机器视觉技术促进执法与交通管理融合力度
2013-07-10 12:01:40   来源：智能交通管理杂志2013年5月刊 作者:译/何丽男   作者:    评论：0

　　在2012年维也纳举行智能交通世界大会期间，NavtechRedar和VysionicsITS宣布达成战略合作关系，将结合Navtech的毫米波探测技术以及Vysionics的基于机器视觉的车牌自动识别系统（ANPR）和平均速度测量系统，以更好的服务于交通管理。

　　两家企业表示，此次战略合作将会增强应对目前交通管理和执法应用的复杂性和有效性，如远程雷达、全天候检测设备的功能将允许Vysionics的基于机器视觉系统监测面积更广、战略设计更精密。

　　车牌自动识别系统（ANPR）能让我们在所能看到的范围内检测车辆驾驶行为，雷达非常擅长识别"行为"，如超速，但不会知道哪一台车，因此，雷达系统非常擅长为基于视觉系统提供提示。

　　两个系统结合起来，相比简单地使用Doppler雷达执法摄像仪来说，将会产生更有效的智能解决方案。例如，通过设定某一些违法行为的阀值从而可以识别该系列所有违法案例而非只有一个。以违法行为做触发器，打包嵌入后形成典型的应用程序。

　　在这两种技术结合之前，单一技术的进步会导致各ITS技术与应用之间的区别越来越模糊，这也产生了一个问题，如果交通管理执法者能接受其他的ITS技术，他会接受哪一种，为什么？

　　另一个问题是就应用程序而言，我们是否将继续看到截然不同的垂直行业或者技术融合是否会导致操作简化？

　　机器视觉识别车辆类型

　　在某些情况，并不是结合技术就能嵌入到一个新的或者形成一个新的执法系统。我们看到，机器视觉中不是这种技术就是那种技术已经在交通管理中应用多年，而且已经取得非常大的进步。

　　机器视觉用途范围过于宽泛，以至于我们不能简单的将其与线圈检测、雷达检测相提并论。因此，我们将看到新的应用出现。

　　还有一些新的应用，如数字化已经促使执法系统和应用程序的融合，如存在性检测、流量和速度测试和事件检测量等等。有很多国家因为立法迟迟不定阻碍了技术进步，但也有一些进展，如执行应用程序的速度控制与流量监控合并。

　　机器视觉容易实现车辆分类，车辆的超速行驶等行为的识别，比如在荷兰，汽车限速最高时速100公里/小时，甩挂车辆最高限速80公里/小时，所以要对不同的车辆类型同时进行速度识别。此外，视频检测同时可监控危险货物车辆的隧道行驶速度，还能检测驾驶员在行车时不配安全带或打电话的行为。

　　但有一个比较显而易见的现状，交通管理部门大多时候仅仅把安全技术作为执法的目标。尽管两者之间分界明显，但也反映出问题，这样的"BigBrother"（参照奥威尔大作《1984》）方法将会抑制消费。

　　在未来，执法还是会在车外进行，而非车载形式。不管是哪种如何先进的电子解决方案的实现，都会有另一种方式打破现在的模式。

　　例如，有人试图使用套牌车，但实际上，大多数国家发生率是很低的。但当荷兰引进了一种新的智能卡用于公共交通支付时，有黑客破解之后在几天内发布到互联网上。如果我们要使用蓝牙进行执法，一旦人们了解情况后，更多的蓝牙设备将会被主动关掉。

　　任何车载系统都需要一个有安全保证的装置。向道路使用者收费需要车载单元，这样意味着，在任何国家，基于卫星导航技术的装置最受欢迎。任何由政府控制的收费方案要想实现在收入和公平两方面的平衡，意味着需要健全的执法，同时更重要的依赖于国家计划部署真正的提升。