CN105185123A - 一种套牌车识别系统及方法 - Google Patents
一种套牌车识别系统及方法 Download PDFInfo
- Publication number
- CN105185123A CN105185123A CN201510645071.1A CN201510645071A CN105185123A CN 105185123 A CN105185123 A CN 105185123A CN 201510645071 A CN201510645071 A CN 201510645071A CN 105185123 A CN105185123 A CN 105185123A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- neural network
- image
- fake
- automobile
- 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
Landscapes
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种套牌车识别系统及方法,包括前端图像采集装置和后台图像处理装置,所述前端图像采集装置和后台图像处理装置通过数据线相连接,前端图像采集装置安装于公路收费站卡口或停车场卡口,所述前端图像采集装置包括3台摄像机,分别为侧面摄像机,顶部摄像机和前方摄像机;本发明是一种自动智能查询系统,为主动查询方式;当发现套牌车辆后,第一时间通知交通管理部门,提高了相关部门查处套牌车辆的及时性;本发明不仅可以比对车标、车牌、车颜色等信息,并且可以具体到车辆型号和配置,提高了查处套牌的精确性;构造的神经网络,结构合理,算法复杂度适中,运行速度快;本发明硬件结构简单,易于实现。
Description
技术领域
本发明属于智能交通技术领域,特别涉及一种套牌车识别系统及方法。
背景技术
半个世纪以来,汽车技术得到了飞速的发展。目前我国已跃居世界第二大汽车消费国和第三大汽车生产国。我国机动车保有量达2.23亿辆,汽车保有量达1.04亿辆。
随着机动车数量成倍猛增,社会上出现了大量的套牌车。套牌车依仗自己的假身份,肆意违法行驶,甚至交通肇事后逃之夭夭,严重影响了正常的交通秩序,侵犯了被套牌车主的合法权益。具不完全统计,全国因套牌车辆肇事逃逸而侦破不了的恶性交通事故每年都有上千起,给人们的生命财产安全造成无法估量的损失。
传统上车主只有通过查询违章信息才能发现被套牌,该种方式非常被动属于事后申诉,车管部门无法在第一时间查处套牌车辆。另外被套牌车主需要自己收集证据,(包括车辆外观的照片、各种停车小票、高速收费小票、自己的行车记录仪、甚至停车场和小区的监控录像)到交通管理部门去提出车辆被套牌申诉。如果没有有利证据,则无法申诉成功。
CN101587643公开了一种套牌车识别方法,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,则发现套牌车。但是该方法只适用于两辆车同时上路情况,若只有套牌车上路则发现不了。另将路上所有运动车辆作为一个整体处理,计算量太复杂,难以实现。
CN102521986公开了一套牌车辆自动检测系统及其控制方法,该系统通过前端车辆检测识别单元采集车辆图像,通过后端智能视觉数据处理单元上传识别信息。该方法能够识别车辆品牌和车牌号码等信息,但不能识别出车辆的具体型号。
发明内容
发明目的:本发明提供了一种套牌车识别系统及方法,以解决现有技术中的问题。
技术方案:为了实现上述目的,本发明采用以下技术方案:
一种套牌车识别系统,包括前端图像采集装置和后台图像处理装置,所述前端图像采集装置和后台图像处理装置通过数据线相连接,前端图像采集装置安装于公路收费站卡口或停车场卡口,所述前端图像采集装置包括3台摄像机,分别为侧面摄像机,顶部摄像机和前方摄像机,
所述侧面摄像机,用于采集汽车侧面信息;
所述顶部摄像机,用于采集汽车顶部信息;
所述前方摄像机,用于采集汽车正面信息。
进一步的,所述侧面摄像机安装于公路收费站卡口或停车场卡口车辆通过时的任一侧面;所述顶部摄像机安装于公路收费站卡口或停车场卡口车辆通过时顶部的上方;所述前方摄像机安装于公路收费站卡口或停车场卡口车辆前进方向的前方。
进一步的,所述汽车侧面信息包括汽车的长、高、车辆颜色和前后轮轴距,所述汽车顶部信息包括汽车的长、宽、车辆颜色和有无天窗,所述汽车的正面信息包括汽车的车牌、车牌颜色、车标和车辆颜色。
进一步的,所述摄像机上设置有闪光灯/频闪灯接口,并且内置SD卡存储。
进一步的,所述摄像机采用200万1/1.8"CCD芯片,内置图片输出和高清视频双码流输出,视频压缩格式为H.264。
进一步的,所述后台图像处理装置包括图像预处理模块、车型识别模块、车牌识别模块、图像比对模块和报警模块;
所述图像处理模块,用于采集图像的处理;
所述车型识别模块,用于识别车型;
所述车牌识别模块,用于识别车牌。
进一步的,所述图像比对模块,用于识别后图像与车辆登记数据库中的数据进行对比;
进一步的,所述报警单元,用于对比信息不一致时,向交通管理部门报警。
一种套牌车识别方法,包括以下步骤:
步骤一、公路收费站卡口或停车场卡口安装前端图像采集装置和后台图像处理装置,当汽车行驶通过时,前端图像采集装置采集汽车图像数据;
步骤二、前端图像采集装置将采集的图像传送至后台图像处理装置,图像处理模块对图像进行去噪平滑处理;
步骤三、将处理后的图像送入图像识别模块处理,所述图像识别模块包括车型识别模块和车牌识别模块;
步骤四、将神经网络输出的汽车品牌、型号、配置结合汽车颜色、车牌信息传输到图像比对模块,与车辆登记数据库中的数据进行对比,如果信息不一致,则向交通管理部门报警,如果信息一致,则进行下一辆车辆识别;
步骤五、交通管理部门根据各个卡口发出的报警信息,可实时追踪套牌车辆,第一时间对套牌车辆进行查处。
进一步的,图像比对模块将获取的车牌信息、车型信息和车辆颜色与车辆登记数据库中的数据进行比对;所述图像处理模块对图像进行去噪平滑处理,采用中值滤波去除图像噪声。
进一步的,所述车型识别模块采用BP神经网络识别车辆型号,BP神经网络设有7个输入神经元和4个输出神经元;采集的前后轮轴距、车标、天窗、长、宽、高、车身颜色作为BP神经网络的输入神经元;品牌、型号、配置、颜色作为BP神经网络的输出神经元,从而构造神经网络;用训练好的神经网络对汽车具体型号进行识别,获取汽车品牌、型号、配置、颜色;
进一步的,所述神经网络通过以下方法训练:挑选出具有代表性的若干辆汽车的具体参数作为神经网络训练样本,训练GA-BP神经网络,激励函数采用tansigmoid;训练函数采用trainbpx,利用快速BP算法训练前向神经网络,最大训练迭代次数小于300次,网络训练允许误差小于0.03;当训练完成后,取若干辆不同的汽车作为新样本,对神经网络进行检验,如达到预计识别精度,则表示神经网络构建完成,否则重新训练。
进一步的,采用遗传算法优化BP神经网络的初始权值和阈值:首先用遗传算法对初始权值和阈值进行快速的全局搜索,迭代数为100,再利用BP算法在局部进行最优搜索,网络精度达到0.1,结束训练;遗传算法的染色体就是BP网络的一个连接权值或阈值,遗传算法满意解就是BP神经网络的权值和阈值的近似值。
有益效果:第一、本发明是一种自动智能查询系统,为主动查询方式;当发现套牌车辆后,第一时间通知交通管理部门,提高了相关部门查处套牌车辆的及时性;第二、本发明不仅可以比对车标、车牌、车颜色等信息,并且可以具体到车辆型号和配置,提高了查处套牌的精确性;第三、构造的神经网络,结构合理,算法复杂度适中,运行速度快;第四、本发明硬件结构简单,易于实现。
附图说明
图1是本发明的工作流程图;
图2是本发明的结构示意图;
图3是本发明的模块框图;
其中:1-前端图像采集装置,1-1-侧面摄像机,1-2-顶部摄像机,1-3-前方摄像机,2-后台图像处理装置。
具体实施方式
下面结合附图及实施例对本发明作更进一步的说明。
如图2所示,一种套牌车识别系统,包括前端图像采集装置1和后台图像处理装置2,所述前端图像采集装置1和后台图像处理装置2通过数据线相连接,前端图像采集装置1安装于公路收费站卡口或停车场卡口,所述前端图像采集装置1包括3台摄像机,分别为侧面摄像机1-1,顶部摄像机1-2和前方摄像机1-3;
所述侧面摄像机1-1安装于公路收费站卡口或停车场卡口车辆通过时的任一侧面;所述顶部摄像机1-2安装于公路收费站卡口或停车场卡口通过时顶部的上方;所述前方摄像机1-3安装于公路收费站卡口或停车场卡口车辆前进方向的前方。
所述侧面摄像机1-1,用于采集汽车侧面信息;
所述顶部摄像机1-2,用于采集汽车顶部信息;
所述前方摄像机1-3,用于采集汽车正面信息。
所述汽车侧面信息包括汽车的长、高、车辆颜色和前后轮轴距,所述汽车顶部信息包括汽车的长、宽、车辆颜色和有无天窗,所述汽车的正面信息包括汽车的车牌、车牌颜色、车标和车辆颜色。
所述摄像机上设置有闪光灯/频闪灯接口,并且内置SD卡存储。
所述摄像机采用200万1/1.8"CCD芯片,内置图片输出和高清视频双码流输出,视频压缩格式为H.264。
所述后台图像处理装置2包括图像预处理模块、车型识别模块、车牌识别模块、图像比对模块和报警模块;
所述图像处理模块,用于采集图像的处理;
所述车型识别模块,用于识别车型;
所述车牌识别模块,用于识别车牌。
所述图像比对模块,用于识别后图像与车辆登记数据库中的数据进行对比;
所述报警单元,用于对比信息不一致时,向交通管理部门报警。
一种套牌车识别方法,包括以下步骤:
步骤一、公路收费站卡口或停车场卡口安装前端图像采集装置1和后台图像处理装置2,当汽车行驶通过时,前端图像采集装置1采集汽车图像数据;
步骤二、前端图像采集装置1将采集的图像传送至后台图像处理装置2,图像处理模块对图像进行去噪平滑处理;
步骤三、将处理后的图像送入图像识别模块处理,所述图像识别模块包括车型识别模块和车牌识别模块;
步骤四、将神经网络输出的汽车品牌、型号、配置结合汽车颜色、车牌信息传输到图像比对模块,与车辆登记数据库中的数据进行对比,如果信息不一致,则向交通管理部门报警,如果信息一致,则进行下一辆车辆识别;
步骤五、交通管理部门根据各个卡口发出的报警信息,可实时追踪套牌车辆,第一时间对套牌车辆进行查处。
所述图像比对模块将获取的车牌信息、车型信息和车辆颜色与车辆登记数据库中的数据进行比对;所述图像处理模块对图像进行去噪平滑处理,采用中值滤波去除图像噪声。
所述车型识别模块采用BP神经网络识别车辆型号,BP神经网络设有7个输入神经元和4个输出神经元;采集的前后轮轴距、车标、天窗、长、宽、高、车身颜色作为BP神经网络的输入神经元;品牌、型号、配置、颜色作为BP神经网络的输出神经元,从而构造神经网络;用训练好的神经网络对汽车具体型号进行识别,获取汽车品牌、型号、配置、颜色;
所述神经网络通过以下方法训练:挑选出具有代表性的若干辆汽车的具体参数作为神经网络训练样本,训练GA-BP神经网络,激励函数采用tansigmoid;训练函数采用trainbpx,利用快速BP算法训练前向神经网络,最大训练迭代次数小于300次,网络训练允许误差小于0.03;当训练完成后,取若干辆不同的汽车作为新样本,对神经网络进行检验,如达到预计识别精度,则表示神经网络构建完成,否则重新训练。
采用遗传算法优化BP神经网络的初始权值和阈值:首先用遗传算法对初始权值和阈值进行快速的全局搜索,迭代数为100,再利用BP算法在局部进行最优搜索,网络精度达到0.1,结束训练;遗传算法的染色体就是BP网络的一个连接权值或阈值,遗传算法满意解就是BP神经网络的权值和阈值的近似值。
实施例1
如图1所示,一种套牌车识别方法,包括以下步骤:
步骤一、在公路收费站卡口或停车场卡口安装前端图像采集装置1和后台图像处理装置2,所述前端图像采集装置1和后台图像处理装置2通过数据线相连接,所述前端图像采集装置1包括3台摄像机,分别为侧面摄像机1-1,顶部摄像机1-2和前方摄像机1-3;所述后台图像处理装置2包括图像预处理模块、车型识别模块、车牌识别模块、图像比对模块和报警模块;当车主驾车通过时,摄像机采集汽车图像数据;
所述侧面摄像机1-1安装于公路收费站卡口或停车场卡口车辆通过时的任一侧面;所述顶部摄像机1-2安装于公路收费站卡口或停车场卡口车辆通过时顶部的上方;所述前方摄像机1-3安装于公路收费站卡口或停车场卡口车辆前进方向的前方。
所述侧面摄像机1-1,用于采集汽车侧面信息,所述汽车侧面信息包括汽车的长、高、车辆颜色和前后轮轴距;
所述顶部摄像机1-2,用于采集汽车顶部信息,所述汽车顶部信息包括汽车的长、宽、车辆颜色和有无天窗;
所述前方摄像机1-3,用于采集汽车正面信息,所述汽车的正面信息包括汽车的车牌、车牌颜色、车标和车辆颜色。
步骤二、摄像机通过数据线将采集的数据传送至图像预处理模块,去除图像噪声。所述图像预处理模块对输入图像进行滤波、去噪。本发明采用中值滤波去除图像噪声。选取一个3*3的窗口,用该窗口沿图像数据进行行方向的滑动,每次滑动后,对窗口内的诸像素灰度值排序,将所得到的中值替代窗口中心位置的原始像素灰度值,以此作为新图像的灰度值输出,最终达到滤波、去噪功能。
步骤三、将处理后的图像送入车型识别模块、车牌识别模块,对汽车型号和车牌进行识别。
车型识别模块采用BP神经网络识别车辆型号,本发明设计的神经网络采用单隐层结构,隐含节点5个,该结构有7个输入神经元和4个输出神经元。将摄像机采集的前后轮轴距,天窗,长,宽,高、颜色、车标7个要素作为BP神经网络输入,汽车品牌、型号、配置、颜色作为神经网络的4个输出,隐含层神经元数目尚无理论上的指导,根据多次实验,本发明选取单隐层结构,隐含节点为5个。
首先用遗传算法对初始权值和阈值进行快速的全局搜索,迭代数为100,再利用BP算法在局部进行最优搜索,网络训练误差小于0.03,结束训练;遗传算法的染色体就是BP网络的一个连接权值或阈值,遗传算法满意解就是BP神经网络的权值和阈值的近似值。
挑选出具有代表性的400辆车具体参数作为神经网络训练样本,训练GA-BP神经网络。激励函数采用tansigmoid;训练函数采用trainbpx,利用快速BP算法训练前向神经网络,即采用了动量或自适应学习,可减少训练时间,最大训练迭代次数在300以内,网络训练允许误差设为0.03。
当训练完成后,取400个新样本对网络进行检验,如达到预计识别精度,则表示神经网络构建完成,否则重新训练。
用训练好的神经网络对汽车具体型号进行识别,获取汽车品牌、型号、配置。
步骤4、将神经网络输出的汽车品牌、型号、配置结合汽车颜色、车牌信息,通过图像比对模块与车辆登记数据库中的数据进行对比,如果信息不符,判断为套牌车,启动报警模块工作,向所在区域交通管理部门发送报警信息。
步骤五、交通管理部门根据各个卡口发出的报警信息,可实时追踪套牌车辆,第一时间对套牌车辆进行查处。
实施例2
一种套牌车识别方法,包括以下步骤:
步骤一、现有车主驾驶一辆车通过公路收费站卡口,三台摄像机采集汽车图像数据。
采集到的汽车侧面信息为车长为4368mm、车高为1823、车辆颜色为黑色、前后轮轴距2648mm。
采集到的汽车顶部信息为车长4368mm、车宽1823mm、有天窗。
采集到的汽车正面信息为车牌苏A1234B,蓝色牌照、车标为Ford。
步骤二、摄像机通过数据线路将采集的数据传送至图像预处理模块,去除图像噪声。
步骤三、将处理后的图像送入图像识别模块处理。
将车长、车宽、车高、前后轮轴距、天窗、车标、颜色数据作为神经网络的输入,通过构造的神经网络获取到的输出信息为福特、福克斯、高配、黑色。
通过车牌识别单元,获取到车牌的信息为蓝色牌照,苏A*****。
步骤四、通过车牌号码查车辆登记数据库中的数据,如果获取的汽车信息为福特、福克斯、高配、黑色,则系统不触发报警单元;假设获取的车辆登记信息为黑色福特、蒙迪欧、低配,则系统判定为套牌车,立即向交通管理部门报警。
步骤五、交通管理部门根据各个卡口发出的报警信息,可实时追踪套牌车辆,第一时间对套牌车辆进行查处。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种套牌车识别系统,其特征在于:包括前端图像采集装置(1)和后台图像处理装置(2),所述前端图像采集装置(1)和后台图像处理装置(2)通过数据线相连接,前端图像采集装置(1)安装于公路收费站卡口或停车场卡口,所述前端图像采集装置(1)包括3台摄像机,分别为侧面摄像机(1-1),顶部摄像机(1-2)和前方摄像机(1-3),
所述侧面摄像机(1-1),用于采集汽车侧面信息;
所述顶部摄像机(1-2),用于采集汽车顶部信息;
所述前方摄像机(1-3),用于采集汽车正面信息。
2.根据权利要求1所述的套牌车识别系统,其特征在于:所述侧面摄像机(1-1)安装于公路收费站卡口或停车场卡口车辆通过时的任一侧面;所述顶部摄像机(1-2)安装于公路收费站卡口或停车场卡口车辆通过时顶部的上方;所述前方摄像机(1-3)安装于公路收费站卡口或停车场卡口车辆前进方向的前方。
3.根据权利要求1所述的套牌车识别系统,其特征在于:所述汽车侧面信息包括汽车的长、高、车辆颜色和前后轮轴距,所述汽车顶部信息包括汽车的长、宽、车辆颜色和有无天窗,所述汽车的正面信息包括汽车的车牌、车牌颜色、车标和车辆颜色。
4.根据权利要求1所述的套牌车识别系统,其特征在于:所述摄像机上设置有闪光灯/频闪灯接口,并且内置SD卡存储;所述摄像机采用200万1/1.8"CCD芯片,内置图片输出和高清视频双码流输出,视频压缩格式为H.264。
5.根据权利要求1所述的套牌车识别系统,其特征在于:所述后台图像处理装置(2)包括图像预处理模块、车型识别模块、车牌识别模块、图像比对模块和报警模块;
所述图像处理模块,用于采集图像的处理;
所述车型识别模块,用于识别车型;
所述车牌识别模块,用于识别车牌。
所述图像比对模块,用于识别后图像与车辆登记数据库中的数据进行对比;
所述报警单元,用于对比信息不一致时,向交通管理部门报警。
6.一种套牌车识别方法,其特征在于,包括以下步骤:
步骤一、公路收费站卡口或停车场卡口安装前端图像采集装置(1)和后台图像处理装置(2),当汽车行驶通过时,前端图像采集装置(1)采集汽车图像数据;
步骤二、前端图像采集装置(1)将采集的图像传送至后台图像处理装置(2),图像处理模块对图像进行去噪平滑处理;
步骤三、将处理后的图像送入图像识别模块处理,所述图像识别模块包括车型识别模块和车牌识别模块;
步骤四、将神经网络输出的汽车品牌、型号、配置结合汽车颜色、车牌信息传输到图像比对模块,与车辆登记数据库中的数据进行对比,如果信息不一致,则向交通管理部门报警,如果信息一致,则进行下一辆车辆识别;
步骤五、交通管理部门根据各个卡口发出的报警信息,可实时追踪套牌车辆,第一时间对套牌车辆进行查处。
7.根据权利要求6所述的套牌车识别方法,其特征在于:所述图像比对模块将获取的车牌信息、车型信息和车辆颜色与车辆登记数据库中的数据进行比对;所述图像处理模块对图像进行去噪平滑处理,采用中值滤波去除图像噪声。
8.根据权利要求6所述的套牌车识别方法,其特征在于:所述车型识别模块采用BP神经网络识别车辆型号,BP神经网络设有7个输入神经元和4个输出神经元;采集的前后轮轴距、车标、天窗、长、宽、高、车身颜色作为BP神经网络的输入神经元;品牌、型号、配置、颜色作为BP神经网络的输出神经元,从而构造神经网络;用训练好的神经网络对汽车具体型号进行识别,获取汽车品牌、型号、配置、颜色。
9.根据权利要求8所述的套牌车识别方法,其特征在于:所述神经网络通过以下方法训练:挑选出具有代表性的若干辆汽车的具体参数作为神经网络训练样本,训练GA-BP神经网络,激励函数采用tansigmoid;训练函数采用trainbpx,利用快速BP算法训练前向神经网络,最大训练迭代次数小于300次,网络训练允许误差小于0.03;当训练完成后,取若干辆不同的汽车作为新样本,对神经网络进行检验,如达到预计识别精度,则表示神经网络构建完成,否则重新训练。
10.根据权利要求9所述的套牌车识别方法,其特征在于:采用遗传算法优化BP神经网络的初始权值和阈值:首先用遗传算法对初始权值和阈值进行快速的全局搜索,迭代数为100,再利用BP算法在局部进行最优搜索,网络精度达到0.1,结束训练;遗传算法的染色体就是BP网络的一个连接权值或阈值,遗传算法满意解就是BP神经网络的权值和阈值的近似值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510645071.1A CN105185123A (zh) | 2015-10-08 | 2015-10-08 | 一种套牌车识别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510645071.1A CN105185123A (zh) | 2015-10-08 | 2015-10-08 | 一种套牌车识别系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105185123A true CN105185123A (zh) | 2015-12-23 |
Family
ID=54907165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510645071.1A Pending CN105185123A (zh) | 2015-10-08 | 2015-10-08 | 一种套牌车识别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105185123A (zh) |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844266A (zh) * | 2016-06-12 | 2016-08-10 | 桂林金铱星科技发展有限公司 | 反遮挡和涂改的车牌识别系统及方法 |
CN106228179A (zh) * | 2016-07-13 | 2016-12-14 | 乐视控股(北京)有限公司 | 车辆比对的方法和系统 |
CN106251633A (zh) * | 2016-08-09 | 2016-12-21 | 成都联众智科技有限公司 | 车牌自动识别与跟踪系统 |
CN106446949A (zh) * | 2016-09-26 | 2017-02-22 | 成都通甲优博科技有限责任公司 | 一种车辆型号识别方法及装置 |
CN107292222A (zh) * | 2016-04-01 | 2017-10-24 | 杭州海康威视数字技术股份有限公司 | 一种车辆违章检测方法及装置 |
CN107591018A (zh) * | 2017-08-03 | 2018-01-16 | 广州德中科技有限公司 | 一种开放路段停车管理方法及系统 |
CN107730905A (zh) * | 2017-06-13 | 2018-02-23 | 银江股份有限公司 | 基于深度卷积神经网络的多任务套牌车辆视觉检测系统及方法 |
CN107730898A (zh) * | 2016-11-08 | 2018-02-23 | 北京奥斯达兴业科技有限公司 | 停车场非法车辆识别方法及系统 |
CN107886084A (zh) * | 2017-11-29 | 2018-04-06 | 合肥寰景信息技术有限公司 | 基于深度学习的非标车特征提取及处理系统 |
CN108010326A (zh) * | 2017-11-24 | 2018-05-08 | 南京依维柯汽车有限公司 | 一种车辆识别系统及其方法 |
CN108205899A (zh) * | 2017-12-29 | 2018-06-26 | 北京悦畅科技有限公司 | 一种停车场的车辆信息处理方法、服务器和终端设备 |
CN108320517A (zh) * | 2017-12-28 | 2018-07-24 | 浙江中新长清信息科技有限公司 | 车牌和车辆识别系统及监测服务器 |
CN108765952A (zh) * | 2018-06-12 | 2018-11-06 | 西安银江智慧城市技术有限公司 | 一种交通大数据嫌疑车辆缉查布控方法及装置 |
CN108941918A (zh) * | 2018-03-29 | 2018-12-07 | 江苏新时代造船有限公司 | 一种基于组网智能识别多机器人自动焊接船舶组立件方法 |
CN109147336A (zh) * | 2018-08-01 | 2019-01-04 | 武汉云易虹科技有限公司 | 一种交通失驾人员预警方法及系统 |
EP3432214A1 (en) * | 2017-07-19 | 2019-01-23 | Beijing ICETech Science & Technology Co. Ltd. | Method and system for vehicle recognition |
CN109509267A (zh) * | 2018-10-12 | 2019-03-22 | 珠海横琴现联盛科技发展有限公司 | 基于车牌识别的防篡改加密算法移动支付方法 |
CN109712269A (zh) * | 2018-12-14 | 2019-05-03 | 广西信路威科技发展有限公司 | 一种黑名单车辆识别及报警方法及应用该方法的视频行车记录设备 |
CN109979022A (zh) * | 2019-03-21 | 2019-07-05 | 中山安信通机器人制造有限公司 | 停车场管理方法、计算机装置、计算机可读存储介质 |
CN110119769A (zh) * | 2019-04-24 | 2019-08-13 | 电子科技大学 | 一种基于多模态车辆特征的检测预警方法 |
CN110120152A (zh) * | 2019-06-26 | 2019-08-13 | 杨晓艺 | 一种基于gis和边缘计算的智能交通管理平台 |
CN111144372A (zh) * | 2019-12-31 | 2020-05-12 | 上海眼控科技股份有限公司 | 车辆检测方法、装置、计算机设备和存储介质 |
CN111798578A (zh) * | 2020-07-15 | 2020-10-20 | 安徽达尔智能控制系统股份有限公司 | 一种便捷式道路交通卡口管理系统 |
CN111966857A (zh) * | 2020-08-19 | 2020-11-20 | 南京英德利汽车有限公司 | 一种检测改装车辆的方法及检测系统 |
CN112883943A (zh) * | 2021-04-28 | 2021-06-01 | 北京云星宇交通科技股份有限公司 | 一种轴型识别方法及系统 |
CN113920751A (zh) * | 2021-10-19 | 2022-01-11 | 深圳市一诺成电子有限公司 | 高清数码相框动态追踪控制系统及方法 |
CN113936348A (zh) * | 2021-12-17 | 2022-01-14 | 高新兴智联科技有限公司 | 一种汽车运营服务方法、系统、电子设备和存储介质 |
CN115050108A (zh) * | 2022-04-13 | 2022-09-13 | 江苏沃银数据服务有限公司 | 一种高速无感通行方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101719217A (zh) * | 2009-12-15 | 2010-06-02 | 中国地质大学(武汉) | 一种基于弹性松驰算法的车型识别系统及方法 |
CN102426786A (zh) * | 2011-11-15 | 2012-04-25 | 无锡港湾网络科技有限公司 | 一种自动识别套牌车辆的智能视频分析系统及方法 |
CN103093443A (zh) * | 2012-12-26 | 2013-05-08 | 南京信息工程大学 | 基于ga-bp神经网络的图像椒盐噪声自适应滤波方法 |
KR20130066829A (ko) * | 2011-12-13 | 2013-06-21 | 한국전자통신연구원 | 지능형 카메라 협업 기반 주차관리 시스템 |
CN103246876A (zh) * | 2013-05-10 | 2013-08-14 | 苏州祥益网络科技有限公司 | 基于图像特征比对的车辆套牌识别方法 |
-
2015
- 2015-10-08 CN CN201510645071.1A patent/CN105185123A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101719217A (zh) * | 2009-12-15 | 2010-06-02 | 中国地质大学(武汉) | 一种基于弹性松驰算法的车型识别系统及方法 |
CN102426786A (zh) * | 2011-11-15 | 2012-04-25 | 无锡港湾网络科技有限公司 | 一种自动识别套牌车辆的智能视频分析系统及方法 |
KR20130066829A (ko) * | 2011-12-13 | 2013-06-21 | 한국전자통신연구원 | 지능형 카메라 협업 기반 주차관리 시스템 |
CN103093443A (zh) * | 2012-12-26 | 2013-05-08 | 南京信息工程大学 | 基于ga-bp神经网络的图像椒盐噪声自适应滤波方法 |
CN103246876A (zh) * | 2013-05-10 | 2013-08-14 | 苏州祥益网络科技有限公司 | 基于图像特征比对的车辆套牌识别方法 |
Non-Patent Citations (3)
Title |
---|
杜华英: "基于神经网络的汽车车型识别方法的技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
王正勤: "基于优化BP神经网络的车型识别技术在智能交通系统中的应用", 《第一届中国智能交通年会论文集》 * |
王正勤: "基于遗传BP算法的车型识别技术在智能交通中的应用", 《工业控制计算机》 * |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292222A (zh) * | 2016-04-01 | 2017-10-24 | 杭州海康威视数字技术股份有限公司 | 一种车辆违章检测方法及装置 |
CN107292222B (zh) * | 2016-04-01 | 2020-02-28 | 杭州海康威视数字技术股份有限公司 | 一种车辆违章检测方法及装置 |
CN105844266A (zh) * | 2016-06-12 | 2016-08-10 | 桂林金铱星科技发展有限公司 | 反遮挡和涂改的车牌识别系统及方法 |
CN106228179A (zh) * | 2016-07-13 | 2016-12-14 | 乐视控股(北京)有限公司 | 车辆比对的方法和系统 |
CN106251633A (zh) * | 2016-08-09 | 2016-12-21 | 成都联众智科技有限公司 | 车牌自动识别与跟踪系统 |
CN106446949A (zh) * | 2016-09-26 | 2017-02-22 | 成都通甲优博科技有限责任公司 | 一种车辆型号识别方法及装置 |
CN106446949B (zh) * | 2016-09-26 | 2019-05-21 | 成都通甲优博科技有限责任公司 | 一种车辆型号识别方法及装置 |
CN107730898A (zh) * | 2016-11-08 | 2018-02-23 | 北京奥斯达兴业科技有限公司 | 停车场非法车辆识别方法及系统 |
CN107730905A (zh) * | 2017-06-13 | 2018-02-23 | 银江股份有限公司 | 基于深度卷积神经网络的多任务套牌车辆视觉检测系统及方法 |
EP3432214A1 (en) * | 2017-07-19 | 2019-01-23 | Beijing ICETech Science & Technology Co. Ltd. | Method and system for vehicle recognition |
CN107591018A (zh) * | 2017-08-03 | 2018-01-16 | 广州德中科技有限公司 | 一种开放路段停车管理方法及系统 |
CN108010326A (zh) * | 2017-11-24 | 2018-05-08 | 南京依维柯汽车有限公司 | 一种车辆识别系统及其方法 |
CN107886084A (zh) * | 2017-11-29 | 2018-04-06 | 合肥寰景信息技术有限公司 | 基于深度学习的非标车特征提取及处理系统 |
CN108320517A (zh) * | 2017-12-28 | 2018-07-24 | 浙江中新长清信息科技有限公司 | 车牌和车辆识别系统及监测服务器 |
CN108205899A (zh) * | 2017-12-29 | 2018-06-26 | 北京悦畅科技有限公司 | 一种停车场的车辆信息处理方法、服务器和终端设备 |
CN108941918A (zh) * | 2018-03-29 | 2018-12-07 | 江苏新时代造船有限公司 | 一种基于组网智能识别多机器人自动焊接船舶组立件方法 |
CN108765952A (zh) * | 2018-06-12 | 2018-11-06 | 西安银江智慧城市技术有限公司 | 一种交通大数据嫌疑车辆缉查布控方法及装置 |
CN109147336A (zh) * | 2018-08-01 | 2019-01-04 | 武汉云易虹科技有限公司 | 一种交通失驾人员预警方法及系统 |
CN109509267A (zh) * | 2018-10-12 | 2019-03-22 | 珠海横琴现联盛科技发展有限公司 | 基于车牌识别的防篡改加密算法移动支付方法 |
CN109712269A (zh) * | 2018-12-14 | 2019-05-03 | 广西信路威科技发展有限公司 | 一种黑名单车辆识别及报警方法及应用该方法的视频行车记录设备 |
CN109979022A (zh) * | 2019-03-21 | 2019-07-05 | 中山安信通机器人制造有限公司 | 停车场管理方法、计算机装置、计算机可读存储介质 |
CN110119769A (zh) * | 2019-04-24 | 2019-08-13 | 电子科技大学 | 一种基于多模态车辆特征的检测预警方法 |
CN110120152A (zh) * | 2019-06-26 | 2019-08-13 | 杨晓艺 | 一种基于gis和边缘计算的智能交通管理平台 |
CN111144372A (zh) * | 2019-12-31 | 2020-05-12 | 上海眼控科技股份有限公司 | 车辆检测方法、装置、计算机设备和存储介质 |
CN111798578A (zh) * | 2020-07-15 | 2020-10-20 | 安徽达尔智能控制系统股份有限公司 | 一种便捷式道路交通卡口管理系统 |
CN111966857A (zh) * | 2020-08-19 | 2020-11-20 | 南京英德利汽车有限公司 | 一种检测改装车辆的方法及检测系统 |
CN111966857B (zh) * | 2020-08-19 | 2023-09-29 | 南京英德利汽车有限公司 | 一种检测改装车辆的方法及检测系统 |
CN112883943A (zh) * | 2021-04-28 | 2021-06-01 | 北京云星宇交通科技股份有限公司 | 一种轴型识别方法及系统 |
CN112883943B (zh) * | 2021-04-28 | 2022-08-12 | 北京云星宇交通科技股份有限公司 | 一种轴型识别方法及系统 |
CN113920751A (zh) * | 2021-10-19 | 2022-01-11 | 深圳市一诺成电子有限公司 | 高清数码相框动态追踪控制系统及方法 |
CN113920751B (zh) * | 2021-10-19 | 2022-08-26 | 深圳市一诺成电子有限公司 | 高清数码相框动态追踪控制系统及方法 |
CN113936348A (zh) * | 2021-12-17 | 2022-01-14 | 高新兴智联科技有限公司 | 一种汽车运营服务方法、系统、电子设备和存储介质 |
CN115050108A (zh) * | 2022-04-13 | 2022-09-13 | 江苏沃银数据服务有限公司 | 一种高速无感通行方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105185123A (zh) | 一种套牌车识别系统及方法 | |
CN202077142U (zh) | 一种车载智能视频侦测分析系统 | |
CN105744232B (zh) | 一种基于行为分析技术的输电线路视频防外破的方法 | |
CN103246876B (zh) | 基于图像特征比对的车辆套牌识别方法 | |
CN111368687A (zh) | 一种基于目标检测和语义分割的人行道车辆违停检测方法 | |
CN103186982B (zh) | 一种治安智能卡口系统 | |
CN109409337B (zh) | 基于卷积神经网络的渣土车特征识别方法 | |
CN103093249B (zh) | 一种基于高清视频的出租车识别方法及系统 | |
CN108269407B (zh) | 一种自动管理人流、物流的安防机器人 | |
CN107967806A (zh) | 车辆套牌检测方法、装置、可读存储介质及电子设备 | |
CN103824037B (zh) | 车用防跟踪报警装置 | |
CN105488453A (zh) | 一种基于图像处理的驾驶员未系安全带检测识别方法 | |
CN106127107A (zh) | 基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法 | |
CN111353369B (zh) | 一种城市路侧停车高位视频在辅助刑侦中的应用方法及系统 | |
CN103646550A (zh) | 一种智能车牌识别系统 | |
CN104794906A (zh) | 室外停车场出口车辆管理平台 | |
CN105046966A (zh) | 即停即离区域的违章停车行为自动检测系统和方法 | |
CN112509325B (zh) | 一种基于视频深度学习的非现场违法自动甄别方法 | |
CN113033479B (zh) | 一种基于多层感知的泊位事件识别方法及系统 | |
CN113033275B (zh) | 基于深度学习的车辆变道不打转向灯分析系统 | |
CN105574502A (zh) | 一种自助发卡机违章行为自动检测方法 | |
CN110930723A (zh) | 一种违法停车检测实现方法 | |
CN114049612A (zh) | 基于以图搜图技术的高速公路车辆收费稽核系统及行驶路径双重获取检验方法 | |
CN106652462A (zh) | 一种基于互联网的违章停车管理系统 | |
CN111105619A (zh) | 一种路侧逆向停车的判断方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151223 |
|
RJ01 | Rejection of invention patent application after publication |