本高速公路視頻超速監控系統利用視頻圖像處理技術，對高速公路車道上的汽車進行非接觸式監控，獲得超速車輛車速、車牌號碼、違章照片等運行狀態信息，可應用于高速公路治理、逃逸車輛抓捕等場合。1 系統結構高速公路視頻超速監控系統的硬件結構如圖1所示。它由超速監控攝像頭和現場計算機等部分組成。在高速公路上安裝監控攝像頭（一個彩色全景攝像機、n個車道級彩色攝像機）及超速監控計算機，24小時實時監控高速公路上所有通過車輛的車速信息。系統軟件包含超速車輛檢測和自動車牌識別兩部門。超速監控計算機通過實時視頻采集卡首先采集高速公路的全景圖像，并利用全景圖像進行超速車輛檢測；如檢測到違章車輛，啟動相應車道的攝像機工作，采集近景圖像并用利近景圖像自動車牌識別，其識別結果可分車牌號碼字符、車牌號碼照片、汽車違章照片分別修配存到超速違章車輛數據庫，以供事后處理；如需要，還可通過無線、有線或光纖通信網自動向高速公路收費站的違章處理服務器傳送違章車輛的車牌號碼、違章照片信息，以實時進行違章處理。軟件系統功能框圖如圖2所示。2 軟件功能實現2.1 動目標分割[1][2]理想情況下，從視頻圖像進行超速車輛檢測時，可以直接用幀間差的方法比較前后兩幀圖像，去除靜止的區域，保留運動區域，判定視場中是否存在著汽車，判定汽車的運動軌跡及速度。但是在實際的成像過程中，場景中的諸多因素，包括照明情況、場景中物體的幾體外形和物理性質（非凡是表面的反射性質）、成像系統的特性以及光源、物休和成像系統之間的空間關系等，都被綜合為單一圖像中像素點的灰度值；由于空間的強輻射、光照的變化和傳感器本身的光學特性等原因，會在每一幀圖像中產生較強的干擾和噪聲。因此，在進行圖像檢查前對圖像進行基于平均法去噪的初始背景獲得和基于Kalman濾波[3]的實時背景更新等預處理；然后采用提取函數[4]分割目標與背景。
找到匹配點后，利用兩者視差和事前標定過的視場內圖像最小分辨率所代的最小距離以及圖像采集的間隔時間，就可計算出目標速度，根據此值猜測目標新位置并判定是否超速。 2.4 字符自動識別[8]輕易知道，式中0≤Ek(ck(x,y),rk(x,y)) ≤1。用提取函數對在公路上采集到的實際運動車輛的圖像做動目標檢測，其實驗結構如圖3所示。2.2 動目標跟蹤及速度測量[5]在目標跟蹤的同時，需要判定計算目標的運動速度，所以采用特征點匹配的方法進行動目標跟蹤，以便利用特征點的視差計算車速。其要點是：在一幀圖像的活動目標窗口中選擇一組具有不變性質的特征點，與下一幀圖像中的同類特征點作匹配，從而求得視差。這就是特征點匹配的方法。
式中，i=n-2,...,n+2;j=m-2,...,m+2;m,n為窗口中心像元的行、列序列，gij為（i,j）處圖像的灰度值。然后，確定備選特征點，若像元的有利值M大于經驗閾值，則該像元為備選特征點；否則，該像元不是特征點。最后，用抑制局部非最大M值的方法，確定特征點。檢驗每個備選特征點的M值是否為一定大?。?х5，7х7，9х9）窗口內的最大值，假如在窗口內有幾個備選特征點，則取M值最大的像元作為特征點，其余均去掉。為保證匹配的正確率，采用協方差最大與差的絕對值之和最小作為雙重判據，決定匹配點的取愉快，以增強匹配結果的可靠性。
為把字符分為單個字符，以送入識別系統識別，在字符圖像二值化后，進行字符切分。利用車牌字符固定的高寬比和間距作出先驗知識，在分割前先估算出字符寬度、間距，并從圖像數值方向的投影直方圖定出字符的開始位置，切分全部字符；然后將文字外接邊框按比例線性放大或縮小為規定的32х64大小。車牌字符識別系統的要害在于字符特征的提取，也就是如何選取既輕易提取又能為識別系統提供盡可能高的模式鑒別能力、同時還要盡量少的特征維數的特征向量，它應該是最佳的樣本特征屬性的度量。由于車牌字符共有七個字符：第一位是漢字，通常代表車輛所屬省份，或是軍種、警別等有特定含義的字符簡稱；第二位為大寫的英文字符，一個圓點間隔后的第三個字符是英文字母或是數字，其余的四位為數字。車牌字符識別與一般文字識別在于它的字符數有限，漢字共約50多個，大寫英文字母26個，數字10個。為實時識別考慮，特征向量的維數可適當選擇較低的維數。系統采用投影-Fourier變換特征、網格特征和輪廓特片組成字符特征向量[9]，與模擬中的向量進行特征匹配。特征匹配選用最小距離匹配法。經大量圖像實驗，有較高的識別率。
新聞熱點
疑難解答
