本文摘要:摘要:為提高施工現場渣土車的監管效率,減少渣土車對城市安全及環境的影響,以圖像識別技術為核心支撐,設計了渣土車智能監管系統的結構、功能及運行流程,并對運行效果進行了測試。研究和測試表明:(1)該系統主要由圖像采集裝置、圖像處理及分析裝置、聲光報
摘要:為提高施工現場渣土車的監管效率,減少渣土車對城市安全及環境的影響,以圖像識別技術為核心支撐,設計了渣土車智能監管系統的結構、功能及運行流程,并對運行效果進行了測試。研究和測試表明:(1)該系統主要由圖像采集裝置、圖像處理及分析裝置、聲光報警器以及進出放行設備組成,其核心是利用模板匹配和改進的直線檢測算法對渣土車的車牌特征、顏色特征和幾何特征進行感知;(2)該系統可實現渣土車進出場權限的智能化管理、車身污跡的快速化檢測以及裝載情況的自動化監督;(3)與傳統的人工監管方式相比,該系統可以有效提高施工現場渣土車的監管效率,減少人工量和主觀性的影響,具有標準化程度高,經濟性好等優勢,能夠滿足實際運用和推廣使用的需要。
關鍵詞:施工管理;渣土車監管;圖像識別;系統設計
目前,中國渣土車的數量隨著城市化建設的不斷推進在大幅度增加,其在發揮作用的同時,車身污跡斑駁、裝載超限及遺撒泄漏等問題也開始頻發。這些問題不僅破壞了市政道路,也污染了城市環境,甚至會威脅著交通安全以及影響人們的正常生活,是目前存在的城市頑疾。但是,現有的監管手段主要利用導航、定位與通信等技術來實時監控運輸途中渣土車的行駛速度和軌跡等參數,如基于物聯網技術的渣土車環保運輸智能監控裝置[1]和基于北斗導航技術的城市渣土車智能管控系統[2],對于上述的頻發問題卻并沒有合適的監管手段。在施工現場,也僅僅是依靠人工目測的方式來進行監管。監管手段較為傳統單
一,效率低下,亟待優化升級。
與此同時,以圖像識別為代表的人工智能技術逐漸發展成熟,已被廣泛應用于農作物檢測[3]、人臉識別[4]、車輛識別[5]等領域。隨著我國建筑業管理效率低下、信息化程度落后等問題的日益凸顯,人工智能技術與建筑業也開始了加速融合,其信息化建設不斷深入并趨向具體工程項目的應用,“智慧工地”應運而生。例如,在施工安全管理方面,已有研究利用方向梯度直方圖來監測施工防護柵欄的異常[6];或利用圖像識別技術來對建筑工人的不安全行為[7]及安全裝備[8]進行實時監測與檢查。在施工質量管理方面,已有研究利用圖像識別技術來實時監測施工質量[9]以及識別建筑缺陷[10]。這些技術應用都為解決渣土車監管問題帶來了一定的借鑒意義,但是考慮到施工現場的復雜環境,在技術的直接應用及算法的優化等方面仍需進一步改進。
綜上,本文針對渣土車一系列的頻發問題以及現有監管手段的局限性,提出了一種基于圖像識別的渣土車車容車貌智能監管系統。該系統可以根據渣土車車身污跡的顏色特征和裝載情況的幾何特征,實現對車身污跡的快速化檢測及裝載情況的自動化監督,并通過車牌識別對渣土車的進出場權限進行智能化管理,具有傳統方式無法比擬的優勢和重要的現實意義。
1渣土車智能監管系統需求分析
現有手段已經在監管渣土車行駛速度、行駛軌跡等方面取得了比較好的效果,但是由于大部分渣土車司機“多裝多賺”的僥幸心理并沒有改變,仍然存在著以下不足之處:(1)車身污跡超標。很多渣土車在施工現場的清洗不到位,出場上路后車身污跡斑駁,嚴重影響了市容市貌。(2)超載情況嚴重。由于渣土車載重量大,在運輸途中,不僅會將路面碾壓得坑洼不平,甚至會引起路邊房屋的震動,嚴重影響了城市的交通運行和居民的正常生活。(3)泄漏遺撒嚴重。渣土車裝運的物品主要以沙石、渣土為主,行駛過程中易散落在路面上,成為揚塵的主要來源,既破壞了城市環境又妨礙了人們的正常出行。為改善相關問題,本文在結合施工現場的實際情況及現有手段不足的基礎上,進行需求分析。
2渣土車智能監管系統架構設計
2.1系統硬件構成與功能
該系統主要由圖像采集裝置、圖像處理及分析裝置、聲光報警器及進出放行設備構成。其中,圖像采集裝置由架設在洗車槽區域上方的高清攝像頭組成,進出放行設備由放行桿和道閘機組成。
3核心方法
3.1基于車牌特征的進出場權限管理方法
不同于人工目測、記錄的方式,本方法以渣土車車牌檢測及識別為核心,實現渣土車進出場權限的智能化、信息化管理。具體識別步驟和處理過程如下:(1)傾斜校正由于采集的車牌圖像可能存在傾斜,容易降低權限判定的準確性。考慮到Radon變換法依賴性較小,本系統采用Radon變換法來實現傾斜校正處理。該算法是將數字圖像矩陣在某一指定角度射線方向上做投影變換,它可以在任意維空間定義[11]。
3.2基于顏色特征的車身污跡檢測方法
考慮到渣土車車身四周可能會存在大小不均的土壤塊,本系統利用土壤的顏色特征,通過一種基于顏色相似度的模板匹配方法來對車身污跡進行檢測及判定。相對于其他的特征,顏色特征對于平移和尺度變化的影響不敏感。此方法的核心是計算采集的圖像與預先設定的模板圖像上R,G,B三個顏色分量上的直方圖距離或交集來判斷它們之間的相似度,得到相關系數,根據系數與閾值的比對來判斷渣土車車身污跡是否超標。
3.3基于幾何特征的裝載情況監督方法
目前渣土車主要有篷布遮蓋、擋土板遮蓋兩種類型。相較于篷布遮蓋類型,擋土板遮蓋類型的渣土車是目前裝載超限、遺撒揚塵等頻發問題的主要來源。針對這種類型的渣土車,本系統采用了一種改進后的直線檢測算法的渣土裝載情況監督方法。該方法的核心是檢測并計算擋土板與車身側面的高度之比,并依據計算結果判定渣土裝載是否超標,最終實現渣土裝載情況的自動化監督。
具體步驟如下:(1)邊緣檢測在經典的邊緣檢測方法中,常用的一階微分算子有Prewwits算子、Log算子、Roberts算子、So ̄bel算子等。由于Log算子易產生雙邊界,Sobel算子易形成不閉合區域[14]。因此,本方法采用Canny算子來進行邊緣檢測,得到渣土車車身側面圖像的輪廓特征。(2)形態學處理為了濾除較多的干擾邊緣,還需對邊緣檢測后的圖像進行形態學處理。在閉運算處理后,通過面積濾波,根據二值圖中連通域的面積濾除選定閾值范圍之外的連通區域,將非邊緣部分盡可能過濾掉。
4討論
根據系統在施工現場的測試結果,分析系統運行過程中的主要影響因素,進一步完善本系統。
(1)識別準確度影響因素及對策分析測試中,如進出場權限判定結果,可以發現渣土車分布不均的污跡是影響識別準確度的關鍵因素。污跡不僅會對進出場權限判定中的車牌識別帶來影響,也會對裝載情況的監督帶來很大的干擾。對此,在系統后續的完善過程中,可以考慮通過RGB顏色空間,設定閾值,把與裸土顏色相同的像素點過濾掉后再進行識別,如果仍然無法識別則進行人工復核,并重新清洗。此外,測試還發現光線的強弱不一致會導致圖像明暗問題,繼而對圖像采集的準確性帶來一定的影響。對此,在采集圖像時,需考慮天氣的影響,避免因光線強弱導致的圖像明暗不一致。在圖像處理完成后,應加強人工復核,減少錯誤。
(2)運行效率影響因素及對策分析通過現場測試可以發現,平均進出場權限判定處理時間為4.69s,平均車身污跡檢測結果處理時間為4.32s,平均裝載情況監督處理時間為4.35s。通過對圖像質量進行分析,發現采集的圖像過大是影響圖像處理時間的最主要因素。此外,施工現場的復雜環境,如噪聲大、揚塵多等問題,也會對系統的運行效率帶來一定的影響。目前,系統的運行效率可以滿足施工現場的基本需求,在后續的優化完善過程中,可以考慮通過調整施工現場攝像頭的架設位置以及利用圖像分割算法來對采集的圖像進行進一步的處理,從而提高系統運行的整體效率。
5結論
本研究以圖像識別技術為核心,設計并測試了一種渣土車智能監管系統。該系統主要采用了3種方法:(1)基于車牌特征的進出場權限管理方法;(2)基于顏色特征的車身污跡檢測方法;(3)基于幾何特征的裝載情況監督方法。經測試,系統進出場權限判定平均正確率達83.33%,車身污跡檢測結果平均正確率達91.67%,裝載情況監督平均正確率達86.67%,監管效率和準確度較高,可基本滿足實際需求。
通過這3種方法,該系統不僅可以實現施工現場渣土車車身污跡的快速化檢測以及渣土裝載情況的自動化監督,還可以對渣土車的進出場權限做到智能化管理。相較于傳統的人工目視監督方法,該系統減少了人工量和主觀性的影響,具有操作便捷、實用性強、標準化、效率高等優勢。同時,該系統對于城市管理中的車輛監管也有一定的借鑒意義。未來,將通過優化車身污跡檢測和裝載情況監督算法、進行有效的人工復核和輔助測量來提高渣土車監管的準確性。考慮到施工現場的復雜環境,在后續的研究中,需對渣土車進行多角度分析,完善本系統。
圖像方向期刊投稿知識:圖像方面如何發表ei會議論文
很多圖像方向從業人員是要發表ei會議論文的,但是他們對如何發表并不是很清楚,ei會議論文屬于較高水平,作者在發表前也是需要多參加一些國際學術會議,多積累相關的經驗,在投稿時也需要看清楚是發表的全文檢索還是摘要檢索。
轉載請注明來自發表學術論文網:http://www.zpfmc.com/dzlw/21998.html