一种交通治超用车辆高精度特征检索系统的制作方法
本发明涉及交通治超,具体为一种交通治超用车辆高精度特征检索系统。
背景技术:
1、随着公路货运超限超载治理要求不断提高,传统执法主要依赖称重设备与车牌识别,但大量违法车辆通过遮挡、污损号牌或加装强光灯等方式规避识别,使单纯依靠车牌的管理方式难以奏效。为此,行业内逐步引入基于视觉的车辆特征识别技术,通过提取前脸造型、车身颜色、反光条布局、驾驶室摆件等静态外观信息构建特征库,并借助跨点位图像比对实现车辆追溯。
2、申请号为202010806026.0的发明专利申请中公开了用于电子治超的多维度车辆特征精确实时判定系统,该申请旨在解决“车牌存在被故意遮挡的可能,使得车牌无法被有效识别,从而无法判断车辆是否超载,依然需要人为介入。即使车牌未被人为遮挡,大型运输车辆一方面通常需要经过长时间、长距离的行驶,另一方面会经常来往于尘土较多的场所(例如建筑工作),这些使用环境都会导致车牌沾染尘土等污渍,使得车牌无法被有效识别,从而无法判断车辆是否超载”的问题。
3、然而,当前治超体系中车辆超限判定技术已较为成熟,但判定后的车辆身份锁定仍高度依赖车牌,一旦车牌被遮挡或污损,即便超限事实确凿,执法部门仍因无法确定车籍而难以实施后续处罚,可见,从监控图像中提取多维高精稳定特征以实现超限车辆精准溯源,仍是当前技术体系中尚未补齐的一环。
技术实现思路
1、针对现有技术所存在的上述缺点,本发明提供了一种交通治超用车辆高精度特征检索系统,能够有效地解决现有技术的问题。
2、为实现以上目的,本发明通过以下技术方案予以实现;
3、本发明公开了一种交通治超用车辆高精度特征检索系统,包括:
4、接收模块,用于获取车辆重量超限、外观尺寸超限的判定结果;识别模块,用于获取超限车辆的车牌识别结果;决策模块,用于获取车牌识别结果的置信度,当置信度低于预设阈值时,启动采集模块,当置信度不低于预设阈值时,将识别结果向交通管理后台反馈并刷新系统运行;采集模块,用于获取超限车辆在左、右、前、后及上侧的五个方向上多视角图像;分割模块,用于存储目标车辆三维模型,以当前车辆尺寸匹配对应车辆模型,根据采集图像来源视角从车辆模型中截取对应视角的参考图像,将参考图像与采集图像进行比对以确定局部特征区域,基于局部特征区域从采集图像中分割出局部特征图像;溯源模块,用于存储车辆图像库,所述车辆图像库包含历史同路段及临近区域路段采集的多组车辆图像,每组图像对应唯一车牌号且包含所述五个方向上各视角的车辆图像;
5、所述车辆溯源模块将分割所得的局部特征图像与车辆图像库中各图像组进行综合相似度比对,根据比对结果输出超限车辆的车牌号溯源结果;
6、所述接收模块及识别模块通过无线网络交互连接有决策模块,所述决策模块通过无线网络交互连接有采集模块,所述采集模块通过无线网络交互连接有分割模块及溯源模块,所述分割模块与溯源模块通过无线网络交互连接。
7、更进一步地,所述接收模块获取的车辆外观尺寸超限的判定结果包括应用激光轮廓扫描识别得到的车辆实测长度、实测宽度和实测高度,以及各尺寸参数相对于预设限值的超限比例;
8、所述重量超限的判定结果包括动态称重设备输出的车辆总重、轴载数据及超限标识。
9、更进一步地,所述识别模块包括车牌定位单元、字符分割单元及序列识别单元;
10、所述车牌定位单元用于采集车辆图像,从车辆图像中定位车牌区域,所述字符分割单元用于从定位到的车牌区域中提取单个字符图像,所述序列识别单元用于输出每个字符图像的识别结果及其识别概率;
11、所述车牌识别结果的置信度通过下式进行计算:
12、;
13、式中:m为字符分割单元实际分割出的字符数量;n为车辆号牌规定的标准字符总数;为第i个字符的识别概率;q为通过计算车牌区域图像的归一化拉普拉斯梯度获得的锐度评价值,λ、α和β均为预设正系数。
14、更进一步地,所述决策模块与部署在检测路段的环境光照度传感器、气象能见度仪以及所述接收模块通信连接,其预设阈值通过下式动态确定:
15、;
16、式中:为基准阈值;l为当前环境光照度;为预设标准光照度,为光照敏感系数;v为当前气象能见度;为预设标准能见度,为能见度影响系数;r为从接收模块获取的各尺寸参数超限比例中的最大值;为预设衰减系数。
17、更进一步地,所述采集模块包括分别固设于车道上方龙门架、车道两侧立柱、车道前方路面基础及车道后方门架的五台全局快门摄像机,五台所述全局快门摄像机的光轴分别与车辆的顶部、左侧、右侧、前方和后方相对,所有摄像机的触发端口通过同步控制总线与决策模块的触发信号输出端连接,以在同一触发时刻驱动各摄像机连续采集不少于三帧车辆图像;
18、所述采集模块对各摄像机采集的帧序列,计算每帧图像的灰度均值μ,将满足|i(x,y)-μ|≤τ的像素集合确定为主体区域,再按下式计算主体区域的清晰度q,选取q值最高的帧作为该摄像机的唯一采集结果,并删除其余帧;
19、其中,;
20、式中:i(x,y)为图像在像素(x,y)处的灰度值;τ为预设的灰度宽容度参数;ω表示主体区域内所有像素的集合;n为ω中的像素总数。
21、更进一步地,所述分割模块以当前车辆尺寸匹配对应车辆模型的过程包括:
22、从所述接收模块获取所述车辆实测长度l、实测宽度w和实测高度h,以及各尺寸对应的超限比例;
23、遍历预先存储的车辆三维模型库,对于库中第i个车辆三维模型,提取其标准长度、标准宽度和标准高度,计算加权欧氏距离,选取使取得最小值的车辆三维模型作为对应车辆模型;
24、其中,;
25、式中:α、β、γ为权重系数,α+β+γ=1;
26、选取使取得最小值的车辆三维模型作为对应车辆模型。
27、更进一步地,将参考图像与采集图像进行比对以确定局部特征区域阶段,从接收模块获取实测长度l、实测宽度w和实测高度h,并提取对应车辆模型的标准长度、标准宽度和标准高度;
28、计算各维度的尺寸偏差比例,按尺寸偏差比例对所述对应车辆模型的三维网格进行各向异性缩放,得到校正模型;
29、根据采集图像的来源视角对应的虚拟相机参数,对校正模型进行透视投影渲染,得到参考图像;
30、对参考图像和采集图像执行基于互信息测度的非刚性配准,得到像素级空间映射关系;
31、对配准后的采集图像中每一像素提取方向梯度直方图描述符向量,同时提取所述参考图像中空间对应像素的方向梯度直方图描述符向量,计算两向量的欧氏距离,并将该欧氏距离除以采集图像像素的描述符向量模与预设常数之和,得到该像素的局部特征差异值;
32、将局部特征差异值超出预设差异阈值的像素所构成的连通区域确定为所述局部特征区域。
33、更进一步地,所述溯源模块进行综合相似度比对的过程包括:
34、获取分割模块输出的k个局部特征图像,同步记录每个局部特征图像对应的采集视角、由所包含像素的局部特征差异值求平均得到的差异均值,以及该局部特征区域的像素面积;
35、对于车辆图像库中每一候选车辆,提取该候选车辆在同视角下的历史图像,通过归一化互相关匹配确定各局部特征图像与该历史图像的最佳匹配相似度;
36、所述溯源模块按下式量化各局部特征图像的显著性权重及与该候选车辆的综合相似度s:
37、;
38、式中:为适应性增强指数。
39、更进一步地,所述溯源模块对所有候选车辆的综合相似度进行降序排列,将综合相似度最高的候选车辆所对应的车牌号作为超限车辆的车牌号溯源结果输出,并同时输出该车牌号对应的综合相似度得分。
40、采用本发明提供的技术方案,与已知的现有技术相比,具有如下有益效果:
41、本发明通过将车牌识别置信度与光照、能见度及超限比例动态关联的阈值机制,仅在识别不可靠时触发多视角采集,避免高频采集的资源浪费,且能在恶劣环境下补充视觉证据,同时利用模型匹配与缩放校正视角偏差,结合互信息配准与梯度度量,从多视角图像中分离出与标准模型不符的局部区域,这些区域在不同时段和光照下具有稳定可复现性,进而与历史路段图像库进行归一化互相关匹配,并按差异均值与面积加权相似度,从而克服单视角在遮挡、污损或夜间时的识别失效,即使车牌不完整或置信度低,仍可依据固有局部结构实现跨时空关联,从而在低误报率下提升溯源成功率,实现超限车辆有序尽可能无遗漏的实施管理。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com