鐵路車(chē)站專用車(chē)輛智能引導(dǎo)系統(tǒng)

樊夏敏

（中國(guó)鐵路上海局集團(tuán)有限公司徐州樞紐指揮部，江蘇 徐州 221002）

0 引 言

隨著經(jīng)濟(jì)的發(fā)展，中國(guó)高速鐵路（China Railway Highspeed），簡(jiǎn)稱“中國(guó)高鐵”，是當(dāng)代中國(guó)一類(lèi)重要的交通基礎(chǔ)設(shè)施。經(jīng)過(guò)近20年的發(fā)展，截至2021年底，全國(guó)高鐵鐵路營(yíng)業(yè)里程達(dá)4萬(wàn)多公里，穩(wěn)居世界第一，高鐵站數(shù)量也達(dá)到五百多個(gè)。由于高鐵站內(nèi)工作的需要，站內(nèi)專用汽車(chē)的數(shù)量也在逐步增加，為高鐵站的各項(xiàng)業(yè)務(wù)提供了保障，成為高鐵站內(nèi)重要的一部分[1-3]。但在這種情況下，車(chē)位利用率低導(dǎo)致車(chē)站內(nèi)專用車(chē)輛的停車(chē)、快速行駛等問(wèn)題愈發(fā)突出。

在停車(chē)位不足的情況下，提出車(chē)輛的精準(zhǔn)行駛路線、停車(chē)快速引導(dǎo)方案等，可以一定程度上提高資源的利用率[4,5]。目前針對(duì)商場(chǎng)地下、地上等大型停車(chē)場(chǎng)的車(chē)位引導(dǎo)系統(tǒng)已經(jīng)逐步出現(xiàn)，但針對(duì)火車(chē)站內(nèi)專用車(chē)的引導(dǎo)系統(tǒng)還未見(jiàn)相關(guān)應(yīng)用[6-8]?，F(xiàn)有的針對(duì)商場(chǎng)等停車(chē)場(chǎng)的引導(dǎo)系統(tǒng)往往存在指引功能相對(duì)單一、停車(chē)場(chǎng)導(dǎo)引系統(tǒng)顯示不準(zhǔn)確等問(wèn)題，系統(tǒng)僅僅是告知在停車(chē)場(chǎng)某一區(qū)域車(chē)位數(shù)量的剩余情況，時(shí)常在此區(qū)域也同樣找不到剩余的空車(chē)位，導(dǎo)致經(jīng)常有司機(jī)“知空不知位”的情況發(fā)生?？紤]到高鐵車(chē)站內(nèi)專用車(chē)輛的引導(dǎo)需求，而現(xiàn)有車(chē)輛引導(dǎo)系統(tǒng)的服務(wù)又無(wú)法滿足，因此需要一個(gè)高效的停車(chē)引導(dǎo)系統(tǒng)來(lái)輔助司機(jī)高效行駛、知位可停，極大地提高站內(nèi)車(chē)位利用率，為車(chē)輛停車(chē)、行駛管理提供新思路。

1 項(xiàng)目總體設(shè)計(jì)架構(gòu)

本系統(tǒng)圍繞高鐵站內(nèi)智能車(chē)輛引導(dǎo)的實(shí)際需求，建立了一套快速配車(chē)、路線規(guī)劃的車(chē)位引導(dǎo)系統(tǒng)。該系統(tǒng)根據(jù)現(xiàn)有停車(chē)場(chǎng)空置車(chē)位的數(shù)量和位置，為司機(jī)選擇最佳行駛路線，提高停車(chē)效率，以實(shí)現(xiàn)站內(nèi)停車(chē)資源的充分利用。另外，利用數(shù)據(jù)庫(kù)對(duì)多傳感器數(shù)據(jù)進(jìn)行存儲(chǔ)和管理，為車(chē)主提供更加高效方便的停車(chē)方式，并為車(chē)站管理提供可視化的數(shù)據(jù)以幫助決策，降低管理成本。

本系統(tǒng)的總體設(shè)計(jì)方案如圖1所示，分為感知層、處理層、傳輸層和應(yīng)用層，從終端傳感器到數(shù)據(jù)傳輸再到頂層的應(yīng)用。通過(guò)攝像頭等車(chē)輛運(yùn)動(dòng)檢測(cè)模塊在道路干道上獲取的數(shù)據(jù)信息，計(jì)算出當(dāng)前車(chē)輛附近距離最近的空余車(chē)位方向，發(fā)送至底層控制系統(tǒng)，實(shí)現(xiàn)空余車(chē)位道路路徑上的LED流水閃爍，提示司機(jī)空車(chē)位方向，為停車(chē)場(chǎng)導(dǎo)引系統(tǒng)提供了完整的技術(shù)方案。

圖1 系統(tǒng)框圖

本系統(tǒng)的三層框架中，首先從最底層的感知層獲取到停車(chē)場(chǎng)車(chē)輛的綜合基礎(chǔ)信息；然后將數(shù)據(jù)傳送至傳輸層，實(shí)現(xiàn)系統(tǒng)基本的組網(wǎng)通信，獲得整個(gè)停車(chē)場(chǎng)的車(chē)輛信息并進(jìn)行綜合處理；最后各個(gè)車(chē)位監(jiān)測(cè)節(jié)點(diǎn)將數(shù)據(jù)上傳至應(yīng)用層，實(shí)現(xiàn)數(shù)據(jù)的可視化與系統(tǒng)管理等具體功能。

1.1 感知層

感知層各個(gè)節(jié)點(diǎn)布設(shè)在站內(nèi)各個(gè)停車(chē)位上，實(shí)現(xiàn)車(chē)位相關(guān)狀態(tài)數(shù)據(jù)信息的采集。節(jié)點(diǎn)以STM32為核心處理器，通過(guò)激光紅外、攝像頭傳感器協(xié)同工作，收集車(chē)位的當(dāng)前信息，并對(duì)上位機(jī)發(fā)送的數(shù)據(jù)報(bào)文進(jìn)行處理，控制相應(yīng)的元器件開(kāi)關(guān)實(shí)現(xiàn)實(shí)時(shí)控制，為整個(gè)系統(tǒng)提供可靠的數(shù)據(jù)支持。

1.2 處理層

處理層主要對(duì)感知層各節(jié)點(diǎn)傳感器采集到的數(shù)據(jù)信息進(jìn)行分析并處理，具體基于板載嵌入式系統(tǒng)利用圖像處理、計(jì)算機(jī)視覺(jué)、人工智能等技術(shù)對(duì)采集到的信息進(jìn)行整理和分析，判斷車(chē)位當(dāng)前狀態(tài)并給予反饋，同時(shí)發(fā)送給感知層的各個(gè)控制器進(jìn)行相應(yīng)的控制。

1.3 傳輸層

傳輸層分為接入層與匯聚交換層。接入層為2.4 GHz無(wú)線方案，本文采用無(wú)線通信的方式，與感知層節(jié)點(diǎn)構(gòu)成了本項(xiàng)目網(wǎng)絡(luò)的基本單元。匯聚交換層負(fù)責(zé)將接入層獲得的各個(gè)終端節(jié)點(diǎn)的信息進(jìn)行數(shù)據(jù)分組匯聚、轉(zhuǎn)發(fā)、暫時(shí)存儲(chǔ)與交換，并與云端進(jìn)行數(shù)據(jù)傳輸，支撐數(shù)據(jù)匯集。本文設(shè)計(jì)的主要目的是實(shí)現(xiàn)各終端節(jié)點(diǎn)模塊之間的相互通信及后期數(shù)據(jù)上傳工作，即要保證各個(gè)節(jié)點(diǎn)數(shù)據(jù)能夠穩(wěn)定上傳；同時(shí)就數(shù)據(jù)加密、節(jié)點(diǎn)休眠、數(shù)據(jù)本地存儲(chǔ)與索引問(wèn)題進(jìn)行進(jìn)一步的優(yōu)化。

1.4 應(yīng)用層

應(yīng)用層分為管理服務(wù)層和用戶應(yīng)用層。管理服務(wù)層依托大量數(shù)據(jù)存儲(chǔ)和云計(jì)算平臺(tái)的支持，通過(guò)軟件為感知硬件與應(yīng)用軟件之間的無(wú)縫連接提供大量數(shù)據(jù)的高效匯聚、存儲(chǔ)，并通過(guò)數(shù)據(jù)挖掘、智能數(shù)據(jù)處理計(jì)算等，為用戶應(yīng)用層提供安全的實(shí)時(shí)遠(yuǎn)程管理和智能服務(wù)。用戶應(yīng)用層是面向用戶的智能控制端，通過(guò)友好的人機(jī)交互界面為用戶提供簡(jiǎn)單方便的遠(yuǎn)程管理和智能服務(wù)。

2 系統(tǒng)架構(gòu)設(shè)計(jì)

2.1 功能設(shè)計(jì)

當(dāng)專用車(chē)輛在車(chē)站內(nèi)作業(yè)時(shí)，通過(guò)攝像頭實(shí)時(shí)采集車(chē)輛的車(chē)牌信息，該信息作為認(rèn)定當(dāng)前引導(dǎo)車(chē)輛的唯一標(biāo)識(shí)，當(dāng)識(shí)別完成后司機(jī)可使用小程序或跟隨停車(chē)場(chǎng)內(nèi)的引導(dǎo)系統(tǒng)前往指定的車(chē)位，小程序上可為用戶展示前往車(chē)位的路線信息，外部硬件設(shè)施上可借助多機(jī)位攝像頭捕捉車(chē)牌信息，實(shí)現(xiàn)一對(duì)一的導(dǎo)航定位與引導(dǎo)服務(wù)。

如圖2所示是本文設(shè)計(jì)系統(tǒng)的流程。首先進(jìn)行系統(tǒng)初始化，如果成功，等待車(chē)輛信號(hào)輸入，識(shí)別到有車(chē)來(lái)到時(shí)，指引模塊啟動(dòng)，將根據(jù)車(chē)輛的當(dāng)前位置計(jì)算出距商場(chǎng)入口處的最近路線，并由底層LED模塊電路在車(chē)輛前方依次點(diǎn)亮，以此示意車(chē)主跟隨提示燈行進(jìn)至附近最適合的車(chē)位。實(shí)現(xiàn)智能指引車(chē)輛至最優(yōu)目的地的效果。

圖2 系統(tǒng)流程

2.2 各功能實(shí)現(xiàn)流程

2.2.1 車(chē)輛識(shí)別系統(tǒng)

本文通過(guò)架設(shè)在車(chē)站內(nèi)的攝像頭，利用車(chē)牌識(shí)別技術(shù)，使用LPR算法將記錄到的車(chē)牌信息上傳至數(shù)據(jù)庫(kù)，為系統(tǒng)提供數(shù)據(jù)基礎(chǔ)的同時(shí)方便車(chē)輛管理，記錄停車(chē)時(shí)長(zhǎng)、車(chē)輛當(dāng)前位置等信息。圖3所示是某車(chē)牌識(shí)別結(jié)果。

圖3 車(chē)牌識(shí)別結(jié)果示意圖

2.2.2 用戶借助引導(dǎo)系統(tǒng)抵達(dá)停車(chē)位

車(chē)輛進(jìn)入高鐵車(chē)站內(nèi)后，系統(tǒng)自動(dòng)判斷站內(nèi)車(chē)位的使用情況，在站內(nèi)空車(chē)位緊張時(shí)自動(dòng)開(kāi)啟車(chē)輛自助引導(dǎo)系統(tǒng)；根據(jù)攝像頭與車(chē)位檢測(cè)模塊兩點(diǎn)間對(duì)應(yīng)的火車(chē)站內(nèi)路線圖，結(jié)合當(dāng)前車(chē)站各類(lèi)車(chē)輛的行駛和停靠情況，匹配出距離當(dāng)前車(chē)輛最近的空余車(chē)位，規(guī)劃出最優(yōu)路線；并在APP上進(jìn)行語(yǔ)音引導(dǎo)，提示“車(chē)輛XXX歡迎您，系統(tǒng)為您自動(dòng)分配最佳車(chē)位，請(qǐng)您跟隨站內(nèi)指引燈前往”，以便提示司機(jī)知曉本系統(tǒng)的運(yùn)行狀況，為司機(jī)提供更好的停車(chē)體驗(yàn)。

2.2.3 隨車(chē)指引模塊系統(tǒng)

指引系統(tǒng)通過(guò)將大量的LED電路部署在站內(nèi)車(chē)輛行進(jìn)路線上，根據(jù)站內(nèi)攝像頭識(shí)別到車(chē)輛當(dāng)前位置信息，并計(jì)算出車(chē)輛實(shí)時(shí)位置；然后控制接入層與匯聚交換層產(chǎn)生的數(shù)據(jù)，操作單片機(jī)點(diǎn)亮車(chē)輛行進(jìn)前方的LED電路，以供司機(jī)判斷直行或路口處左右轉(zhuǎn)向，實(shí)現(xiàn)隨車(chē)指引效果。如圖4所示是以某停車(chē)場(chǎng)為例的車(chē)輛指引系統(tǒng)示意圖。

圖4 車(chē)輛引導(dǎo)系統(tǒng)示意圖

隨車(chē)指引系統(tǒng)在運(yùn)行過(guò)程中，通過(guò)干路上的多機(jī)位攝像頭，實(shí)時(shí)判斷車(chē)輛運(yùn)動(dòng)軌跡并跟蹤，更準(zhǔn)確地識(shí)別到車(chē)輛的運(yùn)動(dòng)，實(shí)時(shí)有效提醒車(chē)輛運(yùn)動(dòng)路線，并及時(shí)更新前方路線的LED燈狀態(tài)。同時(shí)，實(shí)時(shí)提取畫(huà)面中的車(chē)牌信息，對(duì)車(chē)輛行駛路線與規(guī)劃路線進(jìn)行匹配，判斷車(chē)輛是否跟隨所展示路線，如有路線變化，更新接入層LED電路進(jìn)行實(shí)時(shí)點(diǎn)亮提醒。

本系統(tǒng)依托微信小程序，可以為司機(jī)提供路線選擇和設(shè)定的操作。司機(jī)通過(guò)當(dāng)前駕駛車(chē)輛的車(chē)牌號(hào)，可獲取當(dāng)前車(chē)輛的位置，并可以自主設(shè)定前往的目的地，程序根據(jù)當(dāng)前設(shè)定可以給出若干個(gè)路線規(guī)劃的方案，司機(jī)可以根據(jù)需要合理選擇路線，進(jìn)而實(shí)現(xiàn)設(shè)定路線的車(chē)輛引導(dǎo)。

2.2.4 車(chē)位檢測(cè)模塊

車(chē)位檢測(cè)由紅外線檢測(cè)模塊和路由器模塊兩部分組成，負(fù)責(zé)將檢測(cè)到的當(dāng)前車(chē)位空余狀態(tài)信息上報(bào)系統(tǒng)。路由器模塊由CC3200核心電路、晶振電路、按鍵電路、串口電路組成，電源電路用作穩(wěn)壓器，為CC3200提供所需要的電壓；按鍵電路用于測(cè)試系統(tǒng)組網(wǎng)和復(fù)位，通過(guò)CC3200實(shí)現(xiàn)WiFi連接和數(shù)據(jù)上傳的功能，以供系統(tǒng)判斷車(chē)位使用，從而實(shí)現(xiàn)系統(tǒng)閉環(huán)。核心原理如圖5所示。

圖5 CC3200原理

2.3 系統(tǒng)軟件結(jié)構(gòu)設(shè)計(jì)

2.3.1 車(chē)輛運(yùn)動(dòng)檢測(cè)

視頻檢測(cè)是一種結(jié)合視頻圖像和模式識(shí)別的技術(shù)。利用視頻及現(xiàn)代通信等技術(shù)，通過(guò)安裝在停車(chē)場(chǎng)的攝像機(jī)采集停車(chē)位的視頻圖像，再運(yùn)用數(shù)字圖像處理、模式識(shí)別等技術(shù)對(duì)視頻圖像進(jìn)行處理，最后識(shí)別停車(chē)位的占用信息，從而為后續(xù)的信息加工、信息引導(dǎo)提供實(shí)時(shí)的停車(chē)信息。其缺點(diǎn)是投資高、模式識(shí)別技術(shù)要求高、實(shí)現(xiàn)復(fù)雜且識(shí)別率存在一定誤差。本文以樹(shù)莓派機(jī)器視覺(jué)為主，配合底層硬件電路，作為智能引導(dǎo)實(shí)時(shí)動(dòng)態(tài)檢測(cè)解決方案。

在進(jìn)行固定模式下的視頻檢測(cè)系統(tǒng)中，拍攝背景通常是變化較少的固定場(chǎng)景，因此從靜止的背景中提取移動(dòng)的前景，通過(guò)多個(gè)高斯模型的加權(quán)和混合在一起來(lái)模擬新的背景特性。Back ground subtraction記錄此時(shí)背景特征后[9]，出現(xiàn)在畫(huà)面的車(chē)輛信息就能通過(guò)標(biāo)出的具體場(chǎng)景圖像在不符合背景模型的部分中被檢測(cè)出來(lái)。具體提取算法原理如圖6所示。

圖6 動(dòng)態(tài)視頻識(shí)別原理示意圖

2.3.2 背景分割

背景差分法是面對(duì)移動(dòng)運(yùn)動(dòng)對(duì)象目標(biāo)檢測(cè)的關(guān)鍵方法，將當(dāng)前每一幀圖像與事先存儲(chǔ)運(yùn)算獲取的背景圖像相減，計(jì)算出與背景偏離超過(guò)一定閾值的區(qū)域作為運(yùn)動(dòng)區(qū)域[10-12]。本項(xiàng)目使用該算法能夠優(yōu)化移動(dòng)物體的實(shí)時(shí)檢測(cè)和提取，采用背景差分法計(jì)算后的結(jié)果能夠直接包含目標(biāo)的位置、大小、形狀等信息，具體流程如圖7所示。該方法能夠提供關(guān)于運(yùn)動(dòng)目標(biāo)區(qū)域的完整描述[10-12]，背景差分法是實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)實(shí)時(shí)檢測(cè)和提取的首選方法，特別是對(duì)于攝像機(jī)靜止的情況。

圖7 運(yùn)用背景差分法提取目標(biāo)框架

背景獲取算法通常要求在場(chǎng)景中存在運(yùn)動(dòng)目標(biāo)的情況下獲取背景圖像，更新過(guò)程使背景能夠適應(yīng)場(chǎng)景的各種變化和干擾，如外界光線的改變、背景中對(duì)象的擾動(dòng)和固定對(duì)象的移動(dòng)、陰影的影響等。

一種典型的背景建模方法是用混合高斯模型描述背景圖像像素值的分布，目標(biāo)檢測(cè)過(guò)程中判斷圖像的當(dāng)前像素值是否符合該分布，若符合，則被判為前景點(diǎn)，否則判定為背景點(diǎn)。同時(shí)根據(jù)新獲取的圖像，對(duì)背景圖像參數(shù)進(jìn)行自適應(yīng)更新。該方法能夠可靠處理光照變化、背景混亂運(yùn)動(dòng)的干擾以及長(zhǎng)時(shí)間的場(chǎng)景變化等。在此基礎(chǔ)上，對(duì)背景、靜止目標(biāo)和運(yùn)動(dòng)目標(biāo)三者采取不同的更新策略，以減弱背景更新過(guò)程中運(yùn)動(dòng)目標(biāo)對(duì)背景的影響。

本項(xiàng)目使用根據(jù)車(chē)輛特征更新的GMG算法，其中結(jié)合了靜態(tài)背景圖像估計(jì)和每個(gè)像素的貝葉斯分割，與該像素值歷史信息（包括前幾幀的像素值和像素點(diǎn)是前景還是背景）進(jìn)行判斷比較，如果像素值之間的差別在指定閾值內(nèi)，則認(rèn)為新像素值與該歷史信息是匹配的，稱為潛在的背景點(diǎn)；所有歷史信息比較完畢后，如果與歷史信息匹配的次數(shù)超過(guò)了設(shè)定閾值，則新像素點(diǎn)被歸為潛在背景點(diǎn)；如果被匹配的歷史信息點(diǎn)中屬于背景的點(diǎn)個(gè)數(shù)超過(guò)設(shè)定閾值，那么新的像素點(diǎn)就被歸為背景點(diǎn)。這是一種自適應(yīng)的估計(jì)，新觀察到的對(duì)象比舊的對(duì)象具有更高的權(quán)重，從而對(duì)光照變化產(chǎn)生適應(yīng)。一些形態(tài)學(xué)操作如開(kāi)運(yùn)算、閉運(yùn)算等被用來(lái)除去不需要的噪音。在前幾幀圖像中會(huì)得到一個(gè)黑色窗口。背景差分法實(shí)現(xiàn)的關(guān)鍵是背景模型的獲取和更新。

2.3.3 閾值化

為了得到更好的圖像，在前景分割后需要進(jìn)行圖像閾值化，按照灰度級(jí)對(duì)像素集合進(jìn)行劃分。背景和前景之間的類(lèi)間方差越大，說(shuō)明構(gòu)成圖像的兩部分的差別越大，將部分前景錯(cuò)分為背景或部分背景錯(cuò)分為前景都會(huì)導(dǎo)致兩部分差別變小。因此，使類(lèi)間方差最大的分割意味著錯(cuò)分概率最小。噪聲會(huì)在一定程度上影響閾值T的選擇，當(dāng)原始圖像含有噪聲時(shí)，可以在閾值處理前將圖像進(jìn)行平滑處理，消除噪聲的影響。處理那些位于或接近物體和背景間邊緣的像素時(shí)，可以通過(guò)邊緣改進(jìn)的閾值處理方法來(lái)分離灰度級(jí)，使得前景和后景灰度差更大。背景照明高度不均勻時(shí)，需要進(jìn)行閾值處理的難度就會(huì)增大。為了解決這個(gè)問(wèn)題，運(yùn)用局部統(tǒng)計(jì)的可變閾值處理算法進(jìn)行解決。

Otsu’s方法的最佳方案是選擇閾值k和最大類(lèi)間方差σ2(k)進(jìn)行定義。由公式（1）可知，設(shè)置的方差越大，則完全分割一幅圖像的閾值就會(huì)越接近。公式中的k就是所要尋找的最佳閾值，當(dāng)k不唯一時(shí)，則將所有的最佳閾值取平均值即可[13]。

當(dāng)加入高斯噪聲圖像時(shí)，所顯示的直方圖并不能使用閾值處理進(jìn)行分割，所以經(jīng)過(guò)Otsu’s全局閾值處理操作后發(fā)現(xiàn)，原始圖像和噪聲并不能分離開(kāi)。當(dāng)使用平滑濾波器進(jìn)行圖像改善之后，最后的效果圖顯示圖像與噪聲被分割開(kāi)來(lái)，因此可以使用Otsu’s全局閾值處理對(duì)圖像進(jìn)行操作。

2.3.4 小程序功能設(shè)計(jì)

用戶端能夠通過(guò)小程序查看停車(chē)場(chǎng)內(nèi)當(dāng)前停車(chē)狀況、現(xiàn)余車(chē)位統(tǒng)計(jì)和指引系統(tǒng)提示次數(shù)信息，也可對(duì)停車(chē)場(chǎng)指引系統(tǒng)進(jìn)行控制。在界面最頂端，通過(guò)選擇手動(dòng)、自動(dòng)和關(guān)閉選項(xiàng)，能夠?qū)χ敢到y(tǒng)進(jìn)行控制和切換。本文所設(shè)計(jì)的小程序界面如圖8所示。

圖8 管理端停車(chē)場(chǎng)系統(tǒng)

通過(guò)點(diǎn)擊上方的按鈕，控制停車(chē)場(chǎng)內(nèi)指引系統(tǒng)進(jìn)行工作，當(dāng)停車(chē)狀況良好時(shí)，系統(tǒng)可手動(dòng)開(kāi)啟指引。當(dāng)剩余空位較少且復(fù)雜時(shí)，為避免系統(tǒng)過(guò)飽和出現(xiàn)異?？筛鶕?jù)情況關(guān)閉指引系統(tǒng)。當(dāng)處于自動(dòng)狀態(tài)時(shí)，可根據(jù)當(dāng)前車(chē)場(chǎng)整體停車(chē)情況和當(dāng)前時(shí)間，自動(dòng)識(shí)別指引系統(tǒng)。

3 實(shí)驗(yàn)結(jié)果及分析

本文的實(shí)驗(yàn)數(shù)據(jù)來(lái)源于攝像頭拍攝到的停車(chē)場(chǎng)固定場(chǎng)景視頻序列圖像，其中所用的背景差分法是將當(dāng)前每一幀圖像與事先存儲(chǔ)或?qū)崟r(shí)獲取的背景圖像相減，將計(jì)算出的與背景偏離超過(guò)一定閾值的區(qū)域作為運(yùn)動(dòng)區(qū)域。此處為了分析車(chē)輛檢測(cè)效果，對(duì)比了基本全局算法和Otsu’s方法。由圖9可發(fā)現(xiàn)，在混合高斯模型中不同噪聲會(huì)影響閾值的選擇，當(dāng)噪聲不能夠在源頭減少時(shí)，在閾值處理之前可以對(duì)圖像進(jìn)行平滑處理，這樣可以更好地進(jìn)行閾值處理，最后從實(shí)驗(yàn)結(jié)果中判斷檢測(cè)的穩(wěn)定性、收斂性和精準(zhǔn)性。

圖9 MATLAB算法測(cè)試

通過(guò)圖10的實(shí)驗(yàn)結(jié)果不難看出，在實(shí)地的車(chē)輛運(yùn)動(dòng)檢測(cè)測(cè)試中，采用背景差分法的提取效果表現(xiàn)為在目標(biāo)區(qū)域連通性較好，但由于算法的速度和識(shí)別效果對(duì)于運(yùn)動(dòng)物體速度有一定的要求和限定，并且提純背景圖像和計(jì)算前景圖像需要花費(fèi)一定的時(shí)間，因此本文在檢測(cè)速度和識(shí)別效果方面進(jìn)行了優(yōu)化，可用于動(dòng)態(tài)背景下運(yùn)動(dòng)目標(biāo)的檢測(cè)。運(yùn)動(dòng)速度快或體積較大情況下得到的目標(biāo)輪廓可能會(huì)存在噪點(diǎn)較大或沿著目標(biāo)運(yùn)動(dòng)方向延伸的問(wèn)題。

圖10 實(shí)地測(cè)試效果

當(dāng)然，由于攝像頭的固定場(chǎng)景取景有限，面對(duì)不同體積大小的車(chē)輛特征，對(duì)于前景提取的運(yùn)動(dòng)檢測(cè)，在效果上有一定的差異，例如過(guò)大的體積變化會(huì)使計(jì)算圖像效果比實(shí)際車(chē)輛識(shí)別值偏小。目前的研究方向是針對(duì)此現(xiàn)象提出基于神經(jīng)網(wǎng)絡(luò)模型的前景優(yōu)化，以面對(duì)不同車(chē)輛特征實(shí)現(xiàn)進(jìn)一步識(shí)別。

4 結(jié) 語(yǔ)

本項(xiàng)目針對(duì)火車(chē)站內(nèi)專用車(chē)輛停車(chē)及引導(dǎo)困難等問(wèn)題，提出一種基于機(jī)器視覺(jué)的指引系統(tǒng)的設(shè)計(jì)解決方案。通過(guò)前景提取到運(yùn)動(dòng)狀態(tài)，反饋至硬件電路，以便LED模塊提醒客戶車(chē)輛行駛路線；最后對(duì)于整體系統(tǒng)進(jìn)行調(diào)試和試用，經(jīng)過(guò)實(shí)地測(cè)試和驗(yàn)證，系統(tǒng)在穩(wěn)定性和實(shí)時(shí)性方面能夠滿足需求。