一种基于ARM的桥隧入口车型识别系统及方法【技术领域】
本发明涉及一种车辆全天候的监控识别方法，具体涉及一种基于ARM的桥隧入口车型识别系统及方法。
【背景技术】
随着智能交通的发展，车型识别成行业内研究的热点，这也是许多后续处理的前提条件，比如桥梁隧道入口的安全预警、道路收费站的自动检测等。其与单一的车流量信息相比，具有更大的参考价值。识别的车型一般包括客车、小轿车、货车、越野车及面包车等。
当前业界通常采用的车型识别方法主要有目测法、感应线圈法、红外探测法、超声波检测法及图像识别法等。目测法需要耗费大量人力、财力和时间；感应线圈法受车速等影响很大，可靠性较低；红外检测法和超声波检测法的硬件系统比较复杂，且系统对环境的要求比较高，故障率也较高，维修不方便，所以在实际的应用中难以推广；图像识别法识别的车型信息单一，难以全面、准确反映车型参数。
【发明内容】
本发明的目的在于改善上述不足，提供一种基于ARM的桥隧入口车型识别系统及方法，结合图像处理系统与地面压力传感器系统，多方面检测行驶车辆特征，为桥隧提供可靠的通行车型识别。另外，基于ARM的车型识别系统扩展性强，便于其它程序的直接植入及应用。
为了达到上述目的，一种基于ARM的桥隧入口车型识别系统，包括设置在桥隧入口上的CCD摄像机，桥隧入口前方的路面下埋设有地面压力传感器，地面压力传感器和摄像机均连接处理单元，处理单元包括处理器，处理器连接摄像机和地面压力传感器，处理器还连接有图像识别系统、轴距计算系统、数据库、传感器识别系统和数据输入输出接口。
所述摄像机采用红外CCD摄像机。
所述摄像机设置在桥隧入口上部中央。
一种基于ARM的桥隧入口车型识别系统的识别方法，包括以下步骤：
步骤一，车辆前轮碾压到地面压力传感器(4)时，同时触发地面压力传感器(4)和摄像机(1)工作；
步骤二，将地面压力传感器(4)的受压次数和受压时刻以及摄像机(1)拍摄的两张连续图片传输给处理单元；
步骤三，处理单元根据步骤二中获得的信息，处理得到车辆(2)的轴数和轴距，以及车辆(2)正面及顶部轮廓特征；
步骤四，根据车辆(2)的轴数、轴距、正面及顶部轮廓特征，与数据库数据对比判断车辆(2)的车型；
步骤五，处理单元生成车型信息，完成识别。
所述步骤三中，轴数、轴距计算方法如下：
当车辆第i个轴通过地面压力传感器时，传感器受力，弹性元件产生变形，应变片电阻突变产生一个相对变化量，从而引起力敏应变电桥输出电压信号的变化，而每发生一次电压突变，处理单元认为有一轴经过了压力传感器，此时i加1，车辆的总轴数I为：
I＝∑i(13)
且同一车辆前后两轴的受压时刻应满足关系式：
ti+1-ti＜0.5s(14)
式中，i的初值为1；公式每成立一次，i加1；
摄像机连续抓拍车辆两张图片，处理单元根据摄像机与车辆牌照的空间几何关系，计算出车辆实时速度v；
情况一：当车辆与摄像机在同一竖平面时，车速v为：
式中，P＝140mm，为车牌实际高度；t1、t2分别为第一次、第二次拍照的时刻；m1、m2分别为t1、t2时刻图像上牌照的高度；h1、h2分别为t1、t2时刻图像上牌照与图像上地面之间的高度差；
情况二：当车辆与摄像机不在同一竖平面时，车速v′为：
其中，b为摄像机所在竖平面与车辆行驶竖平面的夹角；
设车辆在压力传感器上行驶时车速变化不大，则当车辆与摄像机在同一竖平面时，车辆第i个轴与第(i+1)个轴之间的轴距Di满足关系式：
Di＝vΔti(17)
式中，Δti为第(i+1)个轴受压时刻ti+1与第i个轴受压时刻ti的差值，即：
Δti＝ti+1-ti(18)
此时，车辆的总轴距为各轴距之和，即：
D＝∑Di(19)
当车辆与摄像机不在同一竖平面时，轴距Di′为：
Di′＝v′Δti(20)
此时，车辆的总轴距为：
D′＝∑Di′(21)
从而确定车辆的轴数I、各轴距Di或Di′及总轴距D或D′。
所述步骤三中，车辆正面及顶部轮廓特征通过以下方法得出：
摄像机拍摄的图片送入处理单元中，其基于ARM的图像识别系统对图像进行定位、分割、图像二值化、特征量提取；
首先采用一阶Kalman滤波实现背景图像的更新，以适应外部环境的变化，能够有效地抑制光照及气候变化等外界因素对于车辆识别的影响，一阶Kalman滤波实现背景图像更新的公式为：
Bk+1(p)＝Bk(p)+g(Ik(p)-Bk(p))(1)
其中，增益因子g＝a1(1-Mk(p))＋a2Mk(p)(2)
且有：
式中，I是当前帧图像，B是背景图像，M是第k时刻二值化后目标图像中p象素的值，s是第k时刻p象素的阈值，α1、α2为权值系数，α1大于等于10α2；
对于每一幅新采集的当前图像，阈值确定以后，就能够提取运动区域了，设当前图像的灰度值为Ik(x,y)，更新后的背景图像为Bk)x,y)，阈值为T，将图像二值化：
式中，(x,y)为图像空间的位置，所有标志为1的点构成运动目标区域，标志为0的点构成背景区域；
接着应提取车辆轮廓线，对于原图像Bk(x,y)轮廓边缘检测，就是求其梯度极大值的模和方向。用高斯函数对Bk(x,y)滤波后得到Bk(x,y)×N(x,y,σ)，车辆轮廓点由公式(6)和公式(7)决定：
A＝||Bk(x,y)×N(x,y,σ)||(6)
其中，σ为高斯滤波器宽度，决定着平滑程度；A为梯度的模；G为梯度的方向；
由公式(6)和公式(7)可得到梯度极大值的模和方向，即得到了原图像Bk(x,y)较大轮廓边缘尺寸，根据摄像机拍摄到的图像计算处理得到车辆的正面及顶部轮廓特征；
基于ARM图像识别系统完成图像处理之后，根据摄像机与车辆的空间位置几何关系，计算出车辆的长度、宽度、高度；此外，摄像机连续抓拍车辆两张图片，分别进行两次车型参数计算，结果能够互作验证，保证计算准确性，下面给出车辆的车长、车宽和车高的详细求解过程，方法如下：
情况一：当车辆与摄像机在同一竖直平面时，车长lc与图像中车辆轮廓长度lc0的关系式为：
车宽wc与图像中车辆轮廓宽度wc0的关系式为：
车宽wc和车高hc满足关系式：
式中，u为目标物体成像的物距；f为摄像机的焦距；a是摄像机与路向的最大夹角；H为摄像机与路面高度差；L为摄像机与摄像机视域中心的水平距离；C是摄像机测量的视域宽；
由公式(9)和公式(10)计算可得到车高hc；
情况二：当车辆与摄像机不在同一竖直平面时，车长lc′为：
车宽wc′为：
式中，b为摄像机所在平面与车辆行驶平面的夹角，将公式(12)计算得到的车宽wc′代入公式(10)中可得到车高hc′。
所述步骤二中，当车辆第i个轴经过地面压力传感器时，压力传感器受力弹性元件产生变形，粘贴在弹性元件上的力敏应变电桥输出电压信号，其中，应变片电阻值相对变化量与轴重成正比，通过放大器将电压放大，再由数模转换成相应的数字量，则能够计算车辆各个轴重，各个轴重之和便为总重，进而为判定超载提供参考。
所述步骤二中，摄像机拍摄车辆的两张图片，能够计算当前车辆速度，能够为判定超载速提供参考；此外，基于ARM的车型识别系统能够直接植入车牌号码识别算法，通过图像进行定位、分割、图像二值化、特征量提取等步骤获取车牌号码。
与现有技术相比，本发明结合摄像机和地面压力传感器，经计算获得车辆轴数、轴距和车长、车宽、车高，与数据库法规数据相比，能够准确识别出桥隧入口通行车辆的车型信息。本发明通过两种识别方法共同识别，提高了识别率，并且本装置铺设简单，易于实施，保证全天候车型识别工作的持续。
进一步的，本发明的摄像机设置在桥隧入口正上方中间位置，地面压力传感器埋设在摄像机视域中心前方的路面下，保证拍摄图片全面准确。
【附图说明】
图1为本发明的结构示意图；
图2为本发明的控制流程图。
【具体实施方式】
下面结合附图对本发明做进一步说明。
参见图1，一种基于ARM的桥隧入口车型识别方法，包括设置在桥隧入口5上的摄像机1，摄像机1设置在桥隧入口5上部中央，桥隧入口5上的摄像机1视域中心前方的路面铺设地面压力传感器4，地面压力传感器4和摄像机1均连接处理单元，处理单元包括处理器，处理器连接摄像机1和地面压力传感器4，处理器还连接有图像识别系统、轴距计算系统、数据库、传感器识别系统和数据输入输出接口。
优选的，摄像机1采用红外CCD摄像机。
参见图2，一种基于ARM的桥隧入口车型识别系统的识别方法，包括以下步骤：
步骤一，车辆前轮碾压到地面压力传感器4时，同时触发地面压力传感器4和摄像机1工作；
步骤二，地面压力传感器4受压次数和受压时刻以及摄像机1拍摄的两张图片传输给处理单元，经计算处理获取车辆2的轴数和轴距，计算方法如下：
当车辆2第i个轴通过地面压力传感器4时，传感器受力，弹性元件产生变形，应变片电阻突变产生一个相对变化量，从而引起力敏应变电桥输出电压信号的变化，而每发生一次电压突变，处理单元认为有一轴经过了压力传感器，此时i加1，车辆2的总轴数I为：
I＝∑i(13)
且同一车辆前后两轴的受压时刻应满足关系式：
ti+1-ti＜0.5s(14)
式中，i的初值为1；公式每成立一次，i加1；
摄像机1连续抓拍车辆2两张图片，处理单元根据摄像机1与车辆牌照的空间几何关系，计算出车辆2实时速度v；
情况一：当车辆2与摄像机1在同一竖平面时，车速v为：
式中，P＝140mm，为车牌实际高度；t1、t2分别为第一次、第二次拍照的时刻；m1、m2分别为t1、t2时刻图像上牌照的高度；h1、h2分别为t1、t2时刻图像上牌照与图像上地面之间的高度差；
情况二：当车辆2与摄像机1不在同一竖平面时，车速v′为：
其中，b为摄像机1所在平面与车辆2行驶平面的夹角；
设车辆2在压力传感器4上行驶时车速变化不大，则当车辆2与摄像机1在同一平面时，车辆2第i个轴与第(i+1)个轴之间的轴距Di满足关系式：
Di＝vΔti(17)
式中，Δti为第(i+1)个轴受压时刻ti+1与第i个轴受压时刻ti的差值，即：
Δti＝ti＋1-ti(18)
此时，车辆2的总轴距为各轴距之和，即：
D＝∑Di(19)
当车辆2与摄像机1不在同一竖平面时，轴距Di′为：
Di′＝v′Δti(20)
此时，车辆2的总轴距为：
D′＝∑Di′(21)
从而确定车辆2的轴数I、各轴距Di或Di′及总轴距D或D′；
步骤三，处理单元根据摄像机1拍摄的图片得到车辆2正面及顶部轮廓特征；车辆2正面及顶部轮廓特征通过以下方法得出：
摄像机1拍摄的图片送入处理单元中，其基于ARM的图像识别系统对图像进行定位、分割、图像二值化、特征量提取；
首先采用一阶Kalman滤波实现背景图像的更新，以适应外部环境的变化，从而有效抑制了光照及气候变化等外界因素对于车辆识别的影响，一阶Kalman滤波实现背景图像的更新公式为：
Bk+1(p)＝Bk(p)+g(Ik(p)-Bk(p))(1)
其中，增益因子g＝a1(1-Mk(p))+a2Mk(p)(2)
且有：
式中，I是当前帧图像，B是背景图像，M是第k时刻二值化后目标图像中p象素的值，s是第k时刻p象素的阈值，α1、α2为权值系数，α1大于等于10α2；
对于每一幅新采集的当前图像，阈值确定以后，就能够进行运动区域的提取了，设当前图像的灰度值为Ik(x,y)，更新后的背景图像为Bk(x,y)，阈值为T，将图像二值化：
式中，(x,y)为图像空间的位置，所有标志为1的点构成运动目标区域、为0的点构成背景区域；
接着应提取车辆轮廓线，对于原图像Bk(x,y)轮廓边缘检测，就是求其梯度极大值的模和方向。用高斯函数对Bk(x,y)滤波后得到Bk(x,y)×N(x,y,σ)，车辆轮廓点由公式(6)和公式(7)决定：
A＝||Bk(x,y)×N(x,y,σ)||(6)
其中，σ为高斯滤波器宽度，决定着平滑程度；A为梯度的模；G为梯度的方向；
由公式(6)和公式(7)可得到梯度极大值的模和方向，即得到了原图像Bk(x,y)较大轮廓边缘尺寸，根据摄像机1拍摄到的车辆2的正面及顶部图像，按照上述计算方法进而得到车辆2正面及顶部轮廓特征；
基于ARM图像识别系统完成图像处理之后，根据摄像机1与车辆2的空间位置几何关系，计算出车辆2的长度、宽度、高度；此外，摄像机1连续抓拍车辆2两张图片，分别进行两次车型参数计算，结果能够互作验证，保证计算准确性，下面给出车长、车宽和车高的详细求解过程，方法如下：
情况一：当车辆2与摄像机1在同一竖直平面时，车长lc与图像中车辆轮廓长度lc0的关系式为：
车宽wc与图像中车辆轮廓宽度wc0的关系式为：
车宽wc和车高hc满足关系式：
式中，u为目标物体成像的物距；f为摄像机的焦距；a是摄像机1与路向的最大夹角；H为摄像机1与路面高度差；L为摄像机1与摄像机视域中心的水平距离；C是摄像机1测量的视域宽；
由公式(9)和公式(10)计算可得到车高hc；
情况二：当车辆2与摄像机1不在同一竖直平面时，车长lc′为：
车宽wc′为：
式中，b为摄像机1所在平面与车辆2行驶平面的夹角，将公式(12)计算得到的车宽wc′代入公式(10)中可得到车高hc′。
步骤四，根据车辆2的轴数、轴距、正面及顶部轮廓特征判断车辆2的车型；
步骤五，处理单元生成车型信息，完成识别。
步骤二中，当车辆2第i个轴通过地面压力传感器4时，压力传感器4受力弹性元件产生变形，粘贴在弹性元件上的力敏应变电桥输出电压信号，其中，应变片电阻值相对变化量与轴重成正比，通过放大器将电压放大，再由数模转换成相应的数字量，则能够计算车辆各个轴重。
该图像识别系统采用ARM11核的处理器S3CZ410为计算与控制单元，嵌入式操作系统μC/OS-П为软件开发平台，包括ARM11微处理器及外围电路、存储模块、图像采集模块、数据网络传输模块等。其中，ARM11微处理器对CCD拍摄的图像进行定位、分割、图像二值化、特征量提取等操作。图像传感器采用C328高集成度CMOS图像采集模块，以串行接口接受和输出命令。数据和图像的传输采用开放源代码的JRPTPLIB函数库提供的RTP协议栈来实现。
数据和图像的传输采用开放源代码的JRPTPLIB函数库提供的RTP协议栈来实现。发送端将编码压缩好的处理结果封装到RTP包内，添加接收端目的地址，然后将数据和图像分包发送至接收端地址，通过嵌入式Web服务器将车辆信息传递至相关部门的监控中心。