车辆视频智能识别和分析系统-智慧城市网

产品详情

车辆视频智能识别和分析系统

背景

在现阶段，车辆视频图像监控数据在城市交通管理、涉及车辆*的证据收集等智能城市、公共安全方面起着极其重要的作用。但各省地市在车辆视频图像相关系统的建设地区性差异较大，应用系统主要功能作用还是局限于视频信息的获取和存储，整体上的不足在于：1）视频图像数据量巨大，存储设备资源不足，许多地市县只能存储 15 日的视频数据。2）视频流媒体的智能识别大量依赖地感线圈触发的机制，该技术较多的被运用于电子*系统和卡口系统，其现有的精度和速度无法对所有视频数据中的车辆进行有效的识别和感知。3）在突发事件发生时，信息系统反应滞后，缺乏快速分析识别，联动控制的有效手段。随着现代模式识别和智能控制技术的突破发展，对城郊大量机动车辆视频数据进行实时准确的分析处理，进而实施快速反应已经可实现。为此，*部要求，各省市加强了视频图像信息共享平台的投入。在存储系统上，重点考虑加强数字、网络、分布式存储系统的建设，应用系统上，重点考虑加强智能处理、分析比对和研判功能建设，尤其要注重视频图像信息智能分析系统的研发应用。

太仓鹰视智能多年从事计算机模式识别与智能控制核心技术的研发生产，其自主研发的车辆视频智能识别和分析系统利用云计算分布式的特点，能够轻易地同时调用大量计算资源，并利用*的机器学习、计算机视觉算法，实时准确的完成对车辆视频数据的智能识别和分析，获取车辆的车体位置信息、车辆号牌信息、车身颜色信息、车辆品牌信息，并可以通过车辆车体的视觉信息进行搜索。从应用层面，可以完成对视频图像数据按照时间顺序进行视频、车辆图片、车辆结构化文本信息的分级存储。此外，还能够完成车辆行驶轨迹分析（事后），重点车辆布控，特定路段特定车辆违章报警等实战应用。

主要基础功能

太仓鹰视车辆智能识别和分析系统主要提供车体位置识别、号牌识别、品牌识别和车体特征检索。其实现原理主要根据机器学习、计算机视觉的算法。

示例图一

2.1 车体位置识别车体位置识别是定位视频中的车辆。该技术在无需地感线圈的辅助下，确定车体的位置，从而可以进算出车辆的行驶轨迹，速度以及路面的车流量等。该技术可以应用在视频数据关键帧存储，车辆压线（隔离带、双实线）违章，无牌车辆报警等场景。本系统的车体位置识别捕获率为 99%。详见示例图一中的紫色框。

2.2 行车号牌识别

车辆的号牌信息是交通视频监控中zui重要的信息之一。传统的基于地感线圈触发的车牌识别多用于违章车辆报警，如车辆闯红灯等。基于视频流的号牌识别需要在精度和速度上有更高的要求。车辆在行驶过程中会造成图像数据比车辆停止时更不清晰，不同角度的反光和阴影等光照条件也带来了更大的识别上的难度。本系统的号牌识别精度能够高于 95%。详见示例图一中的紫色框上方的号牌信息。

2.3 车辆品牌识别

在某些特定场景下，尤其在重大的涉车刑事案件中或是车辆盗窃案件中，*分子通常会通过拆除、遮挡车辆的号牌来躲避现有的视频监控系统。在这类情况下，车辆品牌的识别给重点车辆的布控带来了新的思路和手段。品牌识别是通过机器学习的分类算法，根据车辆车头或是车尾的整体视觉特征，识别车辆的品牌信息，可详见示例图一中的紫色框上方的品牌信息。此外，车辆的品牌、车型信息可以帮助一些特定的限行规定、如私家车占用公交车道等。本系统的品牌识别在车头正面迎向行驶的视频中可以达到 95%，在车尾驶离方向的视频中可以达到 90%以上。

2.4 车体特征检索

在车辆号牌信息缺失（无牌或套牌）的情况下车辆的车体特征检索也可以帮助重点车辆的检索和布控。其原理是通过抽取车辆车体的局部视觉特征，如车辆年检标志，车前挂饰物品，车辆破损部位等建立索引库，然后上传查询图片，由人工选择明显的局部视觉特征区域，获得搜索结果。可详见示例图二。

示例图二

应用功能

在车辆视频图像智能识别的基础功能上，根据相关的实战需求，可以开发出较多的实用有效的应用功能，总的来说包含了数据和信息的高效存储，数据分析和挖掘，车辆行为轨迹分析，车辆违章报警、重点车辆布控、套牌嫌疑库建立等具体功能。

3.1 交通车流量分析

交通车流量分析一直是智能交通中的一个重要业务。传统的地感线圈检测技术利用的是电磁感应的原理对车流量进行检测，其弊端在于 1）需要在路面下安置电感线圈，有很大的施工代价；2）在道路拥堵车流缓慢，前后车间距较小的时候，电磁感应的精度不够准确。利用车辆车体检测的技术，可以达到准确、实时对道路车流量的分析，并对可能出现的拥堵状况产生预警。

3.2 特定区域特定车辆限行报警

为了交通、安全等各方面因素，道路交通法规中了特定车辆在特定区域限行的规则，例如车辆不准压双黄线、隔离带（详见示例图三），私家车不许占用公交车道（详见示例图四）等。某些地市制定了一些地区性的法规，如市区、景区尾号限行，高架路段外地牌照限行，高架路段大货车限行（详见示例图五）。传统的限行违章预警仅通过车辆号牌的识别，并通过车管所数据库检索获得车辆的车型品牌信息。这样的方法限制在于号牌识别不准确时，或是无法查询外省市车辆车管所数据库时，违章报警无法送出。某些违章的车辆还会使用遮挡号牌等方式来规避监控系统的捕获（详见示例图六）。本系统除了使用号牌识别的技术，还使用了品牌车型识别的技术来捕获此类的违章事件，大大提高了对特定区域特定车辆限行的管理效率。

示例图三

示例图四

示例图五

示例图六

3.3 无牌、车牌变造报警

2013 年新的交规增大了对车辆管理的力度，其中包括了无牌、车牌变造等违章事件的处罚，但传统的视频监控系统对无牌、车牌变造的情况几乎没有识别能力。本系统通过精确的车辆车体位置定位及精确的车牌识别算法能够对绝大多数无牌、车牌变造、故意遮挡污损车牌等违章进行报警（详见示例图六、示例图七、示例图八）。

示例图七

示例图八

3.4 车辆行驶轨迹分析

车辆行驶轨迹可方便于了解城市车辆常有的行驶路径模式，优化道路交通，对城市规划等起到一定的数据支持作用。此外，对于一些重点车辆的历史行驶轨迹的分析，也能够帮助到特定涉及车辆案件。通过精确的车辆号牌识别，系统可以感知到具体车辆的行驶轨迹，从而可以帮助了解某具体车辆出现的路口、时间（详见示例图九）。

示例图九

3.5 重点车辆布控

在一定特定的场景，或是对涉及车辆的案件的侦破的过程中，需要对重点车辆进行*的布控。布控包括了特定号牌的车辆出现在某些特定路口（如示例图九），或者特定品牌的车辆出现在某些路口（如示例图十）。这一类布控可以通过车辆号牌识别和车辆品牌识别结合来完成。此外还可以有一些高级的布控方式，如图八所示“特定无牌五十铃货车通过某个特定路口”。在特定的情况下，如果有重点车辆的照片信息，还可以通过局部的视觉特征进行布控（如示例图二所示，左图为重点车辆的查询照片，右图为布控警报的结果照片）。

示例图十

3.6 套牌嫌疑库

车辆套牌一直是车辆管理中一个很困难的问题，很久以来没有什么系统的方式可以高效的处理这个问题。利用车牌识别、车辆品牌识别的结果与车管所数据比对，可以在某些场合下建立一个套牌嫌疑库，从而挖掘不同品牌车辆的套牌行为。假套牌车辆常用于规避交通违章罚款，并且是重大涉车刑事案件中的常用手段。平台需通过视频流中车辆信息的识别技术，结合车辆管理所登记的车辆信息，自动生成假套牌嫌疑的候选集合、通过人工甄别等辅助手段主动、准确的建立假套牌嫌疑库。为保证人工甄别流程的高效性，假套牌嫌疑候选库中假套牌比例不低于20%。