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

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的升級。隨著高速公路收費聯網范圍的擴大，受經濟利益的驅使，一些不法分子漠視法律法規偷逃通行費。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的流失，給收費數據稽查和賬目清分帶來新的問題和技術挑戰。

傳統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，但受外界環境影響較大，都不能滿足高速公路全國聯網收費系統智能化收費和大數據逃費稽查的技術需求。隨著AI智能圖像識別與大數據技術的發展，依托領先的深度學習可實現收費車型識別、特征值提取、特征值辨識等功能，再融合高速公路收費數據等其他數據源應用大數據分析手段實現智能化收費和稽查已經成為技術發展的新趨勢。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，該系統可實現車牌號、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，融合收費車型數據、車輛微特征數據、歷史車輛特征信息、稽查黑名單庫等多源數據，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，實現異常車輛的取證，為高速公路收費和稽查提供數據支撐和依據，對提高高速公路堵漏增收和管理效率具有重大意義。

2 系統實現

2.1 系統架構

本系統主要由高清攝像機、補光燈、高性能圖像處理設備、數據庫、高速公路收費車型識別與異常車輛辨識系統軟件構成，其系統架構如圖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、軸距、車長等特征信息。采集到的圖像經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，車輛特征信息數據通過交通專網傳入交通專有云，按照結構類型存儲在云端MySQL和MangoDB數據庫中。高速公路收費車型識別與異常車輛辨識系統軟件布置在交通專有云上，遠程控制設備硬件，管理數據庫，內置收費車型模型、微特征模型、異常車輛辨識模型，實現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。

圖1：系統架構圖

2.2 數據庫

數據庫采用結構化數據庫MySQL和非結構化數據庫MangoDB。MySQL用于存儲車輛收費模型數據、微特征數據、異常特征數據、報表數據、人員數據等，MangoDB用于存儲車牌圖像、車輛局部特征圖像、短視頻等。兩大數據庫實現了多元數據的融合、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 系統軟件

本系統軟件基于B/S模式，即瀏覽器和服務器模式。系統軟件布置在交通專有云上，客戶只需要打開瀏覽器，在網頁上完成相關操作。該系統可接入不同路段的硬件設備，依據用戶權限，管理權限內的設備、數據庫，配置模型參數，查看車輛數據，打印數據報表，提供外對數據輸出接口，其核心管理主要包含設備管理、數據庫管理、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

現場設備按照通信協議通過交通專網將自身狀態信息發送到系統軟件，系統軟件接收硬件設備信號，完成現場設備的自動添加。用戶也可手動添加、刪除、查詢和更改設備，配置設備監控區域、分辨率、角度、亮度等參數，提高圖像成像質量，實現網頁端的設備遠程管控。

2.3.2 數據庫管理

多源數據按照數據結構類型存入對應的數據庫中，再按照使用類型存入對應的庫表中。系統軟件按照標準的數據庫接口統一管理MangoDB和MySQL兩大數據庫，完成庫、表的添加、刪除、查詢、更改等功能。數據庫融合了多種數據源信息，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

依據最新的國家收費標準，按照車輛幾何特征、車長、軸數、軸距等指標建立整套的客、貨、專項作業車收費車型模型，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，滿足現行國家、地方的收費車輛標準。

2.3.4 微特征模型管理

系統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，可依據現場環境和使用情況，調整微特征模型參數，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據、車輛微特征數據、歷史車輛特征信息、稽查黑名單庫等信息，實現非法改裝車輛、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，提高辨識度，實現異常車輛準確辨識。

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、軸距等綜合特征構建收費車型模型庫，準確區分客、貨、專項作業車，并將客車分為1-4類、貨車和專項作業車分為1-6類。系統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、輪數、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 基于卷積神經網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運行上線逐步升級模型庫。

3.3 基于大數據技術的異常車輛辨識

基于深度學習辨識出收費車型數據和車輛微特征數據。運用大數據分析模型和技術，融合收費車型數據、車輛微特征數據、歷史車輛特征信息、稽查黑名單庫等多源數據，實現非法改裝車輛、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。系統基于圖像特征、神經網絡、大數據分析技術，融入多源數據，實現了收費車型識別以及異常車輛辨識。除現場采集處理硬件外，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，查看數據，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。系統作為高速公路收費和稽查的基礎數據來源，可為高速公路收費和稽查系統提供長期決策和依據。若系統接入全省的高速公路收費數據，可進一步升級為全省的聯網收費和稽查系統，實現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務的收費和稽查工作流程，提升運輸效能，為充分挖掘和發揮行業數據效益提供技術手段。