前言：尋找寫作靈感？中文期刊網用心挑選的圖像處理技術的車輛識別系統，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。
采用圖像識別的方式通過監控攝像頭進行道路交通情況信息采集分析，通過基于C++的OpenCV技術進行車輛識別，用幀差法截取出畫面中的運動部分，當相應像素值改變達到預設的閾值時，標記為車輛區域，將幀差圖像轉化為灰度圖像模式，并對其進行二值化處理，最后對畫面進行膨脹腐蝕處理，系統識別出車輛后，對車輛進行標記，通過撞線檢測，得到車流數據，實現基于圖像處理技術的車輛識別系統。
引言：
在國內整體經濟迅猛發展的今天，汽車交通已經走入了家庭生活，百姓對汽車的需求越來越大。截止至2016年底，根據中國交通部門公布的統計數據顯示，我國的汽車擁有數量超過了1.9億，增長量超過20%，未來車輛擁有數量仍呈現上升趨勢。面對車輛保有量的急劇增長，城市交通道路壓力日益嚴峻。車輛識別是對道路的車流量進行檢測，并入交通管理系統中對我國的日趨繁重交通管理有著很好的輔助作用。
1系統
為了獲得道路交通數據，本系統采用了基于C++的OpenCV技術進行車輛識別，將識別出來的車輛進行計數用于車流檢測。
1.1車輛識別
本系統的第一步需要進行車輛識別，識別的原理是通過檢測畫面中的運動物體來識別出車輛。
1.1.1運動目標檢測
運動目標檢測的意思是在輸入圖像中將變化部分檢測出來并從背景畫面中將運動目標截取出來，通常根據攝像頭是否可以轉動，分為靜態背景檢測和動態背景檢測。本系統的應用場景是將道路交通中通過監控攝像頭實時拍攝的視頻畫面進行圖像處理，得到車流數據，因此考慮的是靜態背景下幾種經常使用的目標檢測算法——幀差法、光流法以及背景差分法。光流法是指在合適的平滑性約束條件下，通過估算圖像序列的時空梯度得出運動場，并根據運動場的改變對運動物體和場景發起分割與檢測，但光流法計算較為復雜，想要達到實時處理的效果比較困難，且結果容易受到陰影、噪聲和畫面光源等影響。而背景差分法的算法模型相對復雜，且道路交通環境易受天氣影響，固定背景不能保持不變，因此本系統選用的是幀差法。使用最多的運動物體檢測方法之一就是幀差法，其基礎理論是在圖像序列的鄰近兩幀通過基于畫面像素的時間差分然后二值化來截取出畫面中的運動部分。將當前幀畫面相應像素值減去上一幀畫面得到幀差圖像，并對幀差圖像二值化處理，當環境像素值變化小的情況下，若相應像素值改變沒有達到預設的閾值時，可判定這里是背景區域；若畫面某塊的像素值變化較大，可判定這是因為畫面中車輛運動導致的，通過標記這一塊為車輛區域，根據標記的區域像素塊可識別出車輛在畫面中的位置。因為兩幀之間時間差距非常小，使用前一幀畫面當作當前幀的背景圖像，這樣處理的實時性大大提高，不會累積背景畫面，更新快、計算量小、算法容易實現。該方法的主要難點是選擇合適的二值化閾值，若閾值太低則無法抑制畫面中的噪聲，若太高可能會存在部分車輛識別不到。本系統通過迭代法算法獲取最佳二值化閾值。
1.1.2圖像增強
因為在圖像識別中，RGB圖像模式會對識別造成一定的干擾，加大了有效識別的難度，所以在通過幀差法獲得幀差圖像后，先將幀差圖像轉化為灰度圖像模式。由于在視頻拍攝時會存在一個均勻的電流干擾，所以在轉化為灰度圖像后會對圖像進行高斯平滑處理以消去電流干擾。經過以上圖像增強處理后，可以得到一個車輛模糊的灰度輪廓，此時對處理后的幀差圖像進行二值化處理可以有效提高車輛的識別率。
1.1.3深度圖像處理
最后對幀差圖像進行二值化處理。圖像二值化是將畫面上的像素點的灰度值設置為0或255，也就是讓整個畫面只存在黑和白兩種顏色。這使得數據量減小，圖像變得更容易處理，還能凸出感興趣物體的外部輪廓，有利于圖像的進一步處理。經過二值化后圖像可以顯示出黑白兩色的車輛輪廓，如下圖所示。為了得到一個車輛整體，需要繼續進行膨脹處理。膨脹后的車輛輪廓容易與旁邊物體結合在一起，所以還需要進行腐蝕處理，將因膨脹而產生的結合和非關鍵點以及區域消去，最終最大程度地識別出車輛。在經過上述一連串的操作后，已經可以基本識別出車輛，接下來需要在視頻畫面上標記出車輛以及車流統計。
1.2車流檢測
系統識別出車輛后，會在視頻畫面上用方框標記車輛，然后在視頻畫面上設置一條橫線，當車輛通過該橫線時就會統計車流數加一，最終得到車流數據，并將統計好的車流數顯示在畫面的右上角。
1.2.1車輛標記
當需要找出某物體的外部輪廓點集合時，往往會使用到凸包算法。凸包算法是指用一個凸多邊形框住全部的點的一個算法。采用凸包函數可以很容易找到車輛輪廓的凸包，并根據凸包集合點畫出車輛方框。統計視頻畫面內出現的車輛數，在畫出方框的同時也標記該車輛數在方框上。
1.2.2撞線檢測
在識別出車輛后，為了能得到一段時間內通過監測車道內的車輛數，本系統采用了撞線檢測的方法進行計數。采用line函數在視頻畫面中設置一條橫線，當車輛中心經過該橫線時，車流數加一。
1.2.3系統效果
本系統主要檢測的是單向車道上的車流交通狀況，在測試視頻中，實際通過橫線的車輛為47輛，系統計數為47輛，車流檢測效果良好，無漏報錯報，成功檢測率為100%。但是在車輛識別上仍有誤差，系統計數為147輛，而實際畫面中出現的車輛只有100輛左右。出現該誤差的原因是部分車輛會被重復識別，以及當兩輛車輛部分重疊時可能會被重新識別為一輛車等。
2結語
本文圍繞基于圖像處理技術，對車輛識別系統展開了論述。通過車輛識別——幀差法，二值化處理，使所需內容更清晰地呈現出來，并削弱不需要的信息；建立車輛區域，識別并確認目標車輛，找到所需要的目標車輛并準確地標記出來。通過撞線檢測，可有效地計算車輛的數量；對車輛識別系統后續研究有一定的參考價值。
作者:鄧智浩 郭雨婷 丘權威 陳德勝 賀粵 謝家興 單位:華南農業大學電子工程學院
