小型无人机交通辅助系统

　　摘要：本系统用来辅助交通管理，对过往车辆进行车牌识别，发现有在逃车辆的车牌号码时自动进入无人机控制模式，利用无人机对目标车辆进行跟踪，并反馈目标位置、速度信息，进行更好的管理和拦截。以Intel的手机平台为系统核心，采用OpenCV进行图像处理，利用人工神经网络的方法进行自动车牌识别，提供语音识别遥控以及按钮遥控无人机的功能，充分发挥Intel手机平台的运算性能，协助交通警察监管交通状况。

　　车辆的日益增多，为道路交通以及交通管理都带来了很大压力，同时车辆违章、逃逸的数量也迅速增加，为了减轻交通管理的压力，提高道路交通秩序，我们设计了本系统。为了简单清楚的明白这个系统的功能，我们设想这样一个场景：在某条公路边警车内的交警接到通知，要注意是否有一辆车牌号XXX的车辆经过，如果发现则保持跟踪。这时候，值勤交警开启了道路监控摄像头的自动车牌识别功能，对来往车辆进行辨识，过了没多久，系统提醒，发现目标，紧接着进入跟踪模式，如果交警不能离开当前执勤位置，那么他可以通过手动控制或者语音控制无人机，进行逃逸车辆的跟踪，无人机的位置可以认为是逃逸车辆的位置，这样指挥部可以迅速调动合适的警力在目标行进的路线上进行拦截。系统流程图如图1。

　　1 自动车牌识别

　　自动车牌识别(Automatic Number Plate Recognition, ANPR)首先利用图像处理技术提取出一个或者若干疑似车牌区域，然后通过SVM(Support Vector Machine支持向量机)来区分出这些区域哪一个才是真正的车牌，或者都不是车牌，如果有一个区域是车牌所在位置，则接着通过OCR(Optical Character Recognition光学字符识别)技术来识别出具体的车牌号码，整体流程如图2。

　　SVM是一种监督式学习的方法，可广泛用于统计分类以及回归分析。它属于一般化线性分类器，完成的功能就是判断一个区域是或者不是车牌。本项目中需要先对SVM 和OCR的人工神经网络进行训练，OCR的人工神经网络采用三层每层15个节点。利用一共1200张136x36的图片训练SVM，利用860张20x20的图片训练OCR的人工神经网络，暂时没有训练汉字的OCR人工神经网络，识别后的效果如图3所示。

　　开发环境是Intel Core i5-3570 + 8GB DDR3 RAM + 500GB 硬盘 + Ubuntu12.04 64bit + OpenCV2.4.9。

　　将算法通过OpenCV4Android移植到Android平台上进行实际测试，得益于Intel medfield 的1.6GHz的高性能CPU，运行的结果跟台式机开发过程中的效果非常接近，采用Intel核心的Android手机可以使用ICC(Intel C++ compiler) for Android 进行优化，充分利用Intel CPU的多媒体指令集，发挥核心最强的运算能力，提高应用程序的运行速度。通过Intel System Studio工具可以快速的发现程序中运行耗时最多的若干位置，并针对性地进行优化。