一种基于arm的桥隧入口车型识别系统及方法
【专利说明】-种基于ARM的桥隧入口车型识别系统及方法 【技术领域】
[0001] 本发明设及一种车辆全天候的监控识别方法，具体设及一种基于ARM的桥隧入口 车型识别系统及方法。 【【背景技术】】
[0002] 随着智能交通的发展，车型识别成行业内研究的热点，运也是许多后续处理的前 提条件，比如桥梁隧道入口的安全预警、道路收费站的自动检测等。其与单一的车流量信息 相比，具有更大的参考价值。识别的车型一般包括客车、小轿车、货车、越野车及面包车等。
[0003] 当前业界通常采用的车型识别方法主要有目测法、感应线圈法、红外探测法、超声 波检测法及图像识别法等。目测法需要耗费大量人力、财力和时间;感应线圈法受车速等影 响很大，可靠性较低;红外检测法和超声波检测法的硬件系统比较复杂，且系统对环境的要 求比较高，故障率也较高，维修不方便，所W在实际的应用中难W推广；图像识别法识别的 车型信息单一，难W全面、准确反映车型参数。 【
【发明内容】
】
[0004] 本发明的目的在于改善上述不足，提供一种基于ARM的桥隧入口车型识别系统及 方法，结合图像处理系统与地面压力传感器系统，多方面检测行驶车辆特征，为桥隧提供可 靠的通行车型识别。另外，基于ARM的车型识别系统扩展性强，便于其它程序的直接植入及 应用。
[0005] 为了达到上述目的，一种基于ARM的桥隧入口车型识别系统，包括设置在桥隧入口 上的CO)摄像机，桥隧入口前方的路面下埋设有地面压力传感器，地面压力传感器和摄像机 均连接处理单元，处理单元包括处理器，处理器连接摄像机和地面压力传感器，处理器还连 接有图像识别系统、轴距计算系统、数据库、传感器识别系统和数据输入输出接口。
[0006] 所述摄像机采用红外CC时暴像机。
[0007] 所述摄像机设置在桥隧入口上部中央。
[000引一种基于ARM的桥隧入口车型识别系统的识别方法，包括W下步骤：
[0009] 步骤一，车辆前轮娠压到地面压力传感器(4)时，同时触发地面压力传感器(4)和 摄像机(1)工作；
[0010] 步骤二，将地面压力传感器(4)的受压次数和受压时刻W及摄像机（1)拍摄的两张 连续图片传输给处理单元；
[0011] 步骤Ξ，处理单元根据步骤二中获得的信息，处理得到车辆(2)的轴数和轴距，W 及车辆(2)正面及顶部轮廓特征；
[0012] 步骤四，根据车辆(2)的轴数、轴距、正面及顶部轮廓特征，与数据库数据对比判断 车辆(2)的车型；
[0013] 步骤五，处理单元生成车型信息，完成识别。
[0014] 所述步骤Ξ中，轴数、轴距计算方法如下：
[0015] 当车辆第i个轴通过地面压力传感器时，传感器受力，弹性元件产生变形，应变片 电阻突变产生一个相对变化量，从而引起力敏应变电桥输出电压信号的变化，而每发生一 次电压突变，处理单元认为有一轴经过了压力传感器，此时i加1，车辆的总轴数I为：
[0016] 1= Σ? (13)
[0017] 且同一车辆前后两轴的受压时刻应满足关系式：
[001 引 tw-ti<0.5s (14)
[0019]式中，i的初值化；公式每成立一次，i加1;
[0020] 摄像机连续抓拍车辆两张图片，处理单元根据摄像机与车辆牌照的空间几何关 系，计算出车辆实时速度V;
[0021] 情况一:当车辆与摄像机在同一竖平面时，车速V为：
[00剖
（15)
[0023] 式中，P = 140mm，为车牌实际高度；ti、t2分别为第一次、第二次拍照的时刻;mi、m2 分别为tl、t2时刻图像上牌照的高度山、h2分别为tl、t2时刻图像上牌照与图像上地面之间 的高度差；
[0024] 情况二:当车辆与摄像机不在同一竖平面时，车速/为：
[0025]
[0026] 其中，b为摄像机所在竖平面与车辆行驶竖平面的夹角；
[0027] 设车辆在压力传感器上行驶时车速变化不大，则当车辆与摄像机在同一竖平面 时，车辆第i个轴与第(i+1)个轴之间的轴距化满足关系式：
[002引 Di = vAti (17)
[0029] 式中，Ati为第(i+1)个轴受压时刻tw与第i个轴受压时刻ti的差值，即：
[0030] Δ ti = ti+i-ti (18)
[0031] 此时，车辆的总轴距为各轴距之和，即：
[0032] D=IDi (19)
[0033] 当车辆与摄像机不在同一竖平面时，轴距化/为：
[0034] Di'=v'Ati (20)
[0035] 此时，车辆的总轴距为：
[0036] D' = IDi' (21)
[0037] 从而确定车辆的轴数I、各轴距化或化/及总轴距D或〇/。
[0038] 所述步骤Ξ中，车辆正面及顶部轮廓特征通过W下方法得出：
[0039] 摄像机拍摄的图片送入处理单元中，其基于ARM的图像识别系统对图像进行定位、 分割、图像二值化、特征量提取；
[0040] 首先采用一阶Kalman滤波实现背景图像的更新，W适应外部环境的变化，能够有 效地抑制光照及气候变化等外界因素对于车辆识别的影响，一阶Kalman滤波实现背景图像 更新的公式为：
[0041] I3k+i(p)=I3k(p)+g(Ik(p)-Bk(p)) (1)
[00创其中，增益因子g = ai(l-Mk(p))+a2Mk(p) (2)
[0043]且有；
[0046] 式中，I是当前帖图像，B是背景图像，Μ是第k时刻二值化后目标图像中p象素的值， S是第k时亥Ijp象素的阔值，αι、〇2为权值系数，αι大于等于1〇曰2;
[0047] 对于每一幅新采集的当前图像，阔值确定W后，就能够提取运动区域了，设当前图 像的灰度值为Ik(x，y)，更新后的背景图像为化)x，y)，阔值为Τ，将图像二值化：
[004引 (5)
[0049] 式中，（x，y)为图像空间的位置，所有标志为1的点构成运动目标区域，标志为0的 点构成背景区域；
[0050] 接着应提取车辆轮廓线，对于原图像Bk(x，y)轮廓边缘检测，就是求其梯度极大值 的模和方向。用高斯函数对Bk(x，y)滤波后得到Bk(x，y)XN(x，y，o)，车辆轮廓点由公式(6) 和公式(7)决定：
[0051] A=| I化（x，y)XN(x，y，〇)| I (6)
[0化2]
(7)
[0053] 其中，0为高斯滤波器宽度，决定着平滑程度;A为梯度的模;G为梯度的方向；
[0054] 由公式(6)和公式(7)可得到梯度极大值的模和方向，即得到了原图像Bk(x，y)较 大轮廓边缘尺寸，根据摄像机拍摄到的图像计算处理得到车辆的正面及顶部轮廓特征；
[0055] 基于ARM图像识别系统完成图像处理之后，根据摄像机与车辆的空间位置几何关 系，计算出车辆的长度、宽度、高度;此外，摄像机连续抓拍车辆两张图片，分别进行两次车 型参数计算，结果能够互作验证，保证计算准确性，下面给出车辆的车长、车宽和车高的详 细求解过程，方法如下：
[0056] 情况一：当车辆与摄像机在同一竖直平面时，车长1。与图像中车辆轮廓长度1。〇的 关系式为：
[0057]
化)
[0058] 车宽wc与图像中车辆轮廓宽度wco的关系式为：
[0059]
佩
[0060] 车宽Wg和车高h。满足关系式：
[0061 ]
(10)
[0062]式中，U为目标物体成像的物距;f为摄像机的焦距;a是摄像机与路向的最大夹角； Η为摄像机与路面高度差;L为摄像机与摄像机视域中屯、的水平距离;C是摄像机测量的视域 宽；
[0063] 由公式(9)和公式(10)计算可得到车高he;
[0064] 情况二:当车辆与摄像机不在同一竖直平面时，车长Ic/为：
[0068] 式中，b为摄像机所在平面与车辆行驶平面的夹角，将公式（12)计算得到的车宽 We/代入公式(10)中可得到车高he/。
[0069] 所述步骤二中，当车辆第i个轴经过地面压力传感器时，压力传感器受力弹性元件 产生变形，粘贴在弹性元件上的力敏应变电桥输出电压信号，其中，应变片电阻值相对变化 量与轴重成正比，通过放大器将电压放大，再由数模转换成相应的数字量，则能够计算车辆 各个轴重，各个轴重之和便为总重，进