交通卡口雷達、視頻、線圈檢測及測速和車牌識別原理

文｜福建東政智能科技有限公司 孟 諾

交通道路監(jiān)控工程多涉及到檢測和識別技術(shù)。為了便于工程技術(shù)人員理解和掌握交通道路監(jiān)控工程所涉及的檢測和識別技術(shù)，本文特選取工程中常見的技術(shù)關(guān)鍵點，結(jié)合當(dāng)前檢測和識別技術(shù)的發(fā)展，將幾種主要的檢測和識別技術(shù)的工作原理及在實際運用中需要注意的問題整理如下。

1 線圈檢測原理

當(dāng)車輛（金屬物體）經(jīng)過埋設(shè)在路面的地感線圈時，將導(dǎo)致地感線圈的電感值發(fā)生變化，進而使得車輛檢測器的LC振蕩電路的振蕩頻率發(fā)生變化。對于車輛檢測器來說，以下公式中，C值是一定的，而線圈的L值是隨著車輛（金屬物體）的經(jīng)過而變化的：

因此f值將隨著車輛（金屬物體）的經(jīng)過而有如下變化：

式中， L1為無車輛（金屬物體）經(jīng)過時線圈的電感量， L2為有車輛（金屬物體）經(jīng)過時線圈的電感量。車檢器通過精確檢測Lc振蕩電路的頻率變化可以準(zhǔn)確判斷是否有車輛經(jīng)過。

地感線圈檢測具有檢測穩(wěn)定可靠、檢測準(zhǔn)確的優(yōu)點。與地感線圈配合使用的車輛檢測器可以在1ms內(nèi)檢測到所監(jiān)測各線圈中的任何一個發(fā)生0.01%的電感量變化，從而可以檢測到車速200km/h以上的車輛；并且可以準(zhǔn)確地鑒別出經(jīng)過線圈的車輛的類型，如摩托車、轎車、卡車、工程車等。

地感線圈檢測技術(shù)的優(yōu)勢包括：

◆ 運行穩(wěn)定，不易受外界干擾，基本無漏拍；

◆ 反應(yīng)迅速，精度高；

◆ 檢測準(zhǔn)確，誤差小。

2 視頻檢測原理

視頻檢測是攝像機和計算機圖像處理技術(shù)結(jié)合的檢測方式，通常運用背景分離（背景減除）技術(shù)來進行對圖像變化的檢測。其思路是對視頻幀與基準(zhǔn)背景圖像進行比較，尋找相同位置出現(xiàn)像素（區(qū)域）變化的現(xiàn)象，對相應(yīng)區(qū)域進一步處理、跟蹤、識別，得到目標(biāo)位置、尺寸、形狀、速度、停留時間等基本形態(tài)信息和動態(tài)信息；完成目標(biāo)的跟蹤和行為理解之后，也就形成了圖像與圖像描述之間的映射關(guān)系，從而可以進一步進行規(guī)則判定，直到觸發(fā)報警。背景減除法是目前普遍使用的運動目標(biāo)檢測方法，可以提供比較完整的運動目標(biāo)特征數(shù)據(jù)，精確度和靈敏度比較高，具有良好的性能表現(xiàn)，對動態(tài)場景的變化，如光線變化情況也比較敏感；但其算法本身需要大量的運算處理資源支持，并且仍然會受到光線、天氣等自然條件及背景自身變化（海浪、云影、樹葉搖動等情況）的影響。

視頻檢測具體的流程是：針對每個畫面，分別從組成視頻流的三類編碼幀，即關(guān)鍵幀（I幀）、預(yù)測幀（P幀）和內(nèi)插雙向幀（B幀）中，截取若干連續(xù)的I幀，對其進行解碼運算，將其以幀為單位連續(xù)存放在設(shè)備本身的內(nèi)存緩沖區(qū)中；最后利用編碼器硬件內(nèi)建的移動偵測功能，在緩沖區(qū)中將連續(xù)的兩幀轉(zhuǎn)化為位圖，逐個像素點地對畫面進行比較，通過對像素點變化的檢測來實現(xiàn)對圖像變化的檢測，進而得到是否有物體移動的判斷。

而高清卡口系統(tǒng)的3D模型視頻流動態(tài)跟蹤檢測是通過應(yīng)用國際先進的檢測跟蹤算法，對連續(xù)的視頻流進行檢測跟蹤。其“跟蹤算法”可適應(yīng)各種復(fù)雜環(huán)境（如抖動、陰影、光照變化、雨雪等），實現(xiàn)更好的檢測捕獲率。其工作原理是將視頻攝像機作為傳感器，通過專有的檢測算法的運用，在目標(biāo)（機動車輛、非機動車輛、人等）進入其視頻內(nèi)的檢測區(qū)域時，判斷出目標(biāo)的存在，捕獲、識別目標(biāo)特征，得到需要的各種交通數(shù)據(jù)信息。

視頻動態(tài)跟蹤檢測技術(shù)的優(yōu)點是：

◆ 拍攝區(qū)域廣，可實現(xiàn)對區(qū)域交通圖像信息的獲取，有助于直觀地了解現(xiàn)場狀況；

◆ 對機動車、非機動車、行人的捕獲率均超過99%；

◆ 安裝方便，不損傷路面；系統(tǒng)結(jié)構(gòu)簡單，故障率低，易維護；

◆ 可擴展性好；

◆ 支持各種交通異常狀況的檢測、識別和報警。

與目前運用較多的視頻檢測相比，視頻動態(tài)跟蹤檢測較為先進，準(zhǔn)確率也更高些，是視頻檢測發(fā)展方向之所在；目前僅有少數(shù)的幾家公司掌握并用于實際工程當(dāng)中。

3 雷達與激光檢測原理

3.1 雷達速度檢測

微波雷達對運動物體的精確速度檢測是基于微波多普勒（Doppler）效應(yīng)實現(xiàn)的。微波在行進過程中碰到障礙物體時會發(fā)生反射，而反射回來的波，其頻率及振幅都會隨著障礙物體移動狀態(tài)的改變而改變——若障礙物體固定不動，反射波的頻率即較反射前沒有改變；若物體迎著無線電波發(fā)射的方向前進，則反射回來的無線電波會被壓縮，反射波的頻率會較反射前有所提高；而若物體朝著遠(yuǎn)離無線電波發(fā)射的方向行進，則反射波的頻率會較反射前有所降低，這就是多普勒效應(yīng)?；诙嗥绽招?yīng)原理，可以對運動目標(biāo)的速度進行精確測量。

將障礙物體與雷達天線間的相對運動所引起的接收頻率與發(fā)射頻率之間的差頻稱為多普勒頻率，用fd表示，表達式為：

其中fo表示雷達前端發(fā)射的微波信號的頻率（一般為24GHz或者35GHz）；V為被檢車輛速度；c表示電磁振蕩在空氣中的傳播速度；Θ表示微波波束方向與運動方向的夾角。

從上式可以看出，只要測得了fd，就可以獲得運動物體的速度，這就是雷達測速的原理。具體的做法是：利用多普勒收發(fā)（T/R）組件產(chǎn)生單頻高頻微波，并接收車輛的反射信號；由于反射信號的頻率與發(fā)射信號的頻率相比已經(jīng)有了變化，故經(jīng)混頻后輸出的中頻（IF）信號的頻率即為發(fā)射頻率與接收頻率之差，也就是fd；利用fd就可以計算出車輛的速度。

基于多普勒效應(yīng)原理的測速精度極高。造成其測量存在誤差的主要因素有二：一是T/R組件fo的誤差，一是fd的測量誤差。由fo引起的誤差可通過提高T/R組件輸出穩(wěn)定度來控制，比如可以使用低相位噪聲的諧振腔，也可以采用鎖相（PLL）的方式實現(xiàn)；由fd測量引起的誤差則需要針對不同的檢測方式采用不同的手段來控制。簡單的檢測方式是檢測單位時間內(nèi)IF信號的周期數(shù)，目前的測速雷達大多采用這種方式。其特點是結(jié)構(gòu)簡單、成本低；但是精度 不高，雖然可以通過在硬件和軟件上下功夫得到一定的提高，但難有突破性的改善。另一種很精確的方法是利用數(shù)字信號處理芯片DSP對IF信號進行傅立葉（Fourier）變換以求得信號頻率，這種方法的特點是測量精度足夠高，缺點是系統(tǒng)結(jié)構(gòu)復(fù)雜，成本相對較高。

3.2 激光測速

測速激光屬于固態(tài)激光中的半導(dǎo)體激光。激光測速設(shè)備采用紅外線半導(dǎo)體激光二極管。激光二極管有幾個特點使它適合用來測量速度：

◆ 自微小范圍中發(fā)射出極窄的光束，能夠精確地瞄準(zhǔn)目標(biāo)；

◆ 能夠在短于十億分之一秒的時間里切換開關(guān)，可大幅提高精確度；

◆ 發(fā)射頻率很窄，可使偵測器極易接收到精確的波長，因此在日間有強烈陽光時仍能正常工作；

◆ 只發(fā)射電磁光譜中的紅外線部分；而紅外線是人眼看不見的，不會分散駕駛員的注意力。

激光測速槍通過測算紅外線光波的傳送時間來確定目標(biāo)的速度。由于光速是固定，激光脈沖傳送到目標(biāo)再折返的時間會與距離成正比。以固定間隔發(fā)射兩個脈沖，即可測得兩個距離；將此二距離之差除以發(fā)射時間間隔即可得到目標(biāo)的速度。理論上，發(fā)射兩次脈沖即可測得速度；事實上，為避免錯誤，激光測速器（槍）一般在瞬間發(fā)射高達七組的脈沖波，以最小平方法求取測量值的平均值，用于計算目標(biāo)速度。

3.3 激光與雷達測速的比較

超速告警最易受到的挑戰(zhàn)是如何確認(rèn)違規(guī)車輛。在多車道公路上遇到兩輛以上車輛并行的情況時，警員以雷達測得超速現(xiàn)象卻無法明確認(rèn)定哪一部車輛違規(guī)；原因在于雷達波發(fā)射錐角度約在10～20度間。激光波發(fā)射錐角度只有不到1/10度，因此在采用激光測速的情況下，兩車被同時偵測到的機會近乎等于零，可以明確認(rèn)定受測目標(biāo)。

雷達與激光測速的最遠(yuǎn)測速距離都可以通過提高設(shè)備發(fā)射功率而增長，但這并無實際效益。

雷達測速器需經(jīng)常用固定頻率的音叉加以校正，而激光測速器則無此必要。

雷達與激光測速的測量時間也是兩者重要的區(qū)別：雷達測速約需2～3s鐘，而使用激光則只需要約0.3s——憑此操作速度，廠商甚至可開發(fā)出配合照相的激光測速器，以不到1s的間隔連續(xù)記錄違規(guī)超速車輛。

4 線圈測速的具體應(yīng)用

在高清智能卡口管理系統(tǒng)中，每條需要監(jiān)測的車道上沿行車方向埋設(shè)的兩個線圈的間距是固定的，于是當(dāng)車輛經(jīng)過時，可以取得四個時刻，即車輛進入兩個線圈和離開兩個線圈的時刻。計算車輛通過兩線圈所用的時間，配合兩線圈的間距，即可求得平均車速。如圖1所示。

圖1 高清卡口測速示意圖

分別以T1、T2來表示車輛檢測器探測到移動物體進入線圈A、線圈B的時間，以w來表示線圈的間距，則車速v為：

另外，車輛檢測器在實際測速時，還可引入對以下兩種測速誤差因素的考慮，對測速值進行修正。

第一種誤差因素的存在是線圈的周期性檢測造成的。不同車速的車輛在一個檢測周期內(nèi)位移不同，這使得在對不同車速車輛的測速中，實際的“線圈距離”是不等的。車輛檢測器的檢測周期為1ms，兩個線圈前沿/后沿的距離為5.5m時，以車速100km/h為例，測速的理論最大誤差為：

第二種誤差因素的存在是車輛在經(jīng)過兩個線圈時，被感應(yīng)到的部范圍的不確定所致，這種誤差的大小難以估計。產(chǎn)生這種誤差的原因一是車輛底盤較高（如卡車），檢測難度大；二是變速行駛；三是跨道行駛。解決方法是：每次測速均測出車前軸速度和車后軸速度，對兩個速度進行誤差比較，保留誤差合格的速度。

將按照以上算法計算所得的車輛速度與系統(tǒng)設(shè)置的限速值相比較，再考慮誤差范圍的存在，即可辨別車輛是否超速。另外，根據(jù)車輛觸發(fā)線圈的順序可以判斷車輛行駛的方向，從而判斷車輛是否逆向行駛。將計算所得的速度與車輛車頭、車尾離開線圈B的時間差相乘，所得的結(jié)果即為車身長度。

5 視頻檢測技術(shù)的具體應(yīng)用

對不允許安裝地感線圈的點位，可以采用虛擬線圈抓拍技術(shù)。具體做法是：在一體攝像機拍攝到的，所監(jiān)控道路視頻畫面的合適位置上，人為地設(shè)置一個虛擬線圈框；在有運動物體經(jīng)過此虛擬線圈框時，進行抓拍。圖2是監(jiān)控視頻的逐幀圖像，從中可以看到，當(dāng)車輛的整個車頭進入虛擬線圈時，虛擬線圈觸發(fā)抓拍，并對抓拍圖片進行車牌定位、號牌識別。

6 車牌識別原理

6.1 車牌識別系統(tǒng)框架

車牌識別系統(tǒng)采用高度模塊化的設(shè)計，將車牌識別過程的各個環(huán)節(jié)交由相應(yīng)各自獨立的模塊來支持，系統(tǒng)的框架如圖3所示。

圖2 監(jiān)控視頻逐幀圖

圖3 車牌識別系統(tǒng)框架圖

車牌識別的流程是：首先通過視頻輸入管理模塊得到所需的最佳質(zhì)量的視頻圖像；對獲取的每一幀圖像，利用高效的視頻檢測技術(shù)，進行對行駛中的車輛的車牌定位和跟蹤，自動提取車牌圖像；然后由車牌精定位、切分和識別模塊，準(zhǔn)確地自動分割和識別字符，得到車牌的全部字符信息以及顏色和類別信息。另外，車輛檢測模塊還可以鑒別出無牌車輛并輸出結(jié)果；通過查詢違法數(shù)據(jù)庫得到車輛的違法信息，顯示違法車輛的相關(guān)信息，同時進行現(xiàn)場報警；通過查詢征稽數(shù)據(jù)庫得到車輛的征稽信息，顯示欠費車輛的相關(guān)信息，同時進行現(xiàn)場報警。系統(tǒng)還可采用獨特的在線學(xué)習(xí)新技術(shù)，對各識別模塊進行動態(tài)的調(diào)整，實現(xiàn)對各種應(yīng)用環(huán)境變化的自動適應(yīng)，從而大幅優(yōu)化系統(tǒng)的應(yīng)用性。

（1）車輛檢測跟蹤模塊

車輛檢測跟蹤模塊通過對視頻進行分析，判斷其中車輛的位置，實現(xiàn)對圖像中的車輛跟蹤，并在其位置最佳的時刻記錄其特寫圖片。加入了跟蹤模塊后，車牌識別系統(tǒng)能夠很好地克服各種外界干擾，得到更加合理的識別結(jié)果；可以記錄下目標(biāo)車輛行駛過程中的每一幀圖像中車牌的位置、識別結(jié)果、可信度等各種歷史信息；可以憑借其具有一定容錯能力的運動模型和更新模型，保證對那些被短時間遮擋或瞬間模糊的車牌也能正確地跟蹤和預(yù)測，最終只輸出一個識別結(jié)果；可以檢測出無牌車輛并輸出結(jié)果。

（2）車牌定位模塊

車牌定位是一個十分重要的環(huán)節(jié)，是后續(xù)環(huán)節(jié)的基礎(chǔ)，其準(zhǔn)確性對系統(tǒng)整體性能的影響巨大。如果采用完全基于學(xué)習(xí)的多種特征融合的車牌定位算法，可在足夠的學(xué)習(xí)樣本的支持下，快速訓(xùn)練出針對不同車牌類型的新的檢測模型，適應(yīng)各種復(fù)雜的背景環(huán)境和不同的攝像角度。

（3）車牌矯正模塊

受拍攝條件的限制，圖像中的車牌總是不可避免地存在一定的傾斜；因此車牌識別需要引入一個矯正和精定位環(huán)節(jié)來進一步提高車牌圖像的質(zhì)量，為字符切分和識別做準(zhǔn)備。使用計算快速的圖像處理濾波器，利用車牌的整體信息，可減小局部噪聲帶來的影響，還可通過對多個中間結(jié)果的分析實現(xiàn)對車牌的精定位，進一步減小非車牌區(qū)域的影響。

（4）字符切分模塊

字符切分模塊能夠利用車牌文字的灰度、顏色、邊緣分布等各種特征，較好地抑制車牌周圍噪聲的影響，并能容忍車牌有一定角度的傾斜。其算法對于類似移動式稽查這種車牌圖像噪聲較大的應(yīng)用很有幫助。

（5）字符識別模塊

在字符識別模塊中，如采用多種識別模型相結(jié)合的方法，構(gòu)建一種層次化的字符識別流程，可有效地提高字符識別的正確率。另一方面，如在進行字符識別之前，使用計算機智能算法對字符圖像進行前期處理，盡可能地保留圖像信息，而且還可提高圖像質(zhì)量，提高相似字符的可區(qū)分性，保證字符識別的可靠性。

（6）車牌識別結(jié)果決策模塊

如果車牌識別系統(tǒng)可以對每幀視頻圖像進行實時識別，則在一輛車通過視野的過程中，車牌識別系統(tǒng)將得到若干相同或不同的識別結(jié)果；因此需要引入一個識別結(jié)果的決策模塊。決策模塊可利用一個車牌經(jīng)過視野的過程中留下的歷史記錄（包括識別結(jié)果、識別可信度、軌跡記錄、相似度記錄等），對識別結(jié)果進行智能化的決策，通過計算觀測幀數(shù)、識別結(jié)果穩(wěn)定性、軌跡穩(wěn)定性、速度穩(wěn)定性、平均可信度和相似度等度量值得到該車牌識別結(jié)果的綜合可信度評價，從而決定是繼續(xù)跟蹤該車牌，還是輸出識別結(jié)果，或是拒絕該結(jié)果。也就是說，一個車牌的最終識別結(jié)果是通過分析所有幀的識別結(jié)果，對它們進行智能化的歸類和投票，并結(jié)合一定的文法信息綜合而成的。這種方法綜合利用了所有幀的信息，相比基于單幅圖像的識別算法可減少偶然性的錯誤，大幅提高系統(tǒng)的識別率及識別結(jié)果的正確性。

（7）在線學(xué)習(xí)模塊

以上各個模塊使用了大量基于學(xué)習(xí)的算法，如果在系統(tǒng)中添加反饋型學(xué)習(xí)模型的在線學(xué)習(xí)模塊，利用決策模塊和跟蹤模塊得到車牌質(zhì)量、車輛軌跡、速度等反饋信息，智能化地更新一些算法參數(shù)，可使系統(tǒng)能快速適應(yīng)新的應(yīng)用環(huán)境。其算法可作為已有算法的有力補充，進一步提高系統(tǒng)性能。

6.2 關(guān)鍵性能參數(shù)

車牌識別系統(tǒng)的優(yōu)劣主要由兩個關(guān)鍵性能參數(shù)共同決定，它們就是識別率和識別速度。

（1）識別率

判斷車牌識別系統(tǒng)是否實用，最重要的指標(biāo)是識別率。國際公認(rèn)的識別率指標(biāo)要求是全天候24小時全牌正確識別率達到85%～95%。識別率包括以下三項指標(biāo)：

◆ 自然流量識別率，即識別車牌號的總數(shù)與實際通過車輛總數(shù)的比值；

◆ 可識別車牌率，即可由人工正確讀取的車牌號總數(shù)與實際通過車輛總數(shù)的比值；

◆ 全牌識別準(zhǔn)確率，即全牌正確識別的車牌總數(shù)與可由人工正確讀取的車牌號總數(shù)的比值。

這三項指標(biāo)決定了車牌識別系統(tǒng)的識別率。

（2）識別速度

識別速度決定了車牌識別系統(tǒng)是否能夠滿足實時實際應(yīng)用的要求。即使是一個識別率很高的系統(tǒng)，如果需要幾秒鐘，甚至幾分鐘才能識別出結(jié)果，也會因為滿足不了實際應(yīng)用中的實時性要求而毫無實用意義。國際交通技術(shù)領(lǐng)域?qū)ψR別速度的要求是1s/次以內(nèi)，越快越好。目前市場上的車牌識別系統(tǒng)在實際應(yīng)用中的識別速度平均為200ms/次。較好的車牌識別系統(tǒng)，其快速識別速度已經(jīng)達到了10ms/次，實際應(yīng)用識別速度能夠達到平均40ms/次。

6.3 識別技術(shù)的實現(xiàn)原理和實現(xiàn)方式

（1）車輛牌照的識別是基于圖像分割和圖像識別理論，對含有車輛號牌的圖像進行分析處理，確定牌照在圖像中的位置，并進一步提取和識別出文本字符。

（2）識別的步驟可概括為：車牌定位、車牌提取、字符識別。這三個步驟相輔相成，只有三者的有效率都較高，整體的高識別率才有保障。識別速度的快慢取決于字符識別的速度。目前主要的字符識別應(yīng)用技術(shù)為比對識別樣本庫，即建立所有字符的樣本庫，通過比對字符提取后的結(jié)果和樣本庫，實現(xiàn)對字符的判斷。其識別過程中將產(chǎn)生可信度、傾斜度等中間結(jié)果值。此外還有一種基于字符結(jié)構(gòu)知識的字符識別技術(shù)，能夠有效地提高識別速率和準(zhǔn)確率，適應(yīng)性較強。

（3）車牌識別實現(xiàn)的方式主要分為兩種：靜態(tài)圖像圖片的識別和動態(tài)視頻流的實時識別。靜態(tài)圖像識別為單幀圖像識別，識別有效率較大程度上受限于圖像的抓拍質(zhì)量；目前市場上此類產(chǎn)品的識別速度平均為200ms/次。動態(tài)視頻流識別適應(yīng)性較強，識別速度快，對視頻每一幀圖像進行識別，增加了識別比對次數(shù)，實現(xiàn)了車牌號擇優(yōu)選取——更關(guān)鍵的是較少受到單幀圖像質(zhì)量的影響；目前市場上此類產(chǎn)品中較好者的識別速度為10ms/次。

6.4 假牌車分析原理

如智能高清卡口系統(tǒng)在將新識別出來的，通過某路面的機動車的車牌號與車管所數(shù)據(jù)進行對比分析時，發(fā)現(xiàn)車管所數(shù)據(jù)庫中不存在該號牌，則系統(tǒng)判定該車輛為假牌嫌疑車輛，自動發(fā)出聲光報警，提示值班人員予以關(guān)注。值班人員核對相關(guān)信息，確定無誤后，可將該車列入假牌車黑名單庫中，并提示前方值勤人員予以攔截。

6.5 套牌車分析原理

套牌車判定的依據(jù)是：同一車牌在不合理時間段，內(nèi)理論上不可能出現(xiàn)在不同路面。

當(dāng)系統(tǒng)發(fā)現(xiàn)途經(jīng)監(jiān)測點的機動車輛可能為套牌嫌疑車時，自動發(fā)出聲光報警，提示值班人員予以關(guān)注。值班人員核對相關(guān)信息，確定無誤后，可將該車列入套牌車黑名單庫中，并提示前方值勤人員予以攔截。

6.6 車流量統(tǒng)計原理

凡通過監(jiān)測點的車輛，智能高清卡口系統(tǒng)的車輛檢測器都能予以實時檢測，并把檢測數(shù)據(jù)發(fā)送給后端控制主機；系統(tǒng)軟件統(tǒng)計在一定時間段內(nèi)通過每條車道（線圈）的車輛的數(shù)量便可得到車流量統(tǒng)計數(shù)據(jù)。