视频车牌识别技术在ETC系统中的应用

2014-12-11孟波，刘继

江苏科技信息 2014年23期

孟波，刘继

（江苏省润扬大桥发展有限责任公司，江苏镇江 212115）

1 ETC 系统在我国的应用

在高速公路建设快速发展的同时，我国高速公路收费系统也有了很大的发展。10 多年来，高速公路收费系统已经由全面引进阶段逐步过渡到自主开发与引进相结合的阶段。随着社会、经济的快速发展，特别是跨省市同道主干线高速公路网络的逐步形成，社会对收费系统的技术要求将会越来越高，自动化程度较高的收费技术必然逐步取代传统的人工作业方式。

电子收费ETC(Electronic Toll Collection)是一种先进的收费方式，是智能交通系统（ITS）的服务功能之一，在世界范围内得到了广泛的应用。ETC 是物联网在智能交通的典型应用，与人工收费相比，ETC 节省了车辆在收费站停车、等候、交费所耗时间，是解决收费站处交通堵塞、能源消耗、运营成本增加等交通难题的最佳选择。ETC 系统是提高高速公路收费站通行能力，缓解交通堵塞，改善环境，节约能源的重要设施，每通行一次ETC 车道，较人工收费车道可节约燃油约0.0147L；一条ETC 车道至少相当于3～5 条人工车道的通行服务能力，并可减少专职收费人员4 人，废气排放减少20%以上。

在京津冀和长三角ETC 联网示范工程的带动下，目前我国已有26 个省（区、市）按照国家和部颁标准建设开通了ETC系统。随着ETC 系统在全国高速公路大规模建设与应用，其安全、便捷、绿色、环保效益凸显，社会各界广泛关注，得到了社会公众和行业主管部门的广泛认可，从各个方面都在积极推进ETC 应用与发展。截至2014 年第一季度，据不完全统计与测算，我国开通ETC 车道共计7000 多条，ETC 用户数达1000 多万，ETC 交易额达到总交易额的9～15%，遵照国务院及交通运输部的统一安排，2015 年底前实现已开通省市的全国ETC 联网。

2 视频稽查系统在ETC 系统中的应用

ETC 系统在保障有ETC 通行卡车辆快速通行ETC 车道的同时，还要防止那些没有ETC 通行卡车辆在ETC 车道闯卡偷逃高速公路通行费，或者通过倒卡、换卡偷逃高速公路通行费，必须在ETC 车道安装、使用视频稽查设备，视频稽查系统采用高清CCD 摄像机和车牌识别仪，采用图像处理与模式识别技术，识别过往车辆的汽车牌照并拍摄汽车前部图像（含驾驶员图像），通过与ETC 系统的数据库进行比对，实现ETC 车道的视频稽查。

视频稽查系统有2 种组成形态：一种由高清CCD 摄像机单元、车牌识别仪组成；另一种是直接采用嵌入式一体化高清抓拍单元，从功能组成上都可以理解为由图像采集模块和车牌识别模块组成。差异在于嵌入式一体化高清抓拍单元是将车牌识别算法集成在摄像机中；而前者是集成在一个单独的设备单元中。

2.1 模块

图像采集模块：主要由专用、高清CCD 摄像机及专业镜头组成，为车牌识别提供高清晰数字化图像数据。

车牌识别模块：对接收到的图像进行图像预处理、车牌定位、字符分割、车牌识别、二值化处理。然后通过网络将车牌信息传送到ETC 收费系统。

2.2 主要功能

主要功能有：车辆检测功能、图像捕获功能、字符识别功能、数据压缩功能和数据传输功能。

（1）车辆检测功能：通过车辆检测器I/O 接口或自动视频检测的方式，能够检测通过其监控区域的所有车辆。

（2）图像捕获功能：能够捕获通过其监控区域的所有车辆的汽车前部高清数字图像。

（3）字符识别功能：能够识别符合“GA36-92”（92 式牌照）和“GA36.1-2001”（02 式新牌照）标准的民用车、警车及12 式新武警牌照等牌照的汉字、英文字母、数字等完整信息，实现整牌识别。

（4）数据压缩功能：不仅能够将捕获到的车头图像按照标准的JPEG 格式进行压缩，而且能够将车牌图像二值化后进行压缩。

（5）数据传输功能：能够向ETC 实时提供汽车牌照的整牌完整信息，包括牌照颜色、及牌照字母与数字（汉字、英文字母、数字）、牌照二值化图像、整车前部图像。

3 视频二义性解决方案在ETC 系统中的应用

随着我国高速公路的不断发展，目前我国已形成了密布的高速公路交通网，各省高速公路进行大范围的联网收费，达到了节约运营成本、统一管理的较高水平。然而，对于进行联网收费的高速公路网来说，不可避免的存在有高速公路环路情况，这种环路现象造成了高速公路收费运营中的“路径二义性问题”，即从甲地可以通过多种路径到达乙地，而通行路径不同使得通行距离不同、计费不同、收费主体不同，因此需要解决路径二义性问题。

解决路径二义性问题的关键点在于如何获得车辆行驶的路线，而这要在高速公路的主线标识站设置车辆识别设备，目前主要方法有2 种：（1）基于ETC 技术的车辆身份识别；（2）基于视频车牌识别技术的车辆身份识别。

基于ETC 技术的车辆身份识别，虽具有识别率高的优点，但其缺点也是不言而喻的。具体表现在：（1）基于ETC 技术的标识设备投资较大；（2）只能对持有ETC 卡的车辆进行标识；（3）与目前国家交通部正在推广的交通流调查设备不兼容；（4）与目前国家公安部正在推广的超速监测设备不兼容。

基于视频车牌识别技术的车辆身份识别，虽然暂时还没有基于ETC 技术的车辆身份识别的识别率高，但其优点十分突出。例如：（1）基于视频车牌识别技术的标识设备投资较小；（2）不仅能对持有ETC 卡的车辆进行标识，还能对所有未持有ETC 卡的车辆进行标识，对高速公路全部通行车辆而言，其标识率远远超出基于ETC 技术的标识设备；（3）与目前国家交通部正在推广的交通流调查设备兼容，在进行车辆路径标识的同时，采集了国家交通部需要的交通流量数据；（4）能够记录车辆经过道路节点的图像信息，收费稽查取证、路径标示留证更直观，说服力更强；（5）与目前国家公安部正在推广的超速监测设备兼容，在进行车辆路径标识的同时，取证了所有超速违法车辆证据，而且作为卡口数据为公安部门打击涉车犯罪提供第一手资料和证据。

高速公路单向多为两车道或三车道。为了保证系统能够准确的捕获任意一个行驶车辆，一般只需配置一台高清摄像机进行抓拍，才能避免从车道中线行驶造成的数据丢失。

在高速公路主线标识站配置的车辆识别设备与高速公路收费站配置的车牌识别设备，基本功能和主要技术参数大体相同，但增加了一些功能，在一些技术参数上要求更高。例如：（1）如与交调设备兼容，需增加交通流量信息提取功能，包括车辆数量、车型车长、通行密度等。（2）如与超速设备兼容，需增加测速功能。（3）允许车辆行驶速度要比收费站更快些。（4）单车牌照识别时间要比收费站更短些。（5）灯光照明要求更高些，一方面是灯光与被拍摄车辆距离远，另一方面是照明灯光对驾驶员影响要小。

4 视频车牌识别系统设计标准与规范

视频车牌识别系统设计标准语规范一般按照适用标准、辅助标准和系统设计施工标准3 部分汇总如下：

4.1 适用标准

适用标准有：《汽车号牌视频自动识别系统》JT/T604-2004；《公路车辆智能监测记录系统通用技术条件》GA/T497-2004；《闯红灯自动记录系统通用技术条件》GA/T496-2009。

4.2 辅助标准

辅助标准有：《信息技术、软件包质量要求和测试》GB/T 17544-1998；《计算机软件系统检测规范》DB21/T 1202-2000；《电工电子产品环境试验》GB/T 2423；《电磁兼容试验和测量技术》GB/T 17626；《民用闭路监视电视系统工程技术规范》GB/T 50198；《全国道路交通管理信息数据库规范》GA 329；《交通技术监控信息数据规范》GA 648。

4.3 系统设计施工标准

系统设计施工标准有：《公路工程技术标准》JTG B01-2003；《高速公路交通工程及沿线设施设计通用规范》JTG D80-2006；《电气装置安装工程施工及验收规范》GB50254～50259-96；《通信管道工程施工及验收技术规范》YD5103-2003；《公路桥涵施工技术规范》JTJ041-2000；《收费公路联网收费技术要求》交通部2007 年第35 号公告。

5 视频车牌识别系统硬件设计

目前先进的视频车牌识别一般采用美国TI 公司的DaVinci平台数字媒体处理器（主流的代表型号如TMS320DM8127）、日本SONY 公司彩色逐行扫描CCD 传感器和Linux 操作系统，将摄像机、微处理器、存储器、数字A/D、智能视觉嵌入式软件等集成在一起。CCD 传感器采用全帧快门，能够外部触发，逐行扫描，快门速度5 微秒～20 秒。TI DaVinci 系列DSP 是当前交通行业内应用最为广泛的DSP，具有运行速度快、处理能力强、稳定性高等特点。

6 视频车牌识别系统软件设计

由于当前计算机技术和DSP 技术的飞跃式提高，可以比以前加入更多、更好的算法来实现图像的预处理、牌照搜索、字符分割、字符识别，达到更高的识别率和更快的处理速度，实现实用的目的。

6.1 牌照分割技术研究

在干扰严重、特征失真的图像环境中，利用纹理、色彩、投影、拓扑、边缘等特性进行牌照字符分割、识别的快速、准确的算法设计。

由于汽车图像摄于背景复杂且光照不均的自然场景下，因而怎样从自然背景中准确可靠地定位出车牌区域，是很关键的。为此，人们进行了很多研究，提出了许多定位算法。其中大部分算法是基于车牌的不同特征进行的，目前较为成熟的算法有：

自适应边界搜索法利用倒L 型、水平直线、垂直直线这些结构元素搜索、定位字符，然后找出符合一定格式的字符群，即认为是车牌；区域生长法是对边缘图像进行均匀性区域生长以获得潜在的车牌区域，然后利用车牌的几何特征以及车牌区域内的边缘灰度直方图统计特征删除伪车牌，即得真实车牌；灰度图像数学形态学运算法则利用车牌形状特征、字符排列格式特征，对预处理后的灰度图像进行一系列的形态学运算，得到直线与一定数目的字符相邻的区域即认为是车牌；基于字符串特征增强的分割方法采用一种线性滤波器突出牌照区域的纹理，再采用取阈值的方法来分割牌照区域；模糊聚类法则利用模糊逻辑系统，根据一些分类参量判别由粗分割得到的图像中不确定部分是隶属于背景还是目标，从而分割出车牌；基于灰度图的车牌定位和分割法首先选取适当的阈值用迭代法得到二值图，再根据车牌中文字笔画的垂直边缘特征做车牌定位；DFT 变换法是先对图像逐行做DFT 变换，然后把频率系数逐行累加、平均并根据这些平均值做出频谱曲线，根据频谱曲线中的“峰”的起始点位置确定车牌水平位置，对这一水平区域逐行做DFT 变换可确定车牌竖直位置。

车牌区域定位算法目前很多，且许多在实际应用中都取得了很好的效果。因此，要解决汽车牌照自动识别系统中关键技术之一的车牌定位技术。

6.2 字符识别技术研究

基于色彩、灰度图像的字符综合特征定义、提取及识别的新算法，用以实现对汽车牌照中数字、英文、汉字的快速、准确识别。字符分割与识别是先将车牌区域分割成单个的字符，然后再进行识别，难点是模糊、断裂的字符的识别。

字符分割目前一般采用垂直投影法。由于字符块在竖直方向上的投影必然在字符间或字符内的间隙处取得局部最小值，因此字符的正确分割位置应该在上述局部最小值的附近，并且这个位置应满足车牌的字符书写格式、字符尺寸限制和一些其他条件。利用垂直投影法，对复杂环境下的汽车图像中的字符分割有较好的效果。

字符识别方法目前主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先把待识别字符二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。由于这种匹配算法稳定性较差、时间花费也较大，因此在此基础上提出了基于关键点的匹配算法。此算法先对待识别字符进行关键点提取，然后对关键点去噪，最后再确定字符的分类。这种匹配算法只利用了字符的关键点进行匹配，因此提高了识别速度又具有较高的识别率。基于人工神经网络的算法主要有2 种：一种是先对待识别字符进行特征提取，然后用所获得的特征来训练神经网络分类器；另一种方法是直接把待处理图像输入网络，由网络自动实现特征提取直至识别出结果。前一种方法识别结果与特征提取有关，而特征提取比较耗时，因此特征提取是关键。后一种方法无须特征提取和模板匹配，随着相关技术的进步，这种方法更实用。

6.3 算法的综合分析及应用

由以上分析可知，汽车牌照自动识别系统中的关键技术车牌区域定位技术和字符分割与字符识别技术现今发展都日趋成熟，且算法比较多。目前在实际应用中，车牌区域定位算法大多将自适应边界搜索法和灰度图像数学形态学运算法结合起来使用，以提高定位的精度；车牌字符识别算法大多采用运算速度较快的人工神经网络算法。每一种算法均有其优缺点，只有经过工程实际检验的算法，才是最佳的算法。