基于機器視覺的高速公路收費車型識別與異常車輛辨識系統(tǒng)

文/張佳鵬 楊瑩 郭曉澎 曹桂芳

1 引言

在2019年全國兩會會議上，國務院做出了兩年內取消省界收費站的重大指示。取消省界收費站對于我國高速公路收費工作而言是一項載入史冊的歷史性工程，涉及大量的系統(tǒng)升級改造和新技術應用，特別是高速公路車輛身份識別及收費系統(tǒng)的升級。隨著高速公路收費聯(lián)網(wǎng)范圍的擴大，受經(jīng)濟利益的驅使，一些不法分子漠視法律法規(guī)偷逃通行費。車輛逃費行為擾亂了正常的高速公路收費運營，造成了嚴重的國有資產(chǎn)的流失，給收費數(shù)據(jù)稽查和賬目清分帶來新的問題和技術挑戰(zhàn)。

傳統(tǒng)收費車型識別主要依賴人工判斷，不僅效率低而且容易出錯。紅外光柵、激光、車軸檢測器等雖然也能提供部分檢測功能，但受外界環(huán)境影響較大，都不能滿足高速公路全國聯(lián)網(wǎng)收費系統(tǒng)智能化收費和大數(shù)據(jù)逃費稽查的技術需求。隨著AI智能圖像識別與大數(shù)據(jù)技術的發(fā)展，依托領先的深度學習可實現(xiàn)收費車型識別、特征值提取、特征值辨識等功能，再融合高速公路收費數(shù)據(jù)等其他數(shù)據(jù)源應用大數(shù)據(jù)分析手段實現(xiàn)智能化收費和稽查已經(jīng)成為技術發(fā)展的新趨勢。本文主要研究基于機器視覺的高速公路收費車型識別與異常車輛辨識系統(tǒng)，該系統(tǒng)可實現(xiàn)車牌號、車型、品牌、顏色、軸型等車輛特征信息的提取，識別出收費車型，融合收費車型數(shù)據(jù)、車輛微特征數(shù)據(jù)、歷史車輛特征信息、稽查黑名單庫等多源數(shù)據(jù)，辨識出非法改裝車輛、車牌車輛信息不符車輛、歷史繳費黑名單車等異常車輛，實現(xiàn)異常車輛的取證，為高速公路收費和稽查提供數(shù)據(jù)支撐和依據(jù)，對提高高速公路堵漏增收和管理效率具有重大意義。

2 系統(tǒng)實現(xiàn)

2.1 系統(tǒng)架構

本系統(tǒng)主要由高清攝像機、補光燈、高性能圖像處理設備、數(shù)據(jù)庫、高速公路收費車型識別與異常車輛辨識系統(tǒng)軟件構成，其系統(tǒng)架構如圖1所示。一臺高清攝像機布置在頂部，采集車輛輪廓圖像，用于辨識車輛車牌、顏色、天窗、車窗懸掛物等車輛特征信息。另一臺高清攝像機布置在側面，采集車輛側向圖像，用于辨識車輛軸數(shù)、軸距、車長等特征信息。采集到的圖像經(jīng)過本地高性能圖像處理設備內置算法處理，提取出車輛特征信息。為降低本地服務器投資和維護費用，車輛特征信息數(shù)據(jù)通過交通專網(wǎng)傳入交通專有云，按照結構類型存儲在云端MySQL和MangoDB數(shù)據(jù)庫中。高速公路收費車型識別與異常車輛辨識系統(tǒng)軟件布置在交通專有云上，遠程控制設備硬件，管理數(shù)據(jù)庫，內置收費車型模型、微特征模型、異常車輛辨識模型，實現(xiàn)收費車型識別和異常車輛辨識，為收費和稽查提供決策和依據(jù)。

圖1：系統(tǒng)架構圖

2.2 數(shù)據(jù)庫

數(shù)據(jù)庫采用結構化數(shù)據(jù)庫MySQL和非結構化數(shù)據(jù)庫MangoDB。MySQL用于存儲車輛收費模型數(shù)據(jù)、微特征數(shù)據(jù)、異常特征數(shù)據(jù)、報表數(shù)據(jù)、人員數(shù)據(jù)等，MangoDB用于存儲車牌圖像、車輛局部特征圖像、短視頻等。兩大數(shù)據(jù)庫實現(xiàn)了多元數(shù)據(jù)的融合、存儲和管理，方便用戶使用和管理，為收費和稽查提供長久的信息查詢和支持。

2.3 系統(tǒng)軟件

本系統(tǒng)軟件基于B/S模式，即瀏覽器和服務器模式。系統(tǒng)軟件布置在交通專有云上，客戶只需要打開瀏覽器，在網(wǎng)頁上完成相關操作。該系統(tǒng)可接入不同路段的硬件設備，依據(jù)用戶權限，管理權限內的設備、數(shù)據(jù)庫，配置模型參數(shù)，查看車輛數(shù)據(jù)，打印數(shù)據(jù)報表，提供外對數(shù)據(jù)輸出接口，其核心管理主要包含設備管理、數(shù)據(jù)庫管理、收費車型模型管理、微特征模型和異常車輛辨識模型管理。

2.3.1 設備管理

現(xiàn)場設備按照通信協(xié)議通過交通專網(wǎng)將自身狀態(tài)信息發(fā)送到系統(tǒng)軟件，系統(tǒng)軟件接收硬件設備信號，完成現(xiàn)場設備的自動添加。用戶也可手動添加、刪除、查詢和更改設備，配置設備監(jiān)控區(qū)域、分辨率、角度、亮度等參數(shù)，提高圖像成像質量，實現(xiàn)網(wǎng)頁端的設備遠程管控。

2.3.2 數(shù)據(jù)庫管理

多源數(shù)據(jù)按照數(shù)據(jù)結構類型存入對應的數(shù)據(jù)庫中，再按照使用類型存入對應的庫表中。系統(tǒng)軟件按照標準的數(shù)據(jù)庫接口統(tǒng)一管理MangoDB和MySQL兩大數(shù)據(jù)庫，完成庫、表的添加、刪除、查詢、更改等功能。數(shù)據(jù)庫融合了多種數(shù)據(jù)源信息，使信息緊密結合在一起，形成了關系鏈路，方便用戶管理。

2.3.3 收費車型模型管理

依據(jù)最新的國家收費標準，按照車輛幾何特征、車長、軸數(shù)、軸距等指標建立整套的客、貨、專項作業(yè)車收費車型模型，提供標準的收費車型模型。用戶可添加、刪除、查看、更改收費車型模型，調整模型參數(shù)，滿足現(xiàn)行國家、地方的收費車輛標準。

2.3.4 微特征模型管理

系統(tǒng)可準確辨識車輛的品牌、顏色、掛件擺件、進氣格柵、天窗等車輛微特征。用戶可查看微特征模型，可依據(jù)現(xiàn)場環(huán)境和使用情況，調整微特征模型參數(shù)，提高車輛特征信息提取率和辨識度。

2.3.5 異常車輛辨識管理

通過比對車輛收費車型數(shù)據(jù)、車輛微特征數(shù)據(jù)、歷史車輛特征信息、稽查黑名單庫等信息，實現(xiàn)非法改裝車輛、車牌車輛信息不符車輛、歷史繳費黑名單車輛等異常車輛的辨識。用戶可方便更改模型參數(shù)，提高辨識度，實現(xiàn)異常車輛準確辨識。

3 關鍵技術

3.1 基于圖像特征的收費車型識別

采用純圖像特征識別技術，結合深度學習車輛識別與分類，多維視頻特征識別等，對車輛幾何特征、車長、軸數(shù)、軸距等綜合特征構建收費車型模型庫，準確區(qū)分客、貨、專項作業(yè)車，并將客車分為1-4類、貨車和專項作業(yè)車分為1-6類。系統(tǒng)還同時對側向車身圖像進行深度圖像分析，可清晰提取車輛軸數(shù)、輪數(shù)、軸型等信息，并與品牌、車款等識別信息進行匹配，判定其是否標準車型或改裝車型等。

3.2 基于卷積神經(jīng)網(wǎng)絡的車輛細粒度識別

采用圖像深度學習技術構建車輛目標微特征模型庫，通過視頻結構分析或圖片結構化分析等方式對車輛車牌、品牌、年款、顏色、車輛類型基本屬性進行識別，并解決對車窗及車身粘貼物、掛件擺件、車燈、進氣格柵、天窗等微特征智能識別并提取其特征向量等難題。系統(tǒng)可支持300種品牌、7000種常見款式、10種車輛類型、10種顏色的車輛特征識別，未來可隨車輛的新增和系統(tǒng)運行上線逐步升級模型庫。

3.3 基于大數(shù)據(jù)技術的異常車輛辨識

基于深度學習辨識出收費車型數(shù)據(jù)和車輛微特征數(shù)據(jù)。運用大數(shù)據(jù)分析模型和技術，融合收費車型數(shù)據(jù)、車輛微特征數(shù)據(jù)、歷史車輛特征信息、稽查黑名單庫等多源數(shù)據(jù)，實現(xiàn)非法改裝車輛、車牌車輛信息不符車輛、歷史繳費黑名單車輛等異常車輛的實時智能辨識和高效取證。

4 結論

本文研究的基于機器視覺的收費車型識別與異常車輛辨識系統(tǒng)作為機電設備領域的新技術，具備非常好的實用性和推廣性。系統(tǒng)基于圖像特征、神經(jīng)網(wǎng)絡、大數(shù)據(jù)分析技術，融入多源數(shù)據(jù)，實現(xiàn)了收費車型識別以及異常車輛辨識。除現(xiàn)場采集處理硬件外，軟件基于B/S部署在交通專有云上，管理人員基于瀏覽器可以遠程管控設備，查看數(shù)據(jù)，打印報表，極大簡化了管理人員的管理方式，降低了管理成本。系統(tǒng)作為高速公路收費和稽查的基礎數(shù)據(jù)來源，可為高速公路收費和稽查系統(tǒng)提供長期決策和依據(jù)。若系統(tǒng)接入全省的高速公路收費數(shù)據(jù)，可進一步升級為全省的聯(lián)網(wǎng)收費和稽查系統(tǒng)，實現(xiàn)硬件軟件的全過程管理，有利于資源的集中管理，簡化交通管理部門對高速公路交易業(yè)務的收費和稽查工作流程，提升運輸效能，為充分挖掘和發(fā)揮行業(yè)數(shù)據(jù)效益提供技術手段。