不停车收费系统中若干关键问题的研究_信息融合.docVIP

不停车收费系统中若干关键问题的研究_信息融合 论文导读:：传统的车辆通行费收费方式费时费力，而且容易造成收费站的交通拥挤。不停车电子收费系统(ETC)具有高速便捷的特点，在国外已经广泛应用，也是国内公路收费的技术发展趋势。但不停车电子收费系统确面临着车辆身份的有效识别和数据传输的安全性等诸多问题。本文讨论了电子不停车收费中需要解决的几个关键问题，并给出了解决这些问题的相关技术方案，本文讨论的内容对电子不停车收费的研发具有技术上的指导意义。 论文关键词：车辆身份识别，支持向量机，数据加密，信息融合 1 引言 随着现代交通事业的飞速发展，传统的人工收费、人工管理的车辆收费系统已经不满足于现在社会的需要，取之而代的是电子不停车收费系统（Electronic TollCollection,简称ETC）[1]。ETC主要是指车辆可以以相当高的速度通过收费口,无须在收费站前减速和停车交费，它在国外已经被广泛地应用，目前国内已经有10多年的发展路程，技术也较为成熟，达到了国际先进水平。传统的车辆自动识别技术大多采用非接触射频IC技术，但单独采用射频IC卡技术，只能以IC卡中记载的车辆身份信息作为车辆身份判别的唯一依据，从而无法对车辆身份作出准确的判别，又由于IC卡一般是储值卡，其信息的存储和传输安全必须得到有效地保证。因此，本文讨论了一些用于车辆身份判别的辅助技术，如基于支持向量机算法的车牌和车型识别技术，使车辆身份识别正确率大大提高的信息融合技术、以及基于对称密钥加密算法AES和非对称密钥加密算法RSA的信息安全技术。 1车型和牌照的识别技术 在ETC电子不停车收费系统中，车型、车牌的自动识别系统是一个重要的组成部分，它可以通过与IC卡中记录的相应数据做比较从而判断车辆的真是身份。由于识别率上的限制，仅对车牌或车型进行识别并不能准确的对车辆身份进行确定，因此还需要对这两种识别结果进行融合分析，以提高车辆身份识别的准确率。 1.1车型识别[2.3] 在收费站应用车型识别时，截取的图像是动态的。在动态条件下，车型自动识别系统是从动态的视频图像中检测到汽车目标并自动识别其类型，这个过程包括运动目标的检测分割、特征提取与选择、模式识别三个步骤。 把背景图像差分法和帧间图像差分法结合起来，利用一种有效的基于图像块和HVS彩色图像差值相结合的新的运动目标检测、分割算法，可以有效地对车型进行识别。算法克服了背景图像差分法和帧间图像差分法的缺点，并且能有效地消除阴影的影响，具有自适应能力、速度快，抗噪声性能较好的特点。算法具体原理如下： 把摄像机固定在公路的左上方，由于高速公路是单行道，因此视频监视图像中的目标只能从一边出现（假设从左边出现），而且从左到右具有连续性。首先获得一幅只含有固定背景的图像，然后不断的从序列图像中获取当前帧图像，把和分别按列分成左右两个图像块、、、，用与差分得到图像，计算图像的均值或标准差，当均值或标准差变化大于时，确定有运动目标出现。如果发现运动目标出现，延迟一段时间t后，锁存另外一帧图像 ，把也分成左右两个图像块、，t的选择要保证运动目标在t秒后完全进入图像块中，用与差分得到图像信息融合，即包含了运动引起的变化，对进行滤波和形态学运算，然后通过水平投影和垂直投影得到运动目标的位置、分割出运动目标。 通常，各类汽车的车身侧视图的区别在于车身长、车身高、车型图像周长、车型图像的最小外接矩形面积、图像的圆形度、宽高比等，但是这些特征不具有平移、旋转和比例不变性，而矩特征是广泛使用的形状特征之一，一些最基本的二维形状特征都与矩有直接的关系。因此，在提取了车型图像的不变矩特征后，再利用神经网络对这些特征进行筛选，获得最有效的特征，然后根据这些特征采用支持向量机技术设计车型分类器。 1.2 牌照识别[4,5.6] 在研究牌照识别的算法时，常规的识别算法包括车辆图像的预处理、图像检测、模糊模板匹配和牌照字符的识别四部分，为了提高识别率，一般都引入了支持向量机的识别算法。 车牌字符在进行了成功分割以后，车牌字符的识别就成了一个关键问题，采用支持向量机做牌照字符识别，是一个多分类问题，而传统的支持向量机分类算法是一个典型的二分类问题，因此需要通过多个二类支持向量机的组合来实现字符的分类。 通常用的比较多的多类识别的方法有二类组合分类中的一对多判别策略和一对一判别策略。在一对多判别策略中，对n个类别仅需要构造n个支持向量机，每一个支持向量机分别将某一类的数据从其他类别中分离出来。在测试时，取决策函数输出值最大的类别为测试样本的类别，在一对一的判别策略中，各个类别之间两两构造分类器，每个分类器函数的训练样本是相关的两个类。在测试时，可以利用投票策略。此外