CN109214345B - 基于相似度比对查找换牌车辆的行驶轨迹的方法 - Google Patents
基于相似度比对查找换牌车辆的行驶轨迹的方法 Download PDFInfo
- Publication number
- CN109214345B CN109214345B CN201811081366.0A CN201811081366A CN109214345B CN 109214345 B CN109214345 B CN 109214345B CN 201811081366 A CN201811081366 A CN 201811081366A CN 109214345 B CN109214345 B CN 109214345B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- suspect
- similarity
- suspected
- illegal
- 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.)
- Active
Links
Images
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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了基于相似度比对查找换牌车辆的行驶轨迹的方法,其可以不受车牌更换的影响,提取涉牌违法的嫌疑车辆的疑似号牌轨迹,以便监管部门进行后续工作,降低了监管部门在监管工作中投入的人力物力。其包括S1:通过特征智能识别技术,识别车辆的特征信息并存储;S2:认定嫌疑涉牌违法车辆;S3:获取所有的嫌疑涉牌违法车辆数据的集合;S4:获取指定范围内的指定时间段内的所有候选车辆的特征集合;S5:使用某一辆嫌疑涉牌违法车辆的车辆特征,与候选车辆的车辆特征进行相似度计算;S6:遍历所有的嫌疑涉牌违法车辆,使其都参与过步骤S5中的相似度计算,则得到嫌疑车辆集合;S7:通过人工审核嫌疑车辆集合中的数据以进行后续工作。
Description
技术领域
本发明涉及智能交通控制技术领域,具体为基于相似度比对查找换牌车辆的行驶轨迹的方法。
背景技术
机动车车牌是全国交通管理部门进行机动车管理的唯一标识符号,交警部门通过现有的各类监控设备自动抓拍车辆图片,然后利用车辆特征智能识别技术,识别出车辆的号牌、品牌型号以及颜色等特征信息后,通过与机动车登记信息进行比对,可以分析出涉牌违法的嫌疑车辆。然而,部分涉牌违法的车辆为了逃避拦截处罚,会多次更换车牌,对此类多次更换车牌车辆的鉴别需要投入较大的人力物力,给交警部门的监管工作制造了很大的困难。
发明内容
为了解决涉嫌多次更换车牌的嫌疑车辆监管困难的问题,本发明提供了基于相似度比对查找换牌车辆的行驶轨迹的方法,其可以不受车牌更换的影响,提取涉牌违法的嫌疑车辆的疑似号牌轨迹,以便监管部门进行后续工作,降低了监管部门在监管工作中投入的人力物力。
本发明的技术方案是这样的:基于相似度比对查找换牌车辆的行驶轨迹的方法,其包括以下步骤:
S1:通过车辆特征智能识别技术,识别车辆的特征信息,并且进行存储;
S2:通过把所述特征信息与机动车登记信息进行比对分析,与登记信息不一致的认定为嫌疑涉牌违法车辆;
其特征在于:其还包括以下步骤:
S3:获取所有的所述嫌疑涉牌违法车辆数据的集合,记作待确认车辆集合;
S4:获取指定范围内的指定时间段内的所有车辆的所述车辆特征的集合,记作候选车辆特征集合;
S5:使用所述待确认集合中的某一辆所述嫌疑涉牌违法车辆的所述车辆特征,与所述候选车辆特征集合中的每一条的所述车辆特征数据进行相似度的计算;
一旦所述相似度的取值大于阈值,且号牌与所述嫌疑涉牌违法车辆不一致,则作为疑似号牌轨迹的数据把所述候选车辆特征集合中的该条数据的车辆信息加入嫌疑车辆的临时集合;
遍历所述候选车辆特征集合中的所有数据,直至所述候选车辆特征集合中的所有数据都参与过所述相似度的计算,则得到嫌疑车辆的所述临时集合;
如果所述临时集合不为空,则在嫌疑车辆集合中添加一条该所述嫌疑涉牌违法车辆相关的记录;
S6:遍历所述待确认车辆集合,直至集合中所有的所述嫌疑涉牌违法车辆都参与过步骤S5中的所述相似度的计算,则得到针对所有的所述嫌疑涉牌违法车辆的完整的所述嫌疑车辆集合;
S7:通过人工审核所述嫌疑车辆集合中的数据,确认数据的有效性;筛选出非嫌疑车辆后,根据剩余的所述嫌疑车辆集合中的时间段进行排序,得到所有的嫌疑车辆的行驶轨迹,以进行后续工作。
其进一步特征在于:
在实施步骤S3之前,还需要执行步骤S2-1:对所述待确认车辆集合中的每一辆所述嫌疑涉牌违法车辆,根据不同的嫌疑类型,选用不同的过滤逻辑进行过滤,筛除冗余数据后得到的所有车辆作为有效的所述待确认车辆集合,进入后续运算;
步骤S2-1中,所述嫌疑涉牌违法车辆的所述嫌疑类型包括:嫌疑假牌、嫌疑套牌、嫌疑无牌;
步骤S2-1中,所述过滤逻辑包括如下规则和步骤:
重复比对过滤规则:若嫌疑车辆在指定周期内已经比对过指定次数,则该车辆不予比对,此项规则记作GZ1;
特定时间段过滤规则:若嫌疑车辆的过车时间在特定的时间段内,则该车辆不予比对,此项规则记作GZ2;
污损号牌过滤规则:若嫌疑车辆号牌包含易混淆字符,则使用易混淆字符对应的另一字符替换易混淆字符得到新的号牌,使用该号牌查询一定时间内的过车记录,如果查询到的条数大于阈值,认定该车为嫌疑污损号牌,不予比对,此项规则记作GZ3;
注销、转出车辆过滤规则:若嫌疑车辆状态为注销或转出,则检查该车辆识别出来的品牌颜色信息与登记的品牌颜色信息是否匹配,如果匹配,不予比对,此项规则记作GZ4;
无特征车辆过滤规则:若嫌疑车辆无明显外观特征,不予比对,此项规则记作GZ5;
粘贴临时号牌过滤规则:若嫌疑车辆粘贴临时号牌,不予比对,此项规则记作GZ6;
针对不同类型的嫌疑涉牌违法车辆,选用不同的规则和步骤进行过滤,具体如下:
针对种类为所述嫌疑假牌的所述嫌疑涉牌违法车辆,进行的过滤步骤为:
GZ1→GZ2→GZ3→GZ4→GZ5;
针对种类为所述嫌疑套牌的所述嫌疑涉牌违法车辆,进行的过滤步骤为:
GZ1→GZ2→GZ3→GZ5;
针对种类为所述嫌疑无牌的所述嫌疑涉牌违法车辆,进行的过滤步骤为:
GZ2→GZ5→GZ6;
步骤S1中自动识别的车辆的所述特征信息包括:车辆基础信息和车辆个性信息;
所述车辆基础信息包括车辆号牌、车辆品牌、车辆类型、车身颜色;
所述车辆个性信息包括整体外观特征和个性化外观特征;
所述整体外观特征包括:所述车辆类型、所述车身颜色;
所述个性化外观特征包括:年检标识、挂件、摆件;
车辆的所述特征信息的存储方法包括:对所述车辆基础信息以结构化形式存储;对所述车辆个性信息,以非结构化形式存储;
车辆的所述特征信息存储在车辆特征库中,所述车辆特征库定义如下:
n为存储的车辆特征总数,Ki为车辆特征库中第i条车辆特征的数据;同一辆车在不同时间、不同地点采集到的车辆特征并不完全相同,也即是说同一辆车在车辆特征库中存在多条记录;
Kiq定义为车辆的整体外观特征向量;
Kig定义为车辆的个性化外观特征向量;
步骤S2中,通过所述特征信息的所述车辆基础信息与机动车登记信息进行比对分析;
步骤S5中,步骤S5中,所述车辆特征数据进行相似度的计算包括所述整体外观相似度和所述个性化外观相似度的计算,分别通过余弦相似度方法分别计算所述整体外观相似度和所述个性化外观相似度;
所述相似度的计算步骤为:
针对所述整体外观特征,计算所述嫌疑涉牌违法车辆与所述候选车辆特征集合中所述车辆特征的相似度,记作整体外观相似度,计算公式如下所示:
针对所述个性化外观特征,计算所述嫌疑涉牌违法车辆与所述候选车辆特征集合中所述车辆特征的相似度,记作个性化外观相似度,计算公式如下所示:
当所述整体外观相似的值度小于阈值的时候,所述相似度取所述整体外观相似度的值,
当所述整体外观相似度的值大于阈值的时候,所述相似度取所述个性化外观相似度的值,计算公式如下所示
上述公式中:
j表示某一车辆的车辆特征向量在第j个维度的特征分量,
Ki表示所述候选车辆特征集合中第i条所述车辆特征,
Km表示所述待确认车辆集合中第m个所述嫌疑涉牌违法车辆,
Kig表示所述候选车辆特征集合中第i条所述车辆特征的个性化外观特征,
Kmg表示所述待确认车辆集合中第m个所述嫌疑涉牌违法车辆的个性化外观特征,
Kiq表示所述候选车辆特征集合中第i条所述车辆特征的整体外观特征,
Kmq表示所述待确认车辆集合中第m个所述嫌疑涉牌违法车辆的整体外观特征,
λ表示阈值;
在步骤S1中,针对同一张图片,车辆的所述特征信息只识别一次;
在步骤S2-1中,所述无特征车辆过滤规则定义的无明显外观特征,指嫌疑车辆不具备所述个性化外观特征。
本发明提供的技术方案中,获取嫌疑涉牌违法车辆的数据集合后,与指定范围内的候选车辆集合中的数据进行相似度计算,其基于车辆的特征信息而非车牌号码进行车辆识别,可以把具有相同车辆特征、但车牌号码不同的车辆找出,无论嫌疑车辆更换过几次车牌,都可以被发现;需要人工处理的内容,只有流程中的最后一步,之前的查找、比对工作都是通过系统完成的,极大的降低了监管部门的人工工作量。
附图说明
图1为本发明技术方案的整体流程结构示意图;
图2为单个嫌疑涉牌违法车辆与候选车辆特征集合中的数据计算相似度时的流程示意图。
具体实施方式
如图1~图2所示,本发明的技术方案中以余弦相似度方法为基础,计算整体外观相似度和个性化外观相似度,余弦相似度方法的计算公式如下:
公式中:
x为嫌疑涉牌违法车辆的特征,
y为候选车辆特征集合的车辆的特征,
n为特征向量的个数,n>=1,
i代表在特征向量中取第i个特征分量;
其详细步骤如下所示。
S1:通过车辆特征智能识别技术,识别车辆的特征信息,并且进行存储;针对同一张图片,车辆的特征信息只识别一次,无需对图片进行重复处理,且只要识别之后,就可以被反复搜索,提高了图片的利用率,使系统的数据处理更有效;
自动识别的车辆的特征信息包括:车辆基础信息和车辆个性信息;
车辆基础信息包括车辆号牌、车辆品牌、车辆类型、车身颜色;
车辆个性信息包括整体外观特征和个性化外观特征;
整体外观特征包括:车辆类型、车身颜色;
个性化外观特征包括:年检标识、挂件、摆件;
车辆的特征信息的存储方法包括:对车辆基础信息以结构化形式存储;对车辆个性信息,以非结构化形式存储;
车辆特征存储在车辆特征库中,车辆特征库定义如下:
n为存储的车辆特征总数,Ki为车辆特征库中第i条车辆特征的数据;同一辆车在不同时间、不同地点采集到的车辆特征并不完全相同,也即是说同一辆车在车辆特征库中存在多条记录;
Kiq定义为车辆的整体外观特征向量;
Kig定义为车辆的个性化外观特征向量;
把车辆的特征信息分为基础信息、个性信息两部分内容,作为本技术方案的基础数据实现后续的识别工作;通过基础信息找到嫌疑车辆,而基于个性信息进行车辆识别的方式,使车辆识别脱离了车牌号码的影响,即便嫌疑车辆多次更换车牌号码,也可以通过车辆个性信息进行搜索和识别,以此实现对多次更换号码牌的车辆的行驶轨迹的查找。
S2:通过把特征信息与机动车登记信息进行比对分析,与登记信息不一致的认定为嫌疑涉牌违法车辆;通过特征信息的车辆基础信息与机动车登记信息进行比对分析。
S2-1:对待确认车辆集合中的每一辆嫌疑涉牌违法车辆,根据不同的嫌疑类型,选用不同的过滤逻辑进行过滤,筛除冗余数据后得到的所有车辆作为有效的待确认车辆集合,进入后续运算;冗余数据包括:非嫌疑车辆、以及预计难以找出换牌轨迹的车辆;嫌疑涉牌违法车辆的嫌疑类型包括:嫌疑假牌、嫌疑套牌、嫌疑无牌;
过滤逻辑包括如下规则和步骤:
重复比对过滤规则:若嫌疑车辆在指定周期内已经比对过指定次数,则该车辆不予比对,此项规则记作GZ1;
特定时间段过滤规则:若嫌疑车辆的过车时间在特定的时间段内,如晚9点到凌晨5点,则该车辆不予比对,此项规则记作GZ2;
污损号牌过滤规则:若嫌疑车辆号牌包含易混淆字符(例如0),则使用易混淆字符对应的另一字符(例如Q)替换易混淆字符得到新的号牌,使用该号牌查询一定时间内的过车记录,如果查询到的条数大于阈值,认定该车为嫌疑污损号牌,不予比对,此项规则记作GZ3;
注销、转出车辆过滤规则:若嫌疑车辆状态为注销或转出,则检查该车辆识别出来的品牌颜色信息与登记的品牌颜色信息是否匹配,如果匹配,不予比对,此项规则记作GZ4;
无特征车辆过滤规则:若嫌疑车辆无明显外观特征,指嫌疑车辆不具备个性化外观特征,如不具备年检标识、挂件、摆件,则不予比对,此项规则记作GZ5;
粘贴临时号牌过滤规则:若嫌疑车辆粘贴临时号牌,不予比对,,此项规则记作GZ6;
针对不同类型的嫌疑涉牌违法车辆,选用不同的规则和步骤进行过滤,具体如下:
针对种类为嫌疑假牌的嫌疑涉牌违法车辆,进行的过滤步骤为:
GZ1->GZ2->GZ3->GZ4->GZ5;
针对种类为嫌疑套牌的嫌疑涉牌违法车辆,进行的过滤步骤为:
GZ1->GZ2->GZ3->GZ5;
针对种类为嫌疑无牌的嫌疑涉牌违法车辆,进行的过滤步骤为:
GZ2-> GZ5->GZ6;
通过对待确认车辆集合中的每一辆嫌疑涉牌违法车辆进行筛选后,得到有效的待确认车辆集合,排除了大量的冗余数据,使后续的计算数据量降低,提高了计算速度;且通过对三种类型的嫌疑车辆的筛选,从基础数据中排除了容易发生混淆的数据、错误数据,使后续的计算更具针对性,提高了计算的正确率。
S3:获取所有的嫌疑涉牌违法车辆的数据集合,记作待确认车辆集合。
S4:获取指定范围内的指定时间段的所有车辆的车辆特征的集合,记作候选车辆特征集合,比如:指定时间段为查找当日、查找日前三天、查找日后三天,共7天,每天24小时的所有车辆都在获取范围内。
S5:如图2所示,使用待确认集合中的某一辆嫌疑涉牌违法车辆的车辆特征,与候选车辆特征集合中的每一条的车辆特征数据进行相似度的计算;
一旦相似度的取值大于阈值,且号牌与嫌疑涉牌违法车辆不一致,则作为疑似号牌轨迹的数据把候选车辆特征集合中的该条数据的车辆信息加入嫌疑车辆的临时集合;
遍历候选车辆特征集合中的所有数据,直至候选车辆特征集合中的所有数据都参与过相似度的计算,则得到嫌疑车辆的临时集合;
如果临时集合不为空,则在嫌疑车辆集合中添加一条该嫌疑涉牌违法车辆相关的记录;
车辆特征数据进行相似度的计算包括整体外观相似度和个性化外观相似度的计算,分别通过余弦相似度方法分别计算整体外观相似度和个性化外观相似度:
相似度的计算步骤为:
针对整体外观特征,计算嫌疑涉牌违法车辆与候选车辆特征集合中车辆特征的相似度,记作整体外观相似度,计算公式如下所示:
针对个性化外观特征,计算嫌疑涉牌违法车辆与候选车辆特征集合中车辆特征的相似度,记作个性化外观相似度,计算公式如下所示:
当整体外观相似的值度小于阈值的时候,相似度取整体外观相似度的值,
当整体外观相似度的值大于阈值的时候,相似度取个性化外观相似度的值,计算公式如下所示
上述公式中:
j表示某一车辆特征向量在第j个维度的特征分量,
Ki表示候选车辆特征集合中第i条车辆特征,
Km表示待确认车辆集合中第m个嫌疑涉牌违法车辆,
Kig表示候选车辆特征集合中第i条车辆特征的个性化外观特征,
Kmg表示待确认车辆集合中第m个嫌疑涉牌违法车辆的个性化外观特征,
Kiq表示候选车辆特征集合中第i条车辆特征的整体外观特征,
Kmq表示待确认车辆集合中第m个嫌疑涉牌违法车辆的整体外观特征,
λ表示阈值;
通过对候选车辆特征集合中的所有车辆特征的数据的遍历,与待确认车辆集合中的某一辆嫌疑涉牌违法车辆的所有车辆特征进行相似度计算,得到该辆嫌疑涉牌违法车辆关联的疑似换牌后的嫌疑车辆集合的数据;车辆的各个维度的特征值,通过现有的图像识别技术可以得到,基于车辆的特征值,通过余弦相似度方法计算相似度,设计思想容易理解,使本发明的技术方案更具备可实现性。
S6:遍历待确认车辆集合,直至集合中所有的嫌疑涉牌违法车辆都参与过步骤S5中的相似度的计算,则得到完整的嫌疑车辆集合。
S7:通过人工审核嫌疑车辆集合中的数据,确认数据的有效性,筛选出非嫌疑车辆后,根据剩余的嫌疑车辆集合中的时间段进行排序,可以得到所有的嫌疑车辆的行驶轨迹,以进行后续工作;通过对待确认车辆集合中数据的遍历,得到所有的嫌疑涉牌违法车辆关联的疑似换牌后的嫌疑车辆集合的数据后,后续工作只需要人工审核数据的有效性即可,大大的降低了人工操作的工作量,与现有的完全依靠人工定的工作方式相比,提高了换牌车辆定位的正确率。
使用本发明的技术方案后,通过现有的各类监控设备自动抓拍车辆图片,获取到所有的嫌疑涉牌违法车辆,然后通过两次遍历操作,在指定范围内的指定时间段内的所有车辆的车辆特征的集合中,通过对于车辆的整体外观特征和个性化外观特征的相似度的计算,找到外观相似度极高的嫌疑车辆,最后通过人工确认找到违法车辆;通过车辆特征进行相似度计算的查找方式,使车辆轨迹的追踪脱离了车牌号码的影响,实现了对多次更换车牌的违法车辆的行驶轨迹的定位;本发明的技术方案不但极大的降低了人工操作的工作量,且提高了查找的准确率。
Claims (7)
1.基于相似度比对查找换牌车辆的行驶轨迹的方法,其包括以下步骤:
S1:通过车辆特征智能识别技术,识别车辆的特征信息,并且进行存储;
S2:通过把所述特征信息与机动车登记信息进行比对分析,与登记信息不一致的认定为嫌疑涉牌违法车辆;
其特征在于:其还包括以下步骤:
S3:获取所有的所述嫌疑涉牌违法车辆数据的集合,记作待确认车辆集合;
S4:获取指定范围内的指定时间段内的所有车辆的所述车辆特征的集合,记作候选车辆特征集合;
S5:使用所述待确认集合中的某一辆所述嫌疑涉牌违法车辆的所述车辆特征,与所述候选车辆特征集合中的每一条的所述车辆特征数据进行相似度的计算;
一旦所述相似度的取值大于阈值,且号牌与所述嫌疑涉牌违法车辆不一致,则作为疑似号牌轨迹的数据把所述候选车辆特征集合中的该条数据的车辆信息加入嫌疑车辆的临时集合;
遍历所述候选车辆特征集合中的所有数据,直至所述候选车辆特征集合中的所有数据都参与过所述相似度的计算,则得到嫌疑车辆的所述临时集合;
如果所述临时集合不为空,则在嫌疑车辆集合中添加一条该所述嫌疑涉牌违法车辆相关的记录;
S6:遍历所述待确认车辆集合,直至集合中所有的所述嫌疑涉牌违法车辆都参与过步骤S5中的所述相似度的计算,则得到针对所有的所述嫌疑涉牌违法车辆的完整的所述嫌疑车辆集合;
S7:通过人工审核所述嫌疑车辆集合中的数据,确认数据的有效性;筛选出非嫌疑车辆后,根据剩余的所述嫌疑车辆集合中的时间段进行排序,得到所有的嫌疑车辆的行驶轨迹,以进行后续工作;
在实施步骤S3之前,还需要执行步骤S2-1:对所述待确认车辆集合中的每一辆所述嫌疑涉牌违法车辆,根据不同的嫌疑类型,选用不同的过滤逻辑进行过滤,筛除冗余数据后得到的所有车辆作为有效的所述待确认车辆集合,进入后续运算;
步骤S2-1中,所述嫌疑涉牌违法车辆的所述嫌疑类型包括:嫌疑假牌、嫌疑套牌、嫌疑无牌;
步骤S2-1中,所述过滤逻辑包括如下规则和步骤:
重复比对过滤规则:若嫌疑车辆在指定周期内已经比对过指定次数,则该车辆不予比对,此项规则记作GZ1;
特定时间段过滤规则:若嫌疑车辆的过车时间在特定的时间段内,则该车辆不予比对,此项规则记作GZ2;
污损号牌过滤规则:若嫌疑车辆号牌包含易混淆字符,则使用易混淆字符对应的另一字符替换易混淆字符得到新的号牌,使用该号牌查询一定时间内的过车记录,如果查询到的条数大于阈值,认定该车为嫌疑污损号牌,不予比对,此项规则记作GZ3;
注销、转出车辆过滤规则:若嫌疑车辆状态为注销或转出,则检查该车辆识别出来的品牌颜色信息与登记的品牌颜色信息是否匹配,如果匹配,不予比对,此项规则记作GZ4;
无特征车辆过滤规则:若嫌疑车辆无明显外观特征,不予比对,此项规则记作GZ5;
粘贴临时号牌过滤规则:若嫌疑车辆粘贴临时号牌,不予比对,此项规则记作GZ6;
针对不同类型的嫌疑涉牌违法车辆,选用不同的规则和步骤进行过滤,具体如下:
针对种类为所述嫌疑假牌的所述嫌疑涉牌违法车辆,进行的过滤步骤为:
GZ1→GZ2→GZ3→GZ4→GZ5;
针对种类为所述嫌疑套牌的所述嫌疑涉牌违法车辆,进行的过滤步骤为:
GZ1→GZ2→GZ3→GZ5;
针对种类为所述嫌疑无牌的所述嫌疑涉牌违法车辆,进行的过滤步骤为:
GZ2→GZ5→GZ6。
2.根据权利要求1所述基于相似度比对查找换牌车辆的行驶轨迹的方法,其特征在于:步骤S1中自动识别的车辆的所述特征信息包括:车辆基础信息和车辆个性信息;
所述车辆基础信息包括车辆号牌、车辆品牌、车辆类型、车身颜色;
所述车辆个性信息包括整体外观特征和个性化外观特征;
所述整体外观特征包括:所述车辆类型、所述车身颜色;
所述个性化外观特征包括:年检标识、挂件、摆件;
车辆的所述特征信息的存储方法包括:对所述车辆基础信息以结构化形式存储;对所述车辆个性信息,以非结构化形式存储。
4.根据权利要求2所述基于相似度比对查找换牌车辆的行驶轨迹的方法,其特征在于:步骤S2中,通过所述特征信息的所述车辆基础信息与机动车登记信息进行比对分析。
5.根据权利要求3所述基于相似度比对查找换牌车辆的行驶轨迹的方法,其特征在于:步骤S5中,所述车辆特征数据进行相似度的计算包括所述整体外观相似度和所述个性化外观相似度的计算,分别通过余弦相似度方法分别计算所述整体外观相似度和所述个性化外观相似度;
所述相似度的计算步骤为:
针对所述整体外观特征,计算所述嫌疑涉牌违法车辆与所述候选车辆特征集合中所述车辆特征的相似度,记作整体外观相似度,计算公式如下所示:
针对所述个性化外观特征,计算所述嫌疑涉牌违法车辆与所述候选车辆特征集合中所述车辆特征的相似度,记作个性化外观相似度,计算公式如下所示:
当所述整体外观相似的值度小于阈值的时候,所述相似度取所述整体外观相似度的值,
当所述整体外观相似度的值大于阈值的时候,所述相似度取所述个性化外观相似度的值,计算公式如下所示
上述公式中:
j表示某一车辆特征向量在第j个维度的特征分量,
Ki表示所述候选车辆特征集合中第i条所述车辆特征,
Km表示所述待确认车辆集合中第m个所述嫌疑涉牌违法车辆,
Kig表示所述候选车辆特征集合中第i条所述车辆特征的个性化外观特征,
Kmg表示所述待确认车辆集合中第m个所述嫌疑涉牌违法车辆的个性化外观特征,
Kiq表示所述候选车辆特征集合中第i条所述车辆特征的整体外观特征,
Kmq表示所述待确认车辆集合中第m个所述嫌疑涉牌违法车辆的整体外观特征,
λ表示阈值。
6.根据权利要求1所述基于相似度比对查找换牌车辆的行驶轨迹的方法,其特征在于:在步骤S1中,针对同一张图片,车辆的所述特征信息只识别一次。
7.根据权利要求1所述基于相似度比对查找换牌车辆的行驶轨迹的方法,其特征在于:在步骤S2-1中,所述无特征车辆过滤规则定义的无明显外观特征,指嫌疑车辆不具备所述个性化外观特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811081366.0A CN109214345B (zh) | 2018-09-17 | 2018-09-17 | 基于相似度比对查找换牌车辆的行驶轨迹的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811081366.0A CN109214345B (zh) | 2018-09-17 | 2018-09-17 | 基于相似度比对查找换牌车辆的行驶轨迹的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109214345A CN109214345A (zh) | 2019-01-15 |
CN109214345B true CN109214345B (zh) | 2022-05-31 |
Family
ID=64984598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811081366.0A Active CN109214345B (zh) | 2018-09-17 | 2018-09-17 | 基于相似度比对查找换牌车辆的行驶轨迹的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109214345B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368616B (zh) * | 2019-07-24 | 2023-05-02 | 杭州海康威视系统技术有限公司 | 从车的识别方法、装置及设备 |
CN110880242B (zh) * | 2019-09-28 | 2020-10-02 | 安徽百诚慧通科技有限公司 | 一种判断假牌套牌车辆真实号牌的方法 |
CN110956822B (zh) * | 2019-12-16 | 2021-03-12 | 北京明略软件系统有限公司 | 套牌车识别方法、装置、电子设备和可读存储介质 |
CN111123333B (zh) * | 2019-12-30 | 2022-05-03 | 公安部交通管理科学研究所 | 一种融合卡口和gps数据的车辆轨迹定位方法 |
CN111949714A (zh) * | 2020-06-29 | 2020-11-17 | 武汉烽火众智数字技术有限责任公司 | 一种基于图像识别的行车轨迹展示方法及系统 |
CN112489436B (zh) * | 2020-10-29 | 2022-05-03 | 浙江预策科技有限公司 | 一种车辆身份识别方法、装置、系统、以及电子装置 |
CN112330967B (zh) * | 2020-11-11 | 2022-03-01 | 浙江大华技术股份有限公司 | 套牌车辆的识别方法、装置、系统和计算机设备 |
CN114023078B (zh) * | 2021-10-28 | 2023-01-03 | 浙江大华技术股份有限公司 | 一种追踪违法车辆的方法、系统、设备及计算机存储介质 |
CN115083169B (zh) * | 2022-06-14 | 2023-07-18 | 公安部交通管理科学研究所 | 一种假冒救护车的嫌疑车辆的发现方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103366566A (zh) * | 2013-06-25 | 2013-10-23 | 中国科学院信息工程研究所 | 一种针对特定车辆潜在群体的行驶轨迹预测方法 |
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 |
CN105808691A (zh) * | 2016-03-03 | 2016-07-27 | 博康智能网络科技股份有限公司 | 一种卡口车辆检索方法及其系统 |
CN107346435A (zh) * | 2017-06-15 | 2017-11-14 | 浙江捷尚视觉科技股份有限公司 | 一种基于车辆特征库的嫌疑套牌车捕获方法 |
-
2018
- 2018-09-17 CN CN201811081366.0A patent/CN109214345B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103366566A (zh) * | 2013-06-25 | 2013-10-23 | 中国科学院信息工程研究所 | 一种针对特定车辆潜在群体的行驶轨迹预测方法 |
CN105808691A (zh) * | 2016-03-03 | 2016-07-27 | 博康智能网络科技股份有限公司 | 一种卡口车辆检索方法及其系统 |
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 |
CN107346435A (zh) * | 2017-06-15 | 2017-11-14 | 浙江捷尚视觉科技股份有限公司 | 一种基于车辆特征库的嫌疑套牌车捕获方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109214345A (zh) | 2019-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109214345B (zh) | 基于相似度比对查找换牌车辆的行驶轨迹的方法 | |
CN108717790B (zh) | 一种基于卡口车牌识别数据的车辆出行分析方法 | |
CN109242024B (zh) | 一种基于卡口数据的车辆行为相似度计算方法 | |
CN104731879B (zh) | 一种高速公路车辆逃费行为数据分析方法 | |
CN103810505B (zh) | 基于多层描述子的车辆标识方法与系统 | |
CN105513368B (zh) | 一种基于不确定信息的假牌车筛选方法 | |
CN107305736B (zh) | 一种基于车牌规则和时空可达性的车牌识别智能查错方法和系统 | |
CN107944017B (zh) | 一种视频中非机动车的检索方法 | |
CN109684913A (zh) | 一种基于社区发现聚类的视频人脸标注方法和系统 | |
CN109033175A (zh) | 一种以图搜车的方法及系统 | |
CN107329977B (zh) | 一种基于概率分布的假牌车二次筛选方法 | |
CN110110325B (zh) | 一种重复案件查找方法和装置、计算机可读存储介质 | |
CN108984644B (zh) | 一种套牌车检索方法及系统 | |
CN108961082A (zh) | 一种基于ai图像识别的车险定损系统及方法 | |
Parthasarathy et al. | Detection of suspicious human activity based on CNN-DBNN algorithm for video surveillance applications | |
CN109815878B (zh) | 基于人脸识别的落脚点分析方法和装置 | |
CN108615359B (zh) | 一种车辆落脚点分析方法和装置 | |
CN108305461A (zh) | 一种偷逃费嫌疑车辆的确定方法和装置 | |
CN108734008A (zh) | 基于停车记录对车辆匿名的移动轨迹数据去匿名的方法 | |
CN106571040B (zh) | 一种可疑车辆确认方法及设备 | |
CN114120428A (zh) | 一种图码联侦关联方法、装置、计算机设备及存储介质 | |
CN105812722A (zh) | 一种粮食运输监控方法和系统 | |
CN108090484A (zh) | 一种车牌识别方法及装置 | |
CN107133574A (zh) | 一种车辆特征识别方法及装置 | |
CN112925899B (zh) | 排序模型建立方法、案件线索推荐方法、装置及介质 |
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 |