非标车牌车辆智能检索系统分析与设计

王磊 段娜

摘要：近年来，我国非标车牌车辆持有量增长迅速，不断增大的城市交通压力使得人们对于非标车的需求越来越迫切。随之而来的是繁重的日常管理工作以及与日俱增的非标车偷盗案件。由于无法对非标车牌车辆进行车牌识别，对于这类车辆的跟踪抓捕、监管几乎只能依靠人力，效率不高且很难真正找到对应目标。该文分析并设计的非标车智能检索系统，实现只要是监控系统捕捉到的非标车目标既可以进行文本检索又能进行特定目标的图像检索，大大地提高了对非标车牌车辆的检索效率和管控能力，提升公安工作科学化水平。

关键词：非标车；深度学习；图像分析；智能检索

中图分类号：TP391 文献标识码：A

文章编号：1009-3044（2019）10-0167-02

开放科学（资源服务）标识码（OSID）：

1 背景

近年来，随着国民收入水平的提高，非标车保有量迅猛增长，交通压力不断增大，非机动车尤其是电动车以其良好的便利性和迅捷性近年来呈现出井喷式增长。在此情况下，如何利用先进的科技手段提高城市非机动车管理水平、抑制非机动车违章、打击偷盗非机动车案件、震慑偷盗分子，提高社会治安综合管理水平成了当前公安亟待解决的问题。

相对于标准车牌车辆来说，目前的高清抓拍系统对于摩托车、电动车、三轮车等非标车牌车辆的管理和控制相对显得薄弱，由于无法对非标车牌车辆进行车牌识别，对于这类车辆的跟踪、抓捕几乎只能依靠人力，效率不高且很难真正找到对应目标。近年来不少犯罪分子针对该薄弱环节，利用非标车牌车辆引发的各类案件不断增加，严重影响了人民群众的生活和财产安全，成为社会安定的一大隐患。为了大大地提高了对非标车牌车辆的检索效率和管控能力，提升公安工作科学化水平，建立非标车牌车辆智能检索系统。

2 系统分析

如图 1所示，非标车牌车辆智能检索系统可分为三层，从底层到高层依次是接入高清卡口电子警察图像、视频图像的接入层，对图像进行分析的非标车类别描述和特征提取层以及面向用户的文本和图像检索应用层。为了彻底解决非标车的文本描述和图像检索问题，下面对这三层分别进行分析。

首先是数据接入层，我们的待分析数据有两大来源，一是卡口-电警的抓拍静态图像；二是监控视频。在整个数据来源上来说，卡口-电警图片大约占整个公安监控的20%左右；监控视频约占80%。

然后是文本描述和特征提取层， 初步将非标车划分为三轮车、电动摩托车、电动自行车、自行车、摩托车、轻型摩托车和行人等目标，并采用了图像特征计算和GPU智能比对等技术。

最后是文本和图像检索应用层，针对治安监控和卡口电警图像的非机动车分类的文本检索和图像检索系统。

3系统设计

3.1系统框架设计

非标车智能检索系统主要包括过车数据接入模块，结构化描述模块、检索模块、结构化数据库和solr检索系统，最后输出检索结果，如图 2所示。过车数据接入模块获取前端采集的图片和过车描述信息，将其发送到rabbitmq；结构化描述模块从rabbitmq中获取过车记录，将图片下载到本地，然后进行图片的结构化描述，将结构化描述后的数据存入结构化数据库和solr检索系统，非结构化特征数据存放到GPU搜索引擎，以备进行非标车以图搜图；检索模块可通过solr检索系统进行文本检索，并进行图像检索和局部特征检索，最终输出检索结果。

3.2结构化描述模块和检索模块设计

非标车智能检索系统中的图像可识别的内容包括：电动自行车、电动摩托车、自行车、摩托车-带保险杠、摩托车-无保险杠、摩托车-轻型、行人、三轮车-有蓬、三轮车-无蓬、自行车-车尾、摩托车电动车车尾、三轮车车尾、三轮摩托车、车头、车尾、非机动车-侧身等类别。

非标车图像检索特征采用深度学习中的conv5特征层信息。

检索模块主要包括以下文本检索和图像检索两个方面：

1）文本检索：通过输入非标车类别、时间、点位等基本特征，快速获取符合条件的目标，也可对多种条件进行组合检索。

2）图像检索：根据给定的目标图像，查找与目标相似的非标车图片。

检索结果按照匹配度或条件排序，并以缩略图或列表形式显示出来。图像检索可以与文本检索结合，进行组合检索，即通过非标车类别、时间、点位等文本信息过滤，缩小检索范围。

3.3系统功能

对监控系统中的非标车牌车辆进行实时结构化描述，描述内容包括非标车的综合特征、非标车车型分类、非标车属性分析等。

把待检索的时间范围内的非标车图像数据加载到服务器，加载后，可以对待检索的图片目标进行快速检索（只有拥有权限的用户才能加载特定时段的数据）。

把非标车辆按照三轮车（带篷）、三轮车（敞篷）、摩托车、电瓶车、自行车、车尾、其他分类，可以按分类快速筛选，以缩略图形式显示出来。

通过导入待查找的目标卡口图像，手工框选待检索目标（可有处理一幅图中有多个车辆），对指定卡口的图片进行智能检索。既可以通过使用默认特征条件进行检索，也可指定纹理特征优先或颜色特征优先来优化检索。检索结果按照匹配度排序，并缩略图形式显示出来，如图3所示。

检索结果可以通过人工选定，把选择的多个同一目标多个点位图像导出，形成非标车辆的轨迹。

以上功能表现为如下功能模块：

1）可以通过输入嫌疑目标的图片来检索与图片相似的目标（摩托车、电瓶车、自行车、三轮车等非标车牌车辆），检索的范围可根据摄像头点位（可支持通过PGIS地图获取）、时间来进行选择，如图4所示；

2）可以指定临控目标图像集合存入临控库（临控目标集，包括摩托车、电瓶车、三轮车、自行车等多种非标车牌车辆的高清图片），并对该临控库进行管理，包括添加、修改或删除目标、参数设置等；

3）系统在后台定时运行图像比对，生成与指定图像最相似的一个图像集合，依据这个集合去发现监控目标，集合以报表的形式提供，如图5所示：

4）系统支持多用户并发应用，按照各自选定的时间段、点位集进行检索比对，互不干扰。

4 结束语

非標车智能检索系统彻底解决高清卡口电警和视频监控的非标车检索问题，系统实现只要是监控系统捕捉到的非标车目标既可以进行文本属性检索又能进行特定目标的图像检索。能够帮助公安机构加强城市非机动车管理水平、抑制非机动车违章、打击偷盗非机动车案件、震慑偷盗分子。

参考文献：

[1] 陈杰.基于视频结构化描述的图像综合平台应用研究[D].苏州：苏州大学，2014.

[2] 谭懿先.智能高清卡口综合检索系统分析与设计[J].电脑知识与技术，2019，15（1）：101-102.

[3] 李春红.基于图像结构化描述的车辆识别平台应用研究[D].苏州：苏州大学，2016.

[4] 李莉，冯林，吴俊，等.全局和局部特征的图像检索[J].中南大学学报：英文版，2018，25（2）：259-276.

[5] 徐磊.嵌入式处理系统在智能高清卡口中的应用[J].计算机时代，2011（5）：26-28.

【通联编辑：谢媛媛】