车辆信息融合辨识系统研究*

赵 靓

(山西云时代技术有限公司，山西 太原 030012)

0 引言

伴随着我国经济的飞速发展，城市规模快速膨胀，机动车保有量持续稳定增长，道路交通安全及拥堵问题成为制约经济发展的主要因素之一，现有的交通管理技术手段难以满足工作需要。因此，提高科技水平，实时了解道路交通信息，实现精细化管理，是公安交通管理部门当前面临的必然选择。详细交通流数据的采集是实现精细化管理的基础。

基于此，设计一种基于人工智能技术的车辆融合信息辨识系统。本系统构建了基于数据信息融合技术、人工智能技术等相关关键技术的车辆融合信息辨识系统[1]，可用于解决道路交通安全及拥堵问题，实现对重点部位的24小时全天候监控覆盖，全面记录所有通行车辆数据信息，减少拥堵，避免违规车辆上路，优化交通组织结构，使得道路运输系统有序发展，避免路面堵车现象，减少了废气排放的强度和时间，保护基本公共设施道路环境、减少大气环境污染。

1 系统结构设计

本设计主要由信息采集监测模块、信息检测模块、信息处理模块、辨识模块等模块构成。系统构成示意图如图1所示。

图1 系统构成示意图

信息采集监测模块主要通过布置在现场的自动化监测设备实时采集现场数据完成车辆综合信息的采集，包括车辆特征照片、车牌号码与车牌颜色等。

信息检测模块主要针对各个站点的布防监控设备完成图片信息识别、数据缓存以及压缩上传等功能。模块内部主要由卡口抓拍单元、终端服务器、外场工业交换机、防雷器、光纤收发器、开关、电源等设备组成，可实现对动态车辆多类型参数的全天候采集。采集信息包含车辆速度检测、车辆图像记录、车辆牌照自动识别、超速抓拍、车型判别、车身颜色识别等，避免了传统采集系统的单一性。

信息处理模块可对采集的多种传感器有效信息进行处理，构建状态预警模型，得出当前状态下的关键性技术指标，通过对比设定阈值可实现对违规车辆信息进行预警[2]。

辨识模块可将采集到的车辆信息通过人工智能算法进行处理，替换掉原始模式识别算法，去除原始算法层面的人工目标挑选过程；由前端摄像机来承担进行目标自主挑选，摒除人工挑选对识别模式的限制；利用计算机精细化的运算，通过大量过车目标的自主学习从而来提高车辆特征、号牌的识别准确率，既能提高系统鲁棒性、环境适应性，也能达到精细化识别的目的[3,4]。

2 技术关键

1) 采用高性能精细化硬件平台控制，确保高清图像的成像质量,使得数据采集硬件设备在不同外界环境中均可达到满足业务应用的成像效果[5]。

2) 利用人工智能算法实时检测视频图像中的目标，在车头到达停止线以前完成车辆检测工作，同时锁定画面中经过每条车道的车辆，提高车辆检测工作的时效性。

3) 采用人工智能技术，通过自主训练与自主学习，一方面可提升车牌识别准确率，另一方面有助于对车辆进行持续跟踪，效果远远好于传统的单帧画面车牌识别技术和多帧识别技术。

4) 在检测到车辆目标以后，可跟踪车辆锁定目标，并对其进行持续跟踪，最终获得车辆在路口的行驶轨迹，为闯红灯、不按导向车道行驶、压线等交通违法行为的取证提供关键数据支持。

5) 利用人工智能算法，在车辆检测、车辆跟踪的基础上，结合车道属性统计出分车道、分时段的车流数据，进而可计算出占有率、饱和度等基本信息，从而优化下一步的交通管理工作。

6) 利用人工智能算法提取通行车辆的号牌特征，利用车牌颜色识别与车辆轮廓分析提取车型特征，用以与黑名单库进行比对、报警，此设备利用在关键卡口处将提升交通执法效率[6]。

3 软件设计

系统采用简洁、友好的人机界面，具有多媒体化操作设计，在出现系统故障时，方便管理人员简便快捷地进行处理。前端数据采集设备支持远程升级和远程故障排除功能，维护便捷，大大降低了系统运维管理成本，同时还具备自动检测系统中设备的运行状态，并显示出详细参数功能，可辅助管理人员及时准确地判断现场情况和更有针对性的解决现场问题。使用稳定易操作的硬件与软件，完全不需借助任何专用维护工具，大大降低了对操作管理人员的专业技术水平要求，进而节省了日常频繁的维护保养费用。上位机软件接收到自动化硬件设备采集的信息后，首先分析数据信息类型，分析完成后将相应的信息展示到软件界面中。如图2所示为正常车辆实时抓拍图，如图3所示为无车牌车辆实时抓拍图。

图2 正常车辆实时抓拍图界面

图3 无车牌车辆实时抓拍图界面

4 总结

本系统测量准确率高，使用灵活方便，易于集成。该系统的实施，有效地提升了异常车辆查处与拦截的准确度，能够对假套牌进行分析比对，对前端路面进行抓拍分析，结合数据中心的处理算法，具备研判交通态势的能力以及流量统计的功能，还可对车牌进行精确化识别，辅助提高城市交通规划能力，充分避免交通拥堵等问题，弥补多年来单帧或多帧图像识别技术的不足，大大提高车辆车牌辨识的准确度。