一种新型智能交通违章信息采集器的研究与设计

发布时间：2019-09-19 23:09

【摘要】：该采集器采用物联网技术来实现视频设备、微处理器、WIFI网络模块和信号灯获取模块的连接,利用Adaboost算法和Mean Shift算法实现视频图像中机动车目标的识别与跟踪,记录车辆的行驶轨迹,利用轨迹来判断车辆的多种违章类型,利用WIFI网络实现违章信息上传。该采集器无需额外辅助设备,可靠性高,安装方便。
【图文】：

工作流程图,工作流程,机动车

控制器、ＮＡＮＤＦｌａｓｈ控制器、ＳＤＲＡＭ控制器、系统片选逻辑以及一些常用的通讯接口等资源。在该芯片上嵌入裁剪后的Ｌｉｎｕｘ操作系统，为视频分析和处理的算法程序植入提供了保证。该装置工作流程如图２所示。图２装置的工作流程３主要模块交通违章信息采集器主要模块包括视频流中机动车目标的识别、机动车目标的跟踪、记录机动车目标的行驶轨迹并判断违章类型、违章车辆信息处理及上传。下面分别介绍几个模块的具体实现过程及主要算法原理。３．１利用Ａｄａｂｏｏｓｔ算法实现机动车目标识别Ａｄａｂｏｏｓｔ算法是一种迭代算法，其核心思想是针对同一个训练特征集训练不同的弱分类器，然后把这些弱分类器采用一定方式集合起来，构成一个强大的强分类器。该装置中的机动车识别过程是在视频图像中提取机动车的Ｈａｒｒ－ｌｉｋｅ特征，采用ＡｄａＢｏｏｓｔ算法训练出机动车的多个特征模型，即所谓的机动车模板分类器，将训练的多个分类器组成级联方式，构成强分类器。在该采集器中判断摄像头获取的视频流中图像帧是否含有机动车，，如果有，则返回机动车的位置和大小等参数，并继续搜索下一帧图像郑机动车识别算法主要包括训练机动车样本生成分类器、机动车识别２个过程。３．１．１训练机动车样本及特征计算ＡｄａＢｏｏｓｔ检测训练算法主要包含特征值选取和特征计算两个方面。机动车识别选取的特征是Ｈａｒｒ－ｌｉｋｅ特征，采用的计算方法是积分图像计算。如图３所示，ａ部分列举了Ｈａｒｒ－ｌｉｋｅ特征的５种特征；ｂ部分为本装置用到的机动车训练特征模板。图３Ｈａｒｒ－ｌｉｋｅ特征及机动车特征模板机动车的特征定义为：黑色区域的所有像

机动车,特征模板,特征定义,像素

中判断摄像头获取的视频流中图像帧是否含有机动车，如果有，则返回机动车的位置和大小等参数，并继续搜索下一帧图像郑机动车识别算法主要包括训练机动车样本生成分类器、机动车识别２个过程。３．１．１训练机动车样本及特征计算ＡｄａＢｏｏｓｔ检测训练算法主要包含特征值选取和特征计算两个方面。机动车识别选取的特征是Ｈａｒｒ－ｌｉｋｅ特征，采用的计算方法是积分图像计算。如图３所示，ａ部分列举了Ｈａｒｒ－ｌｉｋｅ特征的５种特征；ｂ部分为本装置用到的机动车训练特征模板。图３Ｈａｒｒ－ｌｉｋｅ特征及机动车特征模板机动车的特征定义为：黑色区域的所有像素之和减去白色区域的所有像素之和，所以整个特征模板的特征值为所有这些黑色矩形的像素减去所有白色矩形的像素。通过积分图像［３］可以获得图３中ｂ部分所示的特征模板的Ｈａｒｒ－ｌｉｋｅ特征。图４示出演示特征的计算，ｓ１点的值为区域ａ的灰度级总和，记为ａ；ｓ２点的值为ａ＋ｂ；ｓ３点的值为ａ＋ｃ；ｓ４点的值为ａ＋ｂ＋ｃ＋ｄ；于是由ｓ１、ｓ２、ｓ３、ｓ４围成的矩形区域ｄ的灰度级总和可以表示为ｓ１＋ｓ２＋ｓ３＋ｓ４。对于每个特征可表示为：ｆｅａｔｕｒｅＩ＝∑ｉ∈Ｉ＝｛１，２，３，…，Ｎ｝ωｉＲｅｃｓｕｍ（ｒｉ）（１）式中，ωｉ为矩形的权，Ｒｅｃｓｕｍ（ｒｉ）为矩形所围图像的灰度积分，Ｎ是组成ｆｅａｔｕｒｅＩ的矩形个数。图４４个分割区域３．１．２Ａｄａｂｏｏｓｔ算法训练分类器Ａｄａｂｏｏｓｔ算法［１－３］的
【作者单位】：江苏信息职业技术学院物联网工程系;江苏信息职业技术学院电气工程系;
【基金】：几何问题几何化及计算稳定性研究(61073086)资助
【分类号】：TP391.44;TN929.5;TP274.2

【参考文献】