车辆排序及ETC交易方法、存储介质、工控机设备及ETC系统与流程

本发明涉及智能交通(intelligenttransportationsystem，its)领域，尤其涉及一种基于人工智能的车辆排序方法、etc交易方法、可读存储介质、出入口工控机设备及etc系统。

背景技术：

随着居民生活水平的提高和出行需求的增加，我国的机动车和非机动车保有量不断攀升，交通拥挤已成为城市管理中急需解决的难题。在一些特定区域，例如收费区域，停车场出入口等，由于车辆数量较多且混杂，无法准确地对这些特定区域内的各车辆进行相应的处理。例如在高速路etc收费站以及停车场出入口，车辆众多排列拥挤，有可能出现跟车干扰甚至交易出错。

技术实现要素：

本发明要解决的技术问题在于，针对现有技术存在无法获取车辆顺序的缺陷，提供一种基于人工智能的车辆排序方法、etc交易方法、可读存储介质、出入口工控机设备及etc系统。

本发明解决其技术问题所采用的技术方案是：构造一种基于人工智能的车辆排序方法，用于对特定区域内的车辆进行排序，包括：

获取摄像头所采集的视频数据，其中，所述摄像头的监控区域覆盖所述特定区域；

根据车辆识别模型对所述视频数据进行车辆识别和车辆定位，获得多个车辆框图，其中，各车辆框图包含车辆特征信息和图像坐标信息；

根据所述各车辆框图的图像坐标信息对所述多个车辆框图进行排序，确定所述特定区域内各车辆的排序，其中，所述各车辆通过所述车辆特征信息表示。

优选地，所述车辆框图为矩形框，根据所述各车辆框图的图像坐标信息对所述多个车辆框图进行排序，具体为：

根据所述各车辆框图的矩形框的中心点x坐标，和/或，y坐标以及预设参考对象对所述多个车辆框图进行排序。

优选地，所述车辆识别模型包括基础检测网络和扩展检测网络，相应的，

所述根据车辆识别模型对所述视频数据进行车辆识别和车辆定位，具体为：

将所述视频数据输入所述基础检测网络，以获取车辆的低层次特征；

将所述视频数据输入所述扩展检测网络，以获取车辆的深层次特征，其中所述深层次特征用于车辆分类和车辆定位，以获得所述各车辆框图的所述车辆特征信息和所述图像坐标信息。

优选地，所述特定区域为：单车道区域、双车道区域、多车道区域、自定义范围区域中的任一种。

本发明还构造一种etc交易方法，应用于出入口工控机设备，包括：

根据以上所述的车辆排序方法，实时确定所述特定区域内各车辆的顺序；

获取etc路侧单元读取的当前车辆etc电子标签的车辆信息，并判断所述当前车辆etc电子标签的车辆信息是否与所述各车辆的顺序中最前方的车辆一致；

若是，则对所述当前车辆的etc电子标签进行扣费。

优选地，所述当前车辆etc电子标签的车辆信息包括车牌信息，判断所述当前车辆etc电子标签的车辆信息是否与所述各车辆的顺序中最前方的车辆一致，具体为：

判断所述当前车辆etc电子标签的车牌信息是否与所述各车辆的顺序中最前方的车辆的车牌信息一致。

优选地，所述当前车辆etc电子标签的车辆信息还包括车型信息，在判断所述当前车辆etc电子标签的车牌信息是否与所述各车辆的顺序中最前方的车辆的车牌信息一致之后，所述方法还包括：

判断所述当前车辆etc电子标签的车型信息是否与所述各车辆的顺序中最前方的车辆的车型信息一致。

本发明还构造一种可读存储介质，存储有计算机程序，所述计算机程序在被处理器执行时实现以上方法的步骤。

本发明还构造一种出入口工控机设备，包括处理器，所述处理器在执行所存储的计算机程序时实现以上方法的步骤。

本发明还构造一种etc系统，包括etc路侧单元、摄像头，还包括以上所述的出入口工控机设备。

本发明所提供的技术方案，借助于现有停车场或高速公路已经安装好的摄像头来采集特定区域内的视频数据，并对该视频数据进行车辆识别和车辆定位，进而对特定区域内的各车辆进行排序。当该技术方案应用于高速公路的出入口时，有助于减少跟车现象和邻道干扰；当该技术方案应用于停车场时，可维护通行秩序，减少通行纠纷，提高社会公平。

附图说明

为了更清楚地说明本发明实施例，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。附图中：

图1是本发明基于人工智能的车辆排序方法实施例一的流程图；

图2是本发明基于人工智能的车辆排序方法应用场景的示意图；

图3是本发明etc交易方法实施例一的流程图；

图4是本发明etc系统实施例一的逻辑结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是本发明基于人工智能的车辆排序方法实施例一的流程图，该车辆排序方法用于获取特定区域内的车辆排序，其中，特定区域包括但不限于：单车道区域、双车道区域、多车道区域、自定义范围区域，自定义范围区域例如为用户通过区域编辑设定的不规则区域。该实施例的车辆排序方法可应用于高速公路、停车场，还可以应用于交通数据采集点等应用场景，且具体包括：

步骤s11.获取摄像头所采集的视频数据，其中，所述摄像头的监控区域覆盖所述特定区域；

在该步骤中，结合图2，摄像头设置在龙门架或者设置在路侧支架上，且其监控区域覆盖特定区域，例如图2中的特定双车道区域，图2中，该摄像头所拍摄到的图像画面包含该特定双车道区域内四辆车。

步骤s12.根据车辆识别模型对所述视频数据进行车辆识别和车辆定位，获得多个车辆框图，其中，各车辆框图包含车辆特征信息和图像坐标信息；

步骤s13.根据所述各车辆框图的图像坐标信息对所述多个车辆框图进行排序，确定所述特定区域内各车辆的排序，其中，所述各车辆通过所述车辆特征信息表示。

通过该实施例的技术方案，借助于现有停车场或高速公路已经安装好的摄像头来采集特定区域内的视频数据，并对该视频数据进行车辆识别和车辆定位，进而对特定区域内的各车辆进行排序。当该技术方案应用于高速公路的出入口时，有助于减少跟车现象和邻道干扰；当该技术方案应用于停车场时，可维护通行秩序，减少通行纠纷，提高社会公平。

进一步地，车辆框图为矩形框，而且，根据所述各车辆框图的图像坐标信息对所述多个车辆框图进行排序，具体为：

根据所述各车辆框图的矩形框的中心点x坐标，和/或，y坐标以及预设参考对象对所述多个车辆框图进行排序。

在一个具体实施例中，首先需要对图像划定坐标系以及坐标系原点，可以道路延伸方向作为y轴，以与道路延伸方向垂直的方向作为x轴，以摄像头所处位置映射至所述道路的点作为该坐标系的原点。假设检测出来的车辆图片区域表示形式为矩形框(左上角坐标(tl,tr)，右下角坐标(bl,br))，对每个矩形框计算中心点坐标[(tl+bl)/2,(tr+br)/2)]，然后，根据各个矩形框的中心点的y坐标进行排序，得到覆盖区域的车辆的排序顺序。

进一步地，在一个可选实施例中，车辆识别模型包括基础检测网络和扩展检测网络，相应的，所述根据车辆识别模型对所述视频数据进行车辆识别和车辆定位，具体为：

将所述视频数据输入所述基础检测网络，以获取车辆的低层次特征；

将所述视频数据输入所述扩展检测网络，以获取车辆的深层次特征，其中所述深层次特征用于车辆分类和车辆定位，以获得所述各车辆框图的所述车辆特征信息和所述图像坐标信息。

在该实施例中，采用深度神经网络对特定区域内的车辆进行识别和定位。深度神经网络由基础检测网络和扩展检测网络网络构成。基础检测网络可以采用大型神经网络如resnet101,vgg19,也可以采用微型神经网络如squeezenet、mobilenet等，且用于负责较低层次特征提取，其中，低层次特征包括车辆的颜色、纹理、边缘、棱角等信息；扩展检测网络可以分为目标特征提取子网络，目标分类子网络和目标定位子网络，且用于负责深层次特种提取、目标分类(例如，机动车、非机动车包括电动自行车、自行车、摩托车等)、目标定位。通过基础检测网络和扩展检测网络对特定区域内的车辆进行识别和定位，可获取特定区域内各车辆框图的车辆特征信息和图像坐标信息。在一些实施例中，如果在特定区域提取到各个车辆的颜色、纹理、边缘、棱角以及车型等低层次特征信息都相同的情况下，深度神经网络还提取该特定区域内各车辆中的驾驶员信息、车内挂饰信息、前挡风玻璃上年检标签信息等作为各个车辆的特征信息，从而可根据各个车辆的特征信息加以区分各个车辆。

图3是本发明etc交易方法实施例一的流程图，该实施例的etc交易方法应用于高速公路的出入口工控机设备，且具体包括：

步骤s21.出入口工控机设备实时确定所述特定区域内各车辆的顺序，具体可根据前文所述的车辆排序方法来确定特定区域内各车辆的顺序；

步骤s22.出入口工控机设备获取etc路侧单元读取的当前车辆etc电子标签的车辆信息，并判断所述当前车辆etc电子标签的车辆信息是否与所述各车辆的顺序中最前方的车辆一致；

步骤s23.若是，则对所述当前车辆的etc电子标签进行扣费。

通过该实施例的技术方案，当车辆进入高速公路的出入口时，一方面，etc路侧单元会读取其etc电子标签的车辆信息，另一方面，摄像头也会拍摄高速公路出入口区域的视频数据，并通过车辆识别模型来获取该区域内的各个车辆的顺序，然后，若判断etc路侧单元所读取的车辆信息与通过车辆识别与定位所获取的车辆顺序中最前方的车辆一致，则认为未发生跟车现象或邻道干扰，进而正常对当前车辆进行扣费放行；反之，则认为可能发生了跟车现象或邻道干扰。

在一个可选实施例中，当前车辆etc电子标签的车辆信息包括车牌信息，etc路侧单元读取到etc电子标签的车牌信息后，发送至出入口设备，出入口设备判断所述当前车辆etc电子标签的车辆信息是否与车辆识别模型输出的各车辆的顺序中最前方的车辆一致，具体为：判断当前车辆etc电子标签的车牌信息是否与车辆识别模型输出的各车辆的顺序中最前方的车辆的车牌信息一致。在该实施例中，通过比较所读取的etc电子标签中的车牌信息是否与所获得的排序中最前方车辆的车牌信息相一致，来确定是否可能发生了跟车现象或邻道干扰。

在一个可选实施例中，当前车辆etc电子标签的车辆信息还包括车型信息，出入口设备在判断所述当前车辆etc电子标签的车牌信息是否与各车辆的顺序中最前方的车辆的车牌信息一致之后，出入口设备判断所述当前车辆etc电子标签的车型信息是否与车辆识别模型输出的各车辆的顺序中最前方的车辆的车型信息一致。在该实施例中，在确认了未发生跟车现象或邻道干扰后，还进一步比较所读取的etc电子标签中的车型信息是否与所获得的排序中最前方车辆的车型信息相一致，若一致，则说明未发生更换etc电子标签的情况，若不一致，则说明发生了非法更换车辆etc电子标签的情况，因此，通过比较车型信息可防止“大车小标”情况的发生。

本发明还构造一种可读存储介质，存储有计算机程序，所述计算机程序在被处理器执行时实现以上方法的步骤。该可读存储介质例如可为只读存储器(read-onlymemory；rom)、随机存取内存(randomaccessmemory；ram)、非永久性内存、永久性内存、静态内存、易失存储器、闪存和/或任何存储数字信息的设备。而且，该可读存储介质与处理器相连，处理器被配置为调用该可读存储介质所存储的计算机程序并执行上述方法的步骤，例如，图1所示的基于人工智能的车辆排序方法，及，图3所示的etc交易方法。该处理器可以是中央处理单元(centralprocessingunit，cpu)，还可以是其它通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。本发明还构造一种出入口工控机设备，包括处理器，该处理器在执行所存储的计算机程序时实现以上方法的步骤。该处理器被配置为调用该可读存储介质所存储的计算机程序并执行上述方法的步骤，例如，图1所示的基于人工智能的车辆排序方法，及，图3所示的etc交易方法。该处理器可以是中央处理单元(centralprocessingunit，cpu)，还可以是其它通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，该出入口工控机设备还与摄像头、etc路侧单元相连，例如，可通过有线方式连接，也可通过无线方式连接

图4是本发明etc系统实施例一的逻辑结构图，该实施例的etc系统包括出入口工控机设备11及分别与该出入口工控机设备11相连的摄像头12和etc路侧单元13，而且，出入口工控机设备11的逻辑结构参照前文所述，在此不做赘述。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何纂改、等同替换、改进等，均应包含在本发明的权利要求范围之内。