基于STM32和樹莓派的共享汽車超載智能檢測預警系統

王麗娟,張雨潔,李俊杰,洪文韜,廖智民

摘 要：本文設計了一款以 STM32和樹莓派為核心控制器的共享汽車超載智能檢測預警系統。系統分為硬件和軟件兩部分：硬件部分以STM32和樹莓派為平臺，搭載了稱重壓力傳感器、OV5647攝像頭模塊、有源蜂鳴器模塊、藍牙模塊等外設，實現了人數檢測、后備箱載荷檢測、報警及APP提醒等功能;軟件部分采用Python語言與C語言編寫，使用RT-Thread作為實時操作系統，實現多線程操作。該系統工作具有準確性、實時性及穩定性，為共享汽車超載智能檢測預警系統的設計提供了一種方案。

關鍵詞：共享汽車;超載檢測;STM32單片機;樹莓派;人臉識別;智能檢測

0 前言

共享汽車也稱汽車分時租賃，是一種新興的汽車租賃模式，用于人們短期內租車。作為一種交通運輸新業態，共享汽車在我國興起并快速發展。然而，隨著共享汽車廣泛進入人們的生活，在共享汽車出行過程中，由于部分使用者缺乏安全意識，存在僥幸心理，共享汽車超載事故也在頻頻發生，對公共交通安全造成較大隱患。共享汽車超載問題需要引起我們的關注與重視。

1 系統構成

1.1 系統方案

1.1.1 總體設計

本系統由五部分構成：人臉檢測系統，傳感器檢測系統，控制系統，報警系統，傳輸模塊。人臉檢測系統包括樹莓派、OV5647攝像頭模塊，傳感器檢測系統包括稱重壓力傳感器，控制系統STM32F429IGT6作為主控芯片;報警系統由蜂鳴器模塊構成，傳輸模塊由藍牙模塊構成。系統總體設計框圖如圖1所示。

1.1.2 工作流程介紹

駕駛人和乘客進入共享汽車內，行李物品放入后備箱;人臉識別檢測系統用于檢測人員的超載情況，利用攝像頭對車內乘客進行人臉捕捉[1]，經樹莓派使用Haar Cascade檢測人臉的數量，LBP算法進行人臉識別，將人臉檢測數量傳輸至STM32單片機內，將車內實際人數與預設核載人數進行對比，當乘客人數超過設置好的共享汽車可搭載最大人數后，則系統將發出報警提示，并將超員人數通過共享汽車手機端APP進行提示[2]。

稱重系統用于檢測行李重量，通過稱重傳感器測量后將采集到的信息傳輸到單片機中進行處理。當實際稱重質量超過預設后備箱載重質量時，蜂鳴器將發出報警提示，同時會將超重重量在APP進行記錄，提示駕駛人和乘客規范乘車。

2 系統硬件設計

2.1 STM32主控芯片

該系統采用STM32單片機，以STM32F429芯片作為主控芯片，搭載ARM Cortex-M4 內核，性能優良，可搭載多種外設，內置嵌入式OS采用我國自主開發的RT-thread。其優勢在于系統完全開源，不僅具有實時內核，還具備豐富的中間層組件，支持包括高性能、實時功能、數字信號處理、低功率、低電壓操作，擁有集成和易用的開發，還具有優秀的圖像處理能力。

2.2 圖像采集模塊

為保證圖像質量的同時更快地實現圖像采集，圖像采集模塊采用OV5647攝像頭模塊，具有500 W像素，采集的圖像分辨率為2 594×1 944，讀取圖像方便快捷，具有拍攝對焦距離可調功能，曝光、白平衡、消除燈光條紋、濾波等均實現自動化，可滿足設計需求，而且功率低、采集速度快，因此選用OV5647攝像頭作為圖像采集模塊。

2.3 稱重壓力傳感器模塊

稱重壓力傳感器[3]基于應變效應，主要包含三個部分：彈性敏感元件，電阻應變片，測量電路。彈性敏感元件在外力作用下產生彈性變形，使粘貼在表面的電阻應變片也隨同產生變形，電阻應變片發生變形后，它的阻值將發生變化，使電橋失去平衡，測量電路將電阻轉換為電信號。

3 人臉識別算法

3.1 人臉檢測算法—使用Haar Cascade檢測人臉的數量

為了產生穩定的分類結果和跟蹤結果，從圖像中提取出細節并將提取結果作為圖像特征。兩個圖像的相似程度可通過對應特征的距離來度量。對給定的圖像，特征可能會因區域大小而有所不同，區域大小也被稱為窗口大小。即使窗口大小不同，僅在尺度上不同的兩幅圖像也應該具有相似的特征，因此能為不同大小的窗口生成特征非常有用，這些特征稱為級聯，而Haar Cascade在尺度變化上具有魯棒性。

Haar Cascade是一系列用來確定一個對象是否存在于圖像中的對比檢查。對比檢查由檢查圖像的中心垂直是否比邊緣垂直更輕微等過程組成，這一系列對比檢查被分成多個階段，后一階段的運行以先前階段的完成為前提。前期階段進行大范圍的檢查，后期階段進行更多更小區域的檢查。算法運行時，首先從Haar Cascade二進制文件加載一個Haar Cascade;然后通過直接傳遞“frontalface”字符串給構造函數，將一個內置的正臉Haar Cascade載入內存;最后，該方法會返回載入的Haar Cascade對象，用來使用 image.find_features（）。

3.2 人臉識別算法——LBP算法

LBP是Local Binary Pattern局部二值模式的縮寫。LBP特征簡單易算，且具有灰度不變形、旋轉不變形和紋理特征維度低等顯著優點，在一定程度上消除了光照變化的問題，于是選擇提取圖像的LBP特征來進行人臉識別。

4 軟件設計與實現

4.1 程序設計

設計中，STM32的硬件程序采用C語言編寫。

單片機程序使用RT-Thread作為實時操作系統，實現多線程操作目的，有效的提高了單片機CPU的使用率[4]。

單片機程序主要包含三大部分，壓力傳感器數據采集及處理，攝像頭數據的處理及分析，藍牙通信的信息傳輸。其中壓力傳感器通過HX711模塊進行高精度的AD采樣，有效提升獲取壓力傳感器的精度。當壓力傳感器傳輸的數值經過處理后超過設定的閾值或處理的攝像頭數據中檢測人數超過設定值時，會引起蜂鳴器的報警電路響應，提醒駕駛員目前的車內情況不符合駕駛要求，并會經過藍牙傳輸，將當前的車內數據通過設計的APP傳入云端記錄。

本系統的另一處理單元為樹莓派4B采用Python語言編寫，通過人臉檢測算法，將攝像頭采集的圖像進行處理，并通過藍牙與單片機進行數據傳輸，將實時處理完的檢測人數數目返回給單片機處理。

4.2 系統實現

系統經多次及多方面實際測試，從人臉檢測方面，分別進行人數變化及不同人臉的識別測試。從壓力傳感器檢測方面，分別進行了小重量及大重量精度測試。從各模塊調用情況，進行了較長時間不同場景的測試，都已驗證本系統有較強的魯棒性及穩定性。測試結果顯示，已實現系統的全部功能，其響應速度、準確度都達到了設計要求。

5 結論

本文通過設計了一款以STM32和樹莓派為核心控制器的共享汽車超載智能檢測預警系統，利用STM32和樹莓派為平臺，搭載了稱重壓力傳感器、OV5647攝像頭模塊、有源蜂鳴器模塊、藍牙模塊等外設，實現了人數檢測、后備箱載荷檢測、報警及APP提醒等功能。該系統工作準確性、實時性及穩定性較高，為共享汽車超載智能檢測預警系統的設計提供了一種方案。

參考文獻：

[1]一種基于人臉檢測的客車超載檢測裝置[P].中國.專利授權公告說明書.CN 202771616 U.2013.03.06.

[2]劉偉.汽車超載預警系統設計[D].陜西：西北農林科技大學，2011.

[3]彭春華，劉建業，劉岳峰，等.車輛檢測傳感器綜述[J].傳感器與微系統，2007，26（6）：4-7.

[4]禹璽，董蘊華.基于移動通信網絡的客車超載檢測系統設計[J].郵電設計技術，2017（6）：47-50.