交通机电 工程课程设计

交通机电工程课程设计

路收费系统，1，000，000个红外微波双接口车载单元，300个自由流站点红外通信装置，278个流动车载/手持稽查设备。

德国是目前世界上唯一不设收费窗口的最先进的道路收费系统。这套系统不需要任何地面基础设施，它采用卫星辅助探测技术，利用全球定位系统（GPS）的卫星依靠每辆行驶在高速公路上的车辆上安装的收音机大小的接收机精确计算出所行驶里程。接收机含有GPS导航信号接收机和一个移动通讯终端，一旦卡车启动，接收机便会自动记录行驶里程，并将计算出的缴费金额数据发送到监控中心。汽车在高速公路上行驶时，车载感应器与卫星导航系统自动感应，将行驶过的路段和所需付的费用累加通过GSM反馈到中央计算机系统，然后进行结算，其结果通过移动通信系统传至收费中心，由收费中心向拥有车辆的运输公司开出账单，代收过路费，并转交给德国政府。高速公路上安装有三百个固定监测天桥，天桥上的探头可以迅速检测来往车辆的缴费情况。另外，每天还有上百名携带仪器的流动检测人员在高速公路旁工作。一旦发现“逃票者”，马上要求补交费用并课以罚款。这套全自动收费项目共投资十几亿欧元。

5.1.3图像识别技术

图像识别的不停车电子收费系统是更高层次的收费系统，也是目前被公认为世界上先进的收费系统。图像处理AVI系统由视频摄像机(CCD)、图像采集设备及计算机处理系统组成。由CCD摄取图像，经A/D采样转换后，再输给计算机系统进行图像的预处理及识别，识别的内容一般包括车牌号码、车型类别及车辆颜色等。收费原理是由设在公路出入口的摄像机将进出车辆的车牌自动录下，然后由数据处理中心对摄取的图像进行处理，读准确的车牌号码后，再将事先存储在计算机内的车主信息进行对照，然后对车主签发收费账单。

该系统可直接用于智能运输管理，收费系统的扩充相对较易，还有利于道路上的车流量统计和行车时间的计算。但目前也存在着一些问题有待解决；司机每次的通行费用较高，系统的车牌图像自动识别准确率还不能达到理想的程度，可靠性差，受环境干扰大，数据传输率不高。图像识别的不停车电子收费系统只能用于交通法制比较健全、全民法制观念比较强的国家。

目前该种收费方式由加拿大用于407号公路上，这是世界上第一条采用图像识别不停车电子收费系统的公路。车辆的通过量每小时可达到16000辆，目前该

27

交通机电工程课程设计

条公路采用的是电子标签收费和图像识别收费两种混合收费方式。

5.2自动车型分类计术（AVC）

目前，车型自动分类系统的主要应用场合为停车场、路桥收费管理和公安交通管理部门。其中停车场和路桥收费管理部门可利用该系统实现车型的自动识别及收费工作。车型自动分类系统识别车辆的车型，按照事先确定的收费标准确定车辆应收费额，自动保存收费记录，自动费用结算。这种自动收费方式可在不停车的情况下完成收费工作，达到提高车速和道路通行能力的目的，而且可以杜绝工作人员询私、贪污等行为。交通管理部门则可以利用该系统实现无人值守警察功能，实时抓拍违规车辆，结合相关数据库还可实现未年检车辆稽查、违章未交罚款、特定车辆查询等功能。

5.2.1 车型分类系统的发展现状

车型分类不但是公路自动收费系统中的要求，在停车场的车辆管理、交通流量统计等方面都有应用。国内外主要采用的方法有:感应线圈法、红外探测法、超声波检测法、车牌识别法、轮廓识别法等，下面分别介绍。

（1）感应线圈法

感应线圈作为车型识别的传感元件，埋设在收费车道内、挡车器的后端，通过馈线与检测系统相连。感应线圈通以高频电流后形成磁场区，当有车辆从环形感应线圈上方通过时，车体底盘的铁磁材料与环形线圈产生涡流效应，使得环形线圈电感量发生变化，由于线圈是振荡电路的一部分，因此可以检测出震荡频率的变化量及其时序。对这种反映车辆特征的频率曲线进行归类，也就实现了车型分类。该方法将车辆底盘形状的三维信息转变为感应到的一维信号，模糊了实际的物理意义，从而加大了分析信号的难度和识别车型的难度。用感应线圈进行车型分类还存在一个问题，即车辆在线圈上方停止或改变速度时，将在很大程度上影响到识别的准确率，而这些现象又是不可避免的。

（2） 红外探测法

红外探测法是利用布置在车道两侧的红外阵列检测器，运用几十甚至几百对红外发射接收装置，根据汽车行驶经过时不同部位对发射装置的不同阻挡作用，

28

交通机电工程课程设计

采集车辆的侧面几何数据。由于该系统采用的红外检测点非常多，可以采集到大基于图像识别的车型自动分类系统量的数据，除了车头高度、轴数、轮距、车长等特征数据外，还有其他大量的信息，比较完整、细致地描绘出车辆的外轮廓及局部典型特征。然后通过这些数据与车型数据库的数据比较后判断出车型，从而实现车型的自动分类。该方法原理简单，物理概念清晰明了。但由于硬件系统较为复杂，而且系统的环境适应能力较差，故障率较高，维修不便等等，所以在实际使用中难以被推广。

（3） 超声波检测法

超声波检测系统利用路面反射，在路面和检测单元之间没有遮挡物时，检测单元接收从路面发射的回波。系统在每次发射超声波前，根据检测到的回波信号到达时间确定本周期有无受到路面发射的回波信号，以此确定并记录在路面与检测单元之间有无遮挡物。最后由信息融合单元按融合方案和模糊识别技术确认所测量到的车辆类型。超声波检测法与上述红外检测法并无本质的区别闭。

（4） 车牌识别法

车牌识别法是根据从摄像机获取的汽车牌照的图像识别出车牌号后，到数据库中去检索与此车牌号相对应的车型，并以此作出判决。该方法对硬件要求不高，而且安装方便灵活，但需要事先对每一辆车建立车型牌照数据库，而且在车牌模糊的情况下不能被识别，因此在实际应用中受到限制。

（5） 轮廓识别法

轮廓识别法基于摄像头获得车辆的原始图像，并从图像中分割出车辆图像，并对所得到的车辆图像进行二值化、填充、修饰、细化等一系列处理，得到一幅完整的车辆轮廓图像。然后从轮廓图像中提取车辆的几何特征，如顶蓬长度与车辆长度的比值;顶蓬长度与车辆高度的比值;以顶蓬中垂线为界，前后两部分的比值;车辆长度与车辆高度的比值等。轮廓识别法可以获取车辆几何特征的关键信息，并且不需要复杂的硬件设施，易于安装和维护，也不需要建立庞大的车量数据库。相对于感应线圈、红外检测等物理检测方法，基于图像的检测具有很大的优势:图像的信息量很大，不易造成车辆信息的丢失;硬件检测设备安装简便，只需一台摄像机即可，设备的位置便于调整，并且其更换和维护工作不会影响正常

29

交通机电工程课程设计

的交通。

5.2.2 车型分类系统研究现状 （1） 基于图像识别的车型分类系统

基于图像识别的车型分类过程主要包括两个阶段:1、从图像中分割出目标车辆。2、提取车辆特征并进行分类。

针对第一个阶段的算法主要利用图像序列之间存在的大量相关信息进行车辆区域定位和分割。

第二阶段的算法比较多，主要可分为三类：简单参数分类法；模板匹配法；神经网络分类法。车型分类第二阶段的工作主要涉及车辆特征的提取和分类器的设计，而车辆特征的选取会影响到分类的精确程度，分类器的设计是否合理则直接决定了最终的分类结果。下面介绍目前存在的部分研究成果。

（1）采用一种基于三维结构模型的车辆特征提取方法，为车辆建立一个参数模型，然后以改进的BP神经网络作为车型分类器，采用梯度下降法训练网络，网络输入为30个特征参数。此参数模型能够细致地描述车辆的形状结构特征，但只考虑了固定简单背景下的情况，而且没有研究如何从图像中分割出完整的目标车辆区域。

（2）以顶长比(顶篷长度与车辆长度之比)、顶高比(顶篷长度与车辆高度之比)和前后比(以顶篷中垂线为界，前后两部分之比)三个车辆几何尺寸作为特征参数，将车辆划分为卡车、客车和货车三种类型。并设计了一种改进的BP算法(尺度共扼梯度法)对神经网络分类器进行训练，解决了一般算法收敛慢的问题。该研究工作主要解决的是上述第二阶段的问题，没有对目标车辆区域的分割作出研究。

（3）利用背景消减法进行运动车辆区域的分割，并提出了一种基于Gabo:滤波器和边缘特征的车型识别方法。与传统方法相比，提出一种新的基于车辆边缘的非均匀采样策略。首先将图像中长度大于某一确定值的边缘定为关键边缘，然后将取样窗口根据包含关键边缘像素的多少进行降序排列，把一定比例的取样窗口定位 Ksw(KeySamplingwindows)和 Asw(AssistantsamplingWindows)，在KSW和ASW中采用不同的采样间隔进行样点的抽取，最后计算低维的特征矢量，并将得到的Gabor特征集与模板特征集进行匹配，从而实现车型分类。该方

30