基于视频和dsp数字信号处理器的车辆识别测速系统

基于视频和dsp数字信号处理器的车辆识别测速系统内容摘要：

原理 ．视频测速原理 不难看出，光流方程法和相位相关法的运算量非常大，而且光流方程法对图像光线的分布 有一定要求，实用起来效果也并不好。 内江师范 学院本科毕业设计 8 车辆图像采集 牌照识别 车辆数据查询 牌照区域提取 牌照字符切分 牌照字符识别 CCD 摄像头，视频采集卡 卫星通信，联网数据库 小波 变换字符识别快速算法 垂直直方图，轮廓分析 图像预处理，纹理分析，二值化 视频测速 图 3 视频测速系统框图 视频测速的原理主要就是从一前一后两幅二维车辆图像中分别提取出车辆的三维实际位置差，则可以即算出车辆速度。 例如，设路口有一固定摄像机，在 to 时刻，拍摄下包括车 A的道路图片 (远景 )， 并计算出车辆 A 相对于基准点的距离为 x0，在 tl 时刻，拍摄下包括车 A 的道路图片 (近景 )，并计算出车辆 A 相对于基准点的距离为 xl，则△t=t1to，△ x=x0x1，车辆速度为 V=△ x/△ to 图 4 测速示意图 内江师范 学院本科毕业设计 9 如何从车辆二维图像得到车辆实 际的三维空间位置信息，需要解决一些理论上的问题。 首先需要证明在每幅图像中必须取 2 条水平特征量，才能将求出车辆的水平实际位置。 如图 5， EF为 CCD 摄像机像平面， O 为 CCD 焦点。 若只选取 1条水平特征量，例如选取车辆牌照下边缘，在 t1 时刻，车辆在路面上的实际位置为 U点，牌照下边缘在图像中的垂直位置为 D点， t2 时刻车辆运动到 V点，牌照下边缘在图像中的垂直位置为 J点，则在△ t=t1t0时间内，车辆运动距离为△ X=URVR=UV。 但是，从图中可以看出，在 t0 时刻，若车辆在路面上的实际位置为 U点，牌照下边缘在图像 中的垂直位置同样为 D 点， t1时刻车辆运动到 V点，牌照下边缘在图像中的垂直位置同样为 J点，则在△ t=tlt0 时间内，车辆运动距离为△ X=WRZR=WZ。 所以，若只取一条水平特征量，无法判断车辆在△ T 时间 图 5 定位原理图 考虑到系统应用中还要识别牌照字符，而牌照分割时不可避免的要对牌照定位，为了提高效率，不取车辆中的其他水平特征信息，而就取牌照的上下边缘作为 2 条水平特内江师范 学院本科毕业设计 10 征向量进行车辆实际位置的计算。 图 6 测速原理图 如图 6，在 t0 时刻，只要从图像中的牌照位置 CD 计算出 车辆的实际位置 x=UR，同理计算出 t1 时刻车辆实际位置 VR，则可以根据下式计算出车辆速度。 01 10△t △x tt xxv  （ 6） 将像平面部分图像放大进行进一步分析。 图 7 测速原理细节图 Ty:D 点的 y 坐标 by:C 点的 y 坐标 h:牌照实际高度 f:CCD 摄象机焦距 内江师范 学院本科毕业设计 11 HEIGHT：图象垂直分辨率（像素） x: 等于 RU，所求车辆水平距离 lxABh  2222 )2(s i n H E I G HTffMEMOMO 2sin1co s   22 )2(EO H E IG H Tf  2222 )2( H E IG H TbyfCMfCO  byHE IGHECE  11sinsin CECO →  sinsin 11 COCE 2222 )2( H E IG H TtyfDMfDO  tyHE IGHTDE  12sinsin DEDO   sinsin 12 DODE 11sinsin EACEOAE  121212 s i n)s i nc o sc o s( c o sc o s)s i nc o sc o s( s i n)s i n (s i n  E B D12sinsin EBDEOBE  )s i nc o sc o s( s i n)s i n (   EOEOl BEAEAB  ABhlx 内江师范 学院本科毕业设计 12 视频测速应用 ．视频测速流程图 基于水平特征量匹配的车辆测速算法 的流程图如下 : 图 8 视频测速流程图 ．采用牌照边框上下边缘测速 拍摄距离 :指摄像机焦点到图像水平中线所拍摄点的水平距离。 视频检测 近景图像牌照识别 近景水平特征提取 近景车辆位置计算 远景图像牌照识别 远景水平特征提取 远景车辆位置计算 车辆速度计算 车速及车辆信息显示 是否同一辆车 N Y 内江师范 学院本科毕业设计 13 车辆距离 :指摄像机焦点到车辆牌照的水平距离。 拍摄高度 :指摄像机离地面高度。 成像高度 :指摄像机像平面实际高度。 牌照坐标 :以图像左下角顶点为坐标原点建立的二维坐标系中牌照的坐标， Y方向向上， X方向向右。 选取参数如下 : 图像尺寸 :768x576 像素拍摄间隔 : 摄像 机焦距 : 成像高度 : 拍摄高度 : 拍摄距离 :70m。 牌照实际高度 :h=。 实验结果如下 : 远景牌照 :左上角顶点 (361， 390)，右下角顶点 (53， 338)牌照大小 :165X53 车辆距离 : 近景牌照 :左上角顶点 (439， 348)，右下角顶点 (623， 295) 牌照大小 :184X54 车辆距离 : 视频测速 :实际速度 :37km/h 牌照识别 +视频测速时间 : 采用牌照上下边缘进行车辆定位，误差相当 大，通过研究分析，发现主要原因是远近景图切割出的牌照区域不是很好的吻合，直接导致了牌照垂直方向定位不够精确，其中近景图牌照区域偏下。 由于视频测速算法要求对远近图中同一组水平特征量在垂直方向上进行精确定位，所以出现这么大的误差也在情理之中。 通过分析大量图片发现一般切割出的牌照区域，不管牌照区域的位置偏上或 者偏下，基本都能够包括垂直方向上完整的牌照字符，而且牌照中字符的实际高 度有国家统一标准，一般为 ，因此实际应用中考虑用牌照字符的上下边缘进行车辆定位，其原理同利用牌照上下边框进行车辆定位是一样的。 牌照字符垂直方向定位算法如下 : (otx， oty)和右下角顶点坐标 (obx，Oby)。 内江师范 学院本科毕业设计 14 ，统计其每行上的点阵分布，存于数组 A「 N」，N=OtyOby: TGate，从 N 一 O 遍历 A[N]，若遇到A[n]TGate，记下其离 A[N」的距离 P1=Nn，则可确定牌照字 符上边缘为 Ty=otyPI。 BGate，从 0~ N 遍历 A〔 Nj，若遇到A[n]BGate，记下其离 A[0〕的距离 P2，则可确定牌照字符下边缘为 By=Oby+PZ: ，以及牌照字符上下边缘位置 Ty、 By 求出车辆速度。 下面具体分析远近景图中的牌照，以及字符定位算法的应用效果。 图 9 中红线之间区域为字符定位算法得出的远景牌照字符区域，图 10中红线之间区域为字符定位算法得出的近景牌照字符区域。 图 9 远景牌照水平投影值 内江师范 学院本科毕业设计 15 图 10 近景 牌照水平投影值 选取参数如下 : 图像尺寸 :768 只 576 像素 拍摄间隔 : 摄像机焦距 :f= 成像高度 : 拍摄高度 : 拍摄距离 :70m 字符实际高度 :h= TGate=37 BGate=17 实验结果如下 : 远景牌照 :左上角顶点 (361， 390)，右下角顶点（ 525， 338） 牌照大小 :165X53 远景牌照 :PI=5249=3， PZ=9 远景牌照字符上 /下边缘 :Ty=387， By=347 车辆距离 : 近景牌照 :左上角顶点 (439， 348)，右下角顶点（ 623， 295） 牌照大小 :184X54 内江师范 学院本科毕业设计 16 近景牌照 :Pl=5353=0， PZ=10 近景牌照字符上 /下边缘 :Ty=348， By=305 车辆距离 : 视频测速 :实际速度 :牌照识别 +视频测速时间 : ．动态闭值 一般情况下，近景牌照字符的高度 (TyBy)应当大于或者至少等于远景牌照字符高度，采用同一牌照字符上下边缘噪声判决门限 TGate和 BGate 时，有少许 图像可能出现近景牌照字符高度小于远景牌照字符高度，导致视频测速产生较大误差。 当出现上述情况时引入了动态闭值算法，即综合考虑远近景牌照字符高度差，位置差，水平投影统计分布等，动态选取 TGate 和防 BGate，以求尽量准确定出远近牌照字符上下边缘位置，减小此误差。 远景牌照 :左上角顶点 (167， 382)，右下角 牌照大小 :165x53 近景牌照 :左上角顶点 (186， 370)，右下角 牌照大小 :184x54 实际速度 :22km/h (l)未采用动态闭值 : TGate=37 BGate=17 远景牌照 :PI=6， PZ=8 远景牌照字符上 /下边缘 :Ty=376， By=344 车辆距离 : 近景牌照 :P1=7， P2=9 近景牌照字符上 /下边缘 :Ty=363， By=331 车辆距离 : 视频测速 :(2)采用动态闭值 : 内江师范 学院本科毕业设计 17 TGate=50 BGate=23 远景牌照 :P1=8， P2=9 远景牌照字符 上 /下边缘 :Ty=374， By=345 车辆距离 : 近景牌照 :Pl=8， P2=10 近景牌照字符上 /下边缘 :Ty=364， By=332 车辆距离 : 视频测速 : ．性能分析 计算机测试平台为 PIIG，内存 256M， WindowS20 的。 当采用了牌照上下边缘进行测速时，两幅图像的牌照识别和车速计算总耗时在 600ms 左右，其中测速时间小于 10ms。 当采用牌照字符上下边缘进行测速时，总耗时在 630ms 左右，其中测速时间小于 30ms。 本视频测速算法效率还是比较 高的，与仅进行车辆速度计算的光流方程法与算法80ms 相比，本算法的优越性非常明显。 从算法实现可以看出，车辆速度的计算与牌照 (字符 )上下边缘定位的准确程度关系很大，经分析得，若图像中牌照 (字符 )上下边缘定位误差为士 1像素，则速度误差为士。 其不足是，若参数足够准确以及牌照 (字符 )上下边缘定位也非常精确，则理论上本算法可以精确无误的求出车辆速度，但是实际应用中，车辆牌照 (字符 )上下边缘定位是有一定误差的，这也是本算法误差的主要来源。 另一方面，由于参数比较多，实地应用时测量参数比较费事，不过这些 参数可以无须多次测量，首次使用时一次测量即可。 内江师范 学院本科毕业设计 18 3 基于小波变换的字符识别快速算法 字符识别技术概况 字符识别技术简介 OCR(Optical Character Recognition，光学字符识别 )，是模式识别 (Pattern Recognition PR)的一种，也是图像处理的一个重要研究领域。 OCR是利用光学技术对文字或字符进行扫描识别并转换成计算机内码。 OCR 技术并非一项新的技术，德国的科学家 Tausheck 在 1929 年首先提出了 OCR 的概念。 几年后，美国科学家 Handel 也提出了利用光学技术对文字进行识别的想法。 早在 60, 70 年代，世界各国就开始有 OCR 的研究，而研究的初期，多以文字的识别方法研究为主，且识别的文字仅为 0 至 9 的数字。 以同样拥有方块文字的日本为例， 1960年左右开始研究 OCR 的基本识别理论，初期以数字为对象，直至 1965 至 1970 年之间开始有一些简单的产品，如印刷文字的邮政编码识别系统，识别邮件上的邮政编码，帮助邮局作区域分信的作业。 也因此至今邮政编码一直是各国所倡导的地址书写方式。 我国对 OCR技术方面的研究工作起步较晚，经过 20 多年的不懈努力，在 OCR技术方面的研究已经取得了巨大发展，其主要研究方向集中在了难度较高的汉字识别上。 例如英文字符识别，字母加上数字仅仅 62 个字符，国外就己经进行了近四十年的研究，如今仍持续进行着。 相比之下，汉字字数多，常用字就有 5000 多个，笔划复杂，虽然可撷取的信息多，但是识别中所须处理的问题及涉及的技术多了很多，难度比较大。 快速高效地提。