CN105632180A - 一种基于arm的桥隧入口车型识别系统及方法 - Google Patents

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

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：

t_i+1-t_i＜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D_i满足关系式：

D_i＝vΔt_i(17)

式中，Δt_i为第(i+1)个轴受压时刻t_i+1与第i个轴受压时刻t_i的差值，即：

Δt_i＝t_i+1-t_i(18)

此时，车辆的总轴距为各轴距之和，即：

D＝∑D_i(19)

当车辆与摄像机不在同一竖平面时，轴距D_i′为：

D_i′＝v′Δt_i(20)

此时，车辆的总轴距为：

D′＝∑D_i′(21)

从而确定车辆的轴数I、各轴距D_i或D_i′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：

B_k+1(p)＝B_k(p)+g(I_k(p)-B_k(p))(1)

其中，增益因子g＝a₁(1-M_k(p))＋a₂M_k(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I_k(x,y)，更新后的背景图像为B_k)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B_k(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B_k(x,y)滤波后得到B_k(x,y)×N(x,y,σ)，车辆轮廓点由公式(6)和公式(7)决定：

A＝||B_k(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B_k(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l_c与图像中车辆轮廓长度l_c0的关系式为：

车宽w_c与图像中车辆轮廓宽度w_c0的关系式为：

车宽w_c和车高h_c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h_c；

情况二：当车辆与摄像机不在同一竖直平面时，车长l_c′为：

车宽w_c′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w_c′代入公式(10)中可得到车高h_c′。

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：

t_i+1-t_i＜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D_i满足关系式：

D_i＝vΔt_i(17)

式中，Δt_i为第(i+1)个轴受压时刻t_i+1与第i个轴受压时刻t_i的差值，即：

Δt_i＝t_i＋1-t_i(18)

此时，车辆2的总轴距为各轴距之和，即：

D＝∑D_i(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′Δt_i(20)

此时，车辆2的总轴距为：

D′＝∑D_i′(21)

从而确定车辆2的轴数I、各轴距D_i或D_i′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：

B_k+1(p)＝B_k(p)+g(I_k(p)-B_k(p))(1)

其中，增益因子g＝a₁(1-M_k(p))+a₂M_k(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I_k(x,y)，更新后的背景图像为B_k(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B_k(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B_k(x,y)滤波后得到B_k(x,y)×N(x,y,σ)，车辆轮廓点由公式(6)和公式(7)决定：

A＝||B_k(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B_k(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l_c与图像中车辆轮廓长度l_c0的关系式为：

车宽w_c与图像中车辆轮廓宽度w_c0的关系式为：

车宽w_c和车高h_c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h_c；

情况二：当车辆2与摄像机1不在同一竖直平面时，车长l_c′为：

车宽w_c′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w_c′代入公式(10)中可得到车高h_c′。

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：

t_i+1-t_i＜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：

$v=\frac{P(m_2{h}_1-m_1{h}_2)}{m_1{m}_2(t_2-t_1)\tan a}---\left(15\right)$

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：

$v^{\′}=\frac{v}{\cos b}---\left(16\right)$

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D_i满足关系式：

D_i＝vΔt_i(17)

式中，Δt_i为第(i+1)个轴受压时刻t_i+1与第i个轴受压时刻t_i的差值，即：

Δt_i＝t_i+1-t_i(18)

此时，车辆(2)的总轴距为各轴距之和，即：

D＝ΣD_i(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′Δt_i(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D_i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：

B_k+1(p)＝B_k(p)+g(I_k(p)-B_k(p))(1)

其中，增益因子g＝a₁(1-M_k(p))+a₂M_k(p)(2)

且有：

$|I_k\left(p\right)-B_k\left(p\right)|>s_k\left(p\right)\⇒M_k\left(p\right)=1---\left(3\right)$

$|I_k\left(p\right)-B_k\left(p\right)|\≤s_k\left(p\right)\⇒M_k\left(p\right)=0---\left(4\right)$

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I_k(x,y)，更新后的背景图像为B_k(x,y)，阈值为T，则图像二值化方法为：

$Df(x,y)=\left\{\begin{array}{cc}1& f|I_k(x,y)-B_k(x,y)|>T\\ 0& others\end{array}\right.---\left(5\right)$

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B_k(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B_k(x,y)滤波后得到B_k(x,y)×N(x,y,σ)，车辆轮廓点由公式(6)和公式(7)决定：

A＝||B_k(x,y)×N(x,y,σ)||(6)

$G=\frac{B_k(x,y)\×N(x,y,\mathrm{\σ})}{\left|\right|B_k(x,y)\×N(x,y,\mathrm{\σ})\left|\right|}---\left(7\right)$

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B_k(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l_c与图像中车辆轮廓长度l_c0的关系式为：

$l_c=\frac{u}{f}{l}_{c0}---\left(8\right)$

车宽w_c与图像中车辆轮廓宽度w_c0的关系式为：

$w_c=\frac{u}{f}{w}_{c0}---\left(9\right)$

车宽w_c和车高h_c满足关系式：

$a=arctan\left(\frac{H}{L}\right)+arctan\left(\frac{h_{c}C}{2w_{c}L}\right)---\left(10\right)$

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h_c；

情况二：当车辆(2)与摄像机(1)不在同一竖直平面时，车长l_c′为：

${l_c}^{\′}=\frac{l_c}{\cos b}---\left(11\right)$

车宽w_c′为：

${w_c}^{\′}=\frac{w_c}{\cos b}---\left(12\right)$

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w_c′代入公式(10)中可得到车高h_c′。

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。