基于視頻圖像車型識別的門架稽核系統(tǒng)的設(shè)計與研究

杜浩然

（紐卡斯爾大學， 紐卡斯爾 NE17RU）

0 引言

全國高速公路省界收費站取消后，按照《深化收費公路制度改革取消高速公路省界收費站實施方案》，高速公路車輛通行計費的三元素為計費模塊、費率參數(shù)、路徑參數(shù)[1]。這三個元素信息的準確與否直接決定了最終通行費計費是否正確。費率參數(shù)包含各收費單元的各車型計費標準，準確的通行車輛車型和軸數(shù)是費率參數(shù)的決定因素。路徑參數(shù)包含所有的門架收費單元，最終體現(xiàn)為車輛本次路網(wǎng)通行的通行路徑，準確的通行路徑是路徑參數(shù)的決定因素。

由于客觀因素和主觀因素可能導致通行車輛路徑還原不完整或不準確。其中客觀因素主要包括RSU設(shè)備、牌識設(shè)備、標簽的故障和損壞的原因，入出口車牌/車型（軸數(shù)）不符、丟卡、壞卡等原因?qū)е聵撕灲灰缀团谱R路徑無法完整融合還原車輛通行路徑；主觀因素主要包括人為屏蔽OBU 或CPC 卡、更換車牌、倒換通行介質(zhì)、U/J 行駛等方式進行惡意逃費，從而導致實際的車輛通行路徑無法正確融合出來。

由此在通行計費方面具體表現(xiàn)為：車輛“車型（軸數(shù)）”信息的改變將造成“大車小標”“貨車客標”等車型不符的少收通行費行為；部分特殊情況下，存在一些ETC 車輛或CPC 車輛在經(jīng)過ETC 門架時沒得到有效記錄，造成“跑長買短”等涉及改變通行路徑的少收通行費行為。

針對車輛通行費用的稽核，主要方式是事后稽核，即由稽核人員后期基于現(xiàn)有的數(shù)據(jù)篩查分析疑似逃費車輛，實現(xiàn)通行費用追繳。這種事后稽核方式，由于人工分析的效率較低，無法實現(xiàn)全量稽核；無法對稽核數(shù)據(jù)進行全面分析，缺乏對本地區(qū)逃費整體情況的定量分析及預估，導致對于稽核業(yè)務(wù)的加強及系統(tǒng)建設(shè)比較盲目；稽核證據(jù)在“車型表達”方面獲取過程繁瑣且不夠直觀，不利于證據(jù)鏈補全[2]。

通過在現(xiàn)有的ETC 門架上加設(shè)一套基于視頻圖像技術(shù)車型識別的、高采集率的門架稽核系統(tǒng)，對通行車輛的“車型（軸數(shù)）”進行實時采集，將更好地解決這些問題。

1 系統(tǒng)技術(shù)方案

系統(tǒng)技術(shù)方案主要包含數(shù)據(jù)采集、數(shù)據(jù)傳輸、數(shù)據(jù)匯集與分析、平臺對接四個部分，構(gòu)架示意圖見圖1。

圖1 系統(tǒng)技術(shù)方案構(gòu)架示意圖

門架數(shù)據(jù)分析終端接收到門架車型識別設(shè)備的抓拍數(shù)據(jù)和門架RSU 計費交易結(jié)果數(shù)據(jù)后，經(jīng)過數(shù)據(jù)預處理、數(shù)據(jù)融合、數(shù)據(jù)分析等手段，分析出大車小標、計費缺失、一車多簽、反向行駛等核心數(shù)據(jù)，并支持將這些結(jié)果數(shù)據(jù)及圖片推送至第三方業(yè)務(wù)平臺。數(shù)據(jù)采集具體包括車輛信息采集和交易數(shù)據(jù)獲取。車輛信息采集由牌識設(shè)備將車頭圖、車尾圖、車牌等信息傳輸給車型識別設(shè)備，再由車型識別設(shè)備進行統(tǒng)一整合后，將車頭圖、車側(cè)圖、車尾圖等車輛信息數(shù)據(jù)傳輸至門架數(shù)據(jù)分析終端。在普通門架場景，門架RSU 設(shè)備產(chǎn)生交易數(shù)據(jù)后，將交易數(shù)據(jù)信息傳遞給部站的門架服務(wù)器，門架數(shù)據(jù)分析終端支持第三方軟件對接，支持自動獲取和人工導入兩種方式獲取交易數(shù)據(jù)[3]。

其中，車型識別采用視頻圖像車型識別技術(shù)。當前識別車型的主要技術(shù)形式有視頻車型識別技術(shù)、稱重輪軸識別技術(shù)、激光車型識別技術(shù)。這些技術(shù)產(chǎn)品已在高速公路應(yīng)用多年，使用場景大多數(shù)為單車道低速環(huán)境。

視頻圖像處理過程中涉及到對視頻圖像數(shù)據(jù)的獲取、處理、傳輸、顯示和回放等過程，最為主要的是視頻圖像的處理技術(shù)，該技術(shù)的發(fā)展主要體現(xiàn)在以下五個環(huán)節(jié)：

1）光電感知環(huán)節(jié)：隨著圖像傳感器技術(shù)和制程工藝的進步，300 萬以上像素的高分辨率、120 fps 以上的先進圖像傳感器大規(guī)模工業(yè)應(yīng)用，在高速公路快速通行場景下的圖像效果得到了更為直觀的改善。

2）WDR 寬動態(tài)環(huán)節(jié)：寬動態(tài)功能適用在光照對比強烈的場景，這類場景在高速公路最為常見，在夜晚汽車的遠光燈與周圍環(huán)境就形成了強烈對比，極易造成車輛目標不可見、不可辨的情況。在圖像傳感器廠家對傳感器光電轉(zhuǎn)換環(huán)節(jié)的多次曝光HDR 技術(shù)迭代推動下，再輔以CPU 芯片的ISP 圖像處理環(huán)節(jié)中WDR 效果調(diào)優(yōu)，當前WDR 寬動態(tài)技術(shù)在高速公路夜晚環(huán)境下可以達到比較好的使用效果。

3）視頻圖像降噪環(huán)節(jié)：噪聲是圖像和視頻中常見的失真類型，噪聲太大會直接影響信息的有效傳遞，傳統(tǒng)的圖像單幀降噪技術(shù)和視頻多幀降噪技術(shù)的發(fā)展已趨向瓶頸期，在ITS 行業(yè)的設(shè)備終端使用硬件和軟件實現(xiàn)，降噪效果基本可用[4]。

4）AI 圖像識別技術(shù)的發(fā)展：傳統(tǒng)圖像識別技術(shù)主要依靠人工經(jīng)驗去設(shè)計相關(guān)規(guī)則，只適合處理一些常見有規(guī)律的情況，面對更復雜的現(xiàn)實場景效果就會明顯下降甚至不可用。基于深度學習的AI 圖像識別，是通過樣本學習的方式，模擬人類感知過程，提取出圖像中最本質(zhì)的結(jié)構(gòu)化特征支撐上層決策，其表現(xiàn)主要取決于模型結(jié)構(gòu)的設(shè)計和樣本學習數(shù)量。對于圖像的處理是深度學習算法最早嘗試應(yīng)用的領(lǐng)域，也是當下在工業(yè)應(yīng)用更為深廣的領(lǐng)域，發(fā)展至今，現(xiàn)在的深度學習網(wǎng)絡(luò)模型已經(jīng)能夠理解和識別一般的自然圖像，這些識別模型不僅大幅提高了圖像識別的精度，同時也避免了特征提取的人工資源大量損耗，使用在線運行效率大大提升。

5）嵌入式算力芯片的發(fā)展：嵌入式算力芯片使基于深度學習的AI 圖像識別得到強大的算力支撐，隨著嵌入式算力芯片的成熟，可以在10 W 功耗的芯片上提供與專業(yè)GPU 等效的算力，使AI 模型能夠直接部署到前端設(shè)備中，在前端就能完成車型結(jié)構(gòu)化信息提取和識別的功能，極大減少了路網(wǎng)系統(tǒng)在傳輸和存儲上壓力。

在以上技術(shù)發(fā)展的推動下，視頻車型識別技術(shù)最終在車型識別技術(shù)中脫穎而出，不論是車型和車軸數(shù)的識別率，還是車輛高速通行場景的適應(yīng)性都可以滿足真實的工程使用要求。具體介紹如下：

1）數(shù)據(jù)傳輸：車輛信息數(shù)據(jù)與交易數(shù)據(jù)上傳至門架數(shù)據(jù)分析終端。

2）數(shù)據(jù)匯集與分析：由門架數(shù)據(jù)分析終端完成匯集后，系統(tǒng)再對數(shù)據(jù)進行預處理、融合以及分析。首先，將接入的采集數(shù)據(jù)進行多檢去重、清洗、存儲等預處理操作；其次，將車輛信息數(shù)據(jù)與門架交易數(shù)據(jù)進行融合，并將兩種數(shù)據(jù)按照相同門架、車牌顏色、車牌號碼、時間范圍等判定條件進行整合；數(shù)據(jù)融合后，輸出融合結(jié)果數(shù)據(jù)，系統(tǒng)自動篩選出大車小標、交易缺失、一車多簽、反向行駛、車牌不一致等異常數(shù)據(jù)。

3）平臺對接：門架數(shù)據(jù)分析終端完成數(shù)據(jù)分析后，可在平臺直接查看處理分析后的結(jié)果數(shù)據(jù)，同時系統(tǒng)支持將數(shù)據(jù)推送至第三方業(yè)務(wù)平臺。

2 試驗效果分析

試驗選取了一個貨車流量較大的門架，在該ETC門架上加裝視頻車型識別設(shè)備及牌識設(shè)備；在該門架機柜部署一臺門架數(shù)據(jù)分析終端。系統(tǒng)穩(wěn)定運行一定周期后，該服務(wù)器獲取的視頻車輛數(shù)據(jù)和ETC 交易流水數(shù)據(jù)進行對比分析，可分析出經(jīng)過該門架的車輛中“大車小標”“交易缺失”等異常數(shù)據(jù)。

針對每一條異常數(shù)據(jù)，通過稽核平臺逐條進行核查，可判斷出系統(tǒng)分析出來的異常數(shù)據(jù)是否存在真正的業(yè)務(wù)逃費。試驗過程中，不斷優(yōu)化分析模型及策略，提高了系統(tǒng)的分析準確性。通過這些“異常數(shù)據(jù)”可以分析出本區(qū)域內(nèi)的“大車小標”“交易缺失”等大致情況。通過試驗驗證，系統(tǒng)可以實現(xiàn)的業(yè)務(wù)功能包括通行流水、異常數(shù)據(jù)、特殊車輛采集和流量統(tǒng)計四大部分，業(yè)務(wù)功能結(jié)構(gòu)如圖2 所示。

圖2 系統(tǒng)業(yè)務(wù)功能結(jié)構(gòu)

2.1 通行流水

門架數(shù)據(jù)分析終端接入車型識別設(shè)備采集的識別數(shù)據(jù)與ETC 門架的交易數(shù)據(jù)，經(jīng)過數(shù)據(jù)匯聚、融合計算和智能分析，融合車輛通行數(shù)據(jù)，可以輕松形成可展示的一車一行一檔多維數(shù)據(jù)信息。

2.2 異常數(shù)據(jù)

將融合后的車輛通行信息進行智能分析后得出存在異常的車輛通行記錄：

1）大車小標：實際車型（軸數(shù)）與計費車型（軸數(shù)）不一致，標記判定為大車小標。同時可將車輛圖片及車輛多維度信息組合起來生成合成圖，提供輔助稽核的有利證據(jù)。

2）交易缺失：存在設(shè)備識別數(shù)據(jù)，但無匹配的交易數(shù)據(jù)，標記判定為交易缺失。對缺失頻次按月進行累加統(tǒng)計，通過此種方式，可以找出缺失頻次高、嫌疑較大的問題車輛。這些車輛可能存在屏蔽計費設(shè)備行為。

3）一車多簽：單次通行，存在多個不同編號的通行介質(zhì)的車輛通行數(shù)據(jù)，被標記判定為一車多簽。

4）反向行駛：系統(tǒng)將識別數(shù)據(jù)與門架計費數(shù)據(jù)進行融合匹配后，把車輛一次通行短時經(jīng)過了兩個不同方向的門架的數(shù)據(jù)進行標記，判定為反向行駛異常數(shù)據(jù)。

5）號牌不一致：識別號牌及顏色與計費號牌及顏色不一致。

2.3 特殊車輛采集

車型識別設(shè)備通過車輛多維特征采集、智能算法分析，可精準識別?；愤\輸車輛、冷鏈運輸車輛等特殊車輛信息，并匯集成帶車型的特殊車輛數(shù)據(jù)庫。同時，系統(tǒng)可以檢測出在違禁時段內(nèi)通行的?；愤\輸車輛，并打上標記，提供給客戶查閱。

2.4 流量統(tǒng)計

采集通行車型，生成時段與車型、特殊車輛等多角度的統(tǒng)計流量分析報告，為高速運營分析提供帶車型的精準交調(diào)數(shù)據(jù)。

3 結(jié)語

基于視頻圖像技術(shù)車型識別的門架稽核系統(tǒng)針對高速公路單點門架能夠提供完整的稽核微系統(tǒng)和流量數(shù)據(jù)。系統(tǒng)采用分布式架構(gòu)，易于擴展，當部署點足夠覆蓋完整路段時，可升級為路段稽核方案。同時，由于系統(tǒng)處于收費網(wǎng)絡(luò)，且針對通過門架的所有車輛，因此所有數(shù)據(jù)從前端到應(yīng)用都應(yīng)做好安全保密措施，嚴格遵循相關(guān)網(wǎng)絡(luò)安全規(guī)定。