基于运动图像识别的车辆检测系统设计与实现.docVIP

基于运动图像识别的车辆检测系统设计与实现 【摘要】在行车过程中，控制好本车与前方车辆的距离是一个重要课题，车距太大影响交通流量，车距太小不利安全。结合FPGA的特点，通过选择和改进图像处理算法，设计了一款基于动态图像识别的高速公路车辆检测系统。系统使用了一种快速中值滤波算法；通过提取路面数据，再在图中排除与路面数据相似的图像数据实现二值图片；利用Sobel算子对图像进行边缘增强处理；采用一种快速Hough变换实现道路的检测。经过模拟测试，系统功能与反应速度都达到了预期效果。 【关键词】FPGASobel边缘增强快速Hough变换道路识别 一、引言 随着经济的不断发展，人民生活水平的不断提高，汽车渐渐成为了人们的生活中所必需的交通工具。目前，全球汽车保有量约10亿，而且这个数据还在不断增加。如此庞大的汽车数量也使得交通事故频繁发生。据世界卫生组织统计，每年世界有120万人死在道路上，2000万到5000万人遭受非致命伤害[1]。 据统计，汽车驾驶员只要在有碰撞危险的0.5秒前得到预警，就可以避免至少60%的追尾撞车事故、30%的迎面撞车事故和50%的路面相关事故，若有1秒钟的“预警”时间，则可避免90%的事故[2]。而为了弥补驾驶员感官能力的不足，帮助驾驶员避免可能产生的交通事故，提高车辆行驶的安全性。本文开发了一款基于FPGA的车辆检测系统，它通过摄像头对汽车前方的道路情况进行检测，识别车道和前方车辆，当检测到与前方车辆有异常动作，包括车距与运动方向的快速变化，达到危险阈值时，进行预警，提醒驾驶员注意可能存在危险情况。 二、系统设计 2.1系统总体结构设计 FPGA内部由几大功能模块组成[3]，如图1所示。 采集模块负责配置解码芯片并将采集的数据存储于缓存中，因为本系统只需要灰度数据，因此在数据采集的时候，只采集YCrCb中的Y值即可；有效区域确定模块负责屏蔽掉无效区域以节省处理时间；中值滤波模块负责图像的平滑处理；路面数据提取与二值化模块负责统计路面数据信息并以此为依据进行二值化处理；sobel边缘检测模块负责将二值化后的图像边缘显现出来；车辆检测模块负责车道检测与车辆检测；数据处理与报警模块负责确定是否报警并发出报警信号。 2.2图像处理功能实现 这些功能模块用硬件描述语言在FPGA内得以实现。 2.2.1中值滤波模块 中值滤波的思想是将像素邻域内灰度的中值代替该像素的值。这个中值的实现方法有很多种，本系统中选用一种三级排序[4][5]的方法，共使用七个排序器。其实现过程如下：滤波窗口选用的是一3*3矩阵如图2（a）所示；先对其每一行进行排序，得到每行的序列为从左到右依次从大到小如图2（b）所示；如图2（c）所示；最后将图2（c）的amax_min、amid_mid、amin_max进行排序，所得到的中间值即为矩阵中九个数据的中间值。 2.2.2路面数据提取与二值化模块 本模块分为路面数据提取、二值化两部分。 路面数据提取是对路面数据进行采样，计算出路面数据的平均值和方差。取路面样本的方法主要是在图片中取出七个64*32的小矩形。计算每一个矩形的灰度平均值和灰度方差，去掉一个最大值和一个最小值，再计算剩下的五个的灰度值的平均值m和方差δ的平均值，如图3。 （1）Hough变换。因为Hough变换查找左、右车道的方法类似，所以本文以左车道为例进行说明。为了适用FPGA的实现和提高效率，本系统选用一种快速的Hough变换实现方法[7][8]。在数据处理前，先进行滤波处理，减少一些不必要的干扰数据，再把数据输入到一多步长伪随机特征点生成器，由其抽取随机点数据。再利用Hough变换公式进行计算，得到参数，进行二次统计得到一组极大值，即为当前的车道线。（2）车道外干扰线滤波。在经过Hough变换得到车道线的直线数据后，再利用此车道线，进行排除车道外的数据，即清零两车道线外的数据。（3）车道阴影查找。经清零车道线外数据后的图像，只剩下当前车道的数据。统计每一行的连续数据点的个数，即为每行横线和长度，将它与当行车道线的宽度进行比较，大于1/3则保留。（4）车辆确认。在得到的N条可能为当前汽车障碍物的横线后，以此线宽为高确定一小区域。统计这小区域内垂直方向的像素和，得到一个数列。若能在左右两边找到两个大于高度的2/3的值，并两值相差不大，则认为此小区域内为一汽车。 因此，对于一款摄像头，按水平方面安装，我们只需要测量其盲区（上图BC‘）的长度取可知道图中任意行映射到地面时，此点到摄像头的水平距离。 而对于同一行的图像数据，其每一点像素点换算成实际距离受到摄像头本身视觉广度的影响，测量摄像头视觉广度可以读取摄像头参数，也可以用以下方法进行计算，图7为摄像头顶视光结构示意图。找一墙壁，让摄像头正对着墙壁，记录墙壁在图像中的两边缘A、B，同时测