基于emgucv和arcgisengine的车辆定位与追踪系统设计与实现

基于emgucv和arcgisengine的车辆定位与追踪系统设计与实现

ID:28227772

大小:78.50 KB

页数:6页

时间:2018-12-08

基于emgucv和arcgisengine的车辆定位与追踪系统设计与实现_第1页
基于emgucv和arcgisengine的车辆定位与追踪系统设计与实现_第2页
基于emgucv和arcgisengine的车辆定位与追踪系统设计与实现_第3页
基于emgucv和arcgisengine的车辆定位与追踪系统设计与实现_第4页
基于emgucv和arcgisengine的车辆定位与追踪系统设计与实现_第5页
资源描述:

《基于emgucv和arcgisengine的车辆定位与追踪系统设计与实现》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于EmguCV和ArcGISEngine的车辆定位与追踪系统设计与实现李婷玮张若惠李佳欣崔欢欢彭巍赵迅于雪涛石家庄铁道大学交通运输学院摘要:为丫高效获取城市屮车辆行驶信息,有效监管车辆,并且快速锁定出现在道路上的嫌疑车辆,以实施抓捕。在对现阶段车牌识别技术和车辆监控系统的研宂与改进基础上,在现有的车辆追踪定位方式中引入车牌识别技术,据此设计了路网追踪系统。系统通过道路监控抓拍识别,将识别结果上传至监控中心数据库匹配出嫌疑车辆,依据监控位置定位车辆的实时位置,生成抓捕方案上传至警方抓捕屮心,并在电子地图上对目标车辆进行

2、实时跟踪显示,提供抓捕路径方案。关键词:车牌识别;追踪定位;EmguCV组件;ArcGISEngine组件;作者简介:李婷玮,木科;作者简介:张若惠,本科;作者简介:李佳欣,本科;作者简介:崔欢欢,本科;作者简介:彭巍,木科;作者简介:赵迅,本科;作者简介:于雪涛(1984-),男,通讯作者,讲师,博士,研究方向:GTS的幵发与应用。收稿日期:2017-09-29基金:石家庄铁道大学大学生创新创业训练项目Received:2017-09-291概述随着交通系统大规模扩充,机动车数量增长迅速,大量的交通问题也随之而来,如

3、针对肇事车辆或逃逸车辆的定位抓捕等问题仍待有效解决。0前,车辆监控系统大多采用车载GPS进行定位,GPS具有精度高、速度快、成本低的优点,但是对于特殊车辆,人为因素会干扰GPS正常运行。随着交通管理逐步趋于智能化,车牌识别行业也随之进步,将此技术与其他技术结合应用于更多领域,将进一步发挥车牌识别技术的优势,为社会带来更大效益。提出一种新型车辆定位与跟踪系统的研宄思路,通过道路监控抓拍并自动识别车牌信息,上传至监控中心,基于监控属性存储车辆的行驶信息,将车辆定位在路段范围。利用监控位置间接定位车辆位置,消除天气原因和人为

4、因素对GPS定位结果的影响。2系统设计2.1系统功能本系统基于EmguCV组件实现牢牌识别模块,基于ArcGISEngine组件与地理信息数据库建立电子地图。二荠结合对城市路网中的车辆进行监控,设计并实现如下主要功能:(1)对经过监控摄像头的车辆位置进行记录,跟踪车辆行驶路径,在电子地图上模拟轨迹,将车辆位置锁定在路段范围内。(2)将实时的识别结果上传至监控屮心服务器,与联网数据库屮心的“黑名单”进行匹配,将匹配成功的嫌疑车辆报警上传,向警方提供车辆实时位置,协助抓捕。(3)车辆历史轨迹搜索,调用行车记录集,生成某一时

5、间段内的行车轨迹,用作二次分析。2.2系统结构车辆追踪定位系统结构如阁1所示,包括路网监控和监控中心两部分,路网分散的监控数据通过网络传输至警局监控中心服务器,生成实时行车记录集与抓捕名单进行匹配,匹配成功后传输至报警中心,并由报警中心将报警信息反馈在电子地图上,为案件办理提供实时的可视化控制。图1系统总体结构图下载原图3系统实现3.1路网监控模块车牌识别依靠机器视觉实现,将摄像头模拟为人类眼睛,捕捉视觉信号,将摄像头视频转化为图像,将算法模拟为人类大脑,将采集到的图像信息交由大脑处理,识别车牌,二者同时影响识别结果。

6、3.1.1帧图像处理子模块帧阁像处理子模块主耍实现车牌定位提取,字符分割。阁像信号质量受外界环境影响较大,摄像机采集的帧信号受光照、天气、高度、角度等因素影响。摄像头位置与拍摄角度受人为控制,应按照道路情况合理布局,监控位置一般置于道路中线正上方,与地面夹角约45°。天气与光照受自然因素影响,因此需要合适的摄像机参数标定,控制光源的进入量,根据天气变化自动更改图像预处理参数。预处理包括阁像灰度化、阁像模糊、Sobel边缘提取、阁像二值化、形态学闭运算、开运算、车牌特征提取,即可获取车牌轮廓。图像预处理过程如图2所示。阁

7、2预处理阁像过程阁下载原阁车牌轮廓符合一定的长宽比例,通过车牌特征提取方法定位车牌,构建车牌轮廓的水平外接矩形R,得到R的起点坐标以及长宽像素个数,使用Copy方法提取原灰度图像中的R区域,即可获取矩形车牌的区域图像。将得到的灰度车牌图像二值化,得到车牌二值图像,从而对二值化车牌进行像素的横向跳变检测与纵向求和,如图3所示为车牌二值化图像与图像扫描得到的字符特征图像。图3对二值车牌的扫描图像下载原图普通车牌有7个字符,每个字符至少有2次黑0跳变,因此将跳变检测阈值设置为14,横向跳变扫描可以根据阁像每行的跳变次数确定字

8、符区域的上下边界。纵向求和扫描通过将每一列白色像素的个数叠加得到字符峰值图像,根据峰值图像的黑色界限分割字符,得到如图4所示字符结果。阁4字符分割结果下载原阁3.1.2帧图像处理子模块EmguCV封装了OCR字符识别算法,其默认语言库是标准汉字库,经过图像处理获取到的车牌字符图像与标准字符模板有所偏差,需要对字符库进行训练,车牌识

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。