臨時停車場自動收費系統(tǒng)①

余以春,閆紅梅

1(西南交通大學 信息科學與技術學院,成都 611756)

2(西安科技大學 通信與信息工程學院,西安 710054)

隨著我國經濟的迅速發(fā)展,汽車的數(shù)量迅速增加.自2010年以來,我國汽車保有量每年以超過10%的比例增長,更是在2019年突破了3.48 億輛.相比之下,各種場所的停車位卻增速緩慢,缺口達到70%以上[1].有車無處停放、停車場一位難求的問題已經成為交通監(jiān)管和治理的難點和熱門,這不僅阻礙了交通管理、人們的日常生活,更影響了市容市貌.尤其是在大型社會活動、旅游旺季景區(qū)等人車密集的地區(qū),停車更是一件不易之事.另一方面,在停車場管理中,傳統(tǒng)的地磁系統(tǒng)和單一手持終端占比76.2%,智能化停車管理系統(tǒng)普及率較低[2].同時,由于國內的停車場管理系統(tǒng)研究起步較晚,一些設計技術還不夠成熟,存在車牌字符錯讀,設備移動不便,無法識別傾斜、斷裂車牌以及識別時間過長等問題,使得停車場管理系統(tǒng)運行效率不高[3,4].基于當前停車場收費系統(tǒng)存在的問題,本文設計了主要用于臨時停車場所的停車自動收費系統(tǒng).首先對采集到的車輛圖像,使用圖像處理技術和卷積神經網絡實現(xiàn)車牌識別;然后再計算停車費用并在MySQL數(shù)據(jù)庫中存儲停車信息;最后設計了管理顯示界面實現(xiàn)車輛信息的智能化管理[5-7].本文所設計的停車收費系統(tǒng)具有識別準確率高、識別時間短,裝置便攜可移動的優(yōu)點,能夠顯著提高停車場管理效率,實現(xiàn)高效、便捷的停車.

1 系統(tǒng)總體設計

本文設計的臨時停車場自動收費系統(tǒng)的工作流程如圖1所示.當入口處的監(jiān)測設備檢測到車輛駛入停車場時,首先采集車牌圖像信息,然后通過車牌識別技術識別車牌信息,最后將車牌號以及駛入時間等信息存入停車車輛信息存儲表中.當在出口檢測到車輛駛離停車場時,再次抓拍車輛圖像,識別車輛信息.若由于車牌部分遮擋、損壞等原因識別失敗,則由人工進行錄入或查詢操作.查詢成功后在停車車輛信息存儲表查詢車輛信息,進而計算停車費用.在成功收費后自動放行,并在停車車輛信息存儲表錄入停車訂單.最后,在管理顯示界面顯示停車場當前停車信息和停車訂單信息.

2 系統(tǒng)各模塊仿真實現(xiàn)

本文所設計的臨時停車場自動收費系統(tǒng)組成如圖2所示,主要包括車牌采集模塊、車牌識別模塊、收費模塊和管理顯示模塊.

2.1 車牌圖像采集模塊

當前主流的采集方法有下面兩種:一種方法是通過視頻、紅外線、地感線圈等檢測器監(jiān)測車輛,當檢測器識別到車輛時,發(fā)送信號,計算機接收相應信號,控制拍攝器采集車輛圖像;另一種采集方法由數(shù)碼照相機構成,通過可設定參數(shù)的數(shù)碼相機采集車輛圖像,并且與數(shù)碼相機相連的主機可以針對不同的拍攝環(huán)境對相機的拍攝參數(shù)進行適應性設置,保證采集到的車輛圖像質量.

圖1 臨時停車場自動收費系統(tǒng)流程

圖2 臨時停車場自動收費系統(tǒng)框圖

綜合考慮設備的便攜性,設備的成本以及設備安裝的難易程度,本系統(tǒng)采用視頻檢測法采集車牌圖像.通過在停車場的出入口處分別架設攝像頭,對進出車輛進行抓拍.

2.2 車牌識別模塊

車牌識別模塊主要以采集到的車輛圖像作為輸入,然后依次經過車牌定位、車牌矯正、車牌邊框去除、車牌字符分割以及車牌字符識別處理,得到相應的車牌信息,實現(xiàn)對車輛牌照信息的提取.

2.2.1 車牌定位

車牌定位的功能是從車輛圖像中檢測出包含車牌的候選區(qū)域.常用的車牌定位算法[8]包括基于邊緣檢測的車牌定位算法和基于顏色特征的車牌定位算法.為了克服單一的車牌定位算法受車牌背景影響較大,適用范圍有限的缺點,本文結合邊緣檢測以及顏色特征定位算法進行車牌定位.

在邊緣檢測定位算法中,首先將采集到的車牌圖像進行灰度化處理,舍棄冗余信息,然后通過Sobel 邊緣檢測提取水平邊緣信息,最后進行二值化處理,將圖像背景和車牌目標相互分離,便于定位車牌位置.

在顏色特征定位算法中,首先將車牌圖片從RGB色彩空間轉換到HSV 色彩空間中,然后根據(jù)H 分量的值查找車牌顏色區(qū)域.最后,綜合兩種算法處理結果,并經過形態(tài)學處理后通過查找外界矩形定位出候選車牌候選區(qū)域.若候選車牌區(qū)域有多個,則在字符分割處理中具體篩選.車牌定位處理效果如圖3所示.

圖3 車牌定位處理效果

如圖3可見,本系統(tǒng)所用車牌定位算法能成功降低光照以及噪聲的影響,并在復雜車牌區(qū)域取得較好的效果,能夠從采集到的車輛圖像中定位出車牌區(qū)域.

2.2.2 車牌傾斜校正

由于現(xiàn)實環(huán)境比較復雜,一些車牌本身可能存在傾斜問題,同時拍攝角度不正也會造成得到傾斜的車牌圖像,直接處理這些傾斜的圖像會對后面的模塊處理造成困難,影響車牌識別結果,因而需要進行傾斜校正.傾斜又分為水平傾斜和垂直傾斜.常用的車牌傾斜矯正算法[9]包括旋轉投影法、Hough 變換法、直線擬合法等.綜合考慮傾斜矯正算法的精準性以及算法實現(xiàn)的難易程度,本系統(tǒng)使用精確性高的基于邊緣點投影方差最小的水平矯正算法[10]實現(xiàn)水平傾斜矯正,使用簡單易實現(xiàn)的垂直投影法實現(xiàn)垂直傾斜矯正.水平傾斜矯正算法的矯正過程如算法1.

算法1.水平傾斜矯正算法(1)計算圖像像素的中心點■■■■■■■■■■■■■■■mx=1 N∑i=1xi my=1 N N∑(1)Ni=1yi其中,以及為相應點像素的橫坐標和縱坐標.(2)計算相應的映射點xiyi■■■■■■■■■ui=xi-mx vi=yi-my(2)其中,,為,對應映射點的橫坐標和縱坐標.(3)計算水平傾斜角度uivi xiyi[α=1 2 arctan2N∑/ N∑i=1uivii=1(ui2-vi2)](3)(4)根據(jù)計算得到的傾斜角度先進行仿射變換,最后用雙線性插值法完成車牌水平矯正.

車牌傾斜校正處理效果如圖4所示.

如圖4可見,本系統(tǒng)所用車牌傾斜矯正算法能準確矯正車牌水平和垂直傾斜,矯正效果良好.

圖4 車牌傾斜校正處理效果

2.2.3 邊框及鉚釘去除

車牌四周邊框以及鉚釘會對接下來的車牌字符分割處理造成一定的干擾,其中左右邊框的造成的影響最大,因而在字符分割之前需要先去除車牌邊框以及鉚釘.為了實現(xiàn)實時高效的去除車牌邊框及鉚釘,本文采用邊緣跳變算法,算法2為該算法具體實現(xiàn)過程.

算法2.邊緣跳變算法(1)從車牌圖像的首列中點向圖像的上下邊界掃描,統(tǒng)計當前行的像素跳變次數(shù);(2)車牌的上邊界為向上掃描遇到的第一個像素跳變次數(shù)小于上閾值的行,同理,車牌下邊界為向下掃描遇到的第一個像素跳變次數(shù)小于下閾值的行;(3)從車牌圖像首行的左右邊界向中間掃描,統(tǒng)計當前列的像素跳變次數(shù);(4)將向右掃描遇到的第一個連續(xù)4 個像素跳變次數(shù)均大于左閾值的列作為車牌左邊界,將向左掃描遇到的第一個連續(xù)6 個像素跳變次數(shù)均大于右閾值的行作為車牌右邊界;其中閾值由大量實驗測得,本系統(tǒng)所用上閾值和下閾值為22,左閾值和右閾值為3.

車牌邊框及鉚釘去除的效果如圖5所示.

圖5 車牌邊框及鉚釘去除效果

由圖5可見,本系統(tǒng)所用邊緣跳變法計算簡便,能成功定位出車牌邊界并實時高效的去除車牌四周的邊框以及鉚釘.

2.2.4 車牌字符分割

車牌字符分割處理主要實現(xiàn)對輸入的車牌候選區(qū)域分割出單個的車牌字符,為后續(xù)車牌識別做好準備.由于有些字符的區(qū)域相似度很高,如果分割出的字符有偏差,很可能導致接下來的字符識別處理得到錯誤的結果.當前常用的車牌字符分割算法為連通區(qū)域分析法、先驗知識法以及投影法.各種方法的適用范圍各不相同,相互補充能擴大適用范圍、提高字符分割準確性,因此本系統(tǒng)結合連通區(qū)域分析法、先驗知識法及投影法實現(xiàn)車牌字符的分割.具體處理過程如算法3.

算法3.字符分割算法(1)對車牌圖像進行歸一化處理;(2)使用種子填充法標記車牌圖像中的連通區(qū)域;(3)遍歷連通區(qū)域,根據(jù)行列坐標及其連通面積,篩選出第二和第三個字符間的圓形分隔符;(4)若成功找到圓形分隔符,則根據(jù)車牌字符間的間隔距離及單個字符寬度等先驗知識定位并分割字符;(5)若未找到圓形分隔符,則根據(jù)車牌圖像垂直投影圖的波峰、波谷以及先驗知識定位并分割字符;(6)判斷分割字符寬度對斷裂、粘連的字符分別進行補全和分割處理,最后將分割字符歸一化為40×32 像素值;

車牌字符分割效果圖如圖6所示.由圖6可見,本系統(tǒng)所用車牌字符分割算法能準確定位每個字符的位置并成功分割車牌字符.

圖6 車牌字符分割效果

2.2.5 車牌字符識別

車牌字符識別處理能夠對分割好的車牌字符,實現(xiàn)提取車牌信息的功能.常用的車牌字符分割算法包括模板匹配算法、神經網絡識別算法、特征統(tǒng)計匹配算法等[11].深度學習作為機器學習的一個重要分支,近年來發(fā)展迅速,廣泛應用在圖像識別、語音識別等眾多領域并獲得了巨大成功[12].基于深度學習的圖像識別技術能夠從大數(shù)據(jù)中訓練學習,具有應用范圍廣、識別準確率高、魯棒性強等優(yōu)點[13,14].研究人員相繼提出了許多代表性的深度學習經典模型,如深度置信網(Deep Belief Networks,DBN)[15,16]、棧式自編碼器(Stack Auto Encoder,SAE)[17]、深度卷積網絡(Deep Convolutional Neural Networks,DCNN)等.其中,以卷積神經網絡(Convolutional Neuron Networks,CNN)為基礎的各種模型應用最為廣泛.卷積神經網絡是一類包含卷積計算且具有深度結構的前饋神經網絡,主要包括卷積層、池化層和全連接層.可以通過卷積核與圖像卷積提取出圖像特征,然后通過池化層降低數(shù)據(jù)運算的復雜度,最后經過全連接層中的分類器得到識別結果.本文在LeNet-5 網絡的基礎上,搭建卷積神經網絡用于車牌字符識別[18-21],網絡結構如圖7所示.

圖7 車牌字符識別的CNN 結構

本系統(tǒng)將車牌字符分為漢字,數(shù)字及字母兩部分分別進行識別.其中識別漢字時輸出大小為1×31,識別數(shù)字及字母時輸出為1×34.在搭建的卷積神經網絡中,L1 卷積層卷積核尺寸為7×7,L3 卷積層卷積核大小為5×5.卷積層和池化層采用Same Padding 填充方式,保存圖像邊緣信息,使處理后數(shù)據(jù)尺寸不變,并使用Dropout 正則化方法,防止訓練過擬合.車牌字符識別兩部分采用的網絡結構相同,而所用訓練集和測試集不同,并在訓練過程中每迭代5 次使用網絡對測試集進行實際預測.其中,車牌字符訓練集總數(shù)為8000 多幅,預測集由每種車牌字符約20 張圖片組成,共1300 幅.車牌字符訓練和識別效果如圖8所示.

圖8 車牌字符訓練效果

由圖8可見,卷積神經網絡在一定訓練步數(shù)之后訓練準確率接近100%,車牌漢字預測準確率最后穩(wěn)定在97%左右,車牌數(shù)字及字母預測準確率為98.5%左右,識別效果良好.

2.3 收費模塊

收費模塊能夠根據(jù)具體的汽車類型、日期以及時間段的不同,設置相應的收費標準,實現(xiàn)對停車場車輛的信息存儲以及停車費用計算.

2.3.1 車輛信息存儲

本文使用MySQL 數(shù)據(jù)庫存儲停車場信息,并設計兩個表格存儲相應信息.停車車輛信息存儲表包含車牌號碼及進入時間的信息,停車計費存儲表則包括訂單號,車輛號碼,進入時間,駛離時間,停放時長,收費標準,停車費用等信息.

停車車輛信息存儲表中存儲停車場車輛信息,當車輛離開停車場時,會創(chuàng)建停車訂單號,將詳細的停靠信息存儲到停車計費存儲表中,并在停車車輛信息存儲表中刪除相應的紀錄.

2.3.2 收費計算

當檢測到車輛離開停車場時,首先在停車車輛信息存儲表中查詢相應停車信息,然后根據(jù)停車時間以及收費標準計算等計算停車費用.為了實現(xiàn)高效便捷的停車計費,本系統(tǒng)提供手機支付和人工支付的收費方式.其中,手機支付包括微信公眾號在線支付以及掃碼支付.停車車主可以關注停車場中的微信公眾號,然后綁定車牌號和手機號,實現(xiàn)在線支付;也可以掃描停車場內的付款碼支付停車費用.對于不能通過手機支付的車主,可以在收費口人工繳費,現(xiàn)金支付.采用多種支付方式,滿足不同客戶需求.

2.4 管理顯示模塊

本文使用Qt 實現(xiàn)顯示界面的具體設計,系統(tǒng)顯示界面包括停車管理界面以及訂單顯示界面,顯示界面如圖9所示.停車管理界面能夠加載車輛圖像并識別提取車輛信息并顯示當前停車場的停車信息、停車數(shù)量、剩余車位、當前時間等信息;訂單顯示界面主要顯示停車訂單信息,能夠將訂單信息打印保存到Excel中并可以查找特定車輛的停車訂單信息.

本文通過車輛圖像的加載仿真車輛的進出.加載并識別車牌圖像,若識別出的車牌信息在停車車輛信息存儲表中不存在,表明車輛駛入;若識別出的車牌信息在停車車輛信息存儲表中已存在,表明車輛準備駛離.由圖9可見,臨時停車場自動管理系統(tǒng)運行穩(wěn)定,能成功識別并管理停車場車輛.

圖9 系統(tǒng)顯示界面圖

仿真測試中平均每幅車牌圖像識別時間約為0.92 s,可以滿足停車場實際應用.

3 結論與展望

停車場的自動化、智能化停車收費管理是解決停車管理難的有效途徑,本文設計了一種移動便捷、自動化程度高、管理高效的臨時停車場自動收費系統(tǒng).本系統(tǒng)的優(yōu)點在于識別準確率高,識別時間少,所需設備的便捷安裝和拆卸,實時性強,智能管理車輛停靠和收費,顯著的提高了停車場的管理效率,極大的緩解了停車場停車難的難題.未來將進一步提高車牌識別的準確率,縮短識別時間,擴展系統(tǒng)的性能以滿足不同行業(yè)的車輛管理要求.