非標車牌車輛智能檢索系統分析與設計

王磊 段娜

摘要：近年來，我國非標車牌車輛持有量增長迅速，不斷增大的城市交通壓力使得人們對于非標車的需求越來越迫切。隨之而來的是繁重的日常管理工作以及與日俱增的非標車偷盜案件。由于無法對非標車牌車輛進行車牌識別，對于這類車輛的跟蹤抓捕、監管幾乎只能依靠人力，效率不高且很難真正找到對應目標。該文分析并設計的非標車智能檢索系統，實現只要是監控系統捕捉到的非標車目標既可以進行文本檢索又能進行特定目標的圖像檢索，大大地提高了對非標車牌車輛的檢索效率和管控能力，提升公安工作科學化水平。

關鍵詞：非標車；深度學習；圖像分析；智能檢索

中圖分類號：TP391 文獻標識碼：A

文章編號：1009-3044（2019）10-0167-02

開放科學（資源服務）標識碼（OSID）：

1 背景

近年來，隨著國民收入水平的提高，非標車保有量迅猛增長，交通壓力不斷增大，非機動車尤其是電動車以其良好的便利性和迅捷性近年來呈現出井噴式增長。在此情況下，如何利用先進的科技手段提高城市非機動車管理水平、抑制非機動車違章、打擊偷盜非機動車案件、震懾偷盜分子，提高社會治安綜合管理水平成了當前公安亟待解決的問題。

相對于標準車牌車輛來說，目前的高清抓拍系統對于摩托車、電動車、三輪車等非標車牌車輛的管理和控制相對顯得薄弱，由于無法對非標車牌車輛進行車牌識別，對于這類車輛的跟蹤、抓捕幾乎只能依靠人力，效率不高且很難真正找到對應目標。近年來不少犯罪分子針對該薄弱環節，利用非標車牌車輛引發的各類案件不斷增加，嚴重影響了人民群眾的生活和財產安全，成為社會安定的一大隱患。為了大大地提高了對非標車牌車輛的檢索效率和管控能力，提升公安工作科學化水平，建立非標車牌車輛智能檢索系統。

2 系統分析

如圖 1所示，非標車牌車輛智能檢索系統可分為三層，從底層到高層依次是接入高清卡口電子警察圖像、視頻圖像的接入層，對圖像進行分析的非標車類別描述和特征提取層以及面向用戶的文本和圖像檢索應用層。為了徹底解決非標車的文本描述和圖像檢索問題，下面對這三層分別進行分析。

首先是數據接入層，我們的待分析數據有兩大來源，一是卡口-電警的抓拍靜態圖像；二是監控視頻。在整個數據來源上來說，卡口-電警圖片大約占整個公安監控的20%左右；監控視頻約占80%。

然后是文本描述和特征提取層， 初步將非標車劃分為三輪車、電動摩托車、電動自行車、自行車、摩托車、輕型摩托車和行人等目標，并采用了圖像特征計算和GPU智能比對等技術。

最后是文本和圖像檢索應用層，針對治安監控和卡口電警圖像的非機動車分類的文本檢索和圖像檢索系統。

3系統設計

3.1系統框架設計

非標車智能檢索系統主要包括過車數據接入模塊，結構化描述模塊、檢索模塊、結構化數據庫和solr檢索系統，最后輸出檢索結果，如圖 2所示。過車數據接入模塊獲取前端采集的圖片和過車描述信息，將其發送到rabbitmq；結構化描述模塊從rabbitmq中獲取過車記錄，將圖片下載到本地，然后進行圖片的結構化描述，將結構化描述后的數據存入結構化數據庫和solr檢索系統，非結構化特征數據存放到GPU搜索引擎，以備進行非標車以圖搜圖；檢索模塊可通過solr檢索系統進行文本檢索，并進行圖像檢索和局部特征檢索，最終輸出檢索結果。

3.2結構化描述模塊和檢索模塊設計

非標車智能檢索系統中的圖像可識別的內容包括：電動自行車、電動摩托車、自行車、摩托車-帶保險杠、摩托車-無保險杠、摩托車-輕型、行人、三輪車-有蓬、三輪車-無蓬、自行車-車尾、摩托車電動車車尾、三輪車車尾、三輪摩托車、車頭、車尾、非機動車-側身等類別。

非標車圖像檢索特征采用深度學習中的conv5特征層信息。

檢索模塊主要包括以下文本檢索和圖像檢索兩個方面：

1）文本檢索：通過輸入非標車類別、時間、點位等基本特征，快速獲取符合條件的目標，也可對多種條件進行組合檢索。

2）圖像檢索：根據給定的目標圖像，查找與目標相似的非標車圖片。

檢索結果按照匹配度或條件排序，并以縮略圖或列表形式顯示出來。圖像檢索可以與文本檢索結合，進行組合檢索，即通過非標車類別、時間、點位等文本信息過濾，縮小檢索范圍。

3.3系統功能

對監控系統中的非標車牌車輛進行實時結構化描述，描述內容包括非標車的綜合特征、非標車車型分類、非標車屬性分析等。

把待檢索的時間范圍內的非標車圖像數據加載到服務器，加載后，可以對待檢索的圖片目標進行快速檢索（只有擁有權限的用戶才能加載特定時段的數據）。

把非標車輛按照三輪車（帶篷）、三輪車（敞篷）、摩托車、電瓶車、自行車、車尾、其他分類，可以按分類快速篩選，以縮略圖形式顯示出來。

通過導入待查找的目標卡口圖像，手工框選待檢索目標（可有處理一幅圖中有多個車輛），對指定卡口的圖片進行智能檢索。既可以通過使用默認特征條件進行檢索，也可指定紋理特征優先或顏色特征優先來優化檢索。檢索結果按照匹配度排序，并縮略圖形式顯示出來，如圖3所示。

檢索結果可以通過人工選定，把選擇的多個同一目標多個點位圖像導出，形成非標車輛的軌跡。

以上功能表現為如下功能模塊：

1）可以通過輸入嫌疑目標的圖片來檢索與圖片相似的目標（摩托車、電瓶車、自行車、三輪車等非標車牌車輛），檢索的范圍可根據攝像頭點位（可支持通過PGIS地圖獲取）、時間來進行選擇，如圖4所示；

2）可以指定臨控目標圖像集合存入臨控庫（臨控目標集，包括摩托車、電瓶車、三輪車、自行車等多種非標車牌車輛的高清圖片），并對該臨控庫進行管理，包括添加、修改或刪除目標、參數設置等；

3）系統在后臺定時運行圖像比對，生成與指定圖像最相似的一個圖像集合，依據這個集合去發現監控目標，集合以報表的形式提供，如圖5所示：

4）系統支持多用戶并發應用，按照各自選定的時間段、點位集進行檢索比對，互不干擾。

4 結束語

非標車智能檢索系統徹底解決高清卡口電警和視頻監控的非標車檢索問題，系統實現只要是監控系統捕捉到的非標車目標既可以進行文本屬性檢索又能進行特定目標的圖像檢索。能夠幫助公安機構加強城市非機動車管理水平、抑制非機動車違章、打擊偷盜非機動車案件、震懾偷盜分子。

參考文獻：

[1] 陳杰.基于視頻結構化描述的圖像綜合平臺應用研究[D].蘇州：蘇州大學，2014.

[2] 譚懿先.智能高清卡口綜合檢索系統分析與設計[J].電腦知識與技術，2019，15（1）：101-102.

[3] 李春紅.基于圖像結構化描述的車輛識別平臺應用研究[D].蘇州：蘇州大學，2016.

[4] 李莉，馮林，吳俊，等.全局和局部特征的圖像檢索[J].中南大學學報：英文版，2018，25（2）：259-276.

[5] 徐磊.嵌入式處理系統在智能高清卡口中的應用[J].計算機時代，2011（5）：26-28.

【通聯編輯：謝媛媛】