基于物联网的智能交通检测与应急管理系统.docVIP

基于物联网的智能交通检测与应急管理系统 上海博超联石智能科技有限公司 晋胜国 傅福林 摘要：本文从物联网和智能交通建设的实际现状出发，在对交通事件智能检测分析和应急管理决策技术等关键技术研究的基础上，提出了基于物联网的交通智能检测与应急管理系统的技术架构及子系统平台设计思路，为新形势下城市智能交通与应急管理系统的理论研究提供了新思路、新技术、新方法，对于交通智能化和智慧城市建设都具有重要的实践意义。 关键词：物联网 智能交通 事件检测 应急管理 1 概述 随着城市化进程不断深入，城市人口和车辆迅速增多，汽车保有量逐年增长，道路拥挤、交通不畅、环境污染、事故频发，因此，开展智能交通系统理论研究和技术创新，对于解决城市交通安全、交通堵塞及环境污染等问题，最大限度地满足老百姓交通出行需要，提高人民群众生活质量显得十分迫切。 研究发现，通过技术手段实现对交通事件进行智能检测，并对检查到的各种数据参数进行有效管理，可以有效地缩短事件发现、响应和清除所花费的时间，大大提高事件的处理效率。越快对事件进行处理，就越能减少交通事件所造成的人员伤亡和财产损失；越能改善与事件有关的当事人、事件的处理人以及相关道路使用者的安全性；越能有效地使用各种应急资源，提高管理部门的工作效率。智能化的交通事件管理不仅可以减少事件所持续的时间、缩短事件所造成的延误、降低偶发性交通拥堵的程度，从而有效地避免二次事件的发生；而且可以通过发布内容更丰富的出行者信息来节省驾驶人员的运行费用，从而更高效灵活地使用人力和道路设施。因此，研究新形势下基于物联网的智能交通事件自动检测与应急管理的新技术、新思路、新方法，不仅可以提升道路交通管理的智能化水平，促进道路交通的应急救援管理工作上一个新台阶，而且具有显著的经济效益和社会效益。 2 关键技术 2.1 车牌识别技术 车牌识别算法采用高度模块化的设计，按照车牌识别过程所包含的环节进行划分，一个环节对应一个相对独立的模块，这些模块既相互独立又相互联系，它们共同作用实现对车牌的准确识别。一般包括： 车辆的检测和跟踪：主要是对视频流进行图像分析，根据图像中车辆的位置，实现对其中的车辆进行跟踪，当车辆在最佳位置时，抓拍车辆的特写图片。而对车辆的跟踪是为了更好地克服来自外界的各种干扰，使识别的结果更加合理。 车牌的定位：车牌定位对后续环节显得十分重要，因此它是车牌识别的基础，车牌定位的准确性直接影响到整体系统的性能。本系统引进的车牌定位算法是一种完全基于学习的、多种特征融合的新算法，由于它摒弃了传统的算法思路，因此特别适用于各种复杂的场景以及拍摄角度。 车牌的矫正和精确定位：考虑到受现场安装条件的影响，摄像机的安装角度会受到一定的限制，抓拍到的车牌会出现一定程度的倾斜。需要对车牌图像进行矫正处理，以提高车牌图像的质量，也是为后续对车牌进行切分和识别做准备工作。我们采用通过精心设计的图像快速处理滤波器，对图像中车牌的整体信息进行快速处理，不仅可以避免因局部噪声所带来的影响，而且通过在算法中对多个中间结果进行比较分析，实现对车牌的精确定位，以减少非车牌区域所造成的影响。 车牌的切分：车牌的切分是根据车牌上文字的颜色、灰度、边缘分布等一系列特征来设计切分算法。该算法不仅可以有效抑制车牌周围其它噪声的影响，而且可以容忍车牌有一定程度的倾斜，特别是针对车牌图像噪声较大的应用，比如移动式稽查车牌识别，这一算法更具有明显的优势。 车牌的识别：为了更有效地提高字符识别的正确率，本系统设计了多个识别模型，多个识别模型相结合形成一种层次化的字符识别算法。同时，为了尽可能地保留图像信息，在对字符进行识别之前，先使用一些智能算法对字符图像做一些预处理，一方面可以提高图像的质量，同时也可以保证相似字符更好区分，提高字符的识别率。 车牌识别结果的决策：所谓识别结果的决策，就是根据车牌的历史记录，当一辆车经过视野时，对识别到的结果进行智能化的比较分析，并作出决策。这种比较分析决策可以通过计算观测帧数，判断识别结果、轨迹、速度等的稳定性，估算平均可信度、相似度等几方面进行综合评价，最后决定是继续跟踪该车、输出识别结果还是拒绝该结果。这种方法不同于传统的基于单幅图像的识别算法，它综合利用了所有帧的信息，减少了偶然性，大大提高了识别率，使识别结果更加正确、可靠。 车牌的跟踪：车牌跟踪基于各种历史信息数据库以及运动模型和更新模型实现的。历史信息数据库中记录了车辆行驶过程中每一帧所包含的该车车牌的位置信息、外观信息、识别结果、可信度等信息。运动模型、更新模型由于具有一定的容错能力，因此可以保证那些短时间被遮挡或者瞬间比较模糊的车牌仍能够被正确地跟踪和预测，并在最终只输出一个识别结果。? 下图1为车牌识别的工作流程