朱萍　馬韻潔

摘要：針對城市海量的卡口數(shù)據(jù)，從中能快速有效地檢測出套牌嫌疑車，該文提出一種基于大數(shù)據(jù)技術(shù)快速分析套牌車方法，通過引入管理節(jié)點(diǎn)和多臺(tái)數(shù)據(jù)節(jié)點(diǎn)資源協(xié)同并行處理海量數(shù)據(jù)下的套牌車檢測問題，進(jìn)一步提高檢測速度和準(zhǔn)確率。

關(guān)鍵詞：車牌識別；套牌車；大數(shù)據(jù)

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2015）34-0020-01

1 概述

隨著社會(huì)的發(fā)展，人民生活水平的提高，道路上的機(jī)動(dòng)車也越來越多。截至2014年底，我國汽車保有量新增1707萬輛，目前全國機(jī)動(dòng)車保有量達(dá)2.64億輛，其中汽車1.54億輛，因此，套牌機(jī)動(dòng)車的數(shù)量也隨著增高。由于套牌機(jī)動(dòng)車發(fā)現(xiàn)難度大、檢測難度高，有許多套牌機(jī)動(dòng)車使用多年并沒有被發(fā)現(xiàn)， 嚴(yán)重地影響了道路交通安全秩序，如隨意闖紅燈、超速、跨越雙實(shí)線、亂停亂放，給廣大人民群眾的安全出行帶來隱患，也為肇事逃逸案件的偵破增加了難度。

為解決套牌車問題，本文具體介紹了基于視頻圖像處理技術(shù)實(shí)現(xiàn)套牌車的識別，主要從視頻和圖像中識別出車牌信息，并結(jié)合城市卡口的位置和時(shí)間信息，從而判斷是否為套牌車輛。

2 技術(shù)實(shí)現(xiàn)方法

通過前端卡口攝像機(jī)識別的車牌號、位置信息，利用“時(shí)間差”判定，檢測出涉嫌套牌車輛的方法[1]，即基于同一輛車在不可能時(shí)間內(nèi)出現(xiàn)在兩個(gè)地點(diǎn)的原理，分析各監(jiān)控點(diǎn)的車牌信息，實(shí)現(xiàn)套牌車的自動(dòng)檢測及報(bào)警。

2.1卡口監(jiān)控點(diǎn)的選取[2]

只有選取合適的監(jiān)控點(diǎn)，才能最大程度減少套牌車漏分析，因此選取監(jiān)控點(diǎn)應(yīng)符合最少監(jiān)控點(diǎn)、最大車流量的原則，一般優(yōu)先選取以下監(jiān)控點(diǎn)：

1） 城市主干道路，尤其是繁華地段；2）大型停車場、車站、火車站等繁忙路段和交叉口。

2.2 實(shí)現(xiàn)原理

利用城市卡口攝像機(jī)，對抓拍的圖像進(jìn)行分析，識別出車牌號及車牌顏色，結(jié)合城市卡口的位置信息以及經(jīng)過卡口的時(shí)間信息，判斷套牌機(jī)動(dòng)車， 同時(shí)還可以實(shí)現(xiàn)套牌車實(shí)時(shí)軌跡、歷史軌跡，為布控提供依據(jù)。具體實(shí)現(xiàn)原理如下：

1） 在大數(shù)據(jù)平臺(tái)上建立索引，由于不同車牌顏色有可能為同一車牌，防止誤判，因此以車牌號及車牌顏色為基準(zhǔn)建立索引， 并存儲(chǔ)經(jīng)過卡口的時(shí)間、卡口的位置等信息；

2） 預(yù)設(shè)城市各卡口之間的最短時(shí)間，設(shè)置時(shí)間矩陣，監(jiān)控范圍內(nèi)經(jīng)過任意兩卡口所需的最短時(shí)間為卡口間的距離與這兩個(gè)卡口之間道路最高時(shí)速之商[3]，將其作為套牌車時(shí)間閾值；

3） 通過城市卡口攝像機(jī)獲取經(jīng)過各卡口攝像機(jī)的車牌號、車牌顏色、經(jīng)過時(shí)間、卡口號等信息，通過城市網(wǎng)絡(luò)將相關(guān)信息傳輸?shù)酱髷?shù)據(jù)平臺(tái)上；

4） 將實(shí)時(shí)抓拍的車牌號及車牌顏色與索引表中的車牌號及車牌顏色比對分析；

5） 若比對分析結(jié)果有歷史信息，則需存儲(chǔ)時(shí)間、卡口的位置等信息即可，并與存儲(chǔ)中前一個(gè)歷史車牌號經(jīng)過卡口的時(shí)間進(jìn)行比對分析，判斷兩次過車的時(shí)間差是否小于兩個(gè)卡口間的時(shí)間閾值，若是，則為套牌車；若否，就記錄為歷史數(shù)據(jù)；

6） 若比對分析結(jié)果無歷史過車記錄，在索引中將實(shí)時(shí)過車記錄保存為歷史過車記錄。

2.3 大數(shù)據(jù)平臺(tái)

由于以上布控方式要求處理海量的數(shù)據(jù)，處理的效率要足夠高、數(shù)據(jù)要足夠準(zhǔn)確，因此，本文提出基于大數(shù)據(jù)技術(shù)快速分析套牌車方案。

基于開源的分布式計(jì)算架構(gòu) Hadoop，搭建大數(shù)據(jù)平臺(tái)，構(gòu)建1臺(tái)管理節(jié)點(diǎn)和多臺(tái)數(shù)據(jù)節(jié)點(diǎn)（根據(jù)城市實(shí)際卡口的數(shù)據(jù)量確定具體數(shù)量），其中1臺(tái)管理節(jié)點(diǎn)用于構(gòu)建索引和管理數(shù)據(jù)節(jié)點(diǎn)，多臺(tái)數(shù)據(jù)節(jié)點(diǎn)用于存儲(chǔ)車輛信息以及并行計(jì)算分析套牌車情況。

1） HDFS技術(shù)

Hadoop 提供了分布式文件系統(tǒng)HDFS，用于存儲(chǔ)車牌號、車牌顏色、經(jīng)過卡口的時(shí)間、卡口位置信息等，為分布式計(jì)算提供數(shù)據(jù)支撐。

2） MapReduce技術(shù)

MapReduce技術(shù)是并行計(jì)算模型，包括Map和Reduce兩個(gè)函數(shù)，可以進(jìn)行海量數(shù)據(jù)分割、任務(wù)分解與結(jié)果匯總，從而完成海量數(shù)據(jù)的并行處理，同時(shí)還可通過增加計(jì)算節(jié)點(diǎn)，使之在集群上并行執(zhí)行，實(shí)現(xiàn)系統(tǒng)的可擴(kuò)展性[4]。

MapReduce算法的核心由兩部分構(gòu)成，分別為Map算法和Reduce算法。其工作原理是先分后合的數(shù)據(jù)處理方式。Map算法即“分解”，將HDFS中存儲(chǔ)的海量數(shù)據(jù)（車牌號、車牌顏色等信息）分割成若干部分，分給多臺(tái)硬件計(jì)算資源上并行處理（從HDFS中尋找從前端卡口抓拍的車牌號信息）；Reduce算法即“合并”，把各臺(tái)處理器處理后的結(jié)果進(jìn)行匯總。若沒有相關(guān)的信息記錄則在存儲(chǔ)中將實(shí)時(shí)過車記錄保存為歷史過車記錄；若有相關(guān)信息的記錄，則與前一條過車的歷史記錄進(jìn)行比較分析，判斷是否是套牌車。

3 結(jié)論

針對城市卡口海量數(shù)據(jù)的處理，采用傳統(tǒng)的算法，會(huì)存在處理速度慢和計(jì)算瓶頸問題，提出了基于大數(shù)據(jù)技術(shù)快速分析套牌車方法，并結(jié)合車牌顏色識別，提高系統(tǒng)的反應(yīng)速度、提高了識別的速度和準(zhǔn)確率，使得系統(tǒng)性能更優(yōu)，更加有利于對套牌嫌疑車輛的實(shí)時(shí)檢測和識別。

參考文獻(xiàn)：

[1] 盧曉春，周欣，蔣欣榮.一種基于車輛牌照識別和網(wǎng)格化監(jiān)控的套牌車檢測方法：中國，200910058943.9[P].2009-09-23.

[2] 盧曉春，周欣，蔣欣榮.基于網(wǎng)格化監(jiān)控的套牌車檢測系統(tǒng)[J].計(jì)算機(jī)應(yīng)用，2009（10）.

[3] 林圣拿，張俊軒，胡佳妮.高效實(shí)時(shí)的車輛套牌嫌疑分析方法及其裝置：中國，201110300956.x[P].2012—05—O2.

[4] 覃雄派.大數(shù)據(jù)分析_RDBMS與MapReduce的競爭與共生[J].軟件學(xué)報(bào)，2012，23（1）：32-45.