基于视频识别技术客运车辆超载远程核查.docVIP

基于视频识别技术客运车辆超载远程核查 　　摘 要本文通过基于视频识别技术的客运车辆超载远程核查应用研究，获取行驶过程中客运车辆车内照片进行智能识别分析，实现客运车辆超载的监控，大大缩小人工稽查的范围，减轻了运管稽查人员的工作量，为客车运输途中的安全性提供保障。 　　【关键词】视频识别技术 客运车辆 超载 远程核查 　　随着生活水平的不断提高，人们外出打工、探亲、旅游的人数越来越多，尤其是节假日，而与此相关的公路客运（长途客车，旅游客车等）的运力却没有相应增加，致使超员现象频频出现。客车超载对国家的公路设施和客运市场造成了不良影响，也影响车辆本事和车辆的驾驶、控制，容易引发事故，给国家和百姓带来重大的经济损失和感情伤害。为更好地适应宁波市社会经济迅猛发展的步伐，防止超载现象的发生，保证客运安全，开展客运车辆实时载客人数智能识别及远程核查研究。 　　1 研究价值 　　在采取行政监督管理的同时，通过科学技术的手段来消除客车超载的现象也有着极其重要的意义和实用性。通过基于视频识别技术的客运车辆超载远程核查应用研究，实现长途客流的动态监管，为长途客运应急预案管理、应急资源配置与调度，应急处置与保障提供重要支撑作用，同时为长途客车超载、超员治理及执法提供依据，并有效遏制超载，超员，提升客运安全。 　　2 关键技术 　　2.1 Opencv 　　OpenCV的全称是：Open Source Computer Vision Library。OpenCV是一个基于（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效――由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。 　　OpenCV 用C++语言编写，它的主要接口也是C++语言，但是依然保留了大量的C语言接口。该库也有大量的Python， Java and MATLAB/OCTAVE （版本2.5）的接口。这些语言的API接口函数可以通过在线文档获得。如今也提供对于C#，Ch， Ruby的支持。 　　自从OpenCV在1999年1月发布alpha版本开始，它就被广泛用在许多应用领域、产品和研究成果中。相关应用包括卫星地图和电子地图的拼接，扫描图像的对齐，医学图像去噪（消噪或滤波），图像中的物体分析，安全和入侵检测系统，自动监视和安全系统，制造业中的产品质量检测系统，摄像机标定，军事应用，无人飞行器，无人汽车和无人水下机器人。 　　2.2 人脸检测 　　人脸检测从整体来看分为四个部分： 　　（1）Face detection 人脸识别，即识别出这是人的脸，而不管他是谁的。 　　（2）Face preprocessing 面部预处理，即提取出脸部图像。 　　（3）Collect and learn faces 脸部的特征采集和学习 　　（4）Face recognition 脸部识别，找出最相近的相近脸部图像。 　　“基于知识的方法主要利用先验知识将人脸看作器官特征的组合，根据眼睛、眉毛、嘴巴、鼻子等器官的特征以及相互之间的几何位置关系来检测人脸。基于统计的方法则将人脸看作一个整体的模式――二维像素矩阵，从统计的观点通过大量人脸图像样本构造人脸模式空间，根据相似度量来判断人脸是否存在。在这两种框架之下，发展了许多方法。目前随着各种方法的不断提出和应用条件的变化，将知识模型与统计模型相结合的综合系统将成为未来的研究趋势。”（来自论文《基于Adaboost的人脸检测方法及眼睛定位算法研究》） 　　3 系统设计 　　3.1 系统组成 　　系统包括车载视频终端、视频平台及远程核查平台三部分 　　3.1.1 车载视频终端 　　安装于车辆头部； 　　根据指令采集车辆图片信息； 　　通过DVR自带3G/4G传输模块将照片传回视频平台。 　　3.1.2 视频平台 　　下发拍照指令给车载终端； 　　接收车载终端拍照照片； 　　将照片传给核查平台。 　　3.1.3 核查平台 　　接收视频平台传回车载照片； 　　针对车载照片进行分析，判定其是否超载。 　　3.2 系统架构 　　系统的总体设计分为四层，由下至上是数据采集层，基础资源层，统一支撑层和系统应用层。 　　数据采集层实现基础数据的采集。通过车载智能终端采集GPS信息、车辆上下客人数信息以及车内载客照片信息、车内视频信息。 　　基础资源层实现对数据的统一存储、管理和维护。包括GPS信息、车辆上下客人数信息以及车内载客照片信息、车内视频信息、车辆信息、车辆车内空载照片信息等。 　　统一支撑层实现车辆载客信息与空载信息的对比分析，超载预警