基于卷积神经网络的车辆特征识别研究与实现

1研究背景

随着我国经济发展和人民生活水平的提高,汽车数量急剧上升,给人们的交通出行提供便利的同时也带来了很多亟待解决的问题,如交通事故频发、利用机动车实施犯罪等,给公安机关开展视频图像侦查造成巨大困难。传统的车辆卡口识别系统大多基于车牌识别系统,通过车牌对过往车辆进行识别,存在一定的缺陷和不足,不能完全准确地识别出问题车辆,比如人为故意遮挡号牌或者车辆套牌,可见只依靠车牌对车辆进行识别不但不能发现问题,更谈不上对车辆进行追踪。

2系统技术架构

某地通过对目前公安视图侦查工作的现状和需求进行分析,完成了预警系统的设计与研发,采用先进的Hadoop分布式技术,在视频图像大数据资源整合优化基础上,基于KGIs+的视频图像大数据系统框架,建设图像资源主目录库、线索库、案事件库、技战法库等:整理包括公安自建设备图像、外调图像的信息资料主目录库:提供一键入视频（线索）库:整合警务综合平台、网办平台、"三台合一"平台、大情报系统等。

2.1数据源

预警系统将公安自建设备图像资源、政府部门建设图像资源、社会建设图像资源统一标准进行编码、入库,加载到大数据平台。将常住人口信息、暂住人口信息、违法犯罪信息、重点人口信息、车辆实名登记信息、车驾管信息等视频深度应用和图像侦查系统基础数据接入:将警情库整合接入:根据规则将"三合一"系统数据自动清洗导入。

2.2大数据平台

按照需求实现对图像资源的统一存储与管理,设计视频资源主目录,包括公安部门视频图像资源主目录库和外调图像信息资源主目录库,将公安自建的图像资源的属性信息根据国家统一标准进行整理、加载:将社会各个单位自己建设的视频、卡口、电警等资源的属性信息根据国家统一标准进行整理、加载:根据资源的价值分等级保存在不同的存储空间,为

后续多警种数据共享提供支撑。

2.3应用层

应用层为用户提供多种可视化操作模块,同时为公安业务需要和各级领导决策分析、研判提供逻辑支撑,主要有以下几个模块:视频实时监控、视频快速检索、视频摘要播放、图像清晰化、视频增强功能、高危人员比对、视频智能跟踪、案件空间分析、案件视频研判、线索相似比对等,可实现车辆、人像数据的查询、比对、搜索、碰撞等功能,并可配合各种技战法实现大数据研判。

3系统关键技术

3.1基于卷积神经网络模型的车辆检索技术

采用卷积神经网络Convo1utiona1Neura1Network,简称为CNN）进行图像特征提取,即利用CNN模型从待检测车辆的图像中提取待检测车辆的N个检测特征向量,不同的车辆部件可以采用不同的CNN模型进行检测特征向量的提取。该技术摆脱了依靠车牌进行识别的限制,通过机器学习和人工智能方法,有效提取车牌特征（如颜色、结构、可见字符等）、车辆品牌、车型、颜色、车辆类型、车灯、格栅、车身粘贴物、车窗粘贴物、车内挂饰摆件等,为警用监控预警系统实现对车辆大数据的各种深度研判,可以为车辆尾随跟踪分析、车辆频次分析、昼伏夜出车辆分析、区域徘徊车辆分析、区域碰撞（多点关联）、路径匹配分析、车辆活动区域分析等提供可靠的技术支撑。

3.2机器学习

预警系统利用深度学习技术进行公安业务模型训练,采用当前最先进的深度学习算法对车辆、人员图片进行处理。深度学习就是利用一些算法去构建一个含有多个隐藏层的人工神经网络,网络的各层与原始数据不同层次的数学抽象相对应,利用特征向量描述图像。与传统模式识别算法相比,深度学习算法的最大的区别在于它所选择的特征是从大数据中自动学习而来,而非手工获取,合适的特征能有效提高模式识别系统的速度及准确度。

3.3Hadoop分布式运算

采用先进的Hadoop分布式技术,可实现高速的数据查询、存储等功能,采用传统的高可用架构部署方式,集成多项领先的、可靠的服务器冗余备份技术以及系统软件级的高可用技术,保证平台的不间断稳定运行。

在高密度服务器上,部署大数据软件系统,软件主要包含Hadoop架构、Hadoop分布式文件系统HadoopDistributedFi1esystem,HDFs）和MapReduce编程模型。

大数据卡口平台软件架构如图1所示。

4车辆卡口识别系统

4.1基础应用功能

4.1.1实时过车查询

系统可以调用卡口设备的实时监控功能,显示实时通过的车辆记录及图像资料,系统还提供单断面和多断面显示。

4.1.2历史过车查询

系统支持对于过车信息的多条件符合检索功能。检索条件包括号牌号码、设备位置、过车时间段、号牌颜色、车道类型、车速范围、车身颜色等:车辆号牌号码支持精确查询和模糊查询:支持对于检索结果的详细信息调阅、单幅/多幅查阅、前后翻页、跳页、记录图片导出、线索取证、视频回放、数据筛选、图像在线增强处理、KG1s+定位等实战应用功能。

4.2车辆大数据分析

利用当前先进的大数据分布式运算架构,基于资源库中的卡口信息、车驾管信息等相关资源,利用深度学习实现了多种模式搜车、以图搜图、车标任务管理、车档检索、语义检索和车辆统计等多种功能。

4.3车辆技战法

利用当前先进的大数据分布式运算架构,基于资源库中的卡口信息、车驾管信息等相关资源,实现了假/套牌分析、车辆多点碰撞、路径复现、未系安全带分析、遮挡面部分析、车辆落脚点分析、昼伏夜出分析、一车多牌分析、路径策略分析、跟车策略分析、区域徘徊分析等十余种功能,真正实现对城市各类嫌疑车辆的实时监控、预警防范、信息研判、快速响应。

5结语

该系统从2016年开始研发,2018年初正式上线运行,目前已协助当地公安机关破获多起车辆违法案件。笔者从基层公安面临的视图侦查现状和传统车辆识别技术存在的不足入手,根据各警种联合作战和大数据预警预测需求,设计与研发了预警系统,经基层实际应用表明,在汇聚丰富的车辆大数据后,在后台即可实现对车辆大数据的各种深度研判,实现了对城市各类嫌疑车辆的实时监控、预警防范、信息研判、快速响应,提高了民警办案水平和办案效率。