基于圖像驗證的ETC干擾問題解決方法

王亮，魯華祥，景為平，陳天翔

(1.中國科學院半導體研究所，北京 100083;2.南通大學 江蘇省集成電路設(shè)計重點實驗室，江蘇 南通 226019;3.廈門理工學院電子與電氣工程系，福建廈門 361005)

基于圖像驗證的ETC干擾問題解決方法

王亮1，魯華祥1，景為平2，陳天翔3

(1.中國科學院半導體研究所，北京 100083;2.南通大學 江蘇省集成電路設(shè)計重點實驗室，江蘇 南通 226019;3.廈門理工學院電子與電氣工程系，福建廈門 361005)

電子不停車收費系統(tǒng)(ETC)的干擾問題的原因在于現(xiàn)有的技術(shù)驗證系統(tǒng)通過微波通信沒有獲得正確的車輛信息，針對這個問題提出一種基于字符凹凸特征的快速牌照字符驗證方法.該方法以系統(tǒng)獲得的牌照信息為已知信息，選擇當前車輛牌照字符圖像的凹凸特征驗證其是否來源于當前待交易車輛，無需對牌照圖像進行復雜的預處理，也不是直接的牌照字符識別，從而滿足了ETC系統(tǒng)的實時性要求.實驗結(jié)果表明，采用該方法以及車輛顏色和車型驗證，能可靠地檢查出非法車輛，切實解決ETC系統(tǒng)的干擾問題.

ETC;牌照驗證;凹凸特征;跟車干擾;鄰道干擾

電子不停車收費系統(tǒng)(electronic toll collection，ETC)是國際上所努力推廣的一種應用于道路、大橋和隧道的電子收費技術(shù)，ETC系統(tǒng)能實現(xiàn)車輛的不停車收費，是提高高速公路通行能力和解決收費站擁堵問題的最有效手段之一［1－3］.標準 ETC 系統(tǒng)依靠車輛與收費站之間的微波通信來實現(xiàn)車輛自動識別［4－5］，曾被廣泛研究的基于圖像抓拍的牌照自動識別技術(shù)由于其識別率低、識別時間長而未被采用［6－7］.然而，僅依靠無線通信作為車輛識別的依據(jù)會給ETC系統(tǒng)實際運行帶來很多問題，如跟車干擾與鄰道干擾［7－9］.本文提出將圖像信息應用于標準ETC系統(tǒng)的車輛自動識別，用信息融合的手段解決其實際運行中的干擾問題.同時為滿足ETC系統(tǒng)的實時性要求，實現(xiàn)圖像的快速準確識別是本文研究的重點.

1 ETC系統(tǒng)工作過程及其問題

圖1為ETC系統(tǒng)結(jié)構(gòu)示意圖.安裝在汽車上的車載單元(on－board unit，OBU)(存儲與車輛身份有關(guān)的信息)與安裝在收費車道旁的路側(cè)單元(roadside unit，RSU)，以微波通信進行快速的數(shù)據(jù)交換，再通過聯(lián)網(wǎng)的銀行卡或提前預繳的儲值卡進行費用結(jié)算，若交易成功，則電子欄桿抬起，車輛通過ETC車道.車道監(jiān)視攝像機記錄通過車輛以備日后檢查.

圖1 ETC系統(tǒng)結(jié)構(gòu)Fig.1 Structural diagram of the ETC system

當ETC系統(tǒng)的通信范圍內(nèi)同時存在2輛或者多輛待交易車輛時，RSU可能誤讀其他車輛而不是當前車輛的OBU，并且成功交易，造成ETC系統(tǒng)的混亂.其中來自同一車道上后車OBU的干擾稱為跟車干擾，來自鄰車道車輛OBU的干擾稱為鄰道干擾.干擾問題是ETC系統(tǒng)推廣應用中所亟需解決的重要問題.由于跟車干擾，目前普遍要求車輛通過ETC車道時，保持車距并慢速通過［9］，這顯然與提高ETC車道過車速度和高速公路吞吐量相矛盾.解決鄰道干擾問題主要依靠控制RSU的有效交易范圍，希望RSU的交易區(qū)域邊界十分明顯［7－8］.實際上，由于 ETC 產(chǎn)品性能離散性較大，當有多個并行車道，安裝有多個RSU讀寫器時，很難避免鄰道干擾.

干擾問題存在的本質(zhì)在于現(xiàn)有ETC系統(tǒng)中僅僅依靠微波通信來實現(xiàn)車輛識別的正確性.要解決ETC系統(tǒng)的干擾問題，僅需檢驗RSU獲得的車輛信息與當前待交易車輛的信息是否一致.因此，本文引入圖像信息作為RSU所獲車輛信息的驗證依據(jù)，用信息融合的手段解決ETC系統(tǒng)的干擾問題.在ETC發(fā)展的過程中，也有學者提出通過融合IC卡和牌照圖像信息，以提高系統(tǒng)車輛自動識別的識別率［9－10］;但這些方法都直接采用牌照識別的方法，始終沒有解決其耗時長的問題，因此并未被ETC標準所采納.本文將圖像用作驗證信息，作為驗證手段的圖像處理，比直接進行圖像識別要快速得多.以RSU獲得的車輛信息作為已知信息，利用數(shù)字字符圖像凹凸特征，提出一種應用于ETC系統(tǒng)的快速牌照驗證方法，解決了應用牌照識別的長耗時問題.根據(jù)牌照驗證結(jié)果，輔以車輛大小和顏色的一致性驗證，便可判定RSU收到的OBU信息是否來自于當前待交易車輛，從而解決ETC系統(tǒng)的干擾問題.

2 基于圖像驗證的干擾問題解決方案

為提高一致性驗證的可靠性，選取牌照、車輛顏色、車型作為一致性驗證的依據(jù).其中牌照驗證部分占用時間最長，也最為關(guān)鍵，提高驗證過程的速度，最重要的就是提高牌照驗證的速度.

本文選取牌照字符中的數(shù)字作為牌照鑒別的依據(jù)，并選擇數(shù)字圖像的凹凸特性作為其鑒別特征.這是因為數(shù)字識別是典型的小字符集識別，相對于漢字和字母的識別，數(shù)字識別簡單且準確得多.同時字符的凹凸特征是字符的整體特征，選取凹凸特征作為鑒別特征，無需對圖像做細化、傾斜矯正等復雜的預處理，同一字符的圖像，即使形狀位置有一定的偏差，依然具有相同的凹凸整體特征，從而為實現(xiàn)準確快速的牌照驗證提供了理論依據(jù).

2.1 圖像的凹凸性整體特征描述

圖像中的圈和凹區(qū)域等特性稱為圖像的凹凸特征.文獻［11］提出了一種提取字符圖像凹凸特性的方法.該方法的主要步驟如下:

1)計算賦值背景.對字符圖像的所有背景點(二值化圖中像素值為0的點)，從當前點出發(fā)，向右、右上、上、左上、左、左下、下、右下8個方向發(fā)出8條射線，與前景點(字符)相交的射線數(shù)目即為背景點的賦值.圖2(a)為字符δ的二值化圖像，圖2(b)為由圖2(a)計算出的賦值背景.

圖2 字符的圈及凹陷Fig.2 Convex-and-concave features of character

2)提取凹凸性.由賦值背景可以判定圖像中的圈和凹陷區(qū)域.背景賦值為8，表示該背景像素由前景像素所包圍，其所在的區(qū)域為圈，用C表示.賦值為5、6、7的背景區(qū)域即為凹陷區(qū)，其中每一背景點的右邊均可找到前景點的凹陷稱為左凹陷，用L表示;每一背景點的左邊均可找到前景點的凹陷稱為右凹陷，用R表示.圖2(c)為從圖2(a)提取出的凹凸特征.10個數(shù)字的圈和左右凹陷分布情況如圖3所示，黑色部分為圈，水平線填充部分為左凹陷區(qū)，垂直線填充部分為右凹陷區(qū).

圖3 數(shù)字字符的圈與左右凹陷Fig.3 Circles and concaves in numbers

2.2 基于圖像整體特征的快速牌照驗證

選取牌照后5位中的數(shù)字作為牌照驗證的依據(jù).以RSU獲得的車輛牌照信息作為已知信息，由右至左驗證對應位置的牌照字符圖像.根據(jù)其是否具有與已知字符相同的凹凸特性給出判別結(jié)果，作為下一步?jīng)Q策網(wǎng)絡(luò)的輸入.

2.2.1 牌照字符驗證方法

文獻［11］對所有背景點計算背景賦值，再提取圖像凹凸特征以識別圖像中的數(shù)字，該方法仍具有較高的時間復雜度.為滿足ETC系統(tǒng)實時性需求，本文對其加以改進，避免對圖像的直接識別，提出一種快速的牌照驗證方法.本文對每個數(shù)字建立一個判別樹，僅計算部分位置背景點的背景賦值，不同數(shù)字所要計算賦值的背景點位置也不相同.以下以數(shù)字6為例，說明該牌照字符驗證的快速方法.圖4是從二值化牌照中截取的字符圖像，設(shè)圖像高為H，判別該牌照數(shù)字是否為6，算法的步驟如下:

圖4 數(shù)字6的二值化Fig.4 Binary image of number 6

1)計算圖像3H/4橫線上的背景賦值，若其上賦值為8的背景點的個數(shù)多于相應閾值，則判斷該橫線部分包含于圈區(qū)域，跳至2)，否則跳至3).

2)計算圖像H/4橫線上的背景賦值.判斷該橫線是否部分包含于右凹陷.若是，則判定該字符為6;否則，判定為非6.并對相應的判決假設(shè)賦值.

3)計算圖像5H/8橫線和7H/8橫線的背景賦值，判斷其是否部分包含于圈區(qū)域.若是，則回到2)，否則初步判定為非6，并進行相應的判決假設(shè)賦值.

驗證字符是否為6的判決樹如圖5所示.當判決結(jié)果位于判決樹的左葉子上時，判定為一致;當其位于判決樹的右葉子上時，判定為不一致.葉子節(jié)點中的字符為該情形下可能字符的集合.

圖5 數(shù)字6的驗證判決樹及判決結(jié)果賦值Fig.5 Decision tree of number 6’s verification

2.2.2 判決結(jié)果賦值

一致性判決結(jié)果假設(shè)用3個集合來表示，即{A，{A}}，A表示判決圖像字符與已知信息兩者一致表示判決兩者不一致，{A}表示對判決結(jié)果不確定.判決假設(shè)賦值的大小代表對該假設(shè)支持的程度，用于作為決策融合網(wǎng)絡(luò)的輸入.

本文分2種情況對一致性判決假設(shè)進行賦值:

1)判決結(jié)果位于判決樹的左葉子時，即判定兩者一致.此時根據(jù)已排除的數(shù)字個數(shù)和未排除的字符個數(shù)(包含具有相同凹凸特征的字母字符)來確定對應假設(shè)的判決結(jié)果賦值:

式中:X表示已排除數(shù)字的個數(shù)，Y表示未排除數(shù)字的個數(shù)，Z表示滿足相應凹凸特征的可能字母的個數(shù).再將m(A)'、m()'、m({A})'進行歸一化，即得到相應判決假設(shè)的信任度賦值.如在數(shù)字6的判決樹中，若判定兩者為一致，此時已排除的數(shù)字(0，1，2，3，4，7，8，9)個數(shù)為8，未排除數(shù)字(5，6)個數(shù)為2，可能的字母(G)個數(shù)為 1，由式(1) ～ (3)，m'(A)=0.64，m'()=0.18，m'({A})=0.27.歸一化得m(A)=0.58，m()=0.17，m({A)=0.25.

2)判決結(jié)果位于判決樹的右葉子時，即判定兩者不一致.此時根據(jù)判決結(jié)果在判決樹的層數(shù)對判決假設(shè)進行賦值:

式中:K為判決結(jié)點在判決樹中的層數(shù)，規(guī)定根節(jié)點在第0層.如在數(shù)字6的判決樹中，假設(shè)判定兩者不一致，此時判決結(jié)果位于判決樹的右葉子.當為第1層的右葉子時，字符圖像的下部分無圈，由式(4)～(6)，m(A)=0.05，m(ˉA)=0.9，m({A，)=0.05.當為第2層的右葉子時，字符圖像下部分有圈，但是上部分沒有凹陷，判決結(jié)果依然為否定，但是不確定的程度增加，由式(4) ～ (6)，m(A)=0.05，m()=0.85，m({A})=0.1.

其他數(shù)字的判別與數(shù)字6類似，此處不再贅述.

2.3 采用牌照圖像進行一致性鑒定的過程

圖6 牌照圖像進行一致性鑒定的過程Fig.6 Consistency verification based-on vehicle image

牌照部分包含多個數(shù)字字符的一致性驗證，需要對各個字符的判定結(jié)果進行融合，以得到整個牌照的一致性鑒定結(jié)果.再輔以車輛顏色和車型的一致性驗證，即可實現(xiàn)車輛身份的高精度鑒別.車型采用大型、中型、小型來近似描述，車輛顏色用離散值表示紅、黃、藍、白、黑等.判決結(jié)果假設(shè)賦值表示與標準值的相近程度.圖6為采用車輛圖像進行一致性驗證的整個流程，該流程包含2個數(shù)據(jù)融合的過程.本文選用 D－S 證據(jù)理論［12－13］進行不確定性推理以融合各個鑒定結(jié)果，最后根據(jù)一定的決策規(guī)則選擇支持度最大的假設(shè)作為最終判決結(jié)果.

3 實驗結(jié)果及分析

3.1 實驗過程舉例

圖7為ETC車道監(jiān)視攝像設(shè)備抓拍的待交易車輛圖像，圖8為從中提取出的牌照圖像.現(xiàn)在分一致和不一致2種情形給出具體實驗過程.

圖7 原始車輛Fig.7 Original vehicle image

圖8 車輛圖片中提取的牌照圖Fig.8 License plate images

1)RSU得到的車輛信息與當前車輛圖片一致.假設(shè)從 RSU提取的相關(guān)信息為{藍色，小型車，京BN8190}，采用本文算法得到的相關(guān)特征一致性檢驗及融合結(jié)果如表1所示.根據(jù)融合結(jié)果，判定車輛圖像與RSU獲得的車輛信息一致.

表1 一致情況下牌照字符驗證及綜合判決結(jié)果Table 1 Results of license plate characters’verification and final decision under the condition of consistency

2)RSU得到的車輛信息與當前車輛圖片不一致.假設(shè)從RSU提取的部分信息為{藍色，小型車，京NHT680}，采取本文算法得到的相關(guān)特征一致性檢驗及融合結(jié)果如表2所示.根據(jù)融合結(jié)果，判定車輛圖像與RSU獲得的車輛信息不一致.

表2 不一致情況下牌照字符驗證及綜合判決結(jié)果Table 2 Results of license plate characters’verification and final decision under the condition of inconsistency

3.2 實驗結(jié)果

在不同氣候條件下，采集行駛汽車圖像并將其分組，其中晴天545幅、陰天450幅、夜晚327幅，將每組圖像與其對應的實際車輛信息(牌照、車輛顏色、車型)一起組成實驗數(shù)據(jù).實驗中，將實際車輛信息作為已知信息，模擬RSU獲得的OBU信息，將車輛圖像作為其驗證信息.針對每一組數(shù)據(jù)，進行如下實驗:

1)圖像與車輛信息一一對應，模擬ETC系統(tǒng)沒有干擾的情況，測試圖像驗證算法在車輛信息與車輛圖像不一致時的效果.

2)隨機匹配圖像與車輛信息，此時圖像與車輛信息一致的概率較低(為1/M，M為圖片的數(shù)量)，模擬ETC系統(tǒng)受干擾的情況，測試圖像驗證算法在車輛信息與車輛圖像不一致時的效果.

實驗數(shù)據(jù)與結(jié)果如表3所示.

表3 基于圖像驗證的ETC系統(tǒng)干擾問題解決方法的實驗結(jié)果Table 3 Results of the solution based on image verification of ETC system’s interference problems

3.3 實驗結(jié)果分析

實驗結(jié)果表明:當給出的車輛信息與車輛圖像一致時，識別率達到98.8%;當給出的車輛信息與車輛圖像發(fā)生沖突時，算法能以較高的識別率(晴天時達到93%)檢查出車輛非法.算法在不一致的情況下存在一定的拒識率，這與保證其高可靠性有關(guān).算法選取的決策規(guī)則將不太確定的判決結(jié)果(判決假設(shè)的支持度賦值為0.5～0.65)解釋為拒識，現(xiàn)實中表現(xiàn)為終止ETC車道中RSU與OBU之間的交易，提示車輛轉(zhuǎn)入人工收費車道繳費.可以看出，算法能夠達到預期目標:在ETC系統(tǒng)沒有干擾的情況下，能保證其正常運行;當系統(tǒng)出現(xiàn)干擾問題，能較可靠地檢查出非法車輛，防止逃費問題的發(fā)生.

實驗中有2次誤判(誤判率約為2‰)，均發(fā)在將不一致的夜晚圖片與車輛信息判定為一致的情形.原因在于其車輛圖像比較模糊，車型與車輛顏色特征難以辨認，雖然牌照部分比較清晰(汽車牌照為特殊材料)，但已知牌照信息中的數(shù)字位與牌照圖片十分吻合(如已知信息為“京N4IN15”，實際牌照圖像為“京BG2415”)，牌照字符驗證結(jié)果一致，因而導致最終判決結(jié)果也誤判為一致.

該算法的誤判率很低，在晴天時識別率很高，是精確鑒定車輛身份、解決ETC干擾問題的一個行之有效的方法.在陰天和黑夜的氣候條件下可以考慮改善光照等方式提高圖像質(zhì)量，進而提高系統(tǒng)的識別率.

4 結(jié)束語

本文提出了一種基于數(shù)字字符整體特征的快速牌照驗證方法應用于ETC系統(tǒng).該方法以RSU獲得的車輛信息為已知信息，用數(shù)字字符的凹凸特性驗證已知信息的正確性.該方法不需要對牌照圖像進行復雜的預處理，也不是對牌照字符進行直接識別，因而能夠很好地滿足ETC系統(tǒng)的實時性要求.再通過車輛顏色和車型的一致性驗證，因此可實現(xiàn)車輛身份的高精度鑒別，解決ETC系統(tǒng)實際運行中的干擾問題.實驗結(jié)果表明，本文提出的算法有較高的識別率.

圖像質(zhì)量對實驗結(jié)果影響較大，因此車輛圖像的清晰化和畸變校正預處理算法以及快速準確的牌照定位算法成為下一步研究的重點.

［1］王健，安實，徐亞國.道路擁擠定價下的公交收費模型研究［J］.中國公路學報，2005，18(4):100－103.

WANG Jian，AN Shi，XU Yaguo.Study of bus toll model under urban road congestion pricing［J］.China Journal of Highway and Transport，2005，18(4):100－103.

［2］XING J，TAKAHASHI H，KAMEOKA H.Mitigation of expressway traffic congestion through TDM with toll discount［J］.IET Intelligent Transport Systems，2010，4(1):50－60.

［3］XIAO Zhihong，GUAN Zongqi，ZHENG Zihan.The research and development of the highway’s electronic toll collection system［C］//Proceedings of the 1st International Workshop on Knowledge Discovery and Data Mining.New York，USA:IEEE Computer Society，2007:359－362.

［4］REN Zhengang，GAO Yingbo.Design of electronic toll collection system in expressway based on RFID［C］//International Conference on Environmental Science and Information Application Technology.New York，USA:IEEE Computer Society，2009:779－782.

［5］SHIEH W Y，LEE W H，TUNG S L.Analysis of the optimum configuration of roadside units and onboard units in dedicated short－range communication systems［J］.IEEE Transactions on Intelligent Transportation Systems，2006，7(4):565－571.

［6］ANAGNOSTOPOULOS C N E，ANAGNOSTOPOULOS I E，PSOROULAS I D.License plate recognition from still images and video sequences:a survey［J］.IEEE Transactions on Intelligent Transportation Systems，2008，9(3):377－391.

［7］JORDAN J G，SORIANO F，GRAULLERA D，et al.A comparison of different technologies for EFC and other ITS applications［C］//Proceedings of the IEEE Intelligent Transportation Systems Conference.Oakland，USA，2001:1171－1176.

［8］KURIHARA H，HIRAI Y，TAKIZAWA K，et al.An improvement of communication environment for ETC system by using transparent EM wave absorber［J］.IEICE Transactions on Electronics，2005，88(12):2350－2357.

［9］吉宜立.ETC系統(tǒng)跟車干擾解決方法初探［J］.現(xiàn)代交通技術(shù)，2010，7(1):71－73.

JI Yili.Research on solving method of prevent interference with car－following in ETC transactions［J］.Modern Transportation Technology，2010，7(1):71－73.

［10］張?zhí)鞓?，張元，廉飛宇.博弈信息融合技術(shù)在ETC中應用的研究［J］.微計算機信息，2008，24(7):228－230.

ZHANG Tianle，ZHANG Yuan，LIAN Feiyu.Research of information fusion based on game theory and its application on ETC［J］.Microcomputer Information，2008，24(7):228－230.

［11］龔才春，劉榮興.基于整體特征的快速手寫體數(shù)字字符識別［J］.計算機工程與應用，2004，40(19):82－83.

GONG Caichun，LIU Rongxing.Fast hand－written digital character recognition based on global feature［J］.Computer Engineering and Applications，2004，40(19):82－83.

［12］DEMPSTER A P.Upper and lower probabilities induced by a multivalued mapping［J］.Annals of Mathematical Statistics，1967，38(2):325－339.

［13］SHAFE G.A mathematical theory of evidence［M］.Princeton，USA:Princeton University Press，1976:11－46.

王亮，男，1987年生，碩士研究生，主要研究方向為模式識別、最優(yōu)化算法等.

魯華祥，男，1965年生，研究員，主要研究方向為智能信息處理、神經(jīng)網(wǎng)絡(luò)技術(shù)及其應用.近年來，作為項目負責人或骨干研究人員已完成國家重大科技攻關(guān)項目3項、國家“863”計劃項目3項、國家自然科學基金重點項目3項，發(fā)表學術(shù)論文50余篇.

景為平，男，1954年生，研究員，南通大學江蘇省專用集成電路設(shè)計重點實驗室主任，中國半導體行業(yè)協(xié)會封裝分會理事.主要研究方向為數(shù)模混合集成電路設(shè)計，獲得集成電路版圖保護成果5項，發(fā)表學術(shù)論文20余篇.

A solution to interference problems in ETC systems based on image verification

WANG Liang1，LU Huaxiang1，JING Weiping2，CHEN Tianxiang3
(1.Institute of Semiconductors，Chinese Academy of Science，Beijing 100083，China;2.Jiangsu Key Lab of ASIC Design，Nantong University，Nantong 226019，China;3.Electronic and Electrical Engineering Department，Xiamen University of Technology，Xiamen 361005，China)

The cause for interference problems in electronic toll collection(ETC)systems is a lack of a means to verify the vehicle information collected through microwave communication.A fast license plate verification method based on the character image’s convex－and－concave features was proposed in this paper.This method uses the vehicle information collected by an ETC system as known information and chooses the character image’s convex－andconcave features to verify whether the vehicle information originates with the car in question.Because this method needs no complicated preprocessing and does not involve direct character recognition，it complies with the ETC system’s real－time requirements.Experimental results show that this method，supplemented by color and size verification，can reliably detect illegal vehicles and solve interference problems in ETC systems.

electronic toll collection(ETC);license plate verification;convex－and－concave feature;following－car interference;adjacent lane interference

TP39

A

1673－4785(2012)01－0050－06

10.3969/j.issn.1673－4785.201112021

2011－12－31.

國家自然科學基金資助項目(61076014);江蘇省高校自然科學基金資助項目(10KJA510042);廈門市重大科技計劃項目(3502Z20111008).

王亮.E－mail:hy242@semi.ac.cn.