CN105632180A - 一种基于arm的桥隧入口车型识别系统及方法 - Google Patents
一种基于arm的桥隧入口车型识别系统及方法 Download PDFInfo
- Publication number
- CN105632180A CN105632180A CN201510962815.2A CN201510962815A CN105632180A CN 105632180 A CN105632180 A CN 105632180A CN 201510962815 A CN201510962815 A CN 201510962815A CN 105632180 A CN105632180 A CN 105632180A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- video camera
- image
- axle
- formula
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种基于ARM的桥隧入口车型识别系统及方法,包括设置在桥隧入口上的摄像机,摄像机视域中心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。本发明通过摄像机和地面压力传感器采集车辆图片以及传感器受压时刻和受压次数,计算得到车辆轴数、轴距和车辆外廓尺寸,并与数据库法规数据相比,准确识别出桥隧入口通行车辆的车型信息,本发明结合两种识别方法共同识别车型,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行。
Description
【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。
Claims (8)
1.一种基于ARM的桥隧入口车型识别系统,其特征在于,包括设置在桥隧入口(5)上的摄像机(1),摄像机(1)视域中心前方的路面(3)下埋设有地面压力传感器(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。
2.根据权利要求1所述的一种基于ARM的桥隧入口车型识别系统,其特征在于,所述摄像机(1)采用红外CCD摄像机。
3.根据权利要求1所述的一种基于ARM的桥隧入口车型识别系统,其特征在于,所述摄像机(1)设置在桥隧入口(5)上部中央。
4.一种基于ARM的桥隧入口车型识别系统的识别方法,其特征在于,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,处理单元根据摄像机1拍摄的图片得到车辆2正面及顶部轮廓特征以及车速,由车辆轮廓特征计算车辆的长度、宽度和高度;处理单元根据车速及地面压力传感器4的受压次数、受压时刻计算获得轴数、轴距;
步骤四,根据车辆(2)的轴数、轴距以及车辆轮廓尺寸,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;将车型信息储存并或者上传。
5.根据权利要求4所述的一种基于ARM的桥隧入口车型识别系统的识别方法,其特征在于,所述步骤三中,轴数、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(14)每成立一次,i增加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)所在竖平面与车辆(2)行驶竖平面的夹角;
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)在同一竖平面时,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=ΣDi(19)
当车辆(2)与摄像机(1)不在同一竖平面时,轴距D′i为:
D′i=v′Δti(20)
此时,车辆(2)的总轴距为:
D′=ΣD′i(21)
从而确定车辆(2)的轴数I、各轴距Di或D′i及总轴距D或D′。
6.根据权利要求4所述的一种基于ARM的桥隧入口车型识别系统的识别方法,其特征在于,所述步骤三中,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,从而有效地抑制光照及气候变化等外界因素对车辆识别的影响,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,便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,则图像二值化方法为:
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)较大轮廓的边缘尺寸,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,接下来给出车长、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)所在竖平面与车辆(2)行驶竖平面的夹角,将公式(12)计算得到的车宽wc′代入公式(10)中可得到车高hc′。
7.根据权利要求4所述的一种基于ARM的桥隧入口车型识别系统的识别方法,其特征在于,所述步骤三中,当车辆(2)第i个轴经过地面压力传感器(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,各轴重之和便是总重。
8.根据权利要求4所述的一种基于ARM的桥隧入口车型识别系统的识别方法,其特征在于,所述步骤三中,摄像机1拍摄车辆2的两张图片,通过图像处理能够得到车速;并且基于ARM的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、特征量提取等步骤便能够获取车牌号码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510962815.2A CN105632180B (zh) | 2015-12-19 | 2015-12-19 | 一种基于arm的桥隧入口车型识别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510962815.2A CN105632180B (zh) | 2015-12-19 | 2015-12-19 | 一种基于arm的桥隧入口车型识别系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105632180A true CN105632180A (zh) | 2016-06-01 |
CN105632180B CN105632180B (zh) | 2018-04-06 |
Family
ID=56047053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510962815.2A Expired - Fee Related CN105632180B (zh) | 2015-12-19 | 2015-12-19 | 一种基于arm的桥隧入口车型识别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105632180B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106885551A (zh) * | 2017-02-20 | 2017-06-23 | 广西交通科学研究院有限公司 | 基于桥梁动应变识别单车轴距的方法 |
CN108198426A (zh) * | 2018-01-30 | 2018-06-22 | 河南郑大嘉源环保技术有限公司 | 一种机动车隧道实验车型自动识别方法及其系统 |
CN109584573A (zh) * | 2018-12-20 | 2019-04-05 | 武汉万集信息技术有限公司 | 隧道内危险车辆的识别系统及方法 |
CN109741607A (zh) * | 2018-12-19 | 2019-05-10 | 广东赛诺科技股份有限公司 | 一种交通超限超载货车异常数据的过滤方法 |
CN110444013A (zh) * | 2019-06-28 | 2019-11-12 | 安徽四创电子股份有限公司 | 一种用于封闭路段的交通监测系统及方法 |
CN112629713A (zh) * | 2020-10-22 | 2021-04-09 | 北京工业大学 | 一种将传感器数据对应车型检测的方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1667374A (zh) * | 2005-04-07 | 2005-09-14 | 上海交通大学 | 汽车超载自动识别系统 |
CN101145044A (zh) * | 2007-10-25 | 2008-03-19 | 上海交通大学 | 桥梁限载自动监控方法 |
CN101593423A (zh) * | 2009-06-30 | 2009-12-02 | 华南理工大学 | 动态称重和车型识别系统的信号采集装置及信号采集方法 |
JP2010134821A (ja) * | 2008-12-08 | 2010-06-17 | Omron Corp | 車両種別判別装置 |
CN201936359U (zh) * | 2010-12-16 | 2011-08-17 | 北京市中山新技术设备研究所 | 高速公路入口发卡机专用自动车型识别系统 |
JP2012022501A (ja) * | 2010-07-14 | 2012-02-02 | Mitsubishi Heavy Ind Ltd | 車両寸法検出システム |
CN102706419A (zh) * | 2011-12-27 | 2012-10-03 | 罗煜 | 实时车辆超载监控系统及其监控方法 |
CN104200663A (zh) * | 2014-09-11 | 2014-12-10 | 重庆市华驰交通科技有限公司 | 一种高速预检系统 |
CN104459183A (zh) * | 2014-12-24 | 2015-03-25 | 四川大学 | 一种基于物联网的单相机车辆测速系统及方法 |
CN204808588U (zh) * | 2015-07-29 | 2015-11-25 | 王云 | 一种车型识别系统 |
-
2015
- 2015-12-19 CN CN201510962815.2A patent/CN105632180B/zh not_active Expired - Fee Related
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1667374A (zh) * | 2005-04-07 | 2005-09-14 | 上海交通大学 | 汽车超载自动识别系统 |
CN101145044A (zh) * | 2007-10-25 | 2008-03-19 | 上海交通大学 | 桥梁限载自动监控方法 |
JP2010134821A (ja) * | 2008-12-08 | 2010-06-17 | Omron Corp | 車両種別判別装置 |
CN101593423A (zh) * | 2009-06-30 | 2009-12-02 | 华南理工大学 | 动态称重和车型识别系统的信号采集装置及信号采集方法 |
JP2012022501A (ja) * | 2010-07-14 | 2012-02-02 | Mitsubishi Heavy Ind Ltd | 車両寸法検出システム |
CN201936359U (zh) * | 2010-12-16 | 2011-08-17 | 北京市中山新技术设备研究所 | 高速公路入口发卡机专用自动车型识别系统 |
CN102706419A (zh) * | 2011-12-27 | 2012-10-03 | 罗煜 | 实时车辆超载监控系统及其监控方法 |
CN104200663A (zh) * | 2014-09-11 | 2014-12-10 | 重庆市华驰交通科技有限公司 | 一种高速预检系统 |
CN104459183A (zh) * | 2014-12-24 | 2015-03-25 | 四川大学 | 一种基于物联网的单相机车辆测速系统及方法 |
CN204808588U (zh) * | 2015-07-29 | 2015-11-25 | 王云 | 一种车型识别系统 |
Non-Patent Citations (3)
Title |
---|
BASSAM DAYA: "identification system of the type of vehicle", 《BIO-INSPIRED COMPUTING:THEORIES AND APPLICATION》 * |
朱志强: "基于压电传感器和激光测距相结合的车型识别系统", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
王光玲: "基于运动目标检测与跟踪测速算法的研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106885551A (zh) * | 2017-02-20 | 2017-06-23 | 广西交通科学研究院有限公司 | 基于桥梁动应变识别单车轴距的方法 |
CN108198426A (zh) * | 2018-01-30 | 2018-06-22 | 河南郑大嘉源环保技术有限公司 | 一种机动车隧道实验车型自动识别方法及其系统 |
CN109741607A (zh) * | 2018-12-19 | 2019-05-10 | 广东赛诺科技股份有限公司 | 一种交通超限超载货车异常数据的过滤方法 |
CN109584573A (zh) * | 2018-12-20 | 2019-04-05 | 武汉万集信息技术有限公司 | 隧道内危险车辆的识别系统及方法 |
CN109584573B (zh) * | 2018-12-20 | 2021-08-10 | 武汉万集信息技术有限公司 | 隧道内危险车辆的识别系统及方法 |
CN110444013A (zh) * | 2019-06-28 | 2019-11-12 | 安徽四创电子股份有限公司 | 一种用于封闭路段的交通监测系统及方法 |
CN112629713A (zh) * | 2020-10-22 | 2021-04-09 | 北京工业大学 | 一种将传感器数据对应车型检测的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105632180B (zh) | 2018-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105632180A (zh) | 一种基于arm的桥隧入口车型识别系统及方法 | |
CN109460709B (zh) | 基于rgb和d信息融合的rtg视觉障碍物检测的方法 | |
CN102765365B (zh) | 基于机器视觉的行人检测方法及行人防撞预警系统 | |
CN106485233B (zh) | 可行驶区域检测方法、装置和电子设备 | |
TWI722355B (zh) | 用於基於障礙物檢測校正高清晰度地圖的系統和方法 | |
CN102862574B (zh) | 基于智能手机实现车辆主动安全的方法 | |
JP7499256B2 (ja) | ドライバの挙動を分類するためのシステムおよび方法 | |
CN101789123B (zh) | 一种创建基于单目机器视觉距离图的方法 | |
CN108596058A (zh) | 基于计算机视觉的行车障碍物测距方法 | |
CN107972662A (zh) | 一种基于深度学习的车辆前向碰撞预警方法 | |
CN105678787A (zh) | 一种基于双目鱼眼摄像头的载重货车行驶障碍物检测及跟踪方法 | |
CN109064495A (zh) | 一种基于Faster R-CNN与视频技术的桥面车辆时空信息获取方法 | |
CN104236478A (zh) | 一种基于视觉的车辆外廓尺寸自动测量系统及方法 | |
CN110588623B (zh) | 一种基于神经网络的大型汽车安全驾驶方法及系统 | |
CN105711597A (zh) | 前方局部行驶环境感知系统及方法 | |
CN105574552A (zh) | 一种基于单目视觉的车辆测距与碰撞预警方法 | |
KR101240499B1 (ko) | 실시간 차선 인식 및 차량 검출 장치 및 방법 | |
CN202071799U (zh) | 智能化汽车安全警示装置 | |
CN107430774A (zh) | 行驶道路识别装置和使用其的行驶辅助系统 | |
CN110415544B (zh) | 一种灾害天气预警方法及汽车ar-hud系统 | |
CN105313782A (zh) | 车辆行驶辅助系统及其方法 | |
US9842283B2 (en) | Target object detection system and a method for target object detection | |
EP4120180A1 (en) | Method and device for measuring complexity of vehicle traveling scene | |
DE102021132853A1 (de) | Auf deep learning basierende kamerakalibrierung | |
JP2016184316A (ja) | 車種判別装置および車種判別方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180406 Termination date: 20181219 |
|
CF01 | Termination of patent right due to non-payment of annual fee |