基于卷积神经网络的车脸识别防逃费稽查平台研究

来源:用户上传      作者:薛珂安

　　摘要：文章基于卷积神经网络技术，分析高速公路车脸识别防逃费稽查平台的设计与应用。从车辆品牌型号识别、以图搜车技术、临界车型判定等方面分析了平台的实现原理;从节假日临界车型研判模块、ETC大车小标研判模块、数据汇聚、数据存储、图片存储等方面阐述了平台的组成与功能，并结合高速公路管理案例，验证平台功能达到了高速公路稽查管理的要求。
　　关键词：车脸识别防逃费稽查平台;卷积神经网络;以图搜车技术;临界车型;数据汇聚
　　中国分类号：U491.4文章标识码：A451704
　　0 引言
　　近年来，广西高速公路交通量不断增长，交通管理难度越来越大，如节假日7座以上二类客车恶意逃费、在途冲卡、假套牌、克隆车等逃费问题十分突出，给高速公路营业收入造成了重大损失，还带来了一系列的治安秩序问题和交通安全隐患。要有效解决上述问题，必须依靠科技手段，通过对视频卡口过车图片进行智能分析，快速发现逃费车辆，收集逃费车辆过程信息，巩固逃费证据链，可使高速公路运营、收费、稽查等部门对车辆逃费进行追缴，将恶意逃费车辆及驾驶员证据提供给公安部门进行打击，有效净化高速公路收费经营管理工作并实现增收提效。
　　1 卷积神经网络系统实现原理
　　1.1 车辆品牌型号识别
　　采用机器学习、深度学习算法对卡口车辆图片进行品牌型号自动智能识别，车辆品牌型号识别采用卷积神经网络（简称CNN）进行模型训练和识别，CNN是一种多层的前馈神经网络，由一个或多个卷积层、亚采样层以及顶端的全连通层组成，其在语音识别、图像识别、模式分类等领域都有着极为出色的应用。用于提取车辆特征的深度卷积神经网络结构及各层的参数如图1所示，该网络包括1个输入层、4个卷积层（分别用C1、C2、C3、C4来表示）、4个下采样层（分别用P1、P2、P3、P4来表示）、2个全连接层（分别用F1、F2来表示）和1个SoftMax层。
　　网络的输入层图像是根据车牌位置信息准确估计的车脸区域，并将该区域图像尺度归一化到200×80像素。系统采用与人脸识别方式类似的车脸识别技术，可实现车脸区域提取和车型识别。
　　1.2 以图搜车技术
　　可任意选取单个或几个特征为检索依据，快速从卡口图像结构化信息中分析寻找到车辆的原貌和行驶轨迹，可快速还原逃费车辆及其驾驶员原貌，高效获取逃费车辆及驾驶员的举证证据。系统采用第二代以图搜车技术，可实现图片入库时预先提取图片特征、结构化信息，搜索时仅对特征值比对，速度极快，计算量少，全数据搜索，不易遗留，特征结果可重复使用、实现等关键原理。分区比对技术支持多区域特征对比，极大提升以图搜图准确率。
　　1.3 临界车型判定
　　通过对比不同座位数的车辆外观，可知大部分同一品牌的车辆在不同子品牌、不同年款、不同的座位数配置上，外观上均是有细微区别的。根据车脸纹理识别原理，系统首先对车辆大品牌（如大众）进行分类，然后按子品牌分类（如大众迈腾、速腾），再按年款进行区分，最后识别、分析出不同车辆的座位数。
　　2 车脸识别防逃费稽查平台设计与实现
　　2.1 节假日临界车型研判模块
　　在节假日免费通行期间，对所有免费放行的车辆进行分析研判，筛选出不在免费范围内的逃费车辆，结合车辆的入口信息和逃费金额，对其进行追缴或列入黑名单拦截系统。节假日逃费车辆筛查主要是针对二类车冒充一类车逃费的事后筛查，本功能筛查的重点是商务车、中小型面包车、皮卡车。
　　节假日逃费的车主往往在非节假日，也会存在二类车冒充一类车，达到少缴纳过路费用的行为。因此，“节假日逃费车辆筛查”不仅可以针对节假日逃费车辆进行筛查，也可以对平时的少缴费车辆进行筛查。节假日逃费车辆筛查功能分为车型识别→逃费嫌疑车型筛选→收费流水验证→座位数验证→逃费车辆汇总→人工确认→逃费车辆导出等过程。工作流程如图2所示。
　　2.2 ETC大车小标研判模块
　　系统通过ETC车道摄像机进行车辆信息的收集和分类，当车辆数据与车型不符时确定为目标车辆，通过OBU登记信息通知车主补缴通行费。ETC大车小标车辆筛查主要是针对二类车、三类车冒充一类车、黄牌车冒充蓝牌车逃费的事后筛查，暂时不考虑四类车冒充一类车，以及三类车、四类车冒充二类车的逃费筛查。本功能筛查的重点是货车、中小型面包车、皮卡车。
　　ETC大车小标车辆筛查功能分为车型识别+牌类型识别→ETC信息比对→逃费嫌疑车型筛选→座位数验证→逃费车辆汇总→人工确认→逃费车辆导出等过程，工作流程图如图3所示。
　　2.3 数据汇聚
　　在高速公路各路段中心建设临界车型识别子系统，在自治区中心建设临界车型识别稽查系统，采用自治区中心、路段二级联网、组网。各路段建设的子系统各自存储识别数据，子系统能够独立运作，又可将识别后的数据汇聚到自治区中心，各路段子系统之间数据对等开放、互联互通，通过中心车型稽查系统实现全区高速公路车辆车型信息的安全共享，系统数据汇聚如下页图4所示。
　　2.4 数据存储
　　高清卡口图片通过识别后，变成结构化的数据，需要存储这些数据用于系统后续查询和分析应用。系统的数据主要包括两部分：（1）数据量相对较少的、有很强关系性的和必须保证一致性的开户信息（卡口ID、卡口地理位置、方向等）和字典信息（车牌种类、品牌种类等）;（2）海量数据的、不要求强一致性和弱关联关系的过车图片结构化信息。
　　考虑海量数据的快速查询和数据挖掘，将过车记录格式化信息存储到大数据集群中，实现海量数据的快速查询;将频繁关联查询的开户信息和字典信息，存储到传统的关系型数据库中。通过数据库和大数据集群的结合，实现整个系统关系数据的快速检索和查询，工作流程如图5所示。
　　格式化的识别文本数据存储在大数据系统中，但是大数据系统无法简单实现数据的共享，为了数据的共享和安全性，额外将格式化的文本数据存储到生产数据库中。考虑系统业务需求和系统成本，各路段子管理系统采用开源的MySQL数据，监控中心数据库采用Oracle数据库。

转载注明来源:https://www.xzbu.com/1/view-15426512.htm