CN103854488B - 一种黑名单分布式鉴别方法及装置 - Google Patents

Abstract

本发明公开了一种黑名单分布式鉴别方法及装置，该方法通过将黑名单映射为比特图并下发到前端设备，前端设备识别车牌号码，并将其通过哈希算法变换为哈希值，该哈希值被比特图长度取余得到对应的余数，然后判断该余数对应的比特图位置是否为1来滤除非黑名单中的车牌号码，将嫌疑车牌号码发送到后端服务器与黑名单中的车牌号码比较以进行最后的报警。本发明同时还公开了实现上述方法的装置，本发明方法及装置通过前端设备滤除了大部分非黑名单车牌号码，有效降低了后端服务器的工作量，大大提高了后端服务器的服务性能。

Description

一种黑名单分布式鉴别方法及装置

技术领域

本发明属于视频监控技术领域，尤其涉及视频监控中对于车牌黑名单的一种黑名单分布式鉴别方法及装置。

背景技术

随着汽车时代的到来，智能交通管理系统是世界道路交通管理的发展趋势。公路交通基础建设的不断发展和车辆管理体制的不断完善，为以视频监控为基础的智能交通管理系统的实际应用打下了良好基础。在智能交通管理系统中，为了对一些违法行为进行严厉打击，很多系统建立了黑名单，将那些非法营运、假牌套牌、盗抢车辆、交通肇事逃逸车辆或其他问题车辆的车牌号码录入系统的车牌黑名单中，进行识别告警。

这种车牌黑名单的监控作用不仅使用在智能交通管理系统，也可以使用在智能小区、智能停车场管理系统中，还广泛应用在高速公路、桥梁、隧道等收费管理系统等。

然而现有技术方案是通过前端设备摄像机拍下监控画面，识别出车牌号码后，将大量车牌号码发送到后端服务器，通过与后端服务器存储的车牌黑名单进行比较，当确定是属于黑名单后，形成报警。在当前方式中，如果将监控识别到的一个非黑名单中的车牌号码传到后端服务器，而后端服务器判断该车牌号码不是黑名单中的车辆作为一次误报处理的话，则误报率=（（车牌总数–黑名单数）/车牌总数）。显然现有技术方案对于后端服务器要求较高，集中处理使后端服务器信息处理量大，后端服务器负担重，若后端服务器处理能力较差，将无法完成如此频繁的运算。

发明内容

本发明的目的是提供一种黑名单分布式鉴别方法及装置，车牌号码是否属于黑名单的鉴别任务由分散在前端设备和后端服务器配合完成，前端设备实现过滤绝大部分误报，降低后端服务器的压力，从而可以构建更大的管理系统。

为了实现上述发明目的，本发明技术方案如下：

一种黑名单分布式鉴别方法，用于通过分布式的前端设备和后端服务器鉴别被监控车辆是否属于黑名单车辆，应用于前端设备，该方法包括步骤：

接收后端服务器将黑名单中的车牌号码映射生成的比特图，在所述比特图中，所述黑名单中的车牌号码通过哈希算法得到的哈希值被比特图长度取余，所得余数对应的比特位的数值为a，其余比特位的数值为b；

通过监控识别出被监控车辆的车牌号码，采用哈希算法计算出其对应的哈希值，该哈希值被比特图长度取余得到对应的余数；

判断比特图中对应该余数的比特位的数值是否为a，若为a则将对应的车牌号码作为嫌疑车牌号码发送给后端服务器，由后端服务器将该嫌疑车牌号码与黑名单中的车牌号码比较，如果属于黑名单中的车牌号码则报警，否则不做处理；

当a取1时，b取0;当a取0时，b取1。

本发明还提出了一种黑名单分布式鉴别方法，用于通过分布式的前端设备和后端服务器鉴别被监控车辆是否属于黑名单车辆，应用于后端服务器，该方法包括步骤：

将黑名单中的车牌号码映射生成比特图，并将该比特图下发到各前端设备；

接收前端设备发送的嫌疑车牌号码，将该嫌疑车牌号码与黑名单中的车牌号码比较，如果属于黑名单中的车牌号码则报警，否则不做处理。

进一步地，所述将黑名单中的车牌号码映射生成比特图，包括步骤：

初始化，将比特图所有比特位的初始值置为0；

对黑名单中每个车牌号码使用哈希算法生成一个哈希值，该哈希值被比特图长度取余得到余数，将比特图上该余数对应的比特位的数值设置为a；

当b取0时，a取1；当b取1时，a取0。

进一步地，所述比特图长度计算公式如下：

$L=N*\frac{(M-N)}{M*\mathrm{\μ}}$

其中L为比特图长度，M为车牌总数，N为黑名单数，μ为预设参数。

所述的比特图长度还可以直接设置为设定值。

同时，本发明还提出了一种黑名单分布式鉴别装置，用于通过分布式的前端设备和后端服务器鉴别被监控车辆是否属于黑名单车辆，应用于前端设备，该装置包括：

接收单元，用于接收后端服务器将黑名单中的车牌号码映射生成的比特图，在所述比特图中，所述黑名单的车牌号码通过哈希算法得到的哈希值被比特图长度取余，所得余数对应的比特位的数值为a，其余比特位的数值为b；

哈希计算单元，用于通过监控识别出被监控车辆的车牌号码，采用哈希算法计算出该被监控车辆车牌号码对应的哈希值，该哈希值被比特图长度取余得到对应的余数；

判断单元，用于判断比特图中对应该余数的比特位的数值是否为a，若为a则将对应的车牌号码作为嫌疑车牌号码发送给后端服务器，由后端服务器将该嫌疑车牌号码与黑名单中的车牌号码比较，若嫌疑车牌号码属于黑名单的车牌号码则报警，否则不做处理；

其中，当a取1时，b取0；当a取0时，b取1。

本发明同时还提出了一种黑名单分布式鉴别装置，用于通过分布式的前端设备和后端服务器鉴别被监控车辆是否属于黑名单车辆，应用于后端服务器，该装置包括：

比特图生成单元，用于将黑名单中的车牌号码映射生成比特图，并将该比特图下发到各前端设备；

比较单元，用于接收前端设备发送的嫌疑车牌号码，将该嫌疑车牌号码与黑名单中的车牌号码比较，若属于黑名单中的车牌号码则报警，否则不做处理。

进一步地，所述比特图生成单元在将黑名单中的车牌号码映射生成比特图时，执行如下操作：

初始化，将比特图所有比特位的初始值置为b；

对黑名单中每个车牌号码使用哈希算法生成一个哈希值，该哈希值被比特图长度取余得到余数，将比特图上的该余数对应比特位的数值设置为a；

当b取0时，a取1；当b取1时，a取0。

本发明提出了一种黑名单分布式鉴别方法及装置，通过将黑名单映射为比特图并下发到前端设备，前端设备识别车牌号码，并将识别的车牌号码通过哈希算法变换为哈希值，该哈希值被比特图长度取余数得到对应的余数，然后判断该余数对应于比特图中的比特位的数值是否为1来滤除非黑名单中的车牌号码，将嫌疑车牌号码发送到后端服务器中的黑名单数据库进行比较，避免误报，在比对正确后进行最后的报警。该方法及装置通过前端设备滤除了大部分非黑名单车牌号码，有效降低了后端服务器的工作量，大大提高了后端服务器的服务性能。

附图说明

图1为本发明黑名单分布式鉴别方法实施例一流程图；

图2为本发明黑名单分布式鉴别方法实施例二流程图；

图3为本发明黑名单分布式鉴别装置实施例一结构示意图；

图4为本发明黑名单分布式鉴别装置实施例二结构示意图。

具体实施方式

下面结合附图和实施例对本发明技术方案做进一步详细说明，以下实施例不构成对本发明的限定。

本发明的总体思路是通过分布式的前端设备和后端服务器，由后端服务器将黑名单映射到一张比特图并下发给前端设备，前端设备根据比特图过滤后将嫌疑车牌号码发送给后端服务器，后端服务器将该嫌疑车牌号码与黑名单的车牌号码比较，若属于黑名单中的车牌号码则报警，否则不作处理。以下通过实施例对本发明的方法及装置做进一步阐述。

具体地，图1示出了本发明一种黑名单分布式鉴别方法实施例一的流程图，该方法应用于前端设备，包括步骤：

步骤101、接收后端服务器将黑名单中的车牌号码映射生成的比特图，在该比特图中，黑名单中的车牌号码通过哈希算法得到的哈希值被比特图长度取余，所得余数对应的比特位的数值为1，其余比特位的数值为0。

比特图为一段按比特（0或1）存储的连续空间，比特图的每一比特位可以代表一个车牌黑名单。一个车牌黑名单映射到一个比特位，映射方法包括步骤：

1）初始化，将比特图所有比特位的初始值置为0。

2）对黑名单中每个车牌号码使用哈希算法生成一个哈希值，该哈希值被比特图长度取余数得到余数，将比特图上的该余数对应的比特位数值设置为1。

例如：一条黑名单的车牌号码为浙C3***，使用哈希HASH算法生成一个哈希值H，该哈希值H被比特图长度取余数得到K值，则将比特图上的K位设置为1。

通过循环执行计算所有黑名单中的车牌号码的哈希值，并被比特图长度取余数，从而将所有黑车牌名单都在比特图中得到映射。

如果以一个城市车牌检查为例，设定为一个中等城市，拥有100万个车牌，其黑名单中对应有1000个车牌号码。那么经过映射，最多在比特图映射一千个比特位。比特图的长度为比特位总共个数，该长度由预设参数决定，另比特图长度需要显著大于黑名单中车牌号码的个数，从而达到降低误报率功能。

本实施例比特图长度计算公式如下：

$L=N*\frac{(M-N)}{M*\mathrm{\μ}}$

其中L为比特图长度，M为车牌总数，N为黑名单数，μ为预设参数。其中车牌总数M即该城市的车牌总数，黑名单数N为黑名单中的车牌号码数。

其中预设参数μ为：

$L=N*\frac{(M-N)}{M*\mathrm{\μ}}$

在100万车牌1千黑名单条件下，取预设参数μ为0.999%时，则比特图长度为10万位，等于12K字节。

容易理解的是，由于城市的车牌总数巨大，监控识别出的车牌号码经过哈希算法后对比特图长度取余，其得到的余数还是存在一定的几率相等。当一个非黑名单中的车牌号码与黑名单中的车牌号码计算出的余数相等则会造成误报。因此本发明取比特图长度L显著大于黑名单中车牌号码的个数N，大大降低误报现象。通常可以设置μ为小于1%的数。

也可以根据经验直接设置一个显著大于黑名单中车牌号码个数的数值作为比特图的长度。

步骤102、通过监控识别出被监控车辆的车牌号码，采用哈希算法计算其对应的哈希值，该哈希值被比特图长度取余得到对应的余数。

前端设备根据当前拍摄的视频图像，识别出当前车的车牌号码，通过与步骤101相同的HASH算法生成一个哈希值，该哈希值被比特图长度取余数得到该哈希值对应的余数。

步骤103、判断比特图中对应该余数的比特位的数值是否为1，若为1则将对应的车牌号码作为嫌疑车牌号码发送给后端服务器，由后端服务器将该嫌疑车牌号码与黑名单中的车牌号码做比较，如果属于黑名单中的车牌号码则报警，否则不做处理。

判断该余数值对应比特图中的比特位是否为1，如果为1则说明该车牌号码为嫌疑车牌号码，将其发送到后端服务器，由后端服务器进行进一步的比较，查看该嫌疑车牌号码是否在黑名单中，如果在黑名单中，则形成报警；如为0则该嫌疑车牌一定不属于黑名单，不对该车牌号码进行进一步操作。

图2示出了本发明一种黑名单分布式鉴别方法实施例二的流程图，该方法应用于后端服务器，包括步骤：

步骤201、将黑名单中的车牌号码映射生成比特图，并将该比特图下发到各前端设备；

步骤202、接收前端设备发送的嫌疑车牌号码，将该嫌疑车牌号码与黑名单中的车牌号码比较，如果属于黑名单中的车牌号码则报警，否则不做处理。

需要说明的是，本实施例采用的哈希算法在后端服务器端与前端设备中的为同一种算法，以保证计算出的哈希值经过对比特图长度取余数后，余数相同。

图3示出了本发明一种黑名单分布式鉴别装置实施例一的内部结构图，该装置应用于前端设备，包括：

接收单元，用于接收后端服务器将黑名单中的车牌号码映射生成的比特图，在所述比特图中，所述黑名单的车牌号码通过哈希算法得到的哈希值被比特图长度取余，所得余数对应的比特位的数值为1，其余比特位的数值为0；

哈希计算单元，用于通过监控识别出被监控车辆的车牌号码，采用哈希算法计算出该被监控车辆车牌号码对应的哈希值，该哈希值被比特图长度取余得到对应的余数；

判断单元，用于判断比特图中对应该余数的比特位的数值是否为1，若为1则将对应的车牌号码作为嫌疑车牌号码发送给后端服务器，由后端服务器将该嫌疑车牌号码与黑名单中的车牌号码比较，若嫌疑车牌号码属于黑名单的车牌号码则报警，否则不做处理。

图4示出了本发明一种黑名单分布式鉴别装置实施例二的内部结构图，该装置应用于后端服务器，包括：

比特图生成单元，用于将黑名单中的车牌号码映射生成比特图，并将该比特图下发到各前端设备；

比较单元，用于接收前端设备发送的嫌疑车牌号码，将该嫌疑车牌号码与黑名单中的车牌号码比较，若属于黑名单中的车牌号码则报警，否则不做处理。

进一步地，比特图生成单元在将黑名单中的车牌号码映射生成比特图时，执行如下操作：

初始化，将比特图所有比特位的初始值置为0；

对黑名单中每个车牌号码使用哈希算法生成一个哈希值，该哈希值被比特图长度取余数得到余数，将比特图上的该余数对应位置设置为1。

在上述实施例中，前端设备使用比特图，滤掉了大部分不属于黑名单的车牌号码，最后发送到后端服务器的只是少数嫌疑车牌号码，后端服务器处理器来游刃有余，大大降低了后端服务器收到前端设备误报的可能，大大提高了后端服务器的服务性能。

以上实施例仅用以说明本发明的技术方案而非对其进行限制，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (8)

1.一种黑名单分布式鉴别方法，用于通过分布式的前端设备和后端服务器鉴别被监控车辆是否属于黑名单车辆，应用于前端设备，其特征在于，该方法包括步骤：

接收后端服务器将黑名单中的车牌号码映射生成的比特图，在所述比特图中，所述黑名单中的车牌号码通过哈希算法得到的哈希值被比特图长度取余，所得余数对应的比特位的数值为a，其余比特位的数值为b；

通过监控识别出被监控车辆的车牌号码，采用哈希算法计算出其对应的哈希值，该哈希值被比特图长度取余得到对应的余数；

判断比特图中对应该余数的比特位的数值是否为a，若为a则将对应的车牌号码作为嫌疑车牌号码发送给后端服务器，由后端服务器将该嫌疑车牌号码与黑名单中的车牌号码比较，如果属于黑名单中的车牌号码则报警，否则不做处理；

当a取1时，b取0；当a取0时，b取1。

2.一种黑名单分布式鉴别方法，用于通过分布式的前端设备和后端服务器鉴别被监控车辆是否属于黑名单车辆，应用于后端服务器，其特征在于，该方法包括步骤：

将黑名单中的车牌号码映射生成比特图，并将该比特图下发到各前端设备；

接收前端设备发送的嫌疑车牌号码，将该嫌疑车牌号码与黑名单中的车牌号码比较，如果属于黑名单中的车牌号码则报警，否则不做处理；

其中，所述将黑名单中的车牌号码映射生成比特图，包括步骤：

初始化，将比特图所有比特位的初始值置为b；

对黑名单中每个车牌号码使用哈希算法生成一个哈希值，该哈希值被比特图长度取余得到余数，将比特图上该余数对应的比特位的数值设置为a；

当b取0时，a取1；当b取1时，a取0。

3.根据权利要求2所述的黑名单分布式鉴别方法，其特征在于，所述比特图长度计算公式如下：

$L=N*\frac{(M-N)}{M*\mathrm{\μ}}$

其中L为比特图长度，M为车牌总数，N为黑名单数，μ为预设参数。

4.根据权利要求2所述的黑名单分布式鉴别方法，其特征在于，所述的比特图长度为设定值。

5.一种黑名单分布式鉴别装置，用于通过分布式的前端设备和后端服务器鉴别被监控车辆是否属于黑名单车辆，应用于前端设备，其特征在于，该装置包括：

接收单元，用于接收后端服务器将黑名单中的车牌号码映射生成的比特图，在所述比特图中，所述黑名单的车牌号码通过哈希算法得到的哈希值被比特图长度取余，所得余数对应的比特位的数值为a，其余比特位的数值为b；

哈希计算单元，用于通过监控识别出被监控车辆的车牌号码，采用哈希算法计算出该被监控车辆车牌号码对应的哈希值，该哈希值被比特图长度取余得到对应的余数；

判断单元，用于判断比特图中对应该余数的比特位的数值是否为a，若为a则将对应的车牌号码作为嫌疑车牌号码发送给后端服务器，由后端服务器将该嫌疑车牌号码与黑名单中的车牌号码比较，若嫌疑车牌号码属于黑名单的车牌号码则报警，否则不做处理；

其中，当a取1时，b取0；当a取0时，b取1。

6.一种黑名单分布式鉴别装置，用于通过分布式的前端设备和后端服务器鉴别被监控车辆是否属于黑名单车辆，应用于后端服务器，其特征在于，该装置包括：

比特图生成单元，用于将黑名单中的车牌号码映射生成比特图，并将该比特图下发到各前端设备；

比较单元，用于接收前端设备发送的嫌疑车牌号码，将该嫌疑车牌号码与黑名单中的车牌号码比较，若属于黑名单中的车牌号码则报警，否则不做处理；

其中，所述比特图生成单元在将黑名单中的车牌号码映射生成比特图时，执行如下操作：

初始化，将比特图所有比特位的初始值置为b；

对黑名单中每个车牌号码使用哈希算法生成一个哈希值，该哈希值被比特图长度取余得到余数，将比特图上该余数对应的比特位的数值设置为a；

当b取0时，a取1；当b取1时，a取0。

7.根据权利要求6所述黑名单分布式鉴别装置，其特征在于，所述比特图长度计算公式如下：

$L=N*\frac{(M-N)}{M*\mathrm{\μ}}$

其中L为比特图长度，M为车牌总数，N为黑名单数，μ为预设参数。

8.根据权利要求6所述黑名单分布式鉴别装置，其特征在于，所述比特图长度为设定值。