基于图像识别和神经网络算法的智能交通控制系统技术方案

本发明专利技术公开了基于图像识别和神经网络算法的智能交通控制系统，属于智能交通管理技术领域。监测中心，监测中心作为系统的数据处理中心，实现对违章车辆图像的存储、分析、打印以及违章车牌的数据库管理；站点，各监测站点作为整个网络结构上的从站，实现对本路口车辆的监测和分析，同时它能根据监测中心的指令，将所需的图像信息传递给处理中心；摄像机，每个路口另需一台全景摄像机来监测违章车辆的位鬣，每个车道需要一个高分辨率的ＣＣＤ摄像头监测违章车辆的牌照，如果有两个车道则需两个摄像头来监测路口。本发明专利技术结构简单、使用方便，实用性强，适合推广使用。

【技术实现步骤摘要】
基于图像识别和神经网络算法的智能交通控制系统
本专利技术涉及智能交通管理
，尤其涉及基于图像识别和神经网络算法的智能交通控制系统。
技术介绍
中国是一个发展中国家，伴随着经济的发展，城市化、汽车化进程加快，目前我国城市化水平和汽车化水平都远远不如工业化国家，但大城市交通拥堵以及能源、环境问题已相当严重，主要原因是我国道路基础设施同发达国家相比差距甚远，加上混合交通特点及交通管理科学化水平不高，另外交通运输体系与结构也与发达国家不同，因此发展我国的智能交通系统要结合中国的实际。智能交通系统又称智能运输系统，是将先进的科学技术（信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等）有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。但，一般的智能交通控制系统在交通使用时存在较多的缺陷，现有的智能交通控制系统因其设计不合理，并不能及时的反馈路面交通情况，且工作灵活性较差，有时会给路面的车辆行驶带来不便。因此，针对上述问题提出基于图像识别和神经网络算法的智能交通控制系统。
技术实现思路
本专利技术的目的就在于为了解决上述智能交通系统工作灵活性差，且不便于交通智能管理的问题而提供基于图像识别和神经网络算法的智能交通控制系统，具有网络化管理的优点。为实现上述目的，本专利技术采用如下技术方案：基于图像识别和神经网络算法的智能交通控制系统，包括监测中心，监测中心作为系统的数据处理中心，实现对违章车辆图像的存储、分析、打印以及违章车牌的数据库管理；站点，各监测站点作为整个网络结构上的从站，实现对本路口车辆的监测和分析，同时它能根据监测中心的指令，将所需的图像信息传递给处理中心；摄像机，每个路口另需一台全景摄像机来监测违章车辆的位鬣，每个车道需要一个高分辨率的ＣＣＤ摄像头监测违章车辆的牌照，如果有两个车道则需两个摄像头来监测路口。进一步的技术方案，所述监测中心硬件设备是由一台高性能的微机、一台高分辨率的彩色打印机以及网络设备组成的。所述监测中心、所述站点、所述摄像机之间通过无线网络连接，且无线网络的通讯采取公用电话网。所述所述检测中心中的模式识别系统由数据获取、预处理、特征提取和选择、决策分类组成，且模式识别的方法为神经网络模式识别。所述监测中心还包括车牌自动识别系统，车辆牌照识别技术用于道路交通流监控、交通事故现场勘查、交通违章自动纪录、高速公路自动收费系统、停车场自动安全管理。所述监测中心中车牌自动识别系统的车牌提取方法为基于神经网络的车牌提取。所述基于神经网络的车牌提取的步骤为先收集一定数量的车牌样本，用ＢＰ算法对其进行训练，达到一定正确率后，训练结束，得到一个对牌照敏感的神经网络，提取牌照时，对输入图像进行预处理，然后利用训练出的神经网络来搜索车牌。有益效果本专利技术与现有技术相比，具有如下显著优点：1、本专利技术的系统对违章车辆记录车尾的图像以用于车牌号码的自动识别；系统采用车辆的远景图像进行运动检测判定，近景图主要用于记录车牌信息，完全可以满足系统的实时性要求，且应用的神经网络分类器是一种智能化模式识别系统，可增强系统的学习能力、自适应能力和容错性，具有很强的发展应用前景。2、本专利技术系统并不需要对车牌号码进行实时识别，故而在获取违章车辆的近景图像后，决定采用模板匹配的方法实现车牌号码的自动识别。3、本专利技术系统结构简单、使用方便，实用性强，适合推广使用。附图说明图1为本专利技术系统结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参阅图1所示，基于图像识别和神经网络算法的智能交通控制系统，包括监测中心，监测中心作为系统的数据处理中心，实现对违章车辆图像的存储、分析、打印以及违章车牌的数据库管理；站点，各监测站点作为整个网络结构上的从站，实现对本路口车辆的监测和分析，同时它能根据监测中心的指令，将所需的图像信息传递给处理中心；摄像机，每个路口另需一台全景摄像机来监测违章车辆的位鬣，每个车道需要一个高分辨率的ＣＣＤ摄像头监测违章车辆的牌照，如果有两个车道则需两个摄像头来监测路口。所述监测中心硬件设备是由一台高性能的微机、一台高分辨率的彩色打印机以及网络设备组成的。所述监测中心、所述站点、所述摄像机之间通过无线网络连接，且无线网络的通讯采取公用电话网。所述所述检测中心中的模式识别系统由数据获取、预处理、特征提取和选择、决策分类组成，且模式识别的方法为神经网络模式识别。所述监测中心还包括车牌自动识别系统，车辆牌照识别技术用于道路交通流监控、交通事故现场勘查、交通违章自动纪录、高速公路自动收费系统、停车场自动安全管理。所述监测中心中车牌自动识别系统的车牌提取方法为基于神经网络的车牌提取。所述基于神经网络的车牌提取的步骤为先收集一定数量的车牌样本，用ＢＰ算法对其进行训练，达到一定正确率后，训练结束，得到一个对牌照敏感的神经网络，提取牌照时，对输入图像进行预处理，然后利用训练出的神经网络来搜索车牌。本专利技术在使用时，图像序列自动进行运动检测，一旦发现图像中有满足条件的违章车辆出现时，就发出信号并对根据实际需要对违章车辆的图像及时存储并记录当前时刻以备将来的查询。此外，系统配有存储模块，通过全景摄像机可对监控场景图像数据进行连续存储。当记录了违章车辆图像以后，就给车牌号码自动识别子系统提供了待检测的图像。通过对图像中的车牌的预处理、定位、分割，最终识别出违章车辆的车牌号码。对于本领域技术人员而言，显然本专利技术不限于上述示范性实施例的细节，而且在不背离本专利技术的精神或基本特征的情况下，能够以其他的具体形式实现本专利技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本专利技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本专利技术内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。本文档来自技高网...

【技术保护点】
1.基于图像识别和神经网络算法的智能交通控制系统，其特征在于：包括监测中心，监测中心作为系统的数据处理中心，实现对违章车辆图像的存储、分析、打印以及违章车牌的数据库管理；站点，各监测站点作为整个网络结构上的从站，实现对本路口车辆的监测和分析，同时它能根据监测中心的指令，将所需的图像信息传递给处理中心；摄像机， 每个路口另需一台全景摄像机来监测违章车辆的位鬣， 每个车道需要一个高分辨率的ＣＣＤ摄像头监测违章车辆的牌照，如果有两个车道则需两个摄像头来监测路口。

【技术特征摘要】
1.基于图像识别和神经网络算法的智能交通控制系统，其特征在于：包括监测中心，监测中心作为系统的数据处理中心，实现对违章车辆图像的存储、分析、打印以及违章车牌的数据库管理；站点，各监测站点作为整个网络结构上的从站，实现对本路口车辆的监测和分析，同时它能根据监测中心的指令，将所需的图像信息传递给处理中心；摄像机，每个路口另需一台全景摄像机来监测违章车辆的位鬣，每个车道需要一个高分辨率的ＣＣＤ摄像头监测违章车辆的牌照，如果有两个车道则需两个摄像头来监测路口。2.根据权利要求1所述的基于图像识别和神经网络算法的智能交通控制系统，其特征在于：所述监测中心硬件设备是由一台高性能的微机、一台高分辨率的彩色打印机以及网络设备组成的。3.根据权利要求1所述的基于图像识别和神经网络算法的智能交通控制系统，其特征在于：所述监测中心、所述站点、所述摄像机之间通过无线网络连接，且无线网络的通讯采取公用电话网。4.根据权利要求1所述的基于图像识别和神经...

【专利技术属性】
技术研发人员：徐芳，
申请(专利权)人：合肥米佑信息技术有限公司，
类型：发明
国别省市：安徽,34