人工智能識別車身反光標識的開發研究

李滌非 安宇 盧欣

摘 要：本文針對貨車車身反光標識粘貼方式多樣化的特點，采用人工智能技術解決了一系列識別難題，實現了人工智能對車身反光標識產品的識別，為準確高效智能查驗貨車車身反光標識奠定了技術基礎，且該技術也為查驗貨車超限超載提供了新的智能思路和方法。

關鍵詞：車身反光標識；人工智能

The research and development of AI for conspicuity recognition

LI Difei，AN Yu，LU Xin

（Traffic Police Sub-Corps Department of Motor Vehicle of Yunnan Honghe Public Security Bureau，Honghe 661400，China）

Abstract： The layout of conspicuity on truck is complicated due to many kinds of vehicle type， but the conspicuity recognition has been achieved by AI through a lot of research to overcome a series of technical difficulties， which lay the technical foundation for conspicuity intelligent inspection accurately and efficiently， furthermore， the technology will also be a new intelligent inspection method for out of gauge.

Keywords： Conspicuity；AI

人工智能（AI）越來越普遍地應用于我們的生產和生活，包括：醫療診斷，金融貿易，機器人控制，交通運輸，科學發現和玩具等，人工智能有助于解決各行各業中最困難的問題，正加速推進科技的發展和社會的進步。我國的機動車檢測行業作為一個傳統行業，自上世紀60年代開始在我國起步，目前部分車檢環節仍存在“眼看、手摸、耳聽”的傳統檢測方式。以車身反光標識檢驗環節為例，在檢測過程中仍普遍存在虛假檢測、流于形式等問題，給交通安全帶來巨大隱患。隨著人工智能在車檢領域應用的推進，車檢行業中存在的各種“疑難雜癥”也將迎刃而解，有效避免了人為因素的影響，確保機動車安全技術檢驗工作科學、準確、高效。

1車身反光標識在貨車上的應用及特點

近年來，我國也相繼出臺了一系列與車身反光標識相關的標準和法規，其中在GB23254-2009《貨車 掛車車身反光標識》[1]標準中對反光標識提出了明確的各項技術要求，在GB 7258-2017《機動車運行安全技術條件》[2]中對實施粘貼反光標識的各類車型進行了詳細描述，在GB 38900-2020《機動車安全技術檢驗項目和方法》[3]中明確了反光標識的檢測方法并要求采用專用儀器進行檢測。這充分說明了我國對于交通安全尤其是夜間行車安全的重視，但是車身反光標識在貨車車身上具有“數量多”“分布廣”的特點，手持式檢測儀難以實現全面檢測，加之逆反射性能無法用肉眼識別，以致于假冒偽劣車身反光標識產品長期大量充斥市場。

我國使用的車身反光標識尺寸是30cm×5cm，紅白相間（反射器型通常為單片紅色或白色），每個顏色單元的尺寸為15cm×5cm，在貨車上的粘貼/安裝位置為車身側面及后面，粘貼方式存在連續和斷續兩種。[1]雖然產品的形狀相對簡單，但由于貨車類型眾多，車身形狀及特點各異（尤其車身尾部），加之粘貼方式采用人工粘貼，所以反光標識在車身上的分布情況多種多樣。這給人工智能識別帶來了不小的挑戰。

2 人工智能對車身反光標識的識別研究

人工智能和人類智能有類似之處。為某一領域開發的人工智能，初始階段就像剛出生的嬰兒，研究人員要一點一滴的教會人工智能去認知某個事物/領域，因此“學習”是人工智能的核心，而人工智能學習所需要的“大腦”就是軟件工程師編寫的“源代碼”。源代碼的先進程度直接決定了學習的效果。

通過對不同車型、不同部位及不同反光標識的學習與識別，研究人員對源代碼進行了反復的調試與修正，目前的源代碼已經具備較好的學習能力，為后期開展大量深度學習奠定了堅實基礎。在人工智能的訓練過程中，研究團隊解決了諸多技術難題：

1. 反光標識紅白兩色與車身顏色相似性辨別；

2.反光標識紅白單元連續粘貼與斷開粘貼識別；

3. 依據破損程度，判斷反光標識完整性；

4. 諸多干擾因素排除訓練；

通過對車檢現場近千例典型照片的學習與驗證，從識別結果的照片中可以看出，所開發的源代碼已對反光標識有了很好的識別效果，具有較強的舉一反三能力，抗干擾能力突出。

圖3中，我們在智能系統中輸入了反光性能標準預設亮度作為參考，人工智能通過對RGB圖像及紅外遠程逆反射性能圖像的分析，成功將“反光性能可疑”的反光標識在圖中進行了紅框標注，對于性能良好的反光標識進行了綠框標注。清晰指出了影響車輛視認性的問題部位。人工智能識別反光標識的技術突破，不僅大大提高了檢測的效率和準確性，而且規避了人為因素所帶來的虛假檢測，有效保障了大型貨車的夜間視認性。

3人工智能識別車身反光標識技術拓展應用價值分析

車身反光標識是貨車必備粘貼產品，由于其應用的獨特性，目前反光標識都是采用人工粘貼/安裝。這就不可避免地致使每個貨車車身的反光標識分布都或多或少地存在差異。根據國家標準，反光標識的粘貼需要體現車身輪廓，也就是說反光標識的數量一定程度上反映了車廂的尺寸。這給“查驗貨車超限超載”提供了一條新途徑。

從目前的研究來看，通過深度學習，該人工智能將具備強大的反光標識識別能力，包括記憶車身上反光標識的數量和位置，甚至紅白單元的分布特征等。人工智能可以將這些信息牢牢掌握并形成數據庫。如果貨廂一旦發生調換，這一切都難逃人工智能的“法眼”。

綜上所述，人工智能識別反光標識技術的開發與應用，不僅可以有效打擊行業內的假冒偽劣反光標識產品，切實改善車輛夜間視認性，而且依托該技術平臺，通過拓展應用也為查驗超限超載這一交通頑疾提供了新的方法與手段。隨著人工智能技術與車檢行業的深度融合，相信人工智能一定可以更好地服務于我們的工作和生活，讓每一個家庭都能安全回家！

參考文獻

[1] 全國汽車標準化技術委員會. 貨車掛車車身反光標識：GB 23254-2009[S].北京：中國標準出版社，2009.

[2]中華人民共和國公安部. 機動車運行安全技術條件：GB 7258-2017[S].北京：中國標準出版社2017.

[3] 中華人民共和國公安部.機動車安全技術檢驗項目和方法：GB 38900-2020[S]. 北京：中國標準出版社，2020.