CN105185123A - 一种套牌车识别系统及方法 - Google Patents

Abstract

本发明公开了一种套牌车识别系统及方法，包括前端图像采集装置和后台图像处理装置，所述前端图像采集装置和后台图像处理装置通过数据线相连接，前端图像采集装置安装于公路收费站卡口或停车场卡口，所述前端图像采集装置包括3台摄像机，分别为侧面摄像机，顶部摄像机和前方摄像机；本发明是一种自动智能查询系统，为主动查询方式；当发现套牌车辆后，第一时间通知交通管理部门，提高了相关部门查处套牌车辆的及时性；本发明不仅可以比对车标、车牌、车颜色等信息，并且可以具体到车辆型号和配置，提高了查处套牌的精确性；构造的神经网络，结构合理，算法复杂度适中，运行速度快；本发明硬件结构简单，易于实现。

Description

一种套牌车识别系统及方法

技术领域

本发明属于智能交通技术领域，特别涉及一种套牌车识别系统及方法。

背景技术

半个世纪以来，汽车技术得到了飞速的发展。目前我国已跃居世界第二大汽车消费国和第三大汽车生产国。我国机动车保有量达2.23亿辆，汽车保有量达1.04亿辆。

随着机动车数量成倍猛增，社会上出现了大量的套牌车。套牌车依仗自己的假身份，肆意违法行驶，甚至交通肇事后逃之夭夭，严重影响了正常的交通秩序，侵犯了被套牌车主的合法权益。具不完全统计，全国因套牌车辆肇事逃逸而侦破不了的恶性交通事故每年都有上千起，给人们的生命财产安全造成无法估量的损失。

传统上车主只有通过查询违章信息才能发现被套牌，该种方式非常被动属于事后申诉，车管部门无法在第一时间查处套牌车辆。另外被套牌车主需要自己收集证据，(包括车辆外观的照片、各种停车小票、高速收费小票、自己的行车记录仪、甚至停车场和小区的监控录像)到交通管理部门去提出车辆被套牌申诉。如果没有有利证据，则无法申诉成功。

CN101587643公开了一种套牌车识别方法，优点在于将所有在路上运动的车辆作为一个整体处理，当套牌车上路一段时间后，不管距离远近，只要具有相同车牌号的两辆以上的车辆同时出现在路上，则发现套牌车。但是该方法只适用于两辆车同时上路情况，若只有套牌车上路则发现不了。另将路上所有运动车辆作为一个整体处理，计算量太复杂，难以实现。

CN102521986公开了一套牌车辆自动检测系统及其控制方法，该系统通过前端车辆检测识别单元采集车辆图像，通过后端智能视觉数据处理单元上传识别信息。该方法能够识别车辆品牌和车牌号码等信息，但不能识别出车辆的具体型号。

发明内容

发明目的：本发明提供了一种套牌车识别系统及方法，以解决现有技术中的问题。

技术方案：为了实现上述目的，本发明采用以下技术方案：

一种套牌车识别系统，包括前端图像采集装置和后台图像处理装置，所述前端图像采集装置和后台图像处理装置通过数据线相连接，前端图像采集装置安装于公路收费站卡口或停车场卡口，所述前端图像采集装置包括3台摄像机，分别为侧面摄像机，顶部摄像机和前方摄像机，

所述侧面摄像机，用于采集汽车侧面信息；

所述顶部摄像机，用于采集汽车顶部信息；

所述前方摄像机，用于采集汽车正面信息。

进一步的，所述侧面摄像机安装于公路收费站卡口或停车场卡口车辆通过时的任一侧面；所述顶部摄像机安装于公路收费站卡口或停车场卡口车辆通过时顶部的上方；所述前方摄像机安装于公路收费站卡口或停车场卡口车辆前进方向的前方。

进一步的，所述汽车侧面信息包括汽车的长、高、车辆颜色和前后轮轴距，所述汽车顶部信息包括汽车的长、宽、车辆颜色和有无天窗，所述汽车的正面信息包括汽车的车牌、车牌颜色、车标和车辆颜色。

进一步的，所述摄像机上设置有闪光灯/频闪灯接口，并且内置SD卡存储。

进一步的，所述摄像机采用200万1/1.8"CCD芯片，内置图片输出和高清视频双码流输出，视频压缩格式为H.264。

进一步的，所述后台图像处理装置包括图像预处理模块、车型识别模块、车牌识别模块、图像比对模块和报警模块；

所述图像处理模块，用于采集图像的处理；

所述车型识别模块，用于识别车型；

所述车牌识别模块，用于识别车牌。

进一步的，所述图像比对模块，用于识别后图像与车辆登记数据库中的数据进行对比；

进一步的，所述报警单元，用于对比信息不一致时，向交通管理部门报警。

一种套牌车识别方法，包括以下步骤：

步骤一、公路收费站卡口或停车场卡口安装前端图像采集装置和后台图像处理装置，当汽车行驶通过时，前端图像采集装置采集汽车图像数据；

步骤二、前端图像采集装置将采集的图像传送至后台图像处理装置，图像处理模块对图像进行去噪平滑处理；

步骤三、将处理后的图像送入图像识别模块处理，所述图像识别模块包括车型识别模块和车牌识别模块；

步骤四、将神经网络输出的汽车品牌、型号、配置结合汽车颜色、车牌信息传输到图像比对模块，与车辆登记数据库中的数据进行对比，如果信息不一致，则向交通管理部门报警，如果信息一致，则进行下一辆车辆识别；

步骤五、交通管理部门根据各个卡口发出的报警信息，可实时追踪套牌车辆，第一时间对套牌车辆进行查处。

进一步的，图像比对模块将获取的车牌信息、车型信息和车辆颜色与车辆登记数据库中的数据进行比对；所述图像处理模块对图像进行去噪平滑处理，采用中值滤波去除图像噪声。

进一步的，所述车型识别模块采用BP神经网络识别车辆型号，BP神经网络设有7个输入神经元和4个输出神经元；采集的前后轮轴距、车标、天窗、长、宽、高、车身颜色作为BP神经网络的输入神经元；品牌、型号、配置、颜色作为BP神经网络的输出神经元，从而构造神经网络；用训练好的神经网络对汽车具体型号进行识别，获取汽车品牌、型号、配置、颜色；

进一步的，所述神经网络通过以下方法训练：挑选出具有代表性的若干辆汽车的具体参数作为神经网络训练样本，训练GA-BP神经网络，激励函数采用tansigmoid；训练函数采用trainbpx，利用快速BP算法训练前向神经网络，最大训练迭代次数小于300次，网络训练允许误差小于0.03；当训练完成后，取若干辆不同的汽车作为新样本，对神经网络进行检验，如达到预计识别精度，则表示神经网络构建完成，否则重新训练。

进一步的，采用遗传算法优化BP神经网络的初始权值和阈值：首先用遗传算法对初始权值和阈值进行快速的全局搜索，迭代数为100，再利用BP算法在局部进行最优搜索，网络精度达到0.1，结束训练；遗传算法的染色体就是BP网络的一个连接权值或阈值，遗传算法满意解就是BP神经网络的权值和阈值的近似值。

有益效果：第一、本发明是一种自动智能查询系统，为主动查询方式；当发现套牌车辆后，第一时间通知交通管理部门，提高了相关部门查处套牌车辆的及时性；第二、本发明不仅可以比对车标、车牌、车颜色等信息，并且可以具体到车辆型号和配置，提高了查处套牌的精确性；第三、构造的神经网络，结构合理，算法复杂度适中，运行速度快；第四、本发明硬件结构简单，易于实现。

附图说明

图1是本发明的工作流程图；

图2是本发明的结构示意图；

图3是本发明的模块框图；

其中：1-前端图像采集装置，1-1-侧面摄像机，1-2-顶部摄像机，1-3-前方摄像机，2-后台图像处理装置。

具体实施方式

下面结合附图及实施例对本发明作更进一步的说明。

如图2所示，一种套牌车识别系统，包括前端图像采集装置1和后台图像处理装置2，所述前端图像采集装置1和后台图像处理装置2通过数据线相连接，前端图像采集装置1安装于公路收费站卡口或停车场卡口，所述前端图像采集装置1包括3台摄像机，分别为侧面摄像机1-1，顶部摄像机1-2和前方摄像机1-3；

所述侧面摄像机1-1安装于公路收费站卡口或停车场卡口车辆通过时的任一侧面；所述顶部摄像机1-2安装于公路收费站卡口或停车场卡口通过时顶部的上方；所述前方摄像机1-3安装于公路收费站卡口或停车场卡口车辆前进方向的前方。

所述侧面摄像机1-1，用于采集汽车侧面信息；

所述顶部摄像机1-2，用于采集汽车顶部信息；

所述前方摄像机1-3，用于采集汽车正面信息。

所述汽车侧面信息包括汽车的长、高、车辆颜色和前后轮轴距，所述汽车顶部信息包括汽车的长、宽、车辆颜色和有无天窗，所述汽车的正面信息包括汽车的车牌、车牌颜色、车标和车辆颜色。

所述摄像机上设置有闪光灯/频闪灯接口，并且内置SD卡存储。

所述摄像机采用200万1/1.8"CCD芯片，内置图片输出和高清视频双码流输出，视频压缩格式为H.264。

所述后台图像处理装置2包括图像预处理模块、车型识别模块、车牌识别模块、图像比对模块和报警模块；

所述图像处理模块，用于采集图像的处理；

所述车型识别模块，用于识别车型；

所述车牌识别模块，用于识别车牌。

所述图像比对模块，用于识别后图像与车辆登记数据库中的数据进行对比；

所述报警单元，用于对比信息不一致时，向交通管理部门报警。

一种套牌车识别方法，包括以下步骤：

步骤一、公路收费站卡口或停车场卡口安装前端图像采集装置1和后台图像处理装置2，当汽车行驶通过时，前端图像采集装置1采集汽车图像数据；

步骤二、前端图像采集装置1将采集的图像传送至后台图像处理装置2，图像处理模块对图像进行去噪平滑处理；

步骤三、将处理后的图像送入图像识别模块处理，所述图像识别模块包括车型识别模块和车牌识别模块；

步骤四、将神经网络输出的汽车品牌、型号、配置结合汽车颜色、车牌信息传输到图像比对模块，与车辆登记数据库中的数据进行对比，如果信息不一致，则向交通管理部门报警，如果信息一致，则进行下一辆车辆识别；

步骤五、交通管理部门根据各个卡口发出的报警信息，可实时追踪套牌车辆，第一时间对套牌车辆进行查处。

所述图像比对模块将获取的车牌信息、车型信息和车辆颜色与车辆登记数据库中的数据进行比对；所述图像处理模块对图像进行去噪平滑处理，采用中值滤波去除图像噪声。

所述车型识别模块采用BP神经网络识别车辆型号，BP神经网络设有7个输入神经元和4个输出神经元；采集的前后轮轴距、车标、天窗、长、宽、高、车身颜色作为BP神经网络的输入神经元；品牌、型号、配置、颜色作为BP神经网络的输出神经元，从而构造神经网络；用训练好的神经网络对汽车具体型号进行识别，获取汽车品牌、型号、配置、颜色；

所述神经网络通过以下方法训练：挑选出具有代表性的若干辆汽车的具体参数作为神经网络训练样本，训练GA-BP神经网络，激励函数采用tansigmoid；训练函数采用trainbpx，利用快速BP算法训练前向神经网络，最大训练迭代次数小于300次，网络训练允许误差小于0.03；当训练完成后，取若干辆不同的汽车作为新样本，对神经网络进行检验，如达到预计识别精度，则表示神经网络构建完成，否则重新训练。

采用遗传算法优化BP神经网络的初始权值和阈值：首先用遗传算法对初始权值和阈值进行快速的全局搜索，迭代数为100，再利用BP算法在局部进行最优搜索，网络精度达到0.1，结束训练；遗传算法的染色体就是BP网络的一个连接权值或阈值，遗传算法满意解就是BP神经网络的权值和阈值的近似值。

实施例1

如图1所示，一种套牌车识别方法，包括以下步骤：

步骤一、在公路收费站卡口或停车场卡口安装前端图像采集装置1和后台图像处理装置2，所述前端图像采集装置1和后台图像处理装置2通过数据线相连接，所述前端图像采集装置1包括3台摄像机，分别为侧面摄像机1-1，顶部摄像机1-2和前方摄像机1-3；所述后台图像处理装置2包括图像预处理模块、车型识别模块、车牌识别模块、图像比对模块和报警模块；当车主驾车通过时，摄像机采集汽车图像数据；

所述侧面摄像机1-1安装于公路收费站卡口或停车场卡口车辆通过时的任一侧面；所述顶部摄像机1-2安装于公路收费站卡口或停车场卡口车辆通过时顶部的上方；所述前方摄像机1-3安装于公路收费站卡口或停车场卡口车辆前进方向的前方。

所述侧面摄像机1-1，用于采集汽车侧面信息，所述汽车侧面信息包括汽车的长、高、车辆颜色和前后轮轴距；

所述顶部摄像机1-2，用于采集汽车顶部信息，所述汽车顶部信息包括汽车的长、宽、车辆颜色和有无天窗；

所述前方摄像机1-3，用于采集汽车正面信息，所述汽车的正面信息包括汽车的车牌、车牌颜色、车标和车辆颜色。

步骤二、摄像机通过数据线将采集的数据传送至图像预处理模块，去除图像噪声。所述图像预处理模块对输入图像进行滤波、去噪。本发明采用中值滤波去除图像噪声。选取一个3*3的窗口，用该窗口沿图像数据进行行方向的滑动，每次滑动后，对窗口内的诸像素灰度值排序，将所得到的中值替代窗口中心位置的原始像素灰度值，以此作为新图像的灰度值输出，最终达到滤波、去噪功能。

步骤三、将处理后的图像送入车型识别模块、车牌识别模块，对汽车型号和车牌进行识别。

车型识别模块采用BP神经网络识别车辆型号，本发明设计的神经网络采用单隐层结构，隐含节点5个，该结构有7个输入神经元和4个输出神经元。将摄像机采集的前后轮轴距，天窗，长，宽，高、颜色、车标7个要素作为BP神经网络输入，汽车品牌、型号、配置、颜色作为神经网络的4个输出，隐含层神经元数目尚无理论上的指导，根据多次实验，本发明选取单隐层结构，隐含节点为5个。

首先用遗传算法对初始权值和阈值进行快速的全局搜索，迭代数为100，再利用BP算法在局部进行最优搜索，网络训练误差小于0.03，结束训练；遗传算法的染色体就是BP网络的一个连接权值或阈值，遗传算法满意解就是BP神经网络的权值和阈值的近似值。

挑选出具有代表性的400辆车具体参数作为神经网络训练样本，训练GA-BP神经网络。激励函数采用tansigmoid；训练函数采用trainbpx，利用快速BP算法训练前向神经网络，即采用了动量或自适应学习，可减少训练时间，最大训练迭代次数在300以内，网络训练允许误差设为0.03。

当训练完成后，取400个新样本对网络进行检验，如达到预计识别精度，则表示神经网络构建完成，否则重新训练。

用训练好的神经网络对汽车具体型号进行识别，获取汽车品牌、型号、配置。

步骤4、将神经网络输出的汽车品牌、型号、配置结合汽车颜色、车牌信息，通过图像比对模块与车辆登记数据库中的数据进行对比，如果信息不符，判断为套牌车，启动报警模块工作，向所在区域交通管理部门发送报警信息。

步骤五、交通管理部门根据各个卡口发出的报警信息，可实时追踪套牌车辆，第一时间对套牌车辆进行查处。

实施例2

一种套牌车识别方法，包括以下步骤：

步骤一、现有车主驾驶一辆车通过公路收费站卡口，三台摄像机采集汽车图像数据。

采集到的汽车侧面信息为车长为4368mm、车高为1823、车辆颜色为黑色、前后轮轴距2648mm。

采集到的汽车顶部信息为车长4368mm、车宽1823mm、有天窗。

采集到的汽车正面信息为车牌苏A1234B，蓝色牌照、车标为Ford。

步骤二、摄像机通过数据线路将采集的数据传送至图像预处理模块，去除图像噪声。

步骤三、将处理后的图像送入图像识别模块处理。

将车长、车宽、车高、前后轮轴距、天窗、车标、颜色数据作为神经网络的输入，通过构造的神经网络获取到的输出信息为福特、福克斯、高配、黑色。

通过车牌识别单元，获取到车牌的信息为蓝色牌照，苏A*****。

步骤四、通过车牌号码查车辆登记数据库中的数据，如果获取的汽车信息为福特、福克斯、高配、黑色，则系统不触发报警单元；假设获取的车辆登记信息为黑色福特、蒙迪欧、低配，则系统判定为套牌车，立即向交通管理部门报警。

步骤五、交通管理部门根据各个卡口发出的报警信息，可实时追踪套牌车辆，第一时间对套牌车辆进行查处。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种套牌车识别系统，其特征在于：包括前端图像采集装置(1)和后台图像处理装置(2)，所述前端图像采集装置(1)和后台图像处理装置(2)通过数据线相连接，前端图像采集装置(1)安装于公路收费站卡口或停车场卡口，所述前端图像采集装置(1)包括3台摄像机，分别为侧面摄像机(1-1)，顶部摄像机(1-2)和前方摄像机(1-3)，

所述侧面摄像机(1-1)，用于采集汽车侧面信息；

所述顶部摄像机(1-2)，用于采集汽车顶部信息；

所述前方摄像机(1-3)，用于采集汽车正面信息。

2.根据权利要求1所述的套牌车识别系统，其特征在于：所述侧面摄像机(1-1)安装于公路收费站卡口或停车场卡口车辆通过时的任一侧面；所述顶部摄像机(1-2)安装于公路收费站卡口或停车场卡口车辆通过时顶部的上方；所述前方摄像机(1-3)安装于公路收费站卡口或停车场卡口车辆前进方向的前方。

3.根据权利要求1所述的套牌车识别系统，其特征在于：所述汽车侧面信息包括汽车的长、高、车辆颜色和前后轮轴距，所述汽车顶部信息包括汽车的长、宽、车辆颜色和有无天窗，所述汽车的正面信息包括汽车的车牌、车牌颜色、车标和车辆颜色。

4.根据权利要求1所述的套牌车识别系统，其特征在于：所述摄像机上设置有闪光灯/频闪灯接口，并且内置SD卡存储；所述摄像机采用200万1/1.8"CCD芯片，内置图片输出和高清视频双码流输出，视频压缩格式为H.264。

5.根据权利要求1所述的套牌车识别系统，其特征在于：所述后台图像处理装置(2)包括图像预处理模块、车型识别模块、车牌识别模块、图像比对模块和报警模块；

所述图像处理模块，用于采集图像的处理；

所述车型识别模块，用于识别车型；

所述车牌识别模块，用于识别车牌。

所述图像比对模块，用于识别后图像与车辆登记数据库中的数据进行对比；

所述报警单元，用于对比信息不一致时，向交通管理部门报警。

6.一种套牌车识别方法，其特征在于，包括以下步骤：

步骤一、公路收费站卡口或停车场卡口安装前端图像采集装置(1)和后台图像处理装置(2)，当汽车行驶通过时，前端图像采集装置(1)采集汽车图像数据；

步骤二、前端图像采集装置(1)将采集的图像传送至后台图像处理装置(2)，图像处理模块对图像进行去噪平滑处理；

步骤三、将处理后的图像送入图像识别模块处理，所述图像识别模块包括车型识别模块和车牌识别模块；

步骤四、将神经网络输出的汽车品牌、型号、配置结合汽车颜色、车牌信息传输到图像比对模块，与车辆登记数据库中的数据进行对比，如果信息不一致，则向交通管理部门报警，如果信息一致，则进行下一辆车辆识别；

步骤五、交通管理部门根据各个卡口发出的报警信息，可实时追踪套牌车辆，第一时间对套牌车辆进行查处。

7.根据权利要求6所述的套牌车识别方法，其特征在于：所述图像比对模块将获取的车牌信息、车型信息和车辆颜色与车辆登记数据库中的数据进行比对；所述图像处理模块对图像进行去噪平滑处理，采用中值滤波去除图像噪声。

8.根据权利要求6所述的套牌车识别方法，其特征在于：所述车型识别模块采用BP神经网络识别车辆型号，BP神经网络设有7个输入神经元和4个输出神经元；采集的前后轮轴距、车标、天窗、长、宽、高、车身颜色作为BP神经网络的输入神经元；品牌、型号、配置、颜色作为BP神经网络的输出神经元，从而构造神经网络；用训练好的神经网络对汽车具体型号进行识别，获取汽车品牌、型号、配置、颜色。

9.根据权利要求8所述的套牌车识别方法，其特征在于：所述神经网络通过以下方法训练：挑选出具有代表性的若干辆汽车的具体参数作为神经网络训练样本，训练GA-BP神经网络，激励函数采用tansigmoid；训练函数采用trainbpx，利用快速BP算法训练前向神经网络，最大训练迭代次数小于300次，网络训练允许误差小于0.03；当训练完成后，取若干辆不同的汽车作为新样本，对神经网络进行检验，如达到预计识别精度，则表示神经网络构建完成，否则重新训练。

10.根据权利要求9所述的套牌车识别方法，其特征在于：采用遗传算法优化BP神经网络的初始权值和阈值：首先用遗传算法对初始权值和阈值进行快速的全局搜索，迭代数为100，再利用BP算法在局部进行最优搜索，网络精度达到0.1，结束训练；遗传算法的染色体就是BP网络的一个连接权值或阈值，遗传算法满意解就是BP神经网络的权值和阈值的近似值。