CN106781525A - 一种车辆智能识别监控方法 - Google Patents
一种车辆智能识别监控方法 Download PDFInfo
- Publication number
- CN106781525A CN106781525A CN201710112937.1A CN201710112937A CN106781525A CN 106781525 A CN106781525 A CN 106781525A CN 201710112937 A CN201710112937 A CN 201710112937A CN 106781525 A CN106781525 A CN 106781525A
- Authority
- CN
- China
- Prior art keywords
- image
- monitoring terminal
- remote monitoring
- data
- vehicle
- 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 86
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000005540 biological transmission Effects 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 8
- 230000000694 effects Effects 0.000 claims description 9
- 230000004913 activation Effects 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 238000005096 rolling process Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 4
- 101150079800 HSM3 gene Proteins 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000006978 adaptation Effects 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 4
- 238000012552 review Methods 0.000 description 4
- 241001269238 Data Species 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种车辆智能识别监控方法，该方法采用了长焦摄像机和近焦摄像机同时采集车辆的远景图像数据和近景图像数据，利用4G网络传输模块图像进行快速传输，采用专门的图像数据处理和识别方法，提高了车辆监控的图像清晰度，识别准确率以及监控效率。
Description
所属技术领域
本发明涉及一种车辆智能识别监控方法。
背景技术
随着科学技术的不断发展，人们的出行也越来越便利，各种各样的汽车、电动车等已经成为人们生活中必不可少的交通工具。因为车辆很多，交通安全更是重要，所以利用计算机视觉为基础开发车辆监控系统辅助监测者，系统将提供道路上的车辆信息给监测者知道，代替人眼来长时间观察道路状况。
现如今，在交通等领域中，视频监控对于安防起着至关重要的作用，为了提高安防的实时性，需要将车载监控视频的画面实时传回控制中心或调度中心等，对此，相关技术中普遍采用将原视频画面通过车地无线通信直接传回。
国际上视频监控技术通过几十年的发展，已经在诸多领域内取得了众多研究成果。相对来说，我国在该领域的研究工作起步比较晚，研究基础相对薄弱。但是近年来，随着我国视频分析技术、多媒体数据库、人工智能技术的发展，国内政府支持以及国际上的影响，为视频监控系统的研究提供了必要的理论基础和技术条件。
监控设备一般会选取拍摄的车辆图片的感兴趣区域来进行图像处理或特征识别，现有技术中进行图像处理的准确性不够；并且在进行图像识别时未考虑监控车辆的车型、图像前期处理等因素对特征识别结果的影响，因此其特征识别或图像处理的结果都不够理想，尤其是在追踪识别方面，存在识别率低的情况。
发明内容
本发明提供一种车辆智能识别监控方法，该方法采用了长焦摄像机和近焦摄像机同时采集车辆的远景图像数据和近景图像数据，利用4G网络传输模块图像进行快速传输，采用专门的图像数据处理和识别方法，提高了车辆监控的图像清晰度，识别准确率以及监控效率。
为了实现上述目的，本发明提供一种车辆智能识别监控方法，该方法具体包括如下步骤：
S1. 长焦摄像机和近焦摄像机实时采集图像数据，并存储图像数据；
S2. 微处理器对图像数据进行初步处理，并由4G无线数据发送模块发送给监控平台；
S3.监控平台接收图像数据，并存储于中控服务器；
S4.对图像数据进行处理和识别；
S5. 将数据识别结果在显示终端上显示，并对异常情况进行预警。
优选的，在步骤S1中所述长焦摄像机可用于采集监控视场中所有车辆的第一图像数据，所述第一图像数据包含在所述目标车辆发生违法行为时所拍摄的多个第一图像、所述目标车辆的违法行为类型、所述目标车辆到达预设位置时拍摄的第一目标图像及所述第一目标图像的拍摄时间。
优选的，在步骤S1中，所述近焦摄像机用于采集车辆到达预设位置时的第二图像数据，所述第二图像数据包含多个第二图像及所述第二图像的拍摄时间；
在所述第一图像数据中获取目标车辆的位置信息，根据拍摄时间和获取的目标车辆的位置信息，在所述第二图像中找到所述目标车辆，并在所述第二图像中获得所述目标车辆的特征信息，所述特征信息至少包含车牌信息和车窗区域图像信息。
优选的，在所述步骤S4中包括如下步骤：
识别上述车窗区域图像信息中的上述车辆的驾驶者的人脸特征和识别上述车窗区域图像信息中是否存在驾驶状态特征，得到状态识别结果，其中，上述驾驶状态特征包括上述驾驶者打电话的特征、上述车辆的遮阳板打开的特征以及上述驾驶者系安全带的特征中的至少之一，其中，上述识别结果包括上述驾驶者的人脸特征和上述状态识别结果。
优选的，在所述步骤S4中还包括如下步骤：
对车辆图像进行高光和/或阴影调整，得到处理后的车辆图像；调整上述车窗区域图像中各个像素点的对比度系数，得到上述处理后的车窗区域图像；用于将上述处理后的车辆图像的任意一条边与上述处理后的车窗区域图像的一条边拼接，得到清晰度更高的图像信息。
优选的，采用如下方法进行图像拼接：
采用小波算法将图像中的多个区位做分割，把相连在一起的区位做相同标记；
依序扫描图像画面的像素值，当扫描到像素值为255时，则标上标记，直至图像画面无255的像素值；
所述区位为4连接区位结构，所述4连接区位结构包括位于拼接边中心的Rx,y及位于拼接边中心右、下、左、上的Rx+1,y、Rx,y+1、Rx-1,y、Rx,y-1，每个区位的扫描顺序按照右、下、左、上依次进行；
依照各连接区位颜色的不同，找出各个区位X轴的最大值和最小值以及Y轴的最大值和最小值，得到四个点后，再将其连接起来框出车窗区域图像；
对框出的车窗区域图像进行小波降维。
在步骤S3中，监控平台接收数据的流程如下：
S31.监控平台的4G无线数据接收模块的接收器接收4G无线数据发送模块发射器发送的数据；
S32. 监控平台的4G无线数据接收模块的分发器将步骤S31中接收到的数据发送至监控平台的4G无线数据接收模块的数据生成器；
S33.分发器计算每秒分发数据的速率，并将该分发速率值传递给监控平台的4G无线数据接收模块的自适应控制器；
S34. 监控平台的4G无线数据接收模块的流控器将自适应控制器产生的自适应值发送给监控平台的中控服务器的频控器。
优选的，在步骤S3，远程监控终端和监控平台的数据传输采用即时加密通信，即时加密通信前，远程监控终端临时产生会话密钥WK；监控平台获取远程监控终端的身份公钥和密钥协商基本公钥，然后和监控平台组成公私钥对来协商计算父滚动代表初始密钥N_CC，具体过程如下：
将T_SKA/T_PKA、NB_SKB/NB_PKB，通过椭圆曲线点乘算法，计算远程监控终端的密钥协商第一部分Part1；
远程监控终端远程监控终端密钥协商第一部分Part1=DPSM2（TSKA，NBPKB）；
将NB_SKA/NB_PKA、T_SKB/T_PKB ，通过椭圆曲线点乘算法，计算远程监控终端的密钥协商第二部分Part2；
远程监控终端密钥协商第二部分Part2=DPSM2（NBSKA，TPKB）；
将NB_SKA/NB_PKA、NB_SKB/NB_PKB，通过椭圆曲线点乘算法，计算远程监控终端算发送方的密钥协商第三部分Part3；
远程监控终端密钥协商第三部分Part3=DPSM2（NBSKA，NBPKB）；
将远程监控终端密钥协商第一部分Part1、远程监控终端密钥协商第二部分Part2、远程监控终端密钥协商第三部分Part3连接成远程监控终端密钥分量KM；
远程监控终端密钥分量KM= Part1|| Part2|| Part3);
将远程监控终端密钥分量KM和第一字符串用SM3算法压缩成256bit的远程监控终端的父滚动代表初始密钥N_CC；
初始密钥N_CC=HSM3（KM||第一字符串）
根据椭圆曲线点乘算法特点，通过该计算过程，远程监控终端密钥和监控平台双方计算出一致的父滚动代表初始密钥N_CC。
本发明具有以下优点和有益效果：（1）长焦和近焦双摄像头技术，提升了车辆监控的相率和清晰度；（2）采用4G无线传输技术，监控平台可以快速安全的获取图像数据；（3）通过图像数据处理，提升了图像的清晰度和辨识度，能够实现远景监控图像和近景监控图像的高清拼接，对于车辆的违法信息可以更清楚直接的体现出来；（4）监控数据通信采用即时安全通信方式进行数据交换，可以保证数据传输的安全性，防止信息泄露。
附图说明
图1示出了本发明的一种车辆智能识别监控系统的框图。
图2示出了本发明的一种车辆智能识别监控方法的流程图。
具体实施方式
图1是示出了本发明的一种车辆智能识别监控系统的框图。该监控系统包括多个远程监控终端1和监控平台2。
其中，远程监控终端1包括：长焦摄像机11和近焦摄像机12，所述长焦摄像机和近焦摄像机设置于车辆的移动路径上；所述长焦摄像机的监控视场范围完全覆盖所述近焦摄像机的监控视场范围；微处理器14，电连接该长焦摄像机11和近焦摄像机12；存储模块13，电连接该微处理器14，用于储存摄像机图像数据以及其他数据；4G无线数据发送模块15，电性连接该微处理器13，用于向监控平台2传输位置信息及摄像机图像数据。
监控平台2包括：4G无线数据接收模块21、图像数据处理及识别模块22、显示及预警模块23和中控服务器24；所述4G无线数据接收模块21，接收所述4G无线数据发送模块15发送的数据；中控服务器24用于对监控平台2中各模块进行协调控制，并用于存储数据。
所述长焦摄像机11可用于采集监控视场中所有车辆的第一图像数据，所述第一图像数据包含在所述目标车辆发生违法行为时所拍摄的多个第一图像、所述目标车辆的违法行为类型、所述目标车辆到达预设位置时拍摄的第一目标图像及所述第一目标图像的拍摄时间。
所述近焦摄像机12用于采集车辆到达预设位置时的第二图像数据，所述第二图像数据包含多个第二图像及所述第二图像的拍摄时间；
在所述第一图像数据中获取目标车辆的位置信息，根据拍摄时间和获取的目标车辆的位置信息，在所述第二图像中找到所述目标车辆，并在所述第二图像中获得所述目标车辆的特征信息，所述特征信息至少包含车牌信息和车窗区域图像信息。
所述监控平台2接收所述长焦摄像机发送的第一图像数据和所述近焦摄像机发送的第二图像数据，在所述第一图像数据中获取目标车辆的位置信息，根据拍摄时间和获取的目标车辆的位置信息，在所述第二图像中找到所述目标车辆，并在所述第二图像中获得所述目标车辆的特征信息，所述特征信息至少包含车牌信息和车窗区域图像信息；将所述第一图像数据、所述第二图像数据及所述目标车辆的特征信息进行关联，生成目标车辆的违法信息。
所述4G无线数据发送模块15包括：
数据发送确定单元，用于确定发送格式化处理后的所述地理位置信息及摄像机图像数据的发送协议；
数据发送单元，用于基于所述数据发送确定单元确定的所述发送协议将格式化处理后的所述地理位置信息及摄像机图像数据发送至所述监控平台。
图2示出了利用本发明的一种车辆智能识别监控方法的流程图。该方法具体包括如下步骤：
S1. 长焦摄像机和近焦摄像机实时采集图像数据，并存储图像数据；
S2. 微处理器对图像数据进行初步处理，并由4G无线数据发送模块发送给监控平台；
S3.监控平台接收图像数据，并存储于中控服务器；
S4.对图像数据进行处理和识别；
S5. 将数据识别结果在显示终端上显示，并对异常情况进行预警。
优选的，在步骤S1中所述长焦摄像机可用于采集监控视场中所有车辆的第一图像数据，所述第一图像数据包含在所述目标车辆发生违法行为时所拍摄的多个第一图像、所述目标车辆的违法行为类型、所述目标车辆到达预设位置时拍摄的第一目标图像及所述第一目标图像的拍摄时间。
优选的，在步骤S1中，所述近焦摄像机用于采集车辆到达预设位置时的第二图像数据，所述第二图像数据包含多个第二图像及所述第二图像的拍摄时间；
在所述第一图像数据中获取目标车辆的位置信息，根据拍摄时间和获取的目标车辆的位置信息，在所述第二图像中找到所述目标车辆，并在所述第二图像中获得所述目标车辆的特征信息，所述特征信息至少包含车牌信息和车窗区域图像信息。
优选的，在所述步骤S4中包括如下步骤：
识别上述车窗区域图像信息中的上述车辆的驾驶者的人脸特征和识别上述车窗区域图像信息中是否存在驾驶状态特征，得到状态识别结果，其中，上述驾驶状态特征包括上述驾驶者打电话的特征、上述车辆的遮阳板打开的特征以及上述驾驶者系安全带的特征中的至少之一，其中，上述识别结果包括上述驾驶者的人脸特征和上述状态识别结果。
优选的，在所述步骤S4中还包括如下步骤：
对车辆图像进行高光和/或阴影调整，得到处理后的车辆图像；调整上述车窗区域图像中各个像素点的对比度系数，得到上述处理后的车窗区域图像；用于将上述处理后的车辆图像的任意一条边与上述处理后的车窗区域图像的一条边拼接，得到清晰度更高的图像信息。
优选的，采用如下方法进行图像拼接：
采用小波算法将图像中的多个区位做分割，把相连在一起的区位做相同标记；
依序扫描图像画面的像素值，当扫描到像素值为255时，则标上标记，直至图像画面无255的像素值；
所述区位为4连接区位结构，所述4连接区位结构包括位于拼接边中心的Rx,y及位于拼接边中心右、下、左、上的Rx+1,y、Rx,y+1、Rx-1,y、Rx,y-1，每个区位的扫描顺序按照右、下、左、上依次进行；
依照各连接区位颜色的不同，找出各个区位X轴的最大值和最小值以及Y轴的最大值和最小值，得到四个点后，再将其连接起来框出车窗区域图像；
对框出的车窗区域图像进行小波降维。
在步骤S3中，监控平台接收数据的流程如下：
S31.监控平台的4G无线数据接收模块的接收器接收4G无线数据发送模块发射器发送的数据；
S32. 监控平台的4G无线数据接收模块的分发器将步骤S31中接收到的数据发送至监控平台的4G无线数据接收模块的数据生成器；
S33.分发器计算每秒分发数据的速率，并将该分发速率值传递给监控平台的4G无线数据接收模块的自适应控制器；
S34. 监控平台的4G无线数据接收模块的流控器将自适应控制器产生的自适应值发送给监控平台的中控服务器的频控器。
优选的，在步骤S3，远程监控终端和监控平台的数据传输采用即时加密通信，即时加密通信前，远程监控终端临时产生会话密钥WK；监控平台获取远程监控终端的身份公钥和密钥协商基本公钥，然后和监控平台组成公私钥对来协商计算父滚动代表初始密钥N_CC，具体过程如下：
将T_SKA/T_PKA、NB_SKB/NB_PKB，通过椭圆曲线点乘算法，计算远程监控终端的密钥协商第一部分Part1；
远程监控终端远程监控终端密钥协商第一部分Part1=DPSM2（TSKA，NBPKB）；
将NB_SKA/NB_PKA、T_SKB/T_PKB ，通过椭圆曲线点乘算法，计算远程监控终端的密钥协商第二部分Part2；
远程监控终端密钥协商第二部分Part2=DPSM2（NBSKA，TPKB）；
将NB_SKA/NB_PKA、NB_SKB/NB_PKB，通过椭圆曲线点乘算法，计算远程监控终端算发送方的密钥协商第三部分Part3；
远程监控终端密钥协商第三部分Part3=DPSM2（NBSKA，NBPKB）；
将远程监控终端密钥协商第一部分Part1、远程监控终端密钥协商第二部分Part2、远程监控终端密钥协商第三部分Part3连接成远程监控终端密钥分量KM；
远程监控终端密钥分量KM= Part1|| Part2|| Part3);
将远程监控终端密钥分量KM和第一字符串用SM3算法压缩成256bit的远程监控终端的父滚动代表初始密钥N_CC；
初始密钥N_CC=HSM3（KM||第一字符串）
根据椭圆曲线点乘算法特点，通过该计算过程，远程监控终端密钥和监控平台双方计算出一致的父滚动代表初始密钥N_CC。
如上所述，虽然根据实施例所限定的实施例和附图进行了说明，但对本技术领域具有一般知识的技术人员来说能从上述的记载中进行各种修改和变形。例如，根据与说明的技术中所说明的方法相不同的顺序来进行，和/或根据与说明的系统、结构、装置、电路等构成要素所说明的方法相不同的形态进行结合或组合，或根据其他构成要素或均等物进行替换或置换也可达成适当的效果。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明的保护范围。
Claims (8)
1.一种车辆智能识别监控方法，该方法具体包括如下步骤：
S1. 长焦摄像机和近焦摄像机实时采集图像数据，并存储图像数据；
S2. 微处理器对图像数据进行初步处理，并由4G无线数据发送模块发送给监控平台；
S3.监控平台接收图像数据，并存储于中控服务器；
S4.对图像数据进行处理和识别；
S5. 将数据识别结果在显示终端上显示，并对异常情况进行预警。
2.如权利要求1所述的方法，其特征在于，在步骤S1中所述长焦摄像机可用于采集监控视场中所有车辆的第一图像数据，所述第一图像数据包含在所述目标车辆发生违法行为时所拍摄的多个第一图像、所述目标车辆的违法行为类型、所述目标车辆到达预设位置时拍摄的第一目标图像及所述第一目标图像的拍摄时间。
3.如权利要求2所述的方法，其特征在于，在步骤S1中，所述近焦摄像机用于采集车辆到达预设位置时的第二图像数据，所述第二图像数据包含多个第二图像及所述第二图像的拍摄时间；
在所述第一图像数据中获取目标车辆的位置信息，根据拍摄时间和获取的目标车辆的位置信息，在所述第二图像中找到所述目标车辆，并在所述第二图像中获得所述目标车辆的特征信息，所述特征信息至少包含车牌信息和车窗区域图像信息。
4.如权利要求3所述的方法，其特征在于，在所述步骤S4中包括如下步骤：
识别上述车窗区域图像信息中的上述车辆的驾驶者的人脸特征和识别上述车窗区域图像信息中是否存在驾驶状态特征，得到状态识别结果，其中，上述驾驶状态特征包括上述驾驶者打电话的特征、上述车辆的遮阳板打开的特征以及上述驾驶者系安全带的特征中的至少之一，其中，上述识别结果包括上述驾驶者的人脸特征和上述状态识别结果。
5.如权利要求4所述的方法，其特征在于，在所述步骤S4中还包括如下步骤：
对车辆图像进行高光和/或阴影调整，得到处理后的车辆图像；调整上述车窗区域图像中各个像素点的对比度系数，得到上述处理后的车窗区域图像；用于将上述处理后的车辆图像的任意一条边与上述处理后的车窗区域图像的一条边拼接，得到清晰度更高的图像信息。
6.如权利要求5所述的方法，其特征在于，采用如下方法进行图像拼接：
采用小波算法将图像中的多个区位做分割，把相连在一起的区位做相同标记；
依序扫描图像画面的像素值，当扫描到像素值为255时，则标上标记，直至图像画面无255的像素值；
所述区位为4连接区位结构，所述4连接区位结构包括位于拼接边中心的Rx,y及位于拼接边中心右、下、左、上的Rx+1,y、Rx,y+1、Rx-1,y、Rx,y-1，每个区位的扫描顺序按照右、下、左、上依次进行；
依照各连接区位颜色的不同，找出各个区位X轴的最大值和最小值以及Y轴的最大值和最小值，得到四个点后，再将其连接起来框出车窗区域图像；
对框出的车窗区域图像进行小波降维。
7.如权利要求1-6任一所述的方法，其特征在于，在步骤S3中，监控平台接收数据的流程如下：
S31.监控平台的4G无线数据接收模块的接收器接收4G无线数据发送模块发射器发送的数据；
S32. 监控平台的4G无线数据接收模块的分发器将步骤S31中接收到的数据发送至监控平台的4G无线数据接收模块的数据生成器；
S33.分发器计算每秒分发数据的速率，并将该分发速率值传递给监控平台的4G无线数据接收模块的自适应控制器；
S34. 监控平台的4G无线数据接收模块的流控器将自适应控制器产生的自适应值发送给监控平台的中控服务器的频控器。
8.如权利要求7所述的方法，其特征在于，在步骤S3中，远程监控终端和监控平台的数据传输采用即时加密通信，即时加密通信前，远程监控终端临时产生会话密钥WK；监控平台获取远程监控终端的身份公钥和密钥协商基本公钥，然后和监控平台组成公私钥对来协商计算父滚动代表初始密钥N_CC，具体过程如下：
将T_SKA/T_PKA、NB_SKB/NB_PKB，通过椭圆曲线点乘算法，计算远程监控终端的密钥协商第一部分Part1；
远程监控终端远程监控终端密钥协商第一部分Part1=DPSM2（TSKA，NBPKB）；
将NB_SKA/NB_PKA、T_SKB/T_PKB ，通过椭圆曲线点乘算法，计算远程监控终端的密钥协商第二部分Part2；
远程监控终端密钥协商第二部分Part2=DPSM2（NBSKA，TPKB）；
将NB_SKA/NB_PKA、NB_SKB/NB_PKB，通过椭圆曲线点乘算法，计算远程监控终端算发送方的密钥协商第三部分Part3；
远程监控终端密钥协商第三部分Part3=DPSM2（NBSKA，NBPKB）；
将远程监控终端密钥协商第一部分Part1、远程监控终端密钥协商第二部分Part2、远程监控终端密钥协商第三部分Part3连接成远程监控终端密钥分量KM；
远程监控终端密钥分量KM= Part1|| Part2|| Part3);
将远程监控终端密钥分量KM和第一字符串用SM3算法压缩成256bit的远程监控终端的父滚动代表初始密钥N_CC；
初始密钥N_CC=HSM3（KM||第一字符串）
根据椭圆曲线点乘算法特点，通过该计算过程，远程监控终端密钥和监控平台双方计算出一致的父滚动代表初始密钥N_CC。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710112937.1A CN106781525A (zh) | 2017-02-28 | 2017-02-28 | 一种车辆智能识别监控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710112937.1A CN106781525A (zh) | 2017-02-28 | 2017-02-28 | 一种车辆智能识别监控方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106781525A true CN106781525A (zh) | 2017-05-31 |
Family
ID=58960081
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710112937.1A Pending CN106781525A (zh) | 2017-02-28 | 2017-02-28 | 一种车辆智能识别监控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106781525A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109147340A (zh) * | 2018-08-30 | 2019-01-04 | 平安科技（深圳）有限公司 | 违法停车案件的鉴别方法、装置和计算机设备 |
| CN111723623A (zh) * | 2019-03-22 | 2020-09-29 | 杭州海康威视数字技术股份有限公司 | 一种检测平台的方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150097952A1 (en) * | 2013-10-09 | 2015-04-09 | Xerox Corporation | Dynamic multi-windowed image enhancement for interactive hov detection |
| CN104657752A (zh) * | 2015-03-17 | 2015-05-27 | 银江股份有限公司 | 一种基于深度学习的安全带佩戴识别方法 |
| CN105551046A (zh) * | 2015-12-17 | 2016-05-04 | 浙江宇视科技有限公司 | 车脸定位方法及装置 |
| CN105893510A (zh) * | 2016-03-30 | 2016-08-24 | 北京格灵深瞳信息技术有限公司 | 一种视频结构化系统及其目标搜索方法 |
| CN106017462A (zh) * | 2016-05-20 | 2016-10-12 | 成都景博信息技术有限公司 | 车联网中定位分析的方法 |
| WO2017028587A1 (zh) * | 2015-08-14 | 2017-02-23 | 杭州海康威视数字技术股份有限公司 | 车辆监控的方法和装置、处理器、图像采集设备 |
-
2017
- 2017-02-28 CN CN201710112937.1A patent/CN106781525A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150097952A1 (en) * | 2013-10-09 | 2015-04-09 | Xerox Corporation | Dynamic multi-windowed image enhancement for interactive hov detection |
| CN104657752A (zh) * | 2015-03-17 | 2015-05-27 | 银江股份有限公司 | 一种基于深度学习的安全带佩戴识别方法 |
| WO2017028587A1 (zh) * | 2015-08-14 | 2017-02-23 | 杭州海康威视数字技术股份有限公司 | 车辆监控的方法和装置、处理器、图像采集设备 |
| CN105551046A (zh) * | 2015-12-17 | 2016-05-04 | 浙江宇视科技有限公司 | 车脸定位方法及装置 |
| CN105893510A (zh) * | 2016-03-30 | 2016-08-24 | 北京格灵深瞳信息技术有限公司 | 一种视频结构化系统及其目标搜索方法 |
| CN106017462A (zh) * | 2016-05-20 | 2016-10-12 | 成都景博信息技术有限公司 | 车联网中定位分析的方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109147340A (zh) * | 2018-08-30 | 2019-01-04 | 平安科技（深圳）有限公司 | 违法停车案件的鉴别方法、装置和计算机设备 |
| CN111723623A (zh) * | 2019-03-22 | 2020-09-29 | 杭州海康威视数字技术股份有限公司 | 一种检测平台的方法及装置 |
| CN111723623B (zh) * | 2019-03-22 | 2024-06-18 | 杭州海康威视数字技术股份有限公司 | 一种检测平台的方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102354449B (zh) | 基于车联网实现图像信息共享的方法、装置和系统 | |
| CN109544906A (zh) | 识别车辆停放与盲道和道路路肩的角度距离的停车系统 | |
| CN107004271B (zh) | 显示方法、装置、电子设备、计算机程序产品和存储介质 | |
| CN107211085A (zh) | 摄像装置和摄像方法 | |
| CN109543597A (zh) | 一种基于人脸识别的网约车驾驶员身份验证装置 | |
| CN108960048A (zh) | 一种基于大数据的用于景区失踪游客的搜索方法及系统 | |
| CN106097479A (zh) | 行车信息的记录方法和装置 | |
| CN106781525A (zh) | 一种车辆智能识别监控方法 | |
| CN104778842A (zh) | 一种基于车牌识别的云端车辆行驶轨迹跟踪的方法及系统 | |
| CN107945512A (zh) | 一种交通事故处理方法及系统 | |
| CN107749168A (zh) | 一种套牌车识别方法和识别系统 | |
| CN103576691B (zh) | 3g警务无人机管控系统 | |
| CN106128114A (zh) | 套牌车辆的识别方法及装置 | |
| CN108304801A (zh) | 一种防欺骗的人脸识别方法、存储介质及人脸识别装置 | |
| CN106327876B (zh) | 一种基于行车记录仪的套牌车捕捉系统及方法 | |
| CN111193909A (zh) | 一种应急救援现场视频采集方法及系统 | |
| CN110012215A (zh) | 图像处理装置和图像处理方法 | |
| KR101613501B1 (ko) | 주행 이동식 또는 고정식 일체형 차량번호 인식기 및 이를 이용한 단속 시스템 | |
| CN112492545A (zh) | 一种基于v2x的网联车辆安全认证方法 | |
| KR20110057922A (ko) | 기지국을 이용한 주위 차량 위치인식 시스템 및 기지국과 차량 사이의 인증방법 | |
| CN102780693B (zh) | 基于gps和图像采集技术的认证系统及方法 | |
| CN112969053B (zh) | 车内信息传输方法、装置、车载设备及存储介质 | |
| CN110351268A (zh) | 一种智慧城市的数字执法系统 | |
| CN113888865B (zh) | 电子设备及车辆信息获取方法 | |
| CN108764099A (zh) | 一种移动警务终端、系统和方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |