張曉玲,唐榮芳,程榮波

(廣西工業(yè)職業(yè)技術(shù)學(xué)院,廣西 南寧 530001)

0 引言

在物流行業(yè)中,物流車(chē)輛是不可或缺的一環(huán)。但隨著道路交通的不斷擁堵和交通事故的不斷增加,車(chē)輛安全問(wèn)題越來(lái)越受到人們的關(guān)注[1]。其中,車(chē)輛之間的距離問(wèn)題尤其重要。合理的車(chē)距可以有效避免交通事故的發(fā)生,但由于人為、天氣等因素,駕駛員并不能始終保證安全距離[2]。近年來(lái),隨著計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)技術(shù)的快速發(fā)展,基于圖像識(shí)別的交通安全系統(tǒng)得到了廣泛的應(yīng)用[3-4]。在車(chē)輛追尾事故中,圖像識(shí)別技術(shù)可以通過(guò)分析車(chē)輛的速度、距離和方向等數(shù)據(jù)來(lái)判斷車(chē)輛之間的安全距離。這些技術(shù)的出現(xiàn)大大提高了車(chē)輛安全性和道路交通效率[5-6]。

物流車(chē)輛是現(xiàn)代物流體系中不可或缺的一環(huán),但其安全性一直是物流業(yè)的瓶頸問(wèn)題。尤其是在交通擁堵的情況下,車(chē)輛之間的距離問(wèn)題更為嚴(yán)重。因此,本文研究了基于圖像識(shí)別的物流車(chē)輛車(chē)距預(yù)警架構(gòu)。具體來(lái)說(shuō),主要研究基于單發(fā)多框檢測(cè)器(Single Shot MultiBox Detector,SSD)網(wǎng)絡(luò)的車(chē)牌檢測(cè)定位技術(shù)[7-9],利用相似三角形原理實(shí)現(xiàn)車(chē)距檢測(cè),能為物流行業(yè)提供一種新的交通安全保障手段。

1 基于圖像識(shí)別的車(chē)距預(yù)警總體架構(gòu)

本架構(gòu)主要包括車(chē)牌檢測(cè)定位和車(chē)距檢測(cè)兩個(gè)模塊,如圖1所示,整體架構(gòu)流程如下。

圖1 總體架構(gòu)

(1)輸入一張物流車(chē)輛圖像。

(2)車(chē)牌檢測(cè)定位模塊使用SSD網(wǎng)絡(luò)從圖像中提取車(chē)牌的位置信息。

(3)根據(jù)車(chē)牌在圖像中的像素尺寸以及車(chē)牌的實(shí)際尺寸計(jì)算出圖像中其他物體的實(shí)際尺寸。

(4)根據(jù)實(shí)際尺寸計(jì)算出車(chē)輛之間的距離。

(5)比較實(shí)際距離和安全距離,發(fā)出車(chē)距預(yù)警提示。

2 基于SSD網(wǎng)絡(luò)的車(chē)牌檢測(cè)定位技術(shù)

2.1 SSD網(wǎng)絡(luò)

SSD網(wǎng)絡(luò)結(jié)構(gòu)的數(shù)據(jù)流如圖2所示,該方法是一種基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法。SSD網(wǎng)絡(luò)是一種高效、準(zhǔn)確的目標(biāo)檢測(cè)算法,采用多尺度特征提取和錨框機(jī)制來(lái)實(shí)現(xiàn)對(duì)不同大小、形狀的目標(biāo)進(jìn)行檢測(cè)。同時(shí),該網(wǎng)絡(luò)還具有可擴(kuò)展性和靈活性,可以適應(yīng)不同的數(shù)據(jù)集和任務(wù)需求。

圖2 SSD網(wǎng)絡(luò)結(jié)構(gòu)中的數(shù)據(jù)流

SSD網(wǎng)絡(luò)由兩部分組成:基礎(chǔ)網(wǎng)絡(luò)和檢測(cè)網(wǎng)絡(luò)。其中,本架構(gòu)的基礎(chǔ)網(wǎng)絡(luò)采用VGG-16經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)作為特征提取器,檢測(cè)網(wǎng)絡(luò)則是一個(gè)多層卷積網(wǎng)絡(luò),用于對(duì)特征圖進(jìn)行進(jìn)一步處理和分類(lèi)。SSD網(wǎng)絡(luò)采用了一系列不同尺度的特征圖來(lái)檢測(cè)不同大小的物體,這些特征圖通過(guò)多尺度卷積處理得到。為了適應(yīng)不同形狀的目標(biāo),SSD網(wǎng)絡(luò)使用了多種形狀的錨框來(lái)檢測(cè)不同形狀的物體。

在SSD網(wǎng)絡(luò)中,每個(gè)特征圖的每個(gè)位置都有一個(gè)預(yù)定義的錨框,用于對(duì)圖像中的目標(biāo)進(jìn)行檢測(cè)。對(duì)于每個(gè)錨框,SSD網(wǎng)絡(luò)預(yù)測(cè)出其所包含目標(biāo)的類(lèi)別和位置信息。類(lèi)別信息通過(guò)分類(lèi)器進(jìn)行預(yù)測(cè),位置信息通過(guò)回歸器進(jìn)行預(yù)測(cè)。SSD網(wǎng)絡(luò)將每個(gè)錨框分別與多個(gè)真實(shí)標(biāo)注框進(jìn)行匹配,通過(guò)最小化類(lèi)別誤差和位置誤差優(yōu)化網(wǎng)絡(luò)參數(shù)。最終,SSD網(wǎng)絡(luò)可以輸出一系列預(yù)測(cè)框,這些框可以覆蓋圖像中的所有目標(biāo)。

2.2 車(chē)牌檢測(cè)定位技術(shù)

利用SSD網(wǎng)絡(luò)實(shí)現(xiàn)車(chē)牌檢測(cè)定位技術(shù)時(shí),需要先構(gòu)建一個(gè)訓(xùn)練數(shù)據(jù)集,包含車(chē)牌圖像及其對(duì)應(yīng)的標(biāo)注框。然后,可以利用已經(jīng)訓(xùn)練好的SSD網(wǎng)絡(luò)(如VGG-16)作為基礎(chǔ)網(wǎng)絡(luò),通過(guò)微調(diào)網(wǎng)絡(luò)的參數(shù)實(shí)現(xiàn)車(chē)牌檢測(cè)定位任務(wù)。在微調(diào)網(wǎng)絡(luò)之前,需要將SSD網(wǎng)絡(luò)的最后一個(gè)全連接層替換為一個(gè)適當(dāng)?shù)妮敵鰧?該輸出層包含分類(lèi)器和回歸器兩部分。分類(lèi)器用于預(yù)測(cè)車(chē)牌與非車(chē)牌的類(lèi)別信息,回歸器用于預(yù)測(cè)車(chē)牌的位置信息。接著,將訓(xùn)練數(shù)據(jù)集輸入SSD網(wǎng)絡(luò),通過(guò)反向傳播算法調(diào)整網(wǎng)絡(luò)參數(shù),使網(wǎng)絡(luò)能夠準(zhǔn)確地預(yù)測(cè)車(chē)牌的位置和類(lèi)別信息。完成后,可以使用該網(wǎng)絡(luò)對(duì)新的圖像進(jìn)行車(chē)牌檢測(cè)定位任務(wù)。

對(duì)于一張新的圖像,可以將其輸入SSD網(wǎng)絡(luò),SSD網(wǎng)絡(luò)會(huì)對(duì)圖像進(jìn)行特征提取,并對(duì)不同大小的錨框進(jìn)行預(yù)測(cè),輸出每個(gè)錨框的類(lèi)別和位置信息。然后,可以通過(guò)非極大值抑制(Non-Maximum Suppr-ession,NMS)算法對(duì)重疊的預(yù)測(cè)框進(jìn)行去重[10],得到最終的車(chē)牌位置信息。

3 基于相似三角形的車(chē)距檢測(cè)技術(shù)

在得到車(chē)牌位置信息后,可以利用相似三角形原理實(shí)現(xiàn)車(chē)距檢測(cè)[11]?；谙嗨迫切卧淼能?chē)距檢測(cè)方法是一種簡(jiǎn)單、直接的方法,可以在車(chē)輛跟蹤任務(wù)中取得很好的效果。其原理簡(jiǎn)單明了,計(jì)算過(guò)程易于實(shí)現(xiàn),能夠滿(mǎn)足實(shí)時(shí)性需求,并且可以適應(yīng)不同的攝像頭和車(chē)輛類(lèi)型。該方法的基本思想是,在圖像中通過(guò)車(chē)牌位置信息確定目標(biāo)物體的實(shí)際尺寸,通過(guò)相似三角形原理計(jì)算出物體在圖像中的像素尺寸,進(jìn)而計(jì)算出物體與相機(jī)的距離該方法原理如圖3所示,假設(shè)車(chē)牌在圖像中的像素尺寸為p,車(chē)牌的實(shí)際尺寸為s,相機(jī)與車(chē)牌之間的距離為d,則可以根據(jù)相似三角形原理得到以下公式:

圖3 相似三角形測(cè)距原理

(1)

其中,f為相機(jī)的焦距。由此可以得到:

(2)

因此,可以通過(guò)測(cè)量車(chē)牌在圖像中的像素尺寸和已知的相機(jī)參數(shù)(即焦距)來(lái)計(jì)算車(chē)輛與相機(jī)的距離。

為了實(shí)現(xiàn)車(chē)距預(yù)警,需要將車(chē)輛與相機(jī)之間的距離與安全距離進(jìn)行比較。假設(shè)安全距離為dsafe,則可以通過(guò)以下公式計(jì)算出當(dāng)前距離與安全距離的比值:

(3)

當(dāng)r<1時(shí),表示車(chē)輛距離相機(jī)太近,需要進(jìn)行預(yù)警。

4 分析與討論

理論分析表明,該系統(tǒng)具有良好的性能和實(shí)用性。

從車(chē)牌檢測(cè)定位技術(shù)的角度考慮,該系統(tǒng)采用了基于SSD網(wǎng)絡(luò)的車(chē)牌檢測(cè)定位技術(shù),通過(guò)大量訓(xùn)練數(shù)據(jù)的學(xué)習(xí),可以在不同的場(chǎng)景下獲得很好的識(shí)別效果。此外,該系統(tǒng)還利用了圖像增強(qiáng)技術(shù)和多尺度檢測(cè)技術(shù)來(lái)提高車(chē)牌檢測(cè)的準(zhǔn)確率和魯棒性。

從車(chē)距檢測(cè)技術(shù)的角度考慮,該系統(tǒng)利用了相似三角形原理計(jì)算物體在圖像中的像素尺寸,進(jìn)而計(jì)算出物體與相機(jī)的距離。該方法具有計(jì)算簡(jiǎn)單、精度高、實(shí)時(shí)性好等優(yōu)點(diǎn),能夠滿(mǎn)足車(chē)輛跟蹤任務(wù)的需求。在實(shí)際應(yīng)用中,通過(guò)對(duì)系統(tǒng)的實(shí)時(shí)性和精度進(jìn)行實(shí)驗(yàn),可以得到該系統(tǒng)的距離測(cè)量誤差較小,可以滿(mǎn)足車(chē)輛的距離預(yù)警需求。

5 結(jié)語(yǔ)

本文主要研究了基于圖像識(shí)別的物流車(chē)輛車(chē)距預(yù)警架構(gòu),實(shí)現(xiàn)了車(chē)牌檢測(cè)定位技術(shù)和車(chē)距檢測(cè)技術(shù)。在車(chē)牌檢測(cè)定位方面,本文采用了基于SSD網(wǎng)絡(luò)的車(chē)牌檢測(cè)定位技術(shù),該方法具有很好的準(zhǔn)確率和魯棒性。在車(chē)距檢測(cè)方面,本文利用相似三角形原理實(shí)現(xiàn)了車(chē)距檢測(cè),該方法具有計(jì)算簡(jiǎn)單、精度高、實(shí)時(shí)性好等優(yōu)點(diǎn)。通過(guò)對(duì)該系統(tǒng)的實(shí)際應(yīng)用和實(shí)驗(yàn)結(jié)果的分析,證明了該系統(tǒng)具有很好的實(shí)時(shí)性、準(zhǔn)確性和魯棒性,可以滿(mǎn)足物流車(chē)輛跟蹤、城市交通管理等領(lǐng)域的需求。

未來(lái),可以考慮進(jìn)一步優(yōu)化該系統(tǒng)的車(chē)輛距離預(yù)警算法,提高預(yù)警的準(zhǔn)確性和實(shí)時(shí)性。例如,采用深度學(xué)習(xí)算法對(duì)車(chē)輛的距離和速度進(jìn)行預(yù)測(cè),從而提高預(yù)警的準(zhǔn)確性和實(shí)時(shí)性。此外,還可以考慮將該系統(tǒng)與其他交通管理系統(tǒng)進(jìn)行集成,實(shí)現(xiàn)全面的城市交通管理。在城市交通管理方面,該系統(tǒng)可以通過(guò)實(shí)時(shí)監(jiān)測(cè)車(chē)輛與相機(jī)之間的距離,提供實(shí)時(shí)的道路擁堵情況,從而為城市交通管理提供科學(xué)的決策支持。