CN105825180A - 一种基于车联网大数据挖掘的车辆遗失物找回方法及系统 - Google Patents
一种基于车联网大数据挖掘的车辆遗失物找回方法及系统 Download PDFInfo
- Publication number
- CN105825180A CN105825180A CN201610144453.0A CN201610144453A CN105825180A CN 105825180 A CN105825180 A CN 105825180A CN 201610144453 A CN201610144453 A CN 201610144453A CN 105825180 A CN105825180 A CN 105825180A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- car
- lost
- data mining
- 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
- 238000007418 data mining Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 16
- 230000005540 biological transmission Effects 0.000 claims abstract description 18
- 230000006855 networking Effects 0.000 claims description 35
- 238000012546 transfer Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 10
- 238000012797 qualification Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 241001347978 Major minor Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009432 framing Methods 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 230000029305 taxis Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Classifications
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Traffic Control Systems (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及一种基于车联网大数据挖掘的车辆遗失物找回方法及系统,在车辆上安装车联网前端采集与识别单元;采集该车辆周边图像信息并识别,识别结果上传至交管部门数据库中;当有乘客申请找回遗失物时,对识别结果进行数据挖掘,找到疑似车辆信息;通过设于交管部门的后端信息管理系统下达指令,由前端采集与识别单元经车联网信息传输系统上传本地视频,并调取道路交通电子警察视频进行辅助判定;通过识别比对找出疑似车辆;由乘客指认疑似车辆即为遗失物所在车辆。本发明采用基于车联网的大数据挖掘技术,以道路上的电子警察作为辅助,从乘客可以提供的少量信息中,从海量车辆中寻找目标车辆,搜集到出租车司机的人脸信息,可以简单有效的指认司机。
Description
技术领域
本发明涉及一种智能视觉技术,具体地说是一种基于车联网大数据挖掘的车辆遗失物找回方法及系统。
背景技术
“十二五”时期,我国的出租车市场发展平稳,目前全国有出租车130多万辆,从业人数260万人,运营企业8000多个,同时还有13万个体户,每年承担400亿人次的运输任务。近年来,不少城市的出租车数量明显跟不上市场需求的增长,2014年年初推出“叫车软件”,到2014年年底的“专车”出没,种种新型服务的推出也表明,出租车行业仍有极大的发展空间。
出租车行业的蓬勃发展,自然与海量的用车需求有关。每年数百亿次的出租车运输任务,总会有为数不少的乘客将个人物品遗忘在出租车上,导致个人受到经济损失。虽然也有为数不少的热心的出租车司机主动寻找遗忘物品的乘客,但是仍有更多的失物无法找回,使乘客蒙受损失。很多司机因为忙或者本身就不愿归还遗失物,致使乘客无法找回失物。
乘客难以追回失物,最重要的难点就在无法找到当时搭乘的出租车。乘客追回失物的最有力方式是使用乘车发票找到当时搭乘出租车,而多数乘客搭乘出租车时候,是不会索要乘车发票的,这样为找到当时搭乘的车辆,增加了难度。多半失主乘客仅仅记得搭车时间与搭车路线,这样对找回失物有一定作用,但极其有限:需要大量时间去查询该路线的道路交通监控,而道路上的监控点有限,可能无法抓拍到有效的图片,而即使抓拍到了该出租车,而出租车司机只要坚持否认当时并没有开车,乘客也无法有其他更加强力的证据来反驳。
发明内容
针对现有技术中乘客无法提供硬性有效的乘车证据,难以找回遗失在搭乘车辆中物品等不足,本发明要解决的技术问题是提供一种套完整有效的出租车遗失物找回方法,即基于车联网大数据挖掘的模糊线索微特征匹配方法及系统。
为解决上述技术问题,本发明采用的技术方案是:
本发明一种基于车联网大数据挖掘的车辆遗失物找回方法,其特征在于包括以下步骤:
在城市车辆安装车联网前端采集与识别单元;
设备随车辆发动而启动,采集装载设备的车辆周边图像信息并识别,将识别结果上传至交管部门数据库中;
当有乘客申请找回遗失物时,以乘客提供的模糊信息作为限定条件,对前端采集与识别单元的图像信息识别结果进行数据挖掘,从而找到失主乘客其时搭乘的车辆信息,即为疑似车辆信息;
获得疑似车辆车信息后,通过设于交管部门的后端信息管理系统下达指令,由前端采集与识别单元经车联网信息传输系统上传本地视频,并调取道路交通电子警察视频进行辅助判定;
通过识别比对,找出疑似车辆;
由乘客指认疑似车辆,从而找到遗失物所在车辆。
所述前端采集与识别单元识别的内容包括车牌号码、车标种类、车型大小、车身颜色、驾驶员人脸、驾驶员是否佩戴安全带以及驾驶员是否有违规动作。
采集该车辆中所出现的图像信息并识别为:前端采集与识别单元对已拍摄到的车辆进行微特征提取,包括车辆的外饰及内饰,将外形类似的车辆有效的区分开来。
前端采集与识别单元向交管部门数据库上传的信息包括拍摄到的包含时间与位置坐标的车辆多特征信息,以供控制后端按需求搜索出限定条件下的特定信息。
通过设于交管部门的后端信息管理系统下达指令,即交管部门通过控制后端向拍摄到疑似目标车辆的前端采集与识别单元发出指令,控制前端采集与识别单元上传相关视频,并调取相关路线上的电子警察所拍摄的视频。
本发明一种基于车联网大数据挖掘的车辆遗失物找回系统,其特征在于:具有前端采集与识别单元、车联网信息传输系统以及后端信息管理系统,其中前端采集与识别单元将采集到的视频图像信息进行识别并存储,在后端信息管理系统的控制下通过车联网信息传输系统传输至后端信息管理系统。
前端采集与识别单元包括前端采集单元、智能终端处理单元以及存储单元,其中前端采集单元包括设置于车辆上的多个摄像头,多个摄像头分别从需要角度采集具有高清晰度的视频存储在存储单元中;智能终端处理单元对视频图像进行分析处理,并将识别信息保存在存储单元中。
主要识别拍摄到的车辆的车牌号码、车型信息、车标信息、车身颜色。
摄像头至少一个,安装在车身上采集车辆所在外部环境信息。
车联网信息传输系统包括基站和网关,安装在车辆中的前端采集与识别单元与安装于交管部门的后端信息管理系统通过基站与网关进行通信连接。
本发明具有以下有益效果及优点:
1.本发明通过乘客提供的模糊信息,采用基于车联网的大数据挖掘技术,以道路上的电子警察作为辅助,从乘客可以提供的少量信息中,从海量车辆中寻找目标车辆,搜集到出租车司机的人脸信息,可以简单有效的指认司机。
2.本发明以电子警察的监控视频作为辅助手段,以车联网的海量大数据作为基石,主辅结合,协同作用,扩大了可搜索的信息面,防止遗漏。
3.本发明从车联网海量信息中提取出目标出租车的多角度信息,从而得到乘客上下车时的视频,可以确认乘客是否真的携带了包裹等大型物品,防止乘客的一面之词影响了公正,为治安判罚提供了更加真实有力的证据。
4.本发明中前端识别单元具有多种识别功能,可以拍摄到的同一辆车辆识别出多种信息,可以上传具有大量信息的识别结果,为找寻失主乘客当时搭乘的出租车提供了大量的可选信息,同时也可以为其他功能提供多种有效信息。
5.本发明采用了微特征提取技术,将车辆外饰和内饰作为车辆的微特征,将类似车辆进行区分,为精准找寻目标车辆,做出了有力支持。
附图说明
图1为本发明硬件构成示意图。
具体实施方式
下面结合说明书附图对本发明作进一步阐述。
本发明一种基于车联网大数据挖掘的模糊线索微特征匹配方法,包括以下步骤:
在城市车辆安装车联网前端采集与识别单元;
设备随车辆发动而启动,采集装载设备的车辆周边图像信息并识别,将识别结果上传至交管部门数据库中;
当有乘客申请找回遗失物时,以乘客提供的模糊信息作为限定条件,对前端采集与识别单元的图像信息识别结果进行数据挖掘,从而找到失主乘客其时搭乘的车辆信息,即为疑似车辆信息;
获得疑似车辆车信息后,通过设于交管部门的后端信息管理系统下达指令,由前端采集与识别单元经车联网信息传输系统上传本地视频,并调取道路交通电子警察视频进行辅助判定;
通过识别比对,找出疑似车辆;
由乘客指认疑似车辆,从而找到遗失物所在车辆。
如图1所示,本发明一种基于车联网大数据挖掘的模糊线索微特征匹配系统,具有前端采集与识别单元、车联网信息传输系统以及后端信息管理系统,其中前端采集与识别单元将采集到的视频图像信息进行识别并存储,在后端信息管理系统的控制下通过车联网信息传输系统传输至后端信息管理系统。
本发明中,车联网前端设备即前端采集与识别单元,包括前端采集单元、智能终端处理单元以及存储单元,其中前端采集单元包括设置于车辆上的多个摄像头,多个摄像头分别从需要角度采集具有高清晰度的视频存储在存储单元中;智能终端处理单元对视频图像进行分析处理,并将识别信息保存在存储单元中。摄像头至少为一个,设置于车辆前端或后端。通过该摄像头即可拍摄到视场范围内的与本车进行交汇的车尾以及车头信息。拍摄车辆四周信息至少一个摄像头。而车联网前端设备可以加装更多的摄像头,不局限于一个。
车联网前端采集单元安装在车辆上,通过车联网信息传输系统与设置于交管部门的信息管理系统相连。
智能终端处理装置(即DSP或者计算机),对已拍摄到的视频图像进行分析处理,主要识别拍摄到的车辆的车牌号码、车型信息、车标信息、车身颜色。对车头的图像定位驾驶员的人脸,对驾驶员的人脸进行识别,判断驾驶员是否佩戴安全带,判断驾驶员是否有违规动作(如吸烟、打电话)。同时对拍摄到的车辆进行微特征提取,对车辆的微特征进行采集识别,微特征主要指车辆的一些次要特征,如汽车贴纸、车内挂件摆件、座椅颜色等等。
车联网信息传输系统主要包括基站和网关。安装在车辆前端设备与后端系统通过基站与网关进行通信连接,信息传输单元即时将拍摄到的视频中识别到的结果与当前车辆的位置坐标上传。每条上传的识别结果仅为几字节,与网络带宽要求较低,上传速度极快。
后端信息管理系统由交管部门控制,随时接收各个前端识别单元上传的路上识别结果与其坐标信息,将数据储存进数据库中。
车联网信息传输系统包括基站和网关,安装在车辆中的前端采集与识别单元与安装于交管部门的后端信息管理系统通过基站与网关进行通信连接。信息传输装置即前端采集与识别单元中的发送模块,后端信息管理系统中的接收模块以及基站中的中继单元即时将拍摄到的视频中识别到的结果与当前车辆的位置坐标上传。每条上传的识别结果仅为几字节,与网络带宽要求较低,上传速度极快。
本发明一种基于车联网大数据挖掘的模糊线索微特征匹配方法,包括以下步骤:
在城市车辆安装车联网前端采集与识别单元,采集该车辆中所出现的图像信息并识别,上传至交管部门数据库中;
当有乘客申请找回遗失物时,以乘客提供的模糊信息作为限定条件,对前端采集与识别单元的图像信息识别结果进行数据挖掘,从而找到失主乘客其时搭乘的车辆信息,即为疑似车辆信息;
获得疑似车辆车信息后,通过设于交管部门的后端信息管理系统下达指令,由前端采集与识别单元经车联网信息传输系统上传本地视频,并调取道路交通电子警察视频进行辅助判定;
通过识别比对,找出疑似车辆;
由乘客指认疑似车辆,从而找到遗失物所在车辆。
所述前端采集与识别单元识别的内容包括车牌号码、车标种类、车型大小、车身颜色、驾驶员人脸、驾驶员是否佩戴安全带以及驾驶员是否有违规动作。
采集该车辆中所出现的图像信息并识别为:前端采集与识别单元对已拍摄到的车辆进行微特征提取,包括车辆的外饰及内饰,将外形类似的车辆有效的区分开来。
前端采集与识别单元向交管部门数据库上传的信息包括拍摄到的包含时间与位置坐标的车辆多特征信息,以供控制后端按需求搜索出限定条件下的特定信息。
通过设于交管部门的后端信息管理系统下达指令,即交管部门通过控制后端向拍摄到疑似目标车辆的前端采集与识别单元发出指令,控制前端采集与识别单元上传相关视频,并调取相关路线上的电子警察所拍摄的视频。
在实际应用中,本发明方法通过以下步骤实施:
a.在车辆上安装前端采集与识别单元,保证前端设备可以采集该车辆所遇见的图像信息并识别,且保持网络通畅,使识别结果可以上传至交管部门数据库中;
b.乘客发现物品遗失后,向交管部门提供线索,即所记得的搭乘出租车的线索;
c.交管部门利用乘客提供的线索,在数据库中查询符合线索限定的疑似车辆,比如乘客可能会记得搭车的大致时间、行驶路线、车辆颜色、司机性别等模糊信息。
d.交管部门控制后端信息管理系统,对上传疑似车辆识别结果的车辆发出上传视频的指令,拍摄到疑似车辆的车联网前端采集与识别单元上传相关视频,并调取该路线上电子警察所拍摄的视频;
在数据库中检索线索中的信息,设置搜索的限定条件。可设置的搜索限定条件有:“时间”、“区域路线”、“车体颜色”、“司机性别”、“车辆类型”、“车牌号码”、“车辆品牌”、“车辆内饰”、“车辆外饰”等等,此外还可以设定一些限定违规条件,如“驾驶员不系安全带”、“驾驶员吸烟”、“驾驶员打电话”等,由于对于找限定车辆意义不大,可不进行设置。
e.汇总疑似车辆相关视频,筛查,最终由乘客指认搭乘的出租车与司机。设定好搜索的限定条件后,通过搜索数据库可以得到车联网数据库中的大量相关信息,对相关信息进行汇总整合。将满足搜索条件的车辆汇总列表,使用控制端下指令,控制上传了疑似目标车辆信息的车辆,上传相关视频文件。通过信息传输系统,控制后端获得疑似车辆的视频汇总。
f.乘客指认其时搭乘的出租车后,可由交管部门查询对应的视频文件,分析判断乘客是否存在诬陷出租车司机的行为,以体现公平公正。
本发明中,失主乘客向交管部门提供自己掌握的所有有关搭乘的出租车的信息,交管部门根据乘客提供的信息线索,通过线索对当时车联网上传的海量信息进行搜索,调取车联网大数据信息,配合电子警察的监控系统,找寻符合线索的信息。
汇总符合线索的信息,从上传信息的车联网终端调取当时视频,从相关路线上调取该时段的电子警察视频,汇总从各个终端获得的涵盖有关线索的视频文件。
通过车联网上传的线索相关视频,使用乘客提供的线索,对视频进行图像处理,搜索图像中符合线索的车辆,通过汽车的车型、车牌、车标、车身颜色、驾驶员人脸信息以及车辆微特征进行匹配。
遗失物品的乘客多半无法提供硬性有效信息,而由于遗失物品的预先未知性,乘客也不会提前刻意记录很多出租车信息,否则根本不会遗失物品,而匆忙下车后,只会记得一些模糊的信息。而本发明,通过乘客提供的模糊信息,采用基于车联网的大数据挖掘技术,以道路上的电子警察作为辅助,从乘客可以提供的少量信息中,从海量车辆中寻找目标车辆。
有些情况下,找到了当时搭乘的出租车,而出租车司机并不是当时的司机,或者当时的司机拒不承认。此时,没有足够的信息证明当时的司机是谁,无论找到的司机是否是当时的司机,均无法指认。而本发明采用的基于车联网的大数据挖掘技术,可以搜集到出租车司机的人脸信息,可以简单有效的指认司机。
常规交通监控的电子警察对找寻目标出租车作用较小,对寻找目标出租车的帮助很有限。电子警察受制于数量、地点、方向等等因素影响,而且无法从海量视频中快速有效的找到目标车辆。即使拍摄到了目标出租车,也无法确认当时的出租车司机。本发明中,以电子警察的监控视频作为辅助手段,以车联网的海量大数据作为基石,主辅结合,协同作用,扩大了可搜索的信息面,防止遗漏。
从车联网海量信息中,可以提取出目标出租车的多角度信息,从而得到乘客上下车时的视频,可以确认乘客是否真的携带了包裹等大型物品,防止乘客的一面之词影响了公正,为治安判罚提供了更加真实有力的证据。
前端识别单元具有多种识别功能,可以拍摄到的同一辆车辆识别出多种信息,可以上传具有大量信息的识别结果,为找寻失主乘客当时搭乘的出租车提供了大量的可选信息,同时也可以为其他功能提供多种有效信息。
本发明采用了微特征提取技术,将车辆外饰和内饰作为车辆的微特征,将类似车辆进行区分,为精准找寻目标车辆,做出了有力支持。
Claims (9)
1.一种基于车联网大数据挖掘的车辆遗失物找回方法,其特征在于包括以下步骤:
在城市车辆安装车联网前端采集与识别单元;
设备随车辆发动而启动,采集装载设备的车辆周边图像信息并识别,将识别结果上传至交管部门数据库中;
当有乘客申请找回遗失物时,以乘客提供的模糊信息作为限定条件,对前端采集与识别单元的图像信息识别结果进行数据挖掘,从而找到失主乘客其时搭乘的车辆信息,即为疑似车辆信息;
获得疑似车辆车信息后,通过设于交管部门的后端信息管理系统下达指令,由前端采集与识别单元经车联网信息传输系统上传本地视频,并调取道路交通电子警察视频进行辅助判定;
通过识别比对,找出疑似车辆;
由乘客指认疑似车辆,从而找到遗失物所在车辆。
2.按权利要求1所述的基于车联网大数据挖掘的车辆遗失物找回方法,其特征在于:所述前端采集与识别单元识别的内容包括车牌号码、车标种类、车型大小、车身颜色、驾驶员人脸、驾驶员是否佩戴安全带以及驾驶员是否有违规动作。
3.按权利要求1所述的基于车联网大数据挖掘的车辆遗失物找回方法,其特征在于:采集该车辆中所出现的图像信息并识别为:前端采集与识别单元对已拍摄到的车辆进行微特征提取,包括车辆的外饰及内饰,将外形类似的车辆有效的区分开来。
4.按权利要求1所述的基于车联网大数据挖掘的车辆遗失物找回方法,其特征在于:前端采集与识别单元向交管部门数据库上传的信息包括拍摄到的包含时间与位置坐标的车辆多特征信息,以供控制后端按需求搜索出限定条件下的特定信息。
5.按权利要求1所述的基于车联网大数据挖掘的车辆遗失物找回方法,其特征在于:通过设于交管部门的后端信息管理系统下达指令,即交管部门通过控制后端向拍摄到疑似目标车辆的前端采集与识别单元发出指令,控制前端采集与识别单元上传相关视频,并调取相关路线上的电子警察所拍摄的视频。
6.一种基于车联网大数据挖掘的车辆遗失物找回系统,其特征在于:具有前端采集与识别单元、车联网信息传输系统以及后端信息管理系统,其中前端采集与识别单元将采集到的视频图像信息进行识别并存储,在后端信息管理系统的控制下通过车联网信息传输系统传输至后端信息管理系统。
7.按权利要求6所述的基于车联网大数据挖掘的车辆遗失物找回系统,其特征在于:
前端采集与识别单元包括前端采集单元、智能终端处理单元以及存储单元,其中前端采集单元包括设置于车辆上的多个摄像头,多个摄像头分别从需要角度采集具有高清晰度的视频存储在存储单元中;智能终端处理单元对视频图像进行分析处理,并将识别信息保存在存储单元中。主要识别拍摄到的车辆的车牌号码、车型信息、车标信息、车身颜色。
8.按权利要求6所述的基于车联网大数据挖掘的车辆遗失物找回系统,其特征在于摄像头至少一个,安装在车身上采集车辆所在外部环境信息。
9.按权利要求6所述的基于车联网大数据挖掘的车辆遗失物找回系统,其特征在于车联网信息传输系统包括基站和网关,安装在车辆中的前端采集与识别单元与安装于交管部门的后端信息管理系统通过基站与网关进行通信连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610144453.0A CN105825180A (zh) | 2016-03-11 | 2016-03-11 | 一种基于车联网大数据挖掘的车辆遗失物找回方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610144453.0A CN105825180A (zh) | 2016-03-11 | 2016-03-11 | 一种基于车联网大数据挖掘的车辆遗失物找回方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105825180A true CN105825180A (zh) | 2016-08-03 |
Family
ID=56987174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610144453.0A Pending CN105825180A (zh) | 2016-03-11 | 2016-03-11 | 一种基于车联网大数据挖掘的车辆遗失物找回方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105825180A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107729442A (zh) * | 2017-09-30 | 2018-02-23 | 刘玉伟 | 一种出租车乘客遗失物品的寻回系统 |
CN108038423A (zh) * | 2017-11-22 | 2018-05-15 | 广东数相智能科技有限公司 | 基于图像识别的汽车车型的识别方法及装置 |
CN109213897A (zh) * | 2018-08-24 | 2019-01-15 | 盯盯拍(深圳)技术股份有限公司 | 视频搜索方法、视频搜索装置以及视频搜索系统 |
CN110163908A (zh) * | 2018-02-12 | 2019-08-23 | 北京宝沃汽车有限公司 | 找寻目标物的方法、装置及存储介质 |
CN110198357A (zh) * | 2019-06-27 | 2019-09-03 | 河北工业大学 | 一种基于车联网的出租车遗失物品寻回系统及方法 |
WO2020108116A1 (zh) * | 2018-11-30 | 2020-06-04 | 北京三快在线科技有限公司 | 基于共享单车寻找失物、存储介质及计算机设备 |
CN113194023A (zh) * | 2020-11-02 | 2021-07-30 | 常熟理工学院 | 丢失证件找回系统及其控制方法 |
CN113537117A (zh) * | 2021-07-27 | 2021-10-22 | 广东机电职业技术学院 | 车载遗留物监控告警方法及其5g系统 |
CN115428053A (zh) * | 2020-04-16 | 2022-12-02 | 日产自动车株式会社 | 车辆调度控制装置、车辆调度控制系统以及车辆调度控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530366A (zh) * | 2013-10-12 | 2014-01-22 | 湖北微模式科技发展有限公司 | 一种基于自定义特征的车辆搜索方法与系统 |
CN104168308A (zh) * | 2014-07-16 | 2014-11-26 | 杭州鸿泉数字设备有限公司 | 基于云计算和大数据的车联网稽查系统 |
CN105336207A (zh) * | 2015-12-04 | 2016-02-17 | 黄左宁 | 车辆记录仪和公安综合监管系统 |
CN106845659A (zh) * | 2017-02-03 | 2017-06-13 | 驭势科技(北京)有限公司 | 智能车辆用车前后自检方法、智能车辆及其运营系统、车载计算装置和计算机可读介质 |
-
2016
- 2016-03-11 CN CN201610144453.0A patent/CN105825180A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530366A (zh) * | 2013-10-12 | 2014-01-22 | 湖北微模式科技发展有限公司 | 一种基于自定义特征的车辆搜索方法与系统 |
CN104168308A (zh) * | 2014-07-16 | 2014-11-26 | 杭州鸿泉数字设备有限公司 | 基于云计算和大数据的车联网稽查系统 |
CN105336207A (zh) * | 2015-12-04 | 2016-02-17 | 黄左宁 | 车辆记录仪和公安综合监管系统 |
CN106845659A (zh) * | 2017-02-03 | 2017-06-13 | 驭势科技(北京)有限公司 | 智能车辆用车前后自检方法、智能车辆及其运营系统、车载计算装置和计算机可读介质 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107729442A (zh) * | 2017-09-30 | 2018-02-23 | 刘玉伟 | 一种出租车乘客遗失物品的寻回系统 |
CN108038423A (zh) * | 2017-11-22 | 2018-05-15 | 广东数相智能科技有限公司 | 基于图像识别的汽车车型的识别方法及装置 |
CN108038423B (zh) * | 2017-11-22 | 2022-03-04 | 广东数相智能科技有限公司 | 基于图像识别的汽车车型的识别方法及装置 |
CN110163908A (zh) * | 2018-02-12 | 2019-08-23 | 北京宝沃汽车有限公司 | 找寻目标物的方法、装置及存储介质 |
CN109213897A (zh) * | 2018-08-24 | 2019-01-15 | 盯盯拍(深圳)技术股份有限公司 | 视频搜索方法、视频搜索装置以及视频搜索系统 |
WO2020108116A1 (zh) * | 2018-11-30 | 2020-06-04 | 北京三快在线科技有限公司 | 基于共享单车寻找失物、存储介质及计算机设备 |
CN110198357A (zh) * | 2019-06-27 | 2019-09-03 | 河北工业大学 | 一种基于车联网的出租车遗失物品寻回系统及方法 |
CN115428053A (zh) * | 2020-04-16 | 2022-12-02 | 日产自动车株式会社 | 车辆调度控制装置、车辆调度控制系统以及车辆调度控制方法 |
CN113194023A (zh) * | 2020-11-02 | 2021-07-30 | 常熟理工学院 | 丢失证件找回系统及其控制方法 |
CN113194023B (zh) * | 2020-11-02 | 2023-06-20 | 常熟理工学院 | 丢失证件找回系统及其控制方法 |
CN113537117A (zh) * | 2021-07-27 | 2021-10-22 | 广东机电职业技术学院 | 车载遗留物监控告警方法及其5g系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105825180A (zh) | 一种基于车联网大数据挖掘的车辆遗失物找回方法及系统 | |
KR101709521B1 (ko) | 무인 스마트카를 이용한 공익서비스 시스템 및 방법 | |
CN104200671B (zh) | 一种基于大数据平台的虚拟卡口管理方法及系统 | |
CN103294775B (zh) | 基于地理时空约束的警务云图像识别车辆管控系统 | |
US20060200307A1 (en) | Vehicle identification and tracking system | |
CN109243005A (zh) | 自行车警用监督管理及智能城市管理的行驶记录系统 | |
CN110471058A (zh) | 用于拖车属性的自动检测的系统和方法 | |
US20190197859A1 (en) | Person search system | |
CN109804367A (zh) | 使用边缘计算的分布式视频存储和搜索 | |
CN110290945A (zh) | 记录操作员和周围视场的视频 | |
DE102018125763A1 (de) | Rettungssystem und Rettungsverfahren und für das Rettungssystem und das Rettungsverfahren verwendeter Server | |
JP2020004252A (ja) | 残留物検出システム | |
DE102020113417A1 (de) | Systeme und verfahren zur automatisierten multimodalen zustellung | |
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 | |
CN107134150A (zh) | 一种管制违法违章车辆的方法 | |
KR20110134012A (ko) | 휴대용 통신기기를 이용하여 차량 추적, 차량 정보의 데이타 통신 및 차량 범죄 및 법규위반 예방이 가능한 차적조회 및 자동통지 방법 | |
CN106297287A (zh) | 交通事故证据获取方法和系统 | |
KR101066081B1 (ko) | 차량 탑재형 스마트 정보 판독 시스템 및 방법 | |
CN110837753A (zh) | 一种人车物识别布控的集分模型及其使用方法 | |
CN104408930B (zh) | 一种连续闯红灯报警系统及方法 | |
KR101686851B1 (ko) | Cctv 카메라를 이용한 통합 관제 시스템 | |
CN110070748A (zh) | 应用于开放式停车位的停车管理系统 | |
JP2001333419A (ja) | 捜索システム及び方法 | |
KR20130103876A (ko) | 블랙박스 데이터 검색 시스템 | |
KR101527003B1 (ko) | 블랙박스시스템 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160803 |