CN110458152A - 一种基于vpn加密传输与公安网互通数据的车载警务系统 - Google Patents
一种基于vpn加密传输与公安网互通数据的车载警务系统 Download PDFInfo
- Publication number
- CN110458152A CN110458152A CN201910844512.9A CN201910844512A CN110458152A CN 110458152 A CN110458152 A CN 110458152A CN 201910844512 A CN201910844512 A CN 201910844512A CN 110458152 A CN110458152 A CN 110458152A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- public security
- face
- sample
- server
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 3
- 230000011664 signaling Effects 0.000 abstract description 5
- 229910002056 binary alloy Inorganic materials 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
-
- 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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
- G06V40/172—Classification, e.g. identification
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/193—Preprocessing; Feature extraction
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Ophthalmology & Optometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于VPN加密传输与公安网互通数据的车载警务系统,包括车载一体机服务器,车载一体机服务器上安装有摄像头,车载一体机服务器通过VPN专网信号连接有公安内网警车服务器,公安内网警车服务器包括中央处理器,中央处理器通过图片识别系统进行处理,公安内网警车服务器以信令的方式将比对结果中的编号、种类代码等数据通过VPN专网传输给车载一体机服务器;本方案,车载一体机服务器将拍摄的图片通过VPN专网传送到公安内网警车服务器,通过VPN专网进行传输,传输效率高,延迟时间少,防止犯罪分子有可趁之机,极大的减少了数据传输造成的安全隐患;可快速精确的对人脸进行识别,提高了识别精度,使犯罪分子无处遁形。
Description
技术领域
本发明属于车载警务系统技术领域,更具体地说,尤其涉及一种基于VPN加密传输与公安网互通数据的车载警务系统。
背景技术
因法律法规与技术条件限制,互联网与公安网较难实现时时互通。市面上很多警务车所采集到的人脸无法通过互联网直接传递给公安内网,也无法在公安内网实现数据对比与存储以及返回比对结果。市场上一些警务车打通视频专网进行人脸比对问题。从功能上实现了比对效果,但视频专网上的数据源与公安内部高危信息数据存在一定的延迟性,根据高危信息的重要性与保密级别,不同等级数据有不同时间的延迟时间,这个延迟时间差就给了犯罪分子可趁之机。市场上一些警务车采用普通4G对需要比对的数据进行传输验证,给数据传输造成了很大的安全隐患。而且图片处理效率低,质量差,难以快速的对图片进行精确的识别。
发明内容
本发明的目的是为了解决现有技术中问题,而提出的一种基于VPN加密传输与公安网互通数据的车载警务系统。
为实现上述目的,本发明提供如下技术方案:一种基于VPN加密传输与公安网互通数据的车载警务系统,包括车载一体机服务器,所述车载一体机服务器,所述车载一体机服务器上安装有摄像头,所述车载一体机服务器通过VPN专网信号连接有公安内网警车服务器,所述公安内网警车服务器包括中央处理器,所述中央处理器通过图片识别系统进行处理,所述公安内网警车服务器以信令的方式将比对结果中的编号、种类代码等数据通过VPN专网传输给车载一体机服务器。
优选的,所述图片识别系统包括人脸检测与定位模块,所述人脸检测与定位模块采用Adaboost算法,Adaboost算法通过训练集训练多个不同的弱分类器,然后将这些弱分类器集合起来构成一个更强的分类器;haar特征将黑白两种矩形组成特征模板,用黑色矩形内像素数量减去白色矩形内像素数量的方式来表示模板内的haar特征,对边缘、线段较敏感;通过提取人眼部的haar特征,大量人脸样本训练得到强分类器,用得到的强分类器区分人脸与非人脸。
优选的,所述图片识别系统还包括人脸LBP特征提取模块,所述人脸LBP特征提取方法为:局部二值模式(LBP)是一种图像的纹理特征;将图像领域内的像素值与中心像素值相比较,大于中心点像素值则记作1,反之则记作0,这样就构成了一组0,1组成的二进制编码,这就是局部二值模式;当邻域为3×3时,8个像素点构成的8位的二进制编码刚好可以转化为十进制;圆形LBP算子将局部二值模式3×3邻域扩展到任意尺度,并用圆形邻域代替了正方形邻域,圆形LBP算子允许在半径为R的圆形邻域取N个像素点,用尺度(N,R)表示;尺度(N,R)内的圆形LBP算子的编码公式为:
其中gi-gc表示第i个领域像素值减去中心像素值的差;该算子会得到2N个不同的LBP编码;圆形LBP算子具有灰度不变性的同时还具有旋转不变性。
优选的,所述图片识别系统还包括SVM人脸分类识别模块,所述SVM人脸分类识别方法为:SVM通过构造一个或多个最优超平面来对样本分类,该最优超平面在对样本正确划分的同时最大化样本到超平面的距离;用来分隔样本的超平面可以用如下线性方程来表示:
g(x)=WTx+b
为了使分隔开的类别具有最大的间隔,从而获得更高的可信度,要让离分隔面最近的样本离超平面的距离最大;假设分别经过2个离超平面最近的点的2个与超平面平行的平面H1与H2;
H1:y=wTx+b=+1
H2:γ=wTx+b=-1
那么只要最大化这2个超平面之间的间隔即可。
优选的,所述图片识别系统还包括人脸分类识别模块,所述人脸分类识别方法是通过匹配LBPH直方图序列的相似度来完成的;选用最近分类器对LBPH提取的人脸特征进行分类,用LBPH特征相似度方差描述两个样本之间的相似程度,方差越小,说明两个样本越相似;给定训练样本集Ti中的样本x与测试样本集Te中的样本y,其中LBPH特征分类分别为Hi和Hy且二者的相似度定义如下:
其中,a为特征向量的长度;d2为相似度方差;d取值越小,则两个人脸样本越相似。
本发明的技术效果和优点:
本方案,车载一体机服务器将拍摄的图片通过VPN专网传送到公安内网警车服务器,公安内网警车服务器以信令的方式将比对结果中的编号、种类代码等数据通过VPN专网传输给车载一体机服务器,通过VPN专网进行传输,传输效率高,延迟时间少,防止犯罪分子有可趁之机,极大的减少了数据传输造成的安全隐患;
图片识别系统通过人脸检测与定位模块、人脸LBP特征提取模块、SVM人脸分类识别模块、人脸分类识别模块,可快速精确的对人脸进行识别,提高了识别精度,使犯罪分子无处遁形;
同时车载一体机服务器将采集的人脸、车牌、mac、IMEI、IMSI等数据通过VPN专网传入到公安内网警车服务器,并在公安内网警车服务器平台可实时查看。
附图说明
图1为本发明的系统框图;
图2为本发明的图片识别系统的框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合具体实施例和说明书附图1-2,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。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。
实施例1
一种基于VPN加密传输与公安网互通数据的车载警务系统,包括车载一体机服务器,所述车载一体机服务器,所述车载一体机服务器上安装有摄像头,所述车载一体机服务器通过VPN专网信号连接有公安内网警车服务器,所述公安内网警车服务器包括中央处理器,所述中央处理器通过图片识别系统进行处理,所述公安内网警车服务器以信令的方式将比对结果中的编号、种类代码等数据通过VPN专网传输给车载一体机服务器。
进一步地,所述图片识别系统包括人脸检测与定位模块,所述人脸检测与定位模块采用Adaboost算法,Adaboost算法通过训练集训练多个不同的弱分类器,然后将这些弱分类器集合起来构成一个更强的分类器;haar特征将黑白两种矩形组成特征模板,用黑色矩形内像素数量减去白色矩形内像素数量的方式来表示模板内的haar特征,对边缘、线段较敏感;通过提取人眼部的haar特征,大量人脸样本训练得到强分类器,用得到的强分类器区分人脸与非人脸。
进一步地,所述图片识别系统还包括人脸LBP特征提取模块,所述人脸LBP特征提取方法为:局部二值模式(LBP)是一种图像的纹理特征;将图像领域内的像素值与中心像素值相比较,大于中心点像素值则记作1,反之则记作0,这样就构成了一组0,1组成的二进制编码,这就是局部二值模式;当邻域为3×3时,8个像素点构成的8位的二进制编码刚好可以转化为十进制;圆形LBP算子将局部二值模式3×3邻域扩展到任意尺度,并用圆形邻域代替了正方形邻域,圆形LBP算子允许在半径为R的圆形邻域取N个像素点,用尺度(N,R)表示;尺度(N,R)内的圆形LBP算子的编码公式为:
其中gi-gc表示第i个领域像素值减去中心像素值的差;该算子会得到2N个不同的LBP编码;圆形LBP算子具有灰度不变性的同时还具有旋转不变性。
进一步地,所述图片识别系统还包括SVM人脸分类识别模块,所述SVM人脸分类识别方法为:SVM通过构造一个或多个最优超平面来对样本分类,该最优超平面在对样本正确划分的同时最大化样本到超平面的距离;用来分隔样本的超平面可以用如下线性方程来表示:
g(x)=WTx+b
为了使分隔开的类别具有最大的间隔,从而获得更高的可信度,要让离分隔面最近的样本离超平面的距离最大;假设分别经过2个离超平面最近的点的2个与超平面平行的平面H1与H2;
H1:y=wTx+b=+1
H2:y=wTx+b=-1
那么只要最大化这2个超平面之间的间隔即可。
进一步地,所述图片识别系统还包括人脸分类识别模块,所述人脸分类识别方法是通过匹配LBPH直方图序列的相似度来完成的;选用最近分类器对LBPH提取的人脸特征进行分类,用LBPH特征相似度方差描述两个样本之间的相似程度,方差越小,说明两个样本越相似;给定训练样本集Ti中的样本x与测试样本集Te中的样本y,其中LBPH特征分类分别为Hi和Hy且二者的相似度定义如下:
其中,a为特征向量的长度;d2为相似度方差;d取值越小,则两个人脸样本越相似。
因此本方案,车载一体机服务器将拍摄的图片通过VPN专网传送到公安内网警车服务器,公安内网警车服务器以信令的方式将比对结果中的编号、种类代码等数据通过VPN专网传输给车载一体机服务器,通过VPN专网进行传输,传输效率高,延迟时间少,防止犯罪分子有可趁之机,极大的减少了数据传输造成的安全隐患;
图片识别系统通过人脸检测与定位模块、人脸LBP特征提取模块、SVM人脸分类识别模块、人脸分类识别模块,可快速精确的对人脸进行识别,提高了识别精度,使犯罪分子无处遁形。
同时车载一体机服务器将采集的人脸、车牌、mac、IMEI、IMSI等数据通过VPN专网传入到公安内网警车服务器,并在公安内网警车服务器平台可实时查看。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于VPN加密传输与公安网互通数据的车载警务系统,其特征在于:包括车载一体机服务器,所述车载一体机服务器,所述车载一体机服务器上安装有摄像头,所述车载一体机服务器通过VPN专网信号连接有公安内网警车服务器,所述公安内网警车服务器包括中央处理器,所述中央处理器通过图片识别系统进行处理,所述公安内网警车服务器以信令的方式将比对结果中的编号、种类代码等数据通过VPN专网传输给车载一体机服务器。
2.根据权利要求1所述的一种基于VPN加密传输与公安网互通数据的车载警务系统,其特征在于:所述图片识别系统包括人脸检测与定位模块,所述人脸检测与定位模块采用Adaboost算法,Adaboost算法通过训练集训练多个不同的弱分类器,然后将这些弱分类器集合起来构成一个更强的分类器;haar特征将黑白两种矩形组成特征模板,用黑色矩形内像素数量减去白色矩形内像素数量的方式来表示模板内的haar特征,对边缘、线段较敏感;通过提取人眼部的haar特征,大量人脸样本训练得到强分类器,用得到的强分类器区分人脸与非人脸。
3.根据权利要求2所述的一种基于VPN加密传输与公安网互通数据的车载警务系统,其特征在于:所述图片识别系统还包括人脸LBP特征提取模块,所述人脸LBP特征提取方法为:局部二值模式(LBP)是一种图像的纹理特征;将图像领域内的像素值与中心像素值相比较,大于中心点像素值则记作1,反之则记作0,这样就构成了一组0,1组成的二进制编码,这就是局部二值模式;当邻域为3×3时,8个像素点构成的8位的二进制编码刚好可以转化为十进制;圆形LBP算子将局部二值模式3×3邻域扩展到任意尺度,并用圆形邻域代替了正方形邻域,圆形LBP算子允许在半径为R的圆形邻域取N个像素点,用尺度(N,R)表示;尺度(N,R)内的圆形LBP算子的编码公式为:
其中gi-gc表示第i个领域像素值减去中心像素值的差;该算子会得到2N个不同的LBP编码;圆形LBP算子具有灰度不变性的同时还具有旋转不变性。
4.根据权利要求3所述的一种基于VPN加密传输与公安网互通数据的车载警务系统,其特征在于:所述图片识别系统还包括SVM人脸分类识别模块,所述SVM人脸分类识别方法为:SVM通过构造一个或多个最优超平面来对样本分类,该最优超平面在对样本正确划分的同时最大化样本到超平面的距离;用来分隔样本的超平面可以用如下线性方程来表示:
g(x)=WTx+b
为了使分隔开的类别具有最大的间隔,从而获得更高的可信度,要让离分隔面最近的样本离超平面的距离最大;假设分别经过2个离超平面最近的点的2个与超平面平行的平面H1与H2;
H1:y=wTx+b=+1
H2:y=wTx+b=-1
那么只要最大化这2个超平面之间的间隔即可。
5.根据权利要求1所述的一种基于VPN加密传输与公安网互通数据的车载警务系统,其特征在于:所述图片识别系统还包括人脸分类识别模块,所述人脸分类识别方法是通过匹配LBPH直方图序列的相似度来完成的;选用最近分类器对LBPH提取的人脸特征进行分类,用LBPH特征相似度方差描述两个样本之间的相似程度,方差越小,说明两个样本越相似;给定训练样本集Ti中的样本x与测试样本集Te中的样本y,其中LBPH特征分类分别为Hi和Hy且二者的相似度定义如下:
其中,a为特征向量的长度;d2为相似度方差;d取值越小,则两个人脸样本越相似。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910844512.9A CN110458152A (zh) | 2019-09-06 | 2019-09-06 | 一种基于vpn加密传输与公安网互通数据的车载警务系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910844512.9A CN110458152A (zh) | 2019-09-06 | 2019-09-06 | 一种基于vpn加密传输与公安网互通数据的车载警务系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110458152A true CN110458152A (zh) | 2019-11-15 |
Family
ID=68491121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910844512.9A Pending CN110458152A (zh) | 2019-09-06 | 2019-09-06 | 一种基于vpn加密传输与公安网互通数据的车载警务系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110458152A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113487463A (zh) * | 2021-05-25 | 2021-10-08 | 中国联合网络通信集团有限公司 | 流动对象管理方法和系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1804885A (zh) * | 2006-01-18 | 2006-07-19 | 刘铁桥 | 公安移动数字警务管理系统 |
WO2010070662A2 (en) * | 2008-11-14 | 2010-06-24 | C S S Rao | System and method of integrated operations control, management and e-governance for law enforcement agencies and police departments |
CN104182733A (zh) * | 2014-08-14 | 2014-12-03 | 天津七一二通信广播有限公司 | 一种用于核验公民身份信息的多功能移动警务终端 |
CN105448105A (zh) * | 2015-12-29 | 2016-03-30 | 嘉兴长润线业有限公司 | 一种基于巡逻警车的监控系统 |
CN205453930U (zh) * | 2015-12-19 | 2016-08-10 | 西安成远网络科技有限公司 | 一种警车车载视频监控系统 |
CN106364393A (zh) * | 2016-09-19 | 2017-02-01 | 深圳市喜悦智慧数据有限公司 | 一种移动警务平台 |
CN106899826A (zh) * | 2015-12-19 | 2017-06-27 | 西安成远网络科技有限公司 | 一种警车车载视频监控系统 |
CN107220633A (zh) * | 2017-06-15 | 2017-09-29 | 苏州科达科技股份有限公司 | 一种智能移动执法系统及方法 |
CN207117841U (zh) * | 2017-09-30 | 2018-03-16 | 珠海芯桥科技有限公司 | 一种基于人脸识别的车载嫌犯监控系统 |
CN109291841A (zh) * | 2018-10-24 | 2019-02-01 | 成都安杰联科技有限公司 | 一种智能侦查巡逻警务车 |
-
2019
- 2019-09-06 CN CN201910844512.9A patent/CN110458152A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1804885A (zh) * | 2006-01-18 | 2006-07-19 | 刘铁桥 | 公安移动数字警务管理系统 |
WO2010070662A2 (en) * | 2008-11-14 | 2010-06-24 | C S S Rao | System and method of integrated operations control, management and e-governance for law enforcement agencies and police departments |
CN104182733A (zh) * | 2014-08-14 | 2014-12-03 | 天津七一二通信广播有限公司 | 一种用于核验公民身份信息的多功能移动警务终端 |
CN205453930U (zh) * | 2015-12-19 | 2016-08-10 | 西安成远网络科技有限公司 | 一种警车车载视频监控系统 |
CN106899826A (zh) * | 2015-12-19 | 2017-06-27 | 西安成远网络科技有限公司 | 一种警车车载视频监控系统 |
CN105448105A (zh) * | 2015-12-29 | 2016-03-30 | 嘉兴长润线业有限公司 | 一种基于巡逻警车的监控系统 |
CN106364393A (zh) * | 2016-09-19 | 2017-02-01 | 深圳市喜悦智慧数据有限公司 | 一种移动警务平台 |
CN107220633A (zh) * | 2017-06-15 | 2017-09-29 | 苏州科达科技股份有限公司 | 一种智能移动执法系统及方法 |
CN207117841U (zh) * | 2017-09-30 | 2018-03-16 | 珠海芯桥科技有限公司 | 一种基于人脸识别的车载嫌犯监控系统 |
CN109291841A (zh) * | 2018-10-24 | 2019-02-01 | 成都安杰联科技有限公司 | 一种智能侦查巡逻警务车 |
Non-Patent Citations (5)
Title |
---|
RUSTEM DAUTOV 等: "Metropolitan intelligent Surveillance Systems for urban areas by harnessing IoT and edge computing paradigms", 《SOFTWARE:PRACTICE AND EXPERIENCE》 * |
刘向荣等: "基于视频监控的移动巡逻接处警系统架构设计", 《数字通信世界》 * |
张伟 等: "基于Gabor小波和LBPH的实时人脸识别系统", 《计算机技术与发展》 * |
李昌湘 等: "嵌入式人脸识别系统设计与实现", 《智能计算机与应用》 * |
陈雅等: "移动警务系统的架构分析――以广西为例", 《科学中国人》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113487463A (zh) * | 2021-05-25 | 2021-10-08 | 中国联合网络通信集团有限公司 | 流动对象管理方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109740478B (zh) | 车辆检测及识别方法、装置、计算机设备及可读存储介质 | |
Puranic et al. | Vehicle number plate recognition system: a literature review and implementation using template matching | |
US8351662B2 (en) | System and method for face verification using video sequence | |
CN112686812B (zh) | 银行卡倾斜矫正检测方法、装置、可读存储介质和终端 | |
Artan et al. | Driver cell phone usage detection from HOV/HOT NIR images | |
Dlagnekov | License plate detection using adaboost | |
Artan et al. | Passenger compartment violation detection in HOV/HOT lanes | |
CN101937508A (zh) | 一种基于高清图像的车牌定位与识别方法 | |
Felix et al. | Entry and exit monitoring using license plate recognition | |
CN105447503A (zh) | 基于稀疏表示lbp和hog融合的行人检测方法 | |
CN106650623A (zh) | 一种基于人脸检测的出入境人证核实的方法 | |
Dehshibi et al. | Persian vehicle license plate recognition using multiclass Adaboost | |
CN109460722A (zh) | 一种车牌智能识别方法 | |
CN110414454A (zh) | 一种基于机器视觉的人证合一识别系统 | |
CN110458152A (zh) | 一种基于vpn加密传输与公安网互通数据的车载警务系统 | |
CN114612980A (zh) | 基于多方位交融注意力的变形人脸检测 | |
Salahshoor et al. | Application of intelligent systems for iranian license plate recognition | |
Nguwi et al. | Number plate recognition in noisy image | |
Emami et al. | Real time vehicle make and model recognition based on hierarchical classification | |
US20110044497A1 (en) | System, method and program product for camera-based object analysis | |
CN110866435B (zh) | 一种自相似性梯度朝向直方图的远红外行人训练方法 | |
Moghassemi et al. | Iranian License Plate Recognition using connected component and clustering techniques | |
CN111179452A (zh) | 一种基于etc通道客车扣费的系统和方法 | |
Pavani et al. | Image Segmentation based Imperative Feature Subset Model for Detection of Vehicle Number Plate using K Nearest Neighbor Model | |
EP4064218A1 (en) | Vehicle identification profile methods and systems at the edge |
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 |
Application publication date: 20191115 |
|
RJ01 | Rejection of invention patent application after publication |