I sistemi intelligenti di gestione delle strade, se correttamente installati, mantengono il flusso dei veicoli, evitano gli imbottigliamenti del traffico, risparmiano energia e riducono l'inquinamento atmosferico. Inoltre, il concetto di monitoraggio continuo del traffico può evitare incidenti e contribuire ad assicurare il rispetto delle leggi. Entrambi gli aspetti, il miglioramento del flusso del traffico e il rispetto delle leggi, tuttavia, sono dipendenti dai sistemi avanzati di videocamere. Sempre più queste videocamere stanno adottando tecniche note dall'elaborazione delle immagini industriali, incluso l'uso di videocamere Cmos ad alta risoluzione con otturatore globale. Esse sono dotate di otturatori globali a basso rumore e operano a velocità di quadro molto alte, offrendo una capacità di suddivisione dello schermo sempre più veloce e un intervallo dinamico elevato. Questi sistemi avanzati di videocamere possono mettere in campo tutte le loro funzionalità avanzate specialmente se adottati su strade a più corsie. Nuove in questo ambito di applicazione sono le versioni ottimizzate per il vicino infrarosso dei visori Cmos ad alta risoluzione con maggiore sensibilità nella regione delle lunghezze d'onda comprese fra 700 e 1000 nm, che operano in modo sicuro anche al di fuori dello spettro visibile. Questo rende obsolete le tradizionali telecamere di rilevazione della velocità dotate di flash - con i loro effetti irritanti sui conducenti.
Come individuare e identificare
i veicoli di passaggio
I veicoli che occupano lo spazio del traffico pubblico sono identificati univocamente dalle loro targhe. I loro codici alfanumerici possono essere utilizzati anche per un'identificazione automatica di tutti i veicoli nell'ambito di un sistema intelligente di gestione del traffico su strada. Attualmente il metodo più usato per l'individuazione e il riconoscimento automatico non invasivo dei veicoli è basato su una qualche forma di analisi del movimento attraverso videocamere. Se esiste una differenza marcata fra due immagini video successive di una scena su strada, si suppone che sia presente un veicolo in movimento, e questo attiva un tentativo di localizzare la sua targa sull'autoveicolo e di leggerne l'informazione. Questo approccio, anche se ampiamente usato, presenta un grave svantaggio, perché altri oggetti in movimento come le ombre delle auto di passaggio in corsie opposte o dei rami di albero che si muovono, potrebbero essere interpretati in modo errato come veicoli in movimento, con l'ovvia conseguenza che non esiste nessuna immagine di targa da catturare. Imagsa, un produttore spagnolo di videocamere per il traffico, sta adottando un approccio diverso, più promettente. Le videocamere per il traffico Atalaya di Imagsa analizzano ciascuna immagine video alla ricerca di schemi che potrebbero assomigliare alla targa di un'auto. In tal caso, solo allora il sistema conclude che l'oggetto nel campo di visione della videocamera è un'auto in movimento. Questo metodo riesce a individuare tutti i veicoli, anche in flussi di traffico densi alle velocità più alte. Questo stesso metodo può essere usato per identificare contrassegni speciali sui veicoli, come i tipici segnali di colore arancio che indicano che tali veicoli stanno trasportando materiali pericolosi tossici o esplosivi. Anche con l'intervallo dinamico esteso ottenibile attraverso sensori di immagine avanzati come quelli realizzati da Cmosis, non è sufficiente scattare una singola immagine per identificare tutti i dettagli richiesti dagli amministratori del traffico. Per questo motivo le videocamere di Imagsa raccolgono dati video ad alta velocità, riprogrammando il sensore in ogni fotogramma per ottenere immagini ottimali per identificare autocarri, caravan e veicoli per il trasporto merci. Questa tecnica, nota come “visione attiva”, seleziona i parametri del sensore in relazione agli oggetti individuati nella scena dall'analisi dell'immagine in tempo reale. Tecniche simili di visione attiva realizzate nelle videocamere di Imagsa sono usate per classificare i veicoli dalle loro forme e per misurare le loro caratteristiche fisiche come le dimensioni o la velocità.
Risoluzione ottica
per il monitoraggio di due corsie
L'affidabilità con cui una targa di un'auto sarà riconosciuta e identificata dipende dalla risoluzione del sensore di immagine usato e dalle prestazioni degli algoritmi di riconoscimento ottico dei caratteri su cui è costruito il sistema. I produttori di software Ocr raccomandano una copertura minima di tre pixel per centimetro di area dell'oggetto per ottenere tassi di riconoscimento del 95% e migliori. Dato che i caratteri standard delle targhe automobilistiche europee hanno ampiezze di linea di circa 1 cm, un sensore ottico che presenta 1200 pixel orizzontali può servire per il monitoraggio del traffico su strade ampie fino a 4 metri (3,5 metri per le corsie, più ulteriori 0,5 metri di sovrapposizione fra le corsie). Di conseguenza, il sensore di immagine megapixel CMV2000 (2048 x 1088 pixel) di Cmosis, che si trova all'interno della videocamera di riconoscimento automatico del numero di targa (ANPR) Atalaya di Imagsa è ideale per catturare informazioni sulle targhe di veicoli in movimento su strade ampie fino a 7,5 metri coprendo la rilevazione automatica di diversi veicoli su due corsie.
Una visibilità senza confronti e un'alta velocità
Una risoluzione sufficiente non è l'unico criterio che deve essere soddisfatto da una videocamera per il traffico. Il traffico su strada, in quanto attività all'aperto, è esposta all'impatto variabile e inaspettato della luce solare forte e dei cieli grigi, delle raffiche di vento e del tempo piovoso. Queste condizioni, assieme ai diversi gradienti di fattori di riflessione delle targhe automobilistiche e delle segnaletiche speciali che devono essere lette e riconosciute, impongono requisiti elevati sulle prestazioni dinamiche dei sensori di immagini. Si aggiunga a questo gli schemi di traffico che cambiano ogni giorno e ogni ora più le auto che accelerano - e si arriva alla condizione di specificare sensori sufficientemente veloci per catturare e identificare i singoli veicoli in modo affidabile.
Inoltre, l'alta velocità dei sensori Cmosis consente di seguire gli oggetti rilevati e anche di effettuare un'analisi dinamica della scena. Seguire una targa consente di misurare la velocità del veicolo e di controllare la presenza di manovre pericolose.
Un sensore versatile
con un eccellente otturatore globale
È quindi chiaro che il sensore di immagine di una videocamera per il traffico deve soddisfare un ampio insieme di requisiti operativi. Il migliore è un sensore che offre la programmabilità completa, come il sensore Cmosis CMV2000. Il CMV2000 è stato originariamente predisposto per l'elaborazione delle immagini industriali in applicazioni di visione automatica. Esso presenta una risoluzione di 2,048 x 1,088 pixel a una velocità di quadro piena di 340 immagini al secondo. Questo lo rende adatto per le applicazioni delle videocamere per il traffico. Il suo otturatore globale opera in modalità serie, il che significa che una nuova immagine è esposta mentre quella precedente sta ancora per essere letta. Questa elaborazione simultanea di due fotogrammi consente di realizzare la funzionalità speciale di campionamento doppio per la cancellazione del rumore correlato. Un vantaggio del CMV2000 è che ha un eccellente otturatore globale per evitare qualsiasi distorsione per movimento di auto che si muovono velocemente e per catturare la targa come un'immagine nitida. Il CMV2000 usa un'architettura di pixel brevettata a 8 transistor che offre una prestazione a basso rumore dell'otturatore globale in combinazione con un'efficienza eccellente dell'otturatore. Il CMV2000 può essere usato come un sottosistema sensore di immagine completo con controllo autonomo del tempo di esecuzione. Esso fornisce i propri dati di immagine in un formato digitale attraverso 16 canali di uscita Lvds, a una velocità di clock di 480 MHz.
Programmabilità completa
Per essere in grado di adattare il sensore di immagine a compiti e applicazioni diverse, i suoi parametri di controllo principali sono archiviati in 128 registri. Essi sono programmabili attraverso un'interfaccia seriale e come tali consentono di controllare le impostazioni operative su un ampio intervallo. Come caratteristica chiave, il tempo di esposizione può essere programmato in ampi margini - internamente oltre che esternamente. Questo consente l'adattamento del sensore al livello di illuminazione dell'oggetto che deve essere identificato, con un intervallo dinamico di 60 dB. Una proprietà speciale dei sensori di immagine Cmos - al contrario dei sensori Ccd - è che limitano con efficacia le carenze da sovraesposizione in aree di immagine prossime alle componenti sovraesposte. Così il resto dell'immagine non è interessato dal fenomeno. Questo è importante in situazioni di traffico con condizioni di illuminazione non favorevoli, che possono compromettere il riconoscimento delle targhe, specialmente se sono parzialmente mascherate o coperte da altre parti dell'autovettura o se hanno superfici a specchio con riflessioni luccicanti di alta intensità. Questi effetti di sovraesposizione non interessano i sensori di immagine Cmos. Essi non portano al mascheramento di altre aree di immagine, ma sono contenuti alle loro aree particolari. Se occorre coprire ampie differenze in intensità della luce, l'intervallo dinamico del sensore può essere esteso a più di 90 dB. Questo può essere effettuato in tre modi: attraverso lettura interlacciata, con una curva di risposta segmentata o attraverso più letture. Il CMV2000 offre tre modalità operative da gestire con scene ad elevato intervallo dinamico: lettura in modo interlacciato, caratteristiche segmentate e letture multiple. La lettura interlacciata usa diversi tempi di esposizione per linee dispari e pari. L'immagine finale è quindi composta attraverso la post elaborazione esterna, che consente di illuminare le aree in ombra mentre le aree sovraesposte possono essere scurite di conseguenza. Questo metodo funziona anche con il controllo esterno dell'esposizione, dato che la videocamera ha due diversi ingressi di controllo. L'uso dell'approccio a curva di risposta segmentata diminuirà la sensibilità ottica della videocamera di due gradi se i livelli di illuminazione tendono a crescere. Questo metodo fornisce tre segmenti lineari nella curva di risposta, che approssima sufficientemente bene la caratteristica di un convertitore logaritmico per rappresentare un intervallo dinamico molto ampio. Il terzo metodo, che comporta l'aumento dell'intervallo dinamico attraverso più letture o esposizioni, è ampiamente programmabile per funzionare come un'attività più o meno autonoma. Essa implica la lettura di un massimo di 255 fotogrammi con tempi di esposizione in aumento sequenziale. Tutti questi singoli fotogrammi sono quindi combinati in un'immagine a elevato contrasto con dettagli nettamente migliorati.
Creazione rapida di finestre
In applicazioni di gestione del traffico non è sempre necessario catturare l'immagine completa ma solo quelle parti che sono di interesse, come la targa e il conducente. A tale scopo la matrice di sensori offre una funzione flessibile di creazione di finestre, che consente di selezionare fino a otto finestre da una linea per una rapida lettura. Questo aumenterà la velocità di quadro ma, allo stesso tempo, ridurrà il volume dei dati catturati. Il sottocampionamento è un buon metodo per ottenere una rapida anteprima di una scena. Nella versione a colori, il sensore di immagini cattura solo schemi di Bayer completi per evitare rese con falsi colori.
Flusso di dati in alti volumi
Per facilitare la produzione di grandi quantità di dati video - 2 Mpixel a 340 fotogrammi al secondo - sono richiesti 16 canali di uscita Lvds, ciascuno dei quali fornisce una banda di 480 Mbit/s. Se sono richiesti velocità inferiori delle immagini e dei dati, i dati di uscita possono essere multiplexati su otto, quattro o due uscite diminuendo anche il consumo di potenza complessivo. Questo flusso di dati in alti volumi supera la potenza di calcolo anche dei processori universali o dei Dsp più veloci in architetture tradizionali. Di conseguenza, Imagsa usa Fpga in una configurazione massicciamente parallela per far girare gli algoritmi per l'analisi delle targhe automobilistiche. Questo consente alla videocamera di operare a 250 fotogrammi al secondo e di identificare automobili in accelerazione fino a 250 Km/s, misurare la loro velocità, e classificare le loro forme in tempo reale.
La videocamera ha anche una funzionalità multi-streaming con ulteriori 20 fotogrammi al secondo usati per fornire un video di panoramica, portando così il CNV2000 ad un totale di 270 fotogrammi al secondo.
Radar invisibili
I tradizionali radar (con flash) dotati di telecamere per la rilevazione della velocità, installate per cogliere in flagrante i conducenti che superano i limiti di velocità o che passano con il rosso hanno l'inconveniente che la luce del flash può irritare i conducenti corretti e portarli contro i concetti di gestione della sicurezza del traffico. D'altra parte, il riconoscimento delle targhe dovrebbe anche operare di notte, assicurando che tutte le targhe possano essere lette, anche quelle che non illuminate. Un modo per uscire da questo dilemma consiste nell'illuminare la scena su strada per essere monitorata da una matrice di Led all'infrarosso, che è montata sotto la videocamera. Questo consente un'illuminazione sicura e invisibile fino a 20 metri di area su strada di fronte alla videocamera. Un possibile inconveniente di questa soluzione è che i sensori di immagine basati su silicio - sia Ccd sia Cmos - raggiungono i loro limiti di sensibilità in corrispondenza di lunghezze d'onda di circa 1.100 nm e oltre. Tuttavia i sensori possono essere fabbricati in modo da essere più sensibili fra 700 e 1000 nm. Per questo Cmosis produce il proprio sensore di immagini CMV2000 E12, una versione ottimizzata per il vicino infrarosso del componente standard CMV2000, su un wafer il cui strato epitassiale misura 12 µm di spessore (anziché gli standard 5 µm). Questo migliora l'utilizzo dello spettro del vicino infrarosso per scopi di cattura delle immagini.
