徐韶華

(廣西交通科學(xué)研究院，廣西　南寧　530007)

?

基于圖像識(shí)別的車道閘桿防砸系統(tǒng)研究

徐韶華

(廣西交通科學(xué)研究院，廣西南寧530007)

文章提出一種基于圖像識(shí)別的車道閘桿防砸系統(tǒng)，介紹了該系統(tǒng)的硬件組成部分及軟件算法，并闡述了系統(tǒng)的防砸工作流程，評(píng)述該系統(tǒng)能夠有效判斷車道目標(biāo)區(qū)域有無車情況，實(shí)現(xiàn)了車道閘桿防砸功能。

車道閘桿；防砸系統(tǒng)；感知哈希；高斯濾波；DCT變換；識(shí)別判斷

0　引言

高速公路收費(fèi)站是智能交通系統(tǒng)的重要應(yīng)用領(lǐng)域，為了實(shí)現(xiàn)交通智能化，提高運(yùn)輸效率，保障交通安全，緩解交通擁擠，減少環(huán)境污染，實(shí)時(shí)、準(zhǔn)確、高效的收費(fèi)系統(tǒng)顯得尤為重要。但隨著收費(fèi)站車流量不斷增長(zhǎng)，收費(fèi)站車道閘桿系統(tǒng)的故障經(jīng)常發(fā)生，時(shí)常造成閘桿砸車的現(xiàn)象，從而嚴(yán)重影響了運(yùn)輸效率和收費(fèi)站形象，不可避免地帶來了交通障礙和車主不必要的損失。因而提高高速公路收費(fèi)站車道閘桿系統(tǒng)的可靠性和穩(wěn)定性成為亟需解決的問題?，F(xiàn)有收費(fèi)站車道基本都采用線圈方式作為車輛存在與通過的檢測(cè)，該方式由于車輛的底盤高度及車尾的金屬含量的不同，會(huì)導(dǎo)致車輛還未通過就落桿或車輛通過后不落桿等故障的發(fā)生。此外，地感線圈在大型車輛的輾壓下會(huì)產(chǎn)生形變，甚至?xí)斐刹豢蓮?fù)原的損壞，從而導(dǎo)致感應(yīng)線圈的穩(wěn)定性下降。為了彌補(bǔ)地感線圈存在的不足，本文提出了基于圖像識(shí)別的防砸系統(tǒng)，該系統(tǒng)穩(wěn)定性高、實(shí)時(shí)性好、抗干擾能力強(qiáng)，具有較大的應(yīng)用價(jià)值。

1　系統(tǒng)硬件架構(gòu)

由圖1可知，車道閘桿防砸系統(tǒng)包括道閘、處理模塊(DM642)、采集模塊、存儲(chǔ)模塊和上位機(jī)；采集模塊安裝在道閘旁，并正對(duì)目標(biāo)區(qū)域，通過CCD采集目標(biāo)區(qū)域的圖片信號(hào)；處理模塊根據(jù)采集模塊采集到的圖像信息進(jìn)行分析，并控制道閘欄桿的狀態(tài)；其工作流程為：當(dāng)處理模塊接收到欄桿抬起信號(hào)時(shí)，存儲(chǔ)器將采集模塊當(dāng)時(shí)采集到的圖像信息更新為背景圖像，背景圖像更新完成后，處理模塊實(shí)時(shí)對(duì)圖像信息進(jìn)行高斯濾波得到前景圖像；系統(tǒng)實(shí)時(shí)通過哈希算法分別生成前景圖像和背景圖像的哈希指紋(哈希指紋為以相同次序組合而成的圖像描述字符串)；當(dāng)前景圖像與背景圖像兩者的哈希指紋漢明距離大于設(shè)定值時(shí)，保持欄桿豎立；當(dāng)兩者漢明距離小于設(shè)定值時(shí)，欄桿放下。

圖1　系統(tǒng)硬件框圖

2　系統(tǒng)算法研究

系統(tǒng)軟件算法主要由均值感知哈希、DCT感知哈希、高斯濾波等構(gòu)成。

2.1均值感知哈希

該算法在放大或縮小圖像尺寸、改變縱橫比或顏色、增加或減少亮度或?qū)Ρ榷?，?duì)哈希指紋都不會(huì)有太大的影響。因此，均值感知哈希算法不但計(jì)算速度快，而且具有較強(qiáng)的抗干擾能力，可以比較任意大小的圖片，摒棄不同尺寸、比例帶來的圖片差異，具有較高的應(yīng)用價(jià)值。均值哈希算法主要利用圖片的低頻信息，其生成前景或背景圖像的哈希指紋步驟為：

(1)縮小圖片尺寸：將前景圖像縮小到8×8的尺寸，總共64個(gè)像素。不保持縱橫比，只需將其變成8×8的正方形。這樣就可以摒棄不同尺寸、比例帶來的圖片差異。

(2)簡(jiǎn)化色彩并計(jì)算均值：將8×8的前景圖像轉(zhuǎn)換成灰度圖像，并轉(zhuǎn)為64級(jí)灰度，同時(shí)計(jì)算灰度平均值。

(3)比較像素的灰度：將每個(gè)像素的灰度與平均值進(jìn)行比較，大于或等于平均值，記為1，小于平均值，記為0，如圖2所示。

圖2　均值哈希指紋圖

(4)生成哈希指紋：將上述比較結(jié)果，按一定的次序組合在一起，就構(gòu)成了一個(gè)64位的哈希指紋。如圖2所示按照由上至下每行依次排列的指紋是：1111111111111111110111111101101111000011110000 111100001111100011。

(5)計(jì)算漢明距離：將前向圖片與背景圖片的哈希指紋進(jìn)行漢明距離計(jì)算。

2.2DCT感知哈希

均值感知哈希雖然簡(jiǎn)單，但受均值的影響非常大。例如對(duì)圖像進(jìn)行伽馬校正或直方圖均衡就會(huì)影響均值，從而影響最終的哈希指紋。因大多數(shù)的自然信號(hào)(包括聲音和圖像)的能量都集中在離散余弦變換后的低頻部分，所以本系統(tǒng)使用離散余弦變換(DCT)來獲取圖片的低頻成分。DCT哈希算法與均值感知哈希算法步驟類似，只是均值感知哈希以對(duì)比灰度的平均值方式來生成哈希指紋，而DCT感知哈希則以離散余弦信號(hào)的平均值作為比較對(duì)象來生成哈希指紋。

在縮小圖片尺寸上面，該算法與均值哈希感知算法一致，但尺寸有變化，將前景圖像縮小到32×32的尺寸。

根據(jù)32×32的矩陣數(shù)據(jù)及DCT變換公式F(u，v)=CT·f·C可得大小為32×32的DCT系數(shù)矩陣，保留DCT系數(shù)矩陣左上角的8×8矩陣，這部分呈現(xiàn)了圖片中的最低頻率特性，如圖3所示。

圖3　DCT系數(shù)矩陣圖

根據(jù)DCT系數(shù)舉證來計(jì)算DCT的均值，例如：

在得到DCT均值后生成哈希指紋：將8×8的DCT系數(shù)與均值進(jìn)行比較，大于或等于平均值，記為1，小于均值，記為0。該部分跟均值哈希算法一致。如圖4所示。

圖4　DCT哈希指紋圖

將比較結(jié)果按次序組合在一起，就同樣構(gòu)成了一個(gè)64位的哈希指紋。這里需要說明的是，前景圖像和背景圖像的哈希指紋需要相同的次序排列，如圖4所示按照由上至下每行依次排列的指紋是：1110000 01001100010000010001000001000000000000000100010 0000100000。得到哈希指紋后也同樣計(jì)算漢明距離，通過漢明距離來判斷背景圖片與前景圖片的差異大小，進(jìn)而判斷目標(biāo)區(qū)域有無車輛。

3　防砸過程與分析

如圖5所示，為本系統(tǒng)工作流程示意圖。具體工作步驟如下：

(1)系統(tǒng)初始化，包括背景圖像初始化。

(2)處理模塊監(jiān)測(cè)上位機(jī)是否對(duì)發(fā)出道閘起桿信號(hào)。若發(fā)出，進(jìn)行下一步；若沒發(fā)出，繼續(xù)監(jiān)測(cè)。

(3)處理模塊接收?qǐng)D像采集模塊發(fā)送的圖像信息，并將該圖像信息更新為存儲(chǔ)模塊中的背景圖像。

(4)對(duì)圖像信息進(jìn)行高斯濾波，得到前景圖像。

(5)處理模塊對(duì)前景圖像進(jìn)行處理分析，具體基于哈希算法處理，包括DCT(感知)哈希算法和均值(感知)哈希算法。

(6)將前景圖像與背景圖像的哈希指紋進(jìn)行對(duì)比，當(dāng)DCT感知哈希指紋的漢明距離>10，且均值感知哈希指紋的漢明距離>20時(shí)，說明目標(biāo)區(qū)域內(nèi)存在車輛，此時(shí)控制閘桿保持豎直狀態(tài)。

(7)處理模塊接收?qǐng)D像采集模塊發(fā)送的圖像信息重復(fù)步驟4～6，直到DCT感知哈希指紋的漢明距離<5，且均值感知哈希指紋的漢明距離<10時(shí)，才控制閘桿下落。

圖5　防砸原理示意圖

4　結(jié)語(yǔ)

本文采用速度高達(dá)600 MHz的DM642作為主CPU，為實(shí)時(shí)性要求高的防砸系統(tǒng)奠定了硬件基礎(chǔ)。通過均值與DCT兩種哈希算法對(duì)圖像進(jìn)行同時(shí)分析，能夠保證算法的合理性，增強(qiáng)算法的抗干擾能力，進(jìn)而提升算法和系統(tǒng)的可靠性、穩(wěn)定性。

[1]張慧，張海濱，李瓊，等.基于人類視覺系統(tǒng)的圖像感知哈希算法[J].電子學(xué)報(bào)，2008，26(12A)：30-34.

[2]牛夏牧，焦玉華.感知哈希綜述[J].電子學(xué)報(bào)，2008，36(7)：1405-1410.

[3]劉兆慶.圖像感知哈希若干關(guān)鍵技術(shù)研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2013.

[4]趙玉鑫.多媒體感知哈希算法及應(yīng)用研究[D].南京：南京理工大學(xué)，2009.

[5]張斌.基于感知哈希與數(shù)字水印圖像內(nèi)容認(rèn)證技術(shù)研究[D].北京：北京郵電大學(xué)，2011.

Study on Lane Gate Lever Anti-smashing System Based on Image Recognition

XU Shao-hua

(Guangxi Transportation Research Institute，Nanning，Guangxi，530007)

This article proposed a lane gate lever anti-smashing system based on image recognition，introduced the hardware components and software algorithms of this system，described the anti-smash-ing workflow of this system，reviewed that this system can effectively determine whether there is the car in lane target area，and realized the lane gate lever anti-smashing function.

Lane gate lever；Anti-smashing system；Perceptual hash；Gaussian filter；DCT transform；Recognition judgment

2016-05-22

U495；TP391.41

A

10.13282/j.cnki.wccst.2016.06.020

1673-4874(2016)06-0078-03

徐韶華(1983—)，研究方向：傳感技術(shù)與智能交通。

廣西交通科技項(xiàng)目“基于圖像識(shí)別的高速公路收費(fèi)站車道閘桿防砸系統(tǒng)研究”