静动一体的道路违法电子警察综合信息系统设计及应用

静动一体的道路违法电子警察综合信息系统设计及应用

唐震

上海市公安局杨浦分局上海杨浦200090

摘要：伴随着经济的快速发展，城市机动车数量迅速增加，由此而引发的停车难、交通堵塞等城市交通综合问题日益突出。道路图像监控和电子警察系统作为城市公共安全信息系统建设的重要组成部分，在治安防范和城市交通管理方面发挥着不可替代的作用。本文结合公安实战需要，高效利用点位及视频智能分析技术，提出一种静动一体的道路高清图像监控及违章电子警察综合信息系统的架构，并分析了主要部分的方案的选择、系统构成和优缺点，总结该系统的布防原则和综合应用策略。

关键词：静动一体；电子警察；智能分析；综合应用

1引言

伴随着经济的快速发展，大型城市机动车数量迅速增加，由此而引发的停车难、交通堵塞等城市交通综合问题日益突出。城市道路路段占道停车、违法停车现象频繁发生，不仅不利于城市道路快速通行也增加了城市出行成本，影响了整体城市形象，同时也加剧了城市交通的进一步拥堵，陷入恶性循环。如何利用智能化的信息系统对上述两大问题进行有效治理已成为公安部门必须面对的重要课题。

目前，高清数字图像监控系统技术已经比较成熟，在国内外的公安信息化建设的规模也在不断扩大。其主要应用也涵盖了主要道路路口及学校、医院、政府出入口等重点目标。在城市日常治安防范及重大活动保障方面发挥了重要的作用。电子警察是一种利用自动化检测与测量技术捕获交通违法或交通事故，利用网络将采集的信息传回公安部门进行分析处理，并以此为证据对肇事者进行处罚，以减少事故发生、辅助交警工作的方法。传统电子警察系统主要服务于交警部门，在城市管理及交通整治等方面发挥了必要的作用[]。但已有这些信息系统仍存在以下的不足和挑战：

（1）点位布局及利用不充分

对于很多中大型城市来讲，图像监控点位的覆盖程度还远远不够，存在很多盲区。同时，图像监控系统与电子警察系统的点位布设有重叠，不能科学的布局实现点位的有效覆盖及互补。

（2）信息系统相对独立，综合应用缺乏

信息系统的相对孤立一直是公安信息化面临的重要问题，已有的图像监控系统、道路卡口系统及电子警察系统等信息资源未能进行有效的整合和综合应用。

（3）基于图像/视频智能分析缺乏“静”与“动”的全面融合

交通违法自动抓拍系统要兼顾“静态”和“动态”的违法行为。智能分析既要能够获取图片中的关键信息及抓拍，也要能够兼顾基于视频的分析获取违法行为的事件过程。融合的取证信息应包括违法数据、图片、短视频及24小时不间断监控视频等信息。

本文主要针对目前公安信息系统实战需求和不足，提出一种静动一体的道路高清图像监控及违章电子警察综合信息系统的架构，并分析了主要部分的方案的选择、系统构成和优缺点，总结该系统的布防原则和综合应用策略。并通过实际的信息系统的建设和测试，证明该系统的设计更加高效和集约。

2系统架构设计

本系统的设计基于分布式系统的集中管理策略，采用分层结构设计，从逻辑关系上看主要分为三层：前端子系统，传输子系统和后端管理子系统，如图1所示。

图1系统整体架构及子系统构成

前端子系统主要为数字高清摄像机，抓拍主机和光端机等数据采集和接入设备，每台抓拍主机接入1路数字高清球机进行分析。其中高清摄像机能够实现多流视频输出，不仅实现高清点位的补充，也为卡口系统、静态和动态违章行为的检测和抓拍提供数据。

网络传输子系统由自建路口局域网、专用接入网、中心视频专网构建，实现前端子系统与后端管理子系统之间的互联互通。

后端管理子系统利用统一的数据库、软件及服务，接入分散的设备并建立用户、业务接口，完成设备的统一管理并提供用户业务需要的服务，实现实时监控、数据查询统计、交通违法处理等业务功能与应用。通过安全边界接入设备将违章数据传输到公安网执法平台和六合一平台进行综合应用。

3技术模式分析和讨论

道路违法抓拍技术经过近几年的快速发展，越来越能适应各种复杂的环境，实现较好的抓拍效果；尤其在夜晚弱光、车大灯逆光等场景下也能高效地抓拍；技术的进步，为交通安全的管理，发挥了难以替代的效果。总结起来，违章自动抓拍有以下几种典型的技术模式。

3.1从系统架构模式来分

架构一：数据采集和分析前置（一体球）

前端通讯链路可以直接连通到中心平台的情况下，前端球机独立完成违章检测、抓拍、车牌识别、数据上传到中心服务器进行数据存储，中心管理系统进行统一数据管理。该架构系统功能和部署简单，抓拍分析受到设备处理运算能力的限制，性能和可扩展能力受限。不利于资源共享和综合应用的部署。

架构二：分析存储管理后置（分析服务器）

该架构为后台检测管理模式，即前端高清球机负责采集高清视频，通过网络上传至中心，中心管理与应用分违章和视频监控两大业务功能:违法应用配置违章抓拍主机，通信服务器，数据库服务器和IP-SAN磁盘阵列实现违章后台检测，存储与数据管理应用；监控应用配置高清NVR，流媒体转发服务器，高清管理服务器和综合应用平台。

本架构充分具有多元化应用，设备集约化，系统设计灵活部署，施工方便等优点。但是由于抓拍主机在后端部署，如果网络链路出现故障，违法分析和控制数据也会丢失，也大大限制了系统的有效应用。

架构三：分析和数据暂存前置（抓拍主机）

图2架构三系统示意图

架构三模式如图2所示。管理中心与架构二相同，但将抓拍主机前置。该模式下，当前端通讯链路出现故障，仍可以利用抓拍主机暂存违章取证数据。设计前端摄像机采用公安主流高性能的多码流高清监控球机，一路8M高清码流接入违法抓拍主机(带违章检测，抓拍，识别，数据上传)用于违章事件检测，一路8M高清码流作为视频监控资源接入高清NVR进行实时监控视频记录和视频转发，一路2M标清码流满足低权限用户或网络带宽较窄的业务单位对于高清摄像机的标清监控调用。

此架构采用视频采集与应用分离的建设原则，使得前端摄像机可以共享至多种图像应用，同时实现违章检测和视频监控，并在管理中心建立统一的应用平台整合视频监控和违章检测应用，真正实现交警业务与治安的业务互联与融合，通过违章静态图片与监控视频的动静结合，事件与场景的联合融汇提升交通和治安两大业务的联合作战能力。

3.2从主机类型来分

违章停车自动抓拍产品分为DSP嵌入式板卡和嵌入式工控机两种。

①DSP嵌入式板卡

DSP嵌入式板卡，易于部署，具有抓拍处理速度快、低成本、低功耗等特点。但开发周期慢，计算资源有限，功能不容易扩展。

②嵌入式工控主机

嵌入式工控机良好的环境适应能力，无论在室内还是室外部署，均实现非常稳定的效果。后续为不断提升抓拍效果，尤其是夜晚弱光、雨雪、大风等情况下的“全天候”高效抓拍的能力，需要不断增加系统处理的智能性规则和算法的改进，因此嵌入式工控机成为应用的主流选择。

3.3从抓拍系统的应用模式来分

①固定式违章抓拍

固定式违章抓拍点位的场景相对固定，一旦安装调试完成后基本不会发生变化，后续使用中也无须对抓拍角度、抓拍范围进行再调整。

②移动式违章抓拍

移动式违章抓拍灵活，可随时随地进行违法停车行为的抓拍，由于各个抓拍点位的场景都不相同，而移动式违章抓拍地点大多集中在城市中心区繁华路段，场景中影响抓拍的因素多且复杂，因此移动违章抓拍算法要具备较强的场景适应能力。该方式用于应对特殊活动及保障任务的机动部署。

3.4从识别技术模式来分

①基于背景建模的方法

基于背景建模的方法通过对违章区域进行动态背景建模检测动态目标进出，从而判断违章和抓拍。该思路具有算法简单易于实现等特点，但易受到光线环境、遮挡、相机自动参数等影响。尤其是违章区域进入行人、其他非机动车或运动目标是很难判定是识别相关目标类型，为违章判定的准确性带来一定影响。

②基于机器学习的方法

基于机器学习的方法通常不同应用场景进行大量的样本收集、标定和训练工作，利用计算机视觉技术对感兴趣区域进行有效的特征提取，然后利用机器学习算法进行分类、跟踪和识别，通常算法的复杂度比较高，但对环境的适应性和抗干扰能力更强。尤其随着深度学习技术的发展和应用，可大大提高违章判定的准确率。

4实战应用分析

4.1布防原则

（1）“点”与“面”的兼顾。

“面”指的是本区关键出入口，如主要路段、环路、国道、干道的出入口；“点”指的是案件多发地段、事故多发地段、重点单位地段。通过对交通违法检测路段和街面的点位布设，有效补充高清监控的点位盲区。

（2）“静”与“动”的有效结合

主要体现在“动”（连续的高清视频片断）与“静”（车辆号牌、车型、车标、车颜色等特征信息的全面提取；司机、非机动车和行人的信息提取）的有效结合，来满足公安部门实战应用的需要。

4.2系统应用效能分析

①在创新良好城市交通环境作用上，对机动车违法停车行为及时准确的进行取证查处，是规范驾驶员开车行为、保证道路畅通安全的必要手段。

②在提高违章检测处罚管理效率上，有利于提高民警的综合素质，提高工作效率，降低违法处置的运行成本。

③在图像数据采集和监控范围上，通过对城市道路违章点位的布局，有效的补充了原有道路路口和重点目标的监控范围，扩大了道路的监控覆盖范围。

④在公安信息化资源共享和整合利用上，通过共享前端违章摄像机的数据资源，不仅实现静态电子警察的违法检测，而且实现了动态高清视频的监控和存储和智能分析，大大提高了公安信息系统的共享和应用深度。

5结束语

道路交通管理和监控是城市治安防控体系建设中的重要组成部分。本文结合计算机视觉、智能监控以及计算机网络技术的发展和公安实战需求，提出了静动一体化的道路违法综合信息系统的设计方法和应用分析，进一步利用监控图像/视频的综合智能分析的结果为实战服务。

参考文献

[1]王渤海，杨晓光.公安交通管理中视频图像大数据分析系统研究与应用[J].道路交通科学技术.2014，6：18-21.

[2]V.Kastrinaki,M.Zervakis,andK.Kalaitzakis,“Asurveyofvideoprocessingtechniquesfortrafficapplications,”ImageandVisionComputing,vol.21,no.4,pp.359–381,2003.

[3]DineshSingh;C.Vishnu;C.KrishnaMohan,VisualBigDataAnalyticsforTrafficMonitoringinSmartCity,201615thIEEEInternationalConferenceonMachineLearningandApplications(ICMLA),2016,pp:886–891.