印度移动车辆智能收费系统研究及应用可能性分析

智能系统与应用15（2022）200099印度移动车辆智能收费系统Rajeev Kumar Chauhana，Kalpana Chauhanb，*a印度北方邦阿格拉Dayalbagh教育学院电气工程系，邮编：282005b印度哈里亚纳邦中央大学电机工程系，123031，哈里亚纳邦A R T I C L EI N FO保留字：ALPR智能收费系统LabVIEW视觉助手形态学滤波器视觉采集MyRioA B S T R A C T本文提出了一种自动收费系统，印度提出了一种有效的车牌定位方法。建立了一个数据库，并将其连接起来，以测试移动车辆的原型收费系统的性能。该数据库包括车辆数量、车主姓名、车主的唯一身份证号码、他们的手机号码和链接银行账户的余额。结果表明，在收费广场的车辆等候时间，排队长度，燃料浪费，和排泄的污染显着减少。将来，该系统可用于防盗控制。1. 介绍由于人工收费系统和他们的缓慢处理，严重的交通堵塞和收费广场的长队已经成为印度的这也是收费期间长时间等待和浪费燃料的原因日本、韩国、美国等国家都在进行这方面的研究。介绍了自动收费系统（ATCS）在减少车辆在收费广场的收费处理时间方面的重要作用车牌自动识别（ALPR）方法是基于使用各种图像处理技术读取移动汽车的车牌有唯一的身份证（即，Aadhaar卡）为印度公民。根据印度政府的政策，每个印度人都必须将他们的手机号码，银行账户和车辆与他/她的Aadhaar卡联系起来。本文提出了一种识别车主身份的方法，即识别车主的银行账户，该账户是注册的车辆牌照和关联的Aadhar卡，并自动从与Aadhar卡相似的银行账户中扣除通行费这意味着印度的每一辆车都直接或间接地与车主的银行账户相关联许多国家采用了不同的收费方法例如行程时间估计和预测（TTEP）（Chen Chen，2021&）和基于全球移动通信系统（GSM）的汽车跟踪、自动车辆识别、光镜技术等。但这里最著名的方法是电子收费（ETC）（Roth，2008，Lai等人，2021 ， Lee ， Tseng &Wang ， 2008 ， Vats ， Vats ， Vaish&Kumar ，2014，Aidwidah &Aty，2015，Holguín-Veras &Wang，2011）。挪威是世界上广泛采用这一技术的先驱。第一个ETC于1986年在卑尔根推出。在台湾，对电子收费（ETC）和人工收费（MTC）进行了比较研究（Roth，2008）。这些技术的一些好处已经在这里得到了解决。使用车牌识别软件有很多好处，但也有一些缺点。手动记录车牌号码的耗时任务可以通过自动车牌识别来消除。实际的登记号码几乎很难看到，特别是当一辆车匆匆而过。自动车牌识别系统捕捉的号码车辆的实时信息，并提供交通模式的详细图片。在许多汽车牌照自动识别系统中，都存在静止和视频画面.有些是为了在车辆加速、闯红灯或错误转弯时拍照而设计的。记录是稳定的，在各种相机的位置和角度，以及在各种天气情况。交通部门和法律顾问都可以从视频录像中受益。连续交通违规者通过车牌识别确定。该系统还有助于反应安全。检查、取证、调查和法律诉讼都是这方面的例子。自动车牌识别似乎是一个需要，无论你怎么看它。与这些一些缺点也。在某些情况下，恶劣的天气和其他绊脚石* 通讯作者。电子邮件地址：kal_2312@rediffmail.com（K.Chauhan）。https://doi.org/10.1016/j.iswa.2022.200099接收日期：2021年9月6日;接收日期：2022年6月13日;接受日期：2022年6月28日2022年7月16日在线发布2667-3053/© 2022作者。出版社：Elsevier Ltd这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。目录可在ScienceDirect智能系统及其应用杂志主页：www.journals.elsevier.com/intelligent-systems-with-applicationsR.K. Chauhan和K. Chauhan智能系统与应用15（2022）2000992可能会使自动车牌识别系统失效。当这种情况发生时，安全机制可能会被禁用，并使人工监督变得更加必要（Chauhan &Chauhan，2020年，Chauhan，Dewal &Saini，2010年，Kumar &Dewal，2010年5月，Khan。例如， 2021，Liu 等人，2020，Zhang等人，2020年）。照片和文件的保留和存储会带来一些隐私问题。人们经常担心，所有这些视频中有关某人行踪的记录它可能成为身份盗窃或恶意动机的目标另一方面，EXperts认为 LPR并没有侵犯任何人由于车牌是在公共道路上使用的，当局总是能够运行它们。而且，比起一个人执行任务，这个系统要客观得多。它会自动检查每一个车牌，不可能有任何歧视。阻碍全速电子收费的一些因素是显著的不参与，在人工车道中需要排队和无序的交通模式;追踪逃避收费者的问题;在至少一些当前（障碍物）系统中，需要将车辆限制在车道中，同时与收费装置相互作用，以及与限制结构高速碰撞的危险。这项工作的组织如下，与收费系统和支持工具有关的研究在第2中讨论，该系统是-第四节介绍了自动收费系统的结构3，第4节讨论了数字的自动提取方法。第5讨论了结果，然后在第6进行了讨论。2. 相关研究ATCS的主要功能是车辆自动识别与分类、交易处理和违章处理。第一步采用车牌自动识别方法。LABVIEW与视觉辅助和视觉采集模块一起使用，我的可重新配置的输入/输出（MyRIO）用作硬件模块。应用形态滤波器以使捕获的图像平滑，并且使用光学字符读取器（OCR）来实时读取车辆的牌照。利用MicrosoftSQLServerManagementStudio建立数据库，并利用开放数据库连接（ODBC）驱动程序将数据库连接到程序中，对原型车辆收费系统的性能进行了测试。本系统中的LABVIEW提供了用户友好的环境。快速响应和高效检测是该系统的额外优点。2.1. 自动车牌识别ALPR方法分为三个步骤：运动车辆图像采集、车牌提取和车牌识别。图像采集是第一步，并且可以以许多方式完成，例如图像采集卡可以用于将视频信号转换为数字图像，或者可以使用两个电荷耦合器件（CCD）和棱镜来开发感测系统（Naito等人，1999年，Naito等人，2000年）。感测系统可以在宽范围的照明下拍摄图像而不会模糊（Kim，Kim，Kim Kim，2000&）。车牌提取是ALPR算法的核心任务。与其他国家相比，由于缺乏车辆编号工厂的尺寸和颜色规格，印度很难，因为许多颜色都允许相同。车辆牌照可以通过使用诸如尺度形状分析的许多特征来提取（Lee，Earn&Kim，1994）。在这里，内置的实验室虚拟仪器工程工作台（LabVIEW）工具被用来将捕获的图像转换为灰度以及二进制。采用去除小目标、粒子滤波等形态学滤波方法对采集到的车牌图像进行平滑处理。形状分析可以在很大程度上消除对车牌的固定规格的要求。有些论文还进一步进行了边缘检测，但误差较大。两个神经网络滤波器也可以与后处理器一起使用，以组合滤波后的图像来提取车牌，但它需要水平地板尺寸的垂直比（Lee，Earn &Kim，1994，Hansen等人，2002年5月）。形状检测是Lab VIEW中提供的一个内置工具，用于识别图像中具有可变大小的各种形状。搜索矩形以在捕获的图像中找到车牌。此外，各种参数作为输入，如矩形的宽度和高度范围，窗口大小和行和列的步长。步长的选择是基于在每次迭代期间移动窗口中的像素数来找出矩形。采用三种滤波器对运动车辆的车牌进行识别。去除小颗粒（RSP）过滤器是低通过滤器，其根据与由称为过滤器尺寸的参数指定的宽度相比的宽度来去除小颗粒。对于给定的过滤器尺寸N，过滤器在（N-1）/2侵蚀中去除尺寸小于或等于（N-1）的所有颗粒。此外，粒子滤波用于从捕获的图像中过滤粒子。可以通过设置质心、颗粒宽度、颗粒高度、颗粒周长或颗粒面积的范围来过滤颗粒。落在范围内的粒子将被删除，其余粒子保持相同的值。均等化是车牌重组制度的第三步。均衡功能改变像素的灰度值以使它们均匀地分布在定义的范围内，即，0到255表示8位图像。它用于提高图像的对比度车牌识别可以通过许多方法来完成，如Statis-典型模 式识别（Kumar &Nataraj ，2009），模 板匹配（ Trahanias&Venetsanopoulos，2009年8月）1992年9月），神经网络识别和光学字符阅读器（OCR）。最简单有效的字符识别方法是OCR。它是将手写、打印或印刷文本机械或电子转换为机器编码文本。本文采用LabVIEW自带的OCR工具。该工具具有许多优点，如用于选择要识别的字符的阈值的选项，并且可以设置要读取的字符的宽度和高度的范围。文中给出了两个切分定理，一个是最短切分定理，适用于近距离字符的切分;另一个是Legacy自动切分定理，适用于倾斜字符的切分。ALPR方法主要在MATLAB中执行，但LabVIEW是更好的选择，因为它提供了虚拟平台和与图像处理应用程序的硬件接口的简单方法（Traha-nias &Venetsanopoulos，2009年8月- 1992年9月）。如果需要，MATLAB文件也可以嵌入。嵌入式评估板（MyRIO）可用于实时处理图像以及连接摄像头和传感器。一旦移动车辆的牌照的由于印度政府已在收费广场应用FASTag服务， 并且发明了在知道账号的情况下直接从银行账户中扣除金额的方法，因此不需要开发新的交易系统。3. 系统配置自动收费系统的原型由车辆检测器、摄像头、MyRIO、计算机和车辆屏障系统组成。车辆检测器安装在离障碍物所需距离处。当车辆到达所需位置时，它会生成一个信号，并将信号发送到MyRIO以激活摄像头。一旦相机被激活，它会调整亮度，然后捕捉移动车辆的图片。这里一个简单的相机（笔记本电脑网络摄像头）是捕捉图片，但高速相机，可以捕捉更好的质量在1ms的间隔图片。拍摄的车辆图像将传输到MyRIO。这执行用于从所捕获的图像提取车牌的程序。此外，它还对捕获的图像进行实时处理，以从车牌中提取它是美国国家仪器公司生产的实时嵌入式评估板.它用于开发利用其板载FPGA的应用程序，R.K. Chauhan和K. Chauhan智能系统与应用15（2022）2000993k=0=∑-n（T）=p（i）（7）BBI=TO之间内内N表1MyRIO的规格详情规格处理器Xilinx Z-7010处理器667 MHz（ARM cortex A9× 2核28 nm工艺NEON SIMD，VFPv 3矢量浮点），FPGAP1（l）实际上是图像中 PIXEL值l的直方图对应于 Pl的累积分布函数（CDF）可以定义为：cdfi（l）=∑iPi（k）（ 2）内存NV：256 MB，DDR3 512 MB，533 MHz，16位无线IEEE 802.11 b，g，n ISM 2.4 GHz USB端口2.0高速Board Breakout板支架端口16个数字I/O线I/O端口2微处理自动收费系统中使用的MyRIO规格见表1。一个字符串输出是由许可车辆的号码。MyRIO将提取的号码传输到服务器。自动收费系统的软件分析使用基于Intel®、CoreTM i5-3320 M CPU 2.6 GHz，4 GB RAM，Microsoft Windows 7专业版64位操作系统。本文采用笔记本电脑作为服务器。提取数字的字符串与数据库中存储的数字匹配。一旦提取的移动车辆的车牌字符串与存储的数据相匹配，则意味着已经识别出相应车辆的所有者。因此，产生控制信号以检测来自车主的银行帐户的通行费金额。此外，还向车辆的所有者发送消息。此外，如果车主的银行账户中没有足够的余额，则将向控制室以及车主发送消息以手动支付通行费金额。另一方面，如果所提取的移动车辆的车牌的字符串与所存储的数据不匹配，则意味着该车辆没有具有平坦直方图的新图像{j}可以通过创建形式j H（i）的变换来产生。这样的图像将具有跨值范围的线性化累积分布函数（CDF），即，cdfj（l）=lα（3）对于常数α。CDF的属性允许我们执行这样的转换;它被定义为：cdfj（j′）=cdfj（H（m））=cdfi（m）（4）其中m在范围[0，L]中。请注意，T将水平映射到范围[0，1]，因为我们使用了{i}的归一化直方图。要将值映射回其原始范围，需要对结果应用j′=j（max{X}-min{X}）+min{X}（5）现在，将阈值应用于图像以将其转换为二进制形式。为此，使用Otsu阈值的取值方式是覆盖整个车牌。Otsu的方法设置了阈值，使得每个聚类太紧，以最小化它们的重叠。这不是改变分布，而是试图调整将它们分开的位置（阈值）。目标是选择阈值以最小化组合价差。内方差可以计算为：被注册。然后一条信息也会被发送到控制室σ2（T）=nB（T）σ2（T）+nO（T）σ2（T）（6）以人手缴付隧道费4. 车牌号码提取自动收费算法分两部分执行在MyRIO上实时处理移动车辆牌照号码的查找部分该计划有以下步骤：图像的捕获，图像处理，应用OCR识别用户和从他们的银行账户扣除通行费金额运动车辆的图像几乎一直由固定距离的摄像机捕捉。该相机可在中午到晚上的各种光照下拍摄清晰的然后将图像转移到在B O其中，nB（T）是图像中背景像素XEL的总数，并且可以计算为：T1i=0而n_0（T）是图像中的前景像素xel的总数，并且可以计算为：nO（T）=∑N-1p（i）（8）σ2（T）是图像中背景（低于阈值）中像素σ2（T）是图中像素的方差[0，N-1 ]是图像中的前景（高于阈值），[0，N-1 ]是强度级别的范围。到MyRIO进行处理。各种图像处理技术到 得到 的 类间方差（σ2（T）），类内用于提取车牌 最初，方差（σ2（T））已从总方差中减去通过从RGB（红、绿、蓝）或HSL（色调、饱和度、亮度）平面中选择任何一个平面来将灰度转换为灰度形式，以减少灰度值。（σ2（T））。内存消耗和提高处理速度。假设车辆位于图像的中心，因此进行图像掩蔽以2之间（T）=σ2-σ2（T）（9）避免图像中不必要的部分查找表均衡2之间（T）= n B（T）|μ B（T）-μ|2-n O（T）[μ O（T）-μ]2（10）该方法进一步提高了图像的对比度，得到了较好的阈值。4.1. 门限均衡设{X}为离散灰度图像，灰度级l的出现次数为Nl。图像中级别1的像素el的出现概率可以表示为（Bassiou &Kotropoulos，Jul.八月 2007，Han，Yang &Lee，2011年2月，Saini，Dewal &Rohit，2010年10月30日）：Pi（1）=P（i=1）=N1;0≤1L（1）

下载后可阅读完整内容，剩余1页未读，立即下载