CN101587643B - 一种套牌车的识别方法 - Google Patents
一种套牌车的识别方法 Download PDFInfo
- Publication number
- CN101587643B CN101587643B CN200910099475XA CN200910099475A CN101587643B CN 101587643 B CN101587643 B CN 101587643B CN 200910099475X A CN200910099475X A CN 200910099475XA CN 200910099475 A CN200910099475 A CN 200910099475A CN 101587643 B CN101587643 B CN 101587643B
- Authority
- CN
- China
- Prior art keywords
- time
- window
- license plate
- current
- data storage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000013500 data storage Methods 0.000 claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims abstract description 29
- 230000010365 information processing Effects 0.000 claims abstract description 16
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种套牌车的识别方法，优点在于将所有在路上运动的车辆作为一个整体处理，当套牌车上路一段时间后，不管距离远近，只要具有相同车牌号的两辆以上的车辆同时出现在路上，通过本发明处理，就一定能发现套牌车，识别精度较高，且由于本发明是通过设置于车辆数据信息处理中心中的时间矩阵、输入缓存区、窗口索引表、窗口数据存储区实现的，视频捕获设备获取的车辆信息实时地传输给输入缓存区，通过对输入缓存区中的缓存数据的在线处理来达到识别套牌车的目的，大大提高了识别速度，另外由于本发明方法是在现有的车辆数据信息处理中心中设置时间矩阵、输入缓存区、窗口索引表、窗口数据存储区等实现实时在线识别处理的，无需很大投资。
Description
技术领域
本发明涉及一种车辆识别方法，尤其是涉及一种套牌车的识别方法。
背景技术
一副车牌同时被另一辆车或几辆车使用，称另一辆车或几辆车为套牌车。这些套牌车具有与真牌车相同的车辆型号、相同的车牌号码、相同的车身颜色、相同的行驶证等。如今随着经济的发展，不管是私家车辆还是公家车辆越来越多，同时套牌车也在不断的增加，套牌车不但逃缴国家规费，而且扰乱了交通秩序管理。但民警在值勤过程中很难在短时间内根据车牌及外观特征判断出车辆是真是假，无法及时发现并查扣套牌车，套牌车的管理难度很大，某一辆套牌车被查处多数情况是套牌车出车祸或套牌车被真牌车车主发现后报案。
目前，通常在公安卡口处设置一个或多个具有图像识别软件的摄像机，摄像机能够读出经过公安卡口处的车辆的车牌号，同时将读出的车辆的车牌号直接传输到车辆数据信息处理中心，车辆数据信息处理中心为一台服务器，车辆数据信息处理中心保存接收到的车辆的车牌号，以备以后查询。但通过查询车辆数据信息处理中心保存的车辆信息是无法识别是否存在套牌车的，这是因为存在套牌车具有与真牌车相同的车辆型号、相同的车牌号码、相同的车身颜色等情况，所以是无法通过与真牌车比对照片发现的。
为能够较好地识别套牌车，及时查扣套牌车，目前相关人员提出了多种识别套牌车的方法，如利用射频识别技术的套牌车识别方法，该方法首先通过在车辆上安装一个不可拆卸且具有唯一身份编码的射频识别标签，该射频识别标签中存储有车牌号，而在值勤岗位或公安卡口处设置一个读写器，读写器与射频识别标签以无线方式通信，当安装有射频识别标签的车辆经过值勤岗位或公安卡口处时，读写器读取存储于射频识别标签中的车牌号及射频识别标签的身份编码，再通过比较读取的车牌号与预先存储于读写器中的与射频识别标签的身份编码对应的车牌号来判断通过的车辆是否伪造车牌。该方法能够较好地识别出套牌车，可使公安工作人员能够及时发现并查扣套牌车，但该方法在目前的经济条件下还不是非常可行的，因为这种方法必须在每一辆车辆上安装一个不可拆卸的射频识别标签，这样成本比较高，不能被普遍适用。
发明内容
本发明所要解决的技术问题是提供一种能够较好地识别出套牌车，且识别速度较快、成本较低的套牌车的识别方法。
本发明解决上述技术问题所采用的技术方案为：一种套牌车的识别方法，包括以下步骤：
①事先在车辆数据信息处理中心中以1小时为一个时间段对一天时间对应设置24个时间矩阵，并在车辆数据信息处理中心中设置一个输入缓存区、一个窗口索引表及与24个时间矩阵各自一一对应的最大时间窗口，每个时间矩阵由各个卡口与卡口之间路程在相应的时间段内的平均行车时间组成，每个时间矩阵各自一一对应的最大时间窗口由各个卡口各自与其它卡口之间路程在相应的时间段内的平均行车时间中的最大平均行车时间组成，窗口索引表主要由若干个索引行组成，每个索引行以指针方式连接有窗口数据存储区链表，窗口数据存储区链表主要由若干个窗口数据存储区构成，窗口数据存储区之间以指针方式连接；
②设置于各个卡口处的视频捕获设备实时捕获经过卡口处的车辆的车牌号，安装于视频捕获设备中的图像识别软件识别视频捕获设备捕获的车辆的车牌号，识别得到多种不同的识别结果及各个识别结果对应的概率；
③针对图像识别软件识别得到的不同的识别结果，视频捕获设备分别实时地将识别出的车牌号、车辆经过的卡口的卡口号、识别出的车牌号对应的概率及捕获车辆的车牌号的日期和时间点作为一组缓存数据存入输入缓存区中；
④根据系统当前时间所在的时间段选取对应的时间矩阵及该时间矩阵对应的最大时间窗口；
⑤以先进先出的方式从输入缓存区中取出先存入输入缓存区中的一组缓存数据，定义该组缓存数据为当前缓存数据，同时设置一个用于标记当前缓存数据是否已在窗口数据存储区中保存过的标志flag，并置标志flag为0，根据当前缓存数据中的车牌号查找窗口索引表的各个索引行中是否存在与当前缓存数据中的车牌号相同的车牌号，如果存在，则定义存在与当前缓存数据中的车牌号相同的车牌号所在的索引行为当前处理对象，并继续执行，否则，按设定的车牌号排序方式将当前缓存数据中的车牌号插入到窗口索引表的索引行中，然后新建一个窗口数据存储区，由当前缓存数据中的车牌号所在的索引行指向该新建的窗口数据存储区，并向该新建的窗口数据存储区中存入当前缓存数据中的卡口号、概率及日期和时间点，再返回执行步骤④；
⑥判断当前处理对象是否存在指向的窗口数据存储区，如果存在，则执行步骤⑧，否则，继续执行；
⑦判断当前缓存数据的标志flag是否为0，如果标志flag为0，则新建一个窗口数据存储区，由当前处理对象指向该新建的窗口数据存储区，并向该新建的窗口数据存储区中存入当前缓存数据中的卡口号、概率及日期和时间点，然后返回执行步骤④，否则，直接返回执行步骤④；
⑧判断窗口数据存储区中存储的日期和时间点与系统当前日期和时间之差是否大于选取的最大时间窗口中卡口号对应的最大平均行车时间，如果是，则删除窗口数据存储区，并返回执行步骤⑥，否则，将窗口数据存储区作为当前处理对象，继续执行；
⑨判断当前缓存数据中的日期和时间点与当前处理对象中存储的日期和时间点之差是否大于选取的时间矩阵中当前缓存数据中的卡口号对应的卡口与当前处理对象中存储的卡口号对应的卡口之间路程在相应的时间段内的平均行车时间，如果是，则继续执行，否则，判断当前缓存数据中的概率与当前处理对象中存储的概率的乘积是否小于设定的阈值，当乘积小于设定的阈值时，直接返回执行步骤⑦，当乘积大于等于设定的阈值时，确定存在疑似套牌车，并报警指示，然后继续执行；
⑩判断当前缓存数据的标志flag是否为0，如果标志为0，则继续执行，否则，直接返回执行步骤⑥；
所述的步骤⑤中设定的车牌号排序方式为按车牌号的大小升序排序或按车牌号的大小降序排序。
所述的步骤⑨中设定的阈值大于0.4。
与现有技术相比，本发明的优点在于将所有在路上运动的车辆作为一个整体处理，当套牌车上路一段时间后，只要具有相同车牌号的两辆以上的车辆在路上同时出现，不管距离远近，通过本发明方法处理，就一定能发现套牌车，识别精度较高，且由于本发明方法是通过设置于车辆数据信息处理中心中的时间矩阵、输入缓存区、窗口索引表、窗口数据存储区实现的，视频捕获设备获取的车辆信息实时地传输给输入缓存区，通过对输入缓存区中的缓存数据的在线处理来达到识别套牌车的目的，大大提高了识别速度，另外由于本发明方法是在现有的车辆数据信息处理中心中设置时间矩阵、输入缓存区、窗口索引表、窗口数据存储区等实现实时在线识别处理的，不需要很大的投资，也不需要在任何车上安装任何设备，就可在一个城市、省甚至全国大规模投入使用，产出投入效益很大。
附图说明
图1为车辆数据信息处理中心中的主要组成部分示意图；
图2为本发明方法的流程框图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
本发明方法将行驶在路上的所有车辆看成一个整体，如果两辆车的车牌号一样，并且先后被设置在两个不同卡口处的视频捕获设备分别记录，如果被记录的时间差小于这两个卡口间的在相应时间段内的平均行车时间，则可以认为这两辆车中至少有一辆车为套牌车。本发明方法的流程框图如图2所示，具体步骤如下：
①为了能在线高速识别套牌车，如图1所示，事先在车辆数据信息处理中心即服务器中以1小时为一个时间段对一天时间对应设置24个时间矩阵，并在车辆数据信息处理中心中设置一个输入缓存区、一个窗口索引表及与24个时间矩阵各自一一对应的最大时间窗口。每个时间矩阵分别由各个卡口与卡口之间路程在相应的时间段内的平均行车时间组成；每个时间矩阵各自一一对应的最大时间窗口由各个卡口各自与其它卡口之间路程在相应的时间段内的平均行车时间中的最大平均行车时间组成；输入缓存区以先进先出的方式缓存视频捕获设备实时传输给输入缓存区的缓存数据，一组缓存数据包括车辆经过的卡口的卡口号、捕获车辆的车牌号的日期和时间点、识别出的车牌号及该车牌号对应的概率；窗口索引表主要由若干个索引行组成，各个索引行中存放车牌号；每个索引行以指针方式连接有窗口数据存储区链表，窗口数据存储区链表主要由若干个窗口数据存储区构成，窗口数据存储区之间以指针方式连接，窗口数据存储区用于存储车辆经过的卡口的卡口号、捕获车辆的车牌号的日期和时间点、识别出的车牌号对应的概率。
在本实施例中设置了24个时间矩阵，如图1所示，24个时间矩阵分别对应于24个小时，每个时间矩阵中元素的值为一卡口与另一卡口之间路程在该一个小时内的平均行车时间，如图1给出了在1点这个时间段内由5个卡口相互之间路程在该时间段内的平均行车时间构成的时间矩阵，从该时间矩阵中可知卡口1与其他4个卡口之间路程的平均行车时间中的最大平均行车时间为65，卡口2与其他4个卡口之间路程的平均行车时间中的最大平均行车时间为78，卡口3与其他4个卡口之间路程的平均行车时间中的最大平均行车时间为45，卡口4与其他4个卡口之间路程的平均行车时间中的最大平均行车时间为78，卡口5与其他4个卡口之间路程的平均行车时间中的最大平均行车时间为77，由这些最大平均行车时间构成该时间段内的时间矩阵对应的最大时间窗口。当然在此也可只设置一个时间矩阵或两个或更多的时间矩阵，但在本实施例中设置24个时间矩阵可有效保证最终的识别结果较为精确，当然如果为获得更精确的识别结果，可以半小时甚至以一分钟或更小的时间单位设置时间矩阵，但这样不仅会增加计算复杂度，而且也要求车辆数据信息处理中心有足够的存储空间。图1所示的时间矩阵为对称矩阵，是由于假设两地过去和回来时间一样，也可以根据实际情况，设置来回时间不一样，不影响本发明方法的具体实现。
在本实施例中设置了一个窗口索引表，实际应用中也可设置多个窗口索引表，数量可以根据实际情况自由选择，或可以根据卡口的数量建立相应个数的窗口索引表，这样卡口与窗口索引表一一对应，可根据视频捕获设备传输给输入缓存区的缓存数据中的卡口号确定将该缓存数据插入到哪个卡口对应的窗口索引表中。
②设置于各个卡口处的视频捕获设备实时捕获经过卡口处的车辆的车牌号，安装于视频捕获设备中的图像识别软件识别视频捕获设备捕获的车辆的车牌号，识别得到多种不同的识别结果及各个识别结果对应的概率。视频捕获设备中使用的图像识别软件为现有的图像识别软件，由于开发商开发出的各种图像识别软件的识别精度存在一定的差异，可能是精确的，如可以确定车牌号是“浙B.10101”；而有些图像识别软件识别出的结果是不确定的，可能是一个概率分布，如车牌号80％的概率是“浙B.10101”，而车牌号20％的概率是“浙B.10107”，因此使用图像识别软件识别视频捕获设备获取的车牌号，可能存在多种识别结果，且每个识别结果对应有一个概率。
③针对图像识别软件识别得到的不同的识别结果，视频捕获设备分别实时地将识别出的车牌号、车辆经过的卡口的卡口号、识别出的车牌号对应的概率及捕获车辆的车牌号的日期和时间点作为一组缓存数据存入输入缓存区中。如图1，输入缓存区中存储的两组缓存数据为2号卡口处的视频捕获设备在09年01月01日13点05分获取的车牌号，经图像识别软件识别处理后得到两种识别结果，车牌号20％的概率是“B.10107”，而车牌号80％的概率是“B.10101”。
④根据系统当前时间所在的时间段选取系统当前时间相应的时间段内对应的时间矩阵及该时间矩阵对应的最大时间窗口。如图1中存入输入缓存区的缓存数据的时间点处于13点的一个小时内，则选择13点的那个时间段内的时间矩阵及该时间矩阵对应的最大时间窗口。
⑤以先进先出的方式从输入缓存区中取出先存入输入缓存区中的一组缓存数据，定义该组缓存数据为当前缓存数据，同时设置一个用于标记当前缓存数据是否已在窗口数据存储区中保存过的标志flag，并置标志flag为0，根据当前缓存数据中的车牌号查找窗口索引表的各个索引行中是否存在与当前缓存数据中的车牌号相同的车牌号，如果存在，则定义存在与当前缓存数据中的车牌号相同的车牌号所在的索引行为当前处理对象，并继续执行，否则，按设定的车牌号排序方式将当前缓存数据中的车牌号插入到窗口索引表的索引行中，然后新建一个窗口数据存储区，由当前缓存数据中的车牌号所在的索引行指向该新建的窗口数据存储区，并向该新建的窗口数据存储区中存入当前缓存数据中的卡口号、概率及日期和时间点，再返回执行步骤④。在此，设定的车牌号排序方式为按车牌号的大小升序排序，当然在此也可采用按车牌号的大小降序排序。
⑥判断当前处理对象是否存在指向的窗口数据存储区，如果存在，则执行步骤⑧，否则，继续执行。
⑦判断当前缓存数据的标志flag是否为0，如果标志flag为0，则新建一个窗口数据存储区，由当前处理对象指向该新建的窗口数据存储区，并向该新建的窗口数据存储区中存入当前缓存数据中的卡口号、概率及日期和时间点，然后返回执行步骤④，否则，直接返回执行步骤④。
⑧判断窗口数据存储区中存储的日期和时间点与系统当前日期和时间之差是否大于选取的最大时间窗口中卡口号对应的最大平均行车时间，如果是，则删除窗口数据存储区，并返回执行步骤⑥，否则，将窗口数据存储区作为当前处理对象，继续执行。
⑨判断当前缓存数据中的日期和时间点与当前处理对象中存储的日期和时间点之差是否大于选取的时间矩阵中当前缓存数据中的卡口号对应的卡口与当前处理对象中存储的卡口号对应的卡口之间路程在相应的时间段内的平均行车时间，如果是，则继续执行，否则，判断当前缓存数据中的概率与当前处理对象中存储的概率的乘积是否小于设定的阈值，当乘积小于设定的阈值时，直接返回执行步骤⑦，当乘积大于等于设定的阈值时，确定存在疑似套牌车，并报警指示，然后继续执行。在此具体实施例中，设定的阈值大于0.4，该阈值如果太大会将可能的套牌车漏掉，太小会发生误报(即不是套牌车误报为套牌车)，因此在此取一个折中的数0.4作为阈值的判断值，这样可以尽可能发现套牌车，又减少误报率；该阈值也可以通过图像识别软件识别大量车牌号的实验确定的。
⑩判断当前缓存数据的标志flag是否为0，如果标志为0，则继续执行，否则，直接返回执行步骤⑥。
本发明方法除上述给出的具体实施方式外，也可以有各种更改和变化，如去掉获取的车牌号对应的概率属性，或为每个卡口建立窗口索引表等。
Claims (3)
1.一种套牌车的识别方法，其特征在于包括以下步骤：
①事先在车辆数据信息处理中心中以1小时为一个时间段对一天时间对应设置24个时间矩阵，并在车辆数据信息处理中心中设置一个输入缓存区、一个窗口索引表及与24个时间矩阵各自一一对应的最大时间窗口，每个时间矩阵由各个卡口与卡口之间路程在相应的时间段内的平均行车时间组成，每个时间矩阵各自一一对应的最大时间窗口由各个卡口各自与其它卡口之间路程在相应的时间段内的平均行车时间中的最大平均行车时间组成，窗口索引表主要由若干个索引行组成，每个索引行以指针方式连接有窗口数据存储区链表，窗口数据存储区链表主要由若干个窗口数据存储区构成，窗口数据存储区之间以指针方式连接；
②设置于各个卡口处的视频捕获设备实时捕获经过卡口处的车辆的车牌号，安装于视频捕获设备中的图像识别软件识别视频捕获设备捕获的车辆的车牌号，识别得到多种不同的识别结果及各个识别结果对应的概率；
③针对图像识别软件识别得到的不同的识别结果，视频捕获设备分别实时地将识别出的车牌号、车辆经过的卡口的卡口号、识别出的车牌号对应的概率及捕获车辆的车牌号的日期和时间点作为一组缓存数据存入输入缓存区中；
④根据系统当前时间所在的时间段选取对应的时间矩阵及该时间矩阵对应的最大时间窗口；
⑤以先进先出的方式从输入缓存区中取出先存入输入缓存区中的一组缓存数据，定义该组缓存数据为当前缓存数据，同时设置一个用于标记当前缓存数据是否已在窗口数据存储区中保存过的标志flag，并置标志flag为0，根据当前缓存数据中的车牌号查找窗口索引表的各个索引行中是否存在与当前缓存数据中的车牌号相同的车牌号，如果存在，则定义存在与当前缓存数据中的车牌号相同的车牌号所在的索引行为当前处理对象，并继续执行，否则，按设定的车牌号排序方式将当前缓存数据中的车牌号插入到窗口索引表的索引行中，然后新建一个窗口数据存储区，由当前缓存数据中的车牌号所在的索引行指向该新建的窗口数据存储区，并向该新建的窗口数据存储区中存入当前缓存数据中的卡口号、概率及日期和时间点，再返回执行步骤④；
⑥判断当前处理对象是否存在指向的窗口数据存储区，如果存在，则执行步骤⑧，否则，继续执行；
⑦判断当前缓存数据的标志flag是否为0，如果标志flag为0，则新建一个窗口数据存储区，由当前处理对象指向该新建的窗口数据存储区，并向该新建的窗口数据存储区中存入当前缓存数据中的卡口号、概率及日期和时间点，然后返回执行步骤④，否则，直接返回执行步骤④；
⑧判断窗口数据存储区中存储的日期和时间点与系统当前日期和时间之差是否大于选取的最大时间窗口中卡口号对应的最大平均行车时间，如果是，则删除窗口数据存储区，并返回执行步骤⑥，否则，将窗口数据存储区作为当前处理对象，继续执行；
⑨判断当前缓存数据中的日期和时间点与当前处理对象中存储的日期和时间点之差是否大于选取的时间矩阵中当前缓存数据中的卡口号对应的卡口与当前处理对象中存储的卡口号对应的卡口之间路程在相应的时间段内的平均行车时间，如果是，则继续执行，否则，判断当前缓存数据中的概率与当前处理对象中存储的概率的乘积是否小于设定的阈值，当乘积小于设定的阈值时，直接返回执行步骤⑦，当乘积大于等于设定的阈值时，确定存在疑似套牌车，并报警指示，然后继续执行；
⑩判断当前缓存数据的标志flag是否为0，如果标志为0，则继续执行，否则，直接返回执行步骤⑥；
2.根据权利要求1所述的一种套牌车的识别方法，其特征在于所述的步骤⑤中设定的车牌号排序方式为按车牌号的大小升序排序或按车牌号的大小降序排序。
3.根据权利要求1所述的一种套牌车的识别方法，其特征在于所述的步骤⑨中设定的阈值大于0.4。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN200910099475XA CN101587643B (zh) | 2009-06-08 | 2009-06-08 | 一种套牌车的识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN200910099475XA CN101587643B (zh) | 2009-06-08 | 2009-06-08 | 一种套牌车的识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101587643A CN101587643A (zh) | 2009-11-25 |
| CN101587643B true CN101587643B (zh) | 2010-11-03 |
Family
ID=41371876
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN200910099475XA Expired - Fee Related CN101587643B (zh) | 2009-06-08 | 2009-06-08 | 一种套牌车的识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101587643B (zh) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102436746B (zh) * | 2011-09-29 | 2014-10-22 | 杭州海康威视系统技术有限公司 | 高效实时的车辆套牌嫌疑分析方法及其装置 |
| CN102509458B (zh) * | 2011-10-19 | 2015-01-14 | 杭州华三通信技术有限公司 | 一种套牌车辆识别方法和装置 |
| CN103377556B (zh) * | 2012-04-26 | 2017-04-05 | 上海竞天科技股份有限公司 | 套牌车辆的检测装置、检测系统及其检测方法 |
| CN102945605B (zh) * | 2012-11-06 | 2015-06-10 | 东软集团股份有限公司 | 一种套牌车识别方法和系统 |
| WO2014082273A1 (en) * | 2012-11-30 | 2014-06-05 | GM Global Technology Operations LLC | Driver-to-driver communication system, vehicle, and method thereof |
| CN103854486B (zh) * | 2012-12-07 | 2016-08-31 | 黄汉文 | 一种车辆套牌的识别与监控技术 |
| CN103413440B (zh) * | 2013-04-11 | 2016-04-06 | 江苏省邮电规划设计院有限责任公司 | 基于智慧城市数据仓库和识别规则库的套牌车识别方法 |
| CN104021677B (zh) * | 2014-06-25 | 2016-09-14 | 浙江宇视科技有限公司 | 一种车辆翻牌检测方法和装置 |
| CN104103173B (zh) * | 2014-07-22 | 2016-08-24 | 银江股份有限公司 | 一种套牌车辆缉查布控方法 |
| CN105513360B (zh) * | 2016-01-28 | 2017-09-22 | 浪潮软件股份有限公司 | 一种车辆数据处理的方法及装置 |
| CN105719489B (zh) * | 2016-03-24 | 2018-01-30 | 银江股份有限公司 | 一种基于卡口车辆流向概率的套牌车检测方法 |
| CN105957349A (zh) * | 2016-04-20 | 2016-09-21 | 北京云宏信达信息科技有限公司 | 一种跨地区套牌车识别的方法及系统 |
| CN106022296B (zh) * | 2016-06-01 | 2019-05-28 | 银江股份有限公司 | 一种基于车辆热点区域的概率聚合的套牌车检测方法 |
| CN108932846A (zh) * | 2017-05-22 | 2018-12-04 | 中兴通讯股份有限公司 | 一种车牌识别方法、设备及计算机可读存储介质 |
| CN110189523B (zh) * | 2019-06-13 | 2020-12-29 | 智慧互通科技有限公司 | 一种基于路侧停车识别车辆违章行为的方法及装置 |
| CN111275979B (zh) * | 2020-01-20 | 2021-04-06 | 宝链慧飞科技(浙江)有限公司 | 基于智慧城市数据仓库和识别规则库的套牌车识别方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101055672A (zh) * | 2007-05-16 | 2007-10-17 | 天津理工大学 | 基于无线射频识别技术的车辆实时监控系统 |
| EP1903531A1 (en) * | 2006-09-20 | 2008-03-26 | J. Knieriem B.V. | Vehicle identification |
| CN101178851A (zh) * | 2007-11-27 | 2008-05-14 | 张涛 | 基于车载智能终端的智能交通管理系统及方法 |
| CN201207221Y (zh) * | 2008-03-14 | 2009-03-11 | 康华武 | 一种道路车辆身份的自动稽查系统 |
-
2009
- 2009-06-08 CN CN200910099475XA patent/CN101587643B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1903531A1 (en) * | 2006-09-20 | 2008-03-26 | J. Knieriem B.V. | Vehicle identification |
| CN101055672A (zh) * | 2007-05-16 | 2007-10-17 | 天津理工大学 | 基于无线射频识别技术的车辆实时监控系统 |
| CN101178851A (zh) * | 2007-11-27 | 2008-05-14 | 张涛 | 基于车载智能终端的智能交通管理系统及方法 |
| CN201207221Y (zh) * | 2008-03-14 | 2009-03-11 | 康华武 | 一种道路车辆身份的自动稽查系统 |
Non-Patent Citations (2)
| Title |
|---|
| 王雅平.基于射频技术的牌照识别系统.《电脑开发与应用》.2008,第21卷(第5期), * |
| 郝润涛,芦建文.车号自动识别称重管理系统的设计与实现.《计量与测试技术》.2008,第35卷(第1期), * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101587643A (zh) | 2009-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101587643B (zh) | 一种套牌车的识别方法 | |
| CN103745600B (zh) | 一种射频识别与车牌识别比对的实现方法 | |
| Xie et al. | A robust license plate detection and character recognition algorithm based on a combined feature extraction model and BPNN | |
| CN103778787B (zh) | 汽车假套牌识别逻辑判断方法 | |
| CN103927880B (zh) | 一种车牌识别比对方法及装置 | |
| CN104766479A (zh) | 基于超高频射频与视频图像双识别匹配的汽车身份识别方法及装置 | |
| US20180107892A1 (en) | Dual embedded optical character recognition (ocr) engines | |
| CN105160884A (zh) | 一种融合视频监控和rfid的车辆识别方法及装置 | |
| CN103279756A (zh) | 基于集成分类器的车辆检测分析系统及其检测分析方法 | |
| CN103021184B (zh) | 遮挡车牌车辆的辅助辨别方法及系统 | |
| CN205827664U (zh) | 一种基于rfid、激光与视频的车辆限行监管系统 | |
| CN107506368A (zh) | 一种类案嫌疑车辆的确定方法及装置 | |
| CN103839413A (zh) | 一种区域道路机动车辆新型识别系统 | |
| CN108257388A (zh) | 一种智能违章识别系统及其方法 | |
| CN107393311B (zh) | 一种车牌篡改识别装置及方法 | |
| CN108010326A (zh) | 一种车辆识别系统及其方法 | |
| CN109993049A (zh) | 一种面向智能安防领域的视频图像结构化分析系统 | |
| Kumar et al. | E-challan automation for RTO using OCR | |
| CN103198667A (zh) | 高速公路车速监测系统 | |
| CN205545952U (zh) | 一种基于人脸识别的交通违章短信提醒系统 | |
| CN105139462A (zh) | 一种基于二维码的高速公路防汽车冲卡方法 | |
| CN115100610B (zh) | 一种电动自行车数字身份信息的识别方法 | |
| CN103632549A (zh) | 一种车牌真假智能识别方法 | |
| CN202373138U (zh) | 一种rfid结合视频识别车辆合法性系统 | |
| CN110598650A (zh) | 车牌虚警过滤方法、装置及电子设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20101103 Termination date: 20200608 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |