CN114022965A - 一种高速公路行驶车辆的轨迹跟踪方法及系统 - Google Patents

Abstract

本发明提供了一种高速公路行驶车辆的轨迹跟踪方法及系统，通过高速公路上的摄像设备拍摄识别车辆，以作为车辆经过该摄像设备的证据，若经过两摄像设备，则可以确定车辆的行车轨迹，本发明通过在高度公路上的若干个摄像设备对行驶中的车辆进行抓拍，若有两个摄像设备拍到该车辆，则可以确定该车辆的经过两摄像设备之间的路段，从而结合图像识别获取车牌号和车型，最终计算出高速费用；本发明无需车辆减速，更无须停车，可以在车辆车辆正常行驶的情况下就可以实现高速通行费用的计算。

Description

一种高速公路行驶车辆的轨迹跟踪方法及系统

技术领域

本发明涉及高速公路收费技术领域，尤其涉及一种高速公路行驶车辆的轨迹跟踪方法及系统。

背景技术

ETC不停车收费通道受限于摄像头灵敏度只能在车辆以低车速(20公里/时)行驶时才能进行车辆识别检测，车流量较大时，仍旧存在车辆排队拥堵的情况；且行驶车辆如果为了能够被ETC检测到而停下来，又有可能被判定为在高速公路上违规停车而受到处罚。且ETC实际使用场景中，存在车辆抢卡情况，导致车辆ETC数据错乱，导致收费系统坏账死帐。

发明内容

为了克服上述技术缺陷，本发明的目的在于提供一种高速公路行驶车辆可以降速不停车的轨迹跟踪方法和系统，从而进行高速收费。

本发明公开了一种高速公路行驶车辆的轨迹跟踪方法，包括如下步骤：通过两收费站之间的若干个摄像设备以预设拍摄频率拍摄获取车辆的图像；通过深度学习的神经网络对所述图像进行识别，获取该车辆的车牌号和车型；结合若干张所述图像所来源的所述摄像设备的位置，计算获取车辆的行车路径；根据所述行车路径和所述车型计算获取该车辆在所述两收费站之间通行所需缴纳的费用；将所述费用发送至自动收费系统，通过所述自动收费系统向所述车辆所对应的缴费端进行费用扣取。

优选的，所述结合若干张所述图像所来源的所述摄像设备的位置，计算获取车辆的行车路径之前还包括：通过该车辆上的车载定位装置获取车辆的第一实时位置，所述第一实时位置包括第一定位时间和第一定位位置；判断所述图像所来源的摄像头的安装位置和所述图像的拍摄时间是否与所述第一定位位置和第一定位时间相符合；若是则确认所述图像；若否，则验证失败，停止步骤，并告知该车辆的驾驶员。

优选的，所述通过该车辆上的车载定位装置获取车辆的实时位置，所述实时位置包括第一定位时间和第一定位位置、或所述若否，则验证失败，停止步骤后还包括：通过该车辆的驾驶员定位装置获取该车辆的第二实时位置，所述实时位置包括第二定位时间和第二定位位置；判断所述图像所来源的摄像头的安装位置是否与所述第一定位位置、所述第二定位位置相符合，且所述图像的拍摄时间是否与第一定位时间、第二定位时间相符合；若是则确认所述图像；若否，则验证失败，停止步骤，并告知该车辆的驾驶员。

优选的，所述若干张所述图像的数量大于2。

优选的，所述将所述费用发送至自动收费系统，通过所述自动收费系统向所述车辆所对应的缴费端进行费用扣取包括：将所述费用发送至自动收费系统，在获取到所述图像后的预设时间段内通过所述自动收费系统向所述车辆所对应的缴费端进行费用扣取。

优选的，所述将所述费用发送至自动收费系统，通过所述自动收费系统向所述车辆所对应的缴费端进行费用扣取之前还包括：将所述费用发送至驾驶员供其确认；若确认无误，则通过所述自动收费系统向所述车辆所对应的缴费端进行费用扣取；若确认有误，则停止自动收费，并告知驾驶员。

本发明还公开了一种高速公路行驶车辆的轨迹跟踪系统，包括：摄像设备，若干个所述摄像设备设于两收费站之间，通过所述若干个摄像设备以预设拍摄频率拍摄获取车辆的图像；数据分析模块，包括图像识别单元；通过所述图像识别单元的深度学习的神经网络对所述图像进行识别，获取该车辆的车牌号和车型；通过所述数据分析模块根据若干张所述图像所来源的所述摄像设备的位置，计算获取车辆的行车路径；并根据所述行车路径和所述车型计算获取该车辆在所述两收费站之间通行所需缴纳的费用；缴费端，与车辆绑定，用于支出费用；自动收费系统，所述数据分析模块将所述费用发送至自动收费系统，通过所述自动收费系统向所述缴费端进行费用扣取。

优选的，还包括车载定位模块，通过所述车载定位模块获取车辆的第一实时位置，所述第一实时位置包括第一定位时间和第一定位位置；通过所述数据分析模块判断所述图像所来源的摄像头的安装位置和所述图像的拍摄时间是否与所述第一定位位置和第一定位时间相符合；若是则确认所述图像；若否，则验证失败，停止步骤，并告知该车辆的驾驶员。

优选的，还包括驾驶员定位模块，通过所述驾驶员定位模块获取该车辆的第二实时位置，所述实时位置包括第二定位时间和第二定位位置；判断所述图像所来源的摄像头的安装位置是否与所述第一定位位置、所述第二定位位置相符合，且所述图像的拍摄时间是否与第一定位时间、第二定位时间相符合；若是则确认所述图像；若否，则验证失败，停止步骤，并告知该车辆的驾驶员。

优选的，所述摄像设备的数量大于2。

采用了上述技术方案后，与现有技术相比，具有以下有益效果：

1.通过高速公路上的摄像设备拍摄识别车辆，以作为车辆经过该摄像设备的证据，若经过两摄像设备，则可以确定车辆的行车轨迹，本发明通过在高度公路上的若干个摄像设备对行驶中的车辆进行抓拍，若有两个摄像设备拍到该车辆，则可以确定该车辆的经过两摄像设备之间的路段，从而结合图像识别获取车牌号和车型，最终计算出高速费用；本发明无需车辆减速，更无须停车，可以在车辆车辆正常行驶的情况下就可以实现高速通行费用的计算。

附图说明

图1为本发明提供的高速公路行驶车辆的轨迹跟踪方法流程图；

图2为本发明提供的高速公路行驶车辆的轨迹跟踪系统的一种实施例的示意图。

其中：1-收费站，2-摄像设备，3-车辆。

具体实施方式

以下结合附图与具体实施例进一步阐述本发明的优点。

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身并没有特定的意义。因此，“模块”与“部件”可以混合地使用。

参见附图1，本发明公开了一种高速公路行驶车辆3的轨迹跟踪方法，包括如下步骤：

S100、通过两收费站1之间的若干个摄像设备2以预设拍摄频率拍摄获取车辆3的图像；

S200、通过深度学习的神经网络对图像进行识别，获取该车辆3的车牌号和车型；

S300、结合若干张图像所来源的摄像设备2的位置，计算获取车辆3的行车路径；

S400、根据行车路径和车型计算获取该车辆3在两收费站1之间通行所需缴纳的费用；将费用发送至自动收费系统，通过自动收费系统向车辆3所对应的缴费端进行费用扣取。

本发明首先通过摄像头抓拍来证明车辆3通行过该摄像头的设置地，从而标记一个定位，若经过两个摄像设备2的设置地，则可以知道车辆3通行过两摄像头之间的路段。故在两收费站1之间设置摄像设备2，若车辆3经过该两摄像设备2，则表明车辆3经过了两收费站1之间的路段，即可以进行费用计算。

需要说明的是，通常高速公路网不止存在一个高速公路入口和高速公路出口，故，摄像设备2需要在不同的高速公路入口和高速公路出口都进行设置，具体的，设置于进入高速公路入口后的一定距离内，设置在出高速公路出口前的一定距离内，以保证摄像设备2在该段高速公路的范围内。

在获取到有车辆3的图像之后，需要对该图像进行识别，以获取该车辆3的信息，包括车牌号，车型等。本发明采用基于深度学习的神经网络进行图像识别，以保证识别结果的准确性，可以采用CNN、DPM、NCN等神经网络。

根据计算出的车辆3的通行轨迹以及车辆3的车型和车牌信息计算获得该车辆3通行该段高速公路路段所需要缴纳的通行费，此处的费用计算和常规的收费站1的计算方法一致。最后将费用发送至自动收费系统，通过自动收费系统向车辆3所对应的缴费端进行费用扣取，该自动收费系统可以是收费站1所关联的收费端，而缴费端可以是储存有费用的卡片或是驾驶人员的智能终端，例如手机，电脑等上的缴费APP。此处并不限制自动收费系统和缴费端的具体形式，两者之间可以进行费用关联，且自动收费系统与官方收费站1关联，缴费端与车辆3关联。

较佳的，除了摄像设备2的抓拍定位，本发明还配合通过该车辆3上的车载定位装置获取车辆3的第一实时位置，第一实时位置包括第一定位时间和第一定位位置。

一种实现方式是：当获取到通过该车辆3上的车载定位装置获取车辆3的第一实时位置，且摄像设备2抓拍到实时的图像后，判断图像所来源的摄像头的安装位置和图像的拍摄时间是否与第一定位位置和第一定位时间相符合，即时间一致且位置一致；若是则确认图像，表明可以使用该图像作为进一步的识别计算；若否，则验证失败，停止下面的识别计算步骤，不停车自动缴费过程失败，并将该结果告知该车辆3的驾驶员，以提醒驾驶员即使采用其他方式进行费用缴纳，还将该结果发送至自动收费系统，以敦促驾驶员进行诚信的费用履约。

较佳的，除了摄像设备2的抓拍定位、车载定位装置的定位，本发明还配合通过该车辆3的驾驶员定位装置获取该车辆3的第二实时位置，实时位置包括第二定位时间和第二定位位置。

一种实现方式是：当获取到通过该车辆3上的车载定位装置获取车辆3的第一实时位置、通过该车辆3的驾驶员定位装置获取该车辆3的第二实时位置、且摄像设备2抓拍到实时的图像后，判断图像所来源的摄像头的安装位置是否与第一定位位置、第二定位位置相符合，且图像的拍摄时间是否与第一定位时间、第二定位时间相符合，即摄像头所获取的时间位置信息、车辆3上的车载定位装置所获取的时间位置信息、车辆3的驾驶员定位装置所获取的时间位置信息三者信息来源都一致；若是则确认图像，表明可以使用该图像作为进一步的识别计算；若否，则验证失败，停止下面的识别计算步骤，不停车自动缴费过程失败，并将该结果告知该车辆3的驾驶员，以提醒驾驶员即使采用其他方式进行费用缴纳，还将该结果发送至自动收费系统，以敦促驾驶员进行诚信的费用履约。

较佳的，若干张图像的数量大于2，以保证至少有两张图像可以作为可靠的对象进行下一步的识别计算。

较佳的，没费用的扣取不是计算出结果就立即执行，而是将费用发送至自动收费系统，在获取到图像后的预设时间段内通过自动收费系统向车辆3所对应的缴费端进行费用扣取，在该预设时间段内，若识别、或计算有问题，还可以进行校正。

较佳的，为了保证扣费的公平性，在扣除费用之前，还需要驾驶员对该费用进行核实确认；若确认无误，则通过自动收费系统向车辆3所对应的缴费端进行费用扣取；若确认有误，则停止自动收费，并告知驾驶员，以提醒驾驶员即使采用其他方式进行费用缴纳，还将该结果发送至自动收费系统，以敦促驾驶员进行诚信的费用履约。

本发明还公开了一种高速公路行驶车辆3的轨迹跟踪系统，包括：

-摄像设备2，若干个摄像设备2设于两收费站1之间，通过若干个摄像设备2以预设拍摄频率拍摄获取车辆3的图像；

-数据分析模块，其中包括图像识别单元，通过图像识别单元的深度学习的神经网络对图像进行识别，获取该车辆3的车牌号和车型；通过数据分析模块根据若干张图像所来源的摄像设备2的位置，计算获取车辆3的行车路径；并根据行车路径和车型计算获取该车辆3在两收费站1之间通行所需缴纳的费用；

-缴费端，与车辆3绑定，用于支出费用；

-自动收费系统，与官方收费系统关联，数据分析模块将费用发送至自动收费系统，通过自动收费系统向缴费端进行费用扣取。

较佳的，还包括车载定位模块，通过车载定位模块获取车辆3的第一实时位置，第一实时位置包括第一定位时间和第一定位位置。当获取到通过该车辆3上的车载定位装置获取车辆3的第一实时位置，且摄像设备2抓拍到实时的图像后，通过数据分析模块判断图像所来源的摄像头的安装位置和图像的拍摄时间是否与第一定位位置和第一定位时间相符合，即时间一致且位置一致；若是则确认图像，表明可以使用该图像作为进一步的识别计算；若否，则验证失败，停止下面的识别计算步骤，不停车自动缴费过程失败，并将该结果告知该车辆3的驾驶员，以提醒驾驶员即使采用其他方式进行费用缴纳，还将该结果发送至自动收费系统，以敦促驾驶员进行诚信的费用履约。

较佳的，还包括驾驶员定位模块，通过驾驶员定位模块获取该车辆3的第二实时位置，实时位置包括第二定位时间和第二定位位置。当获取到通过该车辆3上的车载定位装置获取车辆3的第一实时位置、通过该车辆3的驾驶员定位装置获取该车辆3的第二实时位置、且摄像设备2抓拍到实时的图像后，通过数据分析模块判断图像所来源的摄像头的安装位置是否与第一定位位置、第二定位位置相符合，且图像的拍摄时间是否与第一定位时间、第二定位时间相符合，即摄像头所获取的时间位置信息、车辆3上的车载定位装置所获取的时间位置信息、车辆3的驾驶员定位装置所获取的时间位置信息三者信息来源都一致；若是则确认图像，表明可以使用该图像作为进一步的识别计算；若否，则验证失败，停止下面的识别计算步骤，不停车自动缴费过程失败，并将该结果告知该车辆3的驾驶员，以提醒驾驶员即使采用其他方式进行费用缴纳，还将该结果发送至自动收费系统，以敦促驾驶员进行诚信的费用履约。

在高速公路上，车辆3高速行驶过程中，一般抓拍频率的摄像设备2不一定能抓拍到，或者说，不一定能拍摄到清晰可以识别的图像，故通常需要设置两个以上的摄像设备2，而该两摄像设备2之间的间距通常为1km或者5km。

参见附图2，高速公路在建设时按照1km/5km等距离设置摄像设备2，驾驶员驾驶车辆3行驶在高速公路上会被沿途摄像头抓拍，同时车辆3上安装的车载定位模块通过卫星信号实时传输GPS定位数据，同时驾驶员智能设备中安装的APP终端(即驾驶员定位模块)也通过卫星信号实时传输GPS定位数据，所有数据以定时循环上报的形式，进行数据加密传输至远程部署的数据分析模块中，通过获取交通摄像设备2实时的交通图像，结合车辆3和驾驶员GPS定位数据，大数据分析模块进行三方数据匹配分析确定车辆3行驶轨迹并根据车辆3类型和车辆3行驶里程计算出车辆3应缴纳费用，然后将收费信息推送至自动收费系统，自动收费系统完成收费扣款后会发送信息至驾驶员智能设备中的APP终端(即缴费端)。

应当注意的是，本发明的实施例有较佳的实施性，且并非对本发明作任何形式的限制，任何熟悉该领域的技术人员可能利用上述揭示的技术内容变更或修饰为等同的有效实施例，但凡未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何修改或等同变化及修饰，均仍属于本发明技术方案的范围内。

Claims (10)

1.一种高速公路行驶车辆的轨迹跟踪方法，其特征在于，包括如下步骤：

通过两收费站之间的若干个摄像设备以预设拍摄频率拍摄获取车辆的图像；

通过深度学习的神经网络对所述图像进行识别，获取该车辆的车牌号和车型；

结合若干张所述图像所来源的所述摄像设备的位置，计算获取车辆的行车路径；

根据所述行车路径和所述车型计算获取该车辆在所述两收费站之间通行所需缴纳的费用；将所述费用发送至自动收费系统，通过所述自动收费系统向所述车辆所对应的缴费端进行费用扣取。

2.根据权利要求1所述的轨迹跟踪方法，其特征在于，所述结合若干张所述图像所来源的所述摄像设备的位置，计算获取车辆的行车路径之前还包括：

通过该车辆上的车载定位装置获取车辆的第一实时位置，所述第一实时位置包括第一定位时间和第一定位位置；

判断所述图像所来源的摄像头的安装位置和所述图像的拍摄时间是否与所述第一定位位置和第一定位时间相符合；

若是则确认所述图像；

若否，则验证失败，停止步骤，并告知该车辆的驾驶员。

3.根据权利要求2所述的轨迹跟踪方法，其特征在于，所述通过该车辆上的车载定位装置获取车辆的实时位置，所述实时位置包括第一定位时间和第一定位位置、或所述若否，则验证失败，停止步骤后还包括：

通过该车辆的驾驶员定位装置获取该车辆的第二实时位置，所述实时位置包括第二定位时间和第二定位位置；

判断所述图像所来源的摄像头的安装位置是否与所述第一定位位置、所述第二定位位置相符合，且所述图像的拍摄时间是否与第一定位时间、第二定位时间相符合；

若是则确认所述图像；

若否，则验证失败，停止步骤，并告知该车辆的驾驶员。

4.根据权利要求1所述的轨迹跟踪方法，其特征在于，所述若干张所述图像的数量大于2。

5.根据权利要求1所述的方法，其特征在于，所述将所述费用发送至自动收费系统，通过所述自动收费系统向所述车辆所对应的缴费端进行费用扣取包括：

将所述费用发送至自动收费系统，在获取到所述图像后的预设时间段内通过所述自动收费系统向所述车辆所对应的缴费端进行费用扣取。

6.根据权利要求1所述的轨迹跟踪方法，其特征在于，所述将所述费用发送至自动收费系统，通过所述自动收费系统向所述车辆所对应的缴费端进行费用扣取之前还包括：

将所述费用发送至驾驶员供其确认；

若确认无误，则通过所述自动收费系统向所述车辆所对应的缴费端进行费用扣取；若确认有误，则停止自动收费，并告知驾驶员。

7.一种高速公路行驶车辆的轨迹跟踪系统，其特征在于，包括：

摄像设备，若干个所述摄像设备设于两收费站之间，通过所述若干个摄像设备以预设拍摄频率拍摄获取车辆的图像；

数据分析模块，包括图像识别单元；通过所述图像识别单元的深度学习的神经网络对所述图像进行识别，获取该车辆的车牌号和车型；

通过所述数据分析模块根据若干张所述图像所来源的所述摄像设备的位置，计算获取车辆的行车路径；并根据所述行车路径和所述车型计算获取该车辆在所述两收费站之间通行所需缴纳的费用；

缴费端，与车辆绑定，用于支出费用；

自动收费系统，所述数据分析模块将所述费用发送至自动收费系统，通过所述自动收费系统向所述缴费端进行费用扣取。

8.根据权利要求7所述的轨迹跟踪系统，其特征在于，还包括车载定位模块，通过所述车载定位模块获取车辆的第一实时位置，所述第一实时位置包括第一定位时间和第一定位位置；

通过所述数据分析模块判断所述图像所来源的摄像头的安装位置和所述图像的拍摄时间是否与所述第一定位位置和第一定位时间相符合；

若是则确认所述图像；

若否，则验证失败，停止步骤，并告知该车辆的驾驶员。

9.根据权利要求7所述的轨迹跟踪系统，其特征在于，还包括驾驶员定位模块，通过所述驾驶员定位模块获取该车辆的第二实时位置，所述实时位置包括第二定位时间和第二定位位置；

判断所述图像所来源的摄像头的安装位置是否与所述第一定位位置、所述第二定位位置相符合，且所述图像的拍摄时间是否与第一定位时间、第二定位时间相符合；

若是则确认所述图像；

若否，则验证失败，停止步骤，并告知该车辆的驾驶员。

10.根据权利要求7所述的系统轨迹跟踪系统，其特征在于，所述摄像设备的数量大于2。

Images