樊夏敏

（中國鐵路上海局集團(tuán)有限公司徐州樞紐指揮部，江蘇 徐州 221002）

0 引 言

隨著經(jīng)濟(jì)的發(fā)展，中國高速鐵路（China Railway Highspeed），簡稱“中國高鐵”，是當(dāng)代中國一類重要的交通基礎(chǔ)設(shè)施。經(jīng)過近20年的發(fā)展，截至2021年底，全國高鐵鐵路營業(yè)里程達(dá)4萬多公里，穩(wěn)居世界第一，高鐵站數(shù)量也達(dá)到五百多個(gè)。由于高鐵站內(nèi)工作的需要，站內(nèi)專用汽車的數(shù)量也在逐步增加，為高鐵站的各項(xiàng)業(yè)務(wù)提供了保障，成為高鐵站內(nèi)重要的一部分[1-3]。但在這種情況下，車位利用率低導(dǎo)致車站內(nèi)專用車輛的停車、快速行駛等問題愈發(fā)突出。

在停車位不足的情況下，提出車輛的精準(zhǔn)行駛路線、停車快速引導(dǎo)方案等，可以一定程度上提高資源的利用率[4,5]。目前針對(duì)商場地下、地上等大型停車場的車位引導(dǎo)系統(tǒng)已經(jīng)逐步出現(xiàn)，但針對(duì)火車站內(nèi)專用車的引導(dǎo)系統(tǒng)還未見相關(guān)應(yīng)用[6-8]。現(xiàn)有的針對(duì)商場等停車場的引導(dǎo)系統(tǒng)往往存在指引功能相對(duì)單一、停車場導(dǎo)引系統(tǒng)顯示不準(zhǔn)確等問題，系統(tǒng)僅僅是告知在停車場某一區(qū)域車位數(shù)量的剩余情況，時(shí)常在此區(qū)域也同樣找不到剩余的空車位，導(dǎo)致經(jīng)常有司機(jī)“知空不知位”的情況發(fā)生?？紤]到高鐵車站內(nèi)專用車輛的引導(dǎo)需求，而現(xiàn)有車輛引導(dǎo)系統(tǒng)的服務(wù)又無法滿足，因此需要一個(gè)高效的停車引導(dǎo)系統(tǒng)來輔助司機(jī)高效行駛、知位可停，極大地提高站內(nèi)車位利用率，為車輛停車、行駛管理提供新思路。

1 項(xiàng)目總體設(shè)計(jì)架構(gòu)

本系統(tǒng)圍繞高鐵站內(nèi)智能車輛引導(dǎo)的實(shí)際需求，建立了一套快速配車、路線規(guī)劃的車位引導(dǎo)系統(tǒng)。該系統(tǒng)根據(jù)現(xiàn)有停車場空置車位的數(shù)量和位置，為司機(jī)選擇最佳行駛路線，提高停車效率，以實(shí)現(xiàn)站內(nèi)停車資源的充分利用。另外，利用數(shù)據(jù)庫對(duì)多傳感器數(shù)據(jù)進(jìn)行存儲(chǔ)和管理，為車主提供更加高效方便的停車方式，并為車站管理提供可視化的數(shù)據(jù)以幫助決策，降低管理成本。

本系統(tǒng)的總體設(shè)計(jì)方案如圖1所示，分為感知層、處理層、傳輸層和應(yīng)用層，從終端傳感器到數(shù)據(jù)傳輸再到頂層的應(yīng)用。通過攝像頭等車輛運(yùn)動(dòng)檢測模塊在道路干道上獲取的數(shù)據(jù)信息，計(jì)算出當(dāng)前車輛附近距離最近的空余車位方向，發(fā)送至底層控制系統(tǒng)，實(shí)現(xiàn)空余車位道路路徑上的LED流水閃爍，提示司機(jī)空車位方向，為停車場導(dǎo)引系統(tǒng)提供了完整的技術(shù)方案。

圖1 系統(tǒng)框圖

本系統(tǒng)的三層框架中，首先從最底層的感知層獲取到停車場車輛的綜合基礎(chǔ)信息；然后將數(shù)據(jù)傳送至傳輸層，實(shí)現(xiàn)系統(tǒng)基本的組網(wǎng)通信，獲得整個(gè)停車場的車輛信息并進(jìn)行綜合處理；最后各個(gè)車位監(jiān)測節(jié)點(diǎn)將數(shù)據(jù)上傳至應(yīng)用層，實(shí)現(xiàn)數(shù)據(jù)的可視化與系統(tǒng)管理等具體功能。

1.1 感知層

感知層各個(gè)節(jié)點(diǎn)布設(shè)在站內(nèi)各個(gè)停車位上，實(shí)現(xiàn)車位相關(guān)狀態(tài)數(shù)據(jù)信息的采集。節(jié)點(diǎn)以STM32為核心處理器，通過激光紅外、攝像頭傳感器協(xié)同工作，收集車位的當(dāng)前信息，并對(duì)上位機(jī)發(fā)送的數(shù)據(jù)報(bào)文進(jìn)行處理，控制相應(yīng)的元器件開關(guān)實(shí)現(xiàn)實(shí)時(shí)控制，為整個(gè)系統(tǒng)提供可靠的數(shù)據(jù)支持。

1.2 處理層

處理層主要對(duì)感知層各節(jié)點(diǎn)傳感器采集到的數(shù)據(jù)信息進(jìn)行分析并處理，具體基于板載嵌入式系統(tǒng)利用圖像處理、計(jì)算機(jī)視覺、人工智能等技術(shù)對(duì)采集到的信息進(jìn)行整理和分析，判斷車位當(dāng)前狀態(tài)并給予反饋，同時(shí)發(fā)送給感知層的各個(gè)控制器進(jìn)行相應(yīng)的控制。

1.3 傳輸層

傳輸層分為接入層與匯聚交換層。接入層為2.4 GHz無線方案，本文采用無線通信的方式，與感知層節(jié)點(diǎn)構(gòu)成了本項(xiàng)目網(wǎng)絡(luò)的基本單元。匯聚交換層負(fù)責(zé)將接入層獲得的各個(gè)終端節(jié)點(diǎn)的信息進(jìn)行數(shù)據(jù)分組匯聚、轉(zhuǎn)發(fā)、暫時(shí)存儲(chǔ)與交換，并與云端進(jìn)行數(shù)據(jù)傳輸，支撐數(shù)據(jù)匯集。本文設(shè)計(jì)的主要目的是實(shí)現(xiàn)各終端節(jié)點(diǎn)模塊之間的相互通信及后期數(shù)據(jù)上傳工作，即要保證各個(gè)節(jié)點(diǎn)數(shù)據(jù)能夠穩(wěn)定上傳；同時(shí)就數(shù)據(jù)加密、節(jié)點(diǎn)休眠、數(shù)據(jù)本地存儲(chǔ)與索引問題進(jìn)行進(jìn)一步的優(yōu)化。

1.4 應(yīng)用層

應(yīng)用層分為管理服務(wù)層和用戶應(yīng)用層。管理服務(wù)層依托大量數(shù)據(jù)存儲(chǔ)和云計(jì)算平臺(tái)的支持，通過軟件為感知硬件與應(yīng)用軟件之間的無縫連接提供大量數(shù)據(jù)的高效匯聚、存儲(chǔ)，并通過數(shù)據(jù)挖掘、智能數(shù)據(jù)處理計(jì)算等，為用戶應(yīng)用層提供安全的實(shí)時(shí)遠(yuǎn)程管理和智能服務(wù)。用戶應(yīng)用層是面向用戶的智能控制端，通過友好的人機(jī)交互界面為用戶提供簡單方便的遠(yuǎn)程管理和智能服務(wù)。

2 系統(tǒng)架構(gòu)設(shè)計(jì)

2.1 功能設(shè)計(jì)

當(dāng)專用車輛在車站內(nèi)作業(yè)時(shí)，通過攝像頭實(shí)時(shí)采集車輛的車牌信息，該信息作為認(rèn)定當(dāng)前引導(dǎo)車輛的唯一標(biāo)識(shí)，當(dāng)識(shí)別完成后司機(jī)可使用小程序或跟隨停車場內(nèi)的引導(dǎo)系統(tǒng)前往指定的車位，小程序上可為用戶展示前往車位的路線信息，外部硬件設(shè)施上可借助多機(jī)位攝像頭捕捉車牌信息，實(shí)現(xiàn)一對(duì)一的導(dǎo)航定位與引導(dǎo)服務(wù)。

如圖2所示是本文設(shè)計(jì)系統(tǒng)的流程。首先進(jìn)行系統(tǒng)初始化，如果成功，等待車輛信號(hào)輸入，識(shí)別到有車來到時(shí)，指引模塊啟動(dòng)，將根據(jù)車輛的當(dāng)前位置計(jì)算出距商場入口處的最近路線，并由底層LED模塊電路在車輛前方依次點(diǎn)亮，以此示意車主跟隨提示燈行進(jìn)至附近最適合的車位。實(shí)現(xiàn)智能指引車輛至最優(yōu)目的地的效果。

圖2 系統(tǒng)流程

2.2 各功能實(shí)現(xiàn)流程

2.2.1 車輛識(shí)別系統(tǒng)

本文通過架設(shè)在車站內(nèi)的攝像頭，利用車牌識(shí)別技術(shù)，使用LPR算法將記錄到的車牌信息上傳至數(shù)據(jù)庫，為系統(tǒng)提供數(shù)據(jù)基礎(chǔ)的同時(shí)方便車輛管理，記錄停車時(shí)長、車輛當(dāng)前位置等信息。圖3所示是某車牌識(shí)別結(jié)果。

圖3 車牌識(shí)別結(jié)果示意圖

2.2.2 用戶借助引導(dǎo)系統(tǒng)抵達(dá)停車位

車輛進(jìn)入高鐵車站內(nèi)后，系統(tǒng)自動(dòng)判斷站內(nèi)車位的使用情況，在站內(nèi)空車位緊張時(shí)自動(dòng)開啟車輛自助引導(dǎo)系統(tǒng)；根據(jù)攝像頭與車位檢測模塊兩點(diǎn)間對(duì)應(yīng)的火車站內(nèi)路線圖，結(jié)合當(dāng)前車站各類車輛的行駛和?？壳闆r，匹配出距離當(dāng)前車輛最近的空余車位，規(guī)劃出最優(yōu)路線；并在APP上進(jìn)行語音引導(dǎo)，提示“車輛XXX歡迎您，系統(tǒng)為您自動(dòng)分配最佳車位，請(qǐng)您跟隨站內(nèi)指引燈前往”，以便提示司機(jī)知曉本系統(tǒng)的運(yùn)行狀況，為司機(jī)提供更好的停車體驗(yàn)。

2.2.3 隨車指引模塊系統(tǒng)

指引系統(tǒng)通過將大量的LED電路部署在站內(nèi)車輛行進(jìn)路線上，根據(jù)站內(nèi)攝像頭識(shí)別到車輛當(dāng)前位置信息，并計(jì)算出車輛實(shí)時(shí)位置；然后控制接入層與匯聚交換層產(chǎn)生的數(shù)據(jù)，操作單片機(jī)點(diǎn)亮車輛行進(jìn)前方的LED電路，以供司機(jī)判斷直行或路口處左右轉(zhuǎn)向，實(shí)現(xiàn)隨車指引效果。如圖4所示是以某停車場為例的車輛指引系統(tǒng)示意圖。

圖4 車輛引導(dǎo)系統(tǒng)示意圖

隨車指引系統(tǒng)在運(yùn)行過程中，通過干路上的多機(jī)位攝像頭，實(shí)時(shí)判斷車輛運(yùn)動(dòng)軌跡并跟蹤，更準(zhǔn)確地識(shí)別到車輛的運(yùn)動(dòng)，實(shí)時(shí)有效提醒車輛運(yùn)動(dòng)路線，并及時(shí)更新前方路線的LED燈狀態(tài)。同時(shí)，實(shí)時(shí)提取畫面中的車牌信息，對(duì)車輛行駛路線與規(guī)劃路線進(jìn)行匹配，判斷車輛是否跟隨所展示路線，如有路線變化，更新接入層LED電路進(jìn)行實(shí)時(shí)點(diǎn)亮提醒。

本系統(tǒng)依托微信小程序，可以為司機(jī)提供路線選擇和設(shè)定的操作。司機(jī)通過當(dāng)前駕駛車輛的車牌號(hào)，可獲取當(dāng)前車輛的位置，并可以自主設(shè)定前往的目的地，程序根據(jù)當(dāng)前設(shè)定可以給出若干個(gè)路線規(guī)劃的方案，司機(jī)可以根據(jù)需要合理選擇路線，進(jìn)而實(shí)現(xiàn)設(shè)定路線的車輛引導(dǎo)。

2.2.4 車位檢測模塊

車位檢測由紅外線檢測模塊和路由器模塊兩部分組成，負(fù)責(zé)將檢測到的當(dāng)前車位空余狀態(tài)信息上報(bào)系統(tǒng)。路由器模塊由CC3200核心電路、晶振電路、按鍵電路、串口電路組成，電源電路用作穩(wěn)壓器，為CC3200提供所需要的電壓；按鍵電路用于測試系統(tǒng)組網(wǎng)和復(fù)位，通過CC3200實(shí)現(xiàn)WiFi連接和數(shù)據(jù)上傳的功能，以供系統(tǒng)判斷車位使用，從而實(shí)現(xiàn)系統(tǒng)閉環(huán)。核心原理如圖5所示。

圖5 CC3200原理

2.3 系統(tǒng)軟件結(jié)構(gòu)設(shè)計(jì)

2.3.1 車輛運(yùn)動(dòng)檢測

視頻檢測是一種結(jié)合視頻圖像和模式識(shí)別的技術(shù)。利用視頻及現(xiàn)代通信等技術(shù)，通過安裝在停車場的攝像機(jī)采集停車位的視頻圖像，再運(yùn)用數(shù)字圖像處理、模式識(shí)別等技術(shù)對(duì)視頻圖像進(jìn)行處理，最后識(shí)別停車位的占用信息，從而為后續(xù)的信息加工、信息引導(dǎo)提供實(shí)時(shí)的停車信息。其缺點(diǎn)是投資高、模式識(shí)別技術(shù)要求高、實(shí)現(xiàn)復(fù)雜且識(shí)別率存在一定誤差。本文以樹莓派機(jī)器視覺為主，配合底層硬件電路，作為智能引導(dǎo)實(shí)時(shí)動(dòng)態(tài)檢測解決方案。

在進(jìn)行固定模式下的視頻檢測系統(tǒng)中，拍攝背景通常是變化較少的固定場景，因此從靜止的背景中提取移動(dòng)的前景，通過多個(gè)高斯模型的加權(quán)和混合在一起來模擬新的背景特性。Back ground subtraction記錄此時(shí)背景特征后[9]，出現(xiàn)在畫面的車輛信息就能通過標(biāo)出的具體場景圖像在不符合背景模型的部分中被檢測出來。具體提取算法原理如圖6所示。

圖6 動(dòng)態(tài)視頻識(shí)別原理示意圖

2.3.2 背景分割

背景差分法是面對(duì)移動(dòng)運(yùn)動(dòng)對(duì)象目標(biāo)檢測的關(guān)鍵方法，將當(dāng)前每一幀圖像與事先存儲(chǔ)運(yùn)算獲取的背景圖像相減，計(jì)算出與背景偏離超過一定閾值的區(qū)域作為運(yùn)動(dòng)區(qū)域[10-12]。本項(xiàng)目使用該算法能夠優(yōu)化移動(dòng)物體的實(shí)時(shí)檢測和提取，采用背景差分法計(jì)算后的結(jié)果能夠直接包含目標(biāo)的位置、大小、形狀等信息，具體流程如圖7所示。該方法能夠提供關(guān)于運(yùn)動(dòng)目標(biāo)區(qū)域的完整描述[10-12]，背景差分法是實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)實(shí)時(shí)檢測和提取的首選方法，特別是對(duì)于攝像機(jī)靜止的情況。

圖7 運(yùn)用背景差分法提取目標(biāo)框架

背景獲取算法通常要求在場景中存在運(yùn)動(dòng)目標(biāo)的情況下獲取背景圖像，更新過程使背景能夠適應(yīng)場景的各種變化和干擾，如外界光線的改變、背景中對(duì)象的擾動(dòng)和固定對(duì)象的移動(dòng)、陰影的影響等。

一種典型的背景建模方法是用混合高斯模型描述背景圖像像素值的分布，目標(biāo)檢測過程中判斷圖像的當(dāng)前像素值是否符合該分布，若符合，則被判為前景點(diǎn)，否則判定為背景點(diǎn)。同時(shí)根據(jù)新獲取的圖像，對(duì)背景圖像參數(shù)進(jìn)行自適應(yīng)更新。該方法能夠可靠處理光照變化、背景混亂運(yùn)動(dòng)的干擾以及長時(shí)間的場景變化等。在此基礎(chǔ)上，對(duì)背景、靜止目標(biāo)和運(yùn)動(dòng)目標(biāo)三者采取不同的更新策略，以減弱背景更新過程中運(yùn)動(dòng)目標(biāo)對(duì)背景的影響。

本項(xiàng)目使用根據(jù)車輛特征更新的GMG算法，其中結(jié)合了靜態(tài)背景圖像估計(jì)和每個(gè)像素的貝葉斯分割，與該像素值歷史信息（包括前幾幀的像素值和像素點(diǎn)是前景還是背景）進(jìn)行判斷比較，如果像素值之間的差別在指定閾值內(nèi)，則認(rèn)為新像素值與該歷史信息是匹配的，稱為潛在的背景點(diǎn)；所有歷史信息比較完畢后，如果與歷史信息匹配的次數(shù)超過了設(shè)定閾值，則新像素點(diǎn)被歸為潛在背景點(diǎn)；如果被匹配的歷史信息點(diǎn)中屬于背景的點(diǎn)個(gè)數(shù)超過設(shè)定閾值，那么新的像素點(diǎn)就被歸為背景點(diǎn)。這是一種自適應(yīng)的估計(jì)，新觀察到的對(duì)象比舊的對(duì)象具有更高的權(quán)重，從而對(duì)光照變化產(chǎn)生適應(yīng)。一些形態(tài)學(xué)操作如開運(yùn)算、閉運(yùn)算等被用來除去不需要的噪音。在前幾幀圖像中會(huì)得到一個(gè)黑色窗口。背景差分法實(shí)現(xiàn)的關(guān)鍵是背景模型的獲取和更新。

2.3.3 閾值化

為了得到更好的圖像，在前景分割后需要進(jìn)行圖像閾值化，按照灰度級(jí)對(duì)像素集合進(jìn)行劃分。背景和前景之間的類間方差越大，說明構(gòu)成圖像的兩部分的差別越大，將部分前景錯(cuò)分為背景或部分背景錯(cuò)分為前景都會(huì)導(dǎo)致兩部分差別變小。因此，使類間方差最大的分割意味著錯(cuò)分概率最小。噪聲會(huì)在一定程度上影響閾值T的選擇，當(dāng)原始圖像含有噪聲時(shí)，可以在閾值處理前將圖像進(jìn)行平滑處理，消除噪聲的影響。處理那些位于或接近物體和背景間邊緣的像素時(shí)，可以通過邊緣改進(jìn)的閾值處理方法來分離灰度級(jí)，使得前景和后景灰度差更大。背景照明高度不均勻時(shí)，需要進(jìn)行閾值處理的難度就會(huì)增大。為了解決這個(gè)問題，運(yùn)用局部統(tǒng)計(jì)的可變閾值處理算法進(jìn)行解決。

Otsu’s方法的最佳方案是選擇閾值k和最大類間方差σ2(k)進(jìn)行定義。由公式（1）可知，設(shè)置的方差越大，則完全分割一幅圖像的閾值就會(huì)越接近。公式中的k就是所要尋找的最佳閾值，當(dāng)k不唯一時(shí)，則將所有的最佳閾值取平均值即可[13]。

當(dāng)加入高斯噪聲圖像時(shí)，所顯示的直方圖并不能使用閾值處理進(jìn)行分割，所以經(jīng)過Otsu’s全局閾值處理操作后發(fā)現(xiàn)，原始圖像和噪聲并不能分離開。當(dāng)使用平滑濾波器進(jìn)行圖像改善之后，最后的效果圖顯示圖像與噪聲被分割開來，因此可以使用Otsu’s全局閾值處理對(duì)圖像進(jìn)行操作。

2.3.4 小程序功能設(shè)計(jì)

用戶端能夠通過小程序查看停車場內(nèi)當(dāng)前停車狀況、現(xiàn)余車位統(tǒng)計(jì)和指引系統(tǒng)提示次數(shù)信息，也可對(duì)停車場指引系統(tǒng)進(jìn)行控制。在界面最頂端，通過選擇手動(dòng)、自動(dòng)和關(guān)閉選項(xiàng)，能夠?qū)χ敢到y(tǒng)進(jìn)行控制和切換。本文所設(shè)計(jì)的小程序界面如圖8所示。

圖8 管理端停車場系統(tǒng)

通過點(diǎn)擊上方的按鈕，控制停車場內(nèi)指引系統(tǒng)進(jìn)行工作，當(dāng)停車狀況良好時(shí)，系統(tǒng)可手動(dòng)開啟指引。當(dāng)剩余空位較少且復(fù)雜時(shí)，為避免系統(tǒng)過飽和出現(xiàn)異?？筛鶕?jù)情況關(guān)閉指引系統(tǒng)。當(dāng)處于自動(dòng)狀態(tài)時(shí)，可根據(jù)當(dāng)前車場整體停車情況和當(dāng)前時(shí)間，自動(dòng)識(shí)別指引系統(tǒng)。

3 實(shí)驗(yàn)結(jié)果及分析

本文的實(shí)驗(yàn)數(shù)據(jù)來源于攝像頭拍攝到的停車場固定場景視頻序列圖像，其中所用的背景差分法是將當(dāng)前每一幀圖像與事先存儲(chǔ)或?qū)崟r(shí)獲取的背景圖像相減，將計(jì)算出的與背景偏離超過一定閾值的區(qū)域作為運(yùn)動(dòng)區(qū)域。此處為了分析車輛檢測效果，對(duì)比了基本全局算法和Otsu’s方法。由圖9可發(fā)現(xiàn)，在混合高斯模型中不同噪聲會(huì)影響閾值的選擇，當(dāng)噪聲不能夠在源頭減少時(shí)，在閾值處理之前可以對(duì)圖像進(jìn)行平滑處理，這樣可以更好地進(jìn)行閾值處理，最后從實(shí)驗(yàn)結(jié)果中判斷檢測的穩(wěn)定性、收斂性和精準(zhǔn)性。

圖9 MATLAB算法測試

通過圖10的實(shí)驗(yàn)結(jié)果不難看出，在實(shí)地的車輛運(yùn)動(dòng)檢測測試中，采用背景差分法的提取效果表現(xiàn)為在目標(biāo)區(qū)域連通性較好，但由于算法的速度和識(shí)別效果對(duì)于運(yùn)動(dòng)物體速度有一定的要求和限定，并且提純背景圖像和計(jì)算前景圖像需要花費(fèi)一定的時(shí)間，因此本文在檢測速度和識(shí)別效果方面進(jìn)行了優(yōu)化，可用于動(dòng)態(tài)背景下運(yùn)動(dòng)目標(biāo)的檢測。運(yùn)動(dòng)速度快或體積較大情況下得到的目標(biāo)輪廓可能會(huì)存在噪點(diǎn)較大或沿著目標(biāo)運(yùn)動(dòng)方向延伸的問題。

圖10 實(shí)地測試效果

當(dāng)然，由于攝像頭的固定場景取景有限，面對(duì)不同體積大小的車輛特征，對(duì)于前景提取的運(yùn)動(dòng)檢測，在效果上有一定的差異，例如過大的體積變化會(huì)使計(jì)算圖像效果比實(shí)際車輛識(shí)別值偏小。目前的研究方向是針對(duì)此現(xiàn)象提出基于神經(jīng)網(wǎng)絡(luò)模型的前景優(yōu)化，以面對(duì)不同車輛特征實(shí)現(xiàn)進(jìn)一步識(shí)別。

4 結(jié) 語

本項(xiàng)目針對(duì)火車站內(nèi)專用車輛停車及引導(dǎo)困難等問題，提出一種基于機(jī)器視覺的指引系統(tǒng)的設(shè)計(jì)解決方案。通過前景提取到運(yùn)動(dòng)狀態(tài)，反饋至硬件電路，以便LED模塊提醒客戶車輛行駛路線；最后對(duì)于整體系統(tǒng)進(jìn)行調(diào)試和試用，經(jīng)過實(shí)地測試和驗(yàn)證，系統(tǒng)在穩(wěn)定性和實(shí)時(shí)性方面能夠滿足需求。