车辆识别摄像头的制作方法

本发明涉及一种用于交通智能化的车辆识别摄像头，更具体地说，本发明主要涉及一种利用数字图像处理技术，能够识别各种车辆及行人，并实时统计道路交通状态的摄像头。利用数字高清传感器采集图像，对数字图像进行处理，识别出轿车，公交车，货车，电瓶车，及行人等，实时统计所监控道路各车道的繁忙情况。

背景技术：

现有的交通控制系统的红绿灯时间基本上是基于历史统计数据，或者是经验设定的。这些路口的交通控制信号不会根据车流量变化实时调整，经常出现有车的方向红灯，而没车的方向长时间绿灯。这种实际道路车辆状况和交通控制信号不同步的情况会增加车辆停留次数和时间，浪费现有的道路资源，造成交通拥堵，加大能源消耗和废气污染。

为改善实际道路交通和预定的交通控制信号不同步的状态，有的交通路口在高峰期会有交警等人工指挥。其目的就是让交通控制信号根据道路的实时状况进行优化调整。但是每个路口，每天24小时都有人现场指挥是不现实的。

技术实现要素：

为解决上述的交通控制的问题，本发明采用以下技术方案，让交通路口能够看到道路交通状态：利用数字高分辨率图像处理和图像识别技术，把图像传感器采集到的道路实时图像进行处理和识别，把各种车辆和行人识别出来，并估计其行驶速度等参数，统计各方向道路的实时状况。

本发明所提供的用于交通智能化的车辆识别摄像头，包括：光学镜头，把监控道路的图像投射到高分辨率光学图像传感器上，并具有光圈，快门和焦距调节能力。

高清图像传感器，把光学图像转换成高分辨率数字信号图像，为后续的图像处理提供清晰的图像。

图像采集控制芯片，把图像传感器上的高清数字图像采集后，按照36位rgb及h-sync，v-sync，de和像素时钟的格式编码后，输入到图像处理和识别芯片。同时，根据图像的色彩饱和度，自动调节光学镜头，图像处理和识别芯片，把输入的数字图像进行前景和背景分离处理，轮廓提取处理，物体分离处理后，按照车辆特征识别各种车辆和行人，统计道路上各车道上的车辆种类，数量和行人情况，并把统计数据像按照ieee802.3的标准网络协议编码后，接入网络接口。

网络接口提供标准的局域网接口，把车辆和行人的统计数据接入到交通控制设备。同时，网口按照poe远方供电标准设计，能够接受远方控制器通过网线集中供电，避免每个摄像头单独供电的需求。

目前市场上还没有类似产品。与此相关的产品是用超声波，远红外，或者在车道下面预埋车辆感应装置，用于检查车道上是否有车辆。这些装置都只是简单的传感器，只能检测路口有没有车辆，没有能力检测车辆种类，数量，行驶速度和当前位置，更不能检测人行道上行人的数量。

附图说明

图1：为用于说明本发明实施方案的一个结构示意图；

图2：为用于说明本发明实时统计车辆数据的一个示意图；

图3：为用于说明本发明前景与背景分离的一个示意图；

图4：为用于说明本发明前景与背景分离的另一个示意图；

图5：为用于说明本发明前景与背景分离的另一个示意图；

图6：为用于说明本发明轮廓抽取的一个示实例；

图7：为用于说明本发明轮廓抽取后的一个示实例；

图8：为本发明幅度和频率结构示意图；

图9：为本发明汽车外观结构示意图；

图10：为本发明汽车外部结构示意图；

图11：为本发明结构示意图；

图12：为本发明集成板结构示意图；

图13：为本发明光学镜头结构示意图；

具体实施方式

下面结合附图对本发明作进一步阐述。

参考图1所示，本发明的实施例示意图，包括：

光学镜头，把所监视的道路情况的图像投射到高清图像光学传感器，并提供光圈，快门及聚焦调节。在实施实例中，使用tamron的12vm1040asir镜头，图像尺寸：1/2英寸；焦距：10-40mm；光圈：1.4到全关；视角：37.5x27.5度；调焦：手动；iris：手动。

光学传感器和图像采集控制器，把光学信号装换成为相应数字信号，形成每个像素的rgb三原色亮度，按照36位rgb+hsync+vsync+de+clock的格式输出到图像处理及识别芯片。同时，采集控制器根据环境光强等因数等，调整光学系统的光圈及快门等曝光参数。在本实施实例中，使用omnivision的ov14825图像传感器和集成的图像采集控制器，图像分辨率：4416x3312；像素尺寸：1.4um；帧频：15fps；rgb分辨率12位。

图像处理和识别芯，对采集到的高分辨率数字图像进行处理，把2维图像在时间轴上进行差分运算，把前景，也就是与参考图像相比变化的部分，和背景，也就是与参考时间的图像相比不变的部分，分离出来；然后把前景图像从时域空间装换到频域空间，通过高通滤波器，再还原到时域空间，得到物体的轮廓；根据物体的轮廓，把单个或叠加和遮挡的物体分离出来；然后按照轿车，客车，公交车，货车，摩托车，电瓶车和行人的特征，对物体进行识别，归类，并估计物体的运动速度及方向，对该路上各条车道上的车辆进行统计；然后把统计数据按照ieee802.3标准打包后接入网络接口。在实施实例中，使用xilinx的xc6slx45-2csg324c；clb数量：3411；逻辑单元数：43661；存储位：2138112.

动态存储芯片，用于图像处理和识别过程中数据的存储。在实施实例中，使用winbond的w9751g6kb-25；位数：16；容量：512mb；速度：2.5ns；电压：1.8v。

网络接口，按照ieee802.3物理层标准，连接到外接控制设备。同时按照poe远方供电标准，通过网线从外接控制设备获取电源，为车辆识别摄像头供电，避免单独供电的要求。在实施实例中，使用realtek的rtl8211bl局域网控制器；速度：10/100/1000mbps。使用ti的tps23753apw实现poe远方供电；功率：13w；大地隔离供电。

参考图2所示，本发明对一条道路上的车辆识别结果的示意图。在示意图中的红色圆圈代表车辆识别摄像头看到的车辆。其中两辆轿车以每小时25公里在右转车道上行驶，分别距离路口3米和8米；有3辆摩托车停在直行道上等待，有5辆轿车同样以每小时10公里速度在直行道上接近路口，距离分别为2米，6米，11米，16米和24米；有一辆轿车在左转道上等待，另一辆轿车以每小时15公里速度在左转道上接近路口，距离7米。

参考图3，图4，图5所示，说明本发明的图像处理过程中，前景与背景分离算法的示意图；图3表示固定不变的图像，或者变化很慢的图像；图4表示有一车驶入视频区域；图5表示按照图3为参考，从图4中分离出来的前景。

参考图6，图7，图8所示，说明本发明的图像处理过程中，图像从时域空间到频域空间的变换后，通过高通滤波算法提取物体轮廓的过程；图6表示将整幅图像分成多个小正方形区域的示意图，这是其中一个16x16的像素区域；图7表示对这个小正方形按离散cos算法进行时域空间到频域空间的转换；图8表示将频域空间的图像通过高通滤波器，在频域空间滤波；然后再把每个小正方形区域还原到时域空，结果就是物体的轮廓。

参考图9，图10所示，表示轮廓抽取的一个实例；图9是一辆车的图像，经过频域变换及高通滤波后，得到图10所示的汽车轮廓。

参考图1、图2、图3，图4，图5，图6，图7，图8，图9所示，对本发明综合说明如下：光学镜头把图像投射到图像传感器上，把光学图像转换为数字信号，经过图像采集后接入图像识别芯片，经过前景与背景分离，物体轮廓抽取，物体分离和车辆特征识别，分类统计各方向车道上的车辆数量和行驶速度，然后把这些统计数据经过网口送到外接交通控制器。

而除上述以外，还需要说明的是在本说明书中所谈到的“一个实施例”、“另一个实施例”、“实施例”等，指的是结合该实施例描述的具体特征、结构或者特点包括在本申请概括性描述的至少一个实施例中。在说明书中多个地方出现同种表述不是一定指的是同一个实施例。进一步来说，结合任一实施例描述一个具体特征、结构或者特点时，所要主张的是结合其他实施例来实现这种特征、结构或者特点也落在本发明的范围内。

尽管这里参照本发明的多个解释性实施例对本发明进行了描述，但是，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说，在本申请公开、附图和权利要求的范围内，可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变型和改进外，对于本领域技术人员来说，其他的用途也将是明显的。