CN110674749A - 套牌车识别方法、装置和存储介质 - Google Patents
套牌车识别方法、装置和存储介质 Download PDFInfo
- Publication number
- CN110674749A CN110674749A CN201910908070.XA CN201910908070A CN110674749A CN 110674749 A CN110674749 A CN 110674749A CN 201910908070 A CN201910908070 A CN 201910908070A CN 110674749 A CN110674749 A CN 110674749A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- time period
- identified
- target
- position area
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供了一种套牌车识别方法、装置和存储介质，涉及数据处理技术领域。通过获取待识别车辆在设定时间段内过卡口的时间和卡口编号，以及在历史时间段的位置区域分布信息，根据待识别车辆在设定时间段内过卡口的时间和卡口编号得到待识别车辆在设定时间段内出现的目标位置区域和在该目标位置区域的目标出现时间段，并根据目标位置区域和目标出现时间段，以及在历史时间段的位置区域分布信息计算得到待识别车辆的时空区域相关度分数，判断时空区域相关度分数是否低于预设阈值，若低于预设阈值，则判定在设定时间段内，出现在目标位置区域和目标出现时间段的待识别车辆为套牌车，实现了对套牌车的有效识别。
Description
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种套牌车识别方法、装置和存储介质。
背景技术
套牌车是指不法分子伪造和非法套取真牌车的号牌、型号和颜色，使走私、拼装、报废和盗抢来的车辆在表面披上了“合法”的外衣。随着机动车的普及，套牌车现象日益突出，为了杜绝套牌车，有效识别套牌车已成为交管部门急需解决的问题。
发明内容
基于上述研究，本发明提供了一种套牌车识别方法、装置和存储介质。
本发明的实施例可以这样实现：
第一方面，本发明实施例提供一种套牌车识别方法，包括：
获取待识别车辆在设定时间段内过卡口的时间和卡口编号，以及获取所述待识别车辆在历史时间段的位置区域分布信息；
根据所述待识别车辆在所述设定时间段内过卡口的时间和卡口编号得到所述待识别车辆在所述设定时间段内出现的目标位置区域和在该目标位置区域的目标出现时间段；
根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息计算所述待识别车辆的时空区域相关度分数；
判断所述待识别车辆的时空区域相关度分数是否低于预设阈值，若低于所述预设阈值，判定在所述设定时间段内，出现在所述目标位置区域和目标出现时间段的所述待识别车辆为套牌车。
在可选的实施方式中，所述根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息计算所述待识别车辆的时空区域相关度分数的步骤包括：
根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息计算所述待识别车辆的时空频率和逆时空频率；
根据所述时空频率和逆时空频率得到所述待识别车辆的时空区域相关度分数。
在可选的实施方式中，所述位置区域分布信息包括所述待识别车辆出现在每个位置区域内的出现时间段；
所述根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息计算所述待识别车辆的时空频率的步骤包括：
根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息，得到所述待识别车辆在所述历史时间段内在该目标出现时间段出现在该目标位置区域的次数；
根据所述待识别车辆在所述历史时间段的位置区域分布信息，得到所述待识别车辆在所述历史时间段内总的出现次数；
根据所述待识别车辆在所述历史时间段内在该目标出现时间段出现在该目标位置区域的次数以及在所述历史时间段内总的出现次数计算得到所述待识别车辆的时空频率。
在可选的实施方式中，所述待识别车辆的时空频率通过以下公式计算得到：
其中，F为所述待识别车辆的时空频率。
在可选的实施方式中，所述根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息计算所述待识别车辆的逆时空频率的步骤包括：
根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息，得到所述待识别车辆在所述历史时间段内在该目标出现时间段内出现过的位置区域数；
根据所述待识别车辆在所述历史时间段的位置区域分布信息，得到位置区域的总数以及出现时间段的总数；
根据所述待识别车辆在所述历史时间段内在该目标出现时间段内出现过的位置区域数、位置区域的总数以及出现时间段的总数计算得到所述待识别车辆的逆时空频率。
在可选的实施方式中，所述待识别车辆的逆时空频率通过以下公式计算得到：
其中，IF为所述待识别车辆的逆时空频率。
在可选的实施方式中，所述待识别车辆的时空区域相关度分数通过以下公式计算得到：
score＝IF*F；
其中，score为时空区域相关度分数。
在可选的实施方式中，所述历史时间段的位置区域分布信息通过以下步骤得到：
针对每个卡口，采集所述历史时间段内每辆车辆过该卡口的时间、每辆车辆的车牌编号以及该卡口的卡口编号；
根据每辆车辆的车牌编号、过卡口的时间以及卡口编号，建立车过卡口数据集；
按照地理特征进行位置区域划分，对每个位置区域进行编号，并建立每个位置区域与每个位置区域内的卡口的映射关系；
基于所述映射关系，建立位置区域与所述车过卡口数据集的映射关系集合，得到每辆车辆在所述历史时间段内出现在每个位置区域内的时间；
对所述映射关系集合中的每辆车辆过每个卡口的时间进行时间段划分，得到每辆车辆在所述历史时间段内，出现每个位置区域内的出现时间段。
第二方面，本发明实施例提供一种套牌车识别装置，包括获取模块、处理模块以及判断模块；
所述获取模块用于获取待识别车辆在设定时间段内过卡口的时间和卡口编号，以及获取所述待识别车辆在历史时间段的位置区域分布信息，并根据所述待识别车辆在所述设定时间段内过卡口的时间和卡口编号得到所述待识别车辆在所述设定时间段内出现的目标位置区域和在该目标位置区域的目标出现时间段；
所述处理模块用于根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息计算所述待识别车辆的时空区域相关度分数；
所述判断模块用于判断所述待识别车辆的时空区域相关度分数是否低于预设阈值，若低于所述预设阈值，判定在所述设定时间段内，出现在所述目标位置区域和目标出现时间段的所述待识别车辆为套牌车。
第三方面，本发明实施例提供一种存储介质，所述存储介质包括计算机程序，所述计算机程序运行时控制所述存储介质所在计算机设备执行前述实施方式中任意一项所述的套牌车识别方法。
本发明实施例提供的套牌车识别方法、装置和存储介质，通过获取待识别车辆在设定时间段内过卡口的时间和卡口编号，以及待识别车辆在历史时间段的位置区域分布信息，根据待识别车辆在设定时间段内过卡口的时间和卡口编号得到待识别车辆在设定时间段内出现的目标位置区域和在该目标位置区域的目标出现时间段，并根据待识别车辆在设定时间段内出现的目标位置区域和目标出现时间段，以及待识别车辆在历史时间段的位置区域分布信息计算待识别车辆的时空区域相关度分数，在得到待识别车辆的时空区域相关度分数后，判断待识别车辆的时空区域相关度分数是否低于预设阈值，在低于预设阈值的情况下，判定在设定时间段内，出现在目标位置区域和目标出现时间段的待识别车辆为套牌车，进而实现了对套牌车的有效识别。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例所提供的电子设备的一种方框示意图。
图2为本发明实施例所提供的套牌车识别方法的一种流程示意图。
图3为本发明实施例所提供的套牌车识别方法的另一种流程示意图。
图4为本发明实施例所提供的套牌车识别方法的又一种流程示意图。
图5为本发明实施例所提供的套牌车识别方法中的车过卡口数据集的一种示意图。
图6为本发明实施例所提供的套牌车识别方法中的映射关系的一种示意图。
图7为本发明实施例所提供的套牌车识别方法中的映射关系集合的一种示意图。
图8为本发明实施例所提供的套牌车识别方法中的映射关系集合的另一种示意图。
图9为本发明实施例所提供的套牌车识别方法的又一种流程示意图。
图10为本发明实施例所提供的套牌车识别方法的又一种流程示意图。
图11为本发明实施例所提供的套牌车识别装置的一种方框示意图。
图标：100-电子设备；10-套牌车识别装置；11-获取模块；12-处理模块；13-判断模块；20-存储器；30-处理器；40-通信单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
需要说明的是，在不冲突的情况下，本发明的实施例中的特征可以相互结合。
目前，对套牌车的识别，一般都采用比对矛盾法，主要包括车辆信息矛盾法和时空轨迹矛盾法，车辆信息矛盾法主要是将卡口摄像识别得到车辆的车牌号和车辆类型、车身颜色等信息与交管部门中的车辆登记信息进行比对，如果发现卡口摄像识别得到的车牌号对应的车型、颜色等信息和交管部门的车辆登记信息不符，或者发现该车牌号根本不存在，则判断该车牌号被套牌。但由于车辆信息矛盾法过于依赖于车过卡口时所拍摄图片中的车辆颜色，车型等信息的识别准确度，若在夜间或者气候条件不好的情况下，则识别得到的车型和车身颜色等信息很容易出现错误，则此时分析出来的套牌车数据量会很大，同时也存在许多错误的识别结果，并且，如果套牌车辆和被套牌车辆的车型、车身颜色等信息一致，则需要校验发动机机号等内部特征，而这些内部特征难以通过拍摄的车过卡口照片获得。
时空轨迹矛盾法主要是通过分析车过卡口记录中的车辆轨迹，找出自相矛盾的行车轨迹，例如短时间间隔内出现在相隔较远的两个地点，则可以判断该车被套牌，但却没有分析出在矛盾时空的两辆车辆谁是套牌的，谁是真的。
基于上述研究，本发明实施例提供了一种套牌车识别方法，以改善上述问题。
请参阅图1，本实施例提供的一种套牌车识别方法，应用于图1所示的电子设备100，由所述电子设备100执行本实施例所提供的套牌车识别方法。在本实施例中，所述电子设备100可以是，但不限于，个人电脑(Personal Computer，PC)、笔记本电脑、个人数字助理(Personal Digital Assistant，PDA)或服务器等具有处理能力的电子设备100。
所述电子设备100包括套牌车识别装置10、存储器20、处理器30以及通信单元40；所述存储器20、处理器30以及通信单元40各个元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互直接可通过一条或多条通讯总线或信号线实现电性连接。所述套牌车识别装置10包括至少一个可以软件或固件(Firmware)的形式存储于所述存储器20中的软件功能模块，所述处理器30通过运行存储在存储器20内的软件程序以及模块，从而执行各种功能应用以及数据处理。
所述存储器20可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。
所述处理器30可以是一种集成电路芯片，具有信号的处理能力。所述处理器30可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等。
所述通信单元40用于通过网络建立所述电子设备100与其他外部设备之间的通信连接，并通过所述网络进行数据传输。
可以理解，图1所示的结构仅为示意，所述电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请结合参阅图2，图2为本实施例所提供的套牌车识别方法的流程示意图，由图1所示的电子设备执行，下面对图2所示的流程示意图进行详细阐述。
步骤S10：获取待识别车辆在设定时间段内过卡口的时间和卡口编号，以及获取所述待识别车辆在历史时间段的位置区域分布信息。
在本实施中，每条行驶道路上均设置有多个卡口，每个卡口均设有唯一编号，以及记录车辆行驶信息的信息记录设备，例如摄像设备。车辆在行驶道路上行驶，经过每个卡口时，设置在每个卡口的信息记录设备对该车辆过卡口时的时间、卡口编号、车牌编号、车型以及车身颜色等车辆行驶信息进行记录，从而得到车辆的过卡口记录。
若存在某辆车辆疑似被套牌，则获取该车辆，即待识别车辆在设定时间段的过卡口记录，得到该待识别车辆在设定时间段内过卡口的时间以及卡口编号，并获取该待识别车辆在历史时间段的位置区域分布信息。
可选的，在本实施例中，所述设定时间段可以是该待识别车辆疑似被套牌的时间段，即该待识别车辆发生违章操作的前后时间段，例如，该待识别车辆在11点发生违章操作，疑似被套牌，则获取该待识别车辆在10点至12点这段时间内的过卡口记录。
可选的，在本实施例中，所述历史时间段可以是6至18个月，也可以是3至12个月，或者是6至12个月等等，例如，某辆待识别车辆在2019年9月1日11点发生违章操作，疑似被套牌，则设定时间段可以是2019年9月1日10点至12点这段时间，历史时间段可以是2018年3月1日至2019年8月31日这段时间，也可以是2019年1月1日至2019年8月31日这段时间，历史时间段的选取，本实施例不做限制，可根据实际情况而设定。
步骤S20：根据所述待识别车辆在所述设定时间段内过卡口的时间和卡口编号得到所述待识别车辆在所述设定时间段内出现的目标位置区域和在该目标位置区域的目标出现时间段。
在本实施例中，每个卡口与每个卡口所位于的位置区域均建立有映射关系，针对每一个卡口，根据该卡口的唯一卡口编号，即可得到该卡口所位于的位置区域，因此，在获取得到该待识别车辆在设定时间段内过卡口的卡口编号后，即可根据过卡口的卡口编号，得到该待识别车辆在设定时间段内出现的目标位置区域。
在本实施例中，可预先根据每辆车辆过卡口的过卡口记录，即根据每辆车辆过每个卡口的时间，对一天24小时进行时间段的划分，得到多个不同的出现时间段，例如，可以根据每辆车辆过卡口的过卡口记录，将一天24小时均匀划分为6个不同的出现时间段，即晚上零点到4点为第一个出现时间段，4点至早上8点为第二个出现时间段，早上8点至12点为第三个出现时间段，12点至16点为第四个出现时间段，16点至20点为第五个出现时间段，20点至24点为第六个出现时间段，以此划分，也可以根据每辆车辆过卡口的过卡口记录，将一天24小时划分为其他数量的出现时间段，本实例不做限制，可根据实际情况而选择。
可选的，在本实例中，根据每辆车辆过卡口的过卡口记录，将一天24小时划分为5个不同的出现时间段，早上7点至9点30为第一出现时间段，早上9点30至下午17点30为第二出现时间段，下午17点30至晚上21点为第三出现时间段，晚上21点至晚上24点为第四出现时间段，晚上24点至早上7点为第五出现时间段。
在对出现时间段划分后，即可根据待识别车辆在设定时间段内过卡口的时间和卡口编号，得到该待识别车辆在设定时间段内出现的目标位置区域和在该目标位置区域的目标出现时间段。例如，该待识别车辆在设定时间段内(例如早上6点至10点)过卡口的时间为8点37分，卡口编号为123，其中，编号为123的卡口位于位置区域A，时间8点37分属于第一出现时间段，则该待识别车辆在设定时间段内的出现的目标位置区域为位置区域A，以及出现在该目标位置区域的目标出现时间段位第一出现时间段。
在得到待识别车辆在设定时间段内出现的目标位置区域和在该目标位置区域的目标出现时间段后，执行步骤S30至步骤S40。
步骤S30：根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息计算所述待识别车辆的时空区域相关度分数。
步骤S40：判断所述待识别车辆的时空区域相关度分数是否低于预设阈值。
其中，在根据该待识别车辆在设定时间段内出现的目标位置区域和目标出现时间段，以及该待识别车辆在历史时间段的位置区域分布信息计算得到该待识别车辆的时空区域相关度分数后，判断待识别车辆的时空区域相关度分数是否低于预设阈值，所述预设阈值可以为5，可以为6，也可以为其他数值，本实施例不做限制。
进一步的，若判断得到该待识别车辆的时空区域相关度分数小于预设阈值，执行步骤S41，判断得到该待识别车辆的时空区域相关度分数大于预设阈值，执行步骤S42。
步骤S41：判定在设定时间段内，出现在目标位置区域和目标出现时间段的待识别车辆为套牌车。
步骤S42：判定在设定时间段内，出现在目标位置区域和目标出现时间段的待识别车辆不为套牌车。
本实施例所提供的套牌车识别方法，在得到待识别车辆的时空区域相关度分数后，将待识别车辆的时空区域相关度分数与预设阈值进行对比，由此实现了套牌车的有效识别，且对车过卡口时所拍摄图片中的车辆颜色，车型等信息的识别准确度依赖性不高，在套牌车辆和被套牌车辆的车型、车身颜色等信息一致的情况下，也无需对发动机机号等内部特征进行校验。
除此之外，本实施例所提供的套牌车识别方法，还根据时空区域相关度分数可有效识别出在矛盾时空的两辆车辆谁是套牌车。例如，某车辆在A时间点出现在a位置区域，B时间点出现在b位置区域，且A时间点与B时间点间隔较短，a位置区域与b位置区域相隔较远，因此，可以得知该车辆被套牌。根据A时间点以及a位置区域，以及该车辆的历史时间段的位置区域分布信息可以计算得到一个时空区域相关度分数m，根据B时间点以及b位置区域，以及该车辆的历史时间段的位置区域分布信息可以计算得到另一个时空区域相关度分数n，通过将m和n进行比对，即可得知分别出现在a位置区域以及b位置区域的车辆谁是套牌车，例如，m的值小于n的值，则判定在A时间点出现在a位置区域的车辆为套牌车；n的值小于m的值，则判定在B时间点出现在b位置区域的车辆为套牌车，进而，可有效识别出在矛盾时空的两辆车辆谁是套牌车。
在本实施例中，车辆的时空区域相关度是基于车辆出现的时空特性与人的社会活动相关所建立的，若某辆车总在某出现时间段某位置区域出现，则说明该车车主的活动与此时空相关性很大，但如果某辆车在某出现时段在不同位置区域都出现，则说明该车主在该出现时间段的活动不稳定(相关度小)，而该车辆则疑似被套牌，因此，基于车辆出现的时空特性与人的社会活动相关，计算车辆的时空区域相关度分数，则可以对该车辆的社会活动性进行判断，从而对车辆是否被套牌进行有效识别。
在进一步的实施方式中，请结合参阅图3，所述根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息计算所述待识别车辆的时空区域相关度分数的步骤包括步骤S31至步骤S32。
步骤S31：根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息计算所述待识别车辆的时空频率和逆时空频率。
其中，本实施例所述的位置区域分布信息包括待识别车辆出现在每个位置区域内的出现时间段。
作为一种可选的实施方式，请结合参阅图4，本实施例所述历史时间段的位置区域分布信息通过步骤S50至步骤S90得到：
步骤S50：针对每个卡口，采集所述历史时间段内每辆车辆过该卡口的时间、每辆车辆的车牌编号以及该卡口的卡口编号。
步骤S60：根据每辆车辆的车牌编号、过卡口的时间以及卡口编号，建立车过卡口数据集。
其中，根据每辆车辆的车牌编号、过卡口的时间以及卡口编号，建立的车过卡口数据集可以如图5所示，本实施例所提供的车过卡口数据集中包括了每辆车辆过每个卡口的时间数据。
步骤S70：按照地理特征进行位置区域划分，对每个位置区域进行编号，并建立每个位置区域与每个位置区域内的卡口的映射关系。
其中，对于某一地理区域(某城市)，可以按照行政区划或者街道组合等地理特征进行位置区域划分，得到多个位置区域，在得到多个位置区域后，对划分得到的多个位置区域进行编号。
如图6所示，针对编号后的每个位置区域，根据该位置区域的编号以及该位置区域内的卡口的卡口编号，对该位置区域以及该位置区域里的卡口建立映射关系，得到每个位置区域与每个位置区域内的卡口的映射关系。
步骤S80：基于所述映射关系，建立位置区域与所述车过卡口数据集的映射关系集合，得到每辆车辆在所述历史时间段内出现在每个位置区域内的时间。
其中，在得到每个位置区域与每个位置区域内的卡口的映射关系后，基于每个位置区域与每个位置区域内的卡口的映射关系，以及车过卡口数据集，建立位置区域与车过卡口数据集的映射关系集合，如图7所示。根据建立的映射关系集合，即可得到每辆车辆在历史时间段内出现在每个位置区域内的时间。
步骤S90：对所述映射关系集合中的每辆车辆过每个卡口的时间进行时间段划分，得到每辆车辆在所述历史时间段内，出现每个位置区域内的出现时间段。
其中，在得到映射关系集合中的每辆车辆过每个卡口的时间后，根据每辆车辆过每个卡口的时间，对一天24小时进行时间段的划分，得到多个不同的出现时间段，然后根据每辆车辆过每个卡口的时间，即可得到每辆车辆在历史时间段内，出现每个位置区域内的出现时间段，如图8所示。
作为一种可选的实施方式，本实施例所提供的历史时间段的位置区域分布信息还可以根据预设时间间隔更新信息，以提高数据的准确性。
在进一步的实施方式中，请结合参阅图9，所述根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息计算所述待识别车辆的时空频率的步骤包括步骤S311至S313。
步骤S311：根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息，得到所述待识别车辆在所述历史时间段内在该目标出现时间段出现在该目标位置区域的次数。
步骤S312：根据所述待识别车辆在所述历史时间段的位置区域分布信息，得到所述待识别车辆在所述历史时间段内总的出现次数。
步骤S313：根据所述待识别车辆在所述历史时间段内在该目标出现时间段出现在该目标位置区域的次数以及在所述历史时间段内总的出现次数计算得到所述待识别车辆的时空频率。
其中，在得到该待识别车辆在历史时间段内在该目标出现时间段出现在该目标位置区域的次数，以及该待识别车辆在历史时间段内总的出现次数后，根据以下公式计算得到该待识别车辆的时空频率：
其中，F为所述待识别车辆的时空频率。
在进一步的实施方式中，请结合参阅图10，所述根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息计算所述待识别车辆的逆时空频率的步骤包括步骤S314至步骤S316。
步骤S314：根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息，得到所述待识别车辆在所述历史时间段内在该目标出现时间段内出现过的位置区域数。
步骤S315：根据所述待识别车辆在所述历史时间段的位置区域分布信息，得到位置区域的总数以及出现时间段的总数。
步骤S316：根据所述待识别车辆在所述历史时间段内在该目标出现时间段内出现过的位置区域数、位置区域的总数以及出现时间段的总数计算得到所述待识别车辆的逆时空频率。
其中，在得到待识别车辆在历史时间段内在该目标出现时间段内出现过的位置区域数、位置区域的总数以及出现时间段的总数后，根据以下公式计算得到该待识别车辆的逆时空频率：
其中，IF为所述待识别车辆的逆时空频率。
在得到该识别车辆的时空频率和逆时空频率后，执行步骤S32。
步骤S32：根据所述时空频率和逆时空频率得到所述待识别车辆的时空区域相关度分数。
其中，根据待识别车辆的时空频率和逆时空频率根据以下公式计算得到该待识别车辆的时空区域相关度分数：
score＝IF*F；
其中，score为时空区域相关度分数。
当计算得到时空区域相关度分数小于预设阈值，则判定在设定时间段内，出现在目标位置区域和目标出现时间段的待识别车辆为套牌车。例如，某待识别车辆在设定时间段内(发生违章操作)出现在位置区域a，且在A出现时间段出现在该位置区域a，假设，该待识别车辆在历史时间段内，在A出现时间段出现在位置区域a的次数是1次，在A出现时间段出现过的位置区域有2个，在历史时间段内，该待识别车辆总共出现1000次，且位置区域的总数为10个，出现时间段的总数为6个，则该待识别车辆的时空频率F＝1/1000＝0.001，该待识别车辆的逆时空频率IF＝6*10/2＝30，则根据该待识别车辆的时空频率以及逆时空频率计算得到时空区域相关度分数score＝IF*F＝30*0.1＝3分，假设预设阈值为5分，该待识别车辆的时空区域相关度分数小于预设阈值，则在设定时间段内，出现在位置区域a和A出现时间段的该待识别车辆为套牌车。
本实施例所提供的套牌车识别方法，通过待识别车辆在设定时间段内出现的目标位置区域和目标出现时间段，以及待识别车辆在历史时间段的位置区域分布信息计算得到待识别车辆的时空区域相关度分数，并根据待识别车辆的时空区域相关度分数，对在设定时间段内，出现在目标位置区域和目标出现时间段的待识别车辆进行识别，实现了套牌车的有效识别。
在上述基础上，请结合参阅图11，本发明实施例提供一种套牌车识别装置10，包括获取模块11、处理模块12以及判断模块13。
所述获取模块11用于获取待识别车辆在设定时间段内过卡口的时间和卡口编号，以及获取所述待识别车辆在历史时间段的位置区域分布信息，并根据所述待识别车辆在所述设定时间段内过卡口的时间和卡口编号得到所述待识别车辆在所述设定时间段内出现的目标位置区域和在该目标位置区域的目标出现时间段。
所述处理模块12用于根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息计算所述待识别车辆的时空区域相关度分数。
所述判断模块13用于判断所述待识别车辆的时空区域相关度分数是否低于预设阈值，若低于所述预设阈值，判定在所述设定时间段内，出现在所述目标位置区域和目标出现时间段的所述待识别车辆为套牌车。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的套牌车识别装置10的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。
在上述基础上，本发明实施例还提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被执行时实现前述实施方式中任意一项所述的套牌车识别方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的存储介质的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。
综上，本发明实施例提供的套牌车识别方法、装置和存储介质，通过获取待识别车辆在设定时间段内过卡口的时间和卡口编号，以及待识别车辆在历史时间段的位置区域分布信息，根据待识别车辆在设定时间段内过卡口的时间和卡口编号得到待识别车辆在设定时间段内出现的目标位置区域和在该目标位置区域的目标出现时间段，并根据待识别车辆在设定时间段内出现的目标位置区域和目标出现时间段，以及待识别车辆在历史时间段的位置区域分布信息计算待识别车辆的时空区域相关度分数，在得到待识别车辆的时空区域相关度分数后，判断待识别车辆的时空区域相关度分数是否低于预设阈值，在低于预设阈值的情况下，判定在设定时间段内，出现在目标位置区域和目标出现时间段的待识别车辆为套牌车，进而实现了对套牌车的有效识别。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种套牌车识别方法，其特征在于，包括：
获取待识别车辆在设定时间段内过卡口的时间和卡口编号，以及获取所述待识别车辆在历史时间段的位置区域分布信息；
根据所述待识别车辆在所述设定时间段内过卡口的时间和卡口编号得到所述待识别车辆在所述设定时间段内出现的目标位置区域和在该目标位置区域的目标出现时间段；
根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息计算所述待识别车辆的时空区域相关度分数；
判断所述待识别车辆的时空区域相关度分数是否低于预设阈值，若低于所述预设阈值，判定在所述设定时间段内，出现在所述目标位置区域和目标出现时间段的所述待识别车辆为套牌车。
2.根据权利要求1所述的套牌车识别方法，其特征在于，所述根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息计算所述待识别车辆的时空区域相关度分数的步骤包括：
根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息计算所述待识别车辆的时空频率和逆时空频率；
根据所述时空频率和逆时空频率得到所述待识别车辆的时空区域相关度分数。
3.根据权利要求2所述的套牌车识别方法，其特征在于，所述位置区域分布信息包括所述待识别车辆出现在每个位置区域内的出现时间段；
所述根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息计算所述待识别车辆的时空频率的步骤包括：
根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息，得到所述待识别车辆在所述历史时间段内在该目标出现时间段出现在该目标位置区域的次数；
根据所述待识别车辆在所述历史时间段的位置区域分布信息，得到所述待识别车辆在所述历史时间段内总的出现次数；
根据所述待识别车辆在所述历史时间段内在该目标出现时间段出现在该目标位置区域的次数以及在所述历史时间段内总的出现次数计算得到所述待识别车辆的时空频率。
4.根据权利要求3所述的套牌车识别方法，其特征在于，所述待识别车辆的时空频率通过以下公式计算得到：
其中，F为所述待识别车辆的时空频率。
5.根据权利要求4所述的套牌车识别方法，其特征在于，所述根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息计算所述待识别车辆的逆时空频率的步骤包括：
根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息，得到所述待识别车辆在所述历史时间段内在该目标出现时间段内出现过的位置区域数；
根据所述待识别车辆在所述历史时间段的位置区域分布信息，得到位置区域的总数以及出现时间段的总数；
根据所述待识别车辆在所述历史时间段内在该目标出现时间段内出现过的位置区域数、位置区域的总数以及出现时间段的总数计算得到所述待识别车辆的逆时空频率。
6.根据权利要求5所述的套牌车识别方法，其特征在于，所述待识别车辆的逆时空频率通过以下公式计算得到：
其中，IF为所述待识别车辆的逆时空频率。
7.根据权利要求6所述的套牌车识别方法，其特征在于，所述待识别车辆的时空区域相关度分数通过以下公式计算得到：
score＝IF*F；
其中，score为时空区域相关度分数。
8.根据权利要求1所述的套牌车识别方法，其特征在于，所述历史时间段的位置区域分布信息通过以下步骤得到：
针对每个卡口，采集所述历史时间段内每辆车辆过该卡口的时间、每辆车辆的车牌编号以及该卡口的卡口编号；
根据每辆车辆的车牌编号、过卡口的时间以及卡口编号，建立车过卡口数据集；
按照地理特征进行位置区域划分，对每个位置区域进行编号，并建立每个位置区域与每个位置区域内的卡口的映射关系；
基于所述映射关系，建立位置区域与所述车过卡口数据集的映射关系集合，得到每辆车辆在所述历史时间段内出现在每个位置区域内的时间；
对所述映射关系集合中的每辆车辆过每个卡口的时间进行时间段划分，得到每辆车辆在所述历史时间段内，出现每个位置区域内的出现时间段。
9.一种套牌车识别装置，其特征在于，包括获取模块、处理模块以及判断模块；
所述获取模块用于获取待识别车辆在设定时间段内过卡口的时间和卡口编号，以及获取所述待识别车辆在历史时间段的位置区域分布信息，并根据所述待识别车辆在所述设定时间段内过卡口的时间和卡口编号得到所述待识别车辆在所述设定时间段内出现的目标位置区域和在该目标位置区域的目标出现时间段；
所述处理模块用于根据所述待识别车辆在所述设定时间段内出现的目标位置区域和目标出现时间段，以及所述待识别车辆在所述历史时间段的位置区域分布信息计算所述待识别车辆的时空区域相关度分数；
所述判断模块用于判断所述待识别车辆的时空区域相关度分数是否低于预设阈值，若低于所述预设阈值，判定在所述设定时间段内，出现在所述目标位置区域和目标出现时间段的所述待识别车辆为套牌车。
10.一种存储介质，其特征在于，所述存储介质包括计算机程序，所述计算机程序运行时控制所述存储介质所在计算机设备执行权利要求1-8中任意一项所述的套牌车识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910908070.XA CN110674749B (zh) | 2019-09-24 | 2019-09-24 | 套牌车识别方法、装置和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910908070.XA CN110674749B (zh) | 2019-09-24 | 2019-09-24 | 套牌车识别方法、装置和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110674749A true CN110674749A (zh) | 2020-01-10 |
| CN110674749B CN110674749B (zh) | 2022-10-25 |
Family
ID=69078709
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910908070.XA Active CN110674749B (zh) | 2019-09-24 | 2019-09-24 | 套牌车识别方法、装置和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110674749B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111708769A (zh) * | 2020-05-22 | 2020-09-25 | 北京明略软件系统有限公司 | 一种实现信息处理的方法、系统、计算机存储介质及终端 |
| CN113470369A (zh) * | 2021-07-19 | 2021-10-01 | 佳都科技集团股份有限公司 | 一种基于多维度信息判断套牌车辆真实号牌的方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106342332B (zh) * | 2008-07-04 | 2012-10-03 | 中国航空工业集团公司洛阳电光设备研究所 | 机载运动条件下视场切换时目标跟踪保持方法 |
| EP2842109A1 (en) * | 2012-04-27 | 2015-03-04 | Fleetmatics Irl Limited | System and method for automated identification of frequent stop locations for vehicle fleets |
| CN107563288A (zh) * | 2017-07-31 | 2018-01-09 | 东软集团股份有限公司 | 一种套牌车车辆的识别方法和装置 |
| CN109376639A (zh) * | 2018-10-16 | 2019-02-22 | 上海弘目智能科技有限公司 | 基于人像识别的伴随人员预警系统及方法 |
-
2019
- 2019-09-24 CN CN201910908070.XA patent/CN110674749B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106342332B (zh) * | 2008-07-04 | 2012-10-03 | 中国航空工业集团公司洛阳电光设备研究所 | 机载运动条件下视场切换时目标跟踪保持方法 |
| EP2842109A1 (en) * | 2012-04-27 | 2015-03-04 | Fleetmatics Irl Limited | System and method for automated identification of frequent stop locations for vehicle fleets |
| CN107563288A (zh) * | 2017-07-31 | 2018-01-09 | 东软集团股份有限公司 | 一种套牌车车辆的识别方法和装置 |
| CN109376639A (zh) * | 2018-10-16 | 2019-02-22 | 上海弘目智能科技有限公司 | 基于人像识别的伴随人员预警系统及方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111708769A (zh) * | 2020-05-22 | 2020-09-25 | 北京明略软件系统有限公司 | 一种实现信息处理的方法、系统、计算机存储介质及终端 |
| CN111708769B (zh) * | 2020-05-22 | 2023-05-23 | 北京明略软件系统有限公司 | 一种实现信息处理的方法、系统、计算机存储介质及终端 |
| CN113470369A (zh) * | 2021-07-19 | 2021-10-01 | 佳都科技集团股份有限公司 | 一种基于多维度信息判断套牌车辆真实号牌的方法及系统 |
| CN113470369B (zh) * | 2021-07-19 | 2022-05-17 | 佳都科技集团股份有限公司 | 一种基于多维度信息判断套牌车辆真实号牌的方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110674749B (zh) | 2022-10-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107645709B (zh) | 一种确定人员信息的方法及装置 | |
| CN108268867B (zh) | 一种车牌定位方法及装置 | |
| CN110674749B (zh) | 套牌车识别方法、装置和存储介质 | |
| CN112183367B (zh) | 车辆数据检错方法、装置、服务器及存储介质 | |
| US20230073717A1 (en) | Systems And Methods For Electronic Surveillance | |
| CN110956822B (zh) | 套牌车识别方法、装置、电子设备和可读存储介质 | |
| CN111369797A (zh) | 车辆监测方法、电子围栏的构建方法、电子围栏及装置 | |
| CN112330715A (zh) | 一种跟踪方法、跟踪装置、终端设备及可读存储介质 | |
| CN109389622B (zh) | 车辆追踪方法、装置、识别设备及存储介质 | |
| CN114333347A (zh) | 车辆信息融合方法、装置、计算机设备及存储介质 | |
| CN112218243A (zh) | 海量人车数据的关联方法、装置、设备及存储介质 | |
| CN111767776B (zh) | 一种异常车牌推选方法及装置 | |
| CN114332707A (zh) | 设备有效性的确定方法及装置、存储介质、电子装置 | |
| CN111461905A (zh) | 车险骗赔规避方法、装置、计算机设备及存储介质 | |
| CN112735143A (zh) | 一种实时车辆布控实现方法、装置及存储介质 | |
| US20160358462A1 (en) | Method and system for vehicle data integration | |
| CN112115946A (zh) | 车牌的套牌识别方法、装置、存储介质和电子设备 | |
| CN111325054B (zh) | 一种确定克隆车辆的方法、装置及计算设备 | |
| CN112866295B (zh) | 一种大数据防爬虫处理方法及云平台系统 | |
| CN114202919A (zh) | 一种非机动车电子车牌遮挡的识别方法、装置及系统 | |
| CN110176145B (zh) | 套牌车的检测方法及装置、卡口 | |
| CN114999166B (zh) | 车辆识别方法、装置、电子设备及计算机可读存储介质 | |
| CN114005186A (zh) | 一种车牌识别方法、装置及停车管理系统 | |
| CN113902999A (zh) | 一种跟踪方法、装置、设备及介质 | |
| CN113689705A (zh) | 车辆闯红灯检测方法、装置、计算机设备和存储介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210914 Address after: 100000 room 650, 6th floor, building 11, Huashan Garden Cultural Media Industrial Park, 1376 folk culture street, Gaobeidian village, Gaobeidian Township, Chaoyang District, Beijing Applicant after: Beijing Zhizhi Heshu Technology Co.,Ltd. Address before: No.310, building 4, courtyard 8, Dongbei Wangxi Road, Haidian District, Beijing Applicant before: MININGLAMP SOFTWARE SYSTEMS Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |