智能车辆监控系统与发展趋势

国立台湾海洋大学资工系教授谢君伟。

电脑视觉监控产学研联盟结合官学研的力量，由前身交大电脑视觉运算中心所开发的种种视觉识别技术，以高速而无须实时运算的对称式识别技术，从人到车，从车辆的车牌、车型？车色与年份的识别，都能做到精准且实时的监控，有助于学区、园区内停车场与人物管控系统的监控智能化…

追踪人比追车难  追移动的车更是难上加难

国立台湾海洋大学资工系教授谢君伟先生，他提到他跟下一位议题主讲人台北大学资工系林道通教授，都是来自「电脑视觉监控产学研联盟」的团队成员，并针对「智能车辆监控系统与发展趋势」等议题与来宾分享。

首先他提到应用于汽车方面的监控技术，着重于行人与车辆，像监控的摄影机可安装于汽车前面，做为行人侦测系统之用，美国已立法规定2018年出厂的车辆，需配置行人侦测系统或后视摄影警示系统。

谢君伟指出以智能监控追踪技术来说，外型属于刚性的车辆比较好追踪，而人比较难被追踪，因为人是属于非刚体的物体。他展示一个最近合作的绿建筑监控案例，该系统藉由监控办公室各隔间、会议室的人的走动情况，自动将未使用的会议室或办公室隔间的冷气关闭，同时也可以切换、监控每个会议室或办公室隔间的摄影机画面。

目前车辆识别技术以人车分离为原则，可以统计上高速公路的车辆数量并分辨到车辆甚至是车牌号码，但对警方而言这样还不够。假设发生了汽车爆炸案件，需要调集大规模、广范围的数以千计之摄影机，从每天24小时的录影画面去追踪车辆，以及发生车祸时对肇事车辆的追踪。

而目前监控识别技术仅做到车牌识别还不足够，因为在发生车祸或爆炸往往发生在一瞬间，目击者往往不一定记得车号，可能只记得车型或颜色。而他所提到的车辆识别技术不仅可以识别车牌，还能识别车型、厂牌甚至年份。

车辆识别系统的技术挑战与解决关键

谢君伟提到不仅是车辆本身的移动或晃动，就连背景的阳光、人物甚至摄影镜头本身的移动，都会对车辆的识别造成影响。这部分若用背景相减法(Background subtraction)解不出来；若使用光流法(Optical flow)－随着时间的推移，记录并分析物体移动的端点矢量与移动特性，则会非常耗费运算时间与硬件资源，要做到实时监控追踪有其难度。

另一种称为Model-based的识别法则，预先建立各种车型的几何端点数据与参数，识别的优劣取决于几何图样模型的完整度与细腻度，同时也无法侦测尚未建立于几何图样于既有数据库的车型。还有一种称主动轮廓侦测技术(Active contour based detection)，则是将车辆外型简化成带有移动尾迹的几何轮廓(主动轮廓)，但缺点一样是非常耗费运算时间与硬件资源。

电脑视觉监控产学研联盟则以物件对称性(Symmetrical)作为识别演算法的技术基础，只要靠单张车辆影像，先抓出垂直中心线，利用汽车特徵点，形成车辆前后外型(从轮胎、车底、水箱罩、车灯到引擎盖)的左右对称的特徵对来做比对，可以做到每秒可以抓50张画面的实时处理识别。

他展示一个识别系统的短片，目前的对称性车辆识别技术，即便晚上也可以迅速且正确的识别出车辆车型与年份。首先找出车头，接着沿红线(sliding windows)向下寻找一定区域与Intensity区域，用sliding windows去记录最小或变化的区域，然后沿红线(sliding windows)向上寻找一定区域的gradient最小区域(因为引擎盖gradient比车头小很多)。而这项识别技术已经有厂商申请技转。

相较于其他智能车辆监控技术，目前其他厂商仅能提供车牌识别，以及最多eTag识别(需事先登录)，对于车辆颜色、车型与年份等关键细项则无法提供识别；电脑视觉监控产学研联盟已握有相当成熟的车牌识别技术，国内许多厂商的车牌识别的技术，包含原始码都是从产学研联盟授权或购买所取得；再结合上述对称式车型的智能识别技术，可以做到车辆车牌、颜色、车型甚至车辆年份的交互索引与识别。

智能车辆识别系统的实际展示

谢君伟接下来做一个实际智能车辆识别的应用展示，他指出先把车辆的R、Y框线抓出来，透过车牌识别，与车型、车色的特徵点的比对，即便在大太阳下有强烈反光的情况下，仍不会影响判读，正确识别出正确的车型(2010年的TOYOTA Altis灰色)。

他展示一段以交大所建置、连线于新竹科学园区的智能人车管控系统，无论是一般正常天气下，或者在台风来袭、风雨交加的实时监控画面，驶入车道的车辆，经过设定的识别框线内，都能被正确的识别出其车辆车牌号码、厂牌？车型与年份。

他指出目前这套智能车辆识别系统，已内建了像丰田(Toyota)的Altis、Camry、Vios、Wish、Yaris、Previa、Innova、Surf、Tercel、Rav4；本田(Honda)的CRV、Civic、FIT；日产(Nissan)的March、Livina、Teana、Sentra、Cefiro、Xtrail、Tiida；三菱(Mitsubishi)的Zinger、Outlander、Savrin、Lancer，铃木(Suzuki) Solio；以及福特(Ford)的Liata、Escape、Mondeo、Tierra等6厂29种各年份的车型数据，车型与年份识别准确率高达99.07%。

他随机展示一部前方为TOYOTA SURF客货车的对称式识别为例，首先抓取交通号志，然后识别是行人还是车辆；然后抓取车灯位置，接下来从车灯位置抓取车牌并做车牌号码识别。

他指出这项技术也可应用在像安全监控系统、防盗系统、智能行车系统、行车记录器、交通监控系统等，静态可置于车站、停车场及道路等公共区域，动态可用于智能行车系统等方面。

像是铁路平交道附近的监控系统，他举例像最近一项完成建置于高速铁路(高铁)的交通监控系统，部署于高铁轨道高架桥下并且做一周7天、每天24小时全天候的录影监控，去取代过去花费人力观看的步骤。

谢君伟最后介绍他与林道通、其他教授合作，在交通大学所建置的「智能人车物管控系统」，整合8项技术，从园区一、二期共6种异质摄影机整合，连接到科管局的摄影机中控室；中控室再以光纤专线200M(VPN)连接到交大云端中心，处理后端的云端监控(人物事件、车事件)，以串流服务器与网页服务器做中央管控，连接后端SQL数据库。以一期4年约1亿2,000万新台币，总共两期8年的Top-Down规划。

此系统可适应户外环境的持续监控，具备可依车牌、车型、年份的智能寻车功能，具备实时车辆的移动纪录管控，实时检索停车场内车辆信息，并建立中控中心以检索可疑事件。整个系统涵盖由谢君伟教授负责的入口车牌识别及嵌入式系统，李锡坚、韩钦铨教授负责的车型、车辆颜色车辆移动纪录管理系统，电子信息看板系统，显示园区内可供来宾停车的车位信息，并显示引导的路径信息。

陈永昇负责的车辆长程追踪系统与3D监控显示系统，以及由王圣智、连振昌、张文钟教授负责的停车场管理系统：黄仲陵教授负责的利用步伐分析作人员身份确认技术，分析有无可疑份子还是原车主接近该停好车位的车辆附近。而3D监控显示系统，能将入园车辆的录影画面，以3D立体、360度环景方式来做车辆移动轨迹的呈现与监控。