（圖片來源：高速公路交通中的車輛智能監(jiān)控系統(tǒng)論文）

據(jù)外媒報(bào)道，密切關(guān)注高速公路的交通流量從多方面來看都有益處，主要可以揭示造成交通堵塞、違反道路規(guī)則和交通事故的根本原因。不幸的是，傳統(tǒng)技術(shù)依賴昂貴的雷達(dá)、激光和激光雷達(dá)傳感器的組合才能了解交通流量。因此，巴基斯坦斯瓦比大學(xué)（University of Swabi）、伊斯蘭堡Comstats大學(xué)和孟加拉國(guó)杰索爾科技大學(xué)（Jessore University of Science and Technology）的研究人員找到了一種替代方法：利用機(jī)器學(xué)習(xí)算法從攝像頭拍攝的鏡頭中提取有用的數(shù)據(jù)。

研究人員在Arxiv.org上發(fā)表了一篇名為“高速公路交通中的車輛智能監(jiān)控系統(tǒng)”（An Intelligent Monitoring System of Vehicles on Highway Traffic），文中指出研究人員描述了一個(gè)框架，該框架利用480 x 640像素的攝像頭（安裝在路邊電線桿或交通信號(hào)燈上），以每秒25幀的速度抓取視頻；然后人工智能（AI）模型會(huì)逐幀消化視頻，以探測(cè)車輛并記錄車輛的位置和速度。該系統(tǒng)使用一種簡(jiǎn)單的圖像處理技術(shù)提取單個(gè)幀，同時(shí)算法對(duì)幀的數(shù)值像素值中包含的背景數(shù)據(jù)（如樹木、建筑物和停放分汽車）以及前景數(shù)據(jù)（如移動(dòng)的車輛和行人）進(jìn)行分類，以，以創(chuàng)建沒有靜止物體的道路掩模。

在完成噪音抑制預(yù)處理步驟后，該系統(tǒng)通過檢測(cè)車輛的輪廓（具體來說，是通過確定車輛的邊緣是否能通過給定的像素），并且通過比較相鄰的每輛車的顏色，將每一幀中的車輛隔離開。圖像分割技術(shù) - 區(qū)域生長(zhǎng)分割檢查種子點(diǎn)的像素，并確定是否應(yīng)該將相鄰的像素添加至初始區(qū)域中，從而可確定車輛的方向，而車輛與攝像頭的距離可測(cè)量出車輛的相對(duì)速度。該方法利用了模式識(shí)別、數(shù)字圖像處理和數(shù)學(xué)方法，對(duì)車輛進(jìn)行探測(cè)、追蹤并計(jì)算車輛速度。

研究人員承認(rèn)，具有更高分辨率和幀速率的攝像頭能夠獲取“更豐富”的時(shí)間和車輛數(shù)據(jù)，但是他們表示，他們的概念驗(yàn)證已經(jīng)在幾種道路上經(jīng)過了測(cè)試，而且得到了良好的結(jié)果，可為提供一個(gè)簡(jiǎn)單、經(jīng)濟(jì)、易于部署的高速公路監(jiān)控解決方案奠定基礎(chǔ)。該框架可幫助更好地管理交通流量，減少交通事故發(fā)生的機(jī)會(huì)，此外，還能用于探測(cè)并攔下違反交通規(guī)則的車輛并。

未來，研究人員將把該框架應(yīng)用于道路交叉口，并擴(kuò)展至隧道和立交橋。

返回第一電動(dòng)網(wǎng)首頁(yè) >