机器视觉在智能交通中的常见应用

三年前，机器视觉对于绝大部分人来说，都是一个非常陌生的名词。但是三年过去了，今天如果你身在科技互联网圈，如果你偶尔也会参加一些科技行业的大会，相信你一定对此不再陌生。城市交通拥堵日益严重,如何快速有效地检测拥堵状态对于解决交通拥堵具有极其重要的意义。机器视觉技术在交通各领域都发挥着越来越重要，而且应用广泛。

机器视觉在交通中的应用.jpg

视频检测

视频检测是交通信息采集和交通事件检测领域较新的技术，是一种融合视频图像处理、模式识别及数据通信等多项技术为一体的计算机视频监测技术。它的目标就是用数字图像处理和计算机视觉技术，通过分析交通图像序列来对车辆、行人等交通目标的运动进行检测、定位、识别和跟踪，并对目标的交通行为进行分析、理解和判断，从而完成各种交通流数据的采集、交通事件的检测，并尽快进行相应处理。

智能车辆安全保障系统

安全是围绕汽车的永恒主题。随着公路交通特别是高速公路交通的飞速发展，交通事故特别是恶性交通事故呈不断上升趋势，交通安全越来越受到广泛关注。机器视觉系统在智能车辆研究领域应用广泛，主要用于路径识别与跟踪、障碍物识别、驾驶员状态监测、驾驶员视觉增强等。

车牌识别

车牌识别技术(VLPR)是计算机视觉和模式识别技术在现代智能交通系统中的一项重要研究课题，是实现交通管理智能化的重要环节。由于每一部汽车都有唯一的车牌号码，通过摄像机所拍摄的车辆图像进行车牌号码的识别，能够有效的了解路面的动态和每部汽车的适时情况。其步骤主要为获取原图像，图像预处理，车牌定位，字符分割和字符识别。

随着图像处理技术的日趋成熟，更多算法的融入综合，使得车牌识别技术逐渐成熟。单一算法很难达到良好的识别效果，只有多种方法结合，才能实现车牌识别的高效性和准确性。

交通视频的分析应用

一个是交通事故及事件检测，基于连续视频可以分析车辆的行为，检测如车辆停车、逆行等行为，发现交通事故和交通拥堵进行报警，这个之前在高速公路上应用非常广泛。但由于存在较多的误报，实际效果离真正的需求还有一段差距。而借助深度学习技术，能实现真正准确的交通事件检测系统，真正的帮交通运营部门提供准确及时的报警信息。第二个就是车辆违章抓拍，这些近几年在我国应用非常广泛，而且利用视频检测实现的非现场执法的种类越来越多，现在甚至连开车接打电话都可以识别抓拍，这些都得益于计算机视觉技术的快速进步。

无人驾驶和汽车辅助驾驶

当前非常热的无人驾驶和汽车辅助驾驶。其中非常重要的一个技术点就是图象识别，通过图像识别前方车辆、行人、障碍物、道路以及交通信号灯和交通标识，这项技术的落地应用将给人类带来前所未有的出行体验，重塑交通体系，并构建真正的智能交通时代。

朗锐智科认为（www.lrist.com）机器视觉技术过去5年内取得的成绩甚至是远远超过了之前以前的20年，得益于深度学习技术带来的巨大进步，通过机器视觉的广泛应用，能够大大提升智能交通系统的感知精度与维度，让智能交通系统更加智慧。