【摘要】：該采集器采用物聯(lián)網技術來實現(xiàn)視頻設備、微處理器、WIFI網絡模塊和信號燈獲取模塊的連接,利用Adaboost算法和Mean Shift算法實現(xiàn)視頻圖像中機動車目標的識別與跟蹤,記錄車輛的行駛軌跡,利用軌跡來判斷車輛的多種違章類型,利用WIFI網絡實現(xiàn)違章信息上傳。該采集器無需額外輔助設備,可靠性高,安裝方便。
【圖文】：

控制器、ＮＡＮＤＦｌａｓｈ控制器、ＳＤＲＡＭ控制器、系統(tǒng)片選邏輯以及一些常用的通訊接口等資源。在該芯片上嵌入裁剪后的Ｌｉｎｕｘ操作系統(tǒng)，為視頻分析和處理的算法程序植入提供了保證。該裝置工作流程如圖２所示。圖２裝置的工作流程３主要模塊交通違章信息采集器主要模塊包括視頻流中機動車目標的識別、機動車目標的跟蹤、記錄機動車目標的行駛軌跡并判斷違章類型、違章車輛信息處理及上傳。下面分別介紹幾個模塊的具體實現(xiàn)過程及主要算法原理。３．１利用Ａｄａｂｏｏｓｔ算法實現(xiàn)機動車目標識別Ａｄａｂｏｏｓｔ算法是一種迭代算法，其核心思想是針對同一個訓練特征集訓練不同的弱分類器，然后把這些弱分類器采用一定方式集合起來，構成一個強大的強分類器。該裝置中的機動車識別過程是在視頻圖像中提取機動車的Ｈａｒｒ－ｌｉｋｅ特征，采用ＡｄａＢｏｏｓｔ算法訓練出機動車的多個特征模型，即所謂的機動車模板分類器，將訓練的多個分類器組成級聯(lián)方式，構成強分類器。在該采集器中判斷攝像頭獲取的視頻流中圖像幀是否含有機動車，，如果有，則返回機動車的位置和大小等參數(shù)，并繼續(xù)搜索下一幀圖像鄭機動車識別算法主要包括訓練機動車樣本生成分類器、機動車識別２個過程。３．１．１訓練機動車樣本及特征計算ＡｄａＢｏｏｓｔ檢測訓練算法主要包含特征值選取和特征計算兩個方面。機動車識別選取的特征是Ｈａｒｒ－ｌｉｋｅ特征，采用的計算方法是積分圖像計算。如圖３所示，ａ部分列舉了Ｈａｒｒ－ｌｉｋｅ特征的５種特征；ｂ部分為本裝置用到的機動車訓練特征模板。圖３Ｈａｒｒ－ｌｉｋｅ特征及機動車特征模板機動車的特征定義為：黑色區(qū)域的所有像

中判斷攝像頭獲取的視頻流中圖像幀是否含有機動車，如果有，則返回機動車的位置和大小等參數(shù)，并繼續(xù)搜索下一幀圖像鄭機動車識別算法主要包括訓練機動車樣本生成分類器、機動車識別２個過程。３．１．１訓練機動車樣本及特征計算ＡｄａＢｏｏｓｔ檢測訓練算法主要包含特征值選取和特征計算兩個方面。機動車識別選取的特征是Ｈａｒｒ－ｌｉｋｅ特征，采用的計算方法是積分圖像計算。如圖３所示，ａ部分列舉了Ｈａｒｒ－ｌｉｋｅ特征的５種特征；ｂ部分為本裝置用到的機動車訓練特征模板。圖３Ｈａｒｒ－ｌｉｋｅ特征及機動車特征模板機動車的特征定義為：黑色區(qū)域的所有像素之和減去白色區(qū)域的所有像素之和，所以整個特征模板的特征值為所有這些黑色矩形的像素減去所有白色矩形的像素。通過積分圖像［３］可以獲得圖３中ｂ部分所示的特征模板的Ｈａｒｒ－ｌｉｋｅ特征。圖４示出演示特征的計算，ｓ１點的值為區(qū)域ａ的灰度級總和，記為ａ；ｓ２點的值為ａ＋ｂ；ｓ３點的值為ａ＋ｃ；ｓ４點的值為ａ＋ｂ＋ｃ＋ｄ；于是由ｓ１、ｓ２、ｓ３、ｓ４圍成的矩形區(qū)域ｄ的灰度級總和可以表示為ｓ１＋ｓ２＋ｓ３＋ｓ４。對于每個特征可表示為：ｆｅａｔｕｒｅＩ＝∑ｉ∈Ｉ＝｛１，２，３，…，Ｎ｝ωｉＲｅｃｓｕｍ（ｒｉ）（１）式中，ωｉ為矩形的權，Ｒｅｃｓｕｍ（ｒｉ）為矩形所圍圖像的灰度積分，Ｎ是組成ｆｅａｔｕｒｅＩ的矩形個數(shù)。圖４４個分割區(qū)域３．１．２Ａｄａｂｏｏｓｔ算法訓練分類器Ａｄａｂｏｏｓｔ算法［１－３］的
【作者單位】： 江蘇信息職業(yè)技術學院物聯(lián)網工程系;江蘇信息職業(yè)技術學院電氣工程系;
【基金】：幾何問題幾何化及計算穩(wěn)定性研究(61073086)資助
【分類號】：TP391.44;TN929.5;TP274.2

【參考文獻】

相關期刊論文 前6條

1 孫長江;隨順科;滕春陽;;基于DSP和MSP430雙核交通監(jiān)控終端的設計[J];信息安全與技術;2011年07期

2 熊銳;周純杰;劉樝;;基于ARM9的交通違章抓拍系統(tǒng)的開發(fā)[J];計算機工程與應用;2006年27期

3 張愛科;黃力;;基于模式匹配的道路違章自動監(jiān)測系統(tǒng)[J];制造業(yè)自動化;2009年04期

4 溫雯;高歌;;基于RFID射頻識別技術的道路交通管理系統(tǒng)設計與開發(fā)[J];制造業(yè)自動化;2011年08期

5 佟守愚,程三偉,李江,付萍;基于視頻技術的交通違章處理系統(tǒng)的設計與實現(xiàn)[J];計算機測量與控制;2005年10期

6 王夏黎,朱曉冬,周明全,魏軍;交通違章視頻檢測管理系統(tǒng)的設計與實現(xiàn)[J];長安大學學報(自然科學版);2005年02期

【共引文獻】

相關期刊論文 前7條

1 王殿海;胡宏宇;李志慧;曲昭偉;;違章停車檢測與識別算法[J];吉林大學學報(工學版);2010年01期

2 唐佳林;李熙瑩;羅東華;佘永業(yè);鄧榮峰;;一種基于幀差法的夜間車輛檢測方法[J];計算機測量與控制;2008年12期

3 孫棣華;陳虹穎;趙敏;;基于視頻檢測技術的隧道停車檢測與識別算法[J];計算機測量與控制;2013年12期

4 周國棟;張墩利;;以太網RFID在汽車起動機生產線的應用設計[J];佳木斯大學學報(自然科學版);2014年01期

5 趙海峰;郭燕;;基于RFID的校園智能路障系統(tǒng)設計[J];中北大學學報(自然科學版);2013年06期

6 耿乙U

本文編號：2538401