針對傳統(tǒng)的煤礦企業(yè)地磅稱重管理系統(tǒng)因人工采集信息導(dǎo)致工作效率低、質(zhì)量差，以及因缺乏防 作弊監(jiān)控措施導(dǎo)致偷煤現(xiàn)象頻發(fā)等問題，設(shè)計了一種煤礦視頻聯(lián)動地磅稱重智能識別管理系統(tǒng)，詳細介紹了 該系統(tǒng)的組成、視頻聯(lián)動地磅稱重智能識別原理、系統(tǒng)工作流程及軟件功能。該系統(tǒng)由視頻監(jiān)控系統(tǒng)、車輛 抓拍系統(tǒng)和數(shù)據(jù)采集系統(tǒng)組成，綜合應(yīng)用數(shù)字圖像處理、卷積神經(jīng)網(wǎng)絡(luò)、計算機網(wǎng)絡(luò)等技術(shù)，實現(xiàn)了基于車牌 識別和多特征匹配的煤礦地磅業(yè)務(wù)智能監(jiān)控功能。實際應(yīng)用表明，該系統(tǒng)可靠性高，操作簡便，有效減少了 人員工作量，并能夠防止作弊盜煤現(xiàn)象發(fā)生。

0.引言

傳統(tǒng)的煤礦企業(yè)地磅稱重管理系統(tǒng)中大部分信 息采集工作由司磅員手動完成，很難保證工作效率 及工作質(zhì)量。另外，系統(tǒng)缺乏有效的防作弊監(jiān)控 措施，導(dǎo)致大量偷煤現(xiàn)象，給企業(yè)造成巨大經(jīng)濟損 失。常見的作弊手段包括模糊車牌、更換車牌、車輛 不完全上磅稱毛重或多輛車同時上磅稱皮重、對地 磅傳感器加裝遙控干擾裝置等。

本文綜合運用數(shù)字圖像處理、卷積神經(jīng)網(wǎng)絡(luò) (Convolutional Neural Network,CNN)和計算機網(wǎng) 絡(luò)等技術(shù)，設(shè)計了一種煤礦視頻聯(lián)動地磅稱重智能 識別管理系統(tǒng)。該系統(tǒng)能夠自動檢測車輛是否完全 上磅，識別載煤車牌號并確保信息匹配，同時可自動 采集、傳輸、存儲和調(diào)取稱重數(shù)據(jù)，實現(xiàn)對煤礦地鎊 業(yè)務(wù)的智能監(jiān)控。實際應(yīng)用表明，該系統(tǒng)減輕了工 作人員的勞動強度，最大限度地防止了作弊行為的 發(fā)生。

1.系統(tǒng)組成

煤礦視頻聯(lián)動地磅稱重智能識別管理系統(tǒng)主要 由視頻監(jiān)控系統(tǒng)、車輛抓拍系統(tǒng)和數(shù)據(jù)采集系統(tǒng)組 成，如圖1所示。

1.1視頻監(jiān)控系統(tǒng)

每臺地磅進出口分別安裝1臺高清紅外攝像 機，進行全天候監(jiān)控。為保證視頻的清晰度，選用低 照度彩色攝像機，配有室外防水護罩。

在視頻監(jiān)控系統(tǒng)中，管理人員能夠直接在軟件 界面上觀察整個計重過程，可重點觀看稱重車輛上 磅情況、車牌號、車斗里有無其他物品。稱重現(xiàn)場視 頻圖像可被錄制下來保存到硬盤上。視頻監(jiān)控系統(tǒng) 可有效杜絕司磅員與司機溝通作弊等現(xiàn)象，確保稱 重數(shù)據(jù)的可靠性。

1. 2 車輛抓拍系統(tǒng)

車輛抓拍系統(tǒng)由紅外對射對位子系統(tǒng)和車牌識 別子系統(tǒng)組成。2對紅外對射器分別安裝在磅臺的 前后部，時刻檢測車輛位置。如果車輛未完全停在 鎊臺上，紅外對射器會自動感應(yīng)到，不允許稱重，直 至車輛完全停在磅臺上才允許稱重。當(dāng)車輛完全上 磅后，圖像采集設(shè)備受到地感線圈觸發(fā)，控制攝像機 獲取當(dāng)前時刻的圖像并保存，然后由車牌識別子系 統(tǒng)對圖像中的車輛進行車牌識別,并輸出車牌號、時 間等信息。圖像同時被壓縮、打包，通過網(wǎng)絡(luò)傳輸并 存人數(shù)據(jù)庫。

紅外對射對位子系統(tǒng)可有效防止車輛不完全上磅稱毛重作弊和多輛車同時上鎊稱皮重作弊，確保 稱重數(shù)據(jù)的準(zhǔn)確性。車牌識別子系統(tǒng)可有效減少人 工作業(yè)量，實現(xiàn)煤礦地磅車輛作業(yè)流水化，提高工作 效率。

1.3 數(shù)據(jù)采集系統(tǒng)

數(shù)據(jù)采集系統(tǒng)由采集、傳輸、存儲和調(diào)取4個部 分組成。系統(tǒng)自動采集稱重儀上的數(shù)據(jù)，避免人工 操作，有效防止人為因素作弊;根據(jù)RS232協(xié)議，將 數(shù)據(jù)編譯成固定的幀格式，接入到串口服務(wù)器并轉(zhuǎn) 換為以太網(wǎng)數(shù)據(jù)格式輸入網(wǎng)絡(luò)交換機，用于視頻監(jiān) 控系統(tǒng)和車輛抓拍系統(tǒng)的信息匹配；將稱重數(shù)據(jù)保 存到數(shù)據(jù)服務(wù)器;在二次稱重時，根據(jù)車牌號在數(shù)據(jù) 庫中調(diào)取一次稱重時的數(shù)據(jù)，自動進行載煤量計算。 數(shù)據(jù)發(fā)送方式為周期主動發(fā)送，每200 ms發(fā)送 1次。數(shù)據(jù)一旦進人數(shù)據(jù)庫，將永久保存，在未經(jīng)許可的情況下無法修改或刪除。數(shù)據(jù)采集系統(tǒng)可有效 避免人為因素產(chǎn)生的數(shù)據(jù)錄人錯誤，減少司磅員工 作量。

2.視頻聯(lián)動地磅稱重智能識別原理

煤礦視頻聯(lián)動地磅稱重智能識別管理系統(tǒng)中， 視頻監(jiān)控系統(tǒng)進行全天候監(jiān)控。當(dāng)有車輛進人磅臺 時，紅外對射器時刻檢測車輛位置，待車輛完全上鎊 后，攝像機對車輛進行圖像抓拍，自動識別車牌號并 將最終結(jié)果和壓縮后的圖像上傳至數(shù)據(jù)庫。同時稱 重儀對載煤車輛進行稱重(皮重或毛重)并將數(shù)據(jù)上 傳至數(shù)據(jù)庫。

車牌識別子系統(tǒng)是整個系統(tǒng)的重要組成部分， 也是最復(fù)雜的部分，需要對捕捉的車輛監(jiān)控圖像自 動進行車牌識別或多特征匹配。車牌識別率高低直 接關(guān)系到系統(tǒng)性能指標(biāo)。

2.1車牌識別

車牌識別主要包括車牌定位與字符識別2個階 段。在車牌定位階段，綜合應(yīng)用2種定位方式對 車牌進行初步定位檢測，然后使用CNN模型對檢 測到的候選車牌進行判斷;在字符識別階段，將 分割出的字符輸人到設(shè)計好的CNN模型中進行訓(xùn) 練，得到的輸出結(jié)果即為識別的車牌字符。

常見的車牌定位法有邊緣檢測定位法、顏色定 位法、文字定位法。邊緣檢測定位法適用于非車牌 區(qū)域垂直邊緣較少的情況；顏色定位法適用于車身 及背景中無藍色和黃色干擾的情況；文字定位法在 弱光條件下定位效果優(yōu)于其他2種方法。針對煤礦 常用運輸車輛背景顏色較為復(fù)雜的情況，系統(tǒng)綜合 采用邊緣檢測定位法和文字定位法。

車牌定位算法步驟：①對待識別圖像進行高斯 濾波，去除噪聲；②對濾波后的圖像進行灰度化處 理，為邊緣檢測做準(zhǔn)備；③使用Sobel算子檢測圖 像中的垂直邊緣；④將Sobel算子生成的灰度圖像 轉(zhuǎn)換為二值圖像;⑤采用形態(tài)學(xué)閉操作將車牌字母 連接成一個連通域，便于取輪廓；⑥截取各連通域 輪廓，便于形成最小外接矩形；⑦根據(jù)車牌尺寸排 除不可能是車牌的矩形；⑧通過角度判斷進一步排 除一部分車牌矩形；⑨旋轉(zhuǎn)候選車牌矩形，使其水 平；⑩歸一化候選車牌矩形。

在夜晚、陰天等弱光線條件下，若邊緣檢測定位 法失效，則采用文字定位法,具體步驟：①使用最大穩(wěn)定極值區(qū)域（Maximally Stable Extremal Regi0nS，MSER)法提取文字；②使用種子生長法 將文字塊連接起來，組合成候選車牌區(qū)域；③將候 選車牌送人CNN車牌判別分類器進行車牌判別。

得到車牌圖像后，將車牌上的字符分割出來進 行字符識別，得到車牌號。具體步驟：①將車牌圖 片轉(zhuǎn)換為灰度圖片；②判斷車牌顏色，對藍色車牌 使用正二值化，對于黃色車牌使用反二值化；③截 取每個字符輪廓；④截取的字符圖片歸一化；⑤送 人訓(xùn)練好的CNN字符判別分類器進行字符識別。

車牌識別流程如圖2所示。

在識別訓(xùn)練階段，采用Caffe深度學(xué)習(xí)框架，搭 配CaffeNet網(wǎng)絡(luò)模型進行訓(xùn)練。車牌判別與字符 識別采用相同的識別網(wǎng)絡(luò)，其訓(xùn)練過程基本一致，不 同之處在于車牌判別是將輸入圖片分為車牌與非車 牌2類，而字符識別是將輸入圖片分為65類，即 31類中文字符、24類英文字符和10類數(shù)字字符。 CaffeNet網(wǎng)絡(luò)模型共有8層，前5層為卷積層，后 3層為全連接層。針對車牌模糊的情況，在訓(xùn)練CNN車牌判別分類器與CNN字符判別分類器時， 訓(xùn)練樣本中加入模糊的車牌圖片進行訓(xùn)練，以提高 識別準(zhǔn)確性和識別速度。

2.2多特征匹配

為防止車輛駛出時偷換車牌，采用車頭多特征 抽取匹配方法，對沒有車牌建檔的車輛進行關(guān)聯(lián)識 別。具體步驟：①利用車牌識別得到的車牌寬 度和高度計算車頭區(qū)域，將車頭區(qū)域均分成10個子 塊；②對車頭圖像進行歸一化、銳化邊緣和去除噪 聲等預(yù)處理；③計算每個子塊的HSV(Hue， Saturation, Value,色調(diào)、飽和度、亮度）顏色空間， 得到每個子塊的顏色直方圖；④計算每個子塊若干 關(guān)鍵點的紋理特征；⑤比對當(dāng)前車頭的特征序列和 車輛檔案中對應(yīng)車牌號的車頭特征序列，如果二者 協(xié)方差距離小于0.3，則該車沒有套牌，反之為套牌 車輛。

系統(tǒng)車輛識別正確率可達到9 8 %，識別結(jié)果如圖3所示。

2.3 視頻與稱重聯(lián)動

在車牌識別的同時，稱重儀對完全上磅的車輛 進行稱重，并將采集的數(shù)據(jù)傳輸至數(shù)據(jù)庫。系統(tǒng)直 接讀取稱重儀數(shù)據(jù)，讀取數(shù)據(jù)時可設(shè)置讀取條件，如 當(dāng)稱重儀數(shù)據(jù)超過16 t(可根據(jù)現(xiàn)場情況調(diào)整）后， 系統(tǒng)認為有車上磅,允許記錄數(shù)據(jù)（作為車輛皮重參 考值），在一段時間內(nèi)自動比較，記錄最大值作為裝 車總重，存人數(shù)據(jù)庫。稱重數(shù)據(jù)通過RS232通信端 口在聯(lián)網(wǎng)情況下直接送達數(shù)據(jù)庫，并通過服務(wù)器軟 件完成匯總和記錄，這樣避免人為干預(yù)，確保了數(shù)據(jù) 的真實性。

3.系統(tǒng)工作流程

煤礦視頻聯(lián)動地磅稱重智能識別管理系統(tǒng)工作流程如圖4所示。

（1）視頻錄入：當(dāng)車輛上磅后，前后攝像機進行 視頻錄人、存儲。

（2）車輛檢測：當(dāng)有車上磅后，紅外對射器時刻 檢測車輛位置，確保車輛完全停在磅臺上。

（3）車牌識別：當(dāng)車輛完全上鎊后，系統(tǒng)自動抓 拍當(dāng)前圖像并識別車牌號。

（4）車輛建檔：根據(jù)一車一檔原則，將車牌號、 車輛圖片等送人相應(yīng)的數(shù)據(jù)庫，建立車輛檔案。

（5）數(shù)據(jù)讀取：在進行車牌識別的同時，系統(tǒng)直 接讀取稱重儀數(shù)據(jù)，將皮重數(shù)據(jù)送人對應(yīng)車輛檔案， 避免人為因素。

（6）車輛匹配：車牌識別子系統(tǒng)再次對完全上 鎊的車輛進行自動抓拍車牌識別或多特征匹配車輛 識別，根據(jù)識別結(jié)果從數(shù)據(jù)庫中提取相應(yīng)車輛檔案。

（7）二次稱重：若匹配成功，系統(tǒng)讀取毛重數(shù)據(jù) 并錄入對應(yīng)車輛檔案；若匹配不成功，系統(tǒng)不讀取任 何數(shù)據(jù)，關(guān)閉道閘，告知檢測人員。

（8）數(shù)據(jù)計算：系統(tǒng)自動計算凈重，并將結(jié)果存 人對應(yīng)車輛檔案，不予修改。

4.系統(tǒng)軟件功能

煤礦視頻聯(lián)動地磅稱重智能識別管理系統(tǒng)軟件 功能主要包括：

（1）顯示功能：可顯示地鎊數(shù)據(jù)、COM 口狀態(tài)、 車牌號、車輛皮/毛重、現(xiàn)場監(jiān)控畫面、車牌圖像等。

（2）多模式選擇：具有內(nèi)調(diào)、外運、矸石選擇按 鈕，用戶可根據(jù)實際需求選擇運輸模式。

（3）查詢功能：提供多種查詢模式，如時間、運 輸方式、車輛信息、裝車信息等，用戶可根據(jù)需求查詢數(shù)據(jù)。

（4）車輛信息導(dǎo)入:用戶可根據(jù)實際需求，定期 導(dǎo)人最新車輛信息，確保數(shù)據(jù)實時、準(zhǔn)確。

（5）報表統(tǒng)計:可生成日報、月報、年報等，便于査詢，并提供打印功能。

（6）監(jiān)管功能：當(dāng)某一時間段內(nèi)的運銷量和實 7 際銷量存在較大出人時，可準(zhǔn)確定位到嫌疑車輛，包括車牌、皮重、毛重、過磅時間等信息。

（7）分類統(tǒng)計：可根據(jù)用戶設(shè)置的運輸模式分別統(tǒng)計運煤量。

5.結(jié)語

煤礦視頻聯(lián)動地鎊稱重智能識別管理系統(tǒng)綜合 采用數(shù)字圖像處理、CNN和計算機網(wǎng)絡(luò)技術(shù)，可實 現(xiàn)對煤礦地磅業(yè)務(wù)的智能監(jiān)控功能。該系統(tǒng)已在霍 州煤電集團有限責(zé)任公司得到實際應(yīng)用，結(jié)果表明 該系統(tǒng)可靠性高，操作簡便，可有效防止作弊盜煤問 題，取得了良好的經(jīng)濟效益。