高速公路ETC 防逃費(fèi)技術(shù)的應(yīng)用

文／廣東華路交通科技有限公司 黃常基

關(guān)鍵字:高速公路；聯(lián)網(wǎng)ETC；圖像處理；防逃費(fèi)

1 引言

ETC 聯(lián)網(wǎng)收費(fèi)技術(shù)是高速公路管理的重要組成部分，是未來(lái)高速公路收費(fèi)方法的主要發(fā)展趨勢(shì)[1]。但是聯(lián)網(wǎng)ETC 收費(fèi)技術(shù)帶來(lái)方便的同時(shí)也為不法分子帶來(lái)可乘之機(jī)，車輛降級(jí)逃費(fèi)、沖關(guān)逃費(fèi)、換卡逃費(fèi)現(xiàn)象時(shí)有發(fā)生，國(guó)家公路收益損失重大[2]。本文引入基于圖像處理的車牌識(shí)別技術(shù)獲取ETC通過(guò)車輛的車牌信息，解決高速公路聯(lián)網(wǎng)ETC 車輛違法逃費(fèi)問(wèn)題，減少國(guó)家高速公路的管理?yè)p失。

2 車牌識(shí)別技術(shù)在高速公路聯(lián)網(wǎng)ETC 防逃費(fèi)中的應(yīng)用

2019 年底我國(guó)采 用ETC 收費(fèi)技術(shù)，實(shí)現(xiàn)了全國(guó)高速公路聯(lián)網(wǎng)通行和分段收費(fèi)，通過(guò)后臺(tái)計(jì)算與分析判斷車輛出入口信息是否匹配，車牌是否屬于黑名單以及是否存在違規(guī)等現(xiàn)象，進(jìn)一步保證車輛收費(fèi)準(zhǔn)確無(wú)誤。車牌識(shí)別技術(shù)在聯(lián)網(wǎng)ETC 防逃費(fèi)中的具體應(yīng)用如下：

（1）管理無(wú)需繳納車費(fèi)的車輛。車牌識(shí)別技術(shù)現(xiàn)在車輛通過(guò)ETC 車道時(shí)即可識(shí)別車牌信息，此時(shí)車輛車牌信息高速傳輸至監(jiān)控系統(tǒng)，監(jiān)控系統(tǒng)在車牌數(shù)據(jù)庫(kù)中搜索該車牌信息，得到車牌對(duì)比結(jié)果立即將查詢結(jié)果反饋至收費(fèi)口處[3]，為收費(fèi)通行出口提供判斷車輛是否為免費(fèi)車輛的依據(jù)。

（2）防止高速公路車輛逃費(fèi)。聯(lián)網(wǎng)ETC 車道精準(zhǔn)識(shí)別車牌信息后，和車牌數(shù)據(jù)庫(kù)信息進(jìn)行比對(duì)，得知車輛與車牌信息是否一致；當(dāng)車牌信息與實(shí)際車輛不符時(shí)，ETC 通道則自動(dòng)攔截車輛通知工作人員進(jìn)行具體處理。車牌識(shí)別技術(shù)對(duì)于換卡、盜卡此類逃費(fèi)現(xiàn)象具有積極效用，避免高速公路通行費(fèi)用的流失現(xiàn)象。

（3）避免收費(fèi)人員徇私舞弊。聯(lián)網(wǎng)ETC 車道基于車牌識(shí)別技術(shù)精準(zhǔn)識(shí)別車牌信息后，有效對(duì)比車輛識(shí)別信息與車輛原始信息，準(zhǔn)確核查車輛繳納通行費(fèi)用，收費(fèi)人員無(wú)法濫用私權(quán)放行應(yīng)繳費(fèi)車輛；車牌識(shí)別技術(shù)為高速公路收費(fèi)站提供高精準(zhǔn)的交通統(tǒng)計(jì)量信息、車輛違章記錄信息、黑名單處理信息等管理依據(jù)[4]，避免收費(fèi)站人員舞弊現(xiàn)象，促進(jìn)智能化交通進(jìn)一步發(fā)展。

3 基于圖像處理的高速公路車牌識(shí)別方法

3.1 高速公路車牌信息識(shí)別流程

常見(jiàn)的基于圖像處理的高速公路車牌識(shí)別方法執(zhí)行流程為：對(duì)采集到的高速公路車牌圖像首先要進(jìn)行預(yù)處理，降低圖像噪聲、提高車牌字符信息提取的精準(zhǔn)度；在此基礎(chǔ)上進(jìn)行車牌定位與分割，經(jīng)過(guò)初步定位與精準(zhǔn)定位兩個(gè)步驟得到準(zhǔn)確的車牌區(qū)域圖像；在此為前提下，以大量車牌圖像為樣本提取車牌字符特征并訓(xùn)練，找出車牌字符的規(guī)律，由此構(gòu)建包含字符偏心度、圓形度、字符與車牌背景比例三個(gè)特征度量的模型，精準(zhǔn)識(shí)別高速公路車牌字符信息，為聯(lián)網(wǎng)ETC 收費(fèi)系統(tǒng)提供準(zhǔn)確的車輛信息，防止逃費(fèi)現(xiàn)象。

3.2 高速公路車牌圖像預(yù)處理

高速公路車牌圖像預(yù)處理的目的是降低噪聲導(dǎo)致的車牌圖像模糊、粗糙等問(wèn)題，準(zhǔn)確識(shí)別車牌信息。圖像灰度化、圖像去噪、圖像增強(qiáng)是圖像預(yù)處理的主要方法。ETC車道采集的車牌圖像為RGB模式，需要將其轉(zhuǎn)變?yōu)榛叶饶Ｊ揭越档蛨D像所占內(nèi)存空間[5]。RGB 模式圖像中，人眼識(shí)別綠色的敏感度最強(qiáng)，識(shí)別藍(lán)色的敏感度最弱，為此基于加權(quán)平均值算法提取圖像的顏色信息，將圖像轉(zhuǎn)變?yōu)橛?jì)算機(jī)容易識(shí)別的顏色模式，轉(zhuǎn)變方法如下：

公式中，車牌圖像隨機(jī)點(diǎn)像素值用（x,y)表示，對(duì)應(yīng)的灰度值為Gray；紅、綠、藍(lán)三個(gè)顏色分別用R、G、B 描述，0.298、0.586、0.113是三個(gè)顏色變量加權(quán)均值的權(quán)值大小。車牌圖像轉(zhuǎn)變?yōu)榛叶葓D像后，其噪聲程度明顯增加，需要使用小波去噪算法降低車牌圖像的噪聲。基于小波去噪算法處理后的車牌圖像的關(guān)鍵信息基本呈低頻率分布，噪聲與無(wú)關(guān)緊要的信息呈高頻率分布。因此，基于運(yùn)算降低或者清除部分高頻系數(shù)值，合并處理完成的高頻系數(shù)與全部低頻系數(shù)并進(jìn)行圖像重構(gòu)，即可實(shí)現(xiàn)車牌圖像去噪目標(biāo)。

3.3 圖像中車牌定位與分割

根據(jù)去噪后的車牌圖像為基礎(chǔ)進(jìn)行牌照定位，由于車牌包含字符、雜亂背景、邊框信息，直接提取分割完成的車牌信息容易出現(xiàn)字符與背景信息混亂的現(xiàn)象，導(dǎo)致車牌識(shí)別存在誤差。為此，需要通過(guò)以下兩個(gè)步驟實(shí)現(xiàn)車牌圖像定位和分割。

（1）車牌圖像初步定位。預(yù)處理完成的車牌圖像即為灰度圖像，在此技術(shù)處上采用投影操作得到二值化圖，投影方法如何應(yīng)用與灰度圖像轉(zhuǎn)換得到二值圖像是重點(diǎn)研究的問(wèn)題，此過(guò)程主要包含平滑、邊緣檢測(cè)、二值化、投影四個(gè)操作步驟[6]。

平滑處理車牌灰度圖之后即可展開(kāi)邊緣檢測(cè)，進(jìn)而對(duì)車牌圖像進(jìn)行二值化操作，方法如下：首先，確定二值化圖像轉(zhuǎn)換的閾值。二值圖像閾值確定方法較多，可變閾值法、p 參數(shù)法、固定閾值法等等均屬于閾值確定方法，最終決定聯(lián)合使用固定閾值法與可變閾值法確定圖像閾值；其次，邊緣圖向二值化圖像的轉(zhuǎn)換。分析以數(shù)千幅圖像樣本為基礎(chǔ)得到較大閾值、較小閾值，當(dāng)車牌圖像灰度均值較大時(shí)，使用較大閾值處理圖像得到二值化圖像，反之則采用較小閾值，實(shí)現(xiàn)二值化圖像的轉(zhuǎn)換。此時(shí)初步定位得到的車牌圖像中包含車牌和其他背景信息，所以需要進(jìn)一步精準(zhǔn)定位，得到完整的車牌分割區(qū)域。

（2）車牌圖像精準(zhǔn)定位與分割。此處以圖像備選區(qū)域?yàn)閷?duì)象將圖像分割成多個(gè)小區(qū)域，基于OTSU算法求取相應(yīng)閾值，利用該閾值不斷遍歷區(qū)域?qū)ο?，?dòng)態(tài)修正后即可得到精準(zhǔn)的車牌區(qū)域。

3.4 車牌字符識(shí)別

以精準(zhǔn)車牌區(qū)域?yàn)閷?duì)象基于多特征模型提取車牌字符，獲取車牌信息。詳細(xì)思路為以大量車牌圖像為樣本提取車牌字符特征并訓(xùn)練，找出車牌字符的規(guī)律，由此構(gòu)建包含字符偏心度、圓形度、字符與車牌背景比例三個(gè)特征度量的模型[7]。字符形態(tài)和所處車牌位置兩個(gè)因素決定了字符偏心程度，所以計(jì)算此處定義兩個(gè)參量，字符實(shí)際位置與車牌框的歐氏距離用表L1表示，L1與車牌長(zhǎng)軸的比例用L2表示，字符偏心度計(jì)算方法則為：

其中，(x0,y0)為字符質(zhì)心坐標(biāo)，α為字符偏心度。字符的質(zhì)心與圓形度運(yùn)算公式分別見(jiàn)公式（3）與公式（4）：

其中，m、n 為車牌圖像的寬高；β、r 分別為字符圓形度與字符外接圓。構(gòu)建字符和車牌背景比例特征模型見(jiàn)公式（5）：

公式中：H、D、F 分別表示代表字符與車牌背景比例、字符區(qū)域函數(shù)、車牌背景（除字符區(qū)域外）區(qū)域函數(shù)。構(gòu)建完成的字符偏心度模型、字符圓形度模型、字符和車牌背景比例特征模型兼顧字符本身特性與僅存在于車牌背景的幾何背景，極大約束了車牌字符信息提取的特征選取范圍，識(shí)別車牌信息的精度較高。

4 結(jié)論

本文研究了基于圖像處理的車牌識(shí)別技術(shù)，用于識(shí)別高速公路車輛車牌信息，將車牌信息與車輛數(shù)據(jù)庫(kù)通行信息進(jìn)行對(duì)比判斷該車輛是否存在換卡、盜卡等現(xiàn)象，有效防止車輛逃費(fèi)行為發(fā)生。高速公路聯(lián)網(wǎng)ETC收費(fèi)系統(tǒng)是我國(guó)交通管理智能化的重要部分，交通部門對(duì)聯(lián)網(wǎng)ETC 逃費(fèi)問(wèn)題給予高度重視，在建立健全聯(lián)網(wǎng)收費(fèi)ETC 防逃費(fèi)平臺(tái)方面積極實(shí)踐。聯(lián)網(wǎng)ETC 防逃費(fèi)平臺(tái)大量使用圖像識(shí)別技術(shù)、視頻技術(shù)、計(jì)算機(jī)處理技術(shù)校對(duì)車輛信息，避免車輛通行費(fèi)用的大量流失，保障國(guó)家高速公路企業(yè)經(jīng)濟(jì)效益，驅(qū)動(dòng)高速公路企業(yè)智能化與可持續(xù)發(fā)展。