CN108198428A - 货车拦截系统及拦截方法 - Google Patents

货车拦截系统及拦截方法 Download PDF

Info

Publication number
CN108198428A
CN108198428A CN201711386388.3A CN201711386388A CN108198428A CN 108198428 A CN108198428 A CN 108198428A CN 201711386388 A CN201711386388 A CN 201711386388A CN 108198428 A CN108198428 A CN 108198428A
Authority
CN
China
Prior art keywords
lorry
image
vehicle
arm processor
load
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.)
Withdrawn
Application number
CN201711386388.3A
Other languages
English (en)
Inventor
王嘉琛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201711386388.3A priority Critical patent/CN108198428A/zh
Publication of CN108198428A publication Critical patent/CN108198428A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/017Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01GWEIGHING
    • G01G19/00Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
    • G01G19/02Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles
    • G01G19/022Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles for weighing wheeled or rolling bodies in motion
    • G01G19/024Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles for weighing wheeled or rolling bodies in motion using electrical weight-sensitive devices
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/155Segmentation; Edge detection involving morphological operators
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10016Video; Image sequence
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/56Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08Detecting or categorising vehicles

Abstract

本发明公开了货车拦截系统,设置在城市主道的任一匝道入口处,匝道一侧设置有“Γ”形状的架杆,所述货车拦截系统包括:电源、ARM处理器、外形识别单元、载重测定单元和警告系统。所述货车拦截方法包括:外形识别单元采集并处理信息;载重测定单元采集并处理信息;ARM处理器处理信息。本发明利用木工板制作了匝道模型,采用了客车、货车、大型货车等三种不同的玩具车进行了实验验证,基本验证该系统各项功能。该系统将超载和货车识别系统结合在一起综合考虑,可以设置在高速公路入口或城市道路入口处,有效避免了货车的超载和拦截,具有较大的应用和推广前景。

Description

货车拦截系统及拦截方法
技术领域
本发明涉及一种货车拦截系统,还涉及一种货车拦截方法,尤其是城市交通中货车拦截系统及其拦截方法,属于城市交通管理技术领域。
背景技术
随着经济的发展,路面上行驶的货车越来越多,从平时的电视和网络新闻报道看到了日益频发的由于货车造成的事故。从诸多交通事故中可以得出,货车和道路事故之间有着非常紧密的关系,因此,各级交通部门制定了相关法律对货车车辆的重量和行驶范围进行了限制,并辅以技术手段进行监控。现有比较常用的技术手段主要有:在高速入口的重量检测以及路面上的超速监拍车牌识别措施。这些现有措施存在以下问题:
(1)这些措施主要用于高速公路,在城市中没有推广使用。随着城市化进程的加快,城市快速路已成为各个大、中城市主要交通网的主体,以合肥为例,目前一环、二环、高架路等给出行带来了方便,交通部门明确给出了货车不能上高架路的规定,但是在高架上依然经常看到货车在穿梭。
(2)目前,货车违章抓拍主要是将车牌识别系统与超速系统结合在一起使用,同时,有些货车存在套牌、模糊车牌的方式,使得车牌识别系统不能完全发挥出应有的作用,导致货车依然在城市道路中穿行。
发明内容
本发明正是针对现有技术存在的不足,提供一种货车拦截系统及货车拦截方法,该系统利用货车外形与其他汽车不同的图像识别方法,再结合重量测定双重方式,将该系统装置于城市快速路的匝道入口处,应对目前城市中越来越多的货车违规现象。
为解决上述问题,本发明所采取的技术方案如下:
货车拦截系统,设置在城市主道的任一匝道入口处,匝道一侧设置有“Γ”形状的架杆,所述货车拦截系统包括:电源、ARM处理器、外形识别单元、载重测定单元和警告系统,其中,
所述电源,为ARM处理器和其他单元提供动力,并驱动其工作;
所述外形识别单元,包括图像采集模块和图像处理模块,所述图像采集模块将通过的货车、小型车辆等进行外形图像采集,并传输至图像处理模块;图像处理模块根据采集到的车辆外形进行识别,并筛选区分出货车,并将相关信号传输至ARM处理器;
所述载重测定单元,包括压力传感器、信号处理模块、模/数转换模块,所述压力传感器采集通过车辆的载重量,将信号传输至信号处理模块;所述信号处理模块根据压力传感器采集的数据进行分析处理,并将分析处理结果通过模/数转换模块后,再反馈至ARM处理器;
所述ARM处理器接收外形识别单元和载重测定单元信号,当超重车辆或外形尺寸违规车辆通过时,ARM处理器将相关信号传输至警告系统,并驱动其工作;
所述警告系统,包括蜂鸣器和指示灯,蜂鸣器发出声音警报,指示灯发出灯光并闪烁示警。
作为上述技术方案的改进,所述货车拦截系统包括主控箱和若干电缆,在架杆上设置有主控箱和图像采集模块,在匝道地面的入口处设置压力传感器;电缆将压力传感器、主控箱、图像采集模块连接在一起;主控箱内安装电源、ARM处理器、图像处理模块、载重测定单元、警告系统,并通过电缆连接并进行工作。
作为上述技术方案的改进,所述图像采集模块为ATK-OV2640模块,ATK-OV2640模块通过数字摄像头接口与ARM处理器连接,实现数据的传输与控制。
作为上述技术方案的改进,所述载重测定单元采用电阻应变式压力传感器,所述压力传感器包括:弹性敏感元件和电阻应变计,弹性敏感元件将测量的重量转换为弹性的应变值;电阻应变计将弹性体的应变,同步地转换为电阻值的变化,再通过电路将电阻值的变化转化为电压值的变化,再通过模/数转换模块采集获取电压值和重量的关系。
作为上述技术方案的改进,所述货车拦截方法包括以下步骤:
步骤一:外形识别单元采集并处理信息;
外形识别单元将通过的货车、小型车辆等进行外形图像采集,并传输至图像处理模块;图像处理模块根据采集到的车辆外形进行识别,并筛选区分出货车,并将相关信号传输至ARM处理器;
步骤二:载重测定单元采集并处理信息;
载重测定单元采集通过车辆的载重量,将信号传输至信号处理模块;所述信号处理模块根据压力传感器采集的数据进行分析处理,并将分析处理结果通过模/数转换模块后,再反馈至ARM处理器;
步骤三:ARM处理器处理信息;
外形识别单元将最终处理的图像信息和载重测定单元将最终处理的重量信息传输至ARM处理器,ARM处理器进行图像识别和重量判断,当图像识别结果为货车时,由ARM处理器驱动警告系统进行工作,发出告警信息;当重量判断为超载时,由ARM处理器驱动警告系统进行工作,发出告警信息。
作为上述技术方案的改进,所述外形识别单元工作步骤如下:
步骤一:视频帧图像的提取;
外形识别单元中每帧要处理的图像都是通过图像采集模块采样拍摄的,考虑到汽车运动速度和本系统处理速度,采样间隔在1s-5s之间,在实际应用时可每秒取一帧图像进行处理;
步骤二:帧图像的预处理;
①采用差分方法去除背景;首先使用图像采集模块获取车辆图像和背景图像,然后将含有车辆的帧图像与背景图像作比较,将背景滤除得到只含车辆目标的图像;
②对经过背景差分得到的车辆目标图像进行阈值分割,最终得到车辆目标的二值化图像;
③采用形态学膨胀和腐蚀运算进行滤波,除去前述阈值分割图像中分布的噪声;
步骤三:车辆目标的特征提取;
对上述不同车辆预处理后的图像进行分析,提取平移、旋转和缩放特征量;
步骤四:车型分类识别;
车型分类识别是基于分类库,首先统计得到客车、货车、轿车的平移、旋转和缩放的特征量库,然后将图像采集模块实时拍摄图片预处理得到的平移、旋转和缩放特征量与库里面的数据进行比对,平均值差别最小的车型即为被识别车型,即可完成目标车型的识别过程。
作为上述技术方案的改进,所述载重测定单元工作方法如下:
所述载重测定单元采用电阻应变式压力传感器,所述压力传感器包括:弹性敏感元件和电阻应变计,弹性敏感元件将测量的重量转换为弹性的应变值;电阻应变计将弹性体的应变同步地转换为电阻值的变化,再通过电路将电阻值的变化转化为电压值的变化,再通过模/数转换模块采集获取电压值和重量的关系;系统通过采集电压值后,由信号处理模块进行计算即可获得相应的载荷重量。
作为上述技术方案的改进,所述警告系统工作方法为:
警告系统为基于ARM处理器的声光控制系统,当系统判定超重或违规车辆驶入匝道时,警告系统会发出声光报警,声光告警电路基于ARM处理器的通用输入输出口来实现,ARM处理器的IO引脚通过一个复用器连接到板载扬声器和发光二极管。
作为上述技术方案的改进,所述警告系统提前10米发出告警信息,所述距离匝道入口15~20米距离预埋压力传感器,并同时进行图形识别。
作为上述技术方案的改进,所述压力传感器和主控箱之间采用电缆连接或无线模块连接。
本发明与现有技术相比较,本发明的实施效果如下:
1、该系统根据大货车与其他车辆特征的不同,采用不变矩特征的图像识别算法,能够将货车与其他车型区分开来;
2、该系统根据大货车重量的不同,实现了通过重量传感器进行测量重量发出告警的检测方法;
3、该系统通过在ARM处理器中进行控制,可以将上述两种方法融合在一起,由ARM处理器控制实现了小型化的兼顾两种检测方式的货车告警。
本发明利用木工板制作了匝道模型,采用了客车、货车、大型货车等三种不同的玩具车进行了实验验证,基本验证该系统各项功能。该系统将超载和货车识别系统结合在一起综合考虑,可以设置在高速公路入口或城市道路入口处,有效避免了货车的超载和拦截,具有较大的应用和推广前景。
附图说明
图1为本发明所述货车拦截系统结构示意图;
图2为本发明所述货车拦截系统安装结构示意图;
图3为客车的背景滤除预处理结果;
图4为货车的背景滤除预处理结果;
图5为阈值分割后客车和货车的车辆图像;
图6为采用形态学滤波处理得到的客车和货车图像;
图7为基于薄膜式压力传感器的载重测定原理示意图;
图8为本发明所述ARM处理器中数据连接传输的框图;
图9为本发明所述货车拦截系统工作原理示意图。
具体实施方式
下面将结合具体的实施例来说明本发明的内容。
如图1所示,为本发明所述货车拦截系统结构示意图,该系统采取外形识别单元和载重测定单元进行双重判断,外形识别单元利用图像采集模块和图像处理模块完成匝道入口车辆的图像采集和信号处理;载重测定单元利用压力传感器、信号处理模块和模/数转换模块完成车辆载重信息的采集和处理。ARM处理器(嵌入式处理器)利用获取的重量信息和图片信息完成载重和车型的处理和识别,警告系统驱动蜂鸣器和指示灯进行声光告警。
如图1所示,为本发明所述货车拦截系统结构示意图,本发明所述货车拦截系统包括:电源10、ARM处理器20、外形识别单元30、载重测定单元40和警告系统50,其中,
所述电源10,为ARM处理器20和其他单元等提供动力,并驱动其工作;
所述外形识别单元30,包括图像采集模块31和图像处理模块32,所述图像采集模块31将通过的货车、小型车辆等进行外形图像采集,并传输至图像处理模块32;图像处理模块32根据采集到的车辆外形进行识别,并筛选区分出货车,并将相关信号传输至ARM处理器20;
所述载重测定单元40,包括压力传感器41、信号处理模块42、模/数转换模块43,所述压力传感器41采集通过车辆的载重量,将信号传输至信号处理模块42;所述信号处理模块42根据压力传感器41采集的数据进行分析处理,并将分析处理结果通过模/数转换模块43后,再反馈至ARM处理器20;
所述ARM处理器20接收外形识别单元30和载重测定单元40信号,当超重车辆或外形尺寸违规车辆通过时,ARM处理器20将相关信号传输至警告系统50,并驱动其工作;
所述警告系统50,包括蜂鸣器51和指示灯52,蜂鸣器51发出声音警报,指示灯52发出灯光并闪烁示警。
如图2所示,为本发明所述货车拦截系统安装结构示意图。本发明所述的货车拦截系统,设置在城市主道100的任一匝道200入口处,匝道200一侧设置有“Γ”形状的架杆300,在架杆300上设置有主控箱400和图像采集模块31,在匝道200地面的入口处设置压力传感器41。本发明所述的货车拦截系统还包括若干电缆500,电缆500将压力传感器41、主控箱400、图像采集模块31连接在一起。主控箱400内安装电源10、ARM处理器20、图像处理模块32、载重测定单元40、警告系统50等,并通过电缆500连接并进行工作。
本发明所述货车拦截系统,图像采集模块31采用摄像头来实现,考虑到处理的速度和图像识别的清晰度要求,采用200万像素以上摄像头,同时具备自动调焦功能。对图像的后续识别处理,目前一般在PC机上实现,实时性和操作性有所滞后,为此,本发明采用ARM芯片的嵌入式系统对图像进行实时处理,对应的摄像模块匹配的是200万像素的ATK-OV2640模块,该模块支持曝光控制、增益控制,同时支持图像缩放、平移和窗口设置,可输出JPEG图像数据。
区分货车与其他车型的方式有多种,比如车牌号码识别、车牌颜色识别等,其中车牌号码识别容易受套牌、假牌以及模糊车牌的影响;车牌颜色识别由于轻型货车和小客车都是蓝牌、大型客车和载重货车的车牌都是黄色而无法区分,另外此种方法在以后出台车牌颜色方式改变的法规时容易失效。因此,本发明确定了以外形特征结合图像识别算法区分货车。
一个图像识别系统首先实现图像信息的获取,就是把图片等信息采集到系统内存中以备后面的处理。接下来是图像预处理,预处理的目的是去除干扰,即将图像变换成适合提取图像特征的形式,它包括图像滤波、图像增强等内容。然后是图像特征提取,它的作用是把图像预处理后的数据材料进行加工、整理、分析和归纳,以去伪存真,去粗取精,抽取能反映事物的本质特征。最后是识别、解释,输出结果,即根据提取的特征参数,采用某种分类判别函数和判别规则,对图像信息进行分类和辨识,得到识别结果。概括而言,基于货车外形特征的图像识别算法主要包括视频帧图像提取、图像预处理、车辆目标特征提取和车辆分类识别等步骤。
本发明所述货车拦截系统,外形识别单元30工作步骤如下:
步骤一:视频帧图像的提取;
外形识别单元30中每帧要处理的图像都是通过图像采集模块31采样拍摄的,考虑到汽车运动速度和本系统处理速度,采样间隔在1s-5s之间,在实际应用时可每秒取一帧图像进行处理;
步骤二:帧图像的预处理;
①采用差分方法去除背景。首先使用图像采集模块31获取车辆图像和背景图像,然后将含有车辆的帧图像与背景图像作比较,将背景滤除得到只含车辆目标的图像。图3为客车的背景滤除预处理结果,其中,图3(a)为目标图像,图3(b)为背景图像,图3(c)为背景滤除图像。图4为货车的背景滤除预处理结果,其中,图4(a)为目标图像,图4(b)为背景图像,图4(c)为背景滤除图像。
②对经过背景差分得到的车辆目标图像进行阈值分割,最终得到车辆目标的二值化图像,如图5所示,其中,图5(a)为阈值分割后客车图像,图5(b)为阈值分割后货车图像。
③采用形态学膨胀和腐蚀运算进行滤波,除去前述阈值分割图像中分布的噪声,处理结果如图6所示,其中,图6(a)为采用形态学滤波处理得到的客车图像,图6(b)为采用形态学滤波处理得到的货车图像。
步骤三:车辆目标的特征提取;
对目标图像预处理后,基本可以明显看出客车和货车在外形上的区别,这种区别从侧面看更加明显,因此在实际使用中可以将图像采集模块31放置在偏移匝道200的一段位置上,从而能拍出车辆侧面的照片。通过对上述不同车辆预处理后的图像进行分析,提取平移、旋转和缩放等特征量。
步骤四:车型分类识别;
车型分类识别是基于分类库,首先统计得到客车、货车、轿车的平移、旋转和缩放的特征量库,然后将图像采集模块31实时拍摄图片预处理得到的平移、旋转和缩放特征量与库里面的数据进行比对,平均值差别最小的车型即为被识别车型,即可完成目标车型的识别过程。
本发明所述货车拦截系统,外形识别单元30和载重测定单元40可以同时工作,载重测定单元40的工作方法如下:
如图7所示,载重测定单元40基于重量传感器进行,本发明所述货车拦截系统采用电阻应变式压力传感器41实现,压力传感器41包括两部分,一是弹性敏感元件,利用它可以将测量的重量转换为弹性的应变值;另一个是电阻应变计,电阻应变计作为传感元件,将弹性体的应变,同步地转换为电阻值的变化,再通过电路将电阻值的变化转化为电压值的变化,再通过模/数转换模块43采集获取电压值和重量的关系。压力传感器41可将施加在压力传感器薄膜区域的压力转换成电阻值的变化,从而获得压力信息。压力值越大,电阻值越低。系统通过采集电压值后,由信号处理模块42进行计算即可获得相应的载荷重量。
如图8所示,为本发明所述ARM处理器20中数据连接传输的框图。图像采集模块31采用摄像头ATK-OV2640模块,摄像头ATK-OV2640模块通过数字摄像头接口(DCMI)与ARM处理器20连接,实现数据的传输与控制。数字摄像头接口是一个同步并行接口,能够接收外部8位、10位、12位或14位CMOS摄像头模块发出的高速数据流。
本发明所述货车拦截系统,警告系统50为基于ARM处理器20的声光控制系统,当系统判定超重或违规车辆驶入匝道时,警告系统50会发出声光报警。声光告警电路基于ARM处理器20的通用输入输出口(GPIO)来实现。ARM处理器20的IO引脚通过一个复用器连接到板载扬声器和发光二极管。
如图9所示,为本发明所述货车拦截系统工作原理示意图。外形识别单元30将最终处理的图像信息和载重测定单元40将最终处理的重量信息传输至ARM处理器20,ARM处理器20进行图像识别和重量判断,当图像识别结果为货车时,由ARM处理器20驱动警告系统50进行工作,发出告警信息;当重量判断为超载时,由ARM处理器20驱动警告系统50进行工作,发出告警信息。
本发明所述货车拦截系统,从实际使用效果出发,该系统应该布置于城市匝道200入口处,由于一旦驶入匝道200后发出告警信息,车辆再倒车的话,容易造成堵车和交通事故,因此该系统应布置于距离匝道200入口一定距离的位置上,考虑到货车的转弯半径和司机的反应能力,以提前10米发出告警信息合适。在匝道200的入口15~20米距离预埋压力传感器41,并同时进行图形识别,再根据实际图像采集模块31的视场,确定架杆300的高度和水平架杆的位置,为减少背景干扰,一般以车辆基本充满视场为架杆位置的计算标准。在本次实验系统中压力传感器41和主控箱400之间采用电缆500连接,实际使用中,为减少布线复杂程度,可以采用无线模块连接。
本发明所述货车拦截系统,利用开发的实验系统,按照图2所示利用木工板制作了匝道模型,采用了客车、货车、大型货车等三种不同的玩具车进行了实验,从实验结果看,载重检测没有问题,在超过一定重量后能够实现声光告警,影响实验结果的主要是图像识别过程。在实际使用中,采用不变矩的方法需要先进行车辆外形的学习,同时每次拍照需要手动控制,造成了每次背景图像的不同,影响到图3-图6的结果。因此,在实际的使用中,要加强该图像识别算法的学习能力,补充背景库。在实际使用中,还要考虑到当前后两车相近时,尤其是前车是小车,大车紧跟小车时,造成图像识别的错误,会识别不出大型货车的车型。
本发明所述货车拦截系统,与其他系统比较,可以实现如下功能:
1、根据大货车与其他车辆特征的不同,采用不变矩特征的图像识别算法,能够将货车与其他车型区分开来;
2、根据大货车重量的不同,实现了通过重量传感器进行测量重量发出告警的检测方法;
3、通过在ARM处理器中进行控制,可以将上述两种方法融合在一起,由ARM处理器控制实现了小型化的兼顾两种检测方式的货车告警。
以上内容是结合具体的实施例对本发明所作的详细说明,不能认定本发明具体实施仅限于这些说明。对于本发明所属技术领域的技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明保护的范围。

Claims (10)

1.货车拦截系统,设置在城市主道(100)的任一匝道(200)入口处,匝道(200)一侧设置有“Γ”形状的架杆(300),其特征是,所述货车拦截系统包括:电源(10)、ARM处理器(20)、外形识别单元(30)、载重测定单元(40)和警告系统(50),其中,
所述电源(10),为ARM处理器(20)和其他单元提供动力,并驱动其工作;
所述外形识别单元(30),包括图像采集模块(31)和图像处理模块(32),所述图像采集模块(31)将通过的货车、小型车辆等进行外形图像采集,并传输至图像处理模块(32);图像处理模块(32)根据采集到的车辆外形进行识别,并筛选区分出货车,并将相关信号传输至ARM处理器(20);
所述载重测定单元(40),包括压力传感器(41)、信号处理模块(42)、模/数转换模块(43),所述压力传感器(41)采集通过车辆的载重量,将信号传输至信号处理模块(42);所述信号处理模块(42)根据压力传感器(41)采集的数据进行分析处理,并将分析处理结果通过模/数转换模块(43)后,再反馈至ARM处理器(20);
所述ARM处理器(20)接收外形识别单元(30)和载重测定单元(40)信号,当超重车辆或外形尺寸违规车辆通过时,ARM处理器(20)将相关信号传输至警告系统(50),并驱动其工作;
所述警告系统(50),包括蜂鸣器(51)和指示灯(52),蜂鸣器(51)发出声音警报,指示灯(52)发出灯光并闪烁示警。
2.如权利要求1所述的货车拦截系统,其特征是,所述货车拦截系统包括主控箱(400)和若干电缆(500),在架杆(300)上设置有主控箱(400)和图像采集模块(31),在匝道(200)地面的入口处设置压力传感器(41);电缆(500)将压力传感器(41)、主控箱(400)、图像采集模块(31)连接在一起;主控箱(400)内安装电源(10)、ARM处理器(20)、图像处理模块(32)、载重测定单元(40)、警告系统(50),并通过电缆(500)连接并进行工作。
3.如权利要求1或2所述的货车拦截系统,其特征是,所述图像采集模块(31)为ATK-OV2640模块,ATK-OV2640模块通过数字摄像头接口与ARM处理器(20)连接,实现数据的传输与控制。
4.如权利要求1或2所述的货车拦截系统,其特征是,所述载重测定单元(40)采用电阻应变式压力传感器(41),所述压力传感器(41)包括:弹性敏感元件和电阻应变计,弹性敏感元件将测量的重量转换为弹性的应变值;电阻应变计将弹性体的应变,同步地转换为电阻值的变化,再通过电路将电阻值的变化转化为电压值的变化,再通过模/数转换模块(43)采集获取电压值和重量的关系。
5.如权利要求1所述的货车拦截方法,其特征是,所述货车拦截方法包括以下步骤:
步骤一:外形识别单元(30)采集并处理信息;
外形识别单元(30)将通过的货车、小型车辆等进行外形图像采集,并传输至图像处理模块(32);图像处理模块(32)根据采集到的车辆外形进行识别,并筛选区分出货车,并将相关信号传输至ARM处理器(20);
步骤二:载重测定单元(40)采集并处理信息;
载重测定单元(40)采集通过车辆的载重量,将信号传输至信号处理模块(42);所述信号处理模块(42)根据压力传感器(41)采集的数据进行分析处理,并将分析处理结果通过模/数转换模块(43)后,再反馈至ARM处理器(20);
步骤三:ARM处理器(20)处理信息;
外形识别单元(30)将最终处理的图像信息和载重测定单元(40)将最终处理的重量信息传输至ARM处理器(20),ARM处理器(20)进行图像识别和重量判断,当图像识别结果为货车时,由ARM处理器(20)驱动警告系统(50)进行工作,发出告警信息;当重量判断为超载时,由ARM处理器(20)驱动警告系统(50)进行工作,发出告警信息。
6.如权利要求5所述的货车拦截方法,其特征是,所述外形识别单元(30)工作步骤如下:
步骤一:视频帧图像的提取;
外形识别单元(30)中每帧要处理的图像都是通过图像采集模块(31)采样拍摄的,考虑到汽车运动速度和本系统处理速度,采样间隔在1s-5s之间,在实际应用时可每秒取一帧图像进行处理;
步骤二:帧图像的预处理;
①采用差分方法去除背景;首先使用图像采集模块(31)获取车辆图像和背景图像,然后将含有车辆的帧图像与背景图像作比较,将背景滤除得到只含车辆目标的图像;
②对经过背景差分得到的车辆目标图像进行阈值分割,最终得到车辆目标的二值化图像;
③采用形态学膨胀和腐蚀运算进行滤波,除去前述阈值分割图像中分布的噪声;
步骤三:车辆目标的特征提取;
对上述不同车辆预处理后的图像进行分析,提取平移、旋转和缩放特征量;
步骤四:车型分类识别;
车型分类识别是基于分类库,首先统计得到客车、货车、轿车的平移、旋转和缩放的特征量库,然后将图像采集模块(31)实时拍摄图片预处理得到的平移、旋转和缩放特征量与库里面的数据进行比对,平均值差别最小的车型即为被识别车型,即可完成目标车型的识别过程。
7.如权利要求5所述的货车拦截方法,其特征是,所述载重测定单元(40)工作方法如下:
所述载重测定单元(40)采用电阻应变式压力传感器(41),所述压力传感器(41)包括:弹性敏感元件和电阻应变计,弹性敏感元件将测量的重量转换为弹性的应变值;电阻应变计将弹性体的应变同步地转换为电阻值的变化,再通过电路将电阻值的变化转化为电压值的变化,再通过模/数转换模块(43)采集获取电压值和重量的关系;系统通过采集电压值后,由信号处理模块(42)进行计算即可获得相应的载荷重量。
8.如权利要求5所述的货车拦截方法,其特征是,所述警告系统(50)工作方法为:
警告系统(50)为基于ARM处理器(20)的声光控制系统,当系统判定超重或违规车辆驶入匝道时,警告系统(50)会发出声光报警,声光告警电路基于ARM处理器(20)的通用输入输出口来实现,ARM处理器(20)的IO引脚通过一个复用器连接到板载扬声器和发光二极管。
9.如权利要求5或8所述的货车拦截方法,其特征是,所述警告系统(50)提前10米发出告警信息,所述距离匝道(200)入口15~20米距离预埋压力传感器(41),并同时进行图形识别。
10.如权利要求5或8所述的货车拦截方法,其特征是,所述压力传感器(41)和主控箱(400)之间采用电缆(500)连接或无线模块连接。
CN201711386388.3A 2017-12-20 2017-12-20 货车拦截系统及拦截方法 Withdrawn CN108198428A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711386388.3A CN108198428A (zh) 2017-12-20 2017-12-20 货车拦截系统及拦截方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711386388.3A CN108198428A (zh) 2017-12-20 2017-12-20 货车拦截系统及拦截方法

Publications (1)

Publication Number Publication Date
CN108198428A true CN108198428A (zh) 2018-06-22

Family

ID=62577002

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711386388.3A Withdrawn CN108198428A (zh) 2017-12-20 2017-12-20 货车拦截系统及拦截方法

Country Status (1)

Country Link
CN (1) CN108198428A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110853359A (zh) * 2018-08-21 2020-02-28 上海博泰悦臻网络技术服务有限公司 交通状况在线监测系统、交通状况在线监测方法
CN111199648A (zh) * 2018-11-20 2020-05-26 远创智慧股份有限公司 车牌识别方法及系统
CN114852229A (zh) * 2022-05-16 2022-08-05 摩拜(北京)信息技术有限公司 防多人骑行处理方法、装置、电动自行车及服务器

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110853359A (zh) * 2018-08-21 2020-02-28 上海博泰悦臻网络技术服务有限公司 交通状况在线监测系统、交通状况在线监测方法
CN111199648A (zh) * 2018-11-20 2020-05-26 远创智慧股份有限公司 车牌识别方法及系统
CN114852229A (zh) * 2022-05-16 2022-08-05 摩拜(北京)信息技术有限公司 防多人骑行处理方法、装置、电动自行车及服务器

Similar Documents

Publication Publication Date Title
CN106652468B (zh) 车辆道路前车违规检测和自车违规预警提醒装置及方法
CN102765365B (zh) 基于机器视觉的行人检测方法及行人防撞预警系统
CN105512623B (zh) 基于多传感器雾天行车视觉增强与能见度预警系统及方法
CN110415544B (zh) 一种灾害天气预警方法及汽车ar-hud系统
CN104751634B (zh) 高速公路隧道行车图像采集信息的综合应用方法
CN101916383B (zh) 基于多摄像机的车辆检测跟踪识别系统
Harlow et al. Automatic vehicle classification system with range sensors
CN109409337B (zh) 基于卷积神经网络的渣土车特征识别方法
CN111415533B (zh) 弯道安全预警监控方法、装置以及系统
JP2018022220A (ja) 挙動データ解析システム及び挙動データ解析装置及び挙動データ解析方法
CN102737247A (zh) 一种柴油车尾气烟度图像识别系统
CN108198428A (zh) 货车拦截系统及拦截方法
CN104794906A (zh) 室外停车场出口车辆管理平台
CN105957341A (zh) 一种基于无人机机载平台的广域交通拥堵检测方法
CN113903180B (zh) 一种高速公路检测车辆超速的方法及系统
Miclea et al. Visibility detection in foggy environment
WO2002052523A1 (fr) Procede et appareil de surveillance de vehicule
CN110909599A (zh) 一种渣土车苫盖的检测方法、装置及系统
CN111222394A (zh) 一种渣土车超载检测方法、装置及系统
CN114898309A (zh) 一种基于视觉ai技术的城市智能巡检车系统及巡检方法
Zhang et al. Machine learning and computer vision-enabled traffic sensing data analysis and quality enhancement
CN108615028A (zh) 港口重型车辆的细粒度检测识别方法
CN115331147A (zh) 一种基于机器视觉的道路抛洒物检测方法与系统
JPH11353580A (ja) 夜間における車種判別装置及び方法
CN111914704A (zh) 一种三轮车载人的识别方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20180622