ETC电子不停车收费中的车辆身份识别系统

暂无

技术领域\n本发明涉及一种ETC电子不停车收费中的车辆身份识别系统。\n背景技术\nETC电子不停车收费技术自90年代初期出现以来，先后在北美、欧洲、日本、澳洲、新加坡等地广泛应用，我国也在九五期间，由交通部组织了“网络环境下不停车收费系统行业联合攻关”项目研究。由交通部公路科学研究所、西安公路科学研究所承担前期科研任务，并在广东省交通厅、北京市交通厅、江苏省交通厅等展开示范工程建设。与此同时，全国各大高等院校、研究机构也纷纷开展了ETC电子不停车收费技术的研究。\n但是，由于我国国情不同，国民信用体制的不完善和我国高速公路收费体制的原因，使得ETC电子不停车收费技术在我国的推广应用遇到了很大的困难。各地(如广东、重庆、上海等地)已经上马的ETC电子不停车收费系统纷纷停止使用或改做它用。尽管造成这种局面的原因是多方面的，但倒卡、换卡、收费车辆使用免费卡、大型车辆使用小型车辆收费卡等不良和欺诈现象的大量存在，是ETC电子不停车收费面临的主要问题，是导致ETC电子不停车收费在我国不能有效推广的主要原因。例如，在2004年的全国高速公路联网收费技术研讨会上，就有重庆的代表指出，重庆在实施ETC电子不停车收费的初期，在一个月内，上述各种现象的发生就高达上百起。\n倒卡、换卡、收费车辆使用免费卡、大型车辆使用小型车辆收费卡等不良和欺诈现象的大量存在，本质上都是由于现有的ETC电子不停车收费系统不能有效地精确地识别车辆的身份造成的。因为传统的ETC电子不停车收费系统，以IC卡作为车辆身份判别的依据，但IC卡是活动的，并不固定在车上，一个车载的IC卡，是否就真的是这个车的IC卡，在ETC系统中，并没有其他的辅助的证据给予证实，因此造成了上述现象的大量存在。可以说，车辆身份的精确判定问题，已经成为我国ETC电子不停车收费以至智能交通运输发展的瓶颈。\n事实上，国内的一些研究机构已经认识到这一问题并进行了研究，提出了一些方案并进行了实施。例如，通过牌照识别，与车载IC卡中记录的牌照相比对；或利用磁感应线圈、压电传感器、红外线收发装置等判断车辆到来，获取通行车辆的轮数、前、后轮距、轴距，车高等特征，然后实现车型判别等。但这些方案都不能有效地、彻底地解决问题。分析其原因，主要有以下两个方面：\n(1)车牌识别的精度达不到应用的要求。车牌识别虽然国内已有很多单位研究，技术上也比较成熟，但从实际应用的情况来看仍然很不理想。因为现场的车牌识别环境是非常复杂的，受到车牌自身情况、天气、光照等多种因素的影响，有些车牌甚至人来识别都困难。例如，国内最先进的北京汉王公司的车牌识别系统(汉王眼)，在各项参数调整到最佳状态时，现场车牌识别率也只有96％，但参数的调整要根据天气、光照等一天反复调整几次，否则车牌识别率将大大降低，致使该系统的实用性大打折扣。重庆在实施不停车收费时，由于车牌识别不能达到应用要求，不得不在出口人工输入车牌后四位，与IC卡中记录的车牌数据比对，但这样一来，车辆就必须在出口停留5秒以上，不停车收费又退回到停车收费上去了。此外，上海的ETC不停车收费也是因为车牌识别精度不高而搁浅。由于车牌识别不能达到应用要求，致使在车辆身份的验证上，不能判断出到底是非法的IC卡还是车牌识别的原因，所以只运用车牌识别的方法验证车辆身份，不是一个有效的、可靠的解决方案。\n(2)车型识别结果过于简单，不足以形成对车辆身份的有效可靠验证。目前的车型识别分为硬件方式和软件方式。利用硬件方式获取车型需要地感线圈、磁感应线圈、压电传感器、红外线装置等设备，系统比较复杂，投资也比较大，目前已基本上不再采用。利用软件方式是指通过拍摄车辆图像，对图像进行车型识别来判断车型，该方法只需一摄像头即可，但识别结果一般只有小型车、中型车、大型车三种，且很多车型无法从外观上进行精确地区分，如大中型客车与箱式货车的区分，造成以车型识别结果作为判断车辆身份的依据效果更差，特别是遇到非免费车使用免费卡的情况更是如此。\n由于以上两个方面的原因，使得制约ETC在我国推广的车辆身份识别的问题始终不能得到有效的解决。在ETC中，车辆身份如果不能得到有效的识别，造成的恶果是多方面的：首先会造成车辆身份判别的不一致，来源于IC卡中的数据与牌照或车型识别的结果不一致时，既可能是非法的IC卡造成的，也可能是车牌或车型的误识别造成的，这种情况往往需要停车来处理，当由于是车牌或车型识别的原因时，造成停车会给ETC电子不停车系统的声誉和收费站带来很大的负面影响；其次，车辆身份判别错误既会给司机造成损失，或纵容司机投机心理，也会给收费站造成票款流失。\n发明内容\n本发明的目的是提供一种能对车辆身份进行准确识别的ETC电子不停车收费中的车辆身份识别系统。\n为实现上述目的，本发明采用如下技术方案：ETC电子不停车收费中的车辆身份识别系统，包括存有车辆基本信息数据的车载射频IC卡及其读写系统，含有与多个传感器连接的多个信息通道，将各个信息通道用搏弈信息融合模型组织起来，以贝叶斯网络的推理算法，完成对车辆身份的准确识别；所述搏弈信息融合模型包含局中人、策略和支付三个基本要素，局中人是指搏弈融合的参加者，即用于搏弈融合的多个信息通道，策略是对局中人在处理搏弈中可能出现的各种局势时，所做决策的一种描述，即各信息通道的工作模式或工作参数，支付是各信息通道对信息融合中心决策支持的置信度。\n所述搏弈信息融合模型包括局中人提取、策略提取、支付提取、态势评估、过程提取五个模块和数据库管理系统，所述数据库管理系统由策略数据库和支付数据库组成，其中策略数据库用于存放系统中不同局中人的可采纳策略，支付数据库则存放不同策略组合的支付值；所述推理算法为非树型贝叶斯网络推理算法。\n所述用于融合的多个信息通道包括车牌信息和车型信息，所述传感器为摄像机和称重系统。\n所述车型信息包括车牌颜色、车型和车重，其中车牌颜色包括黄色、兰色、黑色、白色，车型包括大型、中型、小型，车重包括很重、重、中等、轻、很轻五个量化级；车牌信息和车牌颜色、车型均通过摄像机作为传感器进行采集，车重通过称重系统作为传感器进行采集。\n当所述车牌图像识别通道信息与射频识别通道中的车牌信息符合程度越大，该通道支付越大；车型图像识别通道信息与射频识别通道中的车型信息符合程度越大，该通道支付越大，但在相同支付下，不及车牌图像识别通道信息对融合系统决策的影响大；车辆重量信息和车牌颜色信息都与射频识别通道中的车型信息相关，根据相关性的大小确定它们的支付大小。\n我们所发明的基于搏弈信息融合技术的ETC电子不停车收费系统旨在建立解决多源信息冲突环境下的信息融合问题的理论体系，因而具有理论意义；另一方面，在这一理论体系的指导下，将建立的融合模型应用到ETC电子不停车收费中车辆身份的可靠判决中，通过建立基于此理论的特定融合模型，解决ETC电子不停车收费系统中的可靠收费问题。它通过搏弈信息融合模型，把非接触IC卡中的信息、车牌识别的信息、车型识别的信息、车牌颜色信息和不停车车辆称重的信息融合在一起，以期上述多源信息通过搏弈信息融合模型中的竞争与合作达到系统最优可靠判定，共同证实或者反证实车辆的真实身份。因为人们从常识中知道，多个信息渠道提供的证据如果综合在一起，将比单个信息渠道提供的证据具有更强的证明力，就ETC中的车辆身份识别来讲，多种信息融合后提供的决策——是合法车辆还是非法车辆，将比仅通过单一信息做出的判断可靠得多。我们的目标是：通过搏弈信息融合的手段，解决车辆身份判别这一ETC电子不停车收费中一直未能解决的重点和难点问题。这一ETC中关键问题的解决，不仅为ETC技术在我国发展的走向指明了方向，而且为ETC系统的实用化奠定了理论基础，这本来是一个来源于工程背景的实际问题，但通过我们的研究，已经把它上升到了搏弈理论和信息融合理论的高度。\n本世纪初，我国开始了ETC的研制和试点工作，2004年8月，交通部正式批准“联网电子收费工作组”(UT&ETC WG)，负责联网电子收费领域的标准化工作，并把电子不停车收费系统作为未来联网电子收费的发展方向，随后，全国各相关院校、公司、研究机构纷纷开始了ETC的研究，有的还申请了专利。我们研制的ETC电子不停车收费系统，结合我国国情，采用搏弈信息融合技术识别车辆真实身份、提供收费可靠依据，经过我们查阅相关文献，经过河南省科技情报所的查新工作，这一技术发明未发现相似技术和相关报道。具体来说，我们的这一技术发明具有如下优点\n1、它圆满解决了在我国特有的ETC中车辆身份需可靠识别的问题。它将车牌识别、车型识别、车牌颜色、IC卡数据信息、以及不停车称重系统中的重量信息进行搏弈信息融合，最大限度地保证了车辆身份识别的可靠性，比起传统的单纯使用牌照识别，精度提高到99.99％以上，比起单纯使用车型判定，投资少，可靠性好，精度高。\n2、车辆身份判别系统中采用分布式处理的方式，车牌和车型识别以及不停车称重采用独立可运行系统，不占用主机资源，使主机能够集中进行信息融合和收费数据处理，这样大大提高了主机的工作效率，提高了车辆在收费站的通过速度。\n3、由于是多路信息融合，信息的多路性提供了较多的冗余信息，使得在某一路信息缺失时，其他路正常工作的信息，仍能够经过改进的融合算法，获得较高的判别准确率，这就为系统提供了故障冗余，使系统在发生了局部故障的情况下仍能继续工作，从而大大提高了系统的可靠性，这一点就适应了ETC电子不停车收费系统需要较高可靠性的要求，成为这一技术发明的一个明显优点。\n4、用于识别的设备体积小，安装方便，不停车称重采用便携式系统，车牌和车型识别使用一体化的系统，可独立运行，重量信息和识别结果经串行口与主机通信，因此接入简单，安装方便，大大节省了用户在工程施工方面的投资。\n附图说明\n图1所示为包含本发明的ETC系统的工作原理框图；\n图2所示为本发明中车牌识别系统流程图；\n图3所示为本发明中车型识别系统流程图；\n图4所示为本发明中搏弈信息融合的功能模型；\n图5所示为本发明中车辆身份识别的贝叶斯网络结构图；\n图6所示为本发明中贝叶斯网络的算法描述图；\n图7所示为本发明中贝叶斯网络的算法程序流程图；\n图8所示为包含本发明的ETC系统中的射频识别系统程序流程图。\n具体实施方式\nETC中的车辆身份识别系统是以搏弈信息融合为指导的。在设计中，首先提取局中人、策略、支付三个搏弈融合模型的基本要素，然后是构建贝叶斯网络，以网络的推理算法完成车辆身份的识别。\n(1)局中人\n直接将各信息通道作为局中人。\n(2)策略\n不同类型的信息通道，对系统策略的抽取影响很大。各个局中人的策略如下：\n●不停车称重系统信息通道：输出的实数值。需采用模糊技术对其进行有限量化，分为几个量化级：如很重、重、中等、轻、很轻。\n●车牌图像信息通道：摄像机参数(焦距、视野、角度等)、识别系统的输出结果(字符格式)。\n●车型图像识别通道：摄像机参数同上，识别输出结果(大型、中型、小型)。\n●车牌颜色信息通道：黄色、兰色、黑色、白色。\n●射频识别通道：存储在射频卡中的车牌、车型数据。\n(3)支付\n该搏弈信息融合系统各通道信息的支付体现在对射频识别通道信息的符合程度上。符合程度越大，表明信息的支付越大。下面进行具体分析：\n●射频识别信息由于就是它本身，所以符合程度为100％，所以在该融合系统中不作为决策依据。\n●车牌图像识别通道信息与射频识别通道中的车牌信息符合程度越大，该通道支付越大。\n●车型图像识别通道信息与射频识别通道中的车型信息符合程度越大，该通道支付越大，但在相同支付下，不及车牌图像识别通道信息对融合系统决策的影响大。\n●车辆重量信息和车牌颜色信息都与射频识别通道中的车型信息相关，根据相关性的大小确定它们的支付大小。\n搏弈信息融合系统将根据各个信息通道的支付作出决策：即是合法车辆还是非法车辆。任何单一通道的支付都不能完全作为融合系统决策的依据。为了有利于系统决策，各通道都应争取支付最大化，融合系统争取对各信息通道的最大利用，因此各信息通道存在着支付的竞争和搏弈。\n如图1所示的搏弈信息融合模型中的信息采集通道分别是自动车辆识别系统(利用非接触智能IC卡实现)、摄像机以及地衡。组成模型中的信息采集通道分别用来完成车载非接触智能IC卡中存储数据、车型图像数据、牌照图像数据以及车辆重量信息的采集。其中，射频IC卡用来标识车辆的身份和提供相关的简单信息，但这种标识不是百分之百可靠的；摄像机分别用来拍摄车型图片和牌照图片，而地衡负责收集车辆的重量信息。组成模型中的关键部分是对采集到的信息进行信息融合，以此来更精确地判别车辆的身份，从而保证收费的安全。\n模型中，车牌识别信息通道在于获取特异性车牌(如形状不规范、污损、遮挡车牌)的高可靠性识别信息。车牌识别的系统流程图如图2所示。牌照识别的基本过程如下：(1)当行使的车辆驶入收费站入口时，控制器启动设置在车辆前方和侧上方的摄像机同时拍摄下车辆图像；(2)由摄像机拍摄的含有车辆牌照的图像通过图像采集卡输入计算机进行预处理。图像预处理包括图像转换、图像增强、滤波和图像水平矫正等；(3)由区域搜索模块进行牌照搜索与定位，并分割出包含牌照字符号码的矩形区域；(4)对牌照字符进行二值化，反色处理，统一成白底黑字，滤除边框并分割出单个字符，经归一化后输入字符识别子系统进行识别。\n利用模板匹配法对牌照区域进行定位是牌照识别算法的核心，它充分利用了牌照区域边缘丰富的特点，定位准确，提高了总体识别率。\n模型中车型识别信息通道基于动态视频的车型识别技术获取车型信息。通过对动态图像处理获得通过车辆的轮廓，并用Freeman链码表示轮廓，通过对Freeman链码的统计和计算获取车长、车高、周长、面积、车长高比、圆形度、外接矩形与面积比等7个特征，同时还提取了车型图像的7个不变矩特征。然后应用SVM技术和决策树多类分类器相结合的策略进行分类，使得分类器具有良好的分类性能和鲁棒性。系统流程如图3所示，车型识别系统硬件有CCD摄像机、图像采集卡、图像处理计算机组成。CCD摄像机、图像采集卡负责采集视频数据，并把数据转换成数字图像送图像处理计算机进行处理。图像处理计算机指安装了车型识别系统软件的计算机。它承担着视频捕获，运动目标检测、分割，图像预处理，图像特征提取、图像分类等重要任务。\n至于射频识别与不停车称重通道，因有比较成熟的技术，我们采用了比较先进的技术来为模型提供这两个信息源。\n如图4所示，在搏弈融合模型中，将该模型的功能模型分解为局中人提取、策略提取、支付提取、态势评估和过程提取五个模块。\n(1)局中人提取(Player Refinement)\n在搏弈融合模型中，将参与冲突与合作的传感器多信息源视为局中人。\n(2)策略提取(Strategy Refinement)\n策略提取是对搏弈融合中所涉及的各个局中人确定其可以采纳的策略集。\n(3)支付提取(Payoff Refinement)\n当局中人之间采用不同的策略组合时，使系统不确定性减少的程度不同，因此理论上将不同策略组合下的信息量作为支付值。而在实际的应用中，不同的策略会导致系统性能的变化不同，即以具体系统中具体某些参数的变化作为策略的支付值。\n(4)态势评估(Situation Assessment)\n在搏弈融合模型中，考虑到冲突和合作过程中的不同态势实质上是由各局中人采用不同的策略而导致的，因而将各局中人采用不同策略的组合定义为一个态势，态势下的支付值则作为态势评估的定量度量值。\n(5)过程提取(Process Refinement)\n在搏弈融合模型中，过程提取模块直接完成了融合系统的“施动”功能。在多源信息冲突的环境下，为了最大化支付效用，局中人采纳不同的策略，而这些策略对应于传感器系统的不同参数模式或不同的协作方法等，因而搏弈融合中最优策略的选择最终应作用于传感器系统上，即融合系统对传感器的“施动”。\n(6)数据库管理系统(Database management system)\n在本模型中的数据库管理系统中，定义了策略数据库和支付数据库。其中，策略数据库用于存放系统中不同局中人的可采纳策略，支付数据库则存放不同策略组合的支付值。在实际应用中，可根据实际情况确定所需采用的数据库，简单的情形下可以不采纳数据库管理系统，而将实际的数据存储在内存中；复杂情形下可以对局中人、态势等均采用数据库加以管理。\n在整个搏弈融合的功能模型中，从局中人、策略、支付三个要素出发确定了三者的功能模块，从融合的目的出发，确定了态势评估和过程提取两个模块。实际上，局中人、策略和支付三者的确定是态势评估和过程提取的前提和基础。而融合的整个过程是一个反馈的过程，前一时刻的态势评估和过程提取的结果有可能对后一时刻的局中人、策略和支付三者的确定产生影响。\n我们主要研究了在多源信息冲突环境下，以搏弈思想为指导构建的搏弈融合模型，探讨了模型的形式化描述、模型的具体建模思想，并给出了一个通用的解决融合过程中多源信息冲突与合作的搏弈融合的功能模型。\n搏弈融合模型将多源信息冲突环境下的信息融合抽象为多传感器构成的不同局中人之间以不同的策略而进行的交互搏弈过程，该搏弈的目标是最大化系统的收益，也就是最大化地利用各传感器的信息。\n图5体现为车辆身份识别的搏弈信息融合模型的贝叶斯网络结构算法，本质上属于贝叶斯推理算法。算法中的各表示含义如下：\n方框表示相应的变量(局中人)。其中车牌变量(L1)取字符值，车牌颜色变量(C1)取离散值(如黄色、兰色等)，车型变量(T1)取离散值(大型、中型、小型)，车重变量取离散值(如很重、重、中等、轻等)。L2、T2为从射频IC卡读出的变量。\np1，p2，…，pn为摄像机的一组参数，q1，q2，…，qn为称重系统的一组参数，它们可看作是局中人的一组策略。\nP(L1/(p1，p2，…，pn))为局中人L1采用策略(p1，p2，…，pn)时的支付，它实质上是在摄像机取得参数(p1，p2，…，pn)的条件下，牌照识别结果L1与真实值的相近程度。其他P(C1/(p1，p2，…，pn))、P(T1/(p1，p2，…，pn))等含义与此相同。\nP(L2/L1)为局中人L2采取相应策略的支付。L2采取的策略为L2从射频通道中取得的值。L2的支付实质上是在L1取得某值的条件下L2取得某值的条件概率。由此可以看出，不同局中人的支付相互影响，表现为信息的相互融合。其他如P(T2/C1)、P(T2/T1)、P(T2/W1)含义与此相同。\nP(J/L2)为将整个融合系统(J)作为局中人时的支付受L2的影响程度，P(J/T2)的含义与此相同。J的策略只有两个：取值为合法车辆或非法车辆。J取不同策略时支付不同，而支付大的策略为正确的策略。J的支付受到L2和T2的影响，体现了融合。\nETC中的车辆身份识别具体实施起来，以贝叶斯网络推理算法实现搏弈信息融合及决策功能。从图5可以看出，该贝叶斯网络算法结构由两条分支组成，分别为车牌识别分支和车型识别分支。\n一、车牌识别分支\n1、算法思想\n对于车牌识别这路信息通道，根据观测值(由机器承担，将IC卡中读出车牌信息与车牌识别机识别出的车牌进行比对，得出相符和不符两种观测结果)，利用贝叶斯公式，推出车牌识别机识别结果为“正确”和“不正确”的概率分布。如果推得车牌识别机识别结果为正确的概率很大，而不正确的概率很小，在相符条件下，则系统可以推得此为“合法车辆”。如果观测结果为不符，利用贝叶斯公式，推出车牌识别机识别结果为“正确”和“不正确”的概率分布，如果推得车牌识别结果为“正确识别”的概率很大(超过某一域值)，则可以推定为“非法车辆”，如果概率很小(小于某一域值)，则不能推出“非法车辆”的结论。此时需要参考其他信息通道的概率分布。\n算法在第一次运行时，需要输入一些先验概率，此后先验概率需根据算法的运行不断得到修正而变成后验概率。\n2、算法描述如图6所示：\nL1：识别正确(取a1值)：概率：95％\n识别不正确(取b1值)：概率：5％\nL2：相符(c1)/正确识别(a1)：条件概率：99.9％\n不符(d1)/正确识别(a1)：条件概率：0.1％\n相符(c1)/未正确识别(b1)：条件概率：0.001％\n不符(d1)/未正确识别(b1)：条件概率：99.999％\n先验概率如下：\np(a1)＝95％\np(b1)＝5％\np(c1/a1)＝99.9％\np(d1/a1)＝0.1％\np(c1/b1)＝0.001％\np(d1/b1)＝99.999％\n若观测结果为：相符(意思是p(c1)＝1)或不符(意思是p(d1)＝1)\n则需求出此次车牌识别系统的车牌识别结果分布。即：\n相符：p(c1)＝1\np(a1/c1)＝p(c1/a1)p(a1)/(p(c1/a1)p(a1)+p(c1/b1)p(b1))\np(b1/c1)＝p(c1/b1)p(b1)/(p(c1/a1)p(a1)+p(c1/b1)p(b1))\n不符：p(d1)＝1\np(a1/d1)＝p(d1/a1)p(a1)/(p(d1/a1)p(a1)+p(d1/b1)p(b1))\np(b1/d1)＝p(d1/b1)p(b1)/(p(d1/a1)p(a1)+p(d1/b1)p(b1))\n二、车型识别分支\n车型识别分支由三条分支组成，分别是车牌颜色识别、车型识别和车重识别。T2为IC卡读出的车型代码，这条分支的算法和车牌识别分支基本一样。\n对于车牌颜色识别，由于不同颜色车牌与车型有一定对应关系，根据机器观测结果，成对应关系表示相符，不成对应关系表示不符，在不符条件下需利用贝叶斯公式计算车牌颜色识别正确与否的概率分布。对于车型的识别，由于我们只识别到大型、中型、小型三种车型，因此也有一个与从IC卡中读取的车型代码的对应关系，当对应关系成立表示相符，不成立表示不符，在不符条件下，需计算车型识别正确与否的概率分布，对于车重识别也使用同样的方法。\n在车型识别的各条分支中，将车牌颜色识别的概率分布、车型识别的概率分布、车重测量的概率分布进行加权平均，即可得到整个车型识别分支的概率分布。\n用于搏弈信息融合的多源信息包括IC卡中存储的车辆身份信息、车牌识别信息、车型识别信息和来自不停车称重系统的车重信息。这些信息分别来自于设置在收费车道路侧的摄像机系统、射频IC卡读写系统和便携式不停车称重系统。这些信息分别独立采集后，以串行通信的方式传送给车道控制机(一般由工控机担任)，由工控机上的搏弈信息融合中心采用贝叶斯网络推理算法，对这些信息进行搏弈融合，最终判断出车辆的真实身份，为收费站实现ETC自动收费提供可靠的依据。\n本发明中软件采用面向对象的高级编程语言——DELPHI编写。程序流程见图7所示。作为ETC车道收费软件的核心部分之一，本软件并没有独立使用的界面，它是嵌入在完整的车道收费软件中的，并在ETC的车道收费软件界面中反映出来。我们研制的车道收费软件界面的右半部分反映的是ETC中的车辆身份识别的处理。\n含本发明的ETC系统采用了较为先进的射频识别系统，ETC中的射频识别(RFID)系统又称为自动车辆识别(AVI)系统，是通过对车载射频IC卡读写识别车辆，完成收费。程序流程图(包括初始化阶段)如图8所示。