柏淼

摘要：隨著我國交通基礎(chǔ)設(shè)施建設(shè)的不斷推進(jìn)，針對國內(nèi)交通運(yùn)輸行業(yè)普遍存在的多源異構(gòu)交通數(shù)據(jù)難以充分共享的問題，提出一種基于本體的智能交通系統(tǒng)數(shù)據(jù)集成框架以智能交通系統(tǒng)為代表的交通信息化和智能化建設(shè)成為關(guān)注熱點。機(jī)動車輛作為不可或缺的交通運(yùn)輸工具在人們?nèi)粘Ｉ钪姓加性絹碓街匾牡匚?，隨之而來的交通堵塞、交通事故率升高、交通管理技術(shù)落后、交通環(huán)境日愈惡化等問題已成為各個國家面臨的共同問題。

關(guān)鍵詞：智能交通系統(tǒng) 車型識別技術(shù) 關(guān)注熱點

中圖分類號：TP223 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2014）12-0117-01

1 實例系統(tǒng)開發(fā)

近年來，我國高速公路建設(shè)迅速發(fā)展，通車?yán)锍滩粩嘣黾?，高速公路布局也發(fā)生了由通道型向網(wǎng)絡(luò)型的根本性轉(zhuǎn)化。以我國區(qū)域高速公路網(wǎng)的交通地理信息展示為上層示例應(yīng)用，構(gòu)造異構(gòu)的交通地理信息數(shù)據(jù)源，基于E述框架開發(fā)ITS數(shù)據(jù)集成系統(tǒng)。如圖1所示。

2 運(yùn)動車型識別技術(shù)的研究

2.1 射頻識別法

目前該方法多被應(yīng)用于國外車輛收費(fèi)系統(tǒng)ETC中。當(dāng)該方法工作時，裝置于車輛上的發(fā)射器用于發(fā)送具有代表經(jīng)過車輛的特征代碼，帶有天線的接收器處理接收，計算終端利用互聯(lián)網(wǎng)環(huán)境收集處理車輛信息最終利用該方法整個體系中目標(biāo)車輛的綜合信息與車輛擁有者進(jìn)行清算。

2.2 環(huán)形感應(yīng)線圈識別法

該方法就是根據(jù)感應(yīng)數(shù)據(jù)的不同對不同的機(jī)動車進(jìn)行分類。環(huán)形感應(yīng)線圈識別法屬于觸碰式被迫檢測分類技術(shù)，由于組成不同機(jī)動車的金屬材質(zhì)是不同的，其引起的電磁感應(yīng)變化也都不一眼，雖然該方法的資金投入量不多，魯棒性好以及受環(huán)境干擾較小，但是在具體應(yīng)用時，多數(shù)道面下的線圈由于各種外界因素而被破壞，因此修護(hù)需要投入的資源較多。

2.3 壓力傳感器識法

當(dāng)機(jī)動車通過埋設(shè)在道面下的測試器時，測試器接收壓力會形成微小變化，該方法利用這變化而產(chǎn)生的返回信號分別得到目標(biāo)機(jī)動車的整體重量、平均速度、軸間距等重要的數(shù)據(jù)，從而完成對不同類型機(jī)動車的分類.壓力傳感器識別法屬于觸碰式被迫檢測分類技術(shù)，按照利用的測試裝置該方法可分為應(yīng)變測試器、壓力測試器和電容器測試器。

3 基于視頻的運(yùn)動車輛檢測研究

初步車輛檢測：幀差法是視頻中檢測移動目標(biāo)最簡單直觀的方法，其在視頻片段中固定間隔的兩幀之間計算像素絕對差，該差值大于一定閾限的像素就認(rèn)為是運(yùn)動物體可能存在的區(qū)域，初步車輛檢測的目的是盡可能的從視頻幀中經(jīng)過一系列的圖像處理提取運(yùn)動車輛，其中最關(guān)鍵的一個步驟是利用幀差法，得到兩幀圖像像素差的絕對值，初步提取運(yùn)動車輛區(qū)域，其公式應(yīng)用如下：

4 結(jié)語

對初步提取的運(yùn)動車輛進(jìn)行區(qū)域生長就是一個迭代的過程，不斷使用LBP直方圖進(jìn)行匹配判斷，區(qū)域擴(kuò)展。隨著智能交通系統(tǒng)的發(fā)展，車型識別技術(shù)占有愈來愈重要的地位，通過對現(xiàn)有車型識別技術(shù)的分析，本文完成的研究成果，基于視頻的車型分類研究作為是現(xiàn)代智能交通系統(tǒng)的一個非常重要的應(yīng)用技術(shù)，為交通管理部門對城市交通的車型及道路管理提供技術(shù)上的支持。本論文對交通的真實視頻數(shù)據(jù)進(jìn)行分析和處理，實現(xiàn)了運(yùn)動車輛的完整性檢測，支持向量機(jī)對跟蹤的運(yùn)動車輛進(jìn)行實時分類；設(shè)計實現(xiàn)首個基于視頻車型跟蹤分類信息管理的后臺信息管理系統(tǒng)，實現(xiàn)對不同時間段、不同地段的車型數(shù)量統(tǒng)計。

參考文獻(xiàn)

[1]張瑞娟.基于視頻圖像的運(yùn)動目標(biāo)檢測與跟蹤算法研究[D].大連理工大學(xué).

[2]戴俊釗，冷何英.目標(biāo)識別新算法的研究與應(yīng)用[J].紅外與激光工程：2001，4：108-111.