不停車收費(fèi)系統(tǒng)中若干關(guān)鍵問(wèn)題的研究

1、不停車收費(fèi)系統(tǒng)中假設(shè)干關(guān)鍵問(wèn)題的研究論文導(dǎo)讀:：傳統(tǒng)的車輛通行費(fèi)收費(fèi)方式費(fèi)時(shí)費(fèi)力，而且容易造成收費(fèi)站的交通擁擠。不停車電子收費(fèi)系統(tǒng)(ETC)具有高速便捷的特點(diǎn)，在國(guó)外已經(jīng)廣泛應(yīng)用，也是國(guó)內(nèi)公路收費(fèi)的技術(shù)開(kāi)展趨勢(shì)。但不停車電子收費(fèi)系統(tǒng)確面臨著車輛身份的有效識(shí)別和數(shù)據(jù)傳輸?shù)钠桨残缘戎T多問(wèn)題。本文討論了電子不停車收費(fèi)中需要解決的幾個(gè)關(guān)鍵問(wèn)題，并給出了解決這些問(wèn)題的相關(guān)技術(shù)方案，本文討論的內(nèi)容對(duì)電子不停車收費(fèi)的研發(fā)具有技術(shù)上的指導(dǎo)意義。論文關(guān)鍵詞：車輛身份識(shí)別，支持向量機(jī)，數(shù)據(jù)加密，信息融合1 引言隨著現(xiàn)代交通事業(yè)的飛速開(kāi)展，傳統(tǒng)的人工收費(fèi)、人工管理的車輛收費(fèi)系統(tǒng)已經(jīng)不滿足于現(xiàn)在社會(huì)的需要，取之而代的

2、是電子不停車收費(fèi)系統(tǒng)Electronic TollCollection,簡(jiǎn)稱ETC【1】。ETC主要是指車輛可以以相當(dāng)高的速度通過(guò)收費(fèi)口,無(wú)須在收費(fèi)站前減速和停車交費(fèi)，它在國(guó)外已經(jīng)被廣泛地應(yīng)用，目前國(guó)內(nèi)已經(jīng)有10多年的開(kāi)展路程，技術(shù)也較為成熟，到達(dá)了國(guó)際先進(jìn)水平。傳統(tǒng)的車輛自動(dòng)識(shí)別技術(shù)大多采用非接觸射頻IC技術(shù)，但單獨(dú)采用射頻IC卡技術(shù)，只能以IC卡中記載的車輛身份信息作為車輛身份判別的唯一依據(jù)，從而無(wú)法對(duì)車輛身份作出準(zhǔn)確的判別，又由于IC卡一般是儲(chǔ)值卡，其信息的存儲(chǔ)和傳輸平安必須得到有效地保證。因此，本文討論了一些用于車輛身份判別的輔助技術(shù)，如基于支持向量機(jī)算法的車牌和車型識(shí)別技術(shù)，使車輛身

3、份識(shí)別正確率大大提高的信息融合技術(shù)、以及基于對(duì)稱密鑰加密算法AES和非對(duì)稱密鑰加密算法RSA的信息平安技術(shù)。1車型和牌照的識(shí)別技術(shù)在ETC電子不停車收費(fèi)系統(tǒng)中，車型、車牌的自動(dòng)識(shí)別系統(tǒng)是一個(gè)重要的組成局部，它可以通過(guò)與IC卡中記錄的相應(yīng)數(shù)據(jù)做比擬從而判斷車輛的真是身份。由于識(shí)別率上的限制，僅對(duì)車牌或車型進(jìn)行識(shí)別并不能準(zhǔn)確的對(duì)車輛身份進(jìn)行確定，因此還需要對(duì)這兩種識(shí)別結(jié)果進(jìn)行融合分析，以提高車輛身份識(shí)別的準(zhǔn)確率。1.1車型識(shí)別在收費(fèi)站應(yīng)用車型識(shí)別時(shí)，截取的圖像是動(dòng)態(tài)的。在動(dòng)態(tài)條件下，車型自動(dòng)識(shí)別系統(tǒng)是從動(dòng)態(tài)的視頻圖像中檢測(cè)到汽車目標(biāo)并自動(dòng)識(shí)別其類型，這個(gè)過(guò)程包括運(yùn)動(dòng)目標(biāo)的檢測(cè)分割、特征提取與選擇、

4、模式識(shí)別三個(gè)步驟。把背景圖像差分法和幀間圖像差分法結(jié)合起來(lái)，利用一種有效的基于圖像塊和HVS彩色圖像差值相結(jié)合的新的運(yùn)動(dòng)目標(biāo)檢測(cè)、分割算法，可以有效地對(duì)車型進(jìn)行識(shí)別。算法克服了背景圖像差分法和幀間圖像差分法的缺點(diǎn)，并且能有效地消除陰影的影響，具有自適應(yīng)能力、速度快，抗噪聲性能較好的特點(diǎn)。算法具體原理如下：把攝像機(jī)固定在公路的左上方，由于高速公路是單行道，因此視頻監(jiān)視圖像中的目標(biāo)只能從一邊出現(xiàn)假設(shè)從左邊出現(xiàn)，而且從左到右具有連續(xù)性。首先獲得一幅只含有固定背景的圖像，然后不斷的從序列圖像中獲取當(dāng)前幀圖像，把和分別按列分成左右兩個(gè)圖像塊、，用與差分得到圖像，計(jì)算圖像的均值或標(biāo)準(zhǔn)差，當(dāng)均值或標(biāo)準(zhǔn)差變化

5、大于時(shí)，確定有運(yùn)動(dòng)目標(biāo)出現(xiàn)。如果發(fā)現(xiàn)運(yùn)動(dòng)目標(biāo)出現(xiàn)，延遲一段時(shí)間t后，鎖存另外一幀圖像 ，把也分成左右兩個(gè)圖像塊、，t的選擇要保證運(yùn)動(dòng)目標(biāo)在t秒后完全進(jìn)入圖像塊中，用與差分得到圖像信息融合，即包含了運(yùn)動(dòng)引起的變化，對(duì)進(jìn)行濾波和形態(tài)學(xué)運(yùn)算，然后通過(guò)水平投影和垂直投影得到運(yùn)動(dòng)目標(biāo)的位置、分割出運(yùn)動(dòng)目標(biāo)。通常，各類汽車的車身側(cè)視圖的區(qū)別在于車身長(zhǎng)、車身高、車型圖像周長(zhǎng)、車型圖像的最小外接矩形面積、圖像的圓形度、寬高比等，但是這些特征不具有平移、旋轉(zhuǎn)和比例不變性，而矩特征是廣泛使用的形狀特征之一，一些最根本的二維形狀特征都與矩有直接的關(guān)系。因此，在提取了車型圖像的不變矩特征后，再利用神經(jīng)網(wǎng)絡(luò)對(duì)這些特征進(jìn)

6、行篩選，獲得最有效的特征，然后根據(jù)這些特征采用支持向量機(jī)技術(shù)設(shè)計(jì)車型分類器。1.2 牌照識(shí)別在研究牌照識(shí)別的算法時(shí)，常規(guī)的識(shí)別算法包括車輛圖像的預(yù)處理、圖像檢測(cè)、模糊模板匹配和牌照字符的識(shí)別四局部，為了提高識(shí)別率，一般都引入了支持向量機(jī)的識(shí)別算法。車牌字符在進(jìn)行了成功分割以后，車牌字符的識(shí)別就成了一個(gè)關(guān)鍵問(wèn)題，采用支持向量機(jī)做牌照字符識(shí)別，是一個(gè)多分類問(wèn)題，而傳統(tǒng)的支持向量機(jī)分類算法是一個(gè)典型的二分類問(wèn)題，因此需要通過(guò)多個(gè)二類支持向量機(jī)的組合來(lái)實(shí)現(xiàn)字符的分類。通常用的比擬多的多類識(shí)別的方法有二類組合分類中的一對(duì)多判別策略和一對(duì)一判別策略。在一對(duì)多判別策略中，對(duì)n個(gè)類別僅需要構(gòu)造n個(gè)支持向量機(jī)，

7、每一個(gè)支持向量機(jī)分別將某一類的數(shù)據(jù)從其他類別中別離出來(lái)。在測(cè)試時(shí)，取決策函數(shù)輸出值最大的類別為測(cè)試樣本的類別，在一對(duì)一的判別策略中，各個(gè)類別之間兩兩構(gòu)造分類器，每個(gè)分類器函數(shù)的訓(xùn)練樣本是相關(guān)的兩個(gè)類。在測(cè)試時(shí)，可以利用投票策略。此外，也可以通過(guò)改寫二次規(guī)劃中的目標(biāo)函數(shù)使之直接適用于多值分類，但是由于其二次規(guī)劃形式過(guò)于復(fù)雜，一般很少采用。由于在車牌字符識(shí)別中所涉及的待分類別較多，如果利用二類別組合分類中的一對(duì)一策略，在識(shí)別的過(guò)程中會(huì)浪費(fèi)很多有用信息，識(shí)別效果較差，而利用一對(duì)多策略的話就要構(gòu)造很多支持向量機(jī)分類器，這無(wú)疑增加了測(cè)試階段的工作量。因此可采用基于先驗(yàn)知識(shí)的二叉樹(shù)結(jié)構(gòu)組合多個(gè)二值分類支持

8、向量機(jī)稱為SVM決策樹(shù)來(lái)解決車牌的多類識(shí)別問(wèn)題。以一個(gè)四類分類問(wèn)題為例，用于車牌識(shí)別的SVM決策樹(shù)的模型如圖1所示。a無(wú)先驗(yàn)知識(shí)的SVM決策樹(shù)b有先驗(yàn)知識(shí)的決策樹(shù)圖1 SVM決策樹(shù)模型圖1a是完全無(wú)先驗(yàn)知識(shí)的SVM決策數(shù)構(gòu)形。為了提高識(shí)別的速度，我們采用如圖1b所示的具有先驗(yàn)知識(shí)的SVM決策樹(shù)構(gòu)形，我們可以充分利用我們關(guān)于車牌字符的先驗(yàn)知識(shí)來(lái)指導(dǎo)樹(shù)葉節(jié)點(diǎn)的劃分，從而構(gòu)造出一棵測(cè)試速度最優(yōu)的SVM決策樹(shù)，按照最優(yōu)二叉樹(shù)的順序決定SVM分類器的使用。例如對(duì)豫;字車牌較多的情形，我們可以定義類別4為車牌中的豫;字，利用SVM決策樹(shù)中級(jí)別最高的分類器SVM0首先分類出豫;字車牌以加快SVM的分類速度。

9、以車牌中數(shù)字的識(shí)別為例，在對(duì)車牌數(shù)字進(jìn)行識(shí)別的訓(xùn)練過(guò)程中，系統(tǒng)以車牌數(shù)字圖像值作為特征向量，將該特征向量作為支持向量機(jī)的輸入，然后在每個(gè)類別間兩兩構(gòu)造支持向量機(jī)分類器函數(shù)。例如對(duì)于09這10個(gè)數(shù)字類別需要構(gòu)造多個(gè)支持向量機(jī)分類器進(jìn)行分類。在測(cè)試時(shí)，先將訓(xùn)練階段構(gòu)造的分類器按照一定順序進(jìn)行排序。由于支持向量機(jī)的分類機(jī)理使希望經(jīng)驗(yàn)風(fēng)險(xiǎn)和VC置信度同時(shí)最小，因此，對(duì)這些分類器分別按照經(jīng)驗(yàn)風(fēng)險(xiǎn)與VC置信度之和由大到小排序，和越小的分類器優(yōu)先級(jí)別越高。在排序完成后，將測(cè)試樣本的特征向量先代入優(yōu)先級(jí)最高的分類器中，根據(jù)其結(jié)果可以淘汰另一半的分類器，依次類推，可以節(jié)省掉很多在二類組合分類中無(wú)法防止的重復(fù)工作

10、免費(fèi)論文。通過(guò)上述方法，對(duì)用數(shù)碼相機(jī)隨機(jī)拍下的車牌圖像進(jìn)行定位、提取和字符分割，得到的結(jié)果如圖2所示。a車牌圖像定位和提取 b車牌字符提取c車牌字符識(shí)別圖2 車牌字符的識(shí)別過(guò)程2數(shù)據(jù)的網(wǎng)絡(luò)傳輸平安【7】不停車收費(fèi)系統(tǒng)可以采用對(duì)稱密鑰加密算法AES和非對(duì)稱密鑰加密算法RSA兩種數(shù)據(jù)加密方法來(lái)保證系統(tǒng)中敏感信息在網(wǎng)絡(luò)中傳輸?shù)钠桨残?如圖3所示。圖3 不停車收費(fèi)系統(tǒng)中的數(shù)據(jù)加密算法2.1 AES加密算法AES加密通過(guò)分組密碼返回的加密數(shù)據(jù)的位數(shù)與輸入數(shù)據(jù)相同。加密過(guò)程如下：1 給定一個(gè)明文X，將初始態(tài)State初始化為X，并進(jìn)行輪密鑰加AddRound Key操作，將輪密鑰與State異或。2 對(duì)前

11、Nr-1輪中的每一輪，用S盒進(jìn)行一次字節(jié)代換Sub Bytes操作；對(duì)State做一次行移位Shift Rows操作；再對(duì)State做一次列混淆Mix Columns操作；然后進(jìn)行輪密鑰加Add Round Key操作。3 依次進(jìn)行SubBytes、Shift Rows、Add Round Key操作。4將最后State中的內(nèi)容定義為密文Y。2.2 RSA加密算法為了建立RSA密碼系統(tǒng)，用戶需完成以下各步驟：(1)用戶產(chǎn)生兩個(gè)大素?cái)?shù)p和q；(2)計(jì)算和；(3)選擇一個(gè)隨機(jī)整數(shù)，使得和互為素?cái)?shù)，即。(4)使用擴(kuò)展 Euclidean算法計(jì)算；(5)將和作為他的加密密鑰直接公開(kāi)。對(duì)消息進(jìn)行加密前，

12、首先將消息分解成為消息比特串分組，分組長(zhǎng)度要保證。用M來(lái)表示某一分組后的消息的十進(jìn)制表示，那么。假設(shè)用M表示明文，用C表示密文M和C均小于n，那么加密和解密運(yùn)算為：加密：解密：RSA體制中的加密密鑰是公開(kāi)的，而解密密鑰d是保密的，雖然在RSA的加密與解密密鑰建立后，p與q不再需要，但p與q也絕不可泄露。不停車收費(fèi)系統(tǒng)中敏感信息加密過(guò)程如下：當(dāng)費(fèi)用結(jié)算管理中心C和各收費(fèi)站F之間需要進(jìn)行信息傳輸時(shí)，首先調(diào)用AES加密程序?qū)λ獋鬏數(shù)膬?nèi)容進(jìn)行加密處理。然后采用非對(duì)稱密鑰密碼RSA算法對(duì)AES加密密鑰進(jìn)行加密，最后和原有加密信息同時(shí)傳輸給信息接收方。接收方收到信息后，利用RSA中自己的私鑰將AES的密

13、鑰進(jìn)行解密，再解密原有加密信息即可得到原有明文信息。3信息融合技術(shù)信息融合最早用于軍事領(lǐng)域，定義為一個(gè)處理探測(cè)、互聯(lián)、估 計(jì)以及組合多源信息和數(shù)據(jù)的多層次多方面過(guò)程，以便獲得準(zhǔn)確的狀態(tài)和身份估計(jì)、完整而及時(shí)的戰(zhàn)場(chǎng)態(tài)勢(shì)和威脅估計(jì)。它強(qiáng)調(diào)信息融合的三個(gè)核心方面：第一，信息融合是在幾個(gè)層 次上完成對(duì)多源信息的處理過(guò)程，其中每一層次都表示不同級(jí)別的信息抽象；第二，信息融合包括探測(cè)、互聯(lián)、相關(guān)、估計(jì)以及信息組合；第三，信息融合的結(jié)果包括較低層次上的狀 態(tài)和身份估計(jì)，以及較高層次上的整個(gè)戰(zhàn)術(shù)態(tài)勢(shì)估計(jì)。由于不停車收費(fèi)系統(tǒng)各種說(shuō)明車輛身份的信息如車牌、車型、車重和IC卡記錄的數(shù)據(jù)都不完全是可靠的信息，為了提高

14、車輛身份的判別正確率，將這些信息融合是有必要的信息融合，因?yàn)橥ㄟ^(guò)對(duì)不同信息采集通道數(shù)據(jù)的綜合處理，可以得到比任何單個(gè)數(shù)據(jù)源更全面、更準(zhǔn)確的信息，它是提高車輛身份識(shí)別準(zhǔn)確率的一個(gè)有效技術(shù)途經(jīng)。在實(shí)際系統(tǒng)中，不停車收費(fèi)系統(tǒng)信息融合組建是整個(gè)收費(fèi)系統(tǒng)中身份判別的一個(gè)核心組件。不停車收費(fèi)系統(tǒng)中的信息融合模型可以如圖4所示。圖4 高速公路不停車收費(fèi)系統(tǒng)信息融合計(jì)算模型模型中的信息采集通道分別是非接觸IC卡、車輛檢測(cè)器和數(shù)碼相機(jī)，用來(lái)完成車型參數(shù)、牌照參數(shù)和車載非接觸IC卡卡號(hào)的數(shù)據(jù)采集，模型中的關(guān)鍵局部是對(duì)采集到的信息進(jìn)行信息融合計(jì)算。非接觸IC卡閱讀器、車輛檢測(cè)器、數(shù)碼相機(jī)采集到數(shù)據(jù)后，進(jìn)行數(shù)據(jù)層融合

15、處理，主要包括對(duì)采集到的圖片進(jìn)行預(yù)處理，同時(shí)對(duì)車型、牌照進(jìn)行識(shí)別，另外根據(jù)采集到的卡號(hào)檢索數(shù)據(jù)庫(kù)中相應(yīng)記錄等。而要真正得到判決輸出的結(jié)果，關(guān)鍵還要進(jìn)行決策層的數(shù)據(jù)處理，應(yīng)該看到僅僅通過(guò)車型數(shù)據(jù)，是沒(méi)法進(jìn)行對(duì)結(jié)果命題即合法車輛;的判決，只有聯(lián)合卡號(hào)或者牌照才可以作為決策層的輸入數(shù)據(jù)，這樣數(shù)據(jù)融合層的3重證據(jù)卡號(hào)，牌照，車型在進(jìn)行決策層融合前，變成了2重證據(jù)牌照+車型和卡號(hào)+車型來(lái)作為決策層數(shù)據(jù)融合的資源。這里，為了驗(yàn)證上述理論的可行性，可以假定這2個(gè)證據(jù)即牌照+車型和卡號(hào)+車型對(duì)命題合法車輛;的支持度分別為：=0.8 =0.2=0.9 =0.1所以，根據(jù)D-S證據(jù)組合規(guī)那么有：=這樣，就可以得到

16、2重證據(jù)聯(lián)合作用下的可信度由此可見(jiàn)，聯(lián)合作用下的可信度比單個(gè)證據(jù)的可信度要高。對(duì)封閉式的高速公路，收費(fèi)車道只有兩種情況：要么是入口車道，要么是出口車道。正常的擋車器處于常閉狀態(tài)，以保證非正常的車輛無(wú)效卡、無(wú)卡、假卡、低值卡不能通過(guò)自動(dòng)收費(fèi)車道。當(dāng)車輛進(jìn)入收費(fèi)站區(qū)域時(shí)，啟動(dòng)數(shù)碼相機(jī)和閱讀器，數(shù)碼相機(jī)獲取汽車的車型和牌照信息，閱讀器獲取車載非接觸IC卡中的相關(guān)身份數(shù)據(jù)，三種數(shù)據(jù)參數(shù)送上位機(jī)后，軟件進(jìn)行信息融合處理。如圖5所示。圖5 不停車收費(fèi)系統(tǒng)信息融合總體流程在實(shí)際收費(fèi)操作過(guò)程中，由于識(shí)別率原因，個(gè)別車輛的識(shí)別可能有偏差，這時(shí)，收費(fèi)員可通過(guò)人工來(lái)進(jìn)行判別。另外，人工收費(fèi)也必須存在，以備在電子系統(tǒng)檢修期間或系統(tǒng)檢測(cè)到有非正常狀態(tài)時(shí)，收費(fèi)車道能正常工作。4 結(jié)論本文討論了不停車收費(fèi)系統(tǒng)中的幾個(gè)關(guān)鍵問(wèn)題，雖然目前已有成熟的技術(shù)解決這些問(wèn)題，但對(duì)不停車收費(fèi)系統(tǒng)所要求的高可靠性和平安性來(lái)說(shuō)，即使解決了這些問(wèn)題仍然不能滿足實(shí)際應(yīng)用的需要。所以在實(shí)際應(yīng)用中，比擬可行的方案是將幾種技術(shù)聯(lián)合應(yīng)用，對(duì)反映不停車收費(fèi)系統(tǒng)特征的多個(gè)信息進(jìn)行融合，以期取得更為精確的判定結(jié)果。本文提出的思想和討論的方法對(duì)不停車收費(fèi)系統(tǒng)的開(kāi)展具有理論上的指導(dǎo)意義。參考文獻(xiàn)【2】王慧斌,蘆蓉