基于卷积神经网络的车脸识别防逃费稽查平台研究

薛珂安

摘要：文章基于卷积神经网络技术，分析高速公路车脸识别防逃费稽查平台的设计与应用。从车辆品牌型号识别、以图搜车技术、临界车型判定等方面分析了平台的实现原理;从节假日临界车型研判模块、ETC大车小标研判模块、数据汇聚、数据存储、图片存储等方面阐述了平台的组成与功能，并结合高速公路管理案例，验证平台功能达到了高速公路稽查管理的要求。

关键词：车脸识别防逃费稽查平台;卷积神经网络;以图搜车技术;临界车型;数据汇聚

中国分类号：U491.4文章标识码：A451704

0 引言

近年来，广西高速公路交通量不断增长，交通管理难度越来越大，如节假日7座以上二类客车恶意逃费、在途冲卡、假套牌、克隆车等逃费问题十分突出，给高速公路营业收入造成了重大损失，还带来了一系列的治安秩序问题和交通安全隐患。要有效解决上述问题，必须依靠科技手段，通过对视频卡口过车图片进行智能分析，快速发现逃费车辆，收集逃费车辆过程信息，巩固逃费证据链，可使高速公路运营、收费、稽查等部门对车辆逃费进行追缴，将恶意逃费车辆及驾驶员证据提供给公安部门进行打击，有效净化高速公路收费经营管理工作并实现增收提效。

1 卷积神经网络系统实现原理

1.1 车辆品牌型号识别

采用机器学习、深度学习算法对卡口车辆图片进行品牌型号自动智能识别，车辆品牌型号识别采用卷积神经网络（简称CNN）进行模型训练和识别，CNN是一种多层的前馈神经网络，由一个或多个卷积层、亚采样层以及顶端的全连通层组成，其在语音识别、图像识别、模式分类等领域都有着极为出色的应用。……