车辆识别对运动目标摄取方案
交通场景中车辆对象的实时检测是基于视频的交通监测系统中重要也是基本的步骤.是视频检测法的核心,检测的正确与否直接关系到智能交通系统决簧的正确性,感兴趣区域(Rcpon Of Interestinl;,ROI)提取是对交通场景视频图像中的车辆进行粗分割.车辆识别系统将有可能是车辆的区域从复杂的交通场景中分割出来以便进行后续的检测与跟踪操作.对一个像素检测主要是利用了在视频图像序列中处于同一位置的像素信息,而不是仅仅利用一帧中该像素的周围像素信息,这主要是由视频图像的特点决定的.对ROI的提取主要有光流法、帧差法、背景差法等几类方法。
(I)光流法
对于运动目标的检测直接的想法就是分析图像序列中各点的运动场,即找出由空间运动而引起的像平面上对应点的运动。然而,在图像中可测的仅仅是图像辐照度的变化,由图像辐照度的变化所反映的运动称为表观运动,对表观运动的记录称为光流,光流场并不一定能反映物体的真实运动,但是在我们所处理的情况中,为简便起见,可以忽略衰观运动和物体真实运动之间的差异,小区车辆识别,用光流场来代替运动场,分析图像中的运动目标及其运动参数。
在运动(光流)场确定之后,去除随机噪声及一些过小的运动,认为在检测时段内运动向量始终在一定范围内保持一致的那些区域属于一个物体,从而可以确定出各运动目标(车辆)在各个时刻的运动参数(速度,方向等).
基于车光流场分析进行跟踪的方法,可以很精的计算出运动目标的速度,但是这种方法采用迭代的方法·计算时间较长,无法进行实时的跟踪,并且该方法只考虑利用光流散据来进行决策,所以受到被估算的光流场精度的限制.这些方法受到噪声的影响严重·而且·分割所得的运动对象的边缘精度不够.在运动不完全的情况下,则会产生分割结果不完整等问题。
另外,由于运动场并不是很可靠,因此通常在物体边界或纹理不突出区域产生错误,从而会对分割结果产生明显的影响,因此,由于各方面的限制,使得基于光流法的运动分割并不适合交通场景下的运动分析。
(2)帧差法
帧间差分法又称图像序列差分法.当监控场景中出现运动物体时,帧与帧之间会出现较为明显的差别,两帧相减,得到两帧图像对应像素点亮度值差的绝值,通过判断它是否大干阀值来分析视频或图像序列的运动特性,确定图像序列中有无物体运动,图
像序列逐帧地差分,相当于对图像序列进行了时域上的高通滤波。
帧差法的优点是计算简单且不易受环境光线变化的影响,但它不能检测静止车辆,且处理效果与图像采样频率以及被检测车辆的车速有关·如果视频检测嚣采样频率过小,而车速较快,可能会造成误分割:反之如果采样频率过大且车速较慢,又会造成过度覆盖,极端情况下运动物体可能完全重叠,类似于静止车辆,从而导致无法分割出运动物体。
(3)背景差法
背景差法的基本思想是先形成交通场景的背景图像,然后将待检酒图像与背景图像逐像素相减(理想情况下的差值图像中非零像素点就表示了运动物体),进而就可运用N值方法将运动物体从背景中分离出来。
可靠的背景图像是背景差法能否成功提取目标区域的关键.背景图像可由人工拍摄一幅没有车辆的图像来得到,也可以通过序列图像的平均来得到,显然,建筑物阴影、浮云或光照的变化都会造成背景环境明显的变化.由于这些环境变化因素,作为参照物的背景需要定时更新·目前有多种背景更新方法,常用的方法是多帧平均( FrameAvmging)法和选择更新(Selective Updating)法。
车辆识别系统背景差方法的优点是:原理和算法设计简单:根据实际情况确定N值进行处理后,道闸车辆一体机,所得结果直接反映了运动目标的位置、大小,形状等信息,能够得到比较精的运动目标信息.但是·基于背景差的车辆检测的准确性很大程度上依赖于背景图像的可靠性.总的来说.背景差法对环境光线的变化非常敏感,背景图像需不断地被更新以迎合环境光线、阴影和天气的变化等·因而背景更新中的误差累计是影响背景差法精度的重要因素。
随着行业的发展,市场各式各样的需求,市场对车牌识别系统(车牌识别系统)的需求越来越广泛,主要分为:软件识别和硬件识别。通过车牌号码的自动识别、自动登陆、自动对比,系统可以实现自动开闸、自动计费、自动验证用户车辆身份、自动区分内外部车辆、自动计算车位数、自动报警等诸多智能化功能。
软件识别:显而易见词义能理解出来是通过软件对车牌号码进行的,通过在电脑上安装一个配套的车牌识别软件,对抓拍的图片进行识别处理。其工作方式是通过摄像机连续抓拍多张照片,选择其中较为清晰的一张,然后通过电脑软件进行字符处理,实现号牌识别的。
因为每次识别需要抓拍多张图片,因此软识别的速度较慢。而且该系统对所抓拍的图片要求也是极高的,必须极为清晰才能达到想要的效果。该系统对现场环境以及调试质量要求极高,在诸多环境不乐观的场合都不适用,设备的摆放颇为重要。
硬件识别:通俗的解释是通过独立的硬件设备,对所抓拍图片进行一系列的字符处理;目前停车场系统行业中硬件识别也分为两种,即带有单独的车牌识别仪和前端硬件识别两种,安视睿主要采用的是前端硬件识别。
前端硬件识别一体式摄像机适应市场需求,目前得到了广大客户的喜爱。安视睿前端硬件识别也叫一体式车牌识别摄像机,是将传统单独的车牌识别仪嵌入至摄像机中,实现前端硬件与摄像机一体化,完美实现图像抓拍、视频流传输、字符识别、道闸抬杆等一系列的工作。
软识别与硬识别的优势对比:
1、分析识别模式:
硬识别系统:采用视频流分析识别,对监控范围内的视频流进行全天候实时分析;
软识别系统:图片分析识别,对到达范围内的车辆进行拍照,再对照片进行分析;当车辆位置不佳时,识别易出错。
2、触发识别方式:
硬识别系统:地感和视频触发可选,不需增加检测设备,无需破坏地面或增加工程,24小时采集图像。
软识别系统:地感、红外等外设车辆检测设备触发;需要一定的工程量。
3、智能算法模型
硬识别系统:采用智能模糊点阵识别算法,准确率更高,识别率大于99.70%。很少需要人工干预。
软识别系统:OCR/字型拓扑结构识别算法,会频繁出现误识别情况,准确率低于90%。需要人工不断输入纠正后的号牌。
4、可靠性及稳定性:
硬识别系统:专用识别器采用TI公司的高速DSP,双CPU控制,确保系统可靠性和稳定性。
软识别系统:软件识别,容易频繁出现死机等情况,需经常重新启动电脑,造成间断性系统瘫痪。
5、识别速度:
硬识别系统:整车车牌识别速度小于0.4秒,充分满足车流量大时的需要;
软识别系统:整车车牌识别速度大于3秒,甚至更长,速度让人难以忍受。
6、车速适应性:
硬识别系统:车速在0-120Km/H范围内均能稳定快速识别;应用范围广泛,高速公里使用该类设备。
软识别系统:车速大于40Km/H时,识别率急剧下降,车辆识别,现被引入停车场场系统中,有待进一步完善。
7、环境适应性
硬识别系统:能在夜晚、阴天、雨天等各种光照条件下正常工作;
软识别系统:上述条件下,甚至一天的不同时间内,识别准确率起伏很大。
8、兼容能力
硬识别系统:无需工业IO卡的支持,借道停车场控制系统(PLC)可直接与各类IC、ID、纸票等类型停车场无缝兼容,实现车牌号与卡号必须一致才能进出的自动识别、自动打印车牌号等功能。
软识别系统:依赖IO卡进行车辆检测、开关道闸等动作,与停车场系统只是软件嵌入关系,硬件无联系。工程量大,用线多,稳定度差。
9、摄像机共用性
硬识别系统:系统可与监控系统共用摄像机,对系统无任何影响。
软识别系统:不可共用,脱机车辆识别,否则对系统稳定性和识别率造成严重影响。
10、输出信号
硬识别系统:系统可输出车辆大图、号牌小图、号牌识别号码、号牌颜色和识别可信度、车流量、场内停车量等实时数据。具备车辆进出静态图片查询功能、可接驳车位引导系统等。
软识别系统:没有输出接口,基本为其系统自身使用,无法进行二次开发。
姓名: | 王经理 ( 销售经理 ) |
手机: | 18668988801 |
业务 QQ: | 2850866766 |
公司地址: | 山东省济南市历城区裕华路3号一卡通设备研发中心 |
电话: | 0531-88035188 |
传真: | 0531-88031268 |