一種車輛識(shí)別系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種車輛識(shí)別系統(tǒng)，包括圖像采集模塊、與圖像采集模塊連接的圖像處理模塊，所述圖像處理模塊包括依次連接的：用于提取樣本車輛圖像Gabor特征的樣本車輛Gabor特征提取模塊，用于提取待測(cè)車輛圖像Gabor特征的待測(cè)車輛Gabor特征提取模塊，用于計(jì)算待測(cè)車輛圖像Gabor特征在樣本車輛圖像特征字典上的系數(shù)向量的稀疏系數(shù)求解模塊，用于判別待測(cè)車輛類別的待測(cè)車輛類別判定模塊，所述樣本車輛圖像特征字典預(yù)先存儲(chǔ)在圖像處理模塊的存儲(chǔ)器中。本發(fā)明采用DSP和ARM，對(duì)待測(cè)車輛所屬類別進(jìn)行判別，并將結(jié)果傳輸給遠(yuǎn)程PC機(jī)，具有較高的準(zhǔn)確率，能夠滿足車輛識(shí)別的需要。
【專利說(shuō)明】一種車輛識(shí)別系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種智能交通系統(tǒng)中對(duì)車輛進(jìn)行類別判定的車輛識(shí)別系統(tǒng)，特別是涉 及一種基于DSP和ARM的車輛識(shí)別系統(tǒng)，屬于車輛識(shí)別【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 近年來(lái)，隨著國(guó)民經(jīng)濟(jì)的迅速發(fā)展和人們生活水平的不斷提高，機(jī)動(dòng)車輛快速 增長(zhǎng)，交通堵塞和交通事故頻繁發(fā)生，交通問(wèn)題日益嚴(yán)峻。為提高交通系統(tǒng)運(yùn)行的有 序性和可靠性，實(shí)現(xiàn)交通運(yùn)輸服務(wù)的智能化監(jiān)控和管理，智能交通系統(tǒng)（Intelligent Transportation System, ITS)顯得尤為重要，它已經(jīng)成為當(dāng)前交通領(lǐng)域的前沿技術(shù)之一。
[0003] 目前主要的車輛識(shí)別方法是通過(guò)在要檢測(cè)的路段預(yù)先埋下壓電傳感材料，當(dāng)車輛 經(jīng)過(guò)時(shí)，壓電材料產(chǎn)生同承重壓力成正比的電量，根據(jù)電量的大小和產(chǎn)生的次數(shù)可以得到 車輛載重量和輪軸數(shù)等，通過(guò)模版匹配的方法可以確定車型，但是該方法埋置傳感器軟化 了路面，路面較容易受損，其次傳感器響應(yīng)結(jié)果易受周圍環(huán)境和繁忙交通的影響，而且壓電 傳感器壽面有限，一般為兩年，更換傳感器需要破壞交通路面后重新鋪設(shè)，要花費(fèi)較高的代 價(jià)，這些都給傳統(tǒng)的車輛識(shí)別方法帶來(lái)了極大地挑戰(zhàn)。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的技術(shù)問(wèn)題是：提供一種費(fèi)用低、使用壽命長(zhǎng)的車輛識(shí)別系統(tǒng)。
[0005] 本發(fā)明為解決上述技術(shù)問(wèn)題采用以下技術(shù)方案：
[0006] -種車輛識(shí)別系統(tǒng)，包括圖像采集模塊、與圖像采集模塊連接的圖像處理模塊，所 述圖像處理模塊包括依次連接的：用于提取各個(gè)類別的樣本車輛圖像Gabor特征的樣本車 輛Gabor特征提取模塊，用于提取待測(cè)車輛圖像Gabor特征的待測(cè)車輛Gabor特征提取模 塊，用于計(jì)算待測(cè)車輛圖像Gabor特征在樣本車輛圖像特征字典上的系數(shù)向量的稀疏系數(shù) 求解模塊，用于判別待測(cè)車輛類別的待測(cè)車輛類別判定模塊；所述樣本車輛圖像特征字典 預(yù)先存儲(chǔ)在圖像處理模塊的存儲(chǔ)器中，且樣本車輛圖像特征字典的構(gòu)建方法如下：將每幅 樣本車輛圖像的Gabor特征圖像的像素矩陣按列拉伸，組成一維向量，將各個(gè)類別的樣本 車輛圖像的Gabor特征組成矩陣形成各個(gè)類別樣本車輛圖像的初始特征字典，將各個(gè)類別 的初始特征字典合并得到樣本車輛圖像的初始特征字典，歸一化初始特征字典得到新的特 征字典矩陣，計(jì)算新的特征字典矩陣的協(xié)方差矩陣，計(jì)算協(xié)方差矩陣的特征值和特征向量， 特征向量按對(duì)應(yīng)的特征值由大到小排列，并取前1〇〇列特征向量得到線性變換矩陣，將線 性變換矩陣的轉(zhuǎn)置矩陣乘以初始特征字典得到樣本車輛圖像的特征字典。
[0007] 優(yōu)選的，所述圖像采集模塊包括攝像頭，所述攝像頭固定于車道上方，用于采集車 輛的車頭正面圖像。
[0008] 優(yōu)選的，所述圖像處理模塊還包括模數(shù)轉(zhuǎn)換器、DSP處理器，所述模數(shù)轉(zhuǎn)換器用于 將攝像頭采集的圖像模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，所述DSP處理器用于處理模數(shù)轉(zhuǎn)換器傳輸 來(lái)的數(shù)字信號(hào)。
[0009] 進(jìn)一步的，還包括電源、ARM處理器、網(wǎng)口、無(wú)線傳輸模塊、PC機(jī)，所述ARM處理器通 過(guò)網(wǎng)口與DSP處理器連接，所述PC機(jī)通過(guò)所述無(wú)線傳輸模塊與ARM處理器連接，所述電源 模塊給攝像頭、模數(shù)轉(zhuǎn)換器、DSP處理器、ARM處理器供電。
[0010] 優(yōu)選的，所述計(jì)算待測(cè)車輛圖像Gabor特征在樣本車輛圖像特征字典上的系數(shù)向 量的方法為正交匹配追蹤算法。
[0011] 優(yōu)選的，所述Gabor特征的提取方法如下：利用快速傅里葉變換以及傅里葉反變 換計(jì)算Gabor小波核函數(shù)與相應(yīng)的車輛圖像的卷積結(jié)果，將其作為相應(yīng)的車輛圖像的局部 紋理特征，將相應(yīng)的車輛圖像的局部紋理特征的幅值作為相應(yīng)的車輛圖像的Gabor特征。
[0012] 本發(fā)明采用以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下技術(shù)效果：
[0013] 1、本發(fā)明一種車輛識(shí)別系統(tǒng)采用DSP和ARM，對(duì)待測(cè)車輛所屬類別進(jìn)行判別，并將 結(jié)果傳輸給遠(yuǎn)程PC機(jī)，具有較高的準(zhǔn)確率，能夠滿足車輛識(shí)別的需要。
[0014] 2、本發(fā)明一種車輛識(shí)別系統(tǒng)結(jié)構(gòu)簡(jiǎn)單，花費(fèi)較低，不會(huì)對(duì)路面造成損害，而且使用 壽命較長(zhǎng)。

【專利附圖】

【附圖說(shuō)明】
[0015] 圖1是本發(fā)明車輛識(shí)別系統(tǒng)的原理圖。
[0016] 圖2是本發(fā)明車輛識(shí)別系統(tǒng)的系統(tǒng)辨識(shí)模塊框圖。
[0017] 圖3是本發(fā)明車輛識(shí)別系統(tǒng)的車輛識(shí)別方法流程圖。
[0018] 圖4是本發(fā)明車輛識(shí)別系統(tǒng)的車輛圖像采集示意圖。
[0019] 圖5是本發(fā)明車輛識(shí)別系統(tǒng)的初始特征字典降維方法流程圖。
[0020] 圖6是本發(fā)明車輛識(shí)別系統(tǒng)的稀疏系數(shù)求解方法流程圖。

【具體實(shí)施方式】
[0021] 下面詳細(xì)描述本發(fā)明的實(shí)施方式，所述實(shí)施方式的示例在附圖中示出，其中自始 至終相同或類似的標(biāo)號(hào)表示相同或類似的元件或具有相同或類似功能的元件。下面通過(guò)參 考附圖描述的實(shí)施方式是示例性的，僅用于解釋本發(fā)明，而不能解釋為對(duì)本發(fā)明的限制。
[0022] 如圖1、圖2所示，一種車輛識(shí)別系統(tǒng)包括攝像頭、模數(shù)轉(zhuǎn)換器、DSP處理器、網(wǎng)口、 電源模塊、ARM處理器、無(wú)線傳輸模塊、PC機(jī)，所述攝像頭固定于車道上方，用于采集車輛 的車頭正面圖像，所述模數(shù)轉(zhuǎn)換器用于將攝像頭采集的圖像模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，且 模數(shù)轉(zhuǎn)換器的型號(hào)為SAA7115,所述DSP處理器用于處理模數(shù)轉(zhuǎn)換器傳輸來(lái)的數(shù)字信號(hào)，且 DSP處理器的型號(hào)為TMS320DM642,所述ARM處理器通過(guò)網(wǎng)口與DSP處理器連接，且ARM處 理器的型號(hào)為S3C2440,所述PC機(jī)通過(guò)所述無(wú)線傳輸模塊與ARM處理器連接，所述電源模塊 給攝像頭、模數(shù)轉(zhuǎn)換器、DSP處理器、ARM處理器供電，所述DSP處理器包括：用于提取樣本 車輛圖像Gabor特征的樣本車輛Gabor特征提取模塊，用于建立樣本車輛圖像特征字典的 樣本車輛特征字典構(gòu)建模塊，用于提取待測(cè)車輛圖像Gabor特征的待測(cè)車輛Gabor特征提 取模塊，用于計(jì)算待測(cè)車輛圖像Gabor特征在樣本車輛圖像特征字典上的系數(shù)向量的稀疏 系數(shù)求解模塊，用于判別待測(cè)車輛類別的待測(cè)車輛類別判定模塊。
[0023] 如圖3所示，為本發(fā)明車輛識(shí)別系統(tǒng)的車輛識(shí)別方法流程圖，利用安裝在車道上 方的攝像頭采集車輛圖像，攝像頭與地面的垂直距離為5米，攝像頭拍攝視線與地面所成 夾角為30度時(shí)拍攝效果最佳（如圖4所示），車輛圖像分為樣本車輛圖像與待測(cè)車輛圖像， 通過(guò)2D-Gabor濾波器提取樣本車輛圖像的Gabor特征，構(gòu)建稀疏表示所需的特征字典，并 對(duì)其進(jìn)行降維處理，其次通過(guò)相同的2D-Gabor濾波器提取待測(cè)車輛圖像的Gabor特征并 進(jìn)行降維處理，根據(jù)正交匹配追蹤算法求解降維后待測(cè)車輛圖像的Gabor特征在所構(gòu)建特 征字典上的稀疏系數(shù)，最后根據(jù)重構(gòu)殘差的方法判別待測(cè)車輛的所屬類別，將識(shí)別結(jié)果通 過(guò)顯示器來(lái)表示。降維方法除了主成分分析法，還有其他方法，例如線性判別分析、多維尺 度分析、拉普拉斯特征映射等等，這里使用主成分分析法的優(yōu)點(diǎn)是該方法理論完善、概念簡(jiǎn) 單、計(jì)算方便，具有最優(yōu)線性重構(gòu)誤差。
[0024] 步驟1、對(duì)樣本車輛圖像進(jìn)行Gabor特征提取。
[0025] 選取4類樣本車輛圖像：公共汽車、長(zhǎng)途客車、小轎車、卡車，每類樣本車輛選取10 輛不同的車，分別采集其車頭圖像作為其樣本圖像，并將每幅樣本圖像旋轉(zhuǎn)-5°、0°、+5° 來(lái)模擬道路不平造成的車輛角度差異，因此樣本車輛圖像的總數(shù)q = 4X3X 10 = 120個(gè)。
[0026] 由于樣本車輛圖像的原始圖像為彩色圖像，采用原始圖像計(jì)算數(shù)據(jù)量較大，為了 縮小計(jì)算數(shù)據(jù)量，因此需要將樣本車輛圖像轉(zhuǎn)換為灰度圖，根據(jù)加權(quán)平均法對(duì)樣本車輛圖 像灰度化，得到第i類第j個(gè)樣本車輛圖像的灰度值IuOn，η)，
[0027] Ii;』（m，η) = 0· 301^，』（m，η)+0· 59Gi;』（m，η)+0· llBi，』（m，η)，
[0028] 其中，i，j表示第i類車輛中第j幅樣本（i = 1，2,…，4, j = 1，2,…，30)，m， n分別為樣本車輛圖像像素的橫、縱坐標(biāo)，&>，n)為第i類第j個(gè)樣本車輛圖像第m行第 η列像素的紅色分量，Gy (m，η)為第i類第j個(gè)樣本車輛圖像第m行第η列像素的綠色分 量，By (m，η)為第i類第j個(gè)樣本車輛圖像第m行第η列像素的藍(lán)色分量。
[0029] 接著，利用2D-Gabor濾波器提取樣本車輛圖像的局部紋理特征Mv， u(z)，即采 用二維Gabor小波模仿視覺(jué)皮層細(xì)胞的濾波響應(yīng)，描述圖像的空間域和頻率域的局部化 特性，M u，v (z) = I (z)*Wu，v (z)，其中，z = (m, η)是矢量，表示第m行第η列像素的坐 標(biāo)，Ι(ζ)表示樣本車輛圖像的灰度值，*表示卷積運(yùn)算，Ψ"，ν(ζ)為Gabor小波核函數(shù)， ψ?,ν(ζ) = ^-?βχΡ -卜! ￥丨 x exp(ifz)-exp(-^-)，其中，| | | | 表示歐幾里得范數(shù)， (7 Z(J L (k οο^φΛ k= r . ，kv = kmaxfv，kmax為最大的米樣頻率，u、V分別表不Gabor小波的方向和 V Kv Sm Ψη J 尺度因子，且u、v為整數(shù)，采用5個(gè)尺度，S卩V =〇，1，…，4,8個(gè)方向，即ιι = 0，1，···，7， __ +1 〇為高斯窗口的寬度與正弦波的波長(zhǎng)的比率，σ = -),其中Φ是Gabor濾 2Ψ -1 波器的半峰帶寬，在樣本車輛圖像的局部紋理特征提取時(shí)，令Φ = 1，則σ = π，并設(shè) 定kmax = π/2, % =τγμ/8，f ν = 2,通過(guò)快速傅里葉變換和卷積定理得到，F(xiàn){MU，v (m, η)} =F{WU，ν (m, η)} XF{I (m, η)},通過(guò)傅里葉反變換求解 Mu，ν (m, η)得，Mu，ν (m, η)= Γ1 {F{WU，v (m, n)} XF{I (m, η)}}，再根據(jù)幅值計(jì)算公式，求得卷積結(jié)果Mu，v (m, n)的幅 值 GUj(m,n), Gi:v (/;?,/?) = ^Rc(,^/ir(/；2,/7))2 + ,.(/?,/?))2 ,其中，Re (Mu，v (m, n))為 Mu，v (m, n)的實(shí)部，Im(Mu，v (m, n))為Mu，v (m, n)的虛部，將計(jì)算到的幅值信息{Gu，v (m, n) ; v =0, 1，· · ·，4, u = 0, 1，· · ·，7}作為樣本車輛圖像的Gabor特征。
[0030] 步驟2、建立樣本車輛圖像特征字典。
[0031] 2. 1建立初始特征字典
[0032] 經(jīng)過(guò)灰度化后每幅樣本車輛圖像的尺寸為320X240維，每幅樣本車輛圖像經(jīng)過(guò) 2D-Gabor濾波器在5個(gè)尺度8個(gè)方向上進(jìn)行特征提取后得到40個(gè)Gabor特征，將40幅 Gabor特征圖像的像素矩陣按列拉伸，組成一個(gè)長(zhǎng)度為40X320X240的一維列向量，并將 第i類的30幅樣本車輛圖像的Gabor特征組成矩陣的形式，即
[0033] β, =[S,. ,,5, ,,...,5,....5, ,, ]e ,
[0034] 其中，叫表示第i類車輛樣本的總數(shù)叫=30，（i = 1, 2, . . . , 4)，p = 40 X 320 X 240,表示一維列向量的行數(shù)，Si;j表示第i類樣本中第j個(gè)樣本（i = 1，2,. . .，4， j = 1，2, ...，30)，其是由該樣本的40幅Gabor特征圖像經(jīng)過(guò)按列拉伸獲得的一維列向量， 該列向量為40X320X240維的列向量。
[0035] 其次，將所有的樣本字典&集合在一起，構(gòu)成樣本車輛圖像的初始Gabor特征字 典矩陣B，
[0036] B - [B1； . . . , Bj, ..., B4] - [S1；1, ..., S1；30, S2；1, . . . , S2；30, S3；1, . . . . Si；J·, . . . S3；30, S4 ，1，· · ·，S4,30]，
[0037] 其中，Si:j表示第i類第j個(gè)樣本車輛圖像，樣本車輛圖像共有4類，每類各有30 個(gè)樣本車輛圖像，樣本總數(shù)為q，q = 120。
[0038] 2. 2對(duì)初始特征字典進(jìn)行降維處理，如圖5所示
[0039] 利用主成分分析法（PCA)對(duì)初始特征字典矩陣B降維，步驟如下：
[0040] 1)對(duì)初始特征字典矩陣B進(jìn)行歸一化處理，計(jì)算得到新特征字典矩陣B'，B'=
[Si , 1) · · · ) Sj ，30，,1) · · · ) S2 ' 30，S3 ; 1) · · · · Sj ; j) · · · S3 ' 30，S4 ; 1) · · · ) S4 ' 30]， 其中，</=\廠^，瓦7為該列的均值，8，￡1?><<1， 1) = 40\320\240，樣本總數(shù)9=120;
[0041] 2)計(jì)算新特征字典矩陣B'的協(xié)方差矩陣Q，

【權(quán)利要求】
1. 一種車輛識(shí)別系統(tǒng)，其特征在于：包括圖像采集模塊、與圖像采集模塊連接的圖像 處理模塊，所述圖像處理模塊包括依次連接的：用于提取各個(gè)類別的樣本車輛圖像Gabor 特征的樣本車輛Gabor特征提取模塊，用于提取待測(cè)車輛圖像Gabor特征的待測(cè)車輛Gabor 特征提取模塊，用于計(jì)算待測(cè)車輛圖像Gabor特征在樣本車輛圖像特征字典上的系數(shù)向量 的稀疏系數(shù)求解模塊，用于判別待測(cè)車輛類別的待測(cè)車輛類別判定模塊；所述樣本車輛圖 像特征字典預(yù)先存儲(chǔ)在圖像處理模塊的存儲(chǔ)器中，且樣本車輛圖像特征字典的構(gòu)建方法如 下：將每幅樣本車輛圖像的Gabor特征圖像的像素矩陣按列拉伸，組成一維向量，將各個(gè)類 別的樣本車輛圖像的Gabor特征組成矩陣形成各個(gè)類別樣本車輛圖像的初始特征字典，將 各個(gè)類別的初始特征字典合并得到樣本車輛圖像的初始特征字典，歸一化初始特征字典得 到新的特征字典矩陣，計(jì)算新的特征字典矩陣的協(xié)方差矩陣，計(jì)算協(xié)方差矩陣的特征值和 特征向量，特征向量按對(duì)應(yīng)的特征值由大到小排列，并取前100列特征向量得到線性變換 矩陣，將線性變換矩陣的轉(zhuǎn)置矩陣乘以初始特征字典得到樣本車輛圖像的特征字典。
2. 如權(quán)利要求1所述車輛識(shí)別系統(tǒng)，其特征在于：所述圖像采集模塊包括攝像頭，所述 攝像頭固定于車道上方，用于采集車輛的車頭正面圖像。
3. 如權(quán)利要求1所述車輛識(shí)別系統(tǒng)，其特征在于：所述圖像處理模塊還包括模數(shù)轉(zhuǎn)換 器、DSP處理器，所述模數(shù)轉(zhuǎn)換器用于將攝像頭采集的圖像模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，所述 DSP處理器用于處理模數(shù)轉(zhuǎn)換器傳輸來(lái)的數(shù)字信號(hào)。
4. 如權(quán)利要求1-3任一項(xiàng)所述車輛識(shí)別系統(tǒng)，其特征在于：還包括電源、ARM處理器、網(wǎng) 口、無(wú)線傳輸模塊、PC機(jī)，所述ARM處理器通過(guò)網(wǎng)口與DSP處理器連接，所述PC機(jī)通過(guò)所述 無(wú)線傳輸模塊與ARM處理器連接，所述電源模塊給攝像頭、模數(shù)轉(zhuǎn)換器、DSP處理器、ARM處 理器供電。
5. 如權(quán)利要求1-3任一項(xiàng)所述車輛識(shí)別系統(tǒng)，其特征在于：所述計(jì)算待測(cè)車輛圖像 Gabor特征在樣本車輛圖像特征字典上的系數(shù)向量的方法為正交匹配追蹤算法。
6. 如權(quán)利要求1-3任一項(xiàng)所述車輛識(shí)別系統(tǒng)，其特征在于：所述Gabor特征的提取方 法如下：利用快速傅里葉變換以及傅里葉反變換計(jì)算Gabor小波核函數(shù)與相應(yīng)的車輛圖像 的卷積結(jié)果，將其作為相應(yīng)的車輛圖像的局部紋理特征，將相應(yīng)的車輛圖像的局部紋理特 征的幅值作為相應(yīng)的車輛圖像的Gabor特征。
【文檔編號(hào)】G06K9/60GK104102900SQ201410307301
【公開日】2014年10月15日 申請(qǐng)日期:2014年6月30日 優(yōu)先權(quán)日:2014年6月30日
【發(fā)明者】孫偉, 金炎, 張小瑞, 陳剛, 唐慧強(qiáng), 張小娜, 孫仲, 周宏遠(yuǎn) 申請(qǐng)人:南京信息工程大學(xué)