一种基于大数据平台的虚拟卡口管理方法及系统

1.一种基于大数据平台的虚拟卡口管理方法，该方法包括下列顺序的步骤：
(1)视频源模块实时采集视频监控图像，并将视频监控图像发送至虚拟卡口一体机；
(2)虚拟卡口一体机对视频监控图像进行抽帧、抓拍图片、号牌提取、黑名单比对处理，处理后将抓拍的车辆图片、提取的车牌信息发送至大数据平台，同时将黑名单比对结果发送至应用系统模块；虚拟卡口一体机安装在前端监控点的背包箱中；
(3)大数据平台对车辆图片进行二次特征提取获取车辆的其他特征信息，对车辆图片、车牌信息、其他特征信息进行关联存储；
(4)大数据平台接收应用系统模块的任务请求，并将计算分析结果反馈至应用系统模块；
(5)应用系统模块与终端用户之间进行信息交互，接收用户的查询、统计、分析和布控请求，并根据大数据平台和虚拟卡口一体机反馈的结果向用户进行可视化展示。
2.根据权利要求1所述的基于大数据平台的虚拟卡口管理方法，其特征在于：所述视频源模块在实时采集视频监控图像的同时，将所采集的视频监控图像一路存入其视频存储单元内，另一路则输入虚拟卡口一体机中。
3.根据权利要求1所述的基于大数据平台的虚拟卡口管理方法，其特征在于：所述虚拟卡口一体机对接收到的视频监控图像进行解码，在视监控频图像的窗口中设定虚拟线圈，利用基于背景建模的算法检测视频监控图像中的运动目标，提取目标图像帧；提取视频监控图像中运动目标的特征，利用基于模版匹配的算法识别目标图像帧中的车辆，抓取相应的车辆图片；利用基于非标定视角的车牌检测算法提取所抓取到的车辆图片中的车牌号信息，并与其内黑名单数据库中的车牌信息进行比对，并将比对结果发送至应用系统模块，若比对成功，则输出告警信息至应用系统模块，由应用系统模块报警。
4.根据权利要求1所述的基于大数据平台的虚拟卡口管理方法，其特征在于：所述大数据平台基于Hadoop架构，利用Map/Reduce并行计算方法分析抓取的车辆图片，提取车辆的其他特征信息，车辆的其他特征信息包括车牌颜色、车身颜色、车标、车型、车速、行驶方向的信息。
5.根据权利要求3所述的基于大数据平台的虚拟卡口管理方法，其特征在于：所述虚拟线圈是指在视频源模块的视频镜头范围内，用户所指定的检测区域。
6.实施权利要求1至5中任一项所述的虚拟卡口管理方法的系统，其特征在于：
包括：
视频源模块，通过路面上的普通视频监控摄像机采集视频监控图像；
虚拟卡口一体机，安装在前端监控点的背包箱中，实现视频抽帧、车辆检测、车辆图片抓取、车牌号码识别及黑名单比对；
大数据平台，利用虚拟卡口一体机发送的车辆图片提取车辆的其他特征信息；存储海量车辆图片、车牌信息、其他特征信息；对存储的海量过车记录提供大数据计算处理功能，为应用系统模块提供支撑，根据应用系统模块的请求对任务进行分解、执行、合并，再将计算结果反馈给应用系统模块进行结果展现；
应用系统模块，根据终端用户的访问请求向大数据平台发出查询、统计、分析的任务请求，并接收大数据平台分析处理后反馈的结果，通过可视化处理后向用户展现结果。
7.根据权利要求6所述的系统，其特征在于：所述视频源模块为监控摄像机，监控摄像机采用球形摄像机、半球摄像机、枪型摄像机、一体化摄像机中的任意一种。
8.根据权利要求6所述的系统，其特征在于：所述视频源模块通过第一接入交换机与虚拟卡口一体机相连，第一接入交换机通过防火墙与核心交换机相连，核心交换机通过第二接入交换机分别与大数据平台、应用系统模块和终端用户相连。
9.根据权利要求6所述的系统，其特征在于：所述虚拟卡口一体机包括：
视频接入模块，接收由视频源模块输入的视频流；
标准化转换模块，将接收到的视频流标准化，以便对视频流进行进一步处理；
视频分析模块，对标准化后的视频流进行运动目标检测、车辆目标识别、车牌检测和黑名单比对；
告警输出模块，若与黑名单比对一致，则输出告警信息至应用系统模块；
数据上传模块，将车辆图像、车牌信息上传至大数据平台。

一种基于大数据平台的虚拟卡口管理方法及系统\n技术领域\n[0001] 本发明涉及智能交通技术领域，尤其是一种基于大数据平台的虚拟卡口管理方法及系统。\n背景技术\n[0002] 近年来，随着社会经济的快速发展，国内机动车数量迅速增长，交通管理现状和需求的矛盾进一步加剧，与交通相关的刑事和治安案件也逐年上升，城市重要出入口以及主干道路上高清卡口系统的架设正是为了解决上述问题。常规卡口系统通过地感线圈、雷达或视频触发，对过往车辆进行感知，利用专用相机及前端处理系统拍摄车辆图片并进行分析，获取车辆相关特征数据，并传输到后台进行数据存储、查询、比对等处理。卡口系统建设及应用面临以下问题：1)施工复杂，需要单独架设嵌入智能分析的高清摄像机和车辆检测器，同时还要破坏路面以埋设线圈；2)卡口系统设备易损坏、寿命短、成本高，如闪光灯等每3-5个月就需要更换；3)卡口数量有限，可用的卡口数量占比较低，难以形成有效的监控网络；4)卡口产生大量的车辆信息数据，然而在嫌疑车辆自动识别报警、信息远程比对、关联查询等应用方面，系统功效并不显著。\n[0003] 为了改善现有卡口存在的问题，相关专家学者进行了大量研究，并取得一定成果，目前研究出了虚拟卡口、智能卡口、复合卡口等。然而，这些研究出的卡口系统虽然可以基于虚拟线圈实现车辆的视频检测，但均是在后端管理中心通过视频检测算法检测车辆并提取车辆特征信息，在这种情况下对于车辆布控应用来说，需要将视频传回后端管理中心，然后利用算法识别车辆并提取车辆特征后再完成比对，严重影响了响应的实时性。另外，基于过车数据的分析应用随着数据规模的日积月累，处理速度将严重下降。\n发明内容\n[0004] 本发明的首要目的在于提供一种在前端实现车辆识别及车辆图片抓取，响应的实时性好，大大提高处理速度的基于大数据平台的虚拟卡口管理方法，该方法包括下列顺序的步骤：\n[0005] (1)视频源模块实时采集视频监控图像，并将视频监控图像发送至虚拟卡口一体机；\n[0006] (2)虚拟卡口一体机对视频监控图像进行抽帧、抓拍图片、号牌提取、黑名单比对处理，处理后将抓拍的车辆图片、提取的车牌信息发送至大数据平台，同时将黑名单比对结果发送至应用系统模块；虚拟卡口一体机安装在前端监控点的背包箱中；\n[0007] (3)大数据平台对车辆图片进行二次特征提取获取车辆的其他特征信息，对车辆图片、车牌信息、其他特征信息进行关联存储；\n[0008] (4)大数据平台接收应用系统模块的任务请求，并将计算分析结果反馈至应用系统模块；\n[0009] (5)应用系统模块与终端用户之间进行信息交互，接收用户的查询、统计、分析和布控请求，并根据大数据平台和虚拟卡口一体机反馈的结果向用户进行可视化展示。\n[0010] 所述视频源模块在实时采集视频监控图像的同时，将所采集的视频监控图像一路存入其视频存储单元内，另一路则输入虚拟卡口一体机中。\n[0011] 所述虚拟卡口一体机对接收到的视频监控图像进行解码，在视监控频图像的窗口中设定虚拟线圈，利用基于背景建模的算法检测视频监控图像中的运动目标，提取目标图像帧；提取视频监控图像中运动目标的特征，利用基于模版匹配的算法识别目标图像帧中的车辆，抓取相应的车辆图片；利用基于非标定视角的车牌检测算法提取所抓取到的车辆图片中的车牌号信息，并与其内黑名单数据库中的车牌信息进行比对，并将比对结果发送至应用系统模块，若比对成功，则输出告警信息至应用系统模块，由应用系统模块报警。\n[0012] 所述大数据平台基于Hadoop架构，利用Map/Reduce并行计算方法分析抓取的车辆图片，提取车辆的其他特征信息，车辆的其他特征信息包括车牌颜色、车身颜色、车标、车型、车速、行驶方向的信息。\n[0013] 所述虚拟线圈是指在视频源模块的视频镜头范围内，用户所指定的检测区域。\n[0014] 本发明的另一目的在于提供一种基于大数据平台的虚拟卡口管理系统，包括：\n[0015] 视频源模块，通过路面上的普通视频监控摄像机采集视频监控图像；\n[0016] 虚拟卡口一体机，安装在前端监控点的背包箱中，实现视频抽帧、车辆检测、车辆图片抓取、车牌号码识别及黑名单比对；\n[0017] 大数据平台，利用虚拟卡口一体机发送的车辆图片提取车辆的其他特征信息；存储海量车辆图片、车牌信息、其他特征信息；对存储的海量过车记录提供大数据计算处理功能，为应用系统模块提供支撑，根据应用系统模块的请求对任务进行分解、执行、合并，再将计算结果反馈给应用系统模块进行结果展现；\n[0018] 应用系统模块，根据终端用户的访问请求向大数据平台发出查询、统计、分析的任务请求，并接收大数据平台分析处理后反馈的结果，通过可视化处理后向用户展现结果。\n[0019] 所述视频源模块为监控摄像机，监控摄像机采用球形摄像机、半球摄像机、枪型摄像机、一体化摄像机中的任意一种。\n[0020] 所述视频源模块通过第一接入交换机与虚拟卡口一体机相连，第一接入交换机通过防火墙与核心交换机相连，核心交换机通过第二接入交换机分别与大数据平台、应用系统模块和终端用户相连。\n[0021] 所述虚拟卡口一体机包括：\n[0022] 视频接入模块，接收由视频源模块输入的视频流；\n[0023] 标准化转换模块，将接收到的视频流标准化，以便对视频流进行进一步处理；\n[0024] 视频分析模块，对标准化后的视频流进行运动目标检测、车辆目标识别、车牌检测和黑名单比对；\n[0025] 告警输出模块，若与黑名单比对一致，则输出告警信息至应用系统模块；\n[0026] 数据上传模块，将车辆图像、车牌信息上传至大数据平台。\n[0027] 由上述技术方案可知，本发明是集视频接入、车辆检测与识别、车牌提取、黑名单比对、网络传输为一体的一体化硬件设备，从摄像机拍摄的实时视频序列中提取运动目标图像帧，再进一步从目标图像帧中识别车辆并抓取车辆图片，进而完成车牌号码的提取和基于车牌号码的黑名单比对功能，最后将车辆图片、车牌号码、比对结果通过网络传输到后端应用系统。从物理位置来看，虚拟卡口一体机部署在前端监控点的背包箱中，通过这种前置策略在前端实现车辆识别及车辆图片抓取，改变原来需要将带宽占用很大的视频资源传输到中心端再进行分析的模式，能快速及时响应，同时本发明在后端利用大数据平台来支撑车辆特征的进一步提取，从而大大提高了处理速度。\n附图说明\n[0028] 图1为本发明的方法流程图。\n[0029] 图2为本发明的系统结构框图。\n[0030] 图3为本发明的系统网络拓扑图。\n[0031] 图4为本发明中虚拟卡口一体机的工作流程示意图。\n[0032] 图5为本发明的车辆识别示意图。\n具体实施方式\n[0033] 一种基于大数据平台的虚拟卡口管理方法，首先，视频源模块1实时采集视频监控图像，并将视频监控图像发送至虚拟卡口一体机2；其次，虚拟卡口一体机2对视频监控图像进行抽帧、抓拍图片、号牌提取、黑名单比对处理，处理后将抓拍的车辆图片、提取的车牌信息发送至大数据平台3，同时将黑名单比对结果发送至应用系统模块4；接着，大数据平台3对车辆图片进行二次特征提取获取车辆的其他特征信息，对车辆图片、车牌信息、其他特征信息进行关联存储；再次，大数据平台3接收应用系统模块4的任务请求，并将计算分析结果反馈至应用系统模块4；最后，应用系统模块4与终端用户5之间进行信息交互，接收用户的查询、统计、分析和布控请求，并根据大数据平台3和虚拟卡口一体机2反馈的结果向用户进行可视化展示，如图1所示。采集视频后，进行视频解码和车辆识别，提取车牌后一方面与布控信息、黑名单信息进行比对，比对成功后给出告警信息；另一方面车辆图片和车牌信息上传至大数据平台3，进行车辆其他特征的提取，并为用户提供相应的应用服务，将结果反馈给用户。\n[0034] 如图1、4所示，所述虚拟卡口一体机2对接收到的视频监控图像进行解码，在视监控频图像的窗口中设定虚拟线圈，利用基于背景建模的算法检测视频监控图像中的运动目标，提取目标图像帧；提取视频监控图像中运动目标的特征，利用基于模版匹配的算法识别目标图像帧中的车辆，抓取相应的车辆图片；利用基于非标定视角的车牌检测算法提取所抓取到的车辆图片中的车牌号信息，并与其内黑名单数据库中的车牌信息进行比对，并将比对结果发送至应用系统模块4，若比对成功，则输出告警信息至应用系统模块4，由应用系统模块4报警。所述虚拟线圈是指在视频源模块1的视频镜头范围内，用户所指定的检测区域。\n[0035] 如图1所示，所述大数据平台3基于Hadoop架构，利用Map/Reduce并行计算方法分析抓取的车辆图片，提取车辆的其他特征信息，车辆的其他特征信息包括车牌颜色、车身颜色、车标、车型、车速、行驶方向等信息。所述视频源模块1在实时采集视频监控图像的同时，将所采集的视频监控图像一路存入其视频存储单元1b内，另一路则输入虚拟卡口一体机中。\n[0036] 如图2所示，本系统包括：视频源模块1，通过路面上的普通视频监控摄像机1a采集视频监控图像；虚拟卡口一体机2，安装在前端监控点的背包箱中，实现视频抽帧、车辆检测、车辆图片抓取、车牌号码识别及黑名单比对；大数据平台3，利用虚拟卡口一体机2发送的车辆图片提取车辆的其他特征信息；存储海量车辆图片、车牌信息、其他特征信息；对存储的海量过车记录提供大数据计算处理功能，为应用系统模块4提供支撑，根据应用系统模块4的请求对任务进行分解、执行、合并，再将计算结果反馈给应用系统模块4进行结果展现；应用系统模块4，根据终端用户5的访问请求向大数据平台3发出查询、统计、分析的任务请求，并接收大数据平台3分析处理后反馈的结果，通过可视化处理后向用户展现结果。所述视频源模块1为监控摄像机1a，监控摄像机1a采用球形摄像机、半球摄像机、枪型摄像机、一体化摄像机中的任意一种。\n[0037] 如图2所示，由虚拟卡口一体机2对视频图像进行抽帧、抓拍图片、号牌提取、黑名单比对等处理，处理后将抓拍的车辆图片、提取的车牌信息传给大数据平台3，而将黑名单比对的结果传给应用系统模块4；大数据平台3接收虚拟卡口一体机2模块产生的车辆图片和车牌号码，由大数据计算处理模块对车辆图片进行二次特征提取获取车身颜色、车标、车型、车速、行驶方向等特征信息，再由大数据存储模块对车牌信息、车辆图片、其他特征信息进行关联存储，另外大数据平台3接收应用系统模块4的任务请求，包括过车信息检索、过车信息统计、黑名单比对、轨迹分析、频度分析、区间分析和套牌分析，并将计算分析的结果反馈给应用系统模块4。\n[0038] 如图3所示，所述视频源模块1通过第一接入交换机6与虚拟卡口一体机2相连，第一接入交换机6通过防火墙7与核心交换机8相连，核心交换机8通过第二接入交换机\n9分别与大数据平台3、应用系统模块4和终端用户5相连。监控摄像机1a通过第一接入交换机6与视频存储单元1b、虚拟卡口一体机2相连，将拍摄到的监控视频一路送入视频存储单元1b进行存储，另一路则发送至虚拟卡口一体机2进行处理。虚拟卡口一体机2通过第一接入交换机6与防火墙7联通，通过防火墙7来提高网络安全性，经核心交换机8与大数据平台3和应用系统模块4进行通信。为了提高网络的可靠性，两台核心交换机8做双机策略。大数据平台3中的管理节点、数据节点通过网线接入网络，应用系统模块4中的服务器以集群方式对外提供服务，同样通过网线接入网络，终端用户5通过电脑接入系统。\n[0039] 如图4所示，所述虚拟卡口一体机2包括：视频接入模块，接收由视频源模块输入的视频流；标准化转换模块，将接收到的视频流标准化，以便对视频流进行进一步处理；视频分析模块，对标准化后的视频流进行运动目标检测、车辆目标识别、车牌检测和黑名单比对；告警输出模块，若与黑名单比对一致，则输出告警信息至应用系统模块4；数据上传模块，将车辆图像、车牌信息上传至大数据平台3。虚拟卡口一体机2接收前端的监控摄像机\n1a采集上传的视频资源，解码以后进行目标检测、车辆识别、车片检测、黑名单比对等操作，然后将检测结果和抓取的车辆图片上传，并输出比对成功的告警信息。\n[0040] 如图5所示，虚拟卡口一体机2解码视频后，抽取视频序列帧，检测其中的各种目标，提取目标的特征，与样本库中的样本进行比对，对所检测到的目标进行分类判断，识别其中的车辆目标。\n[0041] 以下结合图1至5对本发明作进一步的说明。\n[0042] 举例说明，本系统所识别的车牌号码为符合“GA36-92”(92式牌照)和“GA36.1-2001”(02式牌照)标准的民用车牌照和04式新军车牌照与07式新武警车牌照的汉字、字母、数字、颜色等信息；系统所别的车牌及车身颜色包括白色、银色、黑色、红色、紫色、蓝色、黄色、绿色、褐色、粉红色、灰色；系统所识别的车辆类型包括大、中、小三种；系统可识别多个厂家标志；系统可识别的异常行为包括逆向行驶、变更车道等。\n[0043] 应用系统模块4的轨迹分析是指在指定的时间、指定的区域内对指定车辆进行轨迹分析，根据车辆经过虚拟卡口的时间次序，绘制出车辆的行驶轨迹；套牌嫌疑车辆分析是指利用虚拟卡口系统获取的过往车辆信息，进行人工排查，确认套牌嫌疑车辆，并以列表的方式将嫌疑的车辆信息进行展示，包括车型信息、经过的虚拟卡口位置时间等信息；黑名单管理是指实现对黑名单车辆的信息管理；快速检索功能是指对从视频中提取的车辆特征信息进行查询，实现海量特征数据的快速检索；布控是指可以实现手工批量及单点布、撤控，布控记录实时下发，布控类型包括：被盗抢车辆布控、套牌车布控、事故逃逸车辆布控、违法犯罪车辆布控。\n[0044] 虚拟卡口一体机2利用高性能的X86架构，采用嵌入式全模块化设计，最大支持四路视频输入。虚拟卡口一体机2部署在监控前端的背包箱中，配置两个互为备份的千兆网口，通过第一接入交换机6获取监控摄像机1a输入的监控视频资源，并基于视频分析算法识别车辆、提取车牌号特征信息和实现黑名单比对功能。\n[0045] 大数据平台3中的管理节点用于管理数据节点的索引、访问策略等，而真实数据利用Hadoop软件实现分布式存储于数据节点的本地磁盘上。大数据平台3由2台管理节点和多台数据节点构建，数据节点的节点数量根据数据存储量和数据分析的性能需要配备，可完成计算分析任务。2台管理节点部署NoSQL非关系型数据库，用于保存大数据索引信息，数据节点上同时部署NoSQL非关系型数据库，用于保存提取的特征信息和图片信息。\n[0046] 应用系统模块4采用服务器负载均衡技术，让服务器通过彼此的协同作业，提供统一的服务，用于提升服务或应用程序的可靠性和可扩展性。当群集内的一台服务器宕机以后，服务请求会自动转给其它群集内的节点，以达到不间断的提供服务。应用系统模块4采用3台服务器搭建集群环境，并部署Windows server 2008/2003中的NLB网络负载平衡服务。其中一台作为集群的管理节点，另外两台根据NLB配置成一个虚拟IP地址对外提供服务，客户端可以通过这个虚拟IP地址连接到NLB群集。\n[0047] 基于以上设置，本发明可实现以下技术指标：\n[0048] 车辆捕获率：≥99％\n[0049] 抓拍车辆车速范围：20-120km/h；\n[0050] 测速精度：误差≤12％\n[0051] 号牌识别率：白天≥88％，晚上≥75％；\n[0052] 一体机并发能力：单台一体机支撑2路视频虚拟触发；\n[0053] 车辆检车时间：在获取视频流的情况下，一体机检测车辆的时间响应需小于40毫秒；\n[0054] 大数据平台3并发能力：在计算资源能力支撑下大数据平台3实现至少100个虚拟卡口实时同步侦测；\n[0055] 检索时间：在指定过车时间或车牌号码前提下，实现亿条车牌特征数据查询的毫秒级响应；响应时间：从前端抓拍到布控报警1分钟内完成。\n[0056] 综上所述，本发明的虚拟卡口一体机2部署在前端监控点的背包箱中，通过这种前置策略在前端实现车辆识别及车辆图片抓取，改变原来需要将带宽占用很大的视频资源传输到中心端再进行分析的模式，响应的实时性好，同时本发明在后端利用大数据平台3来支撑车辆特征的进一步提取，从而大大提高了处理速度。