基于边缘计算的电子车牌与交通感应网协同环境构建.docx

??

?

??

基于边缘计算的电子车牌与交通感应网协同环境构建

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

摘要：目前，随着社会的发展，而我国的现代化建设的发展也有了很大的创新。电子车牌的推广和实施对实现城市交通的精细化管理、提升道路通行效率、减少拥堵有着重要的意义。本文为解决电子车牌数据的采集精度和数据的传输效率问题，对电子车牌的数据采集端提出了优化的采集模型；结合电子车牌系统和电子车牌感应器形成的无线传感网，构建电子车牌与交通感应网的协同环境；综合考虑网络的计算能力、传输效率，将边缘计算概念引入到协同环境构建中，加入边缘计算节点和边缘数据中心，构建了多层次的协同环境体系架构并设计了工作流程，为电子车牌大规模应用研究及相关系统平台的建设提供借鉴作用。

关键词：边缘计算；电子车牌；交通感应网；协同环境构建

引言

近年来国家积极推进智慧城市、智慧交通发展，随着射频识别技术的不断成熟，基于射频识别技术的汽车电子标识（电子车牌）应用受到各地高度关注。为加快工作推进和统一标准，公安部牵头制定汽车电子标识国家标准，并设立应用试点城市。目前汽车电子标识国家标准已经确定，各硬件厂商已有对应的成型产品，应用集成厂商也在进行行业布局。但由于相关标准刚刚出台，目前行业应用主要集中在行业监管和数据采集分析，还没有形成典型示范应用。随着试点逐渐铺开和配套政策法规的完善，汽车电子标识将会对道路交通管理产生巨大影响。本文将从电子车牌行业发展和技术实现方面进行探讨，最后展望未来的应用。

1基于边缘跳变和投影的车牌定位

首先对预处理图像进行边缘检测，得到二值边缘图像；设定边缘跳变次数阈值，确定车牌所在的可能水平条形区域；通过垂直投影，利用车牌区域波峰—波谷—波峰密集特点定位车牌左右边界，得到车牌区域；若存在多个候选车牌，依据形状特征进行剔除，最后对车牌区域修正处理。

其中灰度化可以看做图像的预处理步骤。主要考虑到现有系统所获取的图像有大量都是彩色的，如果直接对彩色图像进行处理会增加计算量，因此本文的车牌定位方法只利用图像的灰度信息，因此首先需要将彩色图像转化为灰度图像。

1.1车牌图像边缘检测本文主要采用基于边缘跳变数的水平区域定位方法。首先采用LoG边缘检测器对灰度图像进行边缘检测，得到的边缘图像具有较为闭合的、连通的轮廓。检测过程中，孤立的噪声点和一些较小的结构组织将被滤除。边缘检测后，再去除图像中面积小于指定像素数的连通对象就可以进一步的去除一些杂乱边缘。这一过程可能删除字符的一些笔画信息，但基本上不影响后续步骤的进行。

1.2基于边缘跳变的水平定位去除杂乱边缘后，我们就可以统计边缘的跳变次数λ。若任意左右两像素点值edge（i）、edge（i+1）（非1即0）不同则加1；相同则不变。可依据公式（1）计算某一行的边缘跳变次数：对于我国现行的标准车牌而言，车牌区域共有七个标准字符，字符之间存在间隔，车牌字符边缘检测后会产生0-1跳变，特征量的取值范围可按下述方法得到：①下限的设定：可以考虑极端的情况，即车牌号码五个数字都为“11111”，则其边缘变化频率为10，汉字和字母某一行都为单笔划时，变化的频率最小且为4（如“京”“I”的最顶行），因而变化频率的最小值应为14，考虑到车牌两侧干扰的存在，可设下限15；②上限的设定：也可考虑极端情形，车牌号的五个数字两次经过某一行（如“88888”中的上下半部分）时，其边缘变化的频率最大且为20。当字母为“M或W”时，字母四次经过某一行，其边缘变化的频率最大且为8，当汉字为“藏”字时，扫描线经过该字时变化频率最大为12，同时考虑干扰的情况，可设此特征量上限为50。

设置一个阈值N来统计边缘图像包含的边缘信息是否丰富。往往由于车牌区域笔画信息较多，边缘信息也最为丰富，通过阈值N可以确定车牌所在的水平条形区域。具体为对边缘检测后的图像逐行扫描，当跳变次数大于上述阈值N时，保存其位置。扫描结束后，对至少连续M行跳变次数都大于阈值N，则认为该区域可能存在车牌，保存起始位置，得到水平区域。反复搜索，直至结束。

2RFID技术在电子车牌中的应用分析。电子牌照

可存储大量数据(包括车辆信息：牌照信息，购置年份，车辆的许可证发放时间，车辆型号，公司名称，地址，电话号码，驾驶执照号码，违法记录，车辆照片等信息)，并通过数字防伪技术等方式加密和保存，从而最大限度的实现信息的保密性和独特性，能够通过阅读器和天线进行远程识别，对车辆进行全方位全天候的检查、控制和管理。1、特种车辆管理。特种车辆一般是指两客一危车辆，以及工程车辆等。这类车辆是交管部门的重点监管对象，尤其是危险品运输车辆，由于其危险性，交管部门一般会为其指定行驶路线及规定上路时间，对于这几类车辆的监管，以前一般是进行车辆登记、开具通行