论文部分内容阅读
建设智慧绿色交通城市,开拓交通治理新局面,是我国在“互联网+”发展趋势下的迫切需求。伴随数字现代城市建设进程的加速,在为人们提供更加便捷出行条件的同时,机动车保有量、出租车数量也与日俱增,导致违法违章运营行为频增,亟待提高非现场执法监管水平,以避免人情执法、提高执法效率。本文依托北京市交通行业科技项目,在调研北京市出租车运营管理非现场执法现状和应用需求的基础上,针对现有车牌识别技术一般应用于摄像头固定高度、角度、距离等条件下,难以适用于对复杂环境下的车牌遮挡行为进行识别的弊端,开展车牌遮挡行为及其自动检测技术研究,并给出相应的图像取证依据,旨在为提高非现场执法智能化监管水平提供技术积累。具体工作如下:(1)提出一种基于Haar-like+Adaboost与颜色特征的出租车检测算法。首先,基于Haar-like+Adaboost算法,构建了出租车检测模型,实现了出租车的实时检出;进一步,利用北京市出租车特有的车身颜色特征,提高了出租车的检出率。测试结果表明,本文提出的算法在保证较高时效性的前提下,在社会车辆与出租车混杂的情况下,出租车的查全率为95.8%。(2)提出一种基于字符投影跳变次数与像素占比相结合的车牌遮挡判定算法。首先利用Adaboost分类器构建的车牌定位模型实现车牌定位,测试结果表明,车牌定位的准确率在93%以上。然后,针对可定位车牌与不可定位车牌分别采用字符投影跳变次数与像素占比的方法来判断车牌是否被遮挡。最终实现了复杂交通环境中的车牌遮挡行为判定。(3)分析并给出了车牌遮挡行为非现场执法取证要求。首先分析了国内交通领域针对其它违法行为的取证标准;其次结合执法需求和现场检测环境,对车牌遮挡行为的取证要素进行分析;最后,制定车牌遮挡行为非现场执法取证依据,为后续制定行业标准奠定了基础。(4)构建了一套车牌遮挡检测系统。该系统基于C/S(Client/Server)架构开发,设计实现了出租车检测、车牌定位、车牌遮挡判别和取证存储四个主要功能模块,并将算法部署在北京市交通执法总队图像信息管理平台上。测试结果表明,系统实现了针对车牌遮挡行为的自动检测。