CN103419750A - 整合多摄影机影像的车辆追踪方法及系统 - Google Patents
整合多摄影机影像的车辆追踪方法及系统 Download PDFInfo
- Publication number
- CN103419750A CN103419750A CN2012102131200A CN201210213120A CN103419750A CN 103419750 A CN103419750 A CN 103419750A CN 2012102131200 A CN2012102131200 A CN 2012102131200A CN 201210213120 A CN201210213120 A CN 201210213120A CN 103419750 A CN103419750 A CN 103419750A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- image
- integration
- information
- car
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 claims description 35
- 230000010354 integration Effects 0.000 claims description 30
- 238000004458 analytical method Methods 0.000 claims description 26
- 238000013500 data storage Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 239000012634 fragment Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 244000287680 Garcinia dulcis Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R25/00—Fittings or systems for preventing or indicating unauthorised use or theft of vehicles
- B60R25/30—Detection related to theft or to other events relevant to anti-theft systems
- B60R25/305—Detection related to theft or to other events relevant to anti-theft systems using a camera
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
Abstract
本发明公开了一种整合多摄影机影像的车辆追踪方法及系统。此方法接收用户对于所要追踪车辆的保全请求,此保全请求包括车辆的登录信息及位置信息。接着,获取所述位置信息周围一特定范围内多个监视摄影机所拍摄的影像,然后依据所述登录信息分析这些影像,以识别出包含该车辆在内的影像。最后,当识别出包含该车辆在内的影像时,发出追踪信息。
Description
技术领域
本发明涉及一种车辆追踪方法及系统,特别是一种整合多摄影机影像的车辆追踪方法及系统。
背景技术
近年来车辆失窃案件层出不穷,在台湾,平均每天有上百辆车辆失窃。为了防止车辆被盗,最有效的策略是在车辆被偷之时,能够立刻检测到偷窃行为并且马上告知车主,同时也实时追踪车辆所在的位置,根据研究,据此可以降低60%以上的失窃率。
目前常见的车辆防盗系统主要是结合卫星定位与保安人员的监控,帮助车主全天候监控爱车行踪。但此系统目前仍存在许多缺陷,除了车主需要支付设备或保安的费用外,车辆的防盗机制是通过车上的防盗传感器去触发的。当传感器的灵敏度设定过低时,如果车辆遭窃,防盗系统可能不会被触发;或是所在位置通信不良(例如在地下室)时,可能会造成监控中心与车主均无法收到防盗系统所触发通知的结果。
另一方面,如果防盗器的灵敏度设定过高或是故障,则错误警报率(False alarm rate,FAR)可能会提高,结果会对车主造成许多不必要的困扰。因此,有必要找出一种能够提高事件检测的准确率且可同时降低错误警报率的车辆追踪方法。
发明内容
有鉴于此,本发明提出一种整合多摄影机影像的车辆追踪方法及系统,可提高车辆追踪的准确率,降低错误警报率。
本发明提出一种整合多摄影机影像的车辆追踪方法,适于由服务端装置利用多个监视摄影机拍摄的影像追踪车辆。此方法接收用户对于车辆的保全请求(以保全为例),此保全请求包括车辆的登录信息及位置信息。接着,获取所述位置周围一特定范围内多个监视摄影机所拍摄的影像,然后依据所述登录信息分析这些影像,当多摄影机识别出的车号与该车辆车号相同的次数达到一门限值时,发出追踪信息。
本发明提出一种整合多摄影机视频的车辆追踪系统,其包括请求处理单元、数据储存单元、影像获取单元、图像处理单元及分析比对单元。其中,请求处理单元用于接收用户对于要追踪的车辆的保全请求,此保全请求包括车辆的登录信息及位置信息。数据储存单元用于储存车辆的登录信息及位置信息。影像获取单元用于获取所述位置周围一特定范围内多个监视摄影机所拍摄的影像。图像处理单元用于对所述影像执行图像处理。分析比对单元用于依据保全请求中所述车辆的登录信息与时空数据融合分析比对方法分析这些影像,其中当分析比对单元判断出多摄影机识别出的车号与该车辆车号相同的次数等于或高于一门限值时,则由请求处理单元发出追踪信息。
基于上述,本发明的整合多摄影机影像的车辆追踪方法及系统根据用户提供的车辆信息,获取车辆周围监视摄影机的影像以进行分析,当在这些影像中发现该车辆出现于不同摄影机的次数等于或高于识别次数门限值时,立即发出追踪信息通知用户,据此可提高车辆追踪的准确率,并降低错误警报率。
附图说明
图1是依照本发明一实施例的整合多摄影机视频的车辆追踪系统的示意图;
图2是依照本发明一实施例的整合多摄影机视频的车辆追踪系统的方块图;
图3是依照本发明一实施例的整合多摄影机视频的车辆追踪方法的流程图;
图4是依照本发明一实施例的多摄影机车牌识别率的曲线图;
图5a至图5c是依照本发明一实施例的多摄影机时空数据融合分析比对方法的示例图;
图6a是依照本发明一实施例的多摄影机时空数据融合分析比对结果的示例图;
图6b是多摄影机时空数据融合分析比对动态调整识别次数门限值的示例图;
图7是依照本发明一实施例的车辆追踪系统的操作接口。
【主要元件符号说明】
12:数据获取端
14:客户端
16:服务系统端
20:车辆追踪系统
21:请求处理单元
22:数据储存单元
23:影像获取单元
24:图像处理单元
25:分析比对单元
60:操作接口
61:保全请求设定区
62:追踪信息显示区
63:追踪路径显示区
64:片段影像显示区
S302~S308:本发明一实施例的整合多摄影机视频的车辆追踪方法的步骤
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明作进一步的详细说明。
本发明根据用户设定的车辆信息,对车辆周围的路口监视器影像进行数据分析,包括移动对象检测、车牌检测、车牌号码识别,然后再通过时空数据融合分析可以去除不合理的移动车辆追踪数据,再依时间及空间的关联性重建轨迹。当所追踪的车辆在其保全时间内却被周围的路口监视器检测到时,即表示车辆遭窃,此时服务端随即通过网络将该车辆的关键图样与文字信息传送到客户端。据此,用户可在其装置画面中看到目前车辆的行进轨迹以及监视摄影机所拍摄到的片段影像,进而追踪其车辆是否遭窃。
图1是依照本发明一实施例的整合多摄影机视频的车辆追踪系统示意图。请参照图1,车辆追踪系统整体可分为数据获取端12、客户端14及服务系统端16等三部分。
数据获取端12是利用路口的监视器拍摄路过车辆的影像或影片,然后通过通信网络传到后端的服务系统端16以进行进一步的分析。
客户端14是由用户使用的任何可链接网络的装置,包括个人计算机、平板计算机、移动电话等装置,其用于连接服务系统端16以向服务系统端16发出保全请求。用户可以设定用户基本数据(例如账号、密码、车牌号码等信息)、设定/解除追踪功能、设定警示规则及确认车辆追踪信息的发布。由所接收追踪信息的显示,用户即可看到车辆的相关信息,例如运动路径、关键图样(Key pattern,KP)或文字信息。
服务系统端16通过终端机、网络服务器等服务端装置通过有线或无线方式,从数据获取端12取得影像或影片等实时待识别影像,并利用对象检测、车牌检测、车牌号码识别等方式对所取得的影像进行图像处理,以获得初步的识别数据,然后再通过数据分析与比对进一步执行多摄影机车号比对、警示规则的比对。最后,将所识别出的关键图样与轨迹等相关信息发送至客户端14。此外,服务系统端16另有数据库可储存用户所设定的警示规则与所追踪车辆的相关信息。
详言之,图2是依照本发明一实施例的整合多摄影机视频的车辆追踪系统的方块图。图3是依照本发明一实施例的整合多摄影机视频的车辆追踪方法的流程图。请同时参照图2及图3,车辆追踪系统20包括请求处理单元21、数据储存单元22、影像获取单元23、图像处理单元24及分析比对单元25,以下参照图2中车辆追踪系统20的各项元件说明本实施例车辆追踪方法的详细步骤。
首先,由请求处理单元21接收用户对于要追踪车辆的保全请求,此保全请求包括该车辆的登录信息及位置信息(步骤S302)。其中,上述的保全请求例如是由用户在用户装置上启动保全或一般的设定、请求功能来设定或产生的。在一实施例中,用户可使用家中计算机通过网络直接连线至服务系统端的车辆追踪系统20,以设定所要追踪车辆的目前位置信息,例如路口名称、地址、地标、经纬度坐标;在另一实施例中,用户则可使用随身携带的移动装置,在其车辆上或车辆旁对车辆进行定位以取得位置信息,并提供给车辆追踪系统20。
此外,若用户先前已在车辆追踪系统20中登录过其用户基本数据,则可在保全请求中自动带入其账号、密码、车牌号码等信息,以作为该车辆的登录信息,车辆追踪系统20根据此信息即可将车辆的相关信息送至客户端14。在另一实施例中,用户还可在保全请求中设定警示规则及车辆的登录信息,以供服务端装置在识别出包含所追踪车辆在内的影像时,根据警示规则及登录信息发出追踪信息。其中,用户可在保全请求中直接设定所要追踪车辆的车牌号码,以作为该车辆的登录信息。此外,上述由用户设定的警示规则,例如是保全的启动与解除时段、特定区域、KP产生的数量、车辆移动的距离等,例如在某个时段、超过某个设定区域、车辆移动达某个距离、KP数量达到某个设定值等其中之一或其组合规则满足时,车辆追踪系统20才会发送车辆相关信息至客户端14。待用户设定完成之后,用户装置即会将上述的位置信息、登录信息、警示规则等信息与启动保全请求信息一同传送至车辆追踪系统20,而存入车辆追踪系统20的数据储存单元22中的保全数据库。
在处理保全请求时,车辆追踪系统20例如会由影像获取单元23获取该车辆的位置信息周围一特定范围内多个监视摄影机所拍摄的影像(步骤S304)。此特定范围例如是车辆所在位置周围三百米、五百米内的范围。影像获取单元23例如会根据路口监视摄影机的设置信息,搜寻此特定范围内的监视摄影机,并获取其所拍摄的影像,以作为车辆保全之用。
据此,车辆追踪系统20所需分析的影像可限制在车辆周边范围,而可有效缩减其追踪车辆的运算成本。然后,由图像处理单元24对影像获取单元23所获取的影像执行图像处理,以识别出这些影像中的车牌。所述的图像处理包括移动对象检测、车牌检测、车牌号码识别其中之一或其组合。详言之,图像处理单元24可通过对象追踪、边缘检测、统计分析等技术,计算出车牌在影像中的位置,并通过文字检测、字符切割、字符分类器、特征比对等文字识别技术进行车牌检测与车牌号码识别。
分析比对单元25则会依据保全请求中设定的车辆的登录信息,分析由图像处理单元24处理后的影像,以识别出包含所追踪车辆在内的影像(步骤S306)。详言之,分析比对单元25会将图像处理单元24所识别的车牌与登录信息对应的车牌进行比对,以找出包含追踪车辆在内与登录车牌相符的影像。
需说明的是,由于图像处理单元24识别上尚有误判的情形,因此,本分析比对单元25将会执行时空数据融合(Spatial-temporal Data Fusion)分析比对方法,主要是依据车牌识别率的历史统计值,分析比对单元25会设定一个预期正确的被多摄影机识别出为相同车牌的期望值,由此期望值估算出必须被不同的摄影机识别到的次数,而得到识别次数门限值,然后分析比对单元25会参考实际的车行时间、距离、速度等信息动态的调整识别次数门限值,当实际被不同摄影机识别出的次数等于或高于此识别次数门限值,分析比对单元25才会通知请求处理单元21,发出追踪信息与发送警示信号。此种时空数据融合分析比对方法能提高警示的正确率及降低误报的错误率。其详细的方法说明如下:假设每个摄影机的车牌识别的识别率TPR(True Positive Rate)统计值有60%,而错误率FPR(False PositiveRate)为30%。如图4所示,TP(n)表示同一辆车被n个摄影机识别为同一车牌车号的正确识别率,而FP(n)即为同一辆车被n个摄影机识别为不同车牌车号的错误率。观察TP(n)与FP(n)的曲线变化可明显发现,通过多摄影机的车牌识别可以提升车牌识别率,并可有效降低系统的错误警报率。因此依据此数据曲线设定分析比对的识别次数门限值。例如:车牌识别的结果为保全车号的次数(N)取4为识别次数门限值,当n累计至4时,表示该保全车辆已被开离其原设定的保全位置,且被4个路口摄影机识别出,造成移动的确实机率达97.4%(为1-(1-0.6)4),所以请求处理单元21即会发出追踪信息与发送警示信号,以上各数据将随使用条件而有不同,但不影响实施。
见图5a所示,不是保全车辆的车牌而被识别为保全车辆的车号,可能将导致产生错误的n值统计,为了解决此问题,可通过时间及空间的关联性分析比对结果,以及动态增加或减少门限值N予以改善,例如,首先假设Po为保全车辆所设定初始的坐标位置,Pi与Pj(i≠j)表示在时间点Ti与Tj(Ti<Tj)时图像处理单元24识别出为保全车号所对应到摄影机的设置位置或视野(Field of view,FOV)位置,ΔTi,j=Tj-Ti表示时间点Ti与Tj的时间差,Si,j表示所识别出的保全车牌的出现位置从Pi移动到Pj的平均速率,其Pi移动到Pj的路径距离可由地图信息得知。di、Dj表示Pi、Pj分别与Po的距离。当车辆追踪系统20收到保全请求信息时,接下来可以依据保全车辆所设定初始的坐标位置Po,以Po当圆心,以距Po的远近距离为半径,规划出多个监视区域,例如第I、II及III区域。当所识别出的保全车牌的Dj值大于Di值很多,而出现位置从Pi移动到Pj,亦即车辆出现区域从I区移到II区时,则表示两个车牌识别结果很有可能是同一保全车辆,门限值N可保持不变。如图5b所示,如果所识别出的保全车牌的Dj值接近于Di值,而出现位置从Pi移动到Pj在同一区的话,亦即车辆出现区域从I区移到I区,则表示两个车牌识别结果有可能是同一保全车辆,门限值N可保持不变。如图5c所示,但如果所识别出的保全车牌的Dj值小于Di值很多,而出现位置从Pi到Pj移动,亦即车辆出现区域从II区移到I区,则表示两个车牌识别结果是同一保全车辆的可能性不高,因为依照常理,直接由PO开到Pj的可能性远比从P0绕道至Pi再回到Pj可能性要高的多,因此分析比对单元25必须增加门限值N,以降低错误警报率。此外ΔTi,j也可以跟历史统计数据平均值做比较,例如ΔTi,j越接近则表示两个车牌识别结果很有可能是同一保全车辆,门限值N可保持不变。反之,如果ΔTi,j与的差越大,则表示两个车牌识别结果是同一保全车辆的可能性越小,因此分析比对单元25据此可增加门限值N,以降低错误警报率。
上文所述ΔTi,j与的比对方法,例如可以由历史统计数据事先估测出ΔTi,j的机率分布(常态或伽玛分布等),并通过设定一个信赖区间,以常态分布为例,95%信赖区间约在[平均值-2倍标准偏差,平均值+2倍标准偏差]范围内。所以ΔTi,j若出现在此信赖区间内时,则表示此两个车牌识别结果很有可能是同一保全车辆。反之,如果ΔTi,j出现在此信赖区间之外时,则两个车牌识别结果是同一保全车辆的可能性不高,因此分析比对单元25据此可以增加门限值N,以降低错误警报率。同理,也可以事先由历史统计数据估测平均速度的机率分布,并判断Pi到Pj移动的平均速度Si,j是否在一信赖区间之内,如果平均速度Si,j落于区间内时,则表示此两个车牌识别结果可能是同一保全车辆。反之则可能性不高。
依上文所述,以ΔTi,j与为例做说明,其接近的程度可以设定一个门限值θt来加以判别,首先设定ΔT表示ΔTi,j与接近的程度大小,以数学式代表,其比对结果可以整理如图6a所示,当ΔTi,j与相似度大,即ΔT≤θt,其可信值用1来表示。而ΔTi,j与相似度小,即ΔT>θt,其可信值用0来表示。“1”与“0”的数量总共有n2-n个(n≥2)。设C表示为所有“1”的数量,表示“1”的数量占所有“1”与“0”数量的比率。如果大于某个设定值(取0.5为例),表示由实际上得到的信息结果,判断此n个摄影机的识别结果为同一保全车的可信度极高,因此可将识别次数的门限值减1,以增加警示的反应速度,反之门限值加1,以降低误报率。假设初始识别次数的门限值设定为5,同时对照图6a与6b,n从0~4,当n为2时,6a仅有对应的P1、P2值。经计算得出C值为2,C/(n2-n)值为1,1大于设定值0.5,因此依此结果,可以将识别次数门限值减1得出4。当n为3时,图6a有对应的P1、P2、P3值。经计算得出C值为2,C/(n2-n)值为0.33,0.33小于设定值0.5,因此依此结果,再将识别次数门限值加1得出5。当n为4时,6a有对应的P1、P2、P3、P4值。经计算得出C值为8,C/(n2-n)值为0.75,0.75大于设定值0.5,依此结果,将识别次数门限值减1得出4。此时,n=4正巧与识别次数门限值相等,所以分析比对单元通知请求处理单元21,发出追踪信息与发送警示信号。
除了以上实施例使用时间来比较多摄影机车牌识别结果的可信度外,我们也可以使用车辆移动距离来比较其可信度。以图5所示,依常理车辆移动的轨迹会从监视区域第I区往第II区移动,然后再往第III区移动,也就是说车辆移动方向会往邻近区域移动。例如,某车号在第I监视区域被发现后,接下来在第III监视区域被发现,在这期间第II监视区域都没发现此车号,即第II监视区域没有任何一台摄影机识别出此车号的机率是非常低的,所以出现在第I与III监视区域的车辆是同一台的可能性很低。此实施例监视区域是以圆形方式建立,当然也可以用其他几何图形方式去建立。如上所述,因此我们可以计算相邻时间点Ti与Tj,车辆所移动距离是否超过一个区域范围来加以判断此n个摄影机的识别结果是否为同一保全车的可信度。以ΔDj,i表示在相邻时间点Ti与Tj(Ti<Tj)时的Dj与Di的距离差,用ΔDj,i=Dj-Di数学式代表。为实施例方便说明,见图5假设跨区的监视区域I、II及III的半径差都相同,即以ΔD表示ΔDj,i与接近的程度大小,以数学式代表,当ΔDj,i与相似度大,即ΔD≤θd,则表示两个车牌识别结果是同一保全车辆可能性很高,可信值用1来表示。而当ΔDj,i与相似度小,即ΔD>θd表示移动距离已跨过至少一个区域范围以上,其可信值用0来表示。同理,我们亦可用速度方法得是否ΔS<θs成立,以得出可信值,或使用加权方式同时考虑时间与距离,时间与速度,距离与速度,时间与距离与速度等不同的组合来求得可信值。
在另一实施例,依上所述可以同时组合时间、距离、速度等多个判断条件,然后利用一般的模糊推论方法据以实施,其输入的信息如前面所述的ΔT,ΔD与ΔS。而模糊推论的输出结果设定为λ,表示为识别次数门限值的增量,所以新的门限值等于旧的门限值加上λ。经过模糊推论过程与最后的解模糊化计算结果如得出λ=0.8。所以例如等于3,则等于3.8,若此时n为4时(4>3.8),则请求处理单元21将会发出追踪信息与发送警示信号。
回到图3的流程,当分析比对单元25判断出包含车辆在内的影像且满足警示规则时,请求处理单元21即会发出追踪信息(步骤S308)。在一实施例中,上述的追踪信息可以是一则仅包含文字内容的警示信息,以提醒用户其车辆可能遭窃。在另一实施例中,追踪信息还可包括所识别的包含追踪车辆在内的影像、拍摄该影像的监视摄影机的位置及时间等信息,以让用户者确认所识别的车辆是否是自己的,并了解车辆被移动的路径,以进行后续追踪。
详言之,上述的追踪信息例如会发送至用户装置,而由用户装置根据追踪信息中记录的拍摄影像的监视摄影机的位置,在用户装置上显示该位置附近的地图,并在此地图上标示出所追踪车辆的影像。
举例来说,图7是依照本发明一实施例的车辆追踪系统的操作接口。请参照图7,操作接口60例如是用户利用其装置连线到车辆追踪系统后,由车辆追踪系统提供的接口。其中,操作接口60例如包括保全请求设定区61、追踪信息显示区62、追踪路径显示区63以及片段影像显示区64。用户初次使用在保全请求设定区61中可通过按下设定键612设定、修改及储存其基本数据及所追踪车辆的目前位置信息或由移动装置,在其车辆上或车辆旁对车辆进行定位以取得位置信息,可通过按下设定键612,以设定、修改及储存基本数据及所追踪车辆的位置信息或是警示规则等其他信息。在完成相关信息的设定之后,用户可再按下保全键614,以发出保全请求至车辆追踪系统,而启动车辆追踪程序。在另一实施利中,设定键612的功能也可以包含设定、修改及储存警示规则。用户在第一次使用车辆追踪系统后,如果不更改基本数据或是警示规则等信息,则用户可直接按下保全键614,以发出保全请求至车辆追踪系统。
当车辆追踪系统发现有相同车号的车辆在多摄影机出现且达到其识别次数门限值时,即会回传追踪信息至用户装置,而在追踪信息显示区62显示警示信息、追踪到车辆的时间、地点、KP的数量、车辆移动的距离等信息。此外,用户装置还会在追踪路径显示区63中显示车辆被追踪到的位置以及在该位置所拍摄到的关键图样KP1~KP5,并将这些位置连线而获得车辆的追踪路径。此时,用户可点选其中任一关键图样KP1~KP5,以在片段影像显示区64检视关键图样的放大影像或该摄影机所录到该车辆的影像(例如关键图样KP5)。
此外,当车辆追踪系统发现有相同车号的车辆出现时,还会根据包含所追踪车辆在内的图像映射的监视摄影机位置,获取该监视摄影机位置周围一特定范围内的其他监视摄影机所拍摄的影像,以进行车辆的识别。据此,车辆追踪系统即可持续追踪车辆的运动路径。
需说明的是,虽然上述实施例主要是应用在车辆的防盗,但同样的方法也可应用在其他车辆追踪的情况。举例来说,当有乘客搭上出租车后,可利用随身携带的移动装置对该出租车进行定位,并将该出租车的车号连同位置信息一并传到本发明的车辆追踪系统。据此,车辆追踪系统即可获取出租车附近监视摄影机的影像以监测出租车的运动路径,相关的监测数据可传送到乘客的家属,以帮助家属了解出租车的运动路径是否正常,达到保障乘客安全的目的。相对的,出租车司机也可在有乘客搭上车时,利用移动装置发出保全请求,而由车辆追踪系统监测其运动路径,据此亦可保障出租车司机的安全。
综上所述,本发明的整合多摄影机影像的车辆追踪方法及系统,依据所追踪车辆周围多个监视摄影机的影像进行时空数据融合分析,因此可以提高事件检测的准确率且可同时降低错误警报率。此外,车上不需额外装设防盗器等其它硬件,也无需司机负担额外的通信月租费或通话费。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (23)
1.一种整合多摄影机影像的车辆追踪方法,适于由一服务端装置利用多个监视摄影机拍摄的影像追踪一车辆,该方法包括下列步骤:
接收对于该车辆的一请求,该请求包括该车辆的一登录信息及一位置信息;
获取该位置信息周围一特定范围内多个监视摄影机所拍摄的多张影像;
依据该登录信息分析所述影像,以识别包含该车辆在内的影像;以及
当识别出包含该车辆在内的影像时,发出一信息。
2.如权利要求1所述的整合多摄影机影像的车辆追踪方法,其中接收对于该车辆的该请求的步骤之前,还包括:
由一用户装置启动一功能,并设定该车辆的该位置信息;以及
由该用户装置结合该位置信息以及该车辆的该登录信息于该请求,并传送至该服务端装置。
3.如权利要求2所述的整合多摄影机影像的车辆追踪方法,其中由该用户装置启动该功能,并设定该车辆的该位置信息的步骤包括:
使用该用户装置对该车辆进行定位以获得该位置信息。
4.如权利要求2所述的整合多摄影机影像的车辆追踪方法,其中由该用户装置启动该功能的步骤还包括:
设定一警示规则及该登录信息,以供该服务端装置在识别出包含该车辆在内的影像时,根据该警示规则及该登录信息发出该信息。
5.如权利要求4所述的整合多摄影机影像的车辆追踪方法,其中该警示规则包括检测该车辆的时间、地点、频率、距离、时段。
6.如权利要求1所述的整合多摄影机影像的车辆追踪方法,其中依据该登录信息分析所述影像,以识别包含该车辆在内的影像的步骤包括:
对各所述监视摄影机所拍摄的所述影像进行一图像处理,以识别出所述影像中的至少一车牌;以及
比对所识别的车牌与该登录信息对应的车牌,以找出车牌相符的影像作为所识别的包含该车辆在内的影像。
7.如权利要求6所述的整合多摄影机影像的车辆追踪方法,其中该图像处理包括移动对象检测、车牌检测、车牌号码识别其中之一或其组合。
8.如权利要求6所述的整合多摄影机影像的车辆追踪方法,其中依据该登录信息分析所述影像,以识别包含该车辆在内的影像,以及在识别出包含该车辆在内的影像时,发出该信息的步骤还包括:
依据一车牌识别率的一历史统计值,设定预期在所述监视摄影机所拍摄的影像中识别出相同车牌的一期望值,并依据该期望值估算出必须在所述影像中被识别到的一识别次数门限值;
统计各所述车牌在所述监视摄影机中的n个监视摄影机所拍摄的影像中被识别到的一次数,并与该识别次数门限值比较,其中n为正整数;以及
当所统计的该次数等于或高于该识别次数门限值时,发出该信息。
9.如权利要求8所述的整合多摄影机影像的车辆追踪方法,其中依据该登录信息分析所述影像,以识别包含该车辆在内的影像的步骤还包括:
参考一行车信息,动态调整该识别次数门限值,该行车信息包括车行时间、距离、速度其中之一或其组合。
10.如权利要求1所述的整合多摄影机影像的车辆追踪方法,其中当识别出包含该车辆在内的影像时,该方法还包括:
根据包含该车辆在内的图像映射的该监视摄影机的位置,获取该监视摄影机位置周围该特定范围内的其他监视摄影机所拍摄的影像,以进行该车辆的识别。
11.如权利要求1所述的整合多摄影机影像的车辆追踪方法,其中该信息包括所识别的包含该车辆在内的影像、拍摄该影像的监视摄影机的位置及时间其中之一或其组合。
12.如权利要求11所述的整合多摄影机影像的车辆追踪方法,其中发出该信息的步骤包括:
传送该信息至一用户装置;以及
根据该信息中拍摄该影像的监视摄影机的位置,在该用户装置上显示该位置附近的一地图,并在该地图上标示所识别的包含该车辆在内的影像。
13.一种整合多摄影机视频的车辆追踪系统,包括:
一请求处理单元,接收对于一车辆的一请求,该请求包括该车辆的一登录信息及一位置信息;
一数据储存单元,储存该车辆的该登录信息及该位置信息;
一影像获取单元,获取该位置信息周围一特定范围内多个监视摄影机所拍摄的多张影像;
一图像处理单元,执行一图像处理于所述影像;以及
一分析比对单元,依据该请求中该车辆的一登录信息分析所述影像,以识别包含该车辆在内的影像,其中
当该分析比对单元识别出包含该车辆在内的影像时,由该请求处理单元发出一信息。
14.如权利要求13所述的整合多摄影机影像的车辆追踪系统,其中该请求处理单元还包括提供一用户装置设定该车辆的该位置信息。
15.如权利要求13所述的整合多摄影机影像的车辆追踪系统,其中该请求处理单元还包括提供一用户装置设定一警示规则及该登录信息,以在识别出包含该车辆在内的影像时,根据该警示规则及该登录信息发出该信息。
16.如权利要求15所述的整合多摄影机影像的车辆追踪系统,其中该警示规则包括检测该车辆的时间、地点、频率、距离、时段。
17.如权利要求13所述的整合多摄影机影像的车辆追踪系统,其中该图像处理单元包括对各所述监视摄影机所拍摄的影像进行该图像处理,以识别出所述影像中的至少一车牌,并比对所识别的车牌与该登录信息对应的车牌,以找出车牌相符的影像作为所识别的包含该车辆在内的影像。
18.如权利要求17所述的整合多摄影机影像的车辆追踪系统,其中该图像处理包括移动对象检测、车牌检测、车牌号码识别其中之一或其组合。
19.如权利要求17所述的整合多摄影机影像的车辆追踪系统,其中该分析比对单元还统计各所述车牌在所述监视摄影机中的n个监视摄影机所拍摄的影像中被识别到的一次数,并与一识别次数门限值比较,而当所统计的该次数达到该识别次数门限值时,通知该请求处理单元发出该信息,其中n为正整数。
20.如权利要求19所述的整合多摄影机影像的车辆追踪系统,其中该分析比对单元还依据一车牌识别率的一历史统计值,设定预期在所述监视摄影机所拍摄的影像中识别出相同车牌的一期望值,并依据该期望值估算出必须在所述影像中被识别到的该识别次数门限值。
21.如权利要求20所述的整合多摄影机影像的车辆追踪系统,其中该分析比对单元还参考一行车信息,动态调整该识别次数门限值,该行车信息包括车行时间、距离、速度其中之一或其组合。
22.如权利要求13所述的整合多摄影机影像的车辆追踪系统,其中该请求处理单元还包括根据包含该车辆在内的图像映射的该监视摄影机的位置,获取该监视摄影机位置周围该特定范围内的其他监视摄影机所拍摄的影像,以进行该车辆的识别。
23.如权利要求13所述的整合多摄影机影像的车辆追踪系统,其中该信息包括所识别的包含该车辆在内的影像、拍摄该影像的监视摄影机的位置及时间其中之一或其组合。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW101117247A TWI459332B (zh) | 2012-05-15 | 2012-05-15 | 整合多攝影機影像的車輛追蹤方法及系統 |
TW101117247 | 2012-05-15 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103419750A true CN103419750A (zh) | 2013-12-04 |
Family
ID=49581007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012102131200A Pending CN103419750A (zh) | 2012-05-15 | 2012-06-26 | 整合多摄影机影像的车辆追踪方法及系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9761135B2 (zh) |
CN (1) | CN103419750A (zh) |
TW (1) | TWI459332B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104065920A (zh) * | 2014-06-10 | 2014-09-24 | 北京中芯丙午媒体科技有限公司 | 一种车辆监控跟踪方法、系统及服务器 |
CN105083222A (zh) * | 2015-07-31 | 2015-11-25 | 徐承柬 | 一种车辆追踪系统 |
CN105243851A (zh) * | 2015-09-24 | 2016-01-13 | 上海车音网络科技有限公司 | 车辆监控方法和系统 |
US10252701B2 (en) | 2017-01-04 | 2019-04-09 | Industrial Technology Research Institute | Object tracking system and method therewith |
CN109841057A (zh) * | 2018-11-07 | 2019-06-04 | 厦门卫星定位应用股份有限公司 | 一种基于gnss的关注车辆追踪方法 |
CN110164135A (zh) * | 2019-01-14 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种定位方法、定位装置及定位系统 |
CN110525547A (zh) * | 2019-09-04 | 2019-12-03 | 常州新途软件有限公司 | 一种基于行车记录仪的电动车防盗系统 |
CN111666860A (zh) * | 2020-06-01 | 2020-09-15 | 浙江省机电设计研究院有限公司 | 一种车牌信息与车辆特征融合的车辆轨迹跟踪方法 |
CN112926493A (zh) * | 2021-03-19 | 2021-06-08 | 浙江大华技术股份有限公司 | 一种车牌检测方法、装置、设备及介质 |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9031948B1 (en) | 2011-07-06 | 2015-05-12 | Shawn B. Smith | Vehicle prediction and association tool based on license plate recognition |
US8768009B1 (en) | 2011-07-26 | 2014-07-01 | Shawn B. Smith | Locating persons of interest based on license plate recognition information |
US8825368B2 (en) * | 2012-05-21 | 2014-09-02 | International Business Machines Corporation | Physical object search |
WO2014138719A1 (en) * | 2013-03-08 | 2014-09-12 | Smith Shawn B | Location classification based on license plate recognition information |
US9558408B2 (en) | 2013-10-15 | 2017-01-31 | Ford Global Technologies, Llc | Traffic signal prediction |
US9175966B2 (en) * | 2013-10-15 | 2015-11-03 | Ford Global Technologies, Llc | Remote vehicle monitoring |
US20150116501A1 (en) * | 2013-10-30 | 2015-04-30 | Sony Network Entertainment International Llc | System and method for tracking objects |
US20150127730A1 (en) * | 2013-11-06 | 2015-05-07 | Shahar Sean Aviv | System and Method for Vehicle Alerts, Notifications and Messaging Communications |
FR3015099A1 (fr) * | 2013-12-12 | 2015-06-19 | Rizze | Systeme et dispositif d'aide a la detection et au suivi automatise d'objets mouvants ou de personnes |
US10318828B2 (en) * | 2013-12-19 | 2019-06-11 | Harman International Industries, Incorporated | Vehicle behavior analysis |
GB201401009D0 (en) * | 2014-01-21 | 2014-03-05 | Qinetiq Ltd | Vehicle identification |
TWI498527B (zh) * | 2014-01-28 | 2015-09-01 | Chunghwa Telecom Co Ltd | Submarine Vehicle Surrounding System and Method |
CN103927880B (zh) * | 2014-04-28 | 2016-11-16 | 浙江宇视科技有限公司 | 一种车牌识别比对方法及装置 |
US20170110013A1 (en) * | 2014-07-31 | 2017-04-20 | Agt International Gmbh | System and method for sensor positioning and vehicle tracking using lpr based spatial constraints |
TWI638569B (zh) * | 2014-11-05 | 2018-10-11 | 晶睿通訊股份有限公司 | 監控系統與監控方法 |
US9710720B2 (en) * | 2015-04-29 | 2017-07-18 | General Electric Company | System and method of image analysis for automated asset identification |
CN106203234A (zh) * | 2015-04-30 | 2016-12-07 | 蔡汉宝 | 对象识别与寻找系统与方法 |
TWI561415B (en) * | 2015-06-26 | 2016-12-11 | Weistech Technology Co Ltd | Road navigation method and system using the same |
US10049286B2 (en) * | 2015-12-15 | 2018-08-14 | International Business Machines Corporation | Image-based risk estimation |
US10453024B2 (en) | 2016-05-27 | 2019-10-22 | Nissan North America, Inc. | Incentivized group shipping system |
WO2018049514A1 (en) * | 2016-09-13 | 2018-03-22 | Genetec Inc. | Auto-calibration of tracking systems |
TWI617998B (zh) * | 2017-07-18 | 2018-03-11 | Chunghwa Telecom Co Ltd | System and method for car number identification data filtering |
US10255514B2 (en) * | 2017-08-21 | 2019-04-09 | Sap Se | Automatic identification of cloned vehicle identifiers |
TWI658728B (zh) * | 2017-10-13 | 2019-05-01 | 中華電信股份有限公司 | 智慧型影像辨識防竊告警之系統及方法 |
US11526549B2 (en) * | 2018-03-23 | 2022-12-13 | Motorola Solutions, Inc. | Method and system for interfacing with a user to facilitate an image search for an object-of-interest |
US10795933B1 (en) | 2018-05-01 | 2020-10-06 | Flock Group Inc. | System and method for object based query of video content captured by a dynamic surveillance network |
US10559200B1 (en) | 2018-05-01 | 2020-02-11 | Flock Group Inc. | Method and system for capturing and storing significant surveillance images |
CN110865400A (zh) * | 2018-08-27 | 2020-03-06 | 上海博泰悦臻网络技术服务有限公司 | 反跟踪的方法及系统和位置追踪的方法及系统 |
CN110958423B (zh) * | 2018-09-26 | 2021-08-31 | 浙江宇视科技有限公司 | 一种车辆检测率确定方法及装置 |
CN109803076B (zh) * | 2019-01-21 | 2020-12-04 | 刘善成 | 一种内河水上交通卡口船舶图像抓拍及船名识别的方法 |
SG10202005940YA (en) | 2019-06-27 | 2021-01-28 | Bigobject Inc | Bionic computing system and cloud system thereof |
CN111368868B (zh) * | 2019-07-31 | 2024-01-09 | 杭州海康威视系统技术有限公司 | 确定车辆套牌的方法、装置及设备 |
CN110706258B (zh) | 2019-10-10 | 2022-10-04 | 北京百度网讯科技有限公司 | 对象追踪方法及装置 |
CN111078927A (zh) * | 2019-12-19 | 2020-04-28 | 罗普特科技集团股份有限公司 | 基于家谱数据识别驾驶员身份的方法、装置、存储介质 |
US10967833B1 (en) | 2020-04-08 | 2021-04-06 | Denso International America, Inc. | Vehicle monitoring system using multiple security cameras |
CN112820115B (zh) * | 2021-01-05 | 2021-11-23 | 四川铁投信息技术产业投资有限公司 | 一种行驶车辆转向状态识别方法 |
JP2022157556A (ja) * | 2021-03-31 | 2022-10-14 | トヨタ自動車株式会社 | 情報処理装置、プログラム及び情報処理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040201460A1 (en) * | 2003-04-09 | 2004-10-14 | Bucholz Andrew J. | System and method of vehicle surveillance |
WO2007027074A1 (en) * | 2005-09-01 | 2007-03-08 | Vladimir Schiliov | The panel, mounted on the automobile and automobiles identification methods |
JP2008070978A (ja) * | 2006-09-12 | 2008-03-27 | Xanavi Informatics Corp | 盗難車発見システム、ナビゲーション装置および車載機器 |
CN101458833A (zh) * | 2007-12-10 | 2009-06-17 | 罗胜 | 车辆防盗装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5568406A (en) | 1995-12-01 | 1996-10-22 | Gerber; Eliot S. | Stolen car detection system and method |
US7439847B2 (en) * | 2002-08-23 | 2008-10-21 | John C. Pederson | Intelligent observation and identification database system |
TW591554B (en) * | 2002-10-28 | 2004-06-11 | Sin Etke Technology Co Ltd | Vehicle management system |
CA2559726C (en) * | 2004-03-24 | 2015-10-20 | A9.Com, Inc. | System and method for displaying images in an online directory |
GB2459918B (en) * | 2008-05-12 | 2010-04-21 | Mark Group Ltd | Thermal imaging |
CN101673467A (zh) | 2009-10-14 | 2010-03-17 | 王永顺 | 机动车防套牌防盗系统及其处理方法 |
TWI408625B (zh) * | 2010-04-15 | 2013-09-11 | Univ Nat Chiao Tung | 車輛追蹤系統及其方法 |
US9008370B2 (en) * | 2012-03-15 | 2015-04-14 | Xerox Corporation | Methods, systems and processor-readable media for tracking history data utilizing vehicle and facial information |
US8781172B2 (en) * | 2012-03-30 | 2014-07-15 | Xerox Corporation | Methods and systems for enhancing the performance of automated license plate recognition applications utilizing multiple results |
-
2012
- 2012-05-15 TW TW101117247A patent/TWI459332B/zh active
- 2012-06-26 CN CN2012102131200A patent/CN103419750A/zh active Pending
- 2012-08-14 US US13/585,795 patent/US9761135B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040201460A1 (en) * | 2003-04-09 | 2004-10-14 | Bucholz Andrew J. | System and method of vehicle surveillance |
WO2007027074A1 (en) * | 2005-09-01 | 2007-03-08 | Vladimir Schiliov | The panel, mounted on the automobile and automobiles identification methods |
JP2008070978A (ja) * | 2006-09-12 | 2008-03-27 | Xanavi Informatics Corp | 盗難車発見システム、ナビゲーション装置および車載機器 |
CN101458833A (zh) * | 2007-12-10 | 2009-06-17 | 罗胜 | 车辆防盗装置 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104065920A (zh) * | 2014-06-10 | 2014-09-24 | 北京中芯丙午媒体科技有限公司 | 一种车辆监控跟踪方法、系统及服务器 |
CN105083222A (zh) * | 2015-07-31 | 2015-11-25 | 徐承柬 | 一种车辆追踪系统 |
CN105243851A (zh) * | 2015-09-24 | 2016-01-13 | 上海车音网络科技有限公司 | 车辆监控方法和系统 |
US10252701B2 (en) | 2017-01-04 | 2019-04-09 | Industrial Technology Research Institute | Object tracking system and method therewith |
CN109841057A (zh) * | 2018-11-07 | 2019-06-04 | 厦门卫星定位应用股份有限公司 | 一种基于gnss的关注车辆追踪方法 |
CN110164135A (zh) * | 2019-01-14 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种定位方法、定位装置及定位系统 |
CN110164135B (zh) * | 2019-01-14 | 2022-08-02 | 腾讯科技(深圳)有限公司 | 一种定位方法、定位装置及定位系统 |
CN110525547A (zh) * | 2019-09-04 | 2019-12-03 | 常州新途软件有限公司 | 一种基于行车记录仪的电动车防盗系统 |
CN111666860A (zh) * | 2020-06-01 | 2020-09-15 | 浙江省机电设计研究院有限公司 | 一种车牌信息与车辆特征融合的车辆轨迹跟踪方法 |
CN112926493A (zh) * | 2021-03-19 | 2021-06-08 | 浙江大华技术股份有限公司 | 一种车牌检测方法、装置、设备及介质 |
CN112926493B (zh) * | 2021-03-19 | 2023-11-03 | 浙江大华技术股份有限公司 | 一种车牌检测方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
US9761135B2 (en) | 2017-09-12 |
US20130307979A1 (en) | 2013-11-21 |
TWI459332B (zh) | 2014-11-01 |
TW201346851A (zh) | 2013-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103419750A (zh) | 整合多摄影机影像的车辆追踪方法及系统 | |
US20200380864A1 (en) | Roadside parking management method, device, and system based on multiple cameras | |
US9802571B2 (en) | Method and system for vandalism and/or loitering detection using video | |
US9779311B2 (en) | Integrated control system and method using surveillance camera for vehicle | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
CN109255957B (zh) | 一种隧道内车辆行驶监测的方法及系统 | |
CN103057518A (zh) | 汽车防盗报警方法、装置和汽车防盗报警系统 | |
CN104239889A (zh) | 车辆乘载人数监视器及车辆乘载人数监控方法与计算机可读取记录媒体 | |
CN206684779U (zh) | 一种基于adas智能车载终端的车险管理服务系统 | |
CN113055823B (zh) | 一种基于路侧停车管理共享单车的方法及装置 | |
CN105448105A (zh) | 一种基于巡逻警车的监控系统 | |
JP2022523247A (ja) | ながら運転のモニタリング方法、システム及び電子機器 | |
US20180316901A1 (en) | Event reconstruct through image reporting | |
CN114648748A (zh) | 一种基于深度学习的机动车违停智能识别方法及系统 | |
AU2017225115B2 (en) | A method of determining if a vehicle has been stolen and a system therefor | |
CN114387780A (zh) | 车辆损坏识别和事故管理系统和方法 | |
Suthir et al. | Conceptual approach on smart car parking system for industry 4.0 internet of things assisted networks | |
US10719547B2 (en) | Image retrieval assist device and image retrieval assist method | |
JP2013200837A (ja) | 注視対象物推定装置、方法、及びプログラム | |
CN101559773B (zh) | 影像撷取装置位置的自动侦测方法与车辆碰撞警示系统 | |
CN104899548A (zh) | 一种方向盘上操作手数目视频检测方法 | |
CN113435418A (zh) | 基于计算机视觉的电动自行车偷盗识别方法 | |
CN100587390C (zh) | 影像撷取装置位置的自动侦测方法与车辆碰撞警示系统 | |
CN113128294A (zh) | 一种道路事件取证方法、装置、电子设备及存储介质 | |
US20200065591A1 (en) | System for the monitoring and security of the environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20131204 |