogramas de proyección vertical para segmentar los caracteres, y utilizar la correlación de valores en escala de grises para el reconocimiento.