基于视频图像车型识别的门架稽核系统的设计与研究

杜浩然

（纽卡斯尔大学， 纽卡斯尔 NE17RU）

0 引言

全国高速公路省界收费站取消后，按照《深化收费公路制度改革取消高速公路省界收费站实施方案》，高速公路车辆通行计费的三元素为计费模块、费率参数、路径参数[1]。这三个元素信息的准确与否直接决定了最终通行费计费是否正确。费率参数包含各收费单元的各车型计费标准，准确的通行车辆车型和轴数是费率参数的决定因素。路径参数包含所有的门架收费单元，最终体现为车辆本次路网通行的通行路径，准确的通行路径是路径参数的决定因素。

由于客观因素和主观因素可能导致通行车辆路径还原不完整或不准确。其中客观因素主要包括RSU设备、牌识设备、标签的故障和损坏的原因，入出口车牌/车型（轴数）不符、丢卡、坏卡等原因导致标签交易和牌识路径无法完整融合还原车辆通行路径；主观因素主要包括人为屏蔽OBU 或CPC 卡、更换车牌、倒换通行介质、U/J 行驶等方式进行恶意逃费，从而导致实际的车辆通行路径无法正确融合出来。

由此在通行计费方面具体表现为：车辆“车型（轴数）”信息的改变将造成“大车小标”“货车客标”等车型不符的少收通行费行为；部分特殊情况下，存在一些ETC 车辆或CPC 车辆在经过ETC 门架时没得到有效记录，造成“跑长买短”等涉及改变通行路径的少收通行费行为。

针对车辆通行费用的稽核，主要方式是事后稽核，即由稽核人员后期基于现有的数据筛查分析疑似逃费车辆，实现通行费用追缴。这种事后稽核方式，由于人工分析的效率较低，无法实现全量稽核；无法对稽核数据进行全面分析，缺乏对本地区逃费整体情况的定量分析及预估，导致对于稽核业务的加强及系统建设比较盲目；稽核证据在“车型表达”方面获取过程繁琐且不够直观，不利于证据链补全[2]。

通过在现有的ETC 门架上加设一套基于视频图像技术车型识别的、高采集率的门架稽核系统，对通行车辆的“车型（轴数）”进行实时采集，将更好地解决这些问题。

1 系统技术方案

系统技术方案主要包含数据采集、数据传输、数据汇集与分析、平台对接四个部分，构架示意图见图1。

图1 系统技术方案构架示意图

门架数据分析终端接收到门架车型识别设备的抓拍数据和门架RSU 计费交易结果数据后，经过数据预处理、数据融合、数据分析等手段，分析出大车小标、计费缺失、一车多签、反向行驶等核心数据，并支持将这些结果数据及图片推送至第三方业务平台。数据采集具体包括车辆信息采集和交易数据获取。车辆信息采集由牌识设备将车头图、车尾图、车牌等信息传输给车型识别设备，再由车型识别设备进行统一整合后，将车头图、车侧图、车尾图等车辆信息数据传输至门架数据分析终端。在普通门架场景，门架RSU 设备产生交易数据后，将交易数据信息传递给部站的门架服务器，门架数据分析终端支持第三方软件对接，支持自动获取和人工导入两种方式获取交易数据[3]。

其中，车型识别采用视频图像车型识别技术。当前识别车型的主要技术形式有视频车型识别技术、称重轮轴识别技术、激光车型识别技术。这些技术产品已在高速公路应用多年，使用场景大多数为单车道低速环境。

视频图像处理过程中涉及到对视频图像数据的获取、处理、传输、显示和回放等过程，最为主要的是视频图像的处理技术，该技术的发展主要体现在以下五个环节：

1）光电感知环节：随着图像传感器技术和制程工艺的进步，300 万以上像素的高分辨率、120 fps 以上的先进图像传感器大规模工业应用，在高速公路快速通行场景下的图像效果得到了更为直观的改善。

2）WDR 宽动态环节：宽动态功能适用在光照对比强烈的场景，这类场景在高速公路最为常见，在夜晚汽车的远光灯与周围环境就形成了强烈对比，极易造成车辆目标不可见、不可辨的情况。在图像传感器厂家对传感器光电转换环节的多次曝光HDR 技术迭代推动下，再辅以CPU 芯片的ISP 图像处理环节中WDR 效果调优，当前WDR 宽动态技术在高速公路夜晚环境下可以达到比较好的使用效果。

3）视频图像降噪环节：噪声是图像和视频中常见的失真类型，噪声太大会直接影响信息的有效传递，传统的图像单帧降噪技术和视频多帧降噪技术的发展已趋向瓶颈期，在ITS 行业的设备终端使用硬件和软件实现，降噪效果基本可用[4]。

4）AI 图像识别技术的发展：传统图像识别技术主要依靠人工经验去设计相关规则，只适合处理一些常见有规律的情况，面对更复杂的现实场景效果就会明显下降甚至不可用。基于深度学习的AI 图像识别，是通过样本学习的方式，模拟人类感知过程，提取出图像中最本质的结构化特征支撑上层决策，其表现主要取决于模型结构的设计和样本学习数量。对于图像的处理是深度学习算法最早尝试应用的领域，也是当下在工业应用更为深广的领域，发展至今，现在的深度学习网络模型已经能够理解和识别一般的自然图像，这些识别模型不仅大幅提高了图像识别的精度，同时也避免了特征提取的人工资源大量损耗，使用在线运行效率大大提升。

5）嵌入式算力芯片的发展：嵌入式算力芯片使基于深度学习的AI 图像识别得到强大的算力支撑，随着嵌入式算力芯片的成熟，可以在10 W 功耗的芯片上提供与专业GPU 等效的算力，使AI 模型能够直接部署到前端设备中，在前端就能完成车型结构化信息提取和识别的功能，极大减少了路网系统在传输和存储上压力。

在以上技术发展的推动下，视频车型识别技术最终在车型识别技术中脱颖而出，不论是车型和车轴数的识别率，还是车辆高速通行场景的适应性都可以满足真实的工程使用要求。具体介绍如下：

1）数据传输：车辆信息数据与交易数据上传至门架数据分析终端。

2）数据汇集与分析：由门架数据分析终端完成汇集后，系统再对数据进行预处理、融合以及分析。首先，将接入的采集数据进行多检去重、清洗、存储等预处理操作；其次，将车辆信息数据与门架交易数据进行融合，并将两种数据按照相同门架、车牌颜色、车牌号码、时间范围等判定条件进行整合；数据融合后，输出融合结果数据，系统自动筛选出大车小标、交易缺失、一车多签、反向行驶、车牌不一致等异常数据。

3）平台对接：门架数据分析终端完成数据分析后，可在平台直接查看处理分析后的结果数据，同时系统支持将数据推送至第三方业务平台。

2 试验效果分析

试验选取了一个货车流量较大的门架，在该ETC门架上加装视频车型识别设备及牌识设备；在该门架机柜部署一台门架数据分析终端。系统稳定运行一定周期后，该服务器获取的视频车辆数据和ETC 交易流水数据进行对比分析，可分析出经过该门架的车辆中“大车小标”“交易缺失”等异常数据。

针对每一条异常数据，通过稽核平台逐条进行核查，可判断出系统分析出来的异常数据是否存在真正的业务逃费。试验过程中，不断优化分析模型及策略，提高了系统的分析准确性。通过这些“异常数据”可以分析出本区域内的“大车小标”“交易缺失”等大致情况。通过试验验证，系统可以实现的业务功能包括通行流水、异常数据、特殊车辆采集和流量统计四大部分，业务功能结构如图2 所示。

图2 系统业务功能结构

2.1 通行流水

门架数据分析终端接入车型识别设备采集的识别数据与ETC 门架的交易数据，经过数据汇聚、融合计算和智能分析，融合车辆通行数据，可以轻松形成可展示的一车一行一档多维数据信息。

2.2 异常数据

将融合后的车辆通行信息进行智能分析后得出存在异常的车辆通行记录：

1）大车小标：实际车型（轴数）与计费车型（轴数）不一致，标记判定为大车小标。同时可将车辆图片及车辆多维度信息组合起来生成合成图，提供辅助稽核的有利证据。

2）交易缺失：存在设备识别数据，但无匹配的交易数据，标记判定为交易缺失。对缺失频次按月进行累加统计，通过此种方式，可以找出缺失频次高、嫌疑较大的问题车辆。这些车辆可能存在屏蔽计费设备行为。

3）一车多签：单次通行，存在多个不同编号的通行介质的车辆通行数据，被标记判定为一车多签。

4）反向行驶：系统将识别数据与门架计费数据进行融合匹配后，把车辆一次通行短时经过了两个不同方向的门架的数据进行标记，判定为反向行驶异常数据。

5）号牌不一致：识别号牌及颜色与计费号牌及颜色不一致。

2.3 特殊车辆采集

车型识别设备通过车辆多维特征采集、智能算法分析，可精准识别危化品运输车辆、冷链运输车辆等特殊车辆信息，并汇集成带车型的特殊车辆数据库。同时，系统可以检测出在违禁时段内通行的危化品运输车辆，并打上标记，提供给客户查阅。

2.4 流量统计

采集通行车型，生成时段与车型、特殊车辆等多角度的统计流量分析报告，为高速运营分析提供带车型的精准交调数据。

3 结语

基于视频图像技术车型识别的门架稽核系统针对高速公路单点门架能够提供完整的稽核微系统和流量数据。系统采用分布式架构，易于扩展，当部署点足够覆盖完整路段时，可升级为路段稽核方案。同时，由于系统处于收费网络，且针对通过门架的所有车辆，因此所有数据从前端到应用都应做好安全保密措施，严格遵循相关网络安全规定。