基于车牌识别技术的道路运输车辆综合性能检测联网系统设计探讨

赵维祖

中国交通通信信息中心,北京 100011

1 车牌识别技术的发展和应用

车牌识别（License Plate Recognition，LPR）也称作车牌号识别或车辆牌照识别或车辆号牌识别，是计算机视频图像识别技术在车辆牌照识别中的应用，即从前端采集的图像信息中将车牌号码提取并识别出来。自1988年提出车牌识别技术以来，人们已经对其进行了大量的研究，并广泛应用在道路交通流监控、高速公路不停车收费、电子警察、公安卡口、停车场管理、智能园区管理等领域，在现代交通监控和管理系统占有很重要的地位。

车牌识别主要包括图像采集、车牌定位、字符分割、字符识别和结果输出等五大模块，其基本工作原理为：根据采集到的序列图像对图像中的车辆牌照进行搜索、检测、定位，并分割出包含牌照字符的矩形区域，然后对牌照字符进行二值化，并将其分割为单个字符，归一化后输入字符识别模块进行识别。目前，车牌识别的方式主要分为软件识别和硬件识别，软件识别主要是通过前端设备抓取车辆照片，通过本地识别软件或者是云端识别软件进行一系列的字符处理；硬件识别通俗地讲，就是通过独立的硬件设备，对所抓拍图片进行一系列的字符处理，目前硬件识别可分为带有单独车牌识别仪的摄像机和“一体式”车牌识别摄像机两种形式[1]。

2 系统分析与设计

实际工作中，机动车综合性能检测联网系统需要重点解决的突出问题之一，就是尽量避免车辆替检的情况，也就是要确保上传到检测联网系统中的车辆检测数据所代表的车辆，与真正在检测线上进行检测的车辆是同一车辆，即车辆检测数据真实反映了该车辆的技术状况。通俗来讲，就是车辆确实已经上线检测，而不是由其他车辆代替检测的。因此，我们需要对检测联网系统进行优化设计，以实现车牌号的自动识别和自动比对，自动筛选出车牌号不符的检测数据，进一步强化行业管理。

2.1 系统总体设计

按照《道路运输车辆综合性能要求和检验方法》（GB18565）以及《道路运输车辆综合性能检测联网技术要求（暂行）》（交通运输部2018年第24号公告），车辆在检测线上的灯光检验工位、制动检验工位、动力性检验工位要拍摄照片存档，同时车辆的三张检验工位的照片要与检测数据一并上传到检测联网系统，保存到车辆检测电子档案。因此，我们可以引入目前已经比较成熟的车牌识别技术，通过系统自动识别检测工位照片中的车辆号牌，并与检测数据中记录的车辆号牌进行自动比对，由此解决车辆上线检测的真实有效性的问题[2]。

目前，车牌识别技术应用广泛采用的都是在前端主动获取车辆照片。前端主动采集的好处是能够很好地确保照片质量，提高车牌识别率和准确率。但是，如果我们的检测联网系统设计采用前端主动采集的方式获取车辆照片，一方面会增加系统建设成本，另一方面，检测联网系统还需要与检测机构的检测业务系统进行互动，极大地提高了系统建设的复杂性和难度，也可能会影响到检测机构的业务运转。同时，按照道路运输车辆技术管理规定要求，行业管理部门只是采信检测机构出具的检验检测报告，所以检测联网系统不宜在每个检测机构的前端布设车辆照片采集设备。综合考虑道路运输车辆综合性能检测行业管理的特点，系统的总体设计思路是：由检测机构按照上述国标（GB18565）要求，自行采集车辆在检测工位的照片并上传到检测联网系统，采用基于云平台的车牌识别技术，在检测联网系统后端完成车牌识别、数据比对等工作。由此看来，在这种系统设计思路的框架下，我们需要对照片的拍摄角度、光线明暗度、照片的清晰度等指标有明确的要求，否则将会影响车牌识别率和准确率。

2.2 系统工作流程

从车辆进入检测机构开始检测至检测结束上传检测数据，这一系列工作流程属于检测机构的检测业务系统流程，本文不做具体阐述，但作为检测联网系统的数据来源，简要介绍如下：检测机构按照上述国标（GB18565）对道路运输车辆进行综合性能检测，并按照行业标准《营运车辆技术等级划分和评定要求》（JT/T198）对车辆的技术状况进行评定，经评定合格后将车辆基本信息、检测数据及三张检测工位照片（以下合称为车辆检测数据）上传至检测联网系统。检测联网系统的具体工作流程如下：

首先，系统从车辆检测数据中提取车牌号、车牌颜色及三张检测工位照片，启动第一个工作流程——“车牌识别”，导入车牌识别技术，按顺序对三张检测工位照片进行车牌识别，当识别出车牌号后即结束“车牌识别”工作流程。

其次，系统将车牌号及车牌颜色结果信息输入至下一个工作流程——“车牌比对”，将车牌识别出的车牌号、车牌颜色信息与车辆检测数据中提取的车牌号、车牌颜色信息进行自动比对，完成比对后即结束“车牌比对”工作流程。

最后，系统将比对结果信息输入下一个工作流，分为两种情况：如果比对结果是不相符，则声光报警提示车辆检测数据存在数据与照片不一致的“数据警示”，并将该车辆检测数据以及相对应的检测机构列入重点疑似名单，用以采取后续管理措施，为行业管理、跨部门联合监管等管理措施提供强有力的技术支撑；如果比对结果是相符，则自动进行“数据存档”。数据存档后，检测机构即可对已经存档的检测数据打印正式的检验检测报告单。

2.3 车牌识别模块优化思路

实际应用中，该系统可能还存在三个方面的问题：一是车辆号牌本身存在污损的情况，从而影响识别率和准确率；二是检测机构上传的检测工位照片可能会存在照片质量不高的问题，比如：光线太暗、拍摄角度不好、相机镜头对焦不准、镜头晃动等，这直接导致车牌识别率降低或识别错误等问题；三是有的检测机构可能会存在造假的嫌疑，比如：车辆上线检测后将采集的车辆检测工位照片进行编辑，将车牌号修改为目标车牌号，或者使用目标车辆以前的历史照片进行替换，更有甚者可能临时悬挂假号牌上线检测。

综合来看，对上述问题进行研究分析，其中部分情况可以通过优化车牌识别模块得以解决，但有的问题必须需要行业自律才能解决。例如照片质量问题，可以导入更多极限条件下拍摄的照片，让车牌识别模块去适应，通过海量、高强度的实例化分析，提升识别模块的适应能力，进而提高识别率和准确率。但是，针对工具软件修图问题、替换历史照片问题，乃至采用假号牌上线检测问题，目前的技术手段还不太好解决，所以建议我们的综合性能检测行业通过行业自律约束来加以规范[3]。

3 结语

通过引入基于云平台的车牌识别技术，设计实现了车辆上线检测真实性的基本判定，可以在一定程度上避免车辆替检的问题。目前系统已经投入实际运行，目前还未出现无法识别车牌的情况，且所有检测数据中的车牌号与检测工位照片中识别的车辆号均能有效匹配。信息化系统只是技术手段，更多的还需要依靠全社会的检验检测机构，自身能够自我约束，给检测行业一片蓝天，那么整个行业才能长期稳定发展。