基于图像识别的绿通车管理关键技术研究

作     者：申通 

作者单位：长安大学 

学位级别：硕士

导师姓名：靳引利

授予年度：2019年

学科分类：08[工学] 080203[工学-机械设计及理论] 0838[工学-公安技术] 0802[工学-机械工程] 

主      题：绿通车管理 查验稽查 卷积神经网络 图像识别 图像质量辨识 车型辨识 

摘      要：“绿色通道作为国家重要的惠农政策,不但保障农产品市场供应,更促进了农村地区经济发展。然而,随着此项政策的深入实施,绿通车管理中遇到的问题也逐渐暴露。绿通车数量大幅增长,部分货车司机在利益诱惑驱使下,将非绿通车辆伪装成绿通车逃避通行费,给车辆检查工作带来了挑战。同时,收费站检查工作无标准、不规范导致绿通车图像数据质量差,为后续的稽查工作增加了难度。论文在调研分析绿通车过站检查工作需求的基础上,设计了融合图像识别、目标检测等技术的图像分类模型对检查员拍摄的车辆图像进行有效性自动判别,提高图像数据库质量。同时对车辆类型进行分类识别,并研究不同类型绿通车作弊情况为差异化检查提供数据支撑。首先,论文通过对绿通车管理现状的实地调研,研究了绿通车图像数据特征并对绿通车图像无效的类型及产生原因进行分析。在此基础上,使用图像质量主观评价方法,制定了绿通车图像有效性的人工判定标准,并以此标准制作数据标签为图像有效性分类识别模型的训练提供数据支持。其次,结合绿通车图像数据特征设计了以卷积神经网络为核心的图像分类模型,包括图像分类模块及图像预处理模块。图像预处理部分,针对高速公路绿通车管理平台数据库中绿通车图像非均衡数据集的问题,采用人工合成少数类样本的方法对图像进行数据增强工作,防止网络过拟合。针对图像信息复杂的问题,论文提出了基于目标检测和图像剪切的图像预处理方法,剔除了图像中分类识别目标之外的冗余信息,大幅提高了分类准确率。最终对比分析多种卷积神经网络模型对预处理后的图像进行有效性分类的实验效果,最高准确率达到了93.76%。最后,论文从货车属性出发选取车辆轴型和车厢-装载类型作为绿通车车辆分类的关键指标,将绿通车按轴型分为8类,按车厢-装载类型分为6类。使用适合绿通车图像特征的分类模型对车辆类型进行识别分类,实验最终结果表明,车轴分类最高准确率达到97.20%,车厢-装载类型分类最高准确率达到98.82%。另外,从绿通车检查工作需求出发,在车辆分类的基础上,又通过作弊数据研究不同车辆类型的作弊概率,为绿通车的差异化检查提供辅助参考。