陳 雅，唐宇健

（1.廣西警察學(xué)院 廣西 南寧 530023；2.南寧市煙草專(zhuān)賣(mài)局 廣西 南寧 530007）

依托于大數(shù)據(jù)和各類(lèi)高新技術(shù)而出現(xiàn)的智能交通，其基礎(chǔ)目標(biāo)在于從源頭上解決因城市格局與道路規(guī)劃新舊交替等所帶來(lái)的交通擁堵問(wèn)題。智慧交通管理系統(tǒng)作為構(gòu)建智慧交通的核心，可應(yīng)用于道路運(yùn)輸?shù)恼麄€(gè)過(guò)程，具有提升交通運(yùn)輸體系的效率與全面性，促進(jìn)交通事業(yè)轉(zhuǎn)型與現(xiàn)代化發(fā)展，提高檢測(cè)與管理的效率與質(zhì)量，改善交通混亂狀況等特性。為優(yōu)化環(huán)境、車(chē)、道路、人等因素之間的關(guān)系，智能交通構(gòu)建對(duì)圖像識(shí)別、圖像處理等核心技術(shù)提出了更為嚴(yán)格的要求。從提升智能交通應(yīng)用的效率角度而言，選擇和應(yīng)用適宜的圖像識(shí)別與處理技術(shù)，保持技術(shù)更新的頻次與應(yīng)用需求的契合度，具有極為關(guān)鍵的作用。

一、智能交通構(gòu)建對(duì)圖像識(shí)別與處理技術(shù)選擇的要求

（一）基于交通管理精準(zhǔn)識(shí)別的要求

智慧交通管理系統(tǒng)以具體交通運(yùn)輸現(xiàn)狀為客觀依據(jù)，以各種信息技術(shù)為輔助，構(gòu)建起集合了最為先進(jìn)的控制技術(shù)、處理技術(shù)、計(jì)算機(jī)信息技術(shù)、數(shù)據(jù)傳輸技術(shù)、圖像識(shí)別與處理技術(shù)為一體的系統(tǒng)。為應(yīng)對(duì)交通管理的首要任務(wù)（即分析并處理汽車(chē)監(jiān)控圖像）需要先進(jìn)的圖像處理和圖像識(shí)別技術(shù)來(lái)自動(dòng)識(shí)別和管理公路流量監(jiān)控信息、失竊車(chē)輛查詢(xún)、高速公路電子收費(fèi)站等重要場(chǎng)合中的汽車(chē)車(chē)牌號(hào)。

圖像識(shí)別與處理技術(shù)在智能交通系統(tǒng)中應(yīng)用極為廣泛，且在應(yīng)用中需要圖像作為依據(jù)的問(wèn)題點(diǎn)也很多，如需要識(shí)別和判斷車(chē)牌、車(chē)輛大小和外形、車(chē)身顏色、車(chē)輛所有者與司機(jī)的匹配度等。因此，在圖像識(shí)別與圖像處理技術(shù)的選擇和應(yīng)用上，必須保障所選技術(shù)與應(yīng)用目標(biāo)的適配性、與時(shí)俱進(jìn)性、及時(shí)更新性。此外，考慮到圖片拍攝與識(shí)別中，車(chē)輛本身的方向、尺度、位置變化等受制因素較為復(fù)雜，如車(chē)輛的時(shí)速、角度會(huì)影響圖片拍攝的清晰度，鄰近物體、光照、車(chē)輛之間的遮擋等會(huì)影響圖片識(shí)別的精準(zhǔn)度[1]。而車(chē)輛檢測(cè)算法對(duì)車(chē)輛識(shí)別率的要求更為嚴(yán)苛，所以，智能交通系統(tǒng)對(duì)圖像識(shí)別與處理技術(shù)的準(zhǔn)確性、先進(jìn)性和有效性的要求更為嚴(yán)格。

（二）基于違法犯罪證據(jù)采集的精準(zhǔn)適配需求

智能交通系統(tǒng)同樣可應(yīng)用于交通執(zhí)法、刑事偵查的合作中。如智能交通系統(tǒng)借助數(shù)據(jù)處理、數(shù)字圖像采集傳輸、模式識(shí)別等技術(shù)，采集機(jī)動(dòng)車(chē)圖片抓拍、嫌疑人人臉識(shí)別、車(chē)輛號(hào)牌識(shí)別等特征，在不間斷記錄并分析每天過(guò)往車(chē)輛時(shí)，為執(zhí)法部門(mén)快速提供交通違法或犯罪及嫌疑人的行蹤等真實(shí)一手證據(jù)。

以上操作的順利和有效進(jìn)行需要以高清卡口系統(tǒng)為核心，該系統(tǒng)包含中心管理、網(wǎng)絡(luò)傳輸、前端數(shù)據(jù)采集等子系統(tǒng)。前端數(shù)據(jù)采集子系統(tǒng)通過(guò)有效的圖像抓取與識(shí)別技術(shù)，來(lái)獲取往來(lái)車(chē)輛的交通參與者人臉信息以及車(chē)牌號(hào)碼、圖片、經(jīng)過(guò)時(shí)間等數(shù)據(jù)。網(wǎng)絡(luò)傳輸子系統(tǒng)將前端數(shù)據(jù)采集子系統(tǒng)所提供的真實(shí)數(shù)據(jù)傳輸?shù)街行墓芾碜酉到y(tǒng)中，以集中共享、存儲(chǔ)、管理實(shí)時(shí)采集到的數(shù)據(jù)和信息。

需要注意的是，在真實(shí)的應(yīng)用中，智能交通管理系統(tǒng)以上各部分的操作容易受到噪聲、灰塵、光線(xiàn)、天氣等多種自然因素的影響，圖形識(shí)別率極低[2]。尤其是室外場(chǎng)景顏色和運(yùn)動(dòng)中車(chē)體表面反射光線(xiàn)的方向不同，導(dǎo)致拍攝到的圖像顏色非恒定，紋理有可能絮亂、存在差異甚至扭曲，嚴(yán)重影響目標(biāo)的圖像識(shí)別與采集。有研究人員嘗試校準(zhǔn)攝像頭、調(diào)整顏色飽和度和白平衡度等方法，但仍難確保圖像顏色識(shí)別算法的精度?；诖?，從智能交通可持續(xù)發(fā)展的需要看，圖像識(shí)別與處理技術(shù)的選用，不僅需要滿(mǎn)足車(chē)輛日常管理的需求，還需要滿(mǎn)足對(duì)違法犯罪嫌疑人進(jìn)行追蹤所需的圖像識(shí)別的清晰畫(huà)質(zhì)和圖像特征等需求。

二、常態(tài)化交通管理中圖像識(shí)別與處理技術(shù)的選用路徑

（一）二次優(yōu)化現(xiàn)有技術(shù)，保障車(chē)牌識(shí)別精準(zhǔn)普適性

車(chē)牌特征提取與車(chē)牌圖像分割是智能交通領(lǐng)域中解決交通管理日常問(wèn)題的重要環(huán)節(jié)[3]，同樣也是應(yīng)對(duì)公路流量監(jiān)控、失竊車(chē)輛查詢(xún)等車(chē)輛識(shí)別與定位要求的重要手段之一。保障圖像識(shí)別與處理的精準(zhǔn)度，可從車(chē)牌特征提取與車(chē)牌圖像分割入手，參照日常交通管理中的普適性標(biāo)準(zhǔn)，來(lái)細(xì)化此項(xiàng)操作對(duì)圖像識(shí)別與處理的精準(zhǔn)度。

在車(chē)牌像素特征方面，目前比較常用的提取方式是角點(diǎn)提取、弧度統(tǒng)計(jì)、梯度統(tǒng)計(jì)等，其中13點(diǎn)車(chē)牌圖像特征提取法的識(shí)別性、適應(yīng)性更強(qiáng)，但是收斂性弱，特征點(diǎn)少[4]。此種操作方式需要將字符等分成8個(gè)模塊并計(jì)量黑色像素個(gè)數(shù)，統(tǒng)計(jì)豎直和水平中間兩個(gè)像素模塊的黑色像素點(diǎn)，繼而以第3個(gè)特征作為黑色像素點(diǎn)的代表。為應(yīng)對(duì)此種操作方式的不足，建議增強(qiáng)圖像像素點(diǎn)個(gè)數(shù)與位數(shù)相同的向量矩陣的應(yīng)用適應(yīng)性?？稍趫D像掃描中嘗試對(duì)白色像素和黑色像素分別取值0和1，繼而在此基礎(chǔ)上排列像素點(diǎn)0和像素點(diǎn)1，分析維數(shù)與黑白像素點(diǎn)個(gè)數(shù)，以保障圖形對(duì)應(yīng)向量矩陣的操作便捷性。

與之相比，通過(guò)提取車(chē)牌骨架特征來(lái)得到圖像特征向量矩陣的方式更具有普適性。此種操作方式需要以圖像限制寬度的差異作為識(shí)別和處理圖像的關(guān)鍵點(diǎn)，在車(chē)輛骨架圖像采集和處理之前，統(tǒng)一處理圖像輪廓寬度，并去除影響圖片輪廓寬度的各項(xiàng)因素，盡可能減少因車(chē)輛輪廓寬度數(shù)值差異化所帶來(lái)的影響。

（二）調(diào)整灰度轉(zhuǎn)化方式，強(qiáng)化梯度銳化處理

定位車(chē)牌圖像得到256色位圖圖像的方式相對(duì)復(fù)雜，在具體計(jì)算過(guò)程中如果不借助灰度轉(zhuǎn)化難以順利展開(kāi)?；叶葓D像中的每個(gè)像素的B、G、R值相等，灰度圖像不存在色彩差異僅存在個(gè)別亮度的區(qū)別，很容易影響圖像識(shí)別和相關(guān)信息的提取。對(duì)此，建議以灰度轉(zhuǎn)換處理后每個(gè)圖像中各個(gè)像素的唯一灰度值作為圖像暗度和亮度的識(shí)別依據(jù)，在使用二值化處理的方式后，將圖像中對(duì)應(yīng)的像素分化成具有差異化的黑白兩種顏色，再使用閾值法，通過(guò)計(jì)算得到轉(zhuǎn)化后的車(chē)輛牌照?qǐng)D像。

為加快計(jì)算方式的應(yīng)用速度，并保障程序?qū)崟r(shí)性，可在圖像采集之后，將RGB圖像處理如圖2所示。在轉(zhuǎn)化成灰度圖像后，可從真彩色圖像中按照如下方程式來(lái)處理灰度值：

Gray(x，y)=0.587G(x，y)+0.299R(x，y)+0.114B(x，y)

在使用此方程計(jì)算后，圖1的灰度值會(huì)處理到0～255內(nèi)，變換處理如圖2所示，在銳化處理完成后灰度值將出現(xiàn)新的變化，之后按照如下原則選闕值并進(jìn)行二值化處理后，得到的圖像如圖3所示：

圖1 汽車(chē)牌照?qǐng)D像黑白處理

圖2 汽車(chē)牌照?qǐng)D像銳化處理之后

圖3 汽車(chē)牌照?qǐng)D像二值化處理效果

達(dá)到以上效果是以圖像灰度方位中值為初始闕值，設(shè)為T(mén)0。假設(shè)共有L級(jí)灰度，按照下面的公式迭代處理時(shí)，h1屬于灰度是l值時(shí)的像素個(gè)數(shù)，區(qū)間范圍為 0≤l≤255。

常態(tài)下K值可選0.5，由于拍攝階段的車(chē)牌圖像有可能存在光線(xiàn)不穩(wěn)定等情況，為保障分割效果，可選擇0.6為K值。迭代到Ti+1=Ti時(shí)方可結(jié)束，在結(jié)束時(shí)，Ti是最終分割闕值T?？紤]到智能交通管理系統(tǒng)運(yùn)作中對(duì)圖像精準(zhǔn)度的各項(xiàng)要求較高，K值需要進(jìn)行動(dòng)態(tài)調(diào)整，調(diào)整時(shí)，車(chē)牌圖像中背景像素點(diǎn)總數(shù)和字符像素點(diǎn)總數(shù)的比值要固定[5]，公式如下所示：

上面公式中的S為背景像素點(diǎn)和字符像素點(diǎn)總數(shù)的比。S可按照車(chē)牌字符復(fù)雜程度差異而進(jìn)行調(diào)整，變化的范圍設(shè)定為1.8～2.5，S值能反映出闕值選擇是否正確。S在每次迭代時(shí)，K值的系數(shù)與S的關(guān)系如下所示：

按照此種方式自動(dòng)調(diào)節(jié)迭代系數(shù)能得到適應(yīng)能力較強(qiáng)的、相對(duì)準(zhǔn)確的車(chē)牌二值化圖像（最終效果如圖3所示）。

大多數(shù)情況下，交通運(yùn)輸管理中的圖像均采集自攝像頭，不同的攝像頭以及攝像頭的不同角度導(dǎo)致所拍攝到的同一車(chē)輛的圖片會(huì)有所差別。建議使用梯度銳化圖像的方式來(lái)去除噪點(diǎn)并嘗試增加圖像的清晰度。在微分法與高通濾波法的普遍應(yīng)用過(guò)程中，可增加梯度銳化法的應(yīng)用比例，比如使用微分預(yù)算來(lái)得到信號(hào)變化率，借助增強(qiáng)高頻分量的方式來(lái)提升圖像輪廓的清晰度。此項(xiàng)技術(shù)的應(yīng)用主要以圖像邊緣由灰度級(jí)和相鄰域點(diǎn)的不同像素點(diǎn)構(gòu)成為原理，在實(shí)踐應(yīng)用過(guò)程中，以輪廓取向難以確定問(wèn)題為抓手，使用具有旋轉(zhuǎn)不變、不具備方向性等特性的線(xiàn)性算子。對(duì)于難以精準(zhǔn)得到的梯度及圖像使用差分運(yùn)算后一行和一列的像素貼圖，建議使用圖像差分運(yùn)算后相對(duì)近似的前一列、一行梯度值來(lái)替代。

（三）針對(duì)性?xún)?yōu)化字符分割算法，統(tǒng)一規(guī)范字符處理操作

常用的分割車(chē)牌字符的算法主要有連通區(qū)域法、靜態(tài)邊界法和垂直投影法。此三種方式各具優(yōu)缺點(diǎn)，但均可應(yīng)用在車(chē)牌清晰圖像的獲取與處理工作中。在實(shí)際應(yīng)用中，對(duì)存在的缺點(diǎn)可結(jié)合具體操作要求來(lái)進(jìn)行有針對(duì)性的彌補(bǔ)。以垂直投影法為例，此種操作方式以垂直方向上字符塊的投影特征作為檢測(cè)依據(jù)，需要從左到右觀察并檢測(cè)車(chē)牌的坐標(biāo)垂直投影數(shù)值。通常情況下最左字符邊界是檢測(cè)得到的最大值。但是諸如字母“N”“L”等在垂直方向上投影時(shí)，容易出現(xiàn)因過(guò)度切割而影響其垂直投影數(shù)值的精確性的問(wèn)題。對(duì)此，建議調(diào)研容易出現(xiàn)垂直投影數(shù)值偏差的字符，并設(shè)定標(biāo)準(zhǔn)的寬度閾值和最小值，以此作為實(shí)踐操作過(guò)程中的衡量范本。連通區(qū)域法在實(shí)踐應(yīng)用過(guò)程中，需要以字符聯(lián)通域特征作為切割車(chē)牌字符的依據(jù)，但是會(huì)受到車(chē)牌噪聲區(qū)域過(guò)多與字符線(xiàn)條連接明顯等的影響。解決此問(wèn)題的方式是去噪。

在日常車(chē)輛照片拍攝的過(guò)程中，按照字符圖像處理的要求需要去噪。離散的噪聲在車(chē)牌定位中能去除掉一部分，但是現(xiàn)有的操作方式有可能同步去除字符像素。對(duì)此的彌補(bǔ)方式為掃描整個(gè)車(chē)牌圖像，設(shè)定非離散點(diǎn)值，提取黑色點(diǎn)，對(duì)比和分析與此黑色點(diǎn)直接關(guān)聯(lián)的黑色點(diǎn)數(shù)量，判斷其是否小于非離散點(diǎn)值，如果超過(guò)則需要去除，以此來(lái)增加離散噪聲的去除量?；蛘咭孕盘?hào)是否明顯集中作為判斷標(biāo)準(zhǔn)進(jìn)行信號(hào)周邊的掃描，如果周邊信號(hào)強(qiáng)烈，那么掃描到的信號(hào)在此范圍之內(nèi)，屬于非離散信號(hào)，不需要去除，反之則需要去除。

在拍攝的過(guò)程中，如圖4所示，在對(duì)車(chē)牌邊緣進(jìn)行檢測(cè)時(shí)，如果車(chē)牌出現(xiàn)水平方向的傾斜也會(huì)使字符高度出現(xiàn)變化，進(jìn)而影響到拍攝效果。對(duì)此需要找準(zhǔn)圖像平衡點(diǎn)，如圖5所示，找出車(chē)牌拍攝的傾斜度，以此為軸心分析圖像左右邊像素的平均高度，繼而求斜率，依據(jù)偏轉(zhuǎn)角重新組織圖像，并使用反算法旋轉(zhuǎn)水平字符符號(hào)圖像位置，對(duì)比得到的數(shù)值與之前的對(duì)應(yīng)位置坐標(biāo)。如圖6所示，確定車(chē)牌照上下邊界，進(jìn)而將車(chē)牌照分割歸一之后得到字符，如圖7所示。

圖4 車(chē)牌邊緣檢測(cè)

圖5 車(chē)牌拍攝的傾斜度

圖6 車(chē)牌照上下邊界的確定

圖7 車(chē)牌照分割歸一之后得到的字符

此外，統(tǒng)一處理同一圖像中的不同位置和不同尺寸的文字也極有必要，這利于增加圖像識(shí)別與處理的規(guī)范性和有效性。在實(shí)際操作過(guò)程中，可依據(jù)相關(guān)位置關(guān)系統(tǒng)一處理同一圖像中等比例縮小或放大的字符，將顯示特征、位置或大小存在差異的字符圖形轉(zhuǎn)化成統(tǒng)一的字符，來(lái)提升圖像識(shí)別的準(zhǔn)確率。為保證這一操作的規(guī)范性，建議以車(chē)輛圖像拍攝過(guò)程中所涉及的文字識(shí)別要求為基礎(chǔ)，編制對(duì)應(yīng)的準(zhǔn)則，或者細(xì)化已有的準(zhǔn)則及操作指南。位置歸一化法同樣可以有針對(duì)性地應(yīng)用在圖像字符統(tǒng)一處理的工作中。

三、違法犯罪證據(jù)采集需求下的圖像識(shí)別與處理技術(shù)選用路徑

（一）針對(duì)違法犯罪證據(jù)采集需求，設(shè)計(jì)高清卡口子系統(tǒng)

針對(duì)證據(jù)收集的要求，在智慧交通系統(tǒng)應(yīng)用的過(guò)程中，按照實(shí)際需求設(shè)計(jì)和調(diào)整高清卡口子系統(tǒng)。高清卡口子系統(tǒng)的設(shè)定必須滿(mǎn)足高清錄像、人臉識(shí)別、人臉抓取、車(chē)輛顏色識(shí)別、自動(dòng)識(shí)別、測(cè)速、逆行抓拍、圖片記錄、車(chē)輛捕獲等功能要求下的圖像抓拍和參與者人臉信息等各項(xiàng)數(shù)據(jù)的識(shí)別、存儲(chǔ)、共享管理、處理、匯總、采集、壓縮上傳等需求。由此可配以防雷器、開(kāi)關(guān)電源、外場(chǎng)工業(yè)交換機(jī)、終端服務(wù)器、車(chē)輛檢測(cè)器、閃光燈、卡口抓拍單元、數(shù)據(jù)庫(kù)服務(wù)器、存儲(chǔ)服務(wù)器、應(yīng)用服務(wù)器、管理服務(wù)器、Web服務(wù)器、光纖收發(fā)器等。系統(tǒng)網(wǎng)絡(luò)的構(gòu)建也需要圍繞違法犯罪證據(jù)采集需求，針對(duì)高清卡口子系統(tǒng)圖像識(shí)別與處理技術(shù)的選擇和應(yīng)用的需求來(lái)操作。

車(chē)牌識(shí)別系統(tǒng)雖然具有較高的識(shí)別率，但是在具體應(yīng)用過(guò)程中仍需要考慮各項(xiàng)因素，如車(chē)牌類(lèi)似形狀物、車(chē)身類(lèi)似形狀物、車(chē)牌遮擋物，甚至需要考慮采光、拍攝設(shè)備性能等對(duì)拍攝對(duì)象的干擾。對(duì)此，建議加大車(chē)牌自動(dòng)識(shí)別系統(tǒng)時(shí)長(zhǎng)以及增加采集環(huán)境復(fù)雜度，從普適性角度出發(fā)來(lái)分析車(chē)牌自動(dòng)識(shí)別系統(tǒng)各個(gè)模塊對(duì)算法原理的要求，將車(chē)牌自動(dòng)識(shí)別系統(tǒng)嵌入高清卡口系統(tǒng)里，按照智能交通構(gòu)建中對(duì)圖像識(shí)別和圖像處理技術(shù)的選擇與應(yīng)用實(shí)際情況，來(lái)進(jìn)一步研究其功能的配置和設(shè)計(jì)，以便取得更好的識(shí)別效果。

（二）契合適配功能選擇技術(shù)，結(jié)合實(shí)戰(zhàn)豐富應(yīng)用功能

在契合適配功能選擇技術(shù)方面，以車(chē)輛自動(dòng)識(shí)別功能為例，可采用多樣式視頻加線(xiàn)圈檢測(cè)方式來(lái)滿(mǎn)足高清卡口系統(tǒng)的車(chē)輛檢測(cè)需求。建議使用Web開(kāi)發(fā)高清卡口系統(tǒng)，并建立車(chē)牌字符庫(kù)，在系統(tǒng)中設(shè)定可點(diǎn)擊的車(chē)牌識(shí)別、字符分割、車(chē)牌提取、車(chē)牌定位接口，通過(guò)點(diǎn)擊使車(chē)牌號(hào)碼在Text Edit控件中直接顯示用于識(shí)別車(chē)牌。監(jiān)測(cè)區(qū)域車(chē)輛的圖像抓取，可使用補(bǔ)光設(shè)備和高清攝像頭來(lái)應(yīng)對(duì)。車(chē)輛自動(dòng)識(shí)別子系統(tǒng)需要圍繞圖像的預(yù)處理、車(chē)牌字符分割、車(chē)輛定位檢測(cè)和字符識(shí)別以及車(chē)牌輸出、圖片中相關(guān)信息的疊加來(lái)設(shè)定。

人臉識(shí)別功能的開(kāi)發(fā)，在設(shè)計(jì)中需要設(shè)定可隨時(shí)調(diào)取公安系統(tǒng)中我國(guó)公民個(gè)人人臉信息的功能接口，在圖像域處理系統(tǒng)提取并定位所調(diào)取的人臉特征后，進(jìn)行自動(dòng)預(yù)處理，其中涉及使用高斯濾波和預(yù)處理函數(shù)的問(wèn)題。SURF算法可應(yīng)用在原本庫(kù)特征與提取特征的匹配中，在匹配特征點(diǎn)個(gè)數(shù)達(dá)到最多時(shí)，直接輸出識(shí)別結(jié)果并以此人人臉命名。如果原圖像中出現(xiàn)多個(gè)人臉，則需要檢測(cè)并提取人臉。為提升人臉識(shí)別功能應(yīng)用的有效性，需要在高清卡口系統(tǒng)中設(shè)定嫌疑人人臉庫(kù)并提取特征來(lái)生成xml文件，以便于圖像識(shí)別時(shí)使用人臉檢測(cè)算法來(lái)預(yù)測(cè)、定位人臉圖像。人臉區(qū)域圖像可通過(guò)摳圖的方式得到，在提取特征后與讀入的xml文件進(jìn)行差異化對(duì)比，進(jìn)而輸出結(jié)果。圖像操作方式可應(yīng)用在采集、識(shí)別、對(duì)比核查駕駛?cè)藛T或者其他交通參與者是否是在逃犯、犯罪嫌疑人等方面。3D人臉識(shí)別可作為人臉識(shí)別功能開(kāi)發(fā)的技術(shù)補(bǔ)充，以便于多角度識(shí)別人臉，提升人臉識(shí)別算法的適應(yīng)性和準(zhǔn)確率。

為提升高清卡口子系統(tǒng)的有效性，滿(mǎn)足業(yè)務(wù)應(yīng)用層的實(shí)戰(zhàn)分析、稽查布控、卡口監(jiān)控等需求，建議在車(chē)牌識(shí)別服務(wù)、人臉識(shí)別服務(wù)、數(shù)據(jù)轉(zhuǎn)發(fā)服務(wù)和研判智能化服務(wù)的功能性設(shè)定的基礎(chǔ)上，增加可為駕駛?cè)藛T或公安內(nèi)部工作人員等提供Web查詢(xún)的Web服務(wù)，可為管理人員提供具體駕駛?cè)藛T地理信息的系統(tǒng)服務(wù)、為前端各種應(yīng)用提供云計(jì)算和檢索的快速搜索服務(wù)，為外部系統(tǒng)的布測(cè)控等服務(wù)需求提供的卡口系統(tǒng)接口調(diào)用服務(wù)，為車(chē)輛檢測(cè)實(shí)時(shí)對(duì)比和告警聯(lián)動(dòng)提供的異常車(chē)輛及黑名單車(chē)輛告警服務(wù)。除此之外，在兼顧智能交通車(chē)輛日常檢測(cè)和管理的需求下，還可以設(shè)定車(chē)輛統(tǒng)計(jì)、車(chē)輛查詢(xún)、電子地圖、實(shí)時(shí)監(jiān)控、權(quán)限管理、運(yùn)維管理、設(shè)備管理、稽查布控、用戶(hù)管理等各項(xiàng)功能。

（三）數(shù)據(jù)分析及采集偏差問(wèn)題處理

在大數(shù)據(jù)采集過(guò)程中，還會(huì)存在盲點(diǎn)、偏差、陰影、甚至自相矛盾等問(wèn)題。由于問(wèn)題集中在車(chē)輛的運(yùn)動(dòng)軌跡上，所以根據(jù)數(shù)據(jù)平臺(tái)，讀取某個(gè)時(shí)間指向的具體位置數(shù)據(jù)集是系統(tǒng)重點(diǎn)分析的內(nèi)容。其中i=0，即設(shè)定的起始值。假設(shè)i=0時(shí)，在大數(shù)據(jù)平臺(tái)中獲取一個(gè)數(shù)據(jù)集：

T（i）={(X0，Y0)，(X1，Y1)，…(Xi，Yi)}

其中，X表示經(jīng)度，Y表示緯度，I表示數(shù)據(jù)采集的時(shí)間軸點(diǎn)。根據(jù)目標(biāo)數(shù)據(jù)在特征集中的分布，可以測(cè)算出一條車(chē)輛運(yùn)動(dòng)的軌跡。

如果各時(shí)間段的數(shù)據(jù)集存在盲點(diǎn)和偏差，就需要調(diào)用“智能交通系統(tǒng)”中的多元數(shù)據(jù)，進(jìn)行數(shù)據(jù)測(cè)算和推演。將不同來(lái)源的數(shù)據(jù)進(jìn)行權(quán)限設(shè)定，P(j)表示第j個(gè)數(shù)的權(quán)重比，n表示元數(shù)據(jù)的個(gè)數(shù)，因此，新推演出來(lái)的某個(gè)時(shí)間軸的數(shù)據(jù)信息可以通過(guò)訓(xùn)練得知：

需要注意的是在具體人臉定位法應(yīng)用的過(guò)程中，從如何精準(zhǔn)獲取人臉圖像的角度考慮，還需要思考如何應(yīng)對(duì)車(chē)輛形狀、拍攝角度、光線(xiàn)、遮擋物等影響下，駕駛室內(nèi)人臉圖像難以精準(zhǔn)有效獲取的問(wèn)題。尤其是在雨雪、霧天、夜間等客觀自然條件下，車(chē)牌識(shí)別、人臉精準(zhǔn)度以及車(chē)內(nèi)前排和后排人員衣著面貌與臉部特征、周?chē)h(huán)境、行駛車(chē)道等的抓取難以保障清晰和完整。雖然目前使用的500萬(wàn)像素抓拍單元的高清攝像頭和補(bǔ)光設(shè)備等，能一定程度上緩解此問(wèn)題，但是仍難以滿(mǎn)足高清卡口系統(tǒng)對(duì)圖像采集精準(zhǔn)度和有效性的嚴(yán)格要求。因此，在智能交通高清卡口系統(tǒng)的應(yīng)用過(guò)程中，按照車(chē)輛、嫌疑人、在逃犯等人臉識(shí)別和車(chē)牌識(shí)別的要求，應(yīng)在現(xiàn)有的識(shí)別算法中增加補(bǔ)償光的方式，以便于增強(qiáng)復(fù)雜交通場(chǎng)景圖像的清晰度和完整性。Web形式開(kāi)發(fā)下的高清卡口系統(tǒng)客戶(hù)端，固然能滿(mǎn)足使用者隨時(shí)遠(yuǎn)程監(jiān)控、人臉識(shí)別、車(chē)輛識(shí)別和車(chē)輛檢測(cè)等需求，但仍需從適應(yīng)多數(shù)場(chǎng)景的需求入手，優(yōu)化人臉識(shí)別法，提升其適應(yīng)性和準(zhǔn)確率。

綜上所述，作為控制技術(shù)、信息處理技術(shù)、數(shù)據(jù)傳輸技術(shù)等高新技術(shù)的集合體，智能交通系統(tǒng)能滿(mǎn)足智能化和信息化的交通安全管理需求，有利于在提升社會(huì)和諧度的同時(shí)，更好地優(yōu)化道路、環(huán)境、車(chē)、人之間的關(guān)系。但是智能交通系統(tǒng)對(duì)支撐其構(gòu)成并應(yīng)用的各項(xiàng)信息技術(shù)的適配性與更新性等的要求很高，尤其是對(duì)圖像處理和圖像識(shí)別新技術(shù)應(yīng)用的精準(zhǔn)度、適應(yīng)性、普適性、有效性的要求更為嚴(yán)格?，F(xiàn)有的圖像處理與識(shí)別技術(shù)在日常交通管理和違法犯罪證據(jù)采集方面能起到極為有效的輔助作用，但受客觀工作環(huán)境、設(shè)備完備性、技術(shù)程度等各項(xiàng)因素的影響，并不能完全滿(mǎn)足智能交通系統(tǒng)的要求。建議在車(chē)牌識(shí)別應(yīng)用方面，加大對(duì)字母、數(shù)字、文字的規(guī)范力度，強(qiáng)化對(duì)印刷制品文字等的識(shí)別研究，進(jìn)一步提升車(chē)牌識(shí)別的精準(zhǔn)度。