买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：甘肃紫光智能交通与控制技术有限公司

摘要：基于以图搜图技术的高速公路车辆收费稽核系统及行驶路径双重获取检验方法，含有车辆图片获取装置、图片数据传输单元、图片数据处理单元，车辆图片获取装置为门架和高清摄像头，高清摄像头抓拍通过门架的车辆图片；图片数据传输单元是有线或无线数据传输结构，用于将图片数据传输至图片数据处理单元。由抓拍车辆图片，训练车辆检测模型，车辆特征提取。根据车辆经过门架的时间依次排序确定车辆行驶的路径。由收费站入口、出口拍摄的图片信息，获取出入信息。用行人重识别技术，找出该车辆经过的所有门架信息。将以图搜图的路径与收费流水信息对比，若路径不符，则存在疑似违规，根据以图搜图还原的真实路径，达到方便稽核的目的。

主权项：1.基于以图搜图技术的高速公路车辆收费稽核系统，其特征是：含有车辆图片获取装置、图片数据传输单元、图片数据处理单元，所述车辆图片获取装置为门架和高清摄像头，所述高清摄像头安装在门架上，高清摄像头设有感应器，感应器感应车辆经过时启动摄像抓拍通过门架的车辆图片，所述门架和高清摄像头在高速公路收费站进口、收费站出口以所需数量设置，收费站之间道路上至少设置一套；所述图片数据传输单元用于将图片数据传输至图片数据处理单元；所述图片数据处理单元含有存储器和数据处理器，将所获得的车辆图片处理，数据处理器含有车辆特征提取模块、车牌解析模块、最优图片选择模块、相似度最高图片对比模块，所述车辆特征提取模块是将采集拍摄的车辆图片信息统一管理，采用YOLO目标检测算法，从拍摄的图片中提取车辆特征，训练车辆目标检测模型，确定网络系数权重，对门架拍摄图片中的车辆进行提取，排除图片背景的影响；所述YOLO目标检测算法使用的网络设计为：车辆目标检测采用卷积网络来提取特征，主要使用1x1卷积来做channlereduction，然后紧跟3x3卷积；对于卷积层和全连接层，采用LeakyReLU激活函数：maxx,0；所述训练车辆目标检测模型含有网络训练和网络预测，网络训练：在模型训练之前，先利用ImageNet预训练，预训练的分类模型添加一个average-pool层和全连接层，在预训练得到的卷积层之上加上随机初始化的4个卷积层和2个全连接层，网络的输入从224x224增加到了448x448；采取通用的锚框，初始设定长宽的锚框，网络在初始锚框的基础上输出预测框，进而和真实框groundtruth进行比对，计算两者差距，再反向更新，迭代网络参数；网络预测：网络采用其中的GIOU_Loss做Boundingbox的损失函数，对于每个预测框根据类别置信度选取置信度较大的那个类别作为其预测标签，设置置信度阈值，将置信度小于该阈值的box过滤掉，再对这些预测框使用NMS算法，得到检测结果；所述车牌解析模块是根据收费站出入口拍摄的车辆信息JSON文件，解析车牌，确认车辆进入高速收费站的入口和出口，获得车辆行驶路径的起始位置和终止位置，为车辆路径的还原提供出入口信息；所述最优图片选择模块是对车辆图片获取装置原始取得的数据进行清洗，剔除抓拍车辆时重复拍摄的图片、抓拍为车辆背面的图片、车牌号未识别的图片、门架号标识有误的图片，在确定时间段同一门架下只保留一张最清晰的图片；对收费站出入口取得的车辆图片JSON文件进行过滤，剔除确定时间段重复保存的车辆JSON文件、车牌号未识别的JSON文件，确定车辆经过收费站出口所在时间段、入口所在时间段只保留一个最为清晰的图片文件；所述相似度最高图片对比模块是利用行人重识别方法，根据入口车辆图片信息，对比门架拍摄图片之间的相似度，寻找该车辆在下一时刻经过的门架，取相似度最高的图片作为该车辆在下一时刻的经过门架抓拍的图片，从而确定该车辆的行驶路径，用于稽核通行车辆的是否有违规行为；结合路网模型提高出口图片选取识别效率：选择一张门架车辆图片作为重识别的依据，利用行人重识别模型，依据路网模型在该车辆可能经过的下一门架搜索该车辆的图片，搜索到后作为下一次搜索的依据，若预测的下一门架不存在该车辆的图片信息，则使用行人重识别法继续查找预测的下一门架相近的另一个路网节点门架信息，以此类推，逐步还原车辆行驶路径。

全文数据：

权利要求：

百度查询： 甘肃紫光智能交通与控制技术有限公司 基于以图搜图技术的高速公路车辆收费稽核系统及行驶路径双重获取检验方法