基于车辆图像识别技术的智能道闸控制及管理系统研制

二、项目论证1、项目的目标及意义随着社会的发展和人们生活水平的提高，车辆已经逐渐成为人们生活中的重要交通工具，在改善人们生活质量的同时，也带来了一些管理和安全上的问题，其中表现最突出的就是在各种小区和办公场所大门对进出车辆的管理上。目前大部分的出入口车辆通道均采用保安直接控制和管理，效率低，并且存在安全隐患，同时也带来了一些不可调和的矛盾，是直接导致物业管理和业主关系日益恶化的导火索。为了解决这个问题，课题组将采用目前最新的技术和方法实现对出入口道闸的全自动智能管理，降低管理人员的工作强度，提高出入放行效率，并大大提高安全保障，以满足人们的需求。本项目将主要开展以下软件和硬件方面的研究和设计：(1)硬件系统的研究和设计。包括车辆图像获取系统设计，道闸自动控制系统设计，以及声光告警系统设计等。(2)软件系统和算法的研究设计。包括车型识别算法、车牌自动识别算法的研究，车牌数据库管理系统的设计，以及基于工控机平台的人机交互智能道闸控制软件设计。设计好后的系统将具备良好的人机交互和智能管理功能，采用工业化的设计标准，具备结构紧凑，工作稳定可靠的特点，能实现小区和各种封闭场所的进出口道闸自动控制，满足高效、安全的要求，具备良好的市场前景。2、国内外现状分析(1)市场需求现状。基于车牌的车辆控制管理系统在公共道路交通安全中已经得到了广泛的应用，并起到了非常好的效果，“电子警察”已经成了违法乱纪人员的克星。但是经过课题组的广泛论证和查阅，国内还未有相关的公开研究和应用案例；国外虽然有相关研究报道，但还未见实际应用的产品。究其原因，国外的道路交通管理严格，司机素质普遍较高，并且大部分国家早已进入汽车时代，同时国外大部分小区和公共场所都是开放式管理，实际需求不高，难以激发研究和生产热情；国内汽车发展迅速，司机素质参差不齐，小区普遍采用封闭式管理，有着很大的市场潜力，产品研制成功将弥补国内小区道闸智能控制上的空白。(2)技术现状。本项目的核心部分为基于图像的车型识别和车牌字符识别两个内容，在车牌字符识别上，国外在上世纪八十年代即开始研究，现在已经进入成熟产品阶段，进行这方面产品开发和设计的公司有以色列的Hi-Tech公司，新加坡的Optasia公司，Zamir公司等，都分别研究出了自己的车牌识别产品，并且在智能交通监控领域得到了广泛的应用。由于车牌的规格和编号各个国家有很大的差异，所以各种研制的车牌识别产品并不具备通用的性能，并且价格昂贵。上世纪90年代，随着我国城市交通的日趋发展，国内的科技工作者针对我国车牌的特点广泛开展了车牌识别方面的研究工作，研究了系列适合我国车牌特点的识别监控系统，并广泛应用到道路交通安全管理中。车型识别利用车辆的外型特征对车辆进行分类，目前都还处在起步研究阶段，还没有成熟的产品上市。车型识别相对于车牌字符识别在算法设计上要复杂很多，车牌字符识别目标单一，位置固定，识别目标明确，而车型识别是一个复杂的多目标系统，并且很大一部分车型在外观上存在相似之处，车型识别主要有以下难点：第一，在横向产品比较上，不同厂家的车辆在同一时期的产品融入了相似的设计元素，使得部分车辆在外观上具备一定的相似性，独有特征不明显；第二，在纵向产品比较上，同一个厂家不同时期的产品在外观上具备一定的继承性，导致车型识别率难以达到实用要求。国内外基于视频车型识别采用的的主要方法有：①基于模板匹配的识别方法。模板匹配是模式识别中非常经典的方法，在模式识别经历的几十年发展历史中，当人们对识别的目标能够归纳出一定的模板时，就可选择模板识别。模板匹配方法用于汽车识别幕于视频的下型识别技术研究时：主要的不足是：首先模板的建立很困难；而且模板只能在图像中平行移动，在旋转或大小变化的情况下，该方法无效；图像中的待识别的汽车目标不能全部可视，即汽车边缘不连续或部分边缘不存在，则该方法无效；②基于统计模式的识别方法。当模式特征表示为几何空间中的点时，如果特征源自于同一模式的物体，对应点的几何距离总是很接近的。统计模式识别则是找寻几何空间中的一些区域问题，这些区域的点来自于某个单一模式。在统计模式中解决问题的方法大都基于Bayes决策统计理论。在汽车识别方法中很多都利用了统计模式识别。其中最典型的有基于最近邻域法、聚类分析法、统计判决法等。但统计模式识别时要求：各个类别总体的概率分布是已知的；要决策分类的类别数是一定的；③基于神经网络的识别方法。神经网络识别是利用“神经元(neuron)’’相互连接构成的非线性动态系统所具有的人脑在自学习、自组织、联想及容错方面的较强功能，用于类别识别和决策。神经网络方法虽然由大量简单的“神经元相互连接而成，每个神经元结构和功能都比较简单，但是其组成系统却可以非常复杂，在自学习、自组织、联想及容错方面具有人脑的某些特性，更确切地说是人脑的初级特性；④基于仿生模式(拓扑模式)的识别方法。仿生模式识别在于把模式识别问题看成是模式的“认识”，而不是分类划分，不是模式分类，是一类一类样本的“认识”。其特点在于：一类样本在特征空间的构造仅仅依赖于该样本类型本身，通过分析该类型各训练样本之间的关系进行识别；对于未经过训练的任意对象，不会误认；一类一类分别训练“认识，对新增加的样本的训练不会影响原有的识别知识；⑤基于支持向量机的识别方法。支持向量机方法建立在统计学习理论的VC维理论和结构风险最小化原理基础上，根据有限样本信息在模型的复杂性和学习能力之间寻求最佳折衷，以获得最好的泛化能力。支持向量机在有限样本情况下建立了一种较好的通用学习算法，并对模型的选择与过学习问题、非线性和维数灾难问题以及局部极小点问题进行了很好地解决。3、项目实施内容根据系统的设计目标，本项目将开展软件和硬件两个方面的研究和设计工作，根据系统的工作流程，我们将项目分解成五个大的部分进行具体实施。本项目的总体构造示意图如图1所示，系统的总体方案分解方框图如图2所示。工控主机摄像机道闸起落杆压力传感器车道声光告警图1系统构造示意图算法设计输出控制数据库系统人机交互系统图像采集与输入工控机摄像机触发器道闸升降控制输出声光报警车牌识别算法车型识别算法车牌数据库车辆图片存储图2系统方案分解按照系统的输入输出流程，下面对系统的五个部分功能进行概要设计。(1)车辆图像获取系统设计。准确稳定的获取车辆图像是进行后续处理的前提，为了提高系统的运行效率，对摄像头的图像获取采取触发的方式进行，即只有车辆过来并达到规定距离后才启动图像拍摄和处理，这也是目前智能道路交通安全控制系统中车辆图像捕获的通用方法。根据摄像系统的需求，摄像头采用具备触发拍摄和变焦功能的工业用摄像机系统，触发器采用预埋在道路指定位置的压力传感器系统，其示意图如图3所示。摄像机道闸起落杆压力传感器车道5米0.5-1米图3车辆图像捕获系统示意图(2)车牌字符自动识别理论与应用研究及算法设计。目前的车牌字符识别技术基本趋于成熟，但其应用系统都太过庞大，目前主要应用与道路交通控制管理中，这些系统不能直接应用于小区道闸控制中，因此本项目将从实际情况入手，研究符合需求的车牌自动字符识别系统。车牌字符识别系统方框图如图4所示。车辆图像增强去噪车牌定位车牌区域提取车牌校正字符分割归一化特征提取车牌识别图4车牌识别(3)车牌数据库管理系统研究与设计。为了能方便进出车辆的管理，采用数据库的模式能比较好的实现所要求的功能。数据库有对车辆数据即车牌和对应车型的批量导入，实时添加、删除以及黑、白名单管理等功能，其方框图如图5所示。车辆数据批量导入车辆数据实时添加车辆数据实时删除数据库系统黑名单白名单图5车牌数据库管理系统示意图(4)车型识别。根据获取的车辆图片对车型进行识别，并将车型识别结果和数据库中对应的车型进行比对，提高车辆管理的安全性，同时对捕获的图像和识别结果进行存储，为后续查询提供方便。对车型的识别将采用特征识别和模板匹配等多识别方式融合的方法进行，以提高车型识别的准确率。车型识别功能框图如图6所示。车辆图像增强去噪前脸特征提取前脸识别置信度判断车标提取车标识别置信度判断阈值判断车型输出图6车型识别方框图(5)道闸自动反馈控制系统设计。通过对获取的车牌进行识别并和数据库中的车牌进行比对，如果是数据库中已经有的车牌，则自动抬起道闸放行；如果数据库中未查找到该车牌，则蜂鸣器报警，人工查验后如果是符合进出条件的车牌，则人工放行，如果该车辆今后还会继续出入，可以将该车牌导入数据库中；如果是不受欢迎的车辆，则可以将该车牌导入黑名单中，再次发现该车辆后将会用特殊的声音报警以提醒保安人员。4、关键问题（1）车牌字符识别算法优化设计。（2）车型识别算法设计。项目名称：基于车辆图像识别技术的智能道闸控制及管理系统研制