基于車載嵌入式系統(tǒng)和云計算的道路監(jiān)控系統(tǒng)設(shè)計

劉賽

摘要：本文介紹了一種全新的道路監(jiān)控系統(tǒng)，并展示了其實(shí)驗(yàn)室模型。該設(shè)計運(yùn)用嵌入式電子系統(tǒng)，傳感器以及混合通信和計算機(jī)等相關(guān)技術(shù)，并結(jié)合監(jiān)控系統(tǒng)特別的需求進(jìn)行了相應(yīng)改進(jìn)。值得注意的是，文中已經(jīng)初步實(shí)現(xiàn)了一種可以幫助警方鎖定目標(biāo)嫌疑人和目標(biāo)車輛的應(yīng)用。實(shí)驗(yàn)結(jié)果也給下一代車載嵌入式系統(tǒng)提供了方向，并展示了用戶參與式道路監(jiān)控系統(tǒng)的潛在價值。

關(guān)鍵詞：傳感器網(wǎng)絡(luò)；道路監(jiān)控系統(tǒng)；圖像識別；車載嵌入式系統(tǒng)

一、概述

如今，數(shù)量眾多的車輛都嵌入了GPS。作為車載模塊，GPS可以相對有效地儲存一些靜態(tài)興趣點(diǎn)（static Points Of Interest）的位置信息（如家庭，公司和商場信息等等）。然而， GPS還不能獲得更多的信息用來判定一些動態(tài)興趣點(diǎn)（dynamical Points Of Interest）的位置信息（如動態(tài)的車輛信息，路人信息或動態(tài)的車位空閑狀態(tài)信息）[1]。

隨著嵌入式技術(shù)的發(fā)展，越來越多的感知模塊也被嵌入到車輛當(dāng)中，用以輔助提升整車的智能化[2]。

我們可以將車輛的GPS模塊和攝像模塊進(jìn)行整合再開發(fā)，用以偵測動態(tài)的興趣點(diǎn)。更進(jìn)一步的，借助諸如車載自組網(wǎng)等類似技術(shù)，將分散用戶采集的數(shù)據(jù)快速有效收集至云端處理，進(jìn)而分析得出實(shí)時的空閑車位，事故狀況等詳細(xì)信息可以被共享給更多用戶[3][4][5]。

二、理論設(shè)計

首先，裝備了車載攝像系統(tǒng)的車輛負(fù)責(zé)采集原始圖像，并搜尋最佳的數(shù)據(jù)鏈路將圖像數(shù)據(jù)傳送至路邊基站（RSU： Road Side Unit）。圖像信息再由RSU轉(zhuǎn)送至云服務(wù)器（CCS： Cloud Computing System）。根據(jù)客戶不同的需求，實(shí)時的圖像可以被分類解析出不同的結(jié)果，以滿足不同的需求[6]。

如下圖所示，系統(tǒng)可用于尋找可用的空閑車位。

圖1尋找可用車位

車輛巡弋道路的同時，通過攝像模塊捕捉街景用以搜尋可用的空閑停車位（圖中扇形探索區(qū)域），通過GPS模塊采集地理位置等相關(guān)信息。這些圖像信息經(jīng)由RSU被上傳至CCS，云端程序?qū)D像進(jìn)行分析，并據(jù)此更新數(shù)據(jù)庫中可用空閑車位的時間和位置。

在客戶端，那些激活車位搜尋功能的車輛可以接收到實(shí)時的信息，并由系統(tǒng)引導(dǎo)至可用的停車位。

三、系統(tǒng)實(shí)現(xiàn)

為協(xié)助客戶搜尋目標(biāo)車輛和目標(biāo)人物，圖2描述了數(shù)據(jù)傳輸和數(shù)據(jù)分析的過程：車載端完成對圖像的實(shí)時采集、地理坐標(biāo)的標(biāo)注和圖像的加密壓縮；路邊基站RSU接收車載端的數(shù)據(jù)，并將這些數(shù)據(jù)合理上傳至CCS；在CCS中，數(shù)據(jù)首先需要被解密解壓，而后車牌的識別，人臉的識別等相關(guān)算法可以對數(shù)據(jù)進(jìn)行處理分析，再由各自動化腳本對處理所得的結(jié)果，進(jìn)行數(shù)據(jù)比對和數(shù)據(jù)庫更新的工作。

圖2數(shù)據(jù)傳輸、數(shù)據(jù)分析

如圖3所示，整個車載端模型以Raspberry Pi微處理器為中心，擴(kuò)展以攝像模塊進(jìn)行圖像采集，GPS模塊地理位置采集，以及電源、網(wǎng)卡等其他模塊。

圖3模型前視圖

RSU將由兩臺PC進(jìn)行模擬，多個自動化腳本進(jìn)行網(wǎng)絡(luò)配置、文件管理和流量控制。圖像信息將經(jīng)由此上傳至CCS。

CCS采用Amazon Elastic Compute Cloud 實(shí)現(xiàn)，服務(wù)器將配置數(shù)據(jù)庫、網(wǎng)頁服務(wù)器和文件管理等諸多系統(tǒng)，同時核心的圖像解析程序，也將由服務(wù)器自動調(diào)用，并根據(jù)處理結(jié)果，更新數(shù)據(jù)庫信息。

圖像處理部分，使用C#語言和Emgu庫解析圖像，提取人臉信息，讀取車牌信息。

車載端將拍攝的街景經(jīng)由RSU上傳至云端，云系統(tǒng)將對采集的圖像數(shù)據(jù)進(jìn)行分析。之后，系統(tǒng)將解析出的人臉和車牌，與客戶所要搜尋的目標(biāo)進(jìn)行比對，反饋一組可能的人或車輛，以及相應(yīng)的地理位置和時間信息。

如果某一目標(biāo)得到客戶的確認(rèn)，則根據(jù)其GPS信息和時間標(biāo)簽等數(shù)據(jù)，系統(tǒng)會將目標(biāo)出現(xiàn)的軌跡繪制在以Google Map為基礎(chǔ)的網(wǎng)頁上。

四、結(jié)束語

文中設(shè)計了一款新穎的道路監(jiān)控系統(tǒng)構(gòu)架，據(jù)此完成了實(shí)驗(yàn)室模型，并為模型開發(fā)了車牌識別和人臉讀取的應(yīng)用。通過這些實(shí)踐，表明了該理論設(shè)計可以支持對動態(tài)興趣點(diǎn)的檢測和定位。

參考文獻(xiàn)：

[1]曹沖. 國內(nèi)外車載GPS系統(tǒng)的應(yīng)用現(xiàn)狀和發(fā)展趨勢[J]. 全球定位系統(tǒng)， 2000（01）：4-8.

[2]Obst M， Hobert L， Reisdorf P. Multi-sensor data fusion for checking plausibility of V2V communications by vision-based multiple-object tracking[C]// Vehicular Networking Conference （VNC）， 2014 IEEE. IEEE， 2014：143-150.

[3]Pau G， Weng J T， Gerla M. Pics-on-wheels： Photo surveillance in the vehicular cloud[C]// 2013 International Conference on Computing， Networking and Communications （ICNC）. IEEE Computer Society， 2013：1123-1127.

[4]Sharef B T， Alsaqour R A， Ismail M. Vehicular communication ad hoc routing protocols： A survey[J]. Journal of Network & Computer Applications， 2014， 40（2）：363-396.

[5]Whaiduzzaman M， Sookhak M， Gani A， et al. A survey on vehicular cloud computing[J]. Journal of Network & Computer Applications， 2014， 40（1）：325-344.

[6]Weng J T. On demand surveillance service in vehicular cloud[J]. Dissertations & Theses - Gradworks， 2013.