【摘要】：隨著智能交通管理系統(tǒng)的部署,交通管理系統(tǒng)能夠在沒有強人工參與條件下自動運行。調查發(fā)現(xiàn),已部署智能交通系統(tǒng)國家的高速公路交通事故率大大降低,而我國(也門)是交通事故的高發(fā)地區(qū),因為我們還依賴于傳統(tǒng)交通系統(tǒng)來監(jiān)測道路狀況。過去幾年,也門是公路事故發(fā)生率最高的國家之一,而在采用智能技術系統(tǒng)監(jiān)測道路交通的國家,交通事故的比例大大降低。因此,在類似也門這樣的國家,應用智能技術的目標是創(chuàng)建一個為交通管理和警察服務的雙重系統(tǒng),通過減少人為誤差來減少交通事故和人員傷亡,通過系統(tǒng)中的嵌入攝像頭來實現(xiàn)對通緝犯的自動追蹤。為了解決這個問題以及盡可能的減少負面影響,作者試圖通過設計一個基于雷達的智能系統(tǒng)來控制車輛的移動并自動識別違規(guī)行為。雷達的功能用來檢監(jiān)測車輛的速度,如果某個車輛的速度超過限制速度,雷達將通過系統(tǒng)向攝像頭發(fā)送命令拍攝該車輛的圖像,圖像處理系統(tǒng)會識別并提取車牌號碼,車牌類型等信息,然后將提取的數(shù)據(jù)發(fā)送到與系統(tǒng)鏈接的交通數(shù)據(jù)庫與提取到的數(shù)據(jù)進行比對得到車主的信息(如手機號碼)。然后系統(tǒng)依靠數(shù)據(jù)庫中的手機號碼,通過短信將違規(guī)信息發(fā)送給車主。在該系統(tǒng)中,試圖構造有助于提升也門共和國安全部管理能力的解決方案,會盡力配合主管部門并向其推薦該系統(tǒng)。該系統(tǒng)可以用于跟蹤違法者和通緝犯。系統(tǒng)通過將他們的圖像鏈接接到系統(tǒng)的特定數(shù)據(jù)庫中來識別違法者,當某個嫌疑人經(jīng)過分布在系統(tǒng)的任何一個監(jiān)控探頭前,探頭會進行抓拍并與數(shù)據(jù)庫進行比較,最后將監(jiān)控探頭的位置坐標(包括該人的照片)報告給主管當局。本項目所使用的雷達系統(tǒng)的任務是檢測高速公路上車輛的速度,通過部署這個系統(tǒng),可以顯著降低每個國家傷亡交通事故的發(fā)生率,我國(也門)是發(fā)生道路交通事故最多的國家之一。在本研究中我們對這個項目進行模擬仿真。該項目包含一個雷達系統(tǒng),該系統(tǒng)能夠有效地減少超速帶來的一系列危險問題并盡可能消除他們,同時實現(xiàn)一個永久在線(24小時)的智能系統(tǒng),可以在無人工干預的情況下高效持續(xù)地跟蹤和監(jiān)控違法者并發(fā)出通緝。智能交通系統(tǒng)中的雷達被安裝在道路的兩側,通過發(fā)射特定頻率的雷達波到其前方的車輛來執(zhí)行任務。電磁波與特定的目標發(fā)生碰撞,并以回波的形式返回至雷達。這樣雷達可以計算檢測車輛的速度并在雷達屏幕上顯示出來。然后將該速度與最大限制速度進行比較。如果檢測到車輛速度超過允許速度,則將命令發(fā)送至與系統(tǒng)連接的攝像頭,以拍攝車輛(車牌)并處理照片。提取照片中的信息,我們將在圖像處理系統(tǒng)的后續(xù)步驟中應用到。雷達探測車通過發(fā)射天線發(fā)射電磁波信號,信號與目標(汽車)發(fā)生碰撞后被反射回致接收雷達的天線,測速車再將信號轉換為與此頻率(多普特頻率)相對應的速度來實現(xiàn)測速的過程。信號的到達頻率高于信號發(fā)射頻率的現(xiàn)象被稱為多普勒漂移或多普勒效應。雷達通過計算信號傳播的距離以及到達目標和反射回雷達所需的時間,得到被檢測車輛的速度。然后將該速度值與最大限速(100公里)進行比較,判斷出被檢測車輛是正常速度還是超速。我們設計的系統(tǒng)檢測過程如下:首先,通過雷達檢測目標車輛的速度,如果有超速的情況,則像攝像機發(fā)出捕獲車輛圖像的命令。然后進入下一部分,攝像機執(zhí)行命令拍攝圖像,通過圖像處理步驟提取車牌號并將提取到的所需信息記錄到違規(guī)檔案中。最后一個步驟是自動存儲,將所有從圖像處理部分提取的信息(速度和多普勒頻率),例如,車牌和車的類型自動存儲到交通數(shù)據(jù)庫的表格中,該步驟同時負責從數(shù)據(jù)庫中獲取違規(guī)車主的電話號碼,并自動發(fā)送信息給車輛所有者,當速度超過極限速度,通過短信發(fā)送違規(guī)信息給司機。真人臉識別系統(tǒng)包含許多連接部分。第一部分是雷達設備,第二部分應用Arduino作為可編程微處理器(接口),它允許我們用Arduino程序語言編寫應用程序,因此當Arduino編寫的應用程序發(fā)現(xiàn)超速之后,向攝像機發(fā)出命令,如果速度過快,它就輸出到第四部分(其中包括速度和多普勒頻率),第三部分是一個攝像機連接到另一個微處理器(第四部分),以便進行拍攝圖像的圖像處理,第四部分連接到數(shù)據(jù)庫(這個上面已經(jīng)提到),第五部分和最后部分是一個相機連接到了另一個微處理器(第四部分),這部分是為了進行定位追蹤和人臉面部識別,并且這部分還與特殊數(shù)據(jù)庫連接,該特殊數(shù)據(jù)庫包含了導入的圖像,這些部分的實現(xiàn)都是通過連接GPS定位器來識別位置,并通知當局目標的位置坐標。真實系統(tǒng)的所有部分都需要與相互聯(lián)通的網(wǎng)絡連接起來,完成相應的任務。圖像處理系統(tǒng)的實現(xiàn)過程是:當雷達探測到車輛超過允許速度時,監(jiān)控探頭就會接收到一個拍攝照片的電磁波信號,并立即拍攝雷達前面車輛的照片。系統(tǒng)對該照片進行處理,識別出金屬車牌并提取所需的信息,系統(tǒng)識別出車主后將違章信息通過短信發(fā)送到對應車主的手機號碼。該系統(tǒng)的另一功能是人臉識別,在人經(jīng)過安裝有監(jiān)控攝像頭的街道時,將圖像實時與安全部門的通緝人員數(shù)據(jù)庫進行比較。對采集的監(jiān)控攝像機的圖像進行處理,通過面部的細節(jié)的計算與數(shù)據(jù)庫匹配來識別人物。然后系統(tǒng)通過電子郵件或特殊的號碼,向主管機關報告,這樣公安機關將逮捕通緝人員,詳細解釋將在本研究的后面介紹。圖像處理系統(tǒng)通過將圖像轉換成像素形式來識別車輛照片中包含的信息。首先,通過比較三基色(紅色、綠色和藍色)的像素類型得到車牌上的數(shù)字(車牌號)將其存儲在符號矩陣中,并發(fā)送到數(shù)據(jù)庫以進行匹配。與數(shù)據(jù)庫相比較后識別出車主的車輛,后面將詳細說明本研究。該系統(tǒng)比現(xiàn)有的道路雷達效果更改更好,提供了新功能,可以在每個雷達單元上實現(xiàn)高精度,快速檢測,車牌識別和細節(jié)提取,然后將詳細信息發(fā)送給主管當局,以對司機采取必要措施。本文設計了一個新的軟件系統(tǒng),該系統(tǒng)通過產(chǎn)生隨機速度(或頻率)來模擬運動目標(車輛),并實現(xiàn)雷達的速度檢測功能,并將其與限制速度進行比較,然后用C#語言和Matlab編寫圖像采集和圖像處理程序,提取違規(guī)車輛的信息。此外,還通過Matlab編寫軟件創(chuàng)建包含嫌疑人圖像的數(shù)據(jù)庫模擬嫌疑人跟蹤過程,當嫌疑人在監(jiān)控前面經(jīng)過時就會被自動識別跟蹤,系統(tǒng)會自動將包括照片、位置坐標在內的嫌疑人信息向權威機構報告。想要指出的是,在這項研究中,由于缺乏可能性,所以采用了模擬系統(tǒng)進行仿真。即從許多現(xiàn)有的圖片中選擇了一張車牌的圖片,這張圖片與安置在城市中的一些主要街道上分布的許多安全攝像機拍攝的照片非常類似。因此,攝像機直接從微控制器接收命令,該微控制器被設計來比較由雷達計算的速度,以獲取那些被檢測到了速度或違規(guī)交通的汽車的圖像。然后對車牌圖像進行處理,通過將其與交通數(shù)據(jù)庫進行比較來提取所有者數(shù)據(jù)的數(shù)量和詳細信息。系統(tǒng)處理的擴展類型有(jpg,png和bmp),其他擴展類型的圖片系統(tǒng)都無法識別。
【學位授予單位】：湖南大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：U495;TP391.41;TN95

【相似文獻】

相關期刊論文 前10條

1 ;國外智能交通系統(tǒng)介紹[J];廣東交通;2011年05期

2 賈述評;房筱莉;;日本智能交通系統(tǒng)的發(fā)展[J];吉林交通科技;2006年03期

3 孫強;;大數(shù)據(jù)及其在城市智能交通系統(tǒng)中的應用[J];門窗;2019年12期

4 ;智能交通系統(tǒng)的興起與主要組成部分[J];汽車與安全;2019年11期

5 ;美日等國城市智能交通系統(tǒng)建設[J];汽車與安全;2019年11期

6 黃周平;;簡析大數(shù)據(jù)在智能交通系統(tǒng)中的應用[J];廣東通信技術;2019年11期

7 張溪;;大數(shù)據(jù)下智能交通系統(tǒng)的發(fā)展綜述[J];信息與電腦(理論版);2019年01期

8 王笑京;;中國智能交通發(fā)展回眸(一) 智能交通系統(tǒng)的起步歲月[J];中國交通信息化;2018年12期

9 譚慧芳;;中國智能交通系統(tǒng)的現(xiàn)狀和發(fā)展對策[J];中小企業(yè)管理與科技(上旬刊);2019年01期

10 黃周平;;大數(shù)據(jù)在智能交通系統(tǒng)中的應用淺析[J];中國交通信息化;2019年01期

相關會議論文 前10條

1 洪曉龍;;烏魯木齊智能交通系統(tǒng)規(guī)劃解析[A];第十二屆中國智能交通年會大會論文集[C];2017年

2 劉銘;;計算機技術在智能交通系統(tǒng)中的應用[A];天津市電子工業(yè)協(xié)會2017年年會論文集[C];2017年

3 朱鳳華;;智能交通系統(tǒng)發(fā)展研究[A];2010-2011控制科學與工程學科發(fā)展報告[C];2011年

4 劉允才;孔慶杰;湯淑明;;智能交通系統(tǒng)[A];2007-2008控制科學與工程學科發(fā)展報告[C];2008年

5 肖文武;;韓國智能交通系統(tǒng)建設歷程[A];養(yǎng)護與管理2015年第07期（總第53期）[C];2015年

6 王軍華;張偉;王良模;;智能交通系統(tǒng)發(fā)展現(xiàn)狀與分析[A];江蘇省公路學會優(yōu)秀論文集（2006-2008）[C];2009年

7 張志文;;智能交通系統(tǒng)綜述[A];第四屆“測繪科學前沿技術論壇”論文精選[C];2012年

8 吳蓉;陳金鷹;;4G技術與智能交通系統(tǒng)的融合[A];四川省通信學會2013年學術年會論文集[C];2013年

9 郭淑萍;張敖;;智能交通系統(tǒng)發(fā)展及其標準現(xiàn)狀研究[A];市場踐行標準化——第十一屆中國標準化論壇論文集[C];2014年

10 張國伍;;關于發(fā)展我國智能交通系統(tǒng)的幾個問題[A];系統(tǒng)工程與可持續(xù)發(fā)展戰(zhàn)略——中國系統(tǒng)工程學會第十屆年會論文集[C];1998年

相關重要報紙文章 前10條

1 本報記者 潘希;前方擁堵 問路科技[N];科學時報;2011年

2 吳昊;“車聯(lián)網(wǎng)”或可破解交通擁堵？[N];科學時報;2011年

3 柯訊;中科院團隊獲IEEE智能交通系統(tǒng)杰出團隊獎[N];科學時報;2010年

4 中國信息通信研究院技術與標準研究所 郎保真;全球智能交通系統(tǒng)頻率亟待統(tǒng)一[N];人民郵電;2019年

5 記者 王柳欣;福建移動助建“暢通工程”智能交通系統(tǒng)[N];人民郵電;2019年

6 記者 馬雪榮 達娃·梅朵;緩解城市擁堵 需要來點“智慧”[N];昆明日報;2017年

7 本報記者 操秀英;用科技創(chuàng)新的鑰匙打開智能交通系統(tǒng)大門[N];科技日報;2017年

8 本社記者 李卓謙 王德;安徽太湖智能交通系統(tǒng)助力平安建設[N];民主與法制時報;2017年

9 記者 焦陽;我市智能交通系統(tǒng)工程進展順利[N];常德日報;2014年

10 本報記者 徐金忠;全國性智能交通系統(tǒng)規(guī)劃有望出臺[N];中國證券報;2014年

相關博士學位論文 前10條

1 魏峗;基于物聯(lián)網(wǎng)的智能交通系統(tǒng)中車輛自組織網(wǎng)絡建模與仿真研究[D];蘭州交通大學;2017年

2 滑思忠;V2X關鍵技術在城市道路智能交通中的應用研究[D];長安大學;2018年

3 張建軍;GPS與GIS技術在ITS系統(tǒng)中的應用研究[D];長安大學;2004年

4 許焱;奧運智能交通系統(tǒng)規(guī)劃研究[D];北京工業(yè)大學;2006年

5 紀筱鵬;智能交通系統(tǒng)中車輛視頻檢測、識別與跟蹤方法的研究[D];中國海洋大學;2006年

6 謝磊;智能交通系統(tǒng)中的視頻處理技術研究[D];華中科技大學;2006年

7 耿慶田;基于圖像識別理論的智能交通系統(tǒng)關鍵技術研究[D];吉林大學;2016年

8 曹妍;本體理論在城市智能交通系統(tǒng)語義集成中的應用研究[D];大連海事大學;2010年

9 黎曦;脈沖耦合神經(jīng)網(wǎng)絡在智能交通系統(tǒng)中的應用技術研究[D];武漢大學;2014年

10 嚴捷豐;交通視頻監(jiān)控中的車輛檢測與分割方法研究[D];中國科學技術大學;2008年

相關碩士學位論文 前10條

1 王芳;《城市智能交通系統(tǒng)的發(fā)展現(xiàn)狀與趨勢》英譯實踐報告[D];山東科技大學;2018年

2 Algahmi Aisha Hamood Ali;基于雷達檢測和自動跟蹤的智能交通管理系統(tǒng)研究[D];湖南大學;2018年

3 孫光宇;飽和狀態(tài)下交通信號控制算法研究[D];浙江工業(yè)大學;2019年

4 蘭小麗;基于深度學習的污損車牌檢測與識別關鍵技術研究[D];武漢理工大學;2018年

5 李倩;城市智能交通系統(tǒng)的設計與實現(xiàn)[D];天津大學;2018年

6 羅峰;智能交通系統(tǒng)中位置信息的協(xié)作獲取與深度挖掘[D];北京郵電大學;2019年

7 張申申;智能交通系統(tǒng)路徑規(guī)劃算法研究與設計[D];青島科技大學;2019年

8 王震;路面車輛監(jiān)測雷達設計與實現(xiàn)[D];南京理工大學;2018年

9 鄭凱;武漢市智能交通系統(tǒng)路口檢測子系統(tǒng)的設計與實現(xiàn)[D];哈爾濱工業(yè)大學;2018年

10 楊岳航;特征描述與匹配方法研究及在智能交通系統(tǒng)中的應用[D];南京航空航天大學;2018年

，

本文編號：2620410