小型無(wú)人機交通輔助系統

　　摘要：本系統用來(lái)輔助交通管理，對過(guò)往車(chē)輛進(jìn)行車(chē)牌識別，發(fā)現有在逃車(chē)輛的車(chē)牌號碼時(shí)自動(dòng)進(jìn)入無(wú)人機控制模式，利用無(wú)人機對目標車(chē)輛進(jìn)行跟蹤，并反饋目標位置、速度信息，進(jìn)行更好的管理和攔截。以Intel的手機平臺為系統核心，采用OpenCV進(jìn)行圖像處理，利用人工神經(jīng)網(wǎng)絡(luò )的方法進(jìn)行自動(dòng)車(chē)牌識別，提供語(yǔ)音識別遙控以及按鈕遙控無(wú)人機的功能，充分發(fā)揮Intel手機平臺的運算性能，協(xié)助交通警察監管交通狀況。

　　車(chē)輛的日益增多，為道路交通以及交通管理都帶來(lái)了很大壓力，同時(shí)車(chē)輛違章、逃逸的數量也迅速增加，為了減輕交通管理的壓力，提高道路交通秩序，我們設計了本系統。為了簡(jiǎn)單清楚的明白這個(gè)系統的功能，我們設想這樣一個(gè)場(chǎng)景：在某條公路邊警車(chē)內的交警接到通知，要注意是否有一輛車(chē)牌號XXX的車(chē)輛經(jīng)過(guò)，如果發(fā)現則保持跟蹤。這時(shí)候，值勤交警開(kāi)啟了道路監控攝像頭的自動(dòng)車(chē)牌識別功能，對來(lái)往車(chē)輛進(jìn)行辨識，過(guò)了沒(méi)多久，系統提醒，發(fā)現目標，緊接著(zhù)進(jìn)入跟蹤模式，如果交警不能離開(kāi)當前執勤位置，那么他可以通過(guò)手動(dòng)控制或者語(yǔ)音控制無(wú)人機，進(jìn)行逃逸車(chē)輛的跟蹤，無(wú)人機的位置可以認為是逃逸車(chē)輛的位置，這樣指揮部可以迅速調動(dòng)合適的警力在目標行進(jìn)的路線(xiàn)上進(jìn)行攔截。系統流程圖如圖1。

　　1 自動(dòng)車(chē)牌識別

　　自動(dòng)車(chē)牌識別(Automatic Number Plate Recognition, ANPR)首先利用圖像處理技術(shù)提取出一個(gè)或者若干疑似車(chē)牌區域，然后通過(guò)SVM(Support Vector Machine支持向量機)來(lái)區分出這些區域哪一個(gè)才是真正的車(chē)牌，或者都不是車(chē)牌，如果有一個(gè)區域是車(chē)牌所在位置，則接著(zhù)通過(guò)OCR(Optical Character Recognition光學(xué)字符識別)技術(shù)來(lái)識別出具體的車(chē)牌號碼，整體流程如圖2。

　　SVM是一種監督式學(xué)習的方法，可廣泛用于統計分類(lèi)以及回歸分析。它屬于一般化線(xiàn)性分類(lèi)器，完成的功能就是判斷一個(gè)區域是或者不是車(chē)牌。本項目中需要先對SVM 和OCR的人工神經(jīng)網(wǎng)絡(luò )進(jìn)行訓練，OCR的人工神經(jīng)網(wǎng)絡(luò )采用三層每層15個(gè)節點(diǎn)。利用一共1200張136x36的圖片訓練SVM，利用860張20x20的圖片訓練OCR的人工神經(jīng)網(wǎng)絡(luò )，暫時(shí)沒(méi)有訓練漢字的OCR人工神經(jīng)網(wǎng)絡(luò )，識別后的效果如圖3所示。

　　開(kāi)發(fā)環(huán)境是Intel Core i5-3570 + 8GB DDR3 RAM + 500GB 硬盤(pán) + Ubuntu12.04 64bit + OpenCV2.4.9。

　　將算法通過(guò)OpenCV4Android移植到Android平臺上進(jìn)行實(shí)際測試，得益于Intel medfield 的1.6GHz的高性能CPU，運行的結果跟臺式機開(kāi)發(fā)過(guò)程中的效果非常接近，采用Intel核心的Android手機可以使用ICC(Intel C++ compiler) for Android 進(jìn)行優(yōu)化，充分利用Intel CPU的多媒體指令集，發(fā)揮核心最強的運算能力，提高應用程序的運行速度。通過(guò)Intel System Studio工具可以快速的發(fā)現程序中運行耗時(shí)最多的若干位置，并針對性地進(jìn)行優(yōu)化。