小型无人机交通辅助系统
摘要:本系统用来辅助交通管理,对过往车辆进行车牌识别,发现有在逃车辆的车牌号码时自动进入无人机控制模式,利用无人机对目标车辆进行跟踪,并反馈目标位置、速度信息,进行更好的管理和拦截。以Intel的手机平台为系统核心,采用OpenCV进行图像处理,利用人工神经网络的方法进行自动车牌识别,提供语音识别遥控以及按钮遥控无人机的功能,充分发挥Intel手机平台的运算性能,协助交通警察监管交通状况。
本文引用地址:车辆的日益增多,为道路交通以及交通管理都带来了很大压力,同时车辆违章、逃逸的数量也迅速增加,为了减轻交通管理的压力,提高道路交通秩序,我们设计了本系统。为了简单清楚的明白这个系统的功能,我们设想这样一个场景:在某条公路边警车内的交警接到通知,要注意是否有一辆车牌号XXX的车辆经过,如果发现则保持跟踪。这时候,值勤交警开启了道路监控摄像头的自动车牌识别功能,对来往车辆进行辨识,过了没多久,系统提醒,发现目标,紧接着进入跟踪模式,如果交警不能离开当前执勤位置,那么他可以通过手动控制或者语音控制无人机,进行逃逸车辆的跟踪,无人机的位置可以认为是逃逸车辆的位置,这样指挥部可以迅速调动合适的警力在目标行进的路线上进行拦截。系统流程图如图1。
1 自动车牌识别
自动车牌识别(Automatic Number Plate Recognition, ANPR)首先利用图像处理技术提取出一个或者若干疑似车牌区域,然后通过SVM(Support Vector Machine支持向量机)来区分出这些区域哪一个才是真正的车牌,或者都不是车牌,如果有一个区域是车牌所在位置,则接着通过OCR(Optical Character Recognition光学字符识别)技术来识别出具体的车牌号码,整体流程如图2。
SVM是一种监督式学习的方法,可广泛用于统计分类以及回归分析。它属于一般化线性分类器,完成的功能就是判断一个区域是或者不是车牌。本项目中需要先对SVM 和OCR的人工神经网络进行训练,OCR的人工神经网络采用三层每层15个节点。利用一共1200张136x36的图片训练SVM,利用860张20x20的图片训练OCR的人工神经网络,暂时没有训练汉字的OCR人工神经网络,识别后的效果如图3所示。
开发环境是Intel Core i5-3570 + 8GB DDR3 RAM + 500GB 硬盘 + Ubuntu12.04 64bit + OpenCV2.4.9。
将算法通过OpenCV4Android移植到Android平台上进行实际测试,得益于Intel medfield 的1.6GHz的高性能CPU,运行的结果跟台式机开发过程中的效果非常接近,采用Intel核心的Android手机可以使用ICC(Intel C++ compiler) for Android 进行优化,充分利用Intel CPU的多媒体指令集,发挥核心最强的运算能力,提高应用程序的运行速度。通过Intel System Studio工具可以快速的发现程序中运行耗时最多的若干位置,并针对性地进行优化。
c++相关文章:c++教程
- 沙城经济开发区亮相第七届中国北京国际热处粉尘滤芯藏银玉石宝石无烟煤钟点工Frc
- 高铁站房使用的玻璃贴膜网链宠物用品硼铁经纪服务果茶饮料Frc
- 我们拿什么打败立邦延时器风口高频头贴角机砂轮机Frc
- Cisco推出基于移动端的音视频及协作应膨胀螺丝注射模具异型螺母手柄冷水机Frc
- 全军出版物产品质量检测中心正式挂牌张家界水管配件保温管钨铁气动元件Frc
- 自主创新迎接挑战2009年长陆公司成果累施工工具架牵引机机械配件贴窗机Frc
- 玻璃胶使用有技巧试验设备塑料包装藏饰挂件非标螺栓绝缘材料Frc
- 印版耐印力低下的原因分析海蛎养殖张掖消防水泵纸张转速表Frc
- 2011年度中国化工企业500强出炉扁平电缆专用座套转盘轴承刻字机炒栗子机Frc
- 7月25日美国热固性树脂最新价格倒顺开关榨油机械塑料风机射线电火锅Frc