一种基于视觉的车道闸杆防撞系统.pdf

本发明涉及车道闸杆控制系统领域。一种基于视觉的车道闸杆防撞系统，包括道闸、处理模块、图像采集模块、存储器模块和上位机；基于图像采集模块采集目标区域的图像，处理模块通过哈希算法生成对应图像的哈希指纹，通过对哈希指纹比较判断开始时候的模板图像和即时图像，得到即时图像中是否有车，以确定道闸栏杆是否放下。本发明哈希算法对图像进行处理，具有鲁棒性好、实时性好、稳定性高、算法复杂度低和光照变化影响小的优点；能够有效判断车道只目标区域有车无车情况，有效防止闸杆对车辆碰撞。

1.  一种基于视觉的车道闸杆防撞系统，包括道闸、处理模块、图像采集模块、存储器模块和上位机；所述图像采集模块安装在道闸旁，并正对目标区域；所述处理模块根据图像采集模块采集到的图像信息进行分析，并控制道闸栏杆的状态；其特征在于：所述存储器模块内存储有模板图像，所述处理模块接收到车道上位机发出的道闸起杆信号时，控制存储器模块将图像采集模块采集到的图像信息更新为模板图像；处理模块对图像信息进行高斯滤波得到即时图像；所述处理模块通过哈希算法分别生成即时图像和模板图像的哈希指纹，哈希指纹为以相同次序组合而成的图像描述字符串；当即时图像与模板图像两者的哈希指纹汉明距离大于设定值时，道闸保持栏杆竖立；当两者汉明距离小于设定值时，道闸栏杆放下。

2.  根据权利要求1所述的一种基于视觉的车道闸杆防撞系统，其特征在于：所述处理模块通过DCT哈希算法生成即时图像的哈希指纹和模板图像的哈希指纹，比较两者纹汉明距离M；所述处理模块通过均值哈希算法生成即时图像的哈希指纹和模板图像的哈希指纹，比较两者纹汉明距离N；当M和N均大于设定值时，道闸保持栏杆竖立；当M和N均小于设定值时，道闸栏杆放下。

3.  根据权利要求2所述的一种基于视觉的车道闸杆防撞系统，其特征在于：所述处理模块通过DCT哈希算法生成即时图像的64位哈希指纹和模板图像的64位哈希指纹，计算两者的汉明距离M；所述处理模块通过均值哈希算法生成即时图像的64位哈希指纹和模板图像的64位哈希指纹，计算两者的汉明距离N；若M＞10且N＞20，道闸保持栏杆竖立；若M＜5且N＜10，道闸栏杆放下。

4.  根据权利要求1所述的一种基于视觉的车道闸杆防撞系统，其特征在于：所述哈希算法为DCT哈希算法，所述即时图像或模板图像的哈希指纹生成步骤为：
1)将图像缩小到32×32的尺寸，
2)将缩小后的图像转化为灰度图像，
3)将所述灰度图像进行DCT变换，并得到32×32的DCT系数矩阵，
4)保留所述DCT系数矩阵左上角的8×8矩阵，
5)计算步骤4)DCT系数矩阵内系数均值，
6)将步骤4)中DCT矩阵内系数与均值进行一一比较，若大于或等于均值，记为1；若小于均值，记为0；将比较结果按次序组合在一起，构成64位哈希指纹。

5.  根据权利要求4所述的一种基于视觉的车道闸杆防撞系统，其特征在于：若即时图像与模板图像两者的哈希指纹汉明距离均大于10，则道闸保持栏杆竖立；若两者汉明距离均小于5时，则道闸栏杆放下。

6.  根据权利要求1所述的一种基于视觉的车道闸杆防撞系统，其特征在于：所述哈希算法为均值哈希算法，所述即时图像或模板图像的哈希指纹生成步骤为：
1)将图像缩小到8×8的尺寸，总共64个像素；
2)将8×8的图像转换成灰度图像，并转为64级灰度；
3)计算步骤2)所有64个像素的灰度平均值；
4)将步骤2)中64级灰度和灰度平均值一一比较，若大于或等于平均值，记为1；若小于平均值，记为0；将比较结果按次序组合在一起，构成64位哈希指纹。

7.  根据权利要求6所述的一种基于视觉的车道闸杆防撞系统，其特征在于：若即时图像与模板图像两者的哈希指纹汉明距离均大于20时，则道闸保持栏杆 竖立；若两者汉明距离均小于10时，则道闸栏杆放下。

8.  根据权利要求1所述的一种基于视觉的车道闸杆防撞系统，其特征在于：所述图像采集模块包括依次连接的CCD图像传感器和SAA7113视频解码芯片；所述处理模块采用DM642芯片；所述SAA7113视频解码芯片连接DM642芯片的VP1接口，所述DM642芯片通过I²C总线连接控制SAA7113视频解码芯片。

一种基于视觉的车道闸杆防撞系统
技术领域
本发明涉及车道闸杆控制系统领域，特别是一种基于视觉的车道闸杆防撞系统。
背景技术
高速公路收费站是智能交通系统的重要应用领域，为了使汽车与道路的功能智能化，提高运输效率，保障交通安全，缓解交通拥挤，减少环境污染，实时、准确、高效的防砸系统显得尤为重要。由于不同车辆的底盘高度不同、金属含量也不同，传统的地感应线圈的灵敏度范围难以确定，致使车辆还未通过就落杆或车辆通过后不落杆等故障。此外，地感应线圈在大型车辆的辗压下会产生形变，甚至会造成不可复原的损坏，从而导致感应线圈的稳定性下降。
发明内容
本发明的发明目的是：针对上述技术问题，提供一种基于视觉的车道闸杆防撞系统，弥补地感应线圈存在的不足，提出了基于图像识别的防砸系统方案，本方案的稳定性高、实时性好、抗干扰能力强，具有很大的应用价值。
本发明技术方案为：一种基于视觉的车道闸杆防撞系统，包括道闸、处理模块、图像采集模块、存储器模块和上位机；所述图像采集模块安装在道闸旁，并正对目标区域；所述处理模块根据图像采集模块采集到的图像信息进行分 析，并控制道闸栏杆的状态；所述存储器模块内存储有模板图像，所述处理模块接收到车道上位机发出的道闸起杆信号时，控制存储器模块将图像采集模块采集到的图像信息更新为模板图像；处理模块对图像信息进行高斯滤波得到即时图像；所述处理模块通过哈希算法生成即时图像和模板图像的哈希指纹，哈希指纹为以相同次序组合而成的图像描述字符串；当即时图像与模板图像两者的哈希指纹汉明距离大于设定值时，道闸保持栏杆竖立；当两者汉明距离小于设定值时，道闸栏杆放下。
本发明基于图像的处理分析方法，具体是图像采集模块采集目标区域的图像，处理模块通过哈希算法生成对应图像的哈希指纹，通过对哈希指纹比较判断开始时候的模板图像和即时图像，得到即时图像中是否有车，以确定道闸栏杆是否放下。
优选的，所述处理模块通过DCT哈希算法生成即时图像的哈希指纹和模板图像的哈希指纹，计算两者的汉明距离M；所述处理模块通过均值哈希算法生成即时图像的哈希指纹和模板图像的哈希指纹，计算两者的汉明距离N；当M和N均大于设定值时，道闸保持阀杆竖立；当M和N均小于设定值时，道闸阀杆放下。
这里通过两种哈希算法对图像进行同时分析，能够有效避免算法的不完备性，能够增强算法的抗干扰能力，进而提升算法的可靠性、稳定性。
优选的，所述处理模块通过DCT哈希算法生成即时图像的64位哈希指纹和模板图像的64位哈希指纹，计算两者的汉明距离M；所述处理模块通过均值哈希算法生成即时图像的64位哈希指纹和模板图像的64位哈希指纹，计算两者的汉明距离N；若M＞10且N＞20，道闸保持栏杆竖立；若M＜5且N＜10，道闸栏杆放下。
优选的，所述哈希算法为DCT哈希算法，所述即时图像或模板图像的哈希指纹生成步骤为：
1)将图像缩小到32×32的尺寸，
2)将缩小后的图像转化为灰度图像，
3)将所述灰度图像进行DCT变换，并得到32×32的DCT系数矩阵，
4)保留所述DCT系数矩阵左上角的8×8矩阵，
5)计算步骤4)DCT系数矩阵内系数均值，
6)将步骤4)中DCT矩阵内系数与平均值进行一一比较，若大于或等于平均值，记为1；若小于平均值，记为0；将比较结果按次序组合在一起，构成64位哈希指纹。
这里DCT哈希算法或者叫DCT感知哈希算法可以快速辨别出两个图像之间的不同，具体是辨别“有车”图像、“无车”图像之间差异，从而辨别出图像中是否有车存在。
优选的，当即时图像与模板图像两者的哈希指纹汉明距离均大于10时，道闸保持栏杆竖立；当两者汉明距离小于均5时，道闸栏杆放下。
优选的，所述哈希算法为均值哈希算法，所述即时图像或模板图像的哈希指纹生成步骤为：
1)将图像缩小到8×8的尺寸，总共64个像素；
2)将8×8的图像转换成灰度图像，并转为64级灰度；
3)计算步骤2)所有64个像素的灰度平均值；
4)将若大于或等于平均值，记为1；若小于平均值，记为0；将比较结果按次序组合在一起，构成64位哈希指纹。
这里均值哈希算法或者叫均值感知哈希算法，算法简单快捷，可以快速辨别出相同背景下两个图像的不同，具体是是辨别“有车”图像、“无车”图像之间差异，从而辨别出图像中是否有车存在。
优选的，当即时图像与模板图像两者的哈希指纹汉明距离均大于20时，道闸保持栏杆竖立；当两者汉明距离均小于10时，道闸栏杆放下。
优选的，所述图像采集模块包括依次连接的CCD图像传感器和SAA7113视频解码芯片；所述处理模块采用DM642芯片；所述SAA7113视频解码芯片连接DM642芯片的VP1接口，所述DM642芯片通过I²C总线连接控制SAA7113视频解码芯片。
本发明有益效果是：
本发明通过哈希算法对图像进行处理，具有鲁棒性好、实时性好、稳定性高、算法复杂度低和光照变化影响小的优点；能够有效判断车道只目标区域有车无车情况，有效防止闸杆对车辆碰撞。
本发明能够有效避免地感应线圈在道路感应应用中存在的缺陷，提供一种感应高效、准确和耐用的车道闸杆防撞系统。
附图说明
图1是本发明功能模块示意图；
图2是本发明工作流程示意图；
图3是DCT系数矩阵；
图4是哈希指纹示例1；
图5是哈希指纹示例2。
其中，1—图像采集模块、2—处理模块、3—存储器模块、4—上位机、5—道闸、6—电源。
具体实施方式
本发明公开了一种基于视觉的车道闸杆防撞系统，包括道闸、处理模块、图像采集模块、存储器模块和上位机；所述图像采集模块安装在道闸旁，并正对目标区域；所述处理模块根据图像采集模块采集到的图像信息进行分析，并控制道闸栏杆的状态；所述存储器模块内存储有模板图像，所述处理模块接收到车道上位机发出的道闸起杆信号时，控制存储器模块将图像采集模块采集到的图像信息更新为模板图像；处理模块对图像信息进行高斯滤波得到即时图像；所述处理模块通过哈希算法生成即时图像和模板图像的哈希指纹，哈希指纹为以相同次序组合而成的图像描述字符串；当即时图像与模板图像两者的哈希指纹汉明距离大于设定值时，道闸保持栏杆竖立；当两者汉明距离小于设定值时，道闸栏杆放下。
这里通过哈希算法对图像进行处理，通过图像之间的差异，快速、有效辨别出图像中是否有车存在，从而控制道闸栏杆状态，避免道闸栏杆砸碰车辆。具体是图像采集模块采集目标区域的图像，处理模块通过哈希算法生成对应图像的哈希指纹，通过对哈希指纹比较判断开始时候的模板图像和即时图像，得到即时图像中是否有车，以确定道闸阀杆是否放下。本发明较现有的防砸系统减少了感应线圈的应用，结构更加稳定和紧凑，系统在应用上的效率、准确性、稳定性都比现有防砸系统有着显著的提高。
以下结合附图对本发明实施进行说明。
如图1所示，为本发明功能模块示意图，包括图像采集模块1、处理模块2、存储器模块3、上位机4、道闸5和电源6。
图像采集模块1，用于采集目标区域的图像信息，目标区域具体是行车方向上位于栏杆前方的车道区域。图像采集模块1包括CCD图像传感器和SAA7113视频解码芯片；SAA7113将CCD采集到的数据信号解码成标准的“VPO”数字信号并输出到处理模块2，相当于一种“A/D”器件。其中，处理模块2还通过I²C两线式串行总线连接控制SAA7113视频解码芯片。
处理模块2，用于对图像信号的分析，并连接控制道闸5栏杆状态。处理模块2采用TI公司C6000系列DSP中DM642(全名TMS320DM642)，DM642核心是C6416型高性能数字信号处理器，具有极强的处理性能，高度的灵活性和可编程性，同时外围集成了非常完整的音频、视频和网络通信等设备及接口，能够满足本系统中对视频/图像处理，及完成对相关设备连接控制。
存储器模块3，具体是外围存储器模块，通过外部总线与DM642的EMIF接口连接。存储器模块3包括SDRAM同步动态随机存储器和FLASH固态存储器。
上位机4包括打开本地图片、IP地址设置、接收图像、选择目标区域、发送区域坐标、保存图像等功能。
道闸5，用于道路上限制机动车行驶的通道出入口管理设置。DM642连接控制道闸5栏杆，具体是连接控制栏杆的电机，完成道闸5栏杆状态控制。
电源6，为系统提供电力供应，具体可以使用独立的电源系统。
如图2所示，为本发明工作流程示意图。具体工作步骤如下：
1.系统初始化，包括存储模块中模板图像初始化。
2.处理模块监测上位机是否对发出道闸起杆信号。若发出，进行下一步；若没发出，继续监测。
3.处理模块接收图像采集模块发送的图像信息，并将该图像信息更新为存储模块中模板图像，模板图像锁定。
4.对图像信息进行高斯滤波，得到即时图像。
5.处理模块对即时图像进行处理分析，具体基于哈希算法处理，包括DCT(感知)哈希算法和均值(感知)哈希算法。
其中，DCT哈希算法流程包括：
1)缩小尺寸：将即时图像缩小到32×32的尺寸，简化了DCT的计算。
2)简化色彩：将缩小的即时图像转化成灰度图像，进一步简化计算量。
3)计算DCT：计算图片的DCT变换：F(u,v)＝C^T·f·C，得到32×32的DCT系数矩阵：
C=2N1212...12cos12Nπcos32Nπ...cos2N-12Nπ............cosN-12Nπcos3(N-1)2Nπ...cos(2N-1)(N-1)2Nπ]]>
4)缩小DCT：据3)的DCT变换公式F(u,v)＝C^T·f·C可得大小为32×32的DCT系数矩阵，并保留DCT系数矩阵左上角的8×8矩阵，这部分呈现了图片中的最低频率；如图3所示。
5)计算平均值：计算DCT的均值，如：
M=Σi=07Σj=07D[i][j]/64=63.2031≈63]]>
6)生成哈希指纹：将8×8的DCT系数与均值进行比较，大于或等于平 均值，记为1，小于均值，记为0；如图4所示。最后将比较结果按次序组合在一起，就构成了一个64位的哈希指纹。这里需要说明的是，即时图像和模板图像的哈希指纹需要相同的次序排列，如图4按照由上至下每行依次排列的的指纹是：1110000010011000100000100010000010000000000000001000100000100000。
均值哈希算法流程包括：
1)缩小尺寸：将即时图像缩小到8×8的尺寸，总共64个像素。
2)简化色彩：将8×8的即时图像转换成灰度图像，并转为64级灰度。
3)计算平均值：计算所有64个像素的灰度平均值；例如：
M=Σi=07Σj=07M[i][j]/64=108.3906≈108]]>
4)比较像素的灰度：将每个像素的灰度与平均值进行比较，大于或等于平均值，记为1，小于平均值，记为0；如图5所示。
5)生成哈希指纹：将4)的比较结果，按一定的次序组合在一起，就构成了一个64位的哈希指纹。如图5按照由上至下每行依次排列的的指纹是：1111111111111111110111111101101111000011110000111100001111100011。
6.将即时图像得到的哈希指纹和模板图像得到的哈希指纹进行对比，当DCT感知哈希指纹的汉明距离大于10，且均值感知哈希指纹的汉明距离大于20时，说明视频区域内存在车辆，此时控制闸杆保持竖直状态。
7.处理模块接收图像采集模块发送的图像信息重复步骤4-6，直到DCT感知哈希指纹的汉明距离小于5，且均值感知哈希指纹的汉明距离小于10时，才控制闸杆下落。
本发明在系统组成上可以减少地感应线圈的应用，这样能够避免其在道路 感应中存在的缺陷；同时，通过两种哈希算法对图像进行同时分析，能够保证算法的合理性，能够增强算法的抗干扰能力，进而提升算法和系统的可靠性、稳定性。