基于车辆图像识别技术的智能道闸控制及管理系统研制

《基于车辆图像识别技术的智能道闸控制及管理系统研制》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、二、项目论证1、项目的目标及意义随着社会的发展和人们生活水平的提高，车辆已经逐渐成为人们生活中的重要交通工具，在改善人们生活质量的同时，也带来了一些管理和安全上的问题，其中表现最突出的就是在各种小区和办公场所大门对进出车辆的管理上。目前大部分的出入口车辆通道均采用保安直接控制和管理，效率低，并且存在安全隐患，同时也带来了一些不可调和的矛盾，是直接导致物业管理和业主关系日益恶化的导火索。为了解决这个问题，课题组将采用目前最新的技术和方法实现对出入口道闸的全自动智能管理，降低管理人员的工作强度，提高出入放行效率，并大大提高安全保障，以满足人们的需求。本项目将主要开展以下

2、软件和硬件方面的研究和设计：(1)硬件系统的研究和设计。包括车辆图像获取系统设计，道闸自动控制系统设计，以及声光告警系统设计等。(2)软件系统和算法的研究设计。包括车型识别算法、车牌自动识别算法的研究，车牌数据库管理系统的设计，以及基于工控机平台的人机交互智能道闸控制软件设计。设计好后的系统将具备良好的人机交互和智能管理功能，采用工业化的设计标准，具备结构紧凑，工作稳定可靠的特点，能实现小区和各种封闭场所的进出口道闸自动控制，满足高效、安全的要求，具备良好的市场前景。2、国内外现状分析(1)市场需求现状。基于车牌的车辆控制管理系统在公共道路交通安全中已经得到了广泛的

3、应用，并起到了非常好的效果，“电子警察”已经成了违法乱纪人员的克星。但是经过课题组的广泛论证和查阅，国内还未有相关的公开研究和应用案例；国外虽然有相关研究报道，但还未见实际应用的产品。究其原因，国外的道路交通管理严格，司机素质普遍较高，并且大部分国家早已进入汽车时代，同时国外大部分小区和公共场所都是开放式管理，实际需求不高，难以激发研究和生产热情；国内汽车发展迅速，司机素质参差不齐，小区普遍采用封闭式管理，有着很大的市场潜力，产品研制成功将弥补国内小区道闸智能控制上的空白。(2)技术现状。本项目的核心部分为基于图像的车型识别和车牌字符识别两个内容，在车牌字符识别上，

4、国外在上世纪八十年代即开始研究，现在已经进入成熟产品阶段，进行这方面产品开发和设计的公司有以色列的Hi-Tech公司，新加坡的Optasia公司，Zamir公司等，都分别研究出了自己的车牌识别产品，并且在智能交通监控领域得到了广泛的应用。由于车牌的规格和编号各个国家有很大的差异，所以各种研制的车牌识别产品并不具备通用的性能，并且价格昂贵。上世纪90年代，随着我国城市交通的日趋发展，国内的科技工作者针对我国车牌的特点广泛开展了车牌识别方面的研究工作，研究了系列适合我国车牌特点的识别监控系统，并广泛应用到道路交通安全管理中。车型识别利用车辆的外型特征对车辆进行分类，目前

5、都还处在起步研究阶段，还没有成熟的产品上市。车型识别相对于车牌字符识别在算法设计上要复杂很多，车牌字符识别目标单一，位置固定，识别目标明确，而车型识别是一个复杂的多目标系统，并且很大一部分车型在外观上存在相似之处，车型识别主要有以下难点：第一，在横向产品比较上，不同厂家的车辆在同一时期的产品融入了相似的设计元素，使得部分车辆在外观上具备一定的相似性，独有特征不明显；第二，在纵向产品比较上，同一个厂家不同时期的产品在外观上具备一定的继承性，导致车型识别率难以达到实用要求。国内外基于视频车型识别采用的的主要方法有：①基于模板匹配的识别方法。模板匹配是模式识别中非常经典的

6、方法，在模式识别经历的几十年发展历史中，当人们对识别的目标能够归纳出一定的模板时，就可选择模板识别。模板匹配方法用于汽车识别幕于视频的下型识别技术研究时：主要的不足是：首先模板的建立很困难；而且模板只能在图像中平行移动，在旋转或大小变化的情况下，该方法无效；图像中的待识别的汽车目标不能全部可视，即汽车边缘不连续或部分边缘不存在，则该方法无效；②基于统计模式的识别方法。当模式特征表示为几何空间中的点时，如果特征源自于同一模式的物体，对应点的几何距离总是很接近的。统计模式识别则是找寻几何空间中的一些区域问题，这些区域的点来自于某个单一模式。在统计模式中解决问题的方法大都

7、基于Bayes决策统计理论。在汽车识别方法中很多都利用了统计模式识别。其中最典型的有基于最近邻域法、聚类分析法、统计判决法等。但统计模式识别时要求：各个类别总体的概率分布是已知的；要决策分类的类别数是一定的；③基于神经网络的识别方法。神经网络识别是利用“神经元(neuron)’’相互连接构成的非线性动态系统所具有的人脑在自学习、自组织、联想及容错方面的较强功能，用于类别识别和决策。神经网络方法虽然由大量简单的“神经元"相互连接而成，每个神经元结构和功能都比较简单，但是其组成系统却可以非常复杂，在自学习、自组织、联想及容错方面具有人脑的某些特性，更确切地说是人脑的