不停车收费系统中若干关键问题的研究

1、不停车收费系统中假设干关键问题的研究论文导读:：传统的车辆通行费收费方式费时费力，而且容易造成收费站的交通拥挤。不停车电子收费系统(ETC)具有高速便捷的特点，在国外已经广泛应用，也是国内公路收费的技术开展趋势。但不停车电子收费系统确面临着车辆身份的有效识别和数据传输的平安性等诸多问题。本文讨论了电子不停车收费中需要解决的几个关键问题，并给出了解决这些问题的相关技术方案，本文讨论的内容对电子不停车收费的研发具有技术上的指导意义。论文关键词：车辆身份识别，支持向量机，数据加密，信息融合1 引言随着现代交通事业的飞速开展，传统的人工收费、人工管理的车辆收费系统已经不满足于现在社会的需要，取之而代的

2、是电子不停车收费系统Electronic TollCollection,简称ETC【1】。ETC主要是指车辆可以以相当高的速度通过收费口,无须在收费站前减速和停车交费，它在国外已经被广泛地应用，目前国内已经有10多年的开展路程，技术也较为成熟，到达了国际先进水平。传统的车辆自动识别技术大多采用非接触射频IC技术，但单独采用射频IC卡技术，只能以IC卡中记载的车辆身份信息作为车辆身份判别的唯一依据，从而无法对车辆身份作出准确的判别，又由于IC卡一般是储值卡，其信息的存储和传输平安必须得到有效地保证。因此，本文讨论了一些用于车辆身份判别的辅助技术，如基于支持向量机算法的车牌和车型识别技术，使车辆身

3、份识别正确率大大提高的信息融合技术、以及基于对称密钥加密算法AES和非对称密钥加密算法RSA的信息平安技术。1车型和牌照的识别技术在ETC电子不停车收费系统中，车型、车牌的自动识别系统是一个重要的组成局部，它可以通过与IC卡中记录的相应数据做比拟从而判断车辆的真是身份。由于识别率上的限制，仅对车牌或车型进行识别并不能准确的对车辆身份进行确定，因此还需要对这两种识别结果进行融合分析，以提高车辆身份识别的准确率。1.1车型识别在收费站应用车型识别时，截取的图像是动态的。在动态条件下，车型自动识别系统是从动态的视频图像中检测到汽车目标并自动识别其类型，这个过程包括运动目标的检测分割、特征提取与选择、

4、模式识别三个步骤。把背景图像差分法和帧间图像差分法结合起来，利用一种有效的基于图像块和HVS彩色图像差值相结合的新的运动目标检测、分割算法，可以有效地对车型进行识别。算法克服了背景图像差分法和帧间图像差分法的缺点，并且能有效地消除阴影的影响，具有自适应能力、速度快，抗噪声性能较好的特点。算法具体原理如下：把摄像机固定在公路的左上方，由于高速公路是单行道，因此视频监视图像中的目标只能从一边出现假设从左边出现，而且从左到右具有连续性。首先获得一幅只含有固定背景的图像，然后不断的从序列图像中获取当前帧图像，把和分别按列分成左右两个图像块、，用与差分得到图像，计算图像的均值或标准差，当均值或标准差变化

5、大于时，确定有运动目标出现。如果发现运动目标出现，延迟一段时间t后，锁存另外一帧图像 ，把也分成左右两个图像块、，t的选择要保证运动目标在t秒后完全进入图像块中，用与差分得到图像信息融合，即包含了运动引起的变化，对进行滤波和形态学运算，然后通过水平投影和垂直投影得到运动目标的位置、分割出运动目标。通常，各类汽车的车身侧视图的区别在于车身长、车身高、车型图像周长、车型图像的最小外接矩形面积、图像的圆形度、宽高比等，但是这些特征不具有平移、旋转和比例不变性，而矩特征是广泛使用的形状特征之一，一些最根本的二维形状特征都与矩有直接的关系。因此，在提取了车型图像的不变矩特征后，再利用神经网络对这些特征进

6、行筛选，获得最有效的特征，然后根据这些特征采用支持向量机技术设计车型分类器。1.2 牌照识别在研究牌照识别的算法时，常规的识别算法包括车辆图像的预处理、图像检测、模糊模板匹配和牌照字符的识别四局部，为了提高识别率，一般都引入了支持向量机的识别算法。车牌字符在进行了成功分割以后，车牌字符的识别就成了一个关键问题，采用支持向量机做牌照字符识别，是一个多分类问题，而传统的支持向量机分类算法是一个典型的二分类问题，因此需要通过多个二类支持向量机的组合来实现字符的分类。通常用的比拟多的多类识别的方法有二类组合分类中的一对多判别策略和一对一判别策略。在一对多判别策略中，对n个类别仅需要构造n个支持向量机，

7、每一个支持向量机分别将某一类的数据从其他类别中别离出来。在测试时，取决策函数输出值最大的类别为测试样本的类别，在一对一的判别策略中，各个类别之间两两构造分类器，每个分类器函数的训练样本是相关的两个类。在测试时，可以利用投票策略。此外，也可以通过改写二次规划中的目标函数使之直接适用于多值分类，但是由于其二次规划形式过于复杂，一般很少采用。由于在车牌字符识别中所涉及的待分类别较多，如果利用二类别组合分类中的一对一策略，在识别的过程中会浪费很多有用信息，识别效果较差，而利用一对多策略的话就要构造很多支持向量机分类器，这无疑增加了测试阶段的工作量。因此可采用基于先验知识的二叉树结构组合多个二值分类支持

8、向量机称为SVM决策树来解决车牌的多类识别问题。以一个四类分类问题为例，用于车牌识别的SVM决策树的模型如图1所示。a无先验知识的SVM决策树b有先验知识的决策树图1 SVM决策树模型图1a是完全无先验知识的SVM决策数构形。为了提高识别的速度，我们采用如图1b所示的具有先验知识的SVM决策树构形，我们可以充分利用我们关于车牌字符的先验知识来指导树叶节点的划分，从而构造出一棵测试速度最优的SVM决策树，按照最优二叉树的顺序决定SVM分类器的使用。例如对豫;字车牌较多的情形，我们可以定义类别4为车牌中的豫;字，利用SVM决策树中级别最高的分类器SVM0首先分类出豫;字车牌以加快SVM的分类速度。

9、以车牌中数字的识别为例，在对车牌数字进行识别的训练过程中，系统以车牌数字图像值作为特征向量，将该特征向量作为支持向量机的输入，然后在每个类别间两两构造支持向量机分类器函数。例如对于09这10个数字类别需要构造多个支持向量机分类器进行分类。在测试时，先将训练阶段构造的分类器按照一定顺序进行排序。由于支持向量机的分类机理使希望经验风险和VC置信度同时最小，因此，对这些分类器分别按照经验风险与VC置信度之和由大到小排序，和越小的分类器优先级别越高。在排序完成后，将测试样本的特征向量先代入优先级最高的分类器中，根据其结果可以淘汰另一半的分类器，依次类推，可以节省掉很多在二类组合分类中无法防止的重复工作

10、免费论文。通过上述方法，对用数码相机随机拍下的车牌图像进行定位、提取和字符分割，得到的结果如图2所示。a车牌图像定位和提取 b车牌字符提取c车牌字符识别图2 车牌字符的识别过程2数据的网络传输平安【7】不停车收费系统可以采用对称密钥加密算法AES和非对称密钥加密算法RSA两种数据加密方法来保证系统中敏感信息在网络中传输的平安性,如图3所示。图3 不停车收费系统中的数据加密算法2.1 AES加密算法AES加密通过分组密码返回的加密数据的位数与输入数据相同。加密过程如下：1 给定一个明文X，将初始态State初始化为X，并进行轮密钥加AddRound Key操作，将轮密钥与State异或。2 对前

11、Nr-1轮中的每一轮，用S盒进行一次字节代换Sub Bytes操作；对State做一次行移位Shift Rows操作；再对State做一次列混淆Mix Columns操作；然后进行轮密钥加Add Round Key操作。3 依次进行SubBytes、Shift Rows、Add Round Key操作。4将最后State中的内容定义为密文Y。2.2 RSA加密算法为了建立RSA密码系统，用户需完成以下各步骤：(1)用户产生两个大素数p和q；(2)计算和；(3)选择一个随机整数，使得和互为素数，即。(4)使用扩展 Euclidean算法计算；(5)将和作为他的加密密钥直接公开。对消息进行加密前，

12、首先将消息分解成为消息比特串分组，分组长度要保证。用M来表示某一分组后的消息的十进制表示，那么。假设用M表示明文，用C表示密文M和C均小于n，那么加密和解密运算为：加密：解密：RSA体制中的加密密钥是公开的，而解密密钥d是保密的，虽然在RSA的加密与解密密钥建立后，p与q不再需要，但p与q也绝不可泄露。不停车收费系统中敏感信息加密过程如下：当费用结算管理中心C和各收费站F之间需要进行信息传输时，首先调用AES加密程序对所要传输的内容进行加密处理。然后采用非对称密钥密码RSA算法对AES加密密钥进行加密，最后和原有加密信息同时传输给信息接收方。接收方收到信息后，利用RSA中自己的私钥将AES的密

13、钥进行解密，再解密原有加密信息即可得到原有明文信息。3信息融合技术信息融合最早用于军事领域，定义为一个处理探测、互联、估 计以及组合多源信息和数据的多层次多方面过程，以便获得准确的状态和身份估计、完整而及时的战场态势和威胁估计。它强调信息融合的三个核心方面：第一，信息融合是在几个层 次上完成对多源信息的处理过程，其中每一层次都表示不同级别的信息抽象；第二，信息融合包括探测、互联、相关、估计以及信息组合；第三，信息融合的结果包括较低层次上的状 态和身份估计，以及较高层次上的整个战术态势估计。由于不停车收费系统各种说明车辆身份的信息如车牌、车型、车重和IC卡记录的数据都不完全是可靠的信息，为了提高

14、车辆身份的判别正确率，将这些信息融合是有必要的信息融合，因为通过对不同信息采集通道数据的综合处理，可以得到比任何单个数据源更全面、更准确的信息，它是提高车辆身份识别准确率的一个有效技术途经。在实际系统中，不停车收费系统信息融合组建是整个收费系统中身份判别的一个核心组件。不停车收费系统中的信息融合模型可以如图4所示。图4 高速公路不停车收费系统信息融合计算模型模型中的信息采集通道分别是非接触IC卡、车辆检测器和数码相机，用来完成车型参数、牌照参数和车载非接触IC卡卡号的数据采集，模型中的关键局部是对采集到的信息进行信息融合计算。非接触IC卡阅读器、车辆检测器、数码相机采集到数据后，进行数据层融合

15、处理，主要包括对采集到的图片进行预处理，同时对车型、牌照进行识别，另外根据采集到的卡号检索数据库中相应记录等。而要真正得到判决输出的结果，关键还要进行决策层的数据处理，应该看到仅仅通过车型数据，是没法进行对结果命题即合法车辆;的判决，只有联合卡号或者牌照才可以作为决策层的输入数据，这样数据融合层的3重证据卡号，牌照，车型在进行决策层融合前，变成了2重证据牌照+车型和卡号+车型来作为决策层数据融合的资源。这里，为了验证上述理论的可行性，可以假定这2个证据即牌照+车型和卡号+车型对命题合法车辆;的支持度分别为：=0.8 =0.2=0.9 =0.1所以，根据D-S证据组合规那么有：=这样，就可以得到

16、2重证据联合作用下的可信度由此可见，联合作用下的可信度比单个证据的可信度要高。对封闭式的高速公路，收费车道只有两种情况：要么是入口车道，要么是出口车道。正常的挡车器处于常闭状态，以保证非正常的车辆无效卡、无卡、假卡、低值卡不能通过自动收费车道。当车辆进入收费站区域时，启动数码相机和阅读器，数码相机获取汽车的车型和牌照信息，阅读器获取车载非接触IC卡中的相关身份数据，三种数据参数送上位机后，软件进行信息融合处理。如图5所示。图5 不停车收费系统信息融合总体流程在实际收费操作过程中，由于识别率原因，个别车辆的识别可能有偏差，这时，收费员可通过人工来进行判别。另外，人工收费也必须存在，以备在电子系统检修期间或系统检测到有非正常状态时，收费车道能正常工作。4 结论本文讨论了不停车收费系统中的几个关键问题，虽然目前已有成熟的技术解决这些问题，但对不停车收费系统所要求的高可靠性和平安性来说，即使解决了这些问题仍然不能满足实际应用的需要。所以在实际应用中，比拟可行的方案是将几种技术联合应用，对反映不停车收费系统特征的多个信息进行融合，以期取得更为精确的判定结果。本文提出的思想和讨论的方法对不停车收费系统的开展具有理论上的指导意义。参考文献【2】王慧斌,芦蓉