蒋震寰
上海市城市建设设计研究总院（集团）有限公司,上海200125
摘要：在智能交通系统中进行图像处理是其中最为重要的环节之一，在本篇，笔者也是主要针对于当前阶段智能交通领域中所得到较为广泛应用的图像采集设备以及图像处理硬件、软件进行相应的讨论和分析，希望能够为该行业做出自己力所能及的贡献。
关键词：智能交通系统；图像处理；计算机
引言：
伴随着时代的高速发展，如今的生活和以前有了天翻地覆的变化，城市化的快速发展以及汽车的不断普及，交通运输问题极其严重，车辆拥挤，交通事故造成的悲剧每天都在上演着，除此之外，交通环境的恶化带来了严重的能源紧张以及环境的污染严重，在当前的发展阶段，我们所面临的交通问题十分的严重。因此在这种状况下，我们需要不断创新和探究，找到可以解决当前交通问题的良好方法。将车辆和道路进行综合考虑，并不断创新探究新技术，从而能够系统化解决当前时代所面临的严重交通问题。伴随着这样的需求，智能交通系统ITS（IntelligentTransportationSystems）应运而生，在刚开始的阶段所展开的研究是在各个国家的政府的支持下以及大量的高科技机构以及高校的合作之下进行的。这个阶段的成果为其奠定了后期的重要发展方向，深入探究关于ITS的问题，并提出了大量的可行性研究。在进入第二阶段的发展中，ITS逐渐完善并趋于成熟。在ITS领域中，图像处理使其重要的环节，有着极为广泛的应用价值。在早期阶段，因为受到多方面因素的影响，譬如当时计算机硬件水平的影响，极大程度上限制了图像处理的发展，但是伴随着科学技术的不断进步和发展，如今额商业化处理器就能满足图像处理需要应用的大量计算量，推进图像处理在ITS中的全面发展。
一、图像采集设备
图像处理可以分两个角度来看，其一便是狭义角度，图像处理的对象只是来自于摄像机的图像，其二便是广义角度，若是从广义角度来看，图像处理的对象可以是任何的二维数据，譬如深度图像。除此之外，在ITS领域中，由于图像序列常常被进行处理，因此三维数据也是属于图像处理的相应对象。接下来，笔者为大家简要介绍下进行图像对象采集的设备是哪两大类。
（一）主动传感器
主动传感器是图像处理采集设备之一，譬如激光雷达便是主动传感器，它能够发生一定的波长作为信号，当其遇到目标时，会被反射，然后由传感器接收。因为从发射信号到信号被接收这段时间与传感器到目标的距离成一种正比例的关系，因此可以由时间差获得两者之间的距离，从而直接获取深度图像，这样的应用有效避免了立体匹配，不过它的缺点也是十分的明显，即空间分辨率低，扫描速度慢，而且反射率还会受到目标形状大小颜色等方面的因素影响，比较适合检测障碍物[1]。
（二）被动传感器
被动传感器也是采集设备之一，也可以称作视觉传感器，它和主动传感器有一个最大的区别优势，便是通过非扩散的方式进行数据的接收，不会造成对环境的信号污染。通常情况下，它的采集速率很快，因此能够满足ITS相应的要求，不过当其在夜间、有雾的天气或是太阳直射的天气状况，最好还是采用主动传感器。
二、图像处理硬件
ITS领域对于图像处理的硬件的要求较高，除了对其速率要求迅速外，还需要其能够具备实时的处理能力。譬如，在使用智能车辆导航中，车辆的速度会因为图像处理所需要的巨大计算量，导致车辆的速度受到相应的限制，因此为了确保车辆的速率，需要要求图像处理的硬件性能较高。除此之外，若是ITS系统的价格过高，是不能称作成功的，因此需要尽可能不去选择那些价格昂贵的专用硬件，而是采用性价比较高的商业化硬件，让ITS系统最大程度实现质美价廉。在ITS应用的初期阶段，那时候的商业化硬件无法满足ITS对于图像处理的要求，因此这阶段的研究者除了选用合适的传感器以及进行特定算法的研究外，其主要精力放在了对新的硬件平台的设计、实现以及测试，在最后确定新的硬件后，还需要进行多项问题的一一解决，确定相应的指令和接口的位置，建立相应的数据库等，虽然最后硬件满足了图像处理所提出的要求，但是付出的时间、精力以及经费等都是很大的[2]。
不过随着这些年计算机的飞速发展，商业化的处理器性能不断优化改进以及提高，包括有SIMD等指令，极大程度上满足当前多媒体数据的并行处理，高效实现图像处理的要求，而且价格也是迅速下降，性价比不断提高。也是因此，在当前的计算机高速发展的大背景下，芯片集成度飞速提高，能耗也是不断降低，而价格却与此相反是高速下降，这样的情况促使了ITS市场的成功。几乎所有的研究团体或是小组等都是在系统中应用了高性价比的商业化硬件，极大程度上提高了计算机的性能，促进ITS系统的快速发展。虽然新时代下的系统绝大多数是应用的商业化硬件，但这绝不是说专业化的硬件的毫无用处，当前阶段，对专业化的硬件研制更是具有重要意义，譬如可以应用其有效实现光流计算、模式匹配等底层图像的处理。除了这些，当ITS原型系统最后通过实践检验进入到市场化后，还需要它将系统进行整体上的工程化以及优化和固化，相信它最后的价值将会通过广泛的市场得到有效的证明。
三、图像处理软件
在ITS领域中进行图像处理一般是分成两类，即帧内处理以及帧间处理。前者的处理通常情况下是含有象素值变换、二维变形运算、窗口运算、特征抽取、直线、曲线检测以及目标识别等。而后者的处理通常情况是含有立体匹配、运动项目检测以及光流等，除此之外，帧间处理也可以和预测以及跟踪结合起来。接下来，笔者选择帧内处理以及帧间处理中的相关环节进行简要的说明。
（一）帧内处理
(1)象素值变换：
通常情况下，我们所说的象素值变换是和象素位置无关的图像处理，经常是通过
变换函数又或是查找表来达到这一目的。
（2）窗口运算和二维频域空间运算：
通常是应用卷积操作来达到运算的目的。譬如微分或是积分等。
（3）二维变形运算：
在该领域中一般进行二维变形的是逆透视变换，而且因为一般的摄像机所获取的图像都是具备透视效果的，所以可以通过这一运算达到去除透视效果的目的。
（4）区域和边界检测：
区域和边界，我们从名字就能看出他们属于一对互补的概念。在应用图像处理基于边缘信息进行分割而获得区域，所说的边界也即指区域的交界处。
(二)帧间处理
（1））帧间所处理的对象：
主要是针对于同一个时刻下不同的摄像机所采集到的有关图像，譬如是立体匹配，除此之外，同一摄像机在不同的时刻下采集的相关图像序列也是能够的，譬如光流分析。
（2）立体匹配：
当面对在同一个外极线上搜索每幅图像所相对应的元素时，立体匹配的应用是必不可少的一项工具辅助。最典型的当属是使用三角法进行距离的测量。更多使用图像匹配可以有效提高距离测量的可靠性。通常情况下用于重建三维物体模型。（3）光流分析：
在光流分析中，首先，相邻的时间级序列执行一定范围内的匹配。譬如，使用帧T-1像素块作为模板以在帧T上执行匹配。有效获取帧T-1运动向到帧T。该范围内的运动矢量的集合称为光流。当摄像机移动到固定场景时，在这种情况下，光的流动从膨胀中心径向发射。相反，向后移动光流径向收敛到膨胀中心。属于同一目标的像素的运动，应该确保一致化。也因此能够使用光流分析移动的目标[3]。
四、结束语
在我国当前的ITS领域中，进行图像处理是其重要的感知方法，在这么多些年的发展当中，图像处理有了长足的进步和发展，能够较大程度上帮助ITS领域的更好发展。虽然当前阶段的图像处理的发展还是不怎么完善和成熟，但是相信随着更多人的投入与坚持，对让复杂的ITS应用得到高质量的发展，并揭示未来在ITS领域中，所要走的发展道路，让其即使在最恶劣的环境中，也能得到有效的应用。在智能车辆的导航中，大多数的研究小组已经将研究的趋势不断从高速公路转移到城市的交通当中，而且对于结构化的道路跟踪技术也是不断趋于成熟，在未来的研究重要主要落实在非结构化的道路跟踪，确保其的可靠性，特别是针对于交叉口外的检测，以及摩托车或是自行车、行人这类难以进行建模的相关目标的检测。除此之外，对于驾驶员的疲劳驾驶又或是道路表面的问题的探究和分析，也是逐渐成为交通控制的重要一部分。当前阶段的ITS领域对于图像处理已经有效完成第一个阶段的任务，完成了相应的探索目的，此时所进入的第二阶段，相信一定也会取得优异的成绩，这个阶段的各个国家的政府又或是汽车的厂商更是不断加大投资的力度，促使其建设的智能交通系统尽快上市，并进行预测，从而能够让基于图像处理上的ITS产品获得广泛的应用，为交通运输贡献自己的能力，有效改善当前阶段的交通问题，并大大拉动经济效益，为社会做出卓越贡献。
参考文献：
[1]易晓鹏、杨志勇、吴文德.图像处理及物联网技术在智能交通系统中的探索及应用[J].计算机产品与流通,2020(11):54-54.
[2]汪洋,丁丽琴,曾奕欣,等.一种面向自动驾驶的车路协同行人重识别方法和系统:,2020.
[3]陈雅,唐宇健.智能交通构建中图像识别与处理新技术的选择与应用[J].广西警察学院学报,2020,033(001):P.85-91.