◆周航 陳開輝 甘???/p>
基于Linux系統(tǒng)的智能停車場設(shè)計
◆周航 陳開輝 甘???/p>
(廣西科技大學(xué) 電氣與信息工程學(xué)院 廣西 545616)
為了應(yīng)對城市交通急速發(fā)展與新能源車輛的推廣,設(shè)計了一種基于Linux操作系統(tǒng)的智能停車場系統(tǒng)。該系統(tǒng)通過圖像識別與智能管控系統(tǒng),實現(xiàn)對入場車輛的識別登記與車位安排。實現(xiàn)停車場無人管理情況下車輛的進出入并引導(dǎo)車輛行至正確位置。實驗測試結(jié)果表明系統(tǒng)運作可行性高、效率提升明顯,滿足設(shè)計需求。
車輛識別;智能停車場;智能引導(dǎo);無人值守
現(xiàn)如今城市化迅速發(fā)展,新能源汽車隨處可見,車輛停泊充電問題成為城市面臨的一個巨大挑戰(zhàn)[1]。在現(xiàn)有城市停車面積無法擴增的情況下,提出無人值守,智能管理的停車場系統(tǒng)用以取代傳統(tǒng)人工管理模式以緩解城市停車壓力、交通壓力變得非常重要有意義。針對司機停、取車效率低下,設(shè)計無人自識別登記入庫系統(tǒng),有利于使司機停車更便捷,停車場盈利和效率提高。針對司機在泊車區(qū)域內(nèi)尋找車位浪費大量時間,研究基于多定位傳感器智能引導(dǎo)算法引導(dǎo)車輛泊入空位,縮短了急需停放車輛的滯留時間[1]。在新能源汽車快速發(fā)展的今天,對新能源汽車提供了良好支持。
該停車場系統(tǒng)以 Linux 主控系統(tǒng)為一級控制系統(tǒng),針對車輛停泊多個流程設(shè)計車輛智能登記系統(tǒng),智能引導(dǎo)系統(tǒng),車位管理系統(tǒng)等多個二級子系統(tǒng),子系統(tǒng)間網(wǎng)關(guān)采用ZigBee協(xié)議并發(fā)送信息至主控系統(tǒng)。
圖1 系統(tǒng)組成圖
本系統(tǒng)采用基于Opencv視覺識別庫,移植至Linux平臺,首先由CCD相機收集車牌圖像數(shù)據(jù),進行預(yù)處理,定位識別區(qū)域,將圖像特征提??;然后將圖像做二值化處理與分析,獲得所需車輛信息。在現(xiàn)有技術(shù)下識別“92式”車牌號非常成熟,獲得車輛信息后由系統(tǒng)判斷選擇,推送相應(yīng)車位,并由車位引導(dǎo)子系統(tǒng)進行下一步引導(dǎo)[3-4]。
本系統(tǒng)主要功能是迅速引導(dǎo)車主行駛至系統(tǒng)選定的車位。在引導(dǎo)前系統(tǒng)已通過圖像識別,獲得停車場車位信息。首先系統(tǒng)分配最優(yōu)車位,通過引導(dǎo)系統(tǒng)所設(shè)傳感器獲取車輛位置,然后通過最優(yōu)路徑算法得出最優(yōu)路徑,最后通過指示燈顯示屏引導(dǎo)車主泊入車位。
圖2 車位引導(dǎo)系統(tǒng)工作流程圖
本系統(tǒng)提出的識別和讀取車牌的方法包括四個部分:處理圖像和分離車牌,調(diào)整分離后的車牌至適當大小后對其處理以進行字符識別,從車牌中獲得單獨提取的字符,并最終在處理后的字符圖像上進行識別以獲得車牌號[3]。
對于該步驟,處理圖像的第一步一般是將彩色圖像轉(zhuǎn)化為灰色圖像,稱為灰度化處理,是一個降維處理過程[4]。步驟目的在于將其轉(zhuǎn)換為一個方便處理的二維數(shù)組。第二步利用雙邊濾波器去除圖片底噪使得圖像變得平滑。然后將該圖像處理為電腦可以讀取的格式,并發(fā)送給樹莓派進行下一步處理。中國國內(nèi)車牌大部分以藍色背景白色字符為主以此為識別目標提取特征。
處理圖像的第一步是將該圖片從RGB圖像裝換為灰度圖像。步驟目的在于將其轉(zhuǎn)換為一個更有用的二維數(shù)組。第二步利用雙邊濾波器去除圖片底噪使得圖像變得平滑。車牌圖像必須調(diào)整大小,以便車牌上的每個字符的大小可以根據(jù)相對于整個圖像的大小進行調(diào)整。
如果圖像大小不同,字符大小也可能不同。整個車牌的長寬比應(yīng)該得到保持,以便所需字符不會在尺寸調(diào)整時被扭曲。為此,需要為車牌設(shè)置一個目標區(qū)域,使得拍攝所獲得字符彼此之間可以被區(qū)分開來。在設(shè)置的圖像區(qū)域內(nèi)調(diào)整圖像的寬度和高度以匹配原始車牌圖像的長寬比。同時縮小圖像大小可以進一步減少識別處理字符所需要的時間。
車牌需要進一步處理以區(qū)分車牌上的字符與其他的無關(guān)特征,比如像螺絲和污跡,國家要求的標記等干擾物。首先使用高斯模糊處理調(diào)整過的圖片灰度版本,使圖像變得平滑,然后對車牌進行分割處理,圖像分割是圖像處理和計算機視覺中應(yīng)用的基本技術(shù)手段[4]。國內(nèi)外廣泛使用的圖像分割方法主要包括閾值分割法、聚類分割法、區(qū)域生長法、深度學(xué)習法等[10],本系統(tǒng)采用最大類間方差法。最后應(yīng)用侵蝕函數(shù)對所獲得的車牌圖像進行閾值處理,得到更清晰的字符特征集。
為了實現(xiàn)字符識別,最好將車牌上的字符分離為單獨的圖像。將前一節(jié)預(yù)處理得到的平板圖像作為輸入。將所獲得圖像利用取反函數(shù)進行反轉(zhuǎn)。下一步是找到圖像中的所有輪廓,并在給定的尺寸范圍內(nèi)分離出與預(yù)期大小相對應(yīng)的輪廓[4-5]。為了進一步清理車牌并只留下車牌上的所需字符,制作一個掩模圖像覆蓋除所需字符的其他不必要區(qū)域,最后得到只有字符特征的車牌圖像。
圖3 字符二值化處理圖
這涉及將上一步獲得的字符圖像與數(shù)據(jù)庫中已經(jīng)存在的字符數(shù)據(jù)進行比較,將字符圖像與一組相似的字符模板進行匹配。每個模板都有一個獨立的字母與數(shù)字的組合,這些將組合構(gòu)成車牌號碼。
車牌識別所得到的車牌存儲在系統(tǒng)數(shù)據(jù)庫中,方便以后的提取調(diào)用。本系統(tǒng)使用SQLite來實現(xiàn)數(shù)據(jù)庫。SQLite是一個獨立的數(shù)據(jù)庫,適合于小型獨立應(yīng)用程序。它也是跨平臺和ACID兼容的,也適用于大多數(shù)高級編程語言。同時車牌號碼可以手動存儲在數(shù)據(jù)庫中,也可以在車牌識別過程中同步存儲,并可以與數(shù)據(jù)庫現(xiàn)有數(shù)據(jù)比對,以確定各個車牌的所有人。本系統(tǒng)這為現(xiàn)有的車牌識別提供了額外的設(shè)施,同時有助于擴展系統(tǒng)包括付費停車功能和盜竊檢測等功能。
控制進程運行在樹莓派控制器上,控制整個系統(tǒng)的運行。GUI程序可以在連接到同一網(wǎng)絡(luò)的任何計算機,并在其上打開??刂破鞒绦騻陕爜碜訥UI的TCP端口的請求[6]。它還控制系統(tǒng)正常運行時的完整功能??刂破鲗嚯x傳感器進行輪詢,以確定是否有車輛停在車道上。如果有車輛存在,則使用攝像頭模塊單擊圖像,然后運行圖像處理模塊。圖像處理的結(jié)果是車牌號碼,并與數(shù)據(jù)庫核對,并打開閘機護欄。在緊急情況下,管理員可以繞過整個系統(tǒng),為救護車、消防車等車輛放行。
該系統(tǒng)使用樹莓派3、一個攝像頭來捕捉車輛圖像,以及一個超聲波傳感器來檢測車輛并觸發(fā)車牌識別過程。車牌識別過程使用OpenCV庫處理和提取車牌圖像中的字符數(shù)據(jù),實現(xiàn)軟件完全使用Python 2.7編碼。系統(tǒng)管理員的獨立GUI是使用Jython實現(xiàn)的[6]。后臺數(shù)據(jù)庫使用維護在樹莓派上的SQLite3數(shù)據(jù)庫來存儲用戶數(shù)據(jù)和車輛日志。一個LCD顯示屏用于車輛進入過程中的用戶交互。電機用于模擬閘機護欄,并在一定程度上達到了設(shè)計要求。
圖4 實物測試連接圖
該系統(tǒng)提出用一個自動系統(tǒng)取代目前的人工車輛管理,該系統(tǒng)可以實時監(jiān)錄、引導(dǎo)進入場所的車輛,以達到減少勞動力成本、延誤和給用戶帶來的不便并提出新能源汽車充電、停放困難的解決方法。該原型模型成功地實現(xiàn)了系統(tǒng)的設(shè)計,能夠以最小的運營成本提供可靠的服務(wù)。此外,還可以根據(jù)現(xiàn)實情況實現(xiàn)增加防盜檢測和付費停車等附加功能與改進的算法和圖像處理技術(shù)提高服務(wù)質(zhì)量。
[1]程潔羚,歐麗君,薛君志.淺析國內(nèi)城市停車現(xiàn)狀及信息化解決措施[J].信息通信,2018(2):114-115.
[2]錢承山,蔣奇峰,茅韻怡,等.基于物聯(lián)網(wǎng)技術(shù)的智能停車場系統(tǒng)的設(shè)計[J].物聯(lián)網(wǎng)技術(shù),2016,6(7):26-27,31.
[3]李亞榮.基于Linux的停車場管理系統(tǒng)的設(shè)計與實現(xiàn)[D].內(nèi)蒙古大學(xué),2018.
[4]黃勇軍,溫錦鋒,關(guān)芳芳,等.92式機動車號牌檢驗鑒定方法的研究[J].廣東公安科技,2012(4):16-18.
[5]張廣才,萬守鵬,何繼榮. 數(shù)字圖像處理技術(shù)與MATLAB應(yīng)用[J]. 軟件,2019,40(11):139-142.
[6]陳敬靜. SQLite數(shù)據(jù)庫研究與可視化[D].南京郵電大學(xué),2020.