早期圖像處理技術(shù)的應(yīng)用范圍受到圖像處理設(shè)備價(jià)格昂貴以及處理速度緩慢的影響，僅局限于某些領(lǐng)域；及至70年代后至今，隨著理論的發(fā)展與集成電路革命造就計(jì)算機(jī)科技的進(jìn)步，使得圖像處理的應(yīng)用范圍漸廣。
美國(guó)于1978年由聯(lián)邦高速公路局委托E.E. Hilbert、C. Carl、W. Gross、G.R. Hanson、M.J. Olasaby及A.R. Johnson發(fā)展寬域檢測(cè)系統(tǒng)(Wide Area Detection System , WADS)，其它各國(guó)如日本、法國(guó)、英國(guó)、瑞典等也已陸續(xù)了相當(dāng)?shù)难芯浚⒂胁诲e(cuò)的成績(jī)。相對(duì)于國(guó)外，國(guó)內(nèi)將圖像處理技術(shù)應(yīng)用于交通的發(fā)展，在近年已經(jīng)有相當(dāng)程度的進(jìn)步，如國(guó)內(nèi)目前相當(dāng)熱門(mén)的車(chē)牌識(shí)別，有多個(gè)廠家推出了相應(yīng)的產(chǎn)品。下面將針對(duì)圖像處理技術(shù)在交通上的應(yīng)用分車(chē)輛檢測(cè)、車(chē)種識(shí)別、車(chē)輛跟蹤三個(gè)部分做簡(jiǎn)單介紹。
1)、車(chē)輛檢測(cè)
車(chē)輛檢測(cè)的方法可大致歸類(lèi)為樣本點(diǎn)檢測(cè)、檢測(cè)線檢測(cè)以及全畫(huà)面式檢測(cè)等途徑，另外針對(duì)夜間車(chē)輛檢測(cè)進(jìn)行說(shuō)明如下：
(1)、樣本點(diǎn)檢測(cè)
在車(chē)道的某一部分選取類(lèi)似矩陣的樣本點(diǎn)，當(dāng)車(chē)輛通過(guò)時(shí)，樣本點(diǎn)之灰階值與原路面不同，若兩者相減的統(tǒng)計(jì)值超過(guò)某一門(mén)檻值，即表示車(chē)輛的存在。
(2)、檢測(cè)線檢測(cè)
此法是于垂直或平行車(chē)流方向布設(shè)由象素組成之虛擬檢測(cè)線，如圖2所示。一般由亮點(diǎn)來(lái)組成，以方便區(qū)隔路面與檢測(cè)線的象素深度。當(dāng)車(chē)輛通過(guò)檢測(cè)線時(shí)，線上的灰階值與沒(méi)有車(chē)輛通過(guò)路面時(shí)有差異；若灰階值的差異大于某門(mén)檻值，則表示有車(chē)輛通過(guò)。由于樣本點(diǎn)或檢測(cè)線檢測(cè)法僅擷取部分象素資料進(jìn)行處理，處理的資料量明顯減少，因此運(yùn)算時(shí)間縮短許多；為了達(dá)到實(shí)時(shí)(Real-Time)檢測(cè)的要求，目前已實(shí)際運(yùn)用于交通檢測(cè)的圖像處理系統(tǒng)AUTOSCOPE便是以檢測(cè)線做處理。
在車(chē)輛運(yùn)行單純的路段，以樣本點(diǎn)或檢測(cè)線作為車(chē)輛檢測(cè)的途徑可獲得不錯(cuò)的結(jié)果；但在復(fù)雜的路口內(nèi)，如何布設(shè)樣本點(diǎn)或檢測(cè)線將是首先遭遇的難題，因?yàn)槁房趦?nèi)車(chē)輛除直行外，尚有轉(zhuǎn)向行為，任何位置均可能有車(chē)輛出現(xiàn)。
(3)、全畫(huà)面式檢測(cè)
以全畫(huà)面作處理的車(chē)輛檢測(cè)方法所能獲得的信息較多，但相對(duì)地要處理的資料量也明顯增加許多。屬于此法的檢測(cè)方式有背景相減法與二值化法兩種：背景相減法系取一張無(wú)車(chē)輛存在的圖像作為背景，當(dāng)含有車(chē)輛的圖像與背景圖像逐點(diǎn)相減后，車(chē)輛的部分即被減出，如TRIP系統(tǒng)。二值化法將圖像以某一門(mén)檻值進(jìn)行切割，象素深度高于該值的成為255(白)，低于該值者則變成0(黑)，如此可將物體與背景分離。
背景相減法與二值化法均存在許多缺點(diǎn)，前者如背景需要經(jīng)常更新，后者則過(guò)程繁復(fù)，而二者共同的缺點(diǎn)便是當(dāng)物體顏色與背景相近時(shí)將面臨切割失敗的命運(yùn)，此外，門(mén)檻值確立不易，故有多值切割方法的提出，但過(guò)程益顯復(fù)雜。
(4)、夜間車(chē)輛檢測(cè)
國(guó)外R. Taktak、Rita Cucchiara、Cucchiara等人認(rèn)為由于夜間圖像所具有的信息與白天圖像相當(dāng)?shù)牟煌?，因此在算法的使用上與檢測(cè)流程上會(huì)有相當(dāng)程度的不同。一般而言在夜間與較暗的照明度之下，醒目的視覺(jué)特征為車(chē)頭燈與其光柱、街燈以及高度反射光線的型態(tài)(如斑馬線)。他們認(rèn)為夜間圖像并不適合用移動(dòng)檢測(cè)算法。
2)、車(chē)輛識(shí)別(1)、車(chē)輛識(shí)別
由于國(guó)內(nèi)與國(guó)外交通組成的不同，國(guó)外的研究?jī)H對(duì)大車(chē)與小車(chē)兩種作辨認(rèn)，而國(guó)內(nèi)則較復(fù)雜，但一般研究均簡(jiǎn)化車(chē)種為大車(chē)、小車(chē)與機(jī)車(chē)，以此三類(lèi)做識(shí)別。
以檢測(cè)線或樣本點(diǎn)作為識(shí)別車(chē)種的途徑時(shí)，由于所取資料量少，較不利于車(chē)種識(shí)別，故以此法進(jìn)行者較少。就日間圖像的車(chē)輛識(shí)別來(lái)說(shuō)通常以車(chē)輛的特征如：外型、尺寸為分類(lèi)準(zhǔn)則。相關(guān)文獻(xiàn)整理如下。
近年發(fā)展迅速、應(yīng)用到許多領(lǐng)域的“類(lèi)神經(jīng)網(wǎng)絡(luò)(Neural Network)”也被應(yīng)用到車(chē)種的識(shí)別上。此外，亦可藉由途徑，將號(hào)碼圖像二值化，以特征匹配的方式識(shí)別并記錄該車(chē)牌號(hào)碼，透過(guò)數(shù)據(jù)庫(kù)的比對(duì)，每個(gè)號(hào)碼可對(duì)應(yīng)于某一車(chē)種，可用于抓拍違章車(chē)輛、車(chē)輛計(jì)數(shù)、車(chē)種識(shí)別、起迄點(diǎn)調(diào)查與旅行時(shí)間分析等。
(2)、車(chē)牌識(shí)別
車(chē)牌識(shí)別的技術(shù)近年來(lái)在國(guó)內(nèi)已經(jīng)日趨成熟。有些學(xué)者認(rèn)為車(chē)牌識(shí)別可分三階段：前處理，將圖像二值化后進(jìn)行清除噪聲。而后車(chē)牌定位，利用連接組件標(biāo)示法，找出圖像中之連接組件加以分析，進(jìn)而判斷車(chē)牌位置。字符識(shí)別，分割字符完畢后依文字大小設(shè)定結(jié)構(gòu)組件之大小，利用型態(tài)學(xué)的方法找出文字特征加以比對(duì)。
還有一些學(xué)者采用其它方法，如搜尋車(chē)牌后以圖素分割法切割字符住后利用類(lèi)神經(jīng)網(wǎng)絡(luò)識(shí)別字符；或者利用灰階轉(zhuǎn)換數(shù)之計(jì)算找出可能之車(chē)牌位置，再分割字符，在利用筆劃分析法識(shí)別字符；或者利用圖像中灰階值之變化特性尋找車(chē)牌位置，在利用垂直投影直方圖分割字符，以灰階值關(guān)連度進(jìn)行識(shí)別。
(3)、車(chē)輛跟蹤
連續(xù)圖像中，車(chē)輛軌跡的記錄即稱(chēng)為跟蹤。Anthony P.Ciervo提出以檢測(cè)車(chē)輛并配合預(yù)測(cè)車(chē)輛位置的方式，連續(xù)跟蹤車(chē)輛的軌跡。其中以樣本點(diǎn)或檢測(cè)線方式做跟蹤者，由于選取的象素僅局限于某固定范圍，處于被動(dòng)狀態(tài)，較不利跟蹤之進(jìn)行。N.Hoose便是以各臨近方向均為雙向二車(chē)道的 T 字型路口為例，在進(jìn)入路口前及離開(kāi)路口后之車(chē)道上布設(shè)橫向檢測(cè)線屏蔽(Mask)，以記錄車(chē)輛進(jìn)入與離開(kāi)之臨近方向編號(hào)，同時(shí)對(duì)車(chē)輛在圖像上的形狀、大小與位置等資料作記錄，以跟蹤車(chē)輛，但誤差頗大?？偨Y(jié)而言，車(chē)輛跟蹤的方法有下列四種：模式基礎(chǔ)跟蹤(Model based tracking)、區(qū)域基礎(chǔ)跟蹤(Region based tracking)、輪廓基礎(chǔ)跟蹤(Active contour based tracking)、 國(guó)外研究文獻(xiàn)中僅針對(duì)各車(chē)道的單一車(chē)輛進(jìn)行跟蹤，要了解路口內(nèi)車(chē)輛運(yùn)作之機(jī)制，非得在同時(shí)間針對(duì)路口內(nèi)所有方向的車(chē)輛做跟蹤處理不可，否則取得的僅為殘破的信息，對(duì)整體的助益有限。
