基于机器视觉的高速公路收费车型识别与异常车辆辨识系统

文/张佳鹏 杨莹 郭晓澎 曹桂芳

1 引言

在2019年全国两会会议上，国务院做出了两年内取消省界收费站的重大指示。取消省界收费站对于我国高速公路收费工作而言是一项载入史册的历史性工程，涉及大量的系统升级改造和新技术应用，特别是高速公路车辆身份识别及收费系统的升级。随着高速公路收费联网范围的扩大，受经济利益的驱使，一些不法分子漠视法律法规偷逃通行费。车辆逃费行为扰乱了正常的高速公路收费运营，造成了严重的国有资产的流失，给收费数据稽查和账目清分带来新的问题和技术挑战。

传统收费车型识别主要依赖人工判断，不仅效率低而且容易出错。红外光栅、激光、车轴检测器等虽然也能提供部分检测功能，但受外界环境影响较大，都不能满足高速公路全国联网收费系统智能化收费和大数据逃费稽查的技术需求。随着AI智能图像识别与大数据技术的发展，依托领先的深度学习可实现收费车型识别、特征值提取、特征值辨识等功能，再融合高速公路收费数据等其他数据源应用大数据分析手段实现智能化收费和稽查已经成为技术发展的新趋势。本文主要研究基于机器视觉的高速公路收费车型识别与异常车辆辨识系统，该系统可实现车牌号、车型、品牌、颜色、轴型等车辆特征信息的提取，识别出收费车型，融合收费车型数据、车辆微特征数据、历史车辆特征信息、稽查黑名单库等多源数据，辨识出非法改装车辆、车牌车辆信息不符车辆、历史缴费黑名单车等异常车辆，实现异常车辆的取证，为高速公路收费和稽查提供数据支撑和依据，对提高高速公路堵漏增收和管理效率具有重大意义。

2 系统实现

2.1 系统架构

本系统主要由高清摄像机、补光灯、高性能图像处理设备、数据库、高速公路收费车型识别与异常车辆辨识系统软件构成，其系统架构如图1所示。一台高清摄像机布置在顶部，采集车辆轮廓图像，用于辨识车辆车牌、颜色、天窗、车窗悬挂物等车辆特征信息。另一台高清摄像机布置在侧面，采集车辆侧向图像，用于辨识车辆轴数、轴距、车长等特征信息。采集到的图像经过本地高性能图像处理设备内置算法处理，提取出车辆特征信息。为降低本地服务器投资和维护费用，车辆特征信息数据通过交通专网传入交通专有云，按照结构类型存储在云端MySQL和MangoDB数据库中。高速公路收费车型识别与异常车辆辨识系统软件布置在交通专有云上，远程控制设备硬件，管理数据库，内置收费车型模型、微特征模型、异常车辆辨识模型，实现收费车型识别和异常车辆辨识，为收费和稽查提供决策和依据。

图1：系统架构图

2.2 数据库

数据库采用结构化数据库MySQL和非结构化数据库MangoDB。MySQL用于存储车辆收费模型数据、微特征数据、异常特征数据、报表数据、人员数据等，MangoDB用于存储车牌图像、车辆局部特征图像、短视频等。两大数据库实现了多元数据的融合、存储和管理，方便用户使用和管理，为收费和稽查提供长久的信息查询和支持。

2.3 系统软件

本系统软件基于B/S模式，即浏览器和服务器模式。系统软件布置在交通专有云上，客户只需要打开浏览器，在网页上完成相关操作。该系统可接入不同路段的硬件设备，依据用户权限，管理权限内的设备、数据库，配置模型参数，查看车辆数据，打印数据报表，提供外对数据输出接口，其核心管理主要包含设备管理、数据库管理、收费车型模型管理、微特征模型和异常车辆辨识模型管理。

2.3.1 设备管理

现场设备按照通信协议通过交通专网将自身状态信息发送到系统软件，系统软件接收硬件设备信号，完成现场设备的自动添加。用户也可手动添加、删除、查询和更改设备，配置设备监控区域、分辨率、角度、亮度等参数，提高图像成像质量，实现网页端的设备远程管控。

2.3.2 数据库管理

多源数据按照数据结构类型存入对应的数据库中，再按照使用类型存入对应的库表中。系统软件按照标准的数据库接口统一管理MangoDB和MySQL两大数据库，完成库、表的添加、删除、查询、更改等功能。数据库融合了多种数据源信息，使信息紧密结合在一起，形成了关系链路，方便用户管理。

2.3.3 收费车型模型管理

依据最新的国家收费标准，按照车辆几何特征、车长、轴数、轴距等指标建立整套的客、货、专项作业车收费车型模型，提供标准的收费车型模型。用户可添加、删除、查看、更改收费车型模型，调整模型参数，满足现行国家、地方的收费车辆标准。

2.3.4 微特征模型管理

系统可准确辨识车辆的品牌、颜色、挂件摆件、进气格栅、天窗等车辆微特征。用户可查看微特征模型，可依据现场环境和使用情况，调整微特征模型参数，提高车辆特征信息提取率和辨识度。

2.3.5 异常车辆辨识管理

通过比对车辆收费车型数据、车辆微特征数据、历史车辆特征信息、稽查黑名单库等信息，实现非法改装车辆、车牌车辆信息不符车辆、历史缴费黑名单车辆等异常车辆的辨识。用户可方便更改模型参数，提高辨识度，实现异常车辆准确辨识。

3 关键技术

3.1 基于图像特征的收费车型识别

采用纯图像特征识别技术，结合深度学习车辆识别与分类，多维视频特征识别等，对车辆几何特征、车长、轴数、轴距等综合特征构建收费车型模型库，准确区分客、货、专项作业车，并将客车分为1-4类、货车和专项作业车分为1-6类。系统还同时对侧向车身图像进行深度图像分析，可清晰提取车辆轴数、轮数、轴型等信息，并与品牌、车款等识别信息进行匹配，判定其是否标准车型或改装车型等。

3.2 基于卷积神经网络的车辆细粒度识别

采用图像深度学习技术构建车辆目标微特征模型库，通过视频结构分析或图片结构化分析等方式对车辆车牌、品牌、年款、颜色、车辆类型基本属性进行识别，并解决对车窗及车身粘贴物、挂件摆件、车灯、进气格栅、天窗等微特征智能识别并提取其特征向量等难题。系统可支持300种品牌、7000种常见款式、10种车辆类型、10种颜色的车辆特征识别，未来可随车辆的新增和系统运行上线逐步升级模型库。

3.3 基于大数据技术的异常车辆辨识

基于深度学习辨识出收费车型数据和车辆微特征数据。运用大数据分析模型和技术，融合收费车型数据、车辆微特征数据、历史车辆特征信息、稽查黑名单库等多源数据，实现非法改装车辆、车牌车辆信息不符车辆、历史缴费黑名单车辆等异常车辆的实时智能辨识和高效取证。

4 结论

本文研究的基于机器视觉的收费车型识别与异常车辆辨识系统作为机电设备领域的新技术，具备非常好的实用性和推广性。系统基于图像特征、神经网络、大数据分析技术，融入多源数据，实现了收费车型识别以及异常车辆辨识。除现场采集处理硬件外，软件基于B/S部署在交通专有云上，管理人员基于浏览器可以远程管控设备，查看数据，打印报表，极大简化了管理人员的管理方式，降低了管理成本。系统作为高速公路收费和稽查的基础数据来源，可为高速公路收费和稽查系统提供长期决策和依据。若系统接入全省的高速公路收费数据，可进一步升级为全省的联网收费和稽查系统，实现硬件软件的全过程管理，有利于资源的集中管理，简化交通管理部门对高速公路交易业务的收费和稽查工作流程，提升运输效能，为充分挖掘和发挥行业数据效益提供技术手段。