你开车低头看个微信消息都能被拍的清清楚楚，因为有这些黑科技

机器视觉图像处理被广泛应用于交通领域(车辆检测)

相对于国外，国内将机器视觉图像处理技术应用于交通的发展，在近年已经有相当程度的进步，如国内目前相当热门的车牌识别，有多个厂家推出了相应的产品。下面视觉检测设备厂家将针对图像处理技术在交通上的应用分车辆检测、车种识别、车辆跟踪三个部分做简单介绍，今天我们首先分析的是机器视觉在车辆检测上的应用。

机器视觉在车辆检测的方法可大致归类为样本点检测、检测线检测以及全画面式检测等途径。

1、样本点检测：在车道的某一部分选取类似矩阵的样本点，当车辆通过时，样本点之灰阶值与原路面不同，若两者相减的统计值超过某一门槛值，即表示车辆的存在。

2、检测线检测：此法是于垂直或平行车流方向布设由象素组成之虚拟检测线，一般由亮点来组成，以方便区隔路面与检测线的象素深度。当车辆通过检测线时，线上的灰阶值与没有车辆通过路面时有差异；若灰阶值的差异大于某门槛值，则表示有车辆通过。由于样本点或检测线检测法仅撷取部分象素资料进行处理，处理的资料量明显减少，因此运算时间缩短许多；为了达到实时（Real-Time）检测的要求，目前已实际运用于交通检测的图像处理系统 AUTOSCOPE便是以检测线做处理。在车辆运行单纯的路段，以样本点或检测线作为车辆检测的途径可获得不错的结果；但在复杂的路口内，如何布设样本点或检测线将是首先遭遇的难题，因为路口内车辆除直行外，尚有转向行为，任何位置均可能有车辆出现。

3、全画面式检测：以全画面作处理的车辆检测方法所能获得的信息较多，但相对地要处理的资料量也明显增加许多。属于此法的检测方式有背景相减法与二值化法两种：背景相减法系取一张无车辆存在的图像作为背景，当含有车辆的图像与背景图像逐点相减后，车辆的部分即被减出，如TRIP系统。二值化法将图像以某一门槛值进行切割，象素深度高于该值的成为255（白），低于该值者则变成0（黑），如此可将物体与背景分离。背景相减法与二值化法均存在许多缺点，前者如背景需要经常更新，后者则过程繁复，而二者共同的缺点便是当物体颜色与背景相近时将面临切割失败的命运，此外，门槛值确立不易，故有多值切割方法的提出，但过程益显复杂。

4、夜间车辆检测：国外专业人士认为由于夜间图像所具有的信息与白天图像相当的不同，因此视觉检测设备在算法的使用上与检测流程上会有相当程度的不同。一般而言在夜间与较暗的照明度之下，唯一醒目的视觉特征为车头灯与其光柱、街灯以及高度反射光线的型态（如斑马线）。他们认为夜间图像并不适合用移动检测算法。

看了以上的黑科技，开车玩手机的小伙伴是不是有点怕怕了呢，不过话说回来哈，这也是好事，为了你和他人的安全，小编建议大家开车的时候还是不要看手机，也不要抱着侥幸的心理，现在的摄像头可都是带有高科技的玩意，你低个头都能够拍的清清楚楚，更别说闯红灯，玩手机了。

深圳市创盈时代科技有限公司是一家专注于机器视觉，视觉检测设备，CCD光学检测设备，机器视觉检测，视觉方案定制，非标自动化设备的研发生产和销售于一体的国家高新技术企业。

原文地址：http://www.chytime-ccd.com/hyxw/262.html

本文关键字：机器视觉检测