CN110164136B - 套牌车辆识别方法 - Google Patents

套牌车辆识别方法 Download PDF

Info

Publication number
CN110164136B
CN110164136B CN201910248511.8A CN201910248511A CN110164136B CN 110164136 B CN110164136 B CN 110164136B CN 201910248511 A CN201910248511 A CN 201910248511A CN 110164136 B CN110164136 B CN 110164136B
Authority
CN
China
Prior art keywords
vehicle
rfid
fake
licensed
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.)
Active
Application number
CN201910248511.8A
Other languages
English (en)
Other versions
CN110164136A (zh
Inventor
赵明
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.)
Chongqing Chengtou Gold Card Information Industry Group Co ltd
Original Assignee
Chongqing Chengtou Gold Card Information Industry Group 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 Chongqing Chengtou Gold Card Information Industry Group Co ltd filed Critical Chongqing Chengtou Gold Card Information Industry Group Co ltd
Priority to CN201910248511.8A priority Critical patent/CN110164136B/zh
Publication of CN110164136A publication Critical patent/CN110164136A/zh
Application granted granted Critical
Publication of CN110164136B publication Critical patent/CN110164136B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
    • 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
    • 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
    • G06V20/625—License plates

Abstract

本发明提供的一种套牌车辆识别方法，包括：在路网中设置多个车辆采集点，在同一采集点具有RFID读写器以及图像采集设备；RFID读写器采集车辆的RFID信息，并形成RFID轨迹TRr,t：图像采集设备采集车辆的图像信息，并形成图像轨迹TCr,t:将RFID轨迹TRr,t和图像轨迹TCr,t进行匹配对比，筛选出疑似套牌车辆，获取在车辆采集点之间的理论行驶时间TL和实际行驶时间TS，当TS<ATL,则将疑似套牌车辆判定为高概率套牌车辆；获取任意两个车辆采集点的最短理论通行时间TD，并获取在确定的当前两个车辆采集点的实际通行时间TT,若TT<BTD，则判定当前高概率套牌车辆为套牌车辆，节约人力物力，准确识别套牌车。

Description

套牌车辆识别方法
技术领域
本发明涉及交通领域，尤其涉及一种套牌车辆识别方法。
背景技术
套牌车是指参照真实牌照，将号码相同的假牌套在其他车上，从而让不法分子获取相应的利益，而对被套牌车的车主来说，对其利益具有损坏，而且，扰乱公安机关对公共安全的管控，制造社会不稳定因素。
现有技术中，对于套牌车辆的识别采用如下方法：对车辆的车型、号牌、行驶证和检验合格标识等进行识别检查，另一种方法是对车架号、发动机号以及车辆的铭牌进行检验，但是现有的检验方式都需要采用人工的方式对车辆进行逐一比对，对人力物力都浪费极大，更为重要的是:现有的这种方式是需要对具有疑似套牌的车辆才做进一步检验，但是，在现代社会中车辆数量极大，仅仅依靠人力根本不能对道路上的车辆进行逐一甄别判断是否为套牌车辆，从而使得很多不法分子逍遥法外，而使得真车主以及公共利益被损害。
因此，为了解决上述技术问题，亟需提出一种新的技术手段。
发明内容
有鉴于此，本发明的目的是提供一种套牌车辆识别方法，通过RFID数据和图像信息数据相结合的方式，能够自动且准确地对套牌车辆进行识别，从而能够有效节约人力、物力，而且能够对绝大多数车辆实现有效的监管，并且大大提高套牌车辆的监测效率，确保真实车主以及公共利益不受损害。
本发明提供的一种套牌车辆识别方法，包括：
S1.在路网中设置多个车辆采集点，在同一采集点具有RFID读写器以及图像采集设备；
S2.RFID读写器采集车辆的RFID信息，并形成RFID轨迹TRr,t：
TRr,t＝(TRr1,t1,TRr2,t2,…,TRrn-1,tn-1,TRrn,tn)；
图像采集设备采集车辆的图像信息，并形成图像轨迹TCr,t:
TCr,t＝(TCr1,t1,TCr2,t2,…,TCrn-1,tn-1,TCrn,tn)；
S3.将RFID轨迹TRr,t和图像轨迹TCr,t进行匹配对比，筛选出疑似套牌车辆；
S4.获取在车辆采集点之间的理论行驶时间TL和实际行驶时间TS，当TS<ATL, 则将疑似套牌车辆判定为高概率套牌车辆；
S5.获取任意两个车辆采集点的最短理论通行时间TD，并获取在确定的当前两个车辆采集点的实际通行时间TT,若TT<BTD，则判定当前高概率套牌车辆为套牌车辆；
其中，n表示车辆经过采集点的次数，r1，r2，…,rn表示不同采集点的位置，t1，t2，…，tn表示车辆通过不同采集点时的时间，A和B均为计算系数，且0<A<1,0<B<1。
进一步，步骤S3包括：
S31.筛选出目标车辆的RFID信息和图像信息的不匹配点，并记录不匹配点总数NT；
S32.计算轨迹不匹配率Pun，并将Pun与不匹配率阈值P0比较，若Pun>P0，则判定目标车辆为初步疑似套牌车辆，其中，
Figure RE-GDA0002121786540000021
NM为RFID轨迹和图像轨迹的总数；
S33.从初步疑似套牌车辆中，筛选出疑似套牌车辆。
进一步，步骤S31包括：
S310.在设定时间内，同一车辆采集点的RFID信息和图像信息中均具有同一目标车辆信息，则该车辆在该车辆采集点的信息正常；
S311.在设定时间内且同一车辆采集点中，RFID信息中记载有目标车辆信息而图像信息中不具有目标车辆信息，或者RFID信息中不具有目标车辆信息而图像信息中具有目标车辆信息，则判断目标车辆在当前车辆采集点的轨迹点为不匹配点；
S312.遍历目标车辆经过的所有车辆采集点的RFID信息和图像信息，按照步骤S32记录所有车辆采集点的车辆的RFID信息和图像信息，并形成RFID不匹配轨迹以及图像信息不匹配轨迹，其中，RFID不匹配轨迹为：
TNRr,t＝(TNRr1,t1,TNRr2,t2,…,TNRrp-1,tp-1,TNRrp,tp)；
图像信息不匹配轨迹为：
TNCr,t＝(TNCr1,t1,TNCr2,t2,…,TNCrq-1,tq-1,TCrq,tq)，其中，p为 RFID信息中不具有图像信息的总数，q为图像信息中不具有RFID信息的总数，且1≤p≤n，1≤q≤n。
进一步，步骤S33中，根据如下方法筛选出疑似套牌车辆：
S330.获取RFID不匹配轨迹的总数p，图像信息不匹配轨迹的总数q，并获取设定时间内具有RFID数据记录的天数D；
S331.计算采集不匹配率Per：
Figure RE-GDA0002121786540000031
并计算RFID不匹配数和图像信息不匹配数的差值ΔRC：ΔRC＝p-q；
S332.若不匹配轨迹Per大于设定阈值，且n大于设定阈值，且D大于设定阈值，且ΔRC大于设定阈值，则判定当前目标车辆为疑似套牌车辆。
进一步，步骤S4中通过如下步骤计算理论行驶时间TL：
S41.将RFID不匹配轨迹和图像不匹配轨迹进行合并为目标车辆不匹配轨迹，并将目标车辆不匹配轨迹按照时间进行排序；
S42.获取车辆采集点间的距离，并获取车辆的在车辆采集点间的平均车速，然后计算理论行驶时间TL。
进一步，所述步骤S5中通过如下方法获取最短理论通行时间TD:
确定任意两个车辆采集点，并采集该两个车辆采集点之间的直线距离；
获取车辆采集点所在道路的平均车速；
根据直线距离和平均车速计算最短理论通行时间TD。
本发明的有益效果：通过本发明，通过RFID数据和图像信息数据相结合的方式，能够自动且准确地对套牌车辆进行识别，从而能够有效节约人力、物力，而且能够对绝大多数车辆实现有效的监管，并且大大提高套牌车辆的监测效率，确保真实车主以及公共利益不受损害。
附图说明
下面结合附图和实施例对本发明作进一步描述：
图1为本发明的流程图。
具体实施方式
以下对本发明做出进一步详细说明：
本发明提供的一种套牌车辆识别方法，包括：
S1.在路网中设置多个车辆采集点，在同一采集点具有RFID读写器以及图像采集设备；
S2.RFID读写器采集车辆的RFID信息，并形成RFID轨迹TRr,t：
TRr,t＝(TRr1,t1,TRr2,t2,…,TRrn-1,tn-1,TRrn,tn)；
图像采集设备采集车辆的图像信息，并形成图像轨迹TCr,t:
TCr,t＝(TCr1,t1,TCr2,t2,…,TCrn-1,tn-1,TCrn,tn)；
S3.将RFID轨迹TRr,t和图像轨迹TCr,t进行匹配对比，筛选出疑似套牌车辆；
S4.获取在车辆采集点之间的理论行驶时间TL和实际行驶时间TS，当TS<ATL, 则将疑似套牌车辆判定为高概率套牌车辆；
S5.获取任意两个车辆采集点的最短理论通行时间TD，并获取在确定的当前两个车辆采集点的实际通行时间TT,若TT<BTD，则判定当前高概率套牌车辆为套牌车辆；
其中，其中，n表示车辆经过采集点的次数，也就是说，RFID轨迹和图像轨迹中，均是按照时间排列的集合，比如：对于采集点r1，如果车辆经历过3 次，那么RFID轨迹和图像轨迹将行程3个对于该采集点的轨迹即TRr1,t1、 TRr1,t2、TRr1,t3，t1、t2和t3表示不同的时间点；r1，r2，…,rn表示不同采集点的位置，t1，t2，…，tn表示车辆通过不同采集点时的时间，A和B均为计算系数，且0＜A≤1,0＜B≤1。其中，计算系数根据实际路段进行确定、通行时段进行确定，一般通过历史数据预置一个系数与时间的对应关系表，在一天的不同时段选取不同的系数，通过本发明，通过RFID数据和图像信息数据相结合的方式，能够自动且准确地对套牌车辆进行识别，从而能够有效节约人力、物力，而且能够对绝大多数车辆实现有效的监管，并且大大提高套牌车辆的监测效率，确保真实车主以及公共利益不受损害
本实施例中，步骤S3包括：
S31.筛选出目标车辆的RFID信息和图像信息的不匹配点，并记录不匹配点总数NT；具体地：
S310.在设定时间内，同一车辆采集点的RFID信息和图像信息中均具有同一目标车辆信息，则该车辆在该车辆采集点的信息正常；一般来说，RFID采集信息中包含有车辆的车牌号、车主信息等，而图像采集设备，如CCD摄像头，会直接对车辆的车牌号进行获取，如果RFID信息中的车牌号和图像信息中的车牌号一致，则表明RFID信息和图像信息是匹配的；
S311.在设定时间内且同一车辆采集点中，RFID信息中记载有目标车辆信息而图像信息中不具有目标车辆信息，或者RFID信息中不具有目标车辆信息而图像信息中具有目标车辆信息，则判断目标车辆在当前车辆采集点的轨迹点为不匹配点；如上述，RFID信息中不仅仅是车牌号信息，还包括其他信息，因此，主要通过车牌号来进行识别，如果目标车辆的RFID信息中与图像信息中的车牌号不一致，则肯定是不匹配的，也有可能存在如下情况，当车辆的号牌被污泥遮挡、号牌被刮损等，造成图像信息中不能提取出相应的车牌号，亦或是图像信息中能够识别出车牌号，而RFID卡出现故障或者RFID读写器存在读写故障，导致RFID卡中不具有车牌号信息，均被视为不匹配现象；
S312.遍历目标车辆经过的所有车辆采集点的RFID信息和图像信息，按照步骤S32记录所有车辆采集点的车辆的RFID信息和图像信息，并形成RFID不匹配轨迹以及图像信息不匹配轨迹，其中，RFID不匹配轨迹为：
TNRr,t＝(TNRr1,t1,TNRr2,t2,…,TNRrp-1,tp-1,TNRrp,tp)；
图像信息不匹配轨迹为：
TNCr,t＝(TNCr1,t1,TNCr2,t2,…,TNCrq-1,tq-1,TCrq,tq)，其中，p为 RFID信息中不具有图像信息的总数，q为图像信息中不具有RFID信息的总数，且1≤p≤n，1≤q≤n
S32.计算轨迹不匹配率Pun，并将Pun与不匹配率阈值P0比较，若Pun>P0，则判定目标车辆为初步疑似套牌车辆，其中，
Figure RE-GDA0002121786540000061
NM为RFID轨迹和图像轨迹的总数；
S33.从初步疑似套牌车辆中，筛选出疑似套牌车辆，具体地：。
S330.获取RFID不匹配轨迹的总数p，图像信息不匹配轨迹的总数q，并获取设定时间内具有RFID数据记录的天数D；
S331.计算采集不匹配率Per：
Figure RE-GDA0002121786540000071
并计算RFID不匹配数和图像信息不匹配数的差值ΔRC：ΔRC＝p-q；
S332.若不匹配轨迹Per大于设定阈值，且n大于设定阈值，且D大于设定阈值，且ΔRC大于设定阈值，则判定当前目标车辆为疑似套牌车辆，通过上述方法，既能够准确地筛选出疑似套牌车辆，上述中的各设定阈值，可以根据不同的路段，不同交通状况进行设定。
本实施例中，步骤S4中通过如下步骤计算理论行驶时间TL：
S41.将RFID不匹配轨迹和图像不匹配轨迹进行合并为目标车辆不匹配轨迹，并将目标车辆不匹配轨迹按照时间进行排序；
S42.获取车辆采集点间的距离，并获取车辆的在车辆采集点间的平均车速，然后计算理论行驶时间TL，在计算时，每相邻两个采集点的距离都要计算，其中，相邻两个采集点的距离按照实际的路程距离，并非是直线距离，而车辆采集点间的平均车速，通过现有的方式进行确定，比如通过图像识别法等等，而且该平均车速是所有车辆的通过目标路段时的平均速度，而且，不同时段，比如一天内的早高峰、晚高峰，早高峰到晚高峰之间的时间段以及晚高峰至早高峰的夜间时间段，其平均车速均不相同，因此，在计算时，需要根据不同时段的平均车速进行计算判断，在上述方法下，进一步对套牌车辆进行识别，提高准确性，这是由于：比如有A、B和C三个依次相邻的采集点，在上述的平均车速下，正常情况比如10点经过A，10点20分经过B，10点50分经过C，但是，某一辆车，在10点20经过B，而在10点39分又经过C，显然，普遍的平均车速下是不能实现的，该辆车就具有明显的套牌行为，该车为套牌车的概率就极高。
本实施例中，所述步骤S5中通过如下方法获取最短理论通行时间TD:
确定任意两个车辆采集点，并采集该两个车辆采集点之间的直线距离；
获取车辆采集点所在道路的平均车速；
根据直线距离和平均车速计算最短理论通行时间TD，其中，平均车速还是如上述，平均车速采用目标路段的所有车辆的平均车速，总所周知，两点间的直线距离是最短的，还是以A、B和C三个点为例，在所得出的平均车速下，如果按照A、B和C的直线距离计算，10点整车辆通过A点，10点12分经过B 点，10点30分经过C，这样才是一个正常的，如果某车辆在10点12分经过B 点后，又在10点19分经过C点，可以明显看出：即使按照两点间的直线距离，车辆经过B和C两个车辆采集点都需要18分钟，而目标车辆仅仅8分钟就到达，这显然是不可能的，那么就可以确定当前车辆为套牌车辆了，因此，通过上述方法，能够准确地筛选出套牌行为车辆，并且发现目标车辆后，执法部门就可以具有针对性地对目标车辆进行相应的检验执法，相较于传统的方法，就能够有效防止遗漏的现象，并且有效地提高了效率。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种套牌车辆识别方法，其特征在于：包括：
S1.在路网中设置多个车辆采集点，在同一采集点具有RFID读写器以及图像采集设备；
S2.RFID读写器采集车辆的RFID信息，并形成RFID轨迹TRr,t：
TRr,t＝(TRr1,t1,TRr2,t2,…,TRrn-1,tn-1,TRrn,tn)；
图像采集设备采集车辆的图像信息，并形成图像轨迹TCr,t:
TCr,t＝(TCr1,t1,TCr2,t2,…,TCrn-1,tn-1,TCrn,tn)；
S3.将RFID轨迹TRr,t和图像轨迹TCr,t进行匹配对比，筛选出疑似套牌车辆；
S4.获取在车辆采集点之间的理论行驶时间TL和实际行驶时间TS，当TS<ATL,则将疑似套牌车辆判定为高概率套牌车辆；
S5.获取任意两个车辆采集点的最短理论通行时间TD，并获取在确定的当前两个车辆采集点的实际通行时间TT,若TT<BTD，则判定当前高概率套牌车辆为套牌车辆；
其中，n表示车辆经过采集点的次数，r1，r2，…,rn表示不同采集点的位置，t1，t2，…，tn表示车辆通过不同采集点时的时间，A和B均为计算系数，且0<A<1,0<B<1；
S31.筛选出目标车辆的RFID信息和图像信息的不匹配点，并记录不匹配点总数NT；
S32.计算轨迹不匹配率Pun，并将Pun与不匹配率阈值P0比较，若Pun>P0，则判定目标车辆为初步疑似套牌车辆，其中，
Figure FDA0002987537940000011
NM为RFID轨迹和图像轨迹的总数；
S33.从初步疑似套牌车辆中，筛选出疑似套牌车辆。
2.根据权利要求1所述套牌车辆识别方法，其特征在于：步骤S31包括：
S310.在设定时间内，同一车辆采集点的RFID信息和图像信息中均具有同一目标车辆信息，则该车辆在该车辆采集点的信息正常；
S311.在设定时间内且同一车辆采集点中，RFID信息中记载有目标车辆信息而图像信息中不具有目标车辆信息，或者RFID信息中不具有目标车辆信息而图像信息中具有目标车辆信息，则判断目标车辆在当前车辆采集点的轨迹点为不匹配点；
S312.遍历目标车辆经过的所有车辆采集点的RFID信息和图像信息，按照步骤S32记录所有车辆采集点的车辆的RFID信息和图像信息，并形成RFID不匹配轨迹以及图像信息不匹配轨迹，其中，RFID不匹配轨迹为：
TNRr,t＝(TNRr1,t1,TNRr2,t2,…,TNRrp-1,tp-1,TNRrp,tp)；
图像信息不匹配轨迹为：
TNCr,t＝(TNCr1,t1,TNCr2,t2,…,TNCrq-1,tq-1,TCrq,tq)，其中，p为RFID信息中不具有图像信息的总数，q为图像信息中不具有RFID信息的总数，且1≤p≤n，1≤q≤n。
3.根据权利要求2所述套牌车辆识别方法，其特征在于：步骤S33中，根据如下方法筛选出疑似套牌车辆：
S330.获取RFID不匹配轨迹的总数p，图像信息不匹配轨迹的总数q，并获取设定时间内具有RFID数据记录的天数D；
S331.计算采集不匹配率Per：
Figure FDA0002987537940000021
并计算RFID不匹配数和图像信息不匹配数的差值ΔRC：ΔRC＝p-q；
S332.若不匹配轨迹Per大于设定阈值，且n大于设定阈值，且D大于设定阈值，且ΔRC大于设定阈值，则判定当前目标车辆为疑似套牌车辆。
4.根据权利要求2所述套牌车辆识别方法，其特征在于：步骤S4中通过如下步骤计算理论行驶时间TL：
S41.将RFID不匹配轨迹和图像不匹配轨迹进行合并为目标车辆不匹配轨迹，并将目标车辆不匹配轨迹按照时间进行排序；
S42.获取车辆采集点间的距离，并获取车辆的在车辆采集点间的平均车速，然后计算理论行驶时间TL。
5.根据权利要求2所述套牌车辆识别方法，其特征在于：所述步骤S5中通过如下方法获取最短理论通行时间TD:
确定任意两个车辆采集点，并采集该两个车辆采集点之间的直线距离；
获取车辆采集点所在道路的平均车速；
根据直线距离和平均车速计算最短理论通行时间TD。
CN201910248511.8A 2019-03-29 2019-03-29 套牌车辆识别方法 Active CN110164136B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910248511.8A CN110164136B (zh) 2019-03-29 2019-03-29 套牌车辆识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910248511.8A CN110164136B (zh) 2019-03-29 2019-03-29 套牌车辆识别方法

Publications (2)

Publication Number Publication Date
CN110164136A CN110164136A (zh) 2019-08-23
CN110164136B true CN110164136B (zh) 2021-05-04

Family

ID=67638835

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910248511.8A Active CN110164136B (zh) 2019-03-29 2019-03-29 套牌车辆识别方法

Country Status (1)

Country Link
CN (1) CN110164136B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108520629B (zh) * 2018-04-09 2021-02-09 天津中兴智联科技有限公司 一种假套牌识别系统的判断方法
CN110517493B (zh) * 2019-08-30 2022-03-25 公安部交通管理科学研究所 一种跨区域机动车综合信息获取方法及系统
CN113888869B (zh) * 2021-10-13 2022-08-09 深圳联和智慧科技有限公司 一种套牌渣土车联网定位方法、系统及云平台

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006284338A (ja) * 2005-03-31 2006-10-19 Pasuko:Kk 車両走行検証システム、車両走行検証方法及びプログラム
CN101540105A (zh) * 2009-04-15 2009-09-23 四川川大智胜软件股份有限公司 一种基于车辆牌照识别和网格化监控的套牌车检测方法
CN101673467A (zh) * 2009-10-14 2010-03-17 王永顺 机动车防套牌防盗系统及其处理方法
CN202230607U (zh) * 2011-09-21 2012-05-23 中盟智能科技（苏州）有限公司 一种套牌车辆侦查系统
CN103366579A (zh) * 2013-07-05 2013-10-23 江苏通慧智能科技有限公司 车辆身份识别及定位方法
CN104517445A (zh) * 2014-12-09 2015-04-15 浪潮电子信息产业股份有限公司 一种基于大数据的套牌车辆识别方法
US9117190B2 (en) * 2011-03-31 2015-08-25 United Parcel Service Of America, Inc. Calculating speed and travel times with travel delays

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030006911A1 (en) * 2000-12-22 2003-01-09 The Cadre Group Inc. Interactive advertising system and method
CN201946112U (zh) * 2011-01-20 2011-08-24 河南本易信息工程有限公司 一种无线射频识别机动车监管系统
RU2499098C2 (ru) * 2011-12-05 2013-11-20 Закрытое акционерное общество Научно-проектно внедренческое общество "НГС - оргпроектэкономика" Ледостойкая самоподъемная платформа для замерзающего мелководья и способ ее монтажа
CN203931178U (zh) * 2013-12-27 2014-11-05 高新兴科技集团股份有限公司 一种视频传感器与rfid传感器融合系统
CN104200669B (zh) * 2014-08-18 2017-02-22 华南理工大学 一种基于Hadoop的套牌车识别方法及系统
CN107610471A (zh) * 2016-07-11 2018-01-19 中兴通讯股份有限公司 车辆套牌检测方法及系统
CN106778648B (zh) * 2016-12-26 2020-02-07 江苏盛世华安互联网科技股份有限公司 车辆轨迹跟踪及车牌识别方法
KR101813658B1 (ko) * 2017-08-25 2018-01-30 주식회사 비주얼넷 위변조 방지를 위한 암호갱신 알고리즘을 이용한 무선전자태그 기반의 정품인증 서비스 시스템 및 방법
CN108364474B (zh) * 2018-02-14 2020-11-03 重庆市城投金卡信息产业股份有限公司 基于图像和rfid信息的数据融合处理方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006284338A (ja) * 2005-03-31 2006-10-19 Pasuko:Kk 車両走行検証システム、車両走行検証方法及びプログラム
CN101540105A (zh) * 2009-04-15 2009-09-23 四川川大智胜软件股份有限公司 一种基于车辆牌照识别和网格化监控的套牌车检测方法
CN101673467A (zh) * 2009-10-14 2010-03-17 王永顺 机动车防套牌防盗系统及其处理方法
US9117190B2 (en) * 2011-03-31 2015-08-25 United Parcel Service Of America, Inc. Calculating speed and travel times with travel delays
CN202230607U (zh) * 2011-09-21 2012-05-23 中盟智能科技（苏州）有限公司 一种套牌车辆侦查系统
CN103366579A (zh) * 2013-07-05 2013-10-23 江苏通慧智能科技有限公司 车辆身份识别及定位方法
CN104517445A (zh) * 2014-12-09 2015-04-15 浪潮电子信息产业股份有限公司 一种基于大数据的套牌车辆识别方法

Also Published As

Publication number Publication date
CN110164136A (zh) 2019-08-23

Similar Documents

Publication Publication Date Title
WO2017157119A1 (zh) 一种车辆异常行为的识别方法及装置
CN110164136B (zh) 套牌车辆识别方法
CN104200669B (zh) 一种基于Hadoop的套牌车识别方法及系统
CN105405298B (zh) 一种车牌标识的识别方法和装置
CN106022296B (zh) 一种基于车辆热点区域的概率聚合的套牌车检测方法
CA3043280A1 (en) Automatic image based object damage assessment
CN103186982B (zh) 一种治安智能卡口系统
CN106373426A (zh) 基于计算机视觉的停车位及违规占道停车监控方法
CN101587643A (zh) 一种套牌车的识别方法
WO2012142548A1 (en) Method and system of rail component detection using vision technology
CN110942640B (zh) 一种主动发现非法从事网约车客运的嫌疑车辆的方法
CN110838232A (zh) 基于过车电警数据的单一车辆od获取方法
CN109214345A (zh) 基于相似度比对查找换牌车辆的行驶轨迹的方法
CN107329977B (zh) 一种基于概率分布的假牌车二次筛选方法
CN106571040B (zh) 一种可疑车辆确认方法及设备
CN108364474A (zh) 基于图像和rfid信息的数据融合处理方法及系统
CN108305461A (zh) 一种偷逃费嫌疑车辆的确定方法和装置
CN112233421A (zh) 一种基于机器视觉的城市智慧交通监控智能系统
CN110164137B (zh) 基于卡口对行车时间的套牌车辆的识别方法及系统、介质
CN111680638A (zh) 一种乘客路径识别方法和基于该方法的客流清分方法
CN111078973A (zh) 基于大数据的套牌车识别方法、设备及存储介质
CN113850556A (zh) 运单生成方法、装置、电子设备和可读存储介质
CN112633163B (zh) 一种基于机器学习算法实现非法运营车辆检测的检测方法
CN114023085B (zh) 一种基于卡口检测数据的交叉口信号配时参数推断方法
Prasetyo et al. Optimization of image processing techniques in developing of smart parking system

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: No.221 Tongjiang Avenue, Nan'an District, Chongqing

Applicant after: CHONGQING CHENGTOU GOLD CARD INFORMATION INDUSTRY (Group) Co.,Ltd.

Address before: 401336 No.46, 7th floor, Rongying building, science and technology entrepreneurship center, No.8 Yuma Road, Nan'an District, Chongqing

Applicant before: CHONGQING CHENGTOU GOLD CARD INFORMATION INDUSTRY (Group) Co.,Ltd.

GR01 Patent grant
GR01 Patent grant