详情

原文传递基于机器视觉的智能车位锁设计

论文题名：	基于机器视觉的智能车位锁设计
关键词：	智能车位锁;车牌识别;树莓派;MQTT协议;机器视觉
摘要：	近年来，伴随着国内人均汽车拥有量的不断提高，大部分城市都面临着车位紧缺的问题，有些城市的停车位甚至只达到其汽车保有量的1/3。在如此严峻的形势下，“停车难”问题日益突出，而由此引发的乱停车、抢占车位现象也屡见不鲜。为了有效的管理私家车位，小型车位锁应运而生。目前市面上的车位锁普遍以机械式和遥控式两类为主，仍存在手动开锁耗时耗力、遥控距离短、自动化程度低等问题。　　车牌识别技术日益成熟，算法不断更新，基于该技术的车辆管理系统被广泛运用，例如停车场、道路监控等。基于此，本文将车牌识别技术应用到车位锁（地锁）中，以实现自动开锁与上锁。但是基于深度神经网络模型等高精度的车牌识别系统往往需要占用较大设备资源，难以在车位锁等低成本的设备中运行；基于传统图像处理方法来识别车牌的算法通常存在精度低、像素分辨要求高等问题。针对上述问题，本文在研究车牌定位与字符识别等算法的基础上，建立了一种适合嵌入式硬件、均衡资源与性能的高效车牌识别模型；并将该模型与车位锁装置结合起来，设计了一种基于机器视觉的智能车位锁。　　基于上述，论文主要工作可概括为以下三个方面：　　（1）将图像分割网络引入到车牌定位算法中，设计了一种基于医学图像分割U-net网络的车牌定位模型。由于U-net网络具有结构轻量、适合任意尺寸图像、分割效果好等特点，非常适合训练车牌定位模型。故本文基于U-net网络以预处理的小样本数据集训练出高性能的定位模型，与传统图像处理定位算法比对结果表明，基于U-net网络的车牌定位准确率在复杂场景下达到了96%，远高于传统定位算法。　　（2）在系统分析车牌字符识别算法的基础上，将灰狼优化（GWO）算法引入基于支持向量机(SVM)的字符识别模型中，构建了一种GWO-SVM国产车牌字符级联识别模型。通过GWO算法优化其惩罚因子及核参数，对比分析其他主流SVM-based优化模型，该字符识别模型准确率平均提高了5%以上，并且该算法迭代快、字符识别精度高。此外，将U-net定位模型与GWO-SVM字符识别模型组合，建立了一种面向嵌入式的、高资源利用率的新型车牌识别算法UNET-GWO-SVM模型。测试结果表明，在嵌入式硬件环境下，该算法识别准确率可达94%，平均耗时控制在2s左右。　　（3）结合上述车牌识别模型，设计了一种基于机器视觉的智能车位地锁。该地锁以树莓派开发板Raspberry_Pi3B作为核心控制器，通过超声波测距模块感应车辆和摄像头采集车牌信息，然后调用UNET-GWO-SVM模型进行识别，并与绑定车牌号作比对后决定锁的开启。此外，该设备还通过4G传输模块与物联网平台建立连接，便于用户通过移动端管理车位锁，实现车位共享。为了验证车锁的性能，在校园停车场进行了实地测试。测试结果表明，在车牌匹配相似度为85%时，有效通行率为98.04%，在车牌匹配相似度为70%时的有效通行率为99.02%，达到预期效果。
作者：	丁浩
专业：	物理电子学
导师：	沈建国
授予学位：	硕士
授予学位单位：	浙江师范大学
学位年度：	2021