小型無人機交通輔助系統

　　摘要：本系統用來輔助交通管理，對過往車輛進行車牌識別，發現有在逃車輛的車牌號碼時自動進入無人機控制模式，利用無人機對目標車輛進行跟蹤，并反饋目標位置、速度信息，進行更好的管理和攔截。以Intel的手機平臺為系統核心，采用OpenCV進行圖像處理，利用人工神經網絡的方法進行自動車牌識別，提供語音識別遙控以及按鈕遙控無人機的功能，充分發揮Intel手機平臺的運算性能，協助交通警察監管交通狀況。

　　車輛的日益增多，為道路交通以及交通管理都帶來了很大壓力，同時車輛違章、逃逸的數量也迅速增加，為了減輕交通管理的壓力，提高道路交通秩序，我們設計了本系統。為了簡單清楚的明白這個系統的功能，我們設想這樣一個場景：在某條公路邊警車內的交警接到通知，要注意是否有一輛車牌號XXX的車輛經過，如果發現則保持跟蹤。這時候，值勤交警開啟了道路監控攝像頭的自動車牌識別功能，對來往車輛進行辨識，過了沒多久，系統提醒，發現目標，緊接著進入跟蹤模式，如果交警不能離開當前執勤位置，那么他可以通過手動控制或者語音控制無人機，進行逃逸車輛的跟蹤，無人機的位置可以認為是逃逸車輛的位置，這樣指揮部可以迅速調動合適的警力在目標行進的路線上進行攔截。系統流程圖如圖1。

　　1 自動車牌識別

　　自動車牌識別(Automatic Number Plate Recognition, ANPR)首先利用圖像處理技術提取出一個或者若干疑似車牌區域，然后通過SVM(Support Vector Machine支持向量機)來區分出這些區域哪一個才是真正的車牌，或者都不是車牌，如果有一個區域是車牌所在位置，則接著通過OCR(Optical Character Recognition光學字符識別)技術來識別出具體的車牌號碼，整體流程如圖2。

　　SVM是一種監督式學習的方法，可廣泛用于統計分類以及回歸分析。它屬于一般化線性分類器，完成的功能就是判斷一個區域是或者不是車牌。本項目中需要先對SVM 和OCR的人工神經網絡進行訓練，OCR的人工神經網絡采用三層每層15個節點。利用一共1200張136x36的圖片訓練SVM，利用860張20x20的圖片訓練OCR的人工神經網絡，暫時沒有訓練漢字的OCR人工神經網絡，識別后的效果如圖3所示。

　　開發環境是Intel Core i5-3570 + 8GB DDR3 RAM + 500GB 硬盤 + Ubuntu12.04 64bit + OpenCV2.4.9。

　　將算法通過OpenCV4Android移植到Android平臺上進行實際測試，得益于Intel medfield 的1.6GHz的高性能CPU，運行的結果跟臺式機開發過程中的效果非常接近，采用Intel核心的Android手機可以使用ICC(Intel C++ compiler) for Android 進行優化，充分利用Intel CPU的多媒體指令集，發揮核心最強的運算能力，提高應用程序的運行速度。通過Intel System Studio工具可以快速的發現程序中運行耗時最多的若干位置，并針對性地進行優化。