一种高效的智能交通管理大数据分析系统的制作方法

技术特征：

1.一种高效的智能交通管理大数据分析系统，其特征在于，包括智能交通分布式调度系统，所述智能交通分布式调度系统通过智能交通分布式数据总线分别接入智能交通数据采集系统、智能交通数据存储系统、智能交通数据处理系统，其中：

所述智能交通分布式调度系统用于支撑大规模系统的自动化运维及分布式计算框架；

所述智能交通数据采集系统用于采集交通数据并通过智能交通分布式数据总线传输至智能交通数据存储系统，所述交通数据包括交通图像数据；

所述智能交通数据存储系统用于存储交通数据并通过智能交通分布式数据总线提供给智能交通数据处理系统；

所述智能交通数据处理系统用于对智能交通数据存储系统中的交通数据进行处理，为上层业务应用提供方便使用的常用数据处理分析的功能封装，所述对交通数据进行处理包括对图像数据中的车牌进行识别。

2.根据权利要求1所述的高效的智能交通管理大数据分析系统，其特征在于，还包括智能交通运维管理系统，所述智能交通运维管理系统接入智能交通分布式调度系统，并同时分别接入智能交通数据采集系统、智能交通数据存储系统、智能交通数据处理系统，用于管理各个系统中的各个业务应用部署及生命周期管理，并对各个系统进行监控及故障排查修复。

3.根据权利要求2所述的高效的智能交通管理大数据分析系统，其特征在于，所述智能交通分布式数据总线用于提供高容错、高性能的数据传输、交换及应用协作平台。

4.根据权利要求3所述的高效的智能交通管理大数据分析系统，其特征在于，所述对图像数据中的车牌进行识别通过号牌识别装置实现，所述号牌识别装置包括第一处理模块、第二处理模块、第三处理模块和第四处理模块，所述第一处理模块用于对所述图像数据进行预处理，所述第二处理模块用于对所述预处理后的图像数据的车牌边缘进行检测，获取车牌区域，得到车牌图像；所述第三处理模块用于对所述车牌图像的字符进行分割，所述第四处理模块用于将所述车牌图像的字符和字符模板进行匹配，完成车牌识别。

5.根据权利要求4所述的高效的智能交通管理大数据分析系统，其特征在于，所述第一处理模块用于对所述图像数据进行预处理，包括第一增强单元和第二去噪单元，所述第一增强单元用于对图像进行增强，所述第二去噪单元用于对图像进行去噪，所述对图像进行增强，采用以下步骤进行：第一步：将彩色图像转化为灰度图像；第二步将图像划分为C个灰度级，第k个灰度级的增强直方图EH(k)可表示为：上述式子中，m_j表示第k个灰度级的像素点的数量，k＝1,2,…,C，n表示图像像素点总数量。所述对图像进行去噪，采用以下方式进行：对于像素点(x,y),选取N_i×N_i的邻域像素，其中，i＝1,2,3，则去噪后的图像可表示为：上述式子中，EM(x,y)表示像素点(x,y)去噪后的输出灰度值，表示像素点(x,y)在N_i×N_i邻域内灰度均值，表示像素点(x,y)在N_i×N_i邻域内灰度中值。

6.根据权利要求5所述的高效的智能交通管理大数据分析系统，其特征在于，所述第三处理模块用于对所述车牌图像的字符进行分割，包括第一二值化单元和第二字符分割单元，所述第一二值化单元对车牌图像进行二值化处理，所述第二字符分割单元对处理后的车牌图像的字符进行分割。所述车牌图像进行二值化处理，采用以下方式进行：对于灰度值小于确定阈值的像素点，灰度值记为0，对于灰度值大于确定阈值的像素点，灰度值记为255，所述确定阈值采用以下步骤确定：第一步：将图像像素点的平均灰度值作为初始阈值T₀；第二步：利用该阈值将车牌图像划分为Q₁和Q₂两个区域，计算两个区域的平均灰度值分别为v₁和v₂，得到新的阈值第三步：令T_w＝T_w+1,重复第二步，得到T₁₁；第四步：计算图像熵值YW，具体为：上述式子中，YW(J)表示阈值为J时的图像熵值,J∈[T₁₁-5,T₁₁+5]，P_l表示灰度值为l的像素占图像总像素的比重，选取熵值最大的J作为确定阈值，完成图像二值化处理。所述对车牌的字符进行分割，采用以下方式进行：将车牌图像从左向右进行逐列扫描，当灰度值为255像素点的数量大于15，则记为字符的起始列，继续扫描，当灰度值为255像素点的数量小于15，则记为字符的结束列，扫描之车牌图像最右端，得到车牌图像的所有字符；将车牌图像自上而下进行逐行扫描，统计每行的白色像素点的数量，当灰度值为255像素点的数量大于15，作为字符的上边界，同理，将车牌图像自下而上进行逐行扫描，统计每行的白色像素点的数量，当灰度值为255像素点的数量大于15，作为字符的下边界。