劉浩 李思其

摘要：針對智能交通系統(tǒng)（ITS）的要求，設(shè)計研發(fā)了一套基于樹莓派的“運動目標視頻跟蹤定位”及“車牌識別”系統(tǒng)，該系統(tǒng)能在整個智能交通沙盤中，對運動車輛進行分實時自動跟蹤并在沙盤中的公路卡口處對車輛上面的車牌進行自動識別。論文論述了可編程小型計算機樹莓派的結(jié)構(gòu)性能及優(yōu)勢，給出了整個系統(tǒng)的設(shè)計方案以及采用的視頻處理算法，并展現(xiàn)了現(xiàn)場實驗結(jié)果。

關(guān)鍵詞： 智能交通;樹莓派;視頻跟蹤;車牌識別

中圖分類號：TP368? ? ?文獻標識碼：A? ? ?文章編號：1009-3044（2018）34-0184-02

1 智能交通系統(tǒng)

智能交通系統(tǒng)（Intelligent Transportation System，簡稱ITS）是未來交通系統(tǒng)的發(fā)展方向，它是將先進的信息技術(shù)、數(shù)據(jù)通信傳輸技術(shù)、電子傳感技術(shù)、控制技術(shù)及計算機技術(shù)等有效地集成運用于整個地面交通管理系統(tǒng)而建立的一種在大范圍內(nèi)、全方位發(fā)揮作用的，實時、準確、高效的綜合交通運輸管理系統(tǒng)。

本系統(tǒng)的智能交通沙盤是仿真智能交通系統(tǒng)的教學(xué)科研用沙盤系統(tǒng)，研究的目標是在已有沙盤的基礎(chǔ)上，加上智能控制和智能視頻處理功能，實現(xiàn)交通模型及仿真小車的智能化。智能交通沙盤外觀如圖1：

如上圖所示，智能交通沙盤包含山、水、城市道路、城市交通標志、隧道、ETC收費站、智能停車場、紅綠燈路口等場景要素，用到的關(guān)鍵技術(shù)有RFID技術(shù)，單片機控制技術(shù)，磁傳感器技術(shù)，視頻圖像處理技術(shù)等。

智能交通沙盤中有兩個重要的功能：車輛在沙盤中的跟蹤定位和自動識別。

“車牌識別”和“車輛跟蹤”都用到大量的視頻處理，圖像處理算法，運算量非常大，我們系統(tǒng)中的“車牌識別”和“車輛跟蹤”都要求做到實時處理，實時數(shù)據(jù)傳送。因為視頻圖像處理計算量巨大，實時要求又高，所以對中央處理芯片和開發(fā)語言提出了很高的要求[1]。

針對這種情況，該系統(tǒng)采用樹莓派（一款基于linux系統(tǒng)的微型電腦，，性價比高，能做視頻處理程序）分別實現(xiàn)“車牌識別”和“車輛跟蹤定位”功能，程序用C++語言開發(fā)（因為相對Java語言，C++語言速度更快，開發(fā)效率更高，適合底層應(yīng)用開發(fā)），然后分別通過數(shù)據(jù)口把識別出來的車牌號和車輛定位信息傳送給沙盤上的顯示系統(tǒng)。

2 樹莓派介紹

樹莓派是一個非常廉價的、只有信用卡大小的完全可編程的計算機，如圖2：

雖然樹莓派的體積小，但是它的功能非常強大。樹莓派3（Raspberry Pi 3）采用了64位處理器：基于Cortex-A53的博通BCM2837，主頻1.2GHz。擁有1GB RAM和VideoCore IV GPU，能夠流暢地處理視頻和圖像[2]。

樹莓派3以SD/MicroSD卡為內(nèi)存硬盤，卡片主板周圍有4個USB接口，一個10/100 以太網(wǎng)接口，可連接鍵盤、鼠標和網(wǎng)線，同時擁有視頻模擬信號的電視輸出接口和HDMI高清視頻輸出接口[3]。

3 車輛跟蹤定位

我們對運動車輛跟蹤采用的是“改進型的三幀差分法結(jié)合混合高斯背景建?！?。

背景建模是提取運動目標的前提。混合高斯背景建模是基于像素樣本統(tǒng)計信息的背景表示方法，利用像素在較長時間內(nèi)大量樣本值的概率密度等統(tǒng)計信息（如模式數(shù)量、每個模式的均值和標準差）表示背景，然后使用統(tǒng)計差分進行目標像素判斷，可以對復(fù)雜動態(tài)背景進行建模，計算量較大[4]。

在圖像處理過程中，幀間差分是通過計算相鄰兩幀圖像之間的差值來獲得運動區(qū)域的目標輪廓，通過差值圖像可以快速檢測出相鄰圖像中運動目標所引起的運動范圍，但是由于差分只保留相對變化的信息，兩幀間的目標重疊部分難以檢測出來，于是出現(xiàn)空洞現(xiàn)象。而且由于差分后的圖像包含兩幀中相對變化信息，因此檢測出的目標輪廓大小大于實際尺寸，當目標運動速度過快的時候就會出現(xiàn)+雙影，而三幀差分法是在幀間差分基礎(chǔ)上得以改進，將相鄰三幀圖像作為一組進行再差分，能夠較好地檢測出實際運動目標的輪廓[5][6]。

圖3是車輛跟蹤定位模塊的視頻截屏圖，是對運動中的車輛的跟蹤。從圖中可以看出，視頻中的車輛已經(jīng)被跟蹤鎖定，其中紅色矩形框的中心坐標就是車輛的定位坐標，每秒獲取一次坐標值，顯示在圖的左上角。

4 車牌識別

本系統(tǒng)的車牌識別模塊建立在識別系統(tǒng)EasyPR的基礎(chǔ)上，EasyPR是一個基于圖像處理開源庫OpenCV的車牌識別引擎，它的核心在于機器學(xué)習(xí)系統(tǒng)中的中的SVM（支持向量機算法）模型技術(shù)，整個車牌識別過程分為車牌定位和字符識別兩個階段，整個車牌識別過程就是車牌的圖片一張張地輸入到SVM模型中，然后通過SVM模型判斷。無論是車牌定位還是字符識別都需要借助機器學(xué)習(xí)算法，算法預(yù)測準確性取決于特定環(huán)境的訓(xùn)練數(shù)據(jù)。

整體架構(gòu)采用模塊化方式開發(fā)，將車輛定位系統(tǒng)、車牌識別系統(tǒng)和安卓總控平臺分開。車輛定位系統(tǒng)、車牌識別系統(tǒng)分別用一個樹莓派3b開發(fā)板作為控制核心，利用其強大計算能力支持系統(tǒng)實時監(jiān)控能力。車輛定位、車牌識別兩個子系統(tǒng)可通過在樹莓派上建立的http服務(wù)為安卓總控平臺和其他移動設(shè)備提供數(shù)據(jù)服務(wù)。原則上車輛定位、車牌識別子系統(tǒng)只提供字符級別的車牌信息和坐標信息。如果具備特殊權(quán)限，也可獲得實時圖像數(shù)據(jù)。

車牌識別原理如圖4：

5 總結(jié)與展望

本系統(tǒng)采用樹莓派3b這種微型計算機作為控制核心，利用其強大計算能力支持系統(tǒng)的“實時動目標跟蹤”及“車牌識別”功能，取得了不錯的效果，下一步將繼續(xù)在智能交通沙盤系統(tǒng)中加入無線通信功能，成為一個小型物聯(lián)網(wǎng)仿真系統(tǒng)。

參考文獻：

[1] 張輝，王強，徐光祐.運動目標的快速檢測、跟蹤和判別[J].清華大學(xué)學(xué)報，2002，42（10）.

[2] 范魯寧，張世波，艾雨兵.基于樹莓派的課堂實驗設(shè)計[J].電腦知識與技術(shù)，，2015，11（35）.

[3] 李喜鵬，陳嘉威，趙長安.基于樹莓派的車載無線視頻傳輸系統(tǒng)[J].科技創(chuàng)新與應(yīng)用，2017（7）.

[4] 朱文杰，王廣龍，田杰.空時自適應(yīng)混合高斯模型復(fù)雜背景運動目標檢測[J].北京理工大學(xué)學(xué)報，2018，38（2），：166-170.

[5] 高林，王昌宇.改進三幀差分法與背景差分法結(jié)合的運動目標檢測算法[J].裝備制造技術(shù)，2018，7（3）：172-176.

[6] 盧章平，孔德飛，李小蕾.背景差分與三幀差分結(jié)合的運動目標檢測算法[J].計算機測量與控制，2018，12（21）：3315-3318.

[7] 姜宇，張子潮，周富強. 基于OpenCV的車牌識別系統(tǒng)研究[J]. 遼寧師范大學(xué)學(xué)報， 2011，34（2）.

【通聯(lián)編輯：梁書】