CN106412509A - 牌号冒用/伪造的智能监控方法和系统 - Google Patents
牌号冒用/伪造的智能监控方法和系统 Download PDFInfo
- Publication number
- CN106412509A CN106412509A CN201610874553.9A CN201610874553A CN106412509A CN 106412509 A CN106412509 A CN 106412509A CN 201610874553 A CN201610874553 A CN 201610874553A CN 106412509 A CN106412509 A CN 106412509A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- characteristic information
- trade mark
- falsely
- monitoring data
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004458 analytical method Methods 0.000 claims description 34
- 239000000284 extract Substances 0.000 claims description 32
- 238000000605 extraction Methods 0.000 claims description 12
- 230000008447 perception Effects 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 7
- 230000002123 temporal effect Effects 0.000 claims description 4
- 230000006399 behavior Effects 0.000 abstract description 20
- 239000002609 medium Substances 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000005242 forging Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 230000002730 additional effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种牌号冒用/伪造的智能监控方法和系统，解决了现有技术中的视频监控方式无法对监控视频中的车辆牌号冒用/伪造行为进行实时分析判断的问题。该牌号冒用/伪造的智能监控方法包括：实时采集视频监控数据；实时提取视频监控数据中车辆的车辆特征信息，其中，所述车辆特征信息包括车辆牌号；根据实时提取的所述车辆的车辆特征信息，以及所述车辆牌号在车辆信息数据中心对应存储的实际车辆特征信息，判断所述车辆是否存在冒用/伪造牌号的行为。
Description
技术领域
本发明涉及视频监控技术领域，具体涉及一种牌号冒用/伪造的智能监控方法和系统。
背景技术
随着宽带网络的普及、计算机技术的发展以及图像处理技术的提高，视频监控技术正越来越广泛地渗透到教育、政府、娱乐、医疗、酒店等各种领域。尤其在安防领域，视频监控是协助公共安全部门打击犯罪、维持社会安定的重要手段。然而现有的视频监控分析方法仍停留在基于所采集的监控视频进行事后人力分析的低层次水平，并不利于车辆监控分析场景下对牌号的实时与分析。而在当今社会，冒用他人牌号或伪造牌号的现象较为严重，因此，急需一种能够对监控视频中的车辆牌号冒用/伪造行为进行实时分析判断的智能监控方式。
发明内容
有鉴于此，本发明实施例提供了一种牌号冒用/伪造的智能监控方法和系统，解决了现有技术中的视频监控方式无法对监控视频中的车辆牌号冒用/伪造行为进行实时分析判断的问题。
本发明实施例提供的一种牌号冒用/伪造的智能监控方法，包括：实时采集视频监控数据；实时提取视频监控数据中车辆的车辆特征信息，其中，所述车辆特征信息包括车辆牌号；根据实时提取的所述车辆的车辆特征信息，以及所述车辆牌号在车辆信息数据中心对应存储的实际车辆特征信息，判断所述车辆是否存在冒用/伪造牌号的行为。
本发明实施例提供的一种牌号冒用/伪造的智能监控系统，包括：环境感知装置，用于实时采集视频监控数据；对象特征分析装置，用于根据所述环境感知装置所采集的视频监控数据，实时提取视频监控数据中车辆的车辆特征信息，其中，所述车辆特征信息包括车辆牌号；以及决策装置，用于根据对象特征分析装置实时提取的所述车辆的车辆特征信息，以及所述车辆牌号在车辆信息数据中心对应存储的实际车辆特征信息，判断所述车辆是否存在冒用/伪造牌号的行为。
本发明实施例提供的牌号冒用/伪造的智能监控方法和系统，实时采集视频监控数据中车辆的车辆特征信息，并通过车辆牌号将实时提取的车辆特征信息和数据中心对应存储的实际车辆特征信息进行比对，当提取的车辆特征信息与备案信息不相符时，便可认定该车辆进行了冒用或者伪造牌号行为，从而实现了对监控视频中的车辆牌号冒用/伪造行为的实时分析判断，为交通部门对交通违法行为的抓捕与制止工作提供了有效措施。
附图说明
图1所示为本发明一实施例提供的一种牌号冒用/伪造的智能监控方法的流程图。
图2所示为本发明另一实施例提供的一种牌号冒用/伪造的智能监控方法的流程图。
图3所示为本发明一实施例提供的一种牌号冒用/伪造的智能监控系统的结构示意图。
图4所示为本发明一实施例提供的一种牌号冒用/伪造的智能监控系统所基于的监控视频智能信息模型图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1所示为本发明一实施例提供的一种牌号冒用/伪造的智能监控方法的流程示意图。如图1所示，该牌号冒用/伪造的智能监控方法包括：
步骤101：实时采集视频监控数据。
该视频监控数据为前端视频采集设备所直接采集到的一些基本信息，直接作为后续进行进一步实时智能分析的基本资源数据。在本发明一实施例中，实时采集的视频监控数据也可直接发给监控中心的监控人员查看，使得监控人员能够实时监督整个牌号冒用/伪造智能监控过程的自动进行。
在本发明一实施例中，该实时采集的视频监控数据可包括监控视频以及以下几项中的一种或多种：视频采集位置信息和视频采集时间信息。其中监控视频是后续车辆特征信息提取的资源数据，视频采集位置信息和视频采集时间信息可作为附加的属性信息用于明确牌号被非法使用的时间和地点。
步骤102：实时提取视频监控数据中车辆的车辆特征信息，其中，该车辆特征信息包括车辆牌号。
在本发明一实施例中，车辆特征信息还包括以下几项中的一种或多种：车辆品牌和车辆类型，用于进一步明确车辆的特征。在本发明一实施例中，该车辆特征信息的提取过程可基于对车辆特征信息的预训练所得模型实现。例如，提前生成车辆类型与车辆形状对应关系的预训练模型，当识别出监控视频中的车辆体型较小且不带有车斗时，基于该模型可判断该车辆为小汽车。
步骤103：根据实时提取的车辆的车辆特征信息，以及车辆牌号在车辆信息数据中心对应存储的实际车辆特征信息，判断该车辆是否存在冒用/伪造牌号的行为。
基于实时提取的车辆特征信息可确认该车辆的特征，包括车辆牌号、车辆品牌和车辆类型。对于提取的车辆牌号，可在车辆信息数据中心通过比对确认是否有相关的备案记录，以及其在备案记录中对应存储的实际车辆特征信息与实时提取的车辆特征信息是否一致。在本发明一实施例中，该实际车辆特征信息包括以下几项中的一种或多种：实际车辆品牌和实际车辆类型，用于记录牌号所属车辆的实际品牌及实际类型等信息。
我们都知道，车辆牌号犹如人的身份证，它与机动车辆是一一对应的，即每一机动车，无论它是什么品牌，何种车型，其牌号都不会与另外一台机动车的牌号重复。所以，如果实时提取的车辆特征信息与数据中心对应存储的实际车辆特征信息不相符则可认定该车辆存在冒用或伪造牌号的行为。例如，提取的车辆A的车辆特征信息包括：牌号为XX67890，品牌为YY，车型为小客车，如果在数据中心的备案牌号中并无牌号XX67890，则可判定该牌号XX67890是被伪造的，该车辆A存在伪造牌号行为；如果数据中心中虽然存在牌号XX67890，但是该牌号XX67890对应的实际车辆品牌为XX67891或者实际车型为小汽车、农用车等非小客车，则可认定该车辆A存在冒用牌号行为。
在本发明一实施例中，当判断出车辆存在冒用/伪造牌号行为后，可进一步基于实时提取的车辆特征信息和数据中心对应存储的实际车辆特征信息给出违章处罚结果。例如：“车辆A存在冒用牌号上路的违法行为，建议扣除a分，罚款b元……”。
利用本实施例所提供的智能监控方法，可实现对监控视频中的车辆牌号冒用或者伪造行为的实时分析判断，为交通部门对交通违法行为的抓捕与制止工作提供了有效措施。
在本发明一实施例中，车辆特征信息在被提取后可被保存起来，以便于后续的追溯和查询。例如，可在接收以该车辆特征信息为查询条件的查询指令后，调取该车辆特征信息所对应的所有位置信息和时间信息，从而实现对于某一具体车辆使用伪造的或者他人牌号上路的行踪记录的查询。
在本发明一实施例中，由于车辆的正常使用牌号行为并不需要进行违章处理，因此若判断车辆不存在冒用或者伪造牌号行为，则可不保存与车辆对应的车辆特征信息，以提高存储硬件资源的利用效率。
图2所示为本发明另一实施例提供的一种牌号冒用/伪造的智能监控方法的流程示意图。如图2所示，该牌号冒用/伪造的智能监控方法包括：
步骤201：实时采集视频监控数据。
步骤202：从视频监控数据中截取车辆所处区域的区域视频监控数据。
通过从视频监控数据中截取区域视频监控数据，去掉与当前监控车辆无关的区域的视频监控数据，减少了后续提取车辆特征信息的计算量，减轻了硬件分析资源的计算负担。
应当理解，该区域视频监控数据的区域大小可由开发人员根据实际场景的需求而定，例如前端视频采集设备的监控范围包括两个街区，而监控人员所关注的仅为其中的一个街区的非法使用牌号情况，此时便可从视频监控数据中截取当前一个街区的区域视频监控数据。
步骤203：从区域视频监控数据中实时提取车辆特征信息，其中，该实时提取的车辆特征信息包括车辆牌号。
车辆特征信息的具体提取方式仍可通过预训练所得模型实现，此处不再赘述。由于原始的视频监控数据已被截取为区域视频监控数据，因此车辆特征信息提取过程的计算量得以降低，减轻了硬件分析资源的计算负担。
步骤204：基于实时提取的车辆的车辆特征信息，以及车辆牌号在车辆信息数据中心对应存储的实际车辆特征信息生成语义分析结果。
例如，提取的车辆A的车辆特征信息包括：牌号为XX67890，品牌为YY，车型为小汽车，而车辆信息数据中心中备案牌号为XX67890的车辆对应的实际品牌为ZZ，实际车型为小客车，则语义分析结果的整体信息可表示为：品牌为YY，车型为小汽车的车辆A正在使用牌号XX67890，该牌号XX67890对应的机动车实际品牌为ZZ，实际车型为小客车。
步骤205：基于该语义分析结果，实时判断车辆是否存在冒用/伪造牌号的行为。
例如，基于上述的语义分析结果可以判断品牌为YY，车型为小汽车的车辆A正在冒用牌号XX67890上路行驶。
应当注意，本发明所述方法中的步骤编号仅用作该步骤的附图标记，并不表示执行顺序，因为一些动作可以按照与这里描述和标示的顺序不同的顺序出现，本发明要求保护的主题内容将不受这些动作的执行顺序所限制。另外，前述步骤的描述不排除该方法还可以包括可能取得附加效果的附加步骤。还应当理解，不同的实施方式或者流程中描述的方法步骤可以相互组合或者替换。
图3所示为本发明一实施例提供的一种牌号冒用/伪造的智能监控系统的结构示意图。如图3所示，该牌号冒用/伪造的智能监控系统包括：
环境感知装置301，用于实时采集视频监控数据；
对象特征分析装置302，用于根据环境感知装置301所采集的视频监控数据，实时提取视频监控数据中车辆的车辆特征信息，其中，该车辆特征信息包括车辆牌号；以及
决策装置303，用于根据对象特征分析装置302实时提取的车辆的车辆特征信息，以及车辆牌号在车辆信息数据中心对应存储的实际车辆特征信息，判断车辆是否存在冒用/伪造牌号的行为。
在本发明一实施例中，该牌号冒用/伪造的智能监控系统进一步包括：
语义分析装置304，用于基于对象特征分析装置302实时提取的车辆的车辆特征信息，以及车辆牌号在车辆信息数据中心对应存储的实际车辆特征信息生成语义分析结果；
其中，决策装置303进一步用于：
基于语义分析装置304所生成的语义分析结果，实时判断车辆是否存在冒用/伪造牌号的行为。
在本发明一实施例中，决策装置303进一步用于：
若判断车辆不存在冒用/伪造牌号行为，则不保存实时提取的该车辆的车辆特征信息。
在本发明一实施例中，该牌号冒用/伪造的智能监控系统进一步包括：
对象区域提取装置305，用于从环境感知装置301所采集的视频监控数据中截取车辆所处区域的区域视频监控数据；
其中，对象特征分析装置302进一步用于：从该区域视频监控数据中提取车辆特征信息，其中，该车辆特征信息包括车辆牌号。
在本发明一实施例中，对象特征分析装置302进一步用于：基于对车辆特征信息的预训练所得模型，从视频监控数据中提取车辆特征信息。
在本发明一实施例中，该决策装置304进一步用于：当判断结果为是时，根据实时提取的该车辆的车辆特征信息，以及车辆牌号在车辆信息数据中心对应存储的实际车辆特征信息给出违章处罚结果。
由此可见，本发明实施例所提供的牌号冒用/伪造的智能监控系统实质是基于一种监控视频智能信息模型实现的。该监控视频智能信息模型中的信息流可分为不同的层面提取，而且相邻的层面之间存在一定的依赖关系。如图4所示，在环境感知装置301采集视频监控数据的过程中，将视频和现场感知数据(如：相机的地理位置、时间、温度、气象、相机位姿等)存入环境感知层，这些信息是传统视频监控和智能视频监控提供监控场景的基本要素，为顶层决策提供必要的支持。在前端处理过程中，将原始采集的视频监控数据进行初步处理(包括传统预处理，以及基于统计学习方法的前端智能分析等)，并将初步处理的结果存入特征层和对象层，分别对应对象特征分析装置302提取车辆特征信息的过程以及对象区域提取装置305从原始采集的视频监控数据中截取区域视频监控数据的过程。在后端处理过程中，将根据不同的应用需要，综合前述的相应各层，利用机器学习技术进行分析和处理，将相关的语义分析结果存入语义层，对应语义分析装置304生成语义分析结果的过程。对于语义分析装置304中的语义分析结果，利用机器学习技术训练的判断模型可以给出不同的决策建议供监控人员参考；同时，监控人员还可以向系统发出指令，以查询监控数据中相应的内容，这些属于决策/理解层。其中的判断模型和通过其判断得到的决策建议，属于决策范畴。监控人员在观察过程中，向监控系统发出某种指令以查询某一事件中具备某类特征的目标，系统将其指令解释成符合本结构模型的描述方式，对其所掌握的数据进行检索，属于理解范畴。
应当理解，当牌号冒用/伪造的智能监控系统包括前端视频采集设备和后端视频分析设备时，环境感知装置301可设置在前端视频采集设备中，而对象区域提取装置305、对象特征分析装置302、语义分析装置304、决策装置303可分别设置在前端视频采集设备中或设置在后端视频分析设备中。只要牌号冒用/伪造的智能监控系统中的所有装置能够实现各自的分析提取功能以及信息流的逐步提取，以最终达到语义决策的目的即可。本发明对牌号冒用/伪造的智能监控系统中的装置具体设置在前端视频采集设备还是后端视频分析设备不做具体限定。
本发明的教导还可以实现为一种计算机可读存储介质的计算机程序产品，包括计算机程序代码，当计算机程序代码由处理器执行时，其使得处理器能够按照本发明实施方式的方法来实现如本文实施方式所述的牌号冒用智能监控方法。计算机存储介质可以为任何有形媒介，例如软盘、CD-ROM、DVD、硬盘驱动器、甚至网络介质等。
应当理解，虽然以上描述了本发明实施方式的一种实现形式可以是计算机程序产品，但是本发明的实施方式的方法或装置可以被依软件、硬件、或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的方法和设备可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的方法和装置可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
应当理解，尽管在上文的详细描述中提及了装置的若干模块或单元，但是这种划分仅仅是示例性而非强制性的。实际上，根据本发明的示例性实施方式，上文描述的两个或更多模块/单元的特征和功能可以在一个模块/单元中实现，反之，上文描述的一个模块/单元的特征和功能可以进一步划分为由多个模块/单元来实现。此外，上文描述的某些模块/单元在某些应用场景下可被省略。例如当硬件计算资源的计算能力不受限制时，也可不包括对象区域提取装置。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换等，均应包含在本发明的保护范围之内。
Claims (15)
1.一种牌号冒用/伪造的智能监控方法，其特征在于，包括：
实时采集视频监控数据；
实时提取视频监控数据中车辆的车辆特征信息，其中，所述车辆特征信息包括车辆牌号；
根据实时提取的所述车辆的车辆特征信息，以及所述车辆牌号在车辆信息数据中心对应存储的实际车辆特征信息，判断所述车辆是否存在冒用/伪造牌号的行为。
2.根据权利要求1所述的牌号冒用/伪造的智能监控方法，其特征在于，进一步包括：
基于实时提取的所述车辆的车辆特征信息，以及所述车辆牌号在车辆信息数据中心对应存储的实际车辆特征信息生成语义分析结果；
其中，所述根据实时提取的所述车辆的车辆特征信息，以及所述车辆牌号在车辆信息数据中心对应存储的实际车辆特征信息，判断所述车辆是否存在冒用/伪造牌号的行为包括：
基于所述语义分析结果，实时判断所述车辆是否存在冒用/伪造牌号的行为。
3.根据权利要求1所述的牌号冒用/伪造的智能监控方法，其特征在于，进一步包括：
保存实时提取的所述车辆的车辆特征信息。
4.根据权利要求1所述的牌号冒用/伪造的智能监控方法，其特征在于，
若判断车辆不存在冒用/伪造牌号行为，则不保存实时提取的所述车辆的车辆特征信息。
5.根据权利要求1所述的牌号冒用/伪造的智能监控方法，其特征在于，在实时提取视频监控数据中车辆的车辆特征信息之前，进一步包括：
从所述视频监控数据中截取所述车辆所处区域的区域视频监控数据；
其中，所述实时提取视频监控数据中车辆的车辆特征信息包括：
从区域视频监控数据中提取车辆特征信息。
6.根据权利要求1所述的牌号冒用/伪造的智能监控方法，其特征在于，所述实时提取视频监控数据中车辆的车辆特征信息包括：
基于对所述车辆特征信息的预训练所得模型，从所述视频监控数据中提取所述车辆特征信息。
7.根据权利要求1至6中任一所述的牌号冒用/伪造的智能监控方法，其特征在于，所述视频监控数据包括监控视频以及以下几项中的一种或多种：视频采集位置信息和视频采集时间信息；和/或，
实时提取的所述车辆的车辆特征信息还包括以下几项中的一种或多种：车辆品牌和车辆类型；和/或，
所述车辆牌号在车辆信息数据中心对应存储的实际车辆特征信息包括以下几项中的一种或多种：实际车辆品牌和实际车辆类型。
8.根据权利要求1至6中任一所述的牌号冒用/伪造的智能监控方法，其特征在于，进一步包括：
当判断结果为是时，根据实时提取的所述车辆的车辆特征信息，以及所述车辆牌号在车辆信息数据中心对应存储的实际车辆特征信息给出违章处罚结果。
9.一种牌号冒用/伪造的智能监控系统，其特征在于，包括：
环境感知装置，用于实时采集视频监控数据；
对象特征分析装置，用于根据所述环境感知装置所采集的视频监控数据，实时提取视频监控数据中车辆的车辆特征信息，其中，所述车辆特征信息包括车辆牌号；以及
决策装置，用于根据对象特征分析装置实时提取的所述车辆的车辆特征信息，以及所述车辆牌号在车辆信息数据中心对应存储的实际车辆特征信息，判断所述车辆是否存在冒用/伪造牌号的行为。
10.根据权利要求9所述的牌号冒用/伪造的智能监控系统，其特征在于，进一步包括：
语义分析装置，用于基于所述对象特征分析装置实时提取的所述车辆的车辆特征信息，以及所述车辆牌号在车辆信息数据中心对应存储的实际车辆特征信息生成语义分析结果；
其中，所述决策装置进一步用于：
基于所述语义分析装置所生成的语义分析结果，实时判断所述车辆是否存在冒用/伪造牌号的行为。
11.根据权利要求9所述的牌号冒用/伪造的智能监控系统，其特征在于，所述决策装置进一步用于：
若判断车辆不存在冒用/伪造牌号行为，则不保存实时提取的所述车辆的车辆特征信息。
12.根据权利要求10所述的牌号冒用/伪造的智能监控系统，其特征在于，进一步包括：
对象区域提取装置，用于从所述环境感知装置所采集的视频监控数据中截取所述车辆所处区域的区域视频监控数据；
其中，所述对象特征分析装置进一步用于：从所述区域视频监控数据中提取所述车辆特征信息，其中，所述车辆特征信息包括车辆牌号。
13.根据权利要求12所述的牌号冒用/伪造的智能监控系统，其特征在于，所述系统包括前端视频采集设备和后端视频分析设备；
其中，所述环境感知装置设置在所述前端视频采集设备中；
所述对象区域提取装置、对象特征分析装置、语义分析装置、决策装置分别设置在所述前端视频采集设备中或设置在所述后端视频分析设备中。
14.根据权利要求9所述的牌号冒用/伪造的智能监控系统，其特征在于，所述对象特征分析装置进一步用于：基于对所述车辆特征信息的预训练所得模型，从所述视频监控数据中提取所述车辆特征信息。
15.根据权利要求9至14任一所述的牌号冒用/伪造的智能监控系统，其特征在于，所述决策装置进一步用于：当判断结果为是时，根据实时提取的所述车辆的车辆特征信息，以及所述车辆牌号在车辆信息数据中心对应存储的实际车辆特征信息给出违章处罚结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610874553.9A CN106412509A (zh) | 2016-09-30 | 2016-09-30 | 牌号冒用/伪造的智能监控方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610874553.9A CN106412509A (zh) | 2016-09-30 | 2016-09-30 | 牌号冒用/伪造的智能监控方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106412509A true CN106412509A (zh) | 2017-02-15 |
Family
ID=59228094
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610874553.9A Pending CN106412509A (zh) | 2016-09-30 | 2016-09-30 | 牌号冒用/伪造的智能监控方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106412509A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110211389A (zh) * | 2019-05-27 | 2019-09-06 | 武汉万集信息技术有限公司 | 车辆违规的确定方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030052785A (ko) * | 2001-12-21 | 2003-06-27 | 엘지전자 주식회사 | 전자 통행료 징수 시스템의 차량 번호 인식 장치 및 방법 |
| CN102467652A (zh) * | 2010-11-04 | 2012-05-23 | 北京时代凌宇科技有限公司 | 一种无线智能识别管理装置、系统及方法 |
| CN202331796U (zh) * | 2011-11-15 | 2012-07-11 | 张中兴 | 一种车辆超载监测系统 |
| CN104464289A (zh) * | 2014-12-04 | 2015-03-25 | 赵常维 | 一种车辆违章时驾驶信息的识别方法 |
| CN104504909A (zh) * | 2015-01-20 | 2015-04-08 | 赵立 | 一种查找假冒车牌非法车辆的方法 |
| CN105279475A (zh) * | 2014-07-15 | 2016-01-27 | 贺江涛 | 一种基于车辆身份识别的套牌车识别的方法与装置 |
| CN105321350A (zh) * | 2014-08-05 | 2016-02-10 | 北京大学 | 套牌车检测方法及装置 |
-
2016
- 2016-09-30 CN CN201610874553.9A patent/CN106412509A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030052785A (ko) * | 2001-12-21 | 2003-06-27 | 엘지전자 주식회사 | 전자 통행료 징수 시스템의 차량 번호 인식 장치 및 방법 |
| CN102467652A (zh) * | 2010-11-04 | 2012-05-23 | 北京时代凌宇科技有限公司 | 一种无线智能识别管理装置、系统及方法 |
| CN202331796U (zh) * | 2011-11-15 | 2012-07-11 | 张中兴 | 一种车辆超载监测系统 |
| CN105279475A (zh) * | 2014-07-15 | 2016-01-27 | 贺江涛 | 一种基于车辆身份识别的套牌车识别的方法与装置 |
| CN105321350A (zh) * | 2014-08-05 | 2016-02-10 | 北京大学 | 套牌车检测方法及装置 |
| CN104464289A (zh) * | 2014-12-04 | 2015-03-25 | 赵常维 | 一种车辆违章时驾驶信息的识别方法 |
| CN104504909A (zh) * | 2015-01-20 | 2015-04-08 | 赵立 | 一种查找假冒车牌非法车辆的方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110211389A (zh) * | 2019-05-27 | 2019-09-06 | 武汉万集信息技术有限公司 | 车辆违规的确定方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11840239B2 (en) | Multiple exposure event determination | |
| US11042619B2 (en) | Vehicle occupant tracking and trust | |
| Tageldin et al. | Developing evasive action‐based indicators for identifying pedestrian conflicts in less organized traffic environments | |
| Satzoda et al. | Drive analysis using vehicle dynamics and vision-based lane semantics | |
| CN106412508A (zh) | 车辆违章压线智能监控方法和系统 | |
| JP2015501459A (ja) | センサー駆動型車両遠隔計測アプリケーションおよびサービスの開発および配備のための演算プラットフォーム | |
| Wu et al. | Automated safety diagnosis based on unmanned aerial vehicle video and deep learning algorithm | |
| Klück et al. | Performance comparison of two search-based testing strategies for ADAS system validation | |
| Nieto et al. | On creating vision‐based advanced driver assistance systems | |
| CN109872541A (zh) | 一种车辆信息分析方法及装置 | |
| CN106446856A (zh) | 车辆占道行驶智能监控方法和系统 | |
| Zhang | Multi-object trajectory extraction based on YOLOv3-DeepSort for pedestrian-vehicle interaction behavior analysis at non-signalized intersections | |
| CN111985304A (zh) | 巡防告警方法、系统、终端设备及存储介质 | |
| CN106504542A (zh) | 车速智能监控方法和系统 | |
| Chai et al. | Trajectory-based conflict investigations involving two-wheelers and cars at non-signalized intersections with computer vision | |
| CN116710732A (zh) | 自主交通工具运动计划中的稀有事件仿真 | |
| Siebert et al. | Computer vision-based helmet use registration for e-scooter riders–The impact of the mandatory helmet law in Copenhagen | |
| CN111696347B (zh) | 一种自动化分析交通事件信息的方法和装置 | |
| Jiang et al. | Understanding drivers’ visual and comprehension loads in traffic violation hotspots leveraging crowd-based driving simulation | |
| CN106412509A (zh) | 牌号冒用/伪造的智能监控方法和系统 | |
| CN113128540A (zh) | 非机动车盗车行为的检测方法、装置及电子设备 | |
| CN106454233A (zh) | 人群聚集的智能监控方法和系统 | |
| CN116580551A (zh) | 车辆驾驶行为评估方法、装置、设备及存储介质 | |
| CN106354883A (zh) | 一种视频信息结构组织方法和系统 | |
| Yu et al. | Sensing Vehicle Conditions for Detecting Driving Behaviors |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20171207 Address after: 519000 Guangdong city of Zhuhai province Hengqin Baohua Road No. 6, room 105, -23898 (central office) Applicant after: Zhongxing Technology Co., Ltd. Address before: 100083 Haidian District, Xueyuan Road, No. 35, the world building, the second floor of the building on the ground floor, No. 16 Applicant before: Beijing Vimicro Corporation |
|
| CB02 | Change of applicant information |
Address after: 519031 Guangdong city of Zhuhai province Hengqin Baohua Road No. 6, room 105, -23898 (central office) Applicant after: Mid Star Technology Limited by Share Ltd Address before: 519000 Guangdong city of Zhuhai province Hengqin Baohua Road No. 6, room 105, -23898 (central office) Applicant before: Zhongxing Technology Co., Ltd. |
|
| CB02 | Change of applicant information | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170215 |
|
| RJ01 | Rejection of invention patent application after publication |