CN106571040A - 一种可疑车辆确认方法及设备 - Google Patents

一种可疑车辆确认方法及设备 Download PDF

Info

Publication number
CN106571040A
CN106571040A CN201610932214.1A CN201610932214A CN106571040A CN 106571040 A CN106571040 A CN 106571040A CN 201610932214 A CN201610932214 A CN 201610932214A CN 106571040 A CN106571040 A CN 106571040A
Authority
CN
China
Prior art keywords
vehicle
suspicion
suspect
factor
identification information
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.)
Granted
Application number
CN201610932214.1A
Other languages
English (en)
Other versions
CN106571040B (zh
Inventor
韩锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Uniview Technologies Co Ltd
Original Assignee
Zhejiang Uniview Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Uniview Technologies Co Ltd filed Critical Zhejiang Uniview Technologies Co Ltd
Priority to CN201610932214.1A priority Critical patent/CN106571040B/zh
Publication of CN106571040A publication Critical patent/CN106571040A/zh
Application granted granted Critical
Publication of CN106571040B publication Critical patent/CN106571040B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/017Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules

Abstract

本发明公开了一种可疑车辆确认方法,将前端设备采集的可疑车辆的图像进行二次识别,并根据识别结果更新可疑车辆的识别信息以及嫌疑因子,再分别根据可疑车辆在卡口系统中的所有采集图像的二次识别结果更新嫌疑因子的数值,以及根据可疑车辆在卡口系统中的过车时刻所对应的监控视频的截图的识别结果更新嫌疑因子的数值之后,根据可疑车辆以及其他可疑车辆的嫌疑因子确定该可疑车辆是否为非法车辆。从而有效地解决了现有技术中由前端设备识别错误所引起的非法车辆识别率低的问题,使管理人员能够及时针对非法车辆采取相应措施。

Description

_种可疑车辆确认方法及设备
技术领域
[0001] 本发明涉及通信技术领域,特别涉及一种可疑车辆确认方法。本申请同时还涉及一种服务器。
背景技术
[0002]随着我国综合实力和国民收入水平的提高,机动车保有量每年以15%〜20%的速度在迅猛增长,道路建设步伐不断加快,全国城市化水平也在不断提高,交通管理现状和需求的矛盾进一步加剧,与交通相关的刑事和治安案件也逐年上升,特别是像肇事或做案后驾车沿公路逃逸、盗抢机动车辆、车辆违章行驶等。
[0003] 在现代智能交通管理中,利用视频技术获取各种交通数据和对违章车辆进行检测和监控,具有快速、准确、直观等优点,便于交通指挥管理部门和道路使用者及时了解道路交通状况,准确做出决策进行道路交通指挥管理和合理行车路径选择,其中典型的应用便是道路交通卡口系统。道路交通卡口系统安装在公路任意断面上(包括的城市的出入口、收费站、省际和市际卡口等处),能够对过往车辆进行自动实时拍摄与记录,并由确定机进行车牌识别以及对车辆进行行驶速度和各类违章的检测、数据采集与报警,以此提高道路交通管理的智能化、现代化水平。
[0004] 根据《中华人民共和国道路交通安全法》规定,使用伪造、变造机动车号牌均属于违法行为,任何人不得以任何理由使用假车牌。因此,对假牌车识别的效率成为道路交通卡口系统的一个重要职能。在现有技术中,系统根据识别出来的车牌号码、颜色等与车管库的数据做对比,如果车管库不存在该车的记录,则认为该车是假牌车。流程如图1所示。
[0005] 在图1所示的流程图中,车管库信息同步模块把远程车管库信息同步到本地车管库信息中。车辆信息比对模块读取卡口过车记录,根据车牌号码、颜色等与本地车管库中数据进行比对,将比对有假牌嫌疑的车辆信息保存到假牌嫌疑库中,以此实现假牌车的识别。
[0006] 然而发明人在实现本发明的过程中发现,受限于各种客观条件,系统的卡口相机的识别准确率不可能达到100%。车牌污损、光线、角度或者卡口本身问题都有可能导致车牌识别错误。因此直接利用前端卡口识别出的车牌号码比对判断假牌的方式,很容易受到卡口识别错误率影响。举例来说,以卡口识别正确率99%来算,100万的过车记录中,就有I万辆车可能被错误识别成假牌,这个数据即便是缩小到一个市的规模,按照这种方式每天分析出的假牌车有3〜4万辆,其中有绝大部分是由于前端卡口识别错误导致的。
[0007]由此可见,如何基于现有的卡口相机识别结果进行筛选,在提高非法车辆的识别效率的同时减少虚假识别结果的影响,成为本领域技术人员亟待解决的技术问题。
发明内容
[0008] 本发明提供了一种可疑车辆确认方法,用以解决现有技术中由于前端设备对车辆图像识别不清楚所导致的误识别的问题,提高非法车辆的识别准确率。该方法应用于包括多个前端设备的卡口系统中,除了预先为各可疑车辆设置初始数值为零的嫌疑因子之外,该方法还包括如下步骤:
[0009] 将所述前端设备采集的可疑车辆的图像进行识别,并根据识别结果更新所述可疑车辆的识别信息以及嫌疑因子,所述识别信息是由所述前端设备在采集到所述图像后对所述图像进行初始识别生成的;
[0010] 获取所述可疑车辆在所述卡口系统中的所有采集图像,并根据所述采集图像的识别结果更新所述嫌疑因子的数值;
[0011] 获取与所述可疑车辆在所述卡口系统中的过车时刻所对应的监控视频,并根据所述监控视频中所述可疑车辆的视频截图的识别结果更新所述嫌疑因子的数值;
[0012] 根据所述可疑车辆以及其他可疑车辆的所述嫌疑因子确定所述可疑车辆是否为非法车辆。
[0013] 优选的,根据识别结果更新所述可疑车辆的识别信息以及嫌疑因子,具体为:
[0014]判断所述识别信息是否与所述识别的识别结果一致,;
[0015] 若所述识别信息与所述识别结果一致,将所述可疑车辆对应的嫌疑因子增加预设的数值;
[0016] 若所述识别信息与所述识别结果不一致,且合法车辆的登记信息中不存在与所述识别结果匹配的内容,根据所述识别结果更新所述识别信息,并将所述可疑车辆对应的嫌疑因子增加预设的数值;
[0017] 若所述识别信息与所述识别结果不一致,且合法车辆的登记信息中存在与所述识别结果匹配的内容,删除所述识别信息。
[0018] 优选的,根据所述采集图像的识别结果更新所述嫌疑因子的数值,具体为:
[0019] 获取所述可疑车辆在所述卡口系统中的所有过车记录;
[0020] 将所述过车记录中与所述可疑车辆匹配的图像进行提取,并作为所述采集图片;
[0021] 对所述采集图像进行所述识别,并获取在经过所述识别后仍然与所述识别信息匹配的所述采集图像的数量;
[0022] 根据所述数量以及所述数值更新所述嫌疑因子的数值。
[0023] 优选的,根据所述监控视频中所述可疑车辆的视频截图的识别结果更新所述嫌疑因子的数值,具体为:
[0024] 确定所述可疑车辆在所述卡口系统中的过车时间,以及与所述前端设备绑定的摄像设备;
[0025] 根据所述过车时间以及所述摄像设备获取所述可疑车辆在所述前端设备在采集所述图像时的过车视频;
[0026] 按照预设的间隔以及数量从所述过车视频中截取所述图片;
[0027] 对所述图片进行所述识别,并获取在经过所述识别后仍然与所述识别信息匹配的所述图片的数量;
[0028] 根据所述数量以及所述数值更新所述嫌疑因子的数值。
[0029] 优选的,根据所述可疑车辆以及其他可疑车辆的所述嫌疑因子确定所述可疑车辆是否为非法车辆,具体为:
[0030] 将所述可疑车辆以及其他可疑车辆中嫌疑因子小于预设的嫌疑因子置信度的车辆的识别信息删除;
[0031] 将剩余的车辆按照嫌疑因子从大至小的顺序进行排序;
[0032] 将排名在指定的阈值之前的车辆作为非法车辆,并上报所述非法车辆的识别信息。
[0033] 相应的,本申请还提出了一种服务器,应用于包括多个前端设备的卡口系统中,包括:
[0034] 设置模块,预先为各可疑车辆设置初始数值为零的嫌疑因子;
[0035] 矫正模块,将所述前端设备采集的可疑车辆的图像进行识别,并根据识别结果更新所述可疑车辆的识别信息以及嫌疑因子,所述识别信息是由所述前端设备在采集到所述图像后对所述图像进行初始识别生成的;
[0036] 第一更新模块,获取所述可疑车辆在所述卡口系统中的所有采集图像,并根据所述采集图像的识别结果更新所述嫌疑因子的数值;
[0037] 第二更新模块,获取与所述可疑车辆在所述卡口系统中的过车时刻所对应的监控视频,并根据所述监控视频中所述可疑车辆的视频截图的识别结果更新所述嫌疑因子的数值;
[0038] 确定模块,根据所述可疑车辆以及其他可疑车辆的所述嫌疑因子确定所述可疑车辆是否为非法车辆。
[0039] 优选的,所述矫正模块根据识别结果更新所述可疑车辆的识别信息以及嫌疑因子,具体为:
[0040]判断所述识别信息是否与所述识别的识别结果一致,;
[0041] 若所述识别信息与所述识别结果一致,将所述可疑车辆对应的嫌疑因子增加预设的数值;
[0042] 若所述识别信息与所述识别结果不一致,且合法车辆的登记信息中不存在与所述识别结果匹配的内容,根据所述识别结果更新所述识别信息,并将所述可疑车辆对应的嫌疑因子增加预设的数值;
[0043] 若所述识别信息与所述识别结果不一致,且合法车辆的登记信息中存在与所述识别结果匹配的内容,删除所述识别信息。
[0044] 优选的,所述第一更新模块根据所述采集图像的识别结果更新所述嫌疑因子的数值,具体为:
[0045] 获取所述可疑车辆在所述卡口系统中的所有过车记录;
[0046] 将所述过车记录中与所述可疑车辆匹配的图像进行提取,并作为所述采集图片;
[0047] 对所述采集图像进行所述识别,并获取在经过所述识别后仍然与所述识别信息匹配的所述采集图像的数量;
[0048] 根据所述数量以及所述数值更新所述嫌疑因子的数值。
[0049] 优选的,所述第二更新模块根据所述监控视频中所述可疑车辆的视频截图的识别结果更新所述嫌疑因子的数值,具体为:
[0050] 确定所述可疑车辆在所述卡口系统中的过车时间,以及与所述前端设备绑定的摄像设备;
[0051] 根据所述过车时间以及所述摄像设备获取所述可疑车辆在所述前端设备在采集所述图像时的过车视频;
[0052] 按照预设的间隔以及数量从所述过车视频中截取所述图片;
[0053] 对所述图片进行所述识别,并获取在经过所述识别后仍然与所述识别信息匹配的所述图片的数量;
[0054] 根据所述数量以及所述数值更新所述嫌疑因子的数值。
[0055] 优选的,所述确定模块具体用于:
[0056] 将所述可疑车辆以及其他可疑车辆中嫌疑因子小于预设的嫌疑因子置信度的车辆的识别信息删除;
[0057] 将剩余的车辆按照嫌疑因子从大至小的顺序进行排序;
[0058] 将排名在指定的阈值之前的车辆作为非法车辆,并上报所述非法车辆的识别信息。
[0059]由此可见,通过应用本申请的技术方案,将前端设备采集的可疑车辆的图像进行识别,并根据识别结果更新可疑车辆的识别信息以及嫌疑因子,在分别获取可疑车辆在卡口系统中的所有采集图像并根据采集图像的识别结果更新嫌疑因子的数值,以及获取与可疑车辆在卡口系统中的过车时刻所对应的监控视频并根据监控视频中可疑车辆的视频截图的识别结果更新嫌疑因子的数值之后,根据可疑车辆以及其他可疑车辆的嫌疑因子确定该可疑车辆是否为非法车辆。从而有效地解决了现有技术中由前端设备识别错误所引起的非法车辆识别率低的问题,使管理人员能够及时针对非法车辆采取相应措施。
附图说明
[0060]图1为现有技术中对假牌车进行识别的方案的流程示意图;
[0061]图2为本申请提出的一种可疑车辆确认方法的流程示意图;
[0062]图3为本申请具体实施例针对嫌疑库信息进行矫正的流程示意图;
[0063]图4为本申请具体实施例针对不同场景下嫌疑度因子的确定示意图;
[0064]图5为本申请具体实施例针对同一场景下嫌疑度因子的确定的流程示意图;
[0065]图6为本申请提出的一种服务器的结构示意图。
具体实施方式
[0066]如背景技术所述,为提高交通管理和治安管控水平,确保道路的高效运行和交通综合管控,基于视频图像识别的卡口系统得到广泛的应用。路面上的卡口相机会对每一辆过往汽车拍下照片,并自动通过图像智能分析技术获得识别后的车牌号码、车牌颜色等信息,送往中心数据库进行统一存储,基于这些过车信息以及其他信息,可以完成交通、治安的多种业务。但是,仅以图像识别结果进行处理的方案受设备本身性能以及客观因素影响很大,往往会会提供给技术人员不准确的信息。
[0067] 为了解决以上技术问题,本申请提出了一种可疑车辆确认方法,应用于包括多个前端设备的卡口系统中。在介绍本申请方案的详细步骤之前需要说明的是,为了表明可疑车辆在经过本申请各个流程步骤之间的嫌疑度(即描述该可疑车辆是否真的为前端设备所识别的结果(非法车辆或是需要整改的车辆)的概率),本申请提出了嫌疑因子的概念。由于本申请是基于现有的卡口系统所提出的改进方案,因此基于嫌疑库中各个前端设备所识别的可疑车辆,本申请均为其设置了嫌疑因子,对于每个可疑车辆而言,嫌疑因子在初始化的数值均为O,后续本申请将根据该可疑车辆的不同识别结果对该嫌疑因子的数值进行更新。
[0068] 在预先为各可疑车辆设置初始数值为零的嫌疑因子之后,本申请所提出的可疑车辆确认方法如图2所示,包括以下步骤:
[0069] S201,将所述前端设备采集的所述可疑车辆的图像进行识别,并根据识别结果更新所述可疑车辆的识别信息以及所述嫌疑因子,所述识别信息是由所述前端设备在采集到所述图像后对所述图像进行初始识别生成的。
[0070]由于本申请是基于现有的卡口系统中的各个可疑车辆的相关资料进行进一步核实,而目前嫌疑库中的可疑车辆都是由前端设备在采集了图像并识别后发现不一致才被认定为可疑车辆的。在此过程中即有若干因素会影响到可疑车辆的判断:
[0071] (I)前端设备自身的原因(光学器件失灵或损坏)导致拍摄的图像不清楚;
[0072] (2)客观条件(下雨或下雪)导致前端设备拍摄的图像不清楚;
[0073] (3)前端设备的处理能力有限,导致独立识别出来的信息存在错误。
[0074]以上原因都会导致合法的车辆被前端设备所识别出来的信息与车管库中备案的信息不一致,从而使合法车辆被前端设备识别为可疑车辆。那么为了避免嫌疑库中存在由前端设备的原因所添加的误判的车辆,本申请首先针对嫌疑库中的可疑车辆的图像(均由前端设备采集并保存)重新进行识别。需要说明的是,相对于前端设备的识别能力及算法,本申请的识别可由服务器来执行,而且所使用的图像识别算法复杂度更高、效果更好,并依据识别结果与前端设备所识别出的识别信息的一致性进行处理,从而保证嫌疑库中的可疑车辆的图像的识别是准确的。
[0075] 在本申请的优选实施例中,根据识别结果更新所述可疑车辆的识别信息以及嫌疑因子的具体流程如下:
[0076] 步骤a)判断所述识别信息是否与所述识别的识别结果一致;
[0077] 步骤b)若所述识别信息与所述识别结果一致,将所述可疑车辆对应的嫌疑因子增加预设的数值;
[0078] 步骤c)若所述识别信息与所述识别结果不一致,且合法车辆的登记信息中不存在与所述识别结果匹配的内容,根据所述识别结果更新所述识别信息,并将所述可疑车辆对应的嫌疑因子增加预设的数值;
[0079] 步骤d)若所述识别信息与所述识别结果不一致,且合法车辆的登记信息中存在与所述识别结果匹配的内容,删除所述识别信息。
[0080] S202,获取所述可疑车辆在所述卡口系统中的所有采集图像,并根据所述采集图像的识别结果更新所述嫌疑因子的数值。
[0081]随着电子化进程的不断推进,目前卡口系统的前端设备遍布城市的各个地点,对于一个车辆来说,在行驶的过程中会被卡口系统中的其他前端设备所拍摄到。因此为了排除由前端设备拍摄的图像不清楚所带来的误识别的问题,本申请在该步骤中调取卡口系统中其他前端设备所拍摄的可疑车辆的采集图像,并对这些图像同样利用复杂度更高、效果更好的图像识别算法进行识别,若识别结果均与嫌疑库中的识别信息一致的话,那么即可减少由前端设备自身原因所引起的误识别的概率。
[0082] 在本申请的优选实施例中,根据所述采集图像的识别结果更新所述嫌疑因子的数值的具体流程如下:
[0083] 步骤a)获取所述可疑车辆在所述卡口系统中的所有过车记录;
[0084] 步骤b)将所述过车记录中与所述可疑车辆匹配的图像进行提取,并作为所述采集图片;
[0085] 步骤c)对所述采集图像进行所述识别,并获取在经过所述识别后仍然与所述识别信息匹配的所述采集图像的数量;
[0086] 步骤d)根据所述数量以及所述数值更新所述嫌疑因子的数值。
[0087] S203,获取与所述可疑车辆在所述卡口系统中的过车时刻所对应的监控视频,并根据所述监控视频中所述可疑车辆的视频截图的识别结果更新所述嫌疑因子的数值。
[0088] —般来说,技术人员在城市进行交通布控的时候,除了安装卡口系统的前端设备(例如卡口相机)以外,还会在卡口相机的周围同时安装摄像设备(例如固定交通摄像头)。由于卡口相机所采集的图像都是在车辆经过的时候抓拍的,因此为了排除由于前端设备的客观拍摄条件所导致的误识别,本申请根据可疑车辆的过车时间,从与前端设备绑定的摄像设备获取视频,并对视频进行分析,进而确认前端设备所抓拍的图像是否准确。
[0089] 在本申请的优选实施例中,根据所述监控视频中所述可疑车辆的视频截图的识别结果更新所述嫌疑因子的数值的具体流程如下:
[0090] 步骤a)确定所述可疑车辆在所述卡口系统中的过车时间,以及与所述前端设备绑定的摄像设备;
[0091] 步骤b)根据所述过车时间以及所述摄像设备获取所述可疑车辆在所述前端设备在采集所述图像时的过车视频;
[0092] 步骤c)按照预设的间隔以及数量从所述过车视频中截取所述图片;
[0093] 步骤d)对所述图片进行所述识别,并获取在经过所述识别后仍然与所述识别信息匹配的所述图片的数量;
[0094] 步骤e)根据所述数量以及所述数值更新所述嫌疑因子的数值。
[0095] 需要说明的是,尽管本申请中对于S202和S203的流程进行了先后的标注,但是在实际的应用场景中,技术人员可以按照实际需要将其调换执行顺序,这些改变都属于本申请的保护范围。
[0096] S204,根据所述可疑车辆以及其他可疑车辆的所述嫌疑因子确定所述可疑车辆是否为非法车辆。
[0097] 通过S201-S203获取到该可疑车辆的嫌疑因子之后,本步骤可基于可疑车辆的嫌疑因子判断该嫌疑车辆是否为非法车辆。具体的设置方式可由技术人员根据当前嫌疑车辆的总数以及卡口系统的前端设备整体情况确定,在本申请的优选实施例中,确定方式如下:
[0098] 步骤a)将所述可疑车辆以及其他可疑车辆中嫌疑因子小于预设的嫌疑因子置信度的车辆的识别信息删除;
[0099] 步骤b)将剩余的车辆按照嫌疑因子从大至小的顺序进行排序;
[0100] 步骤c)将排名在指定的阈值之前的车辆作为非法车辆,并上报所述非法车辆的识别信息。
[0101] 通过应用本申请的技术方案,将前端设备采集的可疑车辆的图像进行识别,并根据识别结果更新可疑车辆的识别信息以及嫌疑因子,在分别获取可疑车辆在卡口系统中的所有采集图像并根据采集图像的识别结果更新嫌疑因子的数值,以及获取与可疑车辆在卡口系统中的过车时刻所对应的监控视频并根据监控视频中可疑车辆的视频截图的识别结果更新嫌疑因子的数值之后,根据可疑车辆以及其他可疑车辆的嫌疑因子确定该可疑车辆是否为非法车辆。从而有效地解决了现有技术中由前端设备识别错误所引起的非法车辆识别率低的问题,使管理人员能够及时针对非法车辆采取相应措施。
[0102] 为了进一步阐述本发明的技术思想,现结合具体的应用场景,对本发明的技术方案进行说明。
[0103]由于本申请旨在针对可疑车辆的识别信息通过识别进行多次验证确认,以此克服卡口相机的拍摄以及识别误差所带来的不准确的问题,因此本申请的该具体实施例基于现有技术中卡口系统、车管库以及嫌疑库,额外地设置用于分析假牌的分析服务器,通过嫌疑库信息矫正、不同场景下嫌疑度因子的确定以及同一场景下嫌疑度因子的确定三部分流程组成。
[0104]该具体实施例提出了嫌疑度因子的概念,本具体实施例后续的流程都是在不断地确定并更新车辆的嫌疑度因子,最终根据嫌疑度因子排序,嫌疑度因子越高,表明目标车辆的假牌嫌疑越大。
[0105]需要说明的是,除了首先需要针对嫌疑库中各个可疑车辆的车辆信息进行嫌疑库信息矫正之外,不同场景下嫌疑度因子的确定以及同一场景下嫌疑度因子的确定可以在最终通过嫌疑度因子确定是否为套牌车牌之前互相更换执行次序,这些改变均在本申请的保护范围之内。
[0106] 一、嫌疑库信息矫正
[0107] 在具体实施例的该流程中,主要是针对前端卡口抓拍到的图片使用复杂度高、效果更好的图像识别算法进行车辆信息识别,如果识别结果与前端卡口识别的信息一致,则将该车的嫌疑度因子S+1,如果不一致,再根据最新的识别结果与本地车管库中的数据进行比对,若本地车管库中存在该车的记录,认为该车不是假牌车,从嫌疑库中删除该车记录,否则以这次识别的车辆信息为准,更新嫌疑库中车辆信息,并给该车的嫌疑度因子赋值为
1
[0108]如图3所示,为本申请具体实施例针对嫌疑库信息进行矫正的流程示意图,处理流程如下:
[0109] 步骤a)智能算法图片识别模块读取嫌疑库中的数据,(后文以号牌号码为HPHMl以及号牌颜色为HPYSl为例进行说明),对前端卡口抓拍的图片进行识别,由于该处理模块对实时性要求不高,而且服务器比前端卡口内置的芯片运算能力更高,因此该识别过程使用的算法比前端卡口使用的识别算法复杂度更高且效果更好。假设该步骤在通过识别后的识别结果记为号牌号码HPHM2以及号牌颜色HPYS2。
[0110] 步骤b)若智能算法图片识别模块识别出的结果与前端卡口识别的结果一致,将该车辆的嫌疑度因子S+1,否则继续执行第3步。
[0111] 步骤C)车辆信息比对模块根据智能算法图片识别模块识别出的结果与本地车管库数据进行比对。
[0112] 步骤d)如果车管库中存在该车的记录,说明该车不是假牌车,直接从嫌疑库中移除号牌号码为HPHMl且号牌颜色为HPYSl的记录。
[0113] 步骤e)如果车管库中不存在该车的记录,更新嫌疑库中的信息,HPHM1=HPHM2,HPYSl =HPYS2,嫌疑度因子 S+1。
[0114] 通过执行上述步骤,该流程实现了嫌疑库的信息矫正,该步骤主要在于利用利用复杂度更高、效果更好的算法矫正嫌疑库信息,为后续进一步的确定做好铺垫。
[0115] 二、不同场景下嫌疑度因子的确定
[0116] 在一般情况下,一辆车不可能只经过一个卡口,因此本发明具体实施例中的该流程通过目标嫌疑车辆是否经过其他卡口来进行嫌疑度因子的确定。通过在不同场景下对目标嫌疑车辆进行图像二次识别,并根据识别结果更新嫌疑车辆的嫌疑度因子。
[0117] 如图4所示,为本申请具体实施例针对同一场景下嫌疑度因子的确定示意图,包括如下步骤:
[0118] 步骤a)遍历假牌嫌疑库,针对每辆嫌疑车,查询在整个卡口系统中当天的过车记录,记为:{记录1,记录2,记录3,......,记录N};
[0119] 步骤b)从每条过车记录中取出前端卡口抓拍的图片,使用比前端卡口时间复杂度更高、效果更好的图像识别算法,对过车图片进行二次识别;
[0120] 步骤c)识别结果与目标嫌疑车辆信息是否匹配;
[0121] 步骤d)如果信息匹配则嫌疑车辆的嫌疑度因子S+1,否则嫌疑度因子不变。
[0122] 通过执行上述步骤,该流程能够在不同场景下通过方圆一定范围内卡口的过车记录准确确定嫌疑度因子。
[0123] 三、同一场景下嫌疑度因子的确定
[0124] 该流程主要针对在同一场景下,根据卡口过车时间以及与该卡口绑定的摄像机,在提取过车前后X秒的录像后,通过录像回放抓拍技术抓拍N张图片。针对这N张同一场景下,不同时间抓拍出的图片,进行图像智能分析处理,最后根据分析出的结果,改变目标嫌疑车辆的嫌疑度因子。
[0125]如图5所示,为本申请具体实施例针对同一场景下嫌疑度因子的确定的流程示意图,包括如下步骤:
[0126] 步骤a)根据过车时间与卡口绑定的摄像机,提取出过车前后X秒的录像;
[0127] 步骤b)服务器自动回放录像,并抓拍出N张图片,推送至图片质量检测模块;
[0128] 步骤c)图片质量检测模块检测每张抓拍的图片,针对图片质量不高的图片直接丢弃;
[0129] 步骤d)图片识别模块使用比前端卡口复杂度更高、效果更好的算法,识别出车辆的号牌号码与号牌颜色。
[0130] 步骤e)抓拍图片的识别结果与目标嫌疑车辆进行比对,若比对结果一致,嫌疑库中的嫌疑度因子S+1。若比对结果不一致,嫌疑度因子不变。
[0131] 步骤f)最终确定出每辆嫌疑车的嫌疑度因子,然后,删除掉嫌疑度因子小于SCL的嫌疑车辆。SCL代表嫌疑度因子置信度,当嫌疑度因子小于设定的SCL时,表示目标车辆不是假牌车。
[0132] 步骤g)根据车辆嫌疑度因子降序排序,嫌疑度因子越大,车辆假牌嫌疑越大。
[0133] 通过该流程,实现了同一场景下通过录像回放抓拍及智能图像识别技术的嫌疑度因子的确定。在此需要说明的是,尽管以上具体实施例首先执行的是不同场景下嫌疑度因子的确定,并在同一场景下嫌疑度因子的确定之后就基于嫌疑因子进行假牌的判断,但是本具体实施例并不局限于此,技术人员在实施该具体实施例的过程中也可以在嫌疑库信息矫正之后首先执行同一场景下嫌疑度因子的确定,并在不同场景下嫌疑度因子的确定之后基于嫌疑因子进行假牌的判断,这些改进均在本申请的保护范围之内。
[0134] 通过应用上述具体实施例的方案,能够基于同一场景条件下与不同场景下分别对嫌疑车辆进行不同的处理,确定出目标嫌疑车辆的嫌疑度因子,过滤掉嫌疑度因子为O的车辆,然后根据嫌疑度因子排序,嫌疑度因子越大,目标车辆假牌的嫌疑越大。在具体应用中,可以舍弃嫌疑度不高的数据,仅推荐给嫌疑度因子比较高的嫌疑车辆给交管部门,可有效地帮助交管部门查处假牌车辆,整改号牌污损严重的车辆。另外,在实际的应用场景中,该具体实施例仅需要增加一台假牌分析服务器,部署方便以及便于推广。
[0135] 为达到以上技术目的,本申请还提出了一种服务器,应用于包括多个前端设备的卡口系统中,如图6所示,该服务器包括:
[0136] 设置模块610,预先为各可疑车辆设置初始数值为零的嫌疑因子;
[0137] 矫正模块620,将所述前端设备采集的所述可疑车辆的图像进行识别,并根据识别结果更新所述可疑车辆的识别信息以及嫌疑因子,所述识别信息是由所述前端设备在采集到所述图像后对所述图像进行初始识别生成的;
[0138] 第一更新模块630,获取所述可疑车辆在所述卡口系统中的所有采集图像,并根据所述采集图像的识别结果更新所述嫌疑因子的数值;
[0139] 第二更新模块640,获取与所述可疑车辆在所述卡口系统中的过车时刻所对应的监控视频,并根据所述监控视频中所述可疑车辆的视频截图的识别结果更新所述嫌疑因子的数值;
[0140] 确定模块650,根据所述可疑车辆以及其他可疑车辆的所述嫌疑因子确定所述可疑车辆是否为非法车辆。
[0141] 在具体的应用场景中,所述矫正模块根据识别结果更新所述可疑车辆的识别信息以及嫌疑因子,具体为:
[0142]判断所述识别信息是否与所述识别的识别结果一致,;
[0143] 若所述识别信息与所述识别结果一致,将所述可疑车辆对应的嫌疑因子增加预设的数值;
[0144] 若所述识别信息与所述识别结果不一致,且合法车辆的登记信息中不存在与所述识别结果匹配的内容,根据所述识别结果更新所述识别信息,并将所述可疑车辆对应的嫌疑因子增加预设的数值;
[0145] 若所述识别信息与所述识别结果不一致,且合法车辆的登记信息中存在与所述识别结果匹配的内容,删除所述识别信息。
[0146] 在具体的应用场景中,所述第一更新模块根据所述采集图像的识别结果更新所述嫌疑因子的数值,具体为:
[0147] 获取所述可疑车辆在所述卡口系统中的所有过车记录;
[0148] 将所述过车记录中与所述可疑车辆匹配的图像进行提取,并作为所述采集图片;
[0149] 对所述采集图像进行所述识别,并获取在经过所述识别后仍然与所述识别信息匹配的所述采集图像的数量;
[0150] 根据所述数量以及所述数值更新所述嫌疑因子的数值。
[0151] 在具体的应用场景中,所述第二更新模块根据所述监控视频中所述可疑车辆的视频截图的识别结果更新所述嫌疑因子的数值,具体为:
[0152] 确定所述可疑车辆在所述卡口系统中的过车时间,以及与所述前端设备绑定的摄像设备;
[0153] 根据所述过车时间以及所述摄像设备获取所述可疑车辆在所述前端设备在采集所述图像时的过车视频;
[0154] 按照预设的间隔以及数量从所述过车视频中截取所述图片;
[0155] 对所述图片进行所述识别,并获取在经过所述识别后仍然与所述识别信息匹配的所述图片的数量;
[0156] 根据所述数量以及所述数值更新所述嫌疑因子的数值。
[0157] 在具体的应用场景中,所述确定模块具体用于:
[0158] 将所述可疑车辆以及其他可疑车辆中嫌疑因子小于预设的嫌疑因子置信度的车辆的识别信息删除;
[0159] 将剩余的车辆按照嫌疑因子从大至小的顺序进行排序;
[0160] 将排名在指定的阈值之前的车辆作为非法车辆,并上报所述非法车辆的识别信息。
[0161] 通过应用本申请的技术方案,将前端设备采集的可疑车辆的图像进行识别,并根据识别结果更新可疑车辆的识别信息以及嫌疑因子,在分别获取可疑车辆在卡口系统中的所有采集图像并根据采集图像的识别结果更新嫌疑因子的数值,以及获取与可疑车辆在卡口系统中的过车时刻所对应的监控视频并根据监控视频中可疑车辆的视频截图的识别结果更新嫌疑因子的数值之后,根据可疑车辆以及其他可疑车辆的嫌疑因子确定该可疑车辆是否为非法车辆。从而有效地解决了现有技术中由前端设备识别错误所引起的非法车辆识别率低的问题,使管理人员能够及时针对非法车辆采取相应措施。
[0162] 通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可以通过硬件实现,也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-R0M,U盘,移动硬盘等)中,包括若干指令用以使得一台确定机设备(可以是个人确定机,服务器,或者网络设备等)执行本发明各个实施场景所述的方法。
[0163] 本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
[0164] 本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
[0165]上述本发明序号仅仅为了描述,不代表实施场景的优劣。
[0166]以上公开的仅为本发明的几个具体实施场景,但是,本发明并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (10)

1.一种可疑车辆确认方法,应用于包括多个前端设备的卡口系统中,其特征在于,预先为各可疑车辆设置初始数值为零的嫌疑因子,该方法还包括: 将所述前端设备采集的所述可疑车辆的图像进行识别,并根据识别结果更新所述可疑车辆的识别信息以及所述嫌疑因子,所述识别信息是由所述前端设备在采集到所述图像后对所述图像进行初始识别生成的; 获取所述可疑车辆在所述卡口系统中的所有采集图像,并根据所述采集图像的识别结果更新所述嫌疑因子的数值; 获取与所述可疑车辆在所述卡口系统中的过车时刻所对应的监控视频,并根据所述监控视频中所述可疑车辆的视频截图的识别结果更新所述嫌疑因子的数值; 根据所述可疑车辆以及其他可疑车辆的所述嫌疑因子确定所述可疑车辆是否为非法车辆。
2.如权利要求1所述的方法,其特征在于,根据识别结果更新所述可疑车辆的识别信息以及嫌疑因子,具体为: 判断所述识别信息是否与所述识别的识别结果一致,; 若所述识别信息与所述识别结果一致,将所述可疑车辆对应的嫌疑因子增加预设的数值; 若所述识别信息与所述识别结果不一致,且合法车辆的登记信息中不存在与所述识别结果匹配的内容,根据所述识别结果更新所述识别信息,并将所述可疑车辆对应的嫌疑因子增加预设的数值; 若所述识别信息与所述识别结果不一致,且合法车辆的登记信息中存在与所述识别结果匹配的内容,删除所述识别信息。
3.如权利要求1所述的方法,其特征在于,根据所述采集图像的识别结果更新所述嫌疑因子的数值,具体为: 获取所述可疑车辆在所述卡口系统中的所有过车记录; 将所述过车记录中与所述可疑车辆匹配的图像进行提取,并作为所述采集图片; 对所述采集图像进行所述识别,并获取在经过所述识别后仍然与所述识别信息匹配的所述采集图像的数量; 根据所述数量以及所述数值更新所述嫌疑因子的数值。
4.如权利要求1所述的方法,其特征在于,根据所述监控视频中所述可疑车辆的视频截图的识别结果更新所述嫌疑因子的数值,具体为: 确定所述可疑车辆在所述卡口系统中的过车时间,以及与所述前端设备绑定的摄像设备; 根据所述过车时间以及所述摄像设备获取所述可疑车辆在所述前端设备在采集所述图像时的过车视频; 按照预设的间隔以及数量从所述过车视频中截取所述图片; 对所述图片进行所述识别,并获取在经过所述识别后仍然与所述识别信息匹配的所述图片的数量; 根据所述数量以及所述数值更新所述嫌疑因子的数值。
5.如权利要求1-4任一项所述的方法,其特征在于,根据所述可疑车辆以及其他可疑车辆的所述嫌疑因子确定所述可疑车辆是否为非法车辆,具体为: 将所述可疑车辆以及其他可疑车辆中嫌疑因子小于预设的嫌疑因子置信度的车辆的识别信息删除; 将剩余的车辆按照嫌疑因子从大至小的顺序进行排序; 将排名在指定的阈值之前的车辆作为非法车辆,并上报所述非法车辆的识别信息。
6.—种服务器,应用于包括多个前端设备的卡口系统中,其特征在于,包括: 设置模块,预先为各可疑车辆设置初始数值为零的嫌疑因子; 矫正模块,将所述前端设备采集的所述可疑车辆的图像进行识别,并根据识别结果更新所述可疑车辆的识别信息以及嫌疑因子,所述识别信息是由所述前端设备在采集到所述图像后对所述图像进行初始识别生成的; 第一更新模块,获取所述可疑车辆在所述卡口系统中的所有采集图像,并根据所述采集图像的识别结果更新所述嫌疑因子的数值; 第二更新模块,获取与所述可疑车辆在所述卡口系统中的过车时刻所对应的监控视频,并根据所述监控视频中所述可疑车辆的视频截图的识别结果更新所述嫌疑因子的数值; 确定模块,根据所述可疑车辆以及其他可疑车辆的所述嫌疑因子确定所述可疑车辆是否为非法车辆。
7.如权利要求6所述的服务器,其特征在于,所述矫正模块根据识别结果更新所述可疑车辆的识别信息以及嫌疑因子,具体为: 判断所述识别信息是否与所述识别的识别结果一致,; 若所述识别信息与所述识别结果一致,将所述可疑车辆对应的嫌疑因子增加预设的数值; 若所述识别信息与所述识别结果不一致,且合法车辆的登记信息中不存在与所述识别结果匹配的内容,根据所述识别结果更新所述识别信息,并将所述可疑车辆对应的嫌疑因子增加预设的数值; 若所述识别信息与所述识别结果不一致,且合法车辆的登记信息中存在与所述识别结果匹配的内容,删除所述识别信息。
8.如权利要求6所述的服务器,其特征在于,所述第一更新模块根据所述采集图像的识别结果更新所述嫌疑因子的数值,具体为: 获取所述可疑车辆在所述卡口系统中的所有过车记录; 将所述过车记录中与所述可疑车辆匹配的图像进行提取,并作为所述采集图片; 对所述采集图像进行所述识别,并获取在经过所述识别后仍然与所述识别信息匹配的所述采集图像的数量; 根据所述数量以及所述数值更新所述嫌疑因子的数值。
9.如权利要求6所述的服务器,其特征在于,所述第二更新模块根据所述监控视频中所述可疑车辆的视频截图的识别结果更新所述嫌疑因子的数值,具体为: 确定所述可疑车辆在所述卡口系统中的过车时间,以及与所述前端设备绑定的摄像设备; 根据所述过车时间以及所述摄像设备获取所述可疑车辆在所述前端设备在采集所述图像时的过车视频; 按照预设的间隔以及数量从所述过车视频中截取所述图片; 对所述图片进行所述识别,并获取在经过所述识别后仍然与所述识别信息匹配的所述图片的数量; 根据所述数量以及所述数值更新所述嫌疑因子的数值。
10.如权利要求6-9任一项所述的服务器,其特征在于,所述确定模块具体用于: 将所述可疑车辆以及其他可疑车辆中嫌疑因子小于预设的嫌疑因子置信度的车辆的识别信息删除; 将剩余的车辆按照嫌疑因子从大至小的顺序进行排序; 将排名在指定的阈值之前的车辆作为非法车辆,并上报所述非法车辆的识别信息。
CN201610932214.1A 2016-10-31 2016-10-31 一种可疑车辆确认方法及设备 Active CN106571040B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610932214.1A CN106571040B (zh) 2016-10-31 2016-10-31 一种可疑车辆确认方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610932214.1A CN106571040B (zh) 2016-10-31 2016-10-31 一种可疑车辆确认方法及设备

Publications (2)

Publication Number Publication Date
CN106571040A true CN106571040A (zh) 2017-04-19
CN106571040B CN106571040B (zh) 2020-10-20

Family

ID=58534161

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610932214.1A Active CN106571040B (zh) 2016-10-31 2016-10-31 一种可疑车辆确认方法及设备

Country Status (1)

Country Link
CN (1) CN106571040B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108986478A (zh) * 2018-09-17 2018-12-11 公安部交通管理科学研究所 一种定点甄别违法车辆的方法
CN109785615A (zh) * 2018-12-28 2019-05-21 合肥品恩智能科技有限公司 一种用于公安检查站的预警分流子系统
CN111161546A (zh) * 2020-04-02 2020-05-15 武汉中科通达高新技术股份有限公司 一种用于交管系统的重点车辆排查方法及系统
WO2020224122A1 (zh) * 2019-05-06 2020-11-12 平安科技(深圳)有限公司 视频监测方法、装置、计算机设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101807346A (zh) * 2009-02-16 2010-08-18 汉王科技股份有限公司 城市卡口车牌自动识别系统
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
CN103000029A (zh) * 2012-11-20 2013-03-27 河南亚视软件技术有限公司 车辆视频识别方法及其应用
US20140072177A1 (en) * 2012-09-12 2014-03-13 Pei-Yuan Chou Methods for Identifying Vehicle License Plates
CN104021677A (zh) * 2014-06-25 2014-09-03 浙江宇视科技有限公司 一种车辆翻牌检测方法和装置
US20140328518A1 (en) * 2013-05-06 2014-11-06 Xerox Corporation Methods, systems and processor-readable media for designing a license plate overlay decal having infrared annotation marks
CN105321350A (zh) * 2014-08-05 2016-02-10 北京大学 套牌车检测方法及装置
CN105551261A (zh) * 2016-03-04 2016-05-04 博康智能网络科技股份有限公司 换牌车辆检测方法及其系统
CN105702047A (zh) * 2016-03-04 2016-06-22 浙江宇视科技有限公司 一种套牌分析中车牌识别错误过滤方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101807346A (zh) * 2009-02-16 2010-08-18 汉王科技股份有限公司 城市卡口车牌自动识别系统
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
US20140072177A1 (en) * 2012-09-12 2014-03-13 Pei-Yuan Chou Methods for Identifying Vehicle License Plates
CN103000029A (zh) * 2012-11-20 2013-03-27 河南亚视软件技术有限公司 车辆视频识别方法及其应用
US20140328518A1 (en) * 2013-05-06 2014-11-06 Xerox Corporation Methods, systems and processor-readable media for designing a license plate overlay decal having infrared annotation marks
CN104021677A (zh) * 2014-06-25 2014-09-03 浙江宇视科技有限公司 一种车辆翻牌检测方法和装置
CN105321350A (zh) * 2014-08-05 2016-02-10 北京大学 套牌车检测方法及装置
CN105551261A (zh) * 2016-03-04 2016-05-04 博康智能网络科技股份有限公司 换牌车辆检测方法及其系统
CN105702047A (zh) * 2016-03-04 2016-06-22 浙江宇视科技有限公司 一种套牌分析中车牌识别错误过滤方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108986478A (zh) * 2018-09-17 2018-12-11 公安部交通管理科学研究所 一种定点甄别违法车辆的方法
CN109785615A (zh) * 2018-12-28 2019-05-21 合肥品恩智能科技有限公司 一种用于公安检查站的预警分流子系统
WO2020224122A1 (zh) * 2019-05-06 2020-11-12 平安科技(深圳)有限公司 视频监测方法、装置、计算机设备及存储介质
CN111161546A (zh) * 2020-04-02 2020-05-15 武汉中科通达高新技术股份有限公司 一种用于交管系统的重点车辆排查方法及系统

Also Published As

Publication number Publication date
CN106571040B (zh) 2020-10-20

Similar Documents

Publication Publication Date Title
CN106571040A (zh) 一种可疑车辆确认方法及设备
CN103927880B (zh) 一种车牌识别比对方法及装置
CN107967806B (zh) 车辆套牌检测方法、装置、可读存储介质及电子设备
CN107305627B (zh) 一种车辆视频监控方法、服务器及系统
CN103914986B (zh) 一种套牌分析的方法和装置
CN105702048B (zh) 基于行车记录仪的高速公路前车违法占道识别系统及方法
CN106384513B (zh) 一种基于智能交通的套牌车捕捉系统及方法
CN105225493B (zh) 一种车辆识别方法、装置及稽查系统
CN104268596B (zh) 一种车牌识别器及其车牌检测方法与系统
CN103246876A (zh) 基于图像特征比对的车辆套牌识别方法
CN107221167B (zh) 一种前后抓拍识别黑烟车车牌的系统及其方法
CN104463235A (zh) 基于动车组运行图像的故障识别方法及装置
US9460367B2 (en) Method and system for automating an image rejection process
CN109785615B (zh) 一种用于公安检查站的预警分流子系统
CN108694399B (zh) 车牌识别方法、装置及系统
CN106710225B (zh) 一种车辆号牌违法的识别方法和监测平台
CN103914682A (zh) 一种车牌识别方法及系统
CN107329977B (zh) 一种基于概率分布的假牌车二次筛选方法
CN101593418A (zh) 嫌疑车辆关联查找方法
CN108986472A (zh) 一种掉头车辆监控方法及装置
CN106056916A (zh) 一种基于智能交通的换牌车辆检测方法及其系统
KR101066081B1 (ko) 차량 탑재형 스마트 정보 판독 시스템 및 방법
CN111612104A (zh) 车辆定损图像获取方法、装置、介质和电子设备
CN106327876A (zh) 一种基于行车记录仪的套牌车捕捉系统及方法
CN111369801B (zh) 车辆识别方法、装置、设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant