论文部分内容阅读
公路作为现代化的运输动脉,对经济的发展起着重要的作用,因此有着重要的研究价值。本文针对结构化道路上日益频发的交通事故,提出了道路目标检测系统,该系统用于提高车辆的智能化水平,实现对道路目标的智能检测,减少交通事故,提高公路的通行能力。道路目标中,车道线和车牌代表的信息量丰富,具有极其重要的意义。因此,本文基于嵌入式的道路目标检测系统实现了车道线的检测和车辆车牌的识别。车道线检测包括三部分:图像预处理、车道线特征提取、车道线跟踪。本文提出的车道线特征检测包括边缘特征提取、颜色特征提取和基于车道线宽度和方向的高斯滤波算子对车道线特征的提取。在车道线特征提取后,本文提出了车道线模型方法用于提高车道线检测的准确率,并提出了基于时空一致性的车道线跟踪算法,加快了车道线检测的速度,提高了系统的实时性。车牌识别包括车牌检测和车牌字符识别两部分。本文采用Haar分类器检测车牌区域,并进行车牌区域精定位,通过透视变换得到车牌精确区域的正视图,然后采用动态规划的直方图匹配法和CNN(Convolutional Neural Network)的字符分割算法,实现对车牌字符的分割,并采用CNN对分割字符进行识别,得到车牌识别结果。本文针对道路图像中的车道线和车牌两种主要目标进行了研究,同时基于FCN8(Full Convolution Network8)模型和PSPNet(Pyramid Scene Parsing Network)模型对道路目标进行检测,从而实现了道路场景的语义化解构。FCN8模型能识别出16种道路目标,PSPNet模型能识别出33种道路目标。本研究将道路目标检测系统移植到Cortex-A53开发板上,从而实现了嵌入式平台的道路目标检测。道路图像大小为1944×2592,车道线检测速率为26帧/秒,其准确度达到92.8%;车牌识别准确度达到97.2%;道路目标检系统检测速率为24帧/秒。道路目标检测系统实现了车辆的智能化管理和违规车辆的检测,具有广泛的应用价值。