CN110781759B - 车辆与驾驶人员的信息绑定方法、装置及计算机存储介质 - Google Patents
车辆与驾驶人员的信息绑定方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN110781759B CN110781759B CN201910935048.4A CN201910935048A CN110781759B CN 110781759 B CN110781759 B CN 110781759B CN 201910935048 A CN201910935048 A CN 201910935048A CN 110781759 B CN110781759 B CN 110781759B
- Authority
- CN
- China
- Prior art keywords
- information
- vehicle
- sub
- face
- image
- 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
- 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
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
- 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
Abstract
本发明公开了一种车辆与驾驶人员的信息绑定方法、装置以及计算机存储介质,该方法包括:获取至少两个关联子拍摄系统从各自对应的监控区域拍摄的人脸图像和车辆图像,识别人脸图像得到人脸信息,识别车辆图像得到车辆信息;针对每一关联子拍摄系统,将人脸信息与车辆信息进行关联,以形成一组候选信息匹配对;在不同的关联子拍摄系统的不同组候选信息匹配对之间进行相似度匹配,以确定最终信息匹配对。通过上述方式,本发明可以实现非机动车的车辆信息与驾驶人员的人脸信息的绑定。
Description
技术领域
本发明涉及交通监控领域,特别是涉及一种车辆与驾驶人员的信息绑定方法、装置及计算机存储介质。
背景技术
图像的采集与分析技术是当前交通管理常用的技术之一,如使用基于车牌图像识别的交通违法事件检测或基于其他车辆特征图像识别的其他交通事件检测,如何从车牌和车辆的信息快速确定违法的驾驶人员,以对交通违法事件进行监管显得尤为重要。
现有技术中,没有一种良好的方法将驾驶人员与车辆的信息进行绑定。
发明内容
本发明提供一种车辆与驾驶人员的信息绑定方法、装置及计算机存储介质,以解决现有技术中无法将车辆信息与人脸信息进行绑定的问题。
为解决上述技术问题,本发明采用的一个技术方案是:提供一种车辆与驾驶人员的信息绑定方法,所述方法包括:获取至少两个关联子拍摄系统从各自对应的监控区域拍摄的人脸图像和车辆图像,其中每一所述关联子拍摄系统包括相互关联的第一子拍摄系统和第二子拍摄系统,用于分别拍摄所述人脸图像和所述车辆图像;识别所述人脸图像得到人脸信息,识别所述车辆图像得到车辆信息;针对每一关联子拍摄系统,将所述人脸信息与所述车辆信息进行关联,以形成一组候选信息匹配对;在不同的关联子拍摄系统的不同组候选信息匹配对之间进行相似度匹配,以确定最终信息匹配对。
为解决上述技术问题,本发明采用的另一个技术方案是:提供一种车辆与驾驶人员的信息绑定装置,所述装置包括:获取模块,用于获取至少两个关联子拍摄系统从各自对应的监控区域拍摄的人脸图像和车辆图像,其中每一所述关联子拍摄系统包括相互关联的第一子拍摄系统和第二子拍摄系统,用于分别拍摄所述人脸图像和所述车辆图像;识别模块,用于识别所述人脸图像得到人脸信息,识别所述车辆图像得到车辆信息;关联模块,用于针对每一关联子拍摄系统,将所述人脸信息与所述车辆信息进行关联,以形成一组候选信息匹配对;匹配模块,用于在不同的关联子拍摄系统的不同组候选信息匹配对之间进行相似度匹配,以确定最终信息匹配对。
为解决上述技术问题,本发明采用的另一个技术方案是:提供一种车辆与驾驶人员的信息绑定装置,所述装置包括处理器和存储器,存储器中存储有计算机程序,处理器用于执行计算机程序以实现上述车辆与驾驶人员的信息绑定方法的步骤。
为解决上述技术问题,本发明采用的另一个技术方案是:提供一种计算机存储介质,其中存储有计算机程序,计算机程序被执行时实现上述车辆与驾驶人员的信息绑定方法的步骤。
区别于现有技术,本发明通过获取至少两个关联子拍摄系统从各自对应的监控区域拍摄的人脸图像和车辆图像,并识别人脸图像得到人脸信息,识别车辆图像得到车辆信息。将同一拍摄系统的人脸信息与车辆信息进行关联,从而形成一组候选信息匹配对。随后对不同的两个关联子系统的不同组候选信息匹配对进行相似度匹配,从而确定最终信息匹配对,从而实现了非机动车与驾驶人员的信息绑定。且进一步的,可以确保最终信息匹配对所对应的非机动车及其驾驶人员至少被两个关联子系统所拍摄到,通过相互验证,提高了绑定的准确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对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的附图。
图1是本发明车辆与驾驶人员的信息绑定方法第一实施例的流程示意图;
图2是关联子拍摄系统的示意图;
图3是本发明车辆与驾驶人员的信息绑定方法第二实施例的流程示意图;
图4是人脸图像一实施方式的示意图;
图5是车辆图像一实施方式的示意图;
图6是车辆图像旋转180度后一实施方式的示意图;
图7是图1步骤S14的子步骤一实施例的流程示意图;
图8是本发明车辆与驾驶人员的信息绑定方法第三实施例的流程示意图;
图9是本发明车辆与驾驶人员的信息绑定方法第四实施例的流程示意图;
图10是图1步骤S11的子步骤一实施例的流程示意图;
图11是本发明车辆与驾驶人员的信息绑定装置一实施例的结构示意图
图12是本发明车辆与驾驶人员的信息绑定装置另一实施例的结构示意图;
图13是本发明计算机存储介质一实施例的结构示意图。
具体实施方式
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,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。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。
具体请参阅图1,图1是本发明车辆与驾驶人员的信息绑定方法第一实施例的流程示意图,本实施例车辆与驾驶人员的信息绑定方法包括以下步骤。
S11,获取至少两个关联子拍摄系统从各自对应的监控区域拍摄的人脸图像和车辆图像。
如图2所示,关联子拍摄系统包括有相互关联的第一子拍摄系统和第二子拍摄系统,第一子拍摄系统与第二子拍摄系统相互间隔设置,对应的监控区域则位于第一子拍摄系统与第二子拍摄系统的间隔区域内。
具体地,当驾驶人员驾驶非机动车进入到该监控区域内时,第一子拍摄系统用于对驾驶人员的人脸图像进行拍摄,第二子拍摄系统用于对非机动车的车辆图像进行拍摄。
具体地,当驾驶人员驾驶非机动车进入到该监控区域内时,第一子拍摄系统能够从位于监控区域的非机动车的前侧进行拍摄,从而获得位于非机车上的驾驶人员的人脸图像,第二子拍摄系统能够从位于监控区域的非机动车的后侧进行拍摄,进而获得非机动车的车辆图像。
S12,识别人脸图像得到人脸信息,识别车辆图像得到车辆信息。
在具体实施例中,第一子拍摄系统所获得的人脸图像是指第一子拍摄系统拍摄的图像中包括了驾驶人员的人脸图像,还可以包括非机动车等其他的信息,可以通过识别人脸图像得到驾驶人员的人脸信息。
具体地,第二子拍摄系统所获得的车辆图像也是指第二子拍摄系统拍摄的图像中包括了非机动车的车辆图像,还可以包括驾驶人员的后背图像等等信息,可以通过识别车辆图像得到非机动车的车辆信息。
具体地,车辆信息具体可以包括非机动车的车牌信息和颜色信息等,由于非机动车一般车牌位于非机动车的后方,因此,通过第二子拍摄系统的从非机动车的后侧进行拍摄,从而可以获取到非机动车的车牌信息。
S13,针对每一关联子拍摄系统,将人脸信息与车辆信息进行关联,以形成一组候选信息匹配对。
针对每一个关联子拍摄系统,则可以将从同一关联子拍摄系统中的第一子拍摄系统获取的人脸图像识别出的人脸信息与第二子拍摄系统获取的车辆图像识别出的车辆信息进行关联。从而形成一组候选信息匹配对,该候选信息匹配对包括了人脸信息与车辆信息及其映射关系。
在一具体实施例中,人脸图像中只有一位驾驶人员的人脸信息A1,车辆图像也只有一辆非机动车的车辆信息B1。因此,可以直接将人脸信息A1与车辆信息B1进行关联,以形成一组候选信息匹配对A1-B1。
在一具体实施例中,人脸图像中可能存在多位驾驶人员的人脸信息,可能是由于有多辆非机动车,因此有多位驾驶人员,也可以是由于行人等影响。车辆图像也可能存在多辆非机动车的车辆信息。
需要知道的是,本发明中提及的人脸图像可能是驾驶人员的人脸图像,也可能是行人的人脸图像。可以通过检测识别进行筛选,如判断非机动车与驾驶人员的位置信息,来保证人脸图像大部分属于驾驶人员的。
在一具体场景中,人脸图像中包括三位驾驶人员的人脸信息(A1,A2,A3)。车辆图像也包括了三辆非机动车的车辆信息(B1,B2,B3)
将人脸信息与车辆信息进行关联时需要对人脸信息与车辆信息进行交叉关联,具体地,使得至少部分车辆信息关联至少两个人脸信息。即车辆信息(B1,B2,B3)与人脸信息(A1,A2,A3)进行关联,从而形成B1-A1,B1-A2,B1-A3,B2-A2……B3-A3等九组候选信息匹配对。
请参阅图3,图3是本发明车辆与驾驶人员的信息绑定方法中第二实施例,具体是针对人脸图像中存在多位驾驶人员的人脸信息和/或车辆图像存在多辆非机动车的车辆信息的情况下对人脸信息与车辆信息进行关联的子步骤。其具体步骤如下:
S21,将人脸图像和车辆图像中的一个进行180度旋转。
在具体实施例中,在获取到人脸图像与车辆图像后,并在识别人脸图像得到人脸信息,识别车辆图像得到车辆信息的步骤,即步骤S12的前后,可以先将人脸图像和车辆图像中的一个进行180度旋转。
具体地,由于人脸图像与车辆图像是通过对监控区域相对的两个方位进行采集的,因此所得到的人脸图像与车辆图像是相反的。
S22,根据人脸信息与车辆信息在旋转后的人脸图像和车辆图像上的位置信息,对人脸信息与车辆信息进行位置匹配。
在具体实施例中,为了同一辆非机动车及其驾驶人员进行对应,可以将人脸图像与车辆图像映射到同一坐标系中,即将人脸图像或车辆图像以平面中心点进行180度旋转。
如图5和图6所示,以对车辆图像进行旋转为例,当旋转后,车辆图像中各非机动车之间的相对位置,与人脸图像中各驾驶人员和/或非机动车的相对位置相似。
因此,可以建立坐标系,获取到车辆图像中各非机动车的坐标信息,获取人脸图像中各驾驶人员的坐标信息。
S23,将位置差异小于预设的位置阈值的人脸信息与车辆信息进行交叉关联。
在具体实施例中,由于监控区域并非一个标准的正方形,因此无论是车辆图像或是人脸图像均非标准正方形,使得车辆图像和人脸图像会产生一定的畸变。且进一步的,由于角度,行人等影响,可能导致坐标信息相似的车辆图像或是人脸图像也并非为同一辆非机动车及其驾驶人员的信息。
因此,可以通过进行交叉关联,即将车辆图像中的n车辆信息与人脸图像中的m个人脸信息进行交叉对应,形成m*n组候选信息匹配对。
在一具体实施例中,为了达到更为准确的关联准确度,减少计算量。
在获取到车辆图像中各非机动车的坐标信息与人脸图像中各驾驶人员的坐标信息后,根据其位置信息对非机动车与驾驶人员进行位置比对,如果非机动车与驾驶人员的位置差异小于预设的位置阈值,则将其对应的车辆信息与人脸信息进行交叉关联。
如图4所示,人脸图像中包括驾驶人员(a1,a2,a3),其位置信息如图4所示,a1位于左下角区域,a2位于中心区域,a3位于右上角区域。车辆图像中包括非机动车(b1,b2,b3),如图5示,b1位于右上角区域,b2位于中心区域,b3位于左下角区域。在将车辆图像进行旋转后,如图6所示,使得b1位于左下角区域,b2位于中心区域,b3位于右上角区域。因此,在对车辆图像进行旋转后,就算有部分畸变,但是其位置还是比较接近的,不会出现同一非机动车及其驾驶人员会相隔很远的情况。因此,将位置差异小于预设的位置阈值的人脸信息与车辆信息进行交叉关联。可以极大的减少关联后的候选信息匹配对的数量,增加精确度。
S14,在不同的关联子拍摄系统的不同组候选信息匹配对之间进行相似度匹配,以确定最终信息匹配对。
具体地,在获取到候选信息匹配对后,根据候选信息匹配对去与其他的关联子拍摄系统进行相似度匹配,从而确定最终信息匹配对。
请参阅图7,图7是本发明车辆与驾驶人员的信息绑定方法中第一实施例中步骤S14的子步骤;其具体步骤如下:
S141,对不同组候选信息匹配对中的车辆信息进行相似度匹配,以确定车辆相似度大于第一相似度阈值的相匹配车辆信息。
在具体实施例中,车辆信息包括非机动车的车牌信息和颜色信息,对于非机动车而言,驾驶人员可能会发生变更,但是车牌信息和颜色信息均是唯一的。因此,可以对不同组候选信息匹配对中的车辆信息进行相似度匹配。即根据车辆信息对不同组候选信息匹配对进行相似度匹配,确定车辆相似度大于第一相似度阈值的相匹配车辆信息,即确定车辆信息的相似度大于第一相似度阈值的候选信息匹配对。
在具体实施例中,候选信息匹配对是通过关联子拍摄系统从监控区域拍摄的人脸图像和车辆图像进行关联后形成的。在应用场景中,至少两个关联子拍摄系统可以分布在街道上的多个路口。当驾驶人员驾驶非机动车在街道上行驶时,会历经多个路口,并被多个关联子拍摄系统拍摄,即对于某一辆非机动车而言,可能会在多个关联子拍摄系统中出现,从而形成多个候选信息匹配对。
在具体实施例中,可以预设一个时间阈值,如6个小时或者12个小时,由于在时间阈值内,一般非机动车为一个驾驶人,并不会更换相关的驾驶人。且对于同一辆非机动车及其驾驶人员而言,由于不同关联子拍摄系统所获取的人脸图像和车辆图像可以会由于角度、畸变、行人以及车辆光线的影响,可能有所不同。因此,可以通过在时间阈值内所生成不同组候选信息匹配对中进行信息的相似度匹配。
S142,对不同组候选信息匹配对中分别与相匹配车辆信息相关联的人脸信息进行相似度匹配,以确定人脸相似度大于第二相似度阈值的相匹配人脸信息,进而将相匹配车辆信息和相匹配人脸信息作为最终信息匹配对。
对车辆信息相关联的不同组候选信息匹配对中的人脸信息进行相似度匹配。即车辆相似度大于第一相似度阈值的多组候选信息匹配对进行人脸信息的相似度匹配,从而确定人脸相似度大于第二相似度阈值的相匹配人脸信息,进而将相匹配车辆信息和相匹配人脸信息作为最终信息匹配对。
在具体实施例中,不同组候选信息匹配对是通过关联子拍摄系统所拍摄的人脸图像和车辆图像所关联形成的。如果不同组候选信息匹配对中,有两组候选信息匹配对中的人脸信息与车辆信息的相似度均达到一定阈值,则可以证明该车辆信息对应的非机动车与该人脸信息所对应的驾驶人员是一体的,则将相匹配车辆信息和相匹配人脸信息作为最终信息匹配对。从而实现驾驶人员和非机动车的绑定。
上述实施例中,通过在不同组候选信息匹配对先进行车辆信息的匹配,确定车辆信息相匹配的至少两个候选信息匹配对,随后对至少两个候选信息匹配对的人脸信息进行进一步匹配,并确定人脸信息也匹配的至少两个候选信息匹配对,并将对应的车辆信息与人脸信息作为最终信息匹配对,实现了非机动车与驾驶人员的绑定。
在具体实施例中,若在不同的关联子拍摄系统的不同组候选信息匹配对之间进行相似度匹配的步骤中无法确定最终信息匹配对,即在步骤S14未完成相关的匹配,无法确定最终信息匹配对。其情况可能是在不同的关联子拍摄系统不同组候选信息匹配对之间无法找到车辆信息相匹配或人脸信息相匹配的候选信息匹配对。
则将候选信息匹配对与人脸信息库中存储的历史信息匹配对进行相似度匹配,以确定最终信息匹配对。
上述实施例中提及到,设定一个时间阈值,如6个小时或者12个小时,并对该时间阈值内的候选信息匹配对进行匹配,在过了这个时间阈值后,则可以将候选信息匹配对存储到人脸信息库中以形成历史信息匹配对。并将候选信息匹配对与人脸信息库的历史信息匹配对进行匹配,其匹配方式与步骤S141及S142相同,这里不再赘述。
在具体实施例中,候选信息匹配对无论是匹配成功或匹配失败,均会存储到人脸信息库中,优选的,如果多组候选信息匹配对均匹配成功,则只存储一个最优的信息至人脸信息库中。
上述实施例中,通过采用两轮匹配的方式,首先是在时间阈值内所获得的多个候选信息匹配对之间进行匹配,如果匹配失败,则将候选信息匹配对与人脸信息库进行匹配。
具体请参阅图8,图8是本发明车辆与驾驶人员的信息绑定方法第三实施例的流程示意图,该流程步骤是位于图1中步骤S11之前的步骤,本实施例车辆与驾驶人员的信息绑定方法包括以下步骤。
S31,获取第一子拍摄系统和第二子拍摄系统中的一个对监控区域进行目标监控而产生的采集指令。
具体地,在监控区域中设置拍摄线,当非机动车越过拍摄线或者位于拍摄线上时,第一子拍摄系统和第二子拍摄系统中的一个可以进行目标监控,第一子拍摄系统和第二子拍摄系统中的一个监控到该非机动车,则产生相应的采集指令。
S32,将采集指令发送到第一子拍摄系统和第二子拍摄系统中的另一个,以使得第一子拍摄系统和第二子拍摄系统同步对监控区域进行拍摄。
将采集指令发送到第一子拍摄系统和第二子拍摄系统中的另一个,以使得第一子拍摄系统和第二子拍摄系统同步对监控区域进行拍摄。
在一具体实施例中,当驾驶人员驾驶非机动车越过拍摄线或者位于拍摄线上时,第一子拍摄系统监控到非机动车,并生成相关的采集指令,随后获取该采集指令,并发送给第二子拍摄系统。使得第一子拍摄系统和第二子拍摄系统同步对监控区域进行拍摄。
在具体场景中,可能是连续多辆非机动依次越过拍摄线或者位于拍摄线上,第一子拍摄系统和第二子拍摄系统进行连续拍照。在具体实施例中,第一子拍摄系统所拍摄的人脸图像可能包括多辆非机动车,非机动车上的驾驶人员的脸部图像以及行人的脸部图像。第二子拍摄系统所拍摄的车辆图像可能包括有多辆非机动车,驾驶人员的后背图像等等。
在一具体实施例中,可能存在三辆非机动车依次越过拍摄线或者位于拍摄线上,第一子拍摄系统和第二子拍摄系统均拍摄有三张图像,且三张图像均包括有三辆非机动车及驾驶人员的信息,则可以选取识别度最高的图像作为人脸图像和车辆图像,并分别进行识别得到人脸信息和车辆信息。
上述实施例中,通过获取第一子拍摄系统和第二子拍摄系统中一个产生的采集指令,并发送给第一子拍摄系统和第二子拍摄系统中的另一个,使得第一子拍摄系统和第二子拍摄系统可以同步进行拍摄,以便于后续将各自拍摄的人脸图像和车辆图像映射到同一坐标系中。
具体请参阅图9,图9是本发明车辆与驾驶人员的信息绑定方法第四实施例的流程示意图,该流程步骤是位于图1中步骤S11之前的步骤,本实施例车辆与驾驶人员的信息绑定方法包括以下步骤。
S41,从第一子拍摄系统和第二子拍摄系统中的一个获取联动报警序号。
在具体实施例中,为了防止由于延迟的问题,同步获取的车辆图像和人脸图像无法同步上传到服务器。
因此可以从第一子拍摄系统和第二子拍摄系统中的一个获取联动报警序号。
S42,将联动报警序号发送至第一子拍摄系统和所述第二子拍摄系统中的另一个。
随后将联动报警序号发送至第一子拍摄系统和所述第二子拍摄系统中的另一个。具体地,联动报警序号类似于ID,第一子拍摄系统和所述第二子拍摄系统均拥有相同的ID,在进行同步拍摄后,第一子拍摄系统将人脸图像赋予联动报警序号并进行上传,第二子拍摄系统将车辆图像赋予联动报警序号并进行上传。
请参阅图10,图10是本发明车辆与驾驶人员的信息绑定方法中第一实施例中步骤S11的子步骤,且该步骤是基于图9所示实施例后的步骤,其具体步骤如下:
S111,分别从第一子拍摄系统和第二子拍摄系统获取关联有联动报警序号的人脸图像和车辆图像。
分别从第一子拍摄系统和第二子拍摄系统获取关联有联动报警序号的人脸图像和车辆图像。即获取联动报警序号相关联的人脸图像和车辆图像。
S112,根据联动报警序号对人脸图像和车辆图像进行关联。
随后根据联动报警序号对人脸图像和车辆图像进行关联。并在后续步骤中,将从人脸图像中识别出的人脸信息与其关联的车辆图像中的车辆信息进行关联,从而形成候选信息匹配对。
如图11所示,本申请还提供一种车辆与驾驶人员的信息绑定装置300,该车辆与驾驶人员的信息绑定装置300包括获取模块31,识别模块32,关联模块33以及匹配模块34。
其中,获取模块31用于获取至少两个关联子拍摄系统从各自对应的监控区域拍摄的人脸图像和车辆图像,其中每一关联子拍摄系统包括相互关联的第一子拍摄系统和第二子拍摄系统,用于分别拍摄人脸图像和车辆图像;识别模块32用于识别人脸图像得到人脸信息,识别所述车辆图像得到车辆信息;关联模块33用于针对每一关联子拍摄系统,将人脸信息与车辆信息进行关联,以形成一组候选信息匹配对;匹配模块34用于在不同的关联子拍摄系统的不同组候选信息匹配对之间进行相似度匹配,以确定最终信息匹配对。
上述车辆与驾驶人员的信息绑定方法一般由车辆与驾驶人员的信息绑定装置实现,因而本发明还提出一种车辆与驾驶人员的信息绑定装置。请参阅图12,图12是本发明车辆与驾驶人员的信息绑定装置一实施例的结构示意图。本实施例车辆与驾驶人员的信息绑定100包括处理器12和存储器11;存储器11中存储有计算机程序,处理器12用于执行计算机程序以实现如上述车辆与驾驶人员的信息绑定方法的步骤。
上述车辆与驾驶人员的信息绑定方法的逻辑过程以计算机程序呈现,在计算机程序方面,若其作为独立的软件产品销售或使用时,其可存储在计算机存储介质中,因而本发明提出一种计算机存储介质。请参阅图13,图13是本发明计算机存储介质一实施例的结构示意图,本实施例计算机存储介质200中存储有计算机程序21,计算机程序被处理器执行时实现上述配网方法或控制方法。
该计算机存储介质200具体可以为U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory,)、磁碟或者光盘等可以存储计算机程序的介质,或者也可以为存储有该计算机程序的服务器,该服务器可将存储的计算机程序发送给其他设备运行,或者也可以自运行该存储的计算机程序。该计算机存储介质200从物理实体上来看,可以为多个实体的组合,例如多个服务器、服务器加存储器、或存储器加移动硬盘等多种组合方式。
综上所述,本发明通过获取至少两个关联子拍摄系统从各自对应的监控区域拍摄的人脸图像和车辆图像,并识别人脸图像得到人脸信息,识别车辆图像得到车辆信息。将同一拍摄系统的人脸信息与车辆信息进行关联,从而形成一组候选信息匹配对。随后对不同的两个关联子系统的不同组候选信息匹配对进行相似度匹配,从而确定最终信息匹配对,从而实现了非机动车与驾驶人员的信息绑定。且进一步的,可以确保最终信息匹配对所对应的非机动车及其驾驶人员至少被两个关联子系统所拍摄到,通过相互验证,提高了绑定的准确度。
以上所述仅为本发明的实施方式,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种车辆与驾驶人员的信息绑定方法,其特征在于,所述方法包括:
获取至少两个关联子拍摄系统从各自对应的监控区域拍摄的人脸图像和车辆图像,其中每一所述关联子拍摄系统包括相互关联的第一子拍摄系统和第二子拍摄系统,用于分别拍摄所述人脸图像和所述车辆图像;其中,所述车辆图像为非机动车图像;
识别所述人脸图像得到人脸信息,识别所述车辆图像得到车辆信息;其中,所述车辆信息为非机动车信息;
针对每一关联子拍摄系统,将所述人脸信息与所述车辆信息进行关联,以形成一组候选信息匹配对;
对不同组候选信息匹配对中的车辆信息进行相似度匹配,以确定车辆相似度大于第一相似度阈值的相匹配车辆信息;
对所述不同组候选信息匹配对中分别与所述相匹配车辆信息相关联的所述人脸信息进行相似度匹配,以确定人脸相似度大于第二相似度阈值的相匹配人脸信息,进而将所述相匹配车辆信息和所述相匹配人脸信息作为最终信息匹配对。
2.根据权利要求1所述的信息绑定方法,其特征在于,每一所述关联子拍摄系统中的第一子拍摄系统和第二子拍摄系统间隔设置,对应的所述监控区域位于所述第一子拍摄系统和第二子拍摄系统的间隔区域内,以使得所述第一子拍摄系统和第二子拍摄系统能够从位于所述监控区域的非机动车的前后两侧进行拍摄,进而获得所述人脸图像和所述车辆图像。
3.根据权利要求1所述的信息绑定方法,其特征在于,所述获取至少两个关联子拍摄系统对各自监控区域拍摄的人脸图像和车辆图像的步骤之前包括:
获取所述第一子拍摄系统和所述第二子拍摄系统中的一个对所述监控区域进行目标监控而产生的采集指令;
将所述采集指令发送到所述第一子拍摄系统和所述第二子拍摄系统中的另一个,以使得所述第一子拍摄系统和所述第二子拍摄系统同步对所述监控区域进行拍摄。
4.根据权利要求3所述的信息绑定方法,其特征在于,所述获取至少两个关联子拍摄系统对各自监控区域拍摄的人脸图像和车辆图像的步骤之前包括:
从所述第一子拍摄系统和所述第二子拍摄系统中的所述一个获取联动报警序号;
将所述联动报警序号发送至所述第一子拍摄系统和所述第二子拍摄系统中的所述另一个;
所述获取至少两个关联子拍摄系统对各自监控区域拍摄的人脸图像和车辆图像的步骤包括:
分别从所述第一子拍摄系统和所述第二子拍摄系统获取关联有所述联动报警序号的所述人脸图像和所述车辆图像;
根据所述联动报警序号对所述人脸图像和所述车辆图像进行关联。
5.根据权利要求1所述的信息绑定方法,其特征在于,所述针对每一关联子拍摄系统,将所述人脸信息与所述车辆信息进行关联的步骤包括:
将所述人脸图像和所述车辆图像中的一个进行180度旋转;
根据所述人脸信息与所述车辆信息在旋转后的所述人脸图像和所述车辆图像上的位置信息,对所述人脸信息与所述车辆信息进行位置匹配;
将位置差异小于预设的位置阈值的所述人脸信息与所述车辆信息进行关联。
6.根据权利要求1所述的信息绑定方法,其特征在于,所述方法进一步包括:
若在在不同的关联子拍摄系统的不同组候选信息匹配对之间进行相似度匹配的步骤中无法确定所述最终信息匹配对,则将所述候选信息匹配对与人脸信息库中存储的历史信息匹配对进行相似度匹配,以确定所述最终信息匹配对。
7.一种车辆与驾驶人员的信息绑定装置,其特征在于,所述装置包括:
获取模块,用于获取至少两个关联子拍摄系统从各自对应的监控区域拍摄的人脸图像和车辆图像,其中每一所述关联子拍摄系统包括相互关联的第一子拍摄系统和第二子拍摄系统,用于分别拍摄所述人脸图像和所述车辆图像;其中,所述车辆图像为非机动车图像;
识别模块,用于识别所述人脸图像得到人脸信息,识别所述车辆图像得到车辆信息;其中,所述车辆信息为非机动车信息;
关联模块,用于针对每一关联子拍摄系统,将所述人脸信息与所述车辆信息进行关联,以形成一组候选信息匹配对;
匹配模块,用于对所述不同组候选信息匹配对中的车辆信息进行相似度匹配,以确定车辆相似度大于第一相似度阈值的相匹配车辆信息,并对不同组候选信息匹配对中分别与所述相匹配车辆信息相关联的所述人脸信息进行相似度匹配,以确定人脸相似度大于第二相似度阈值的相匹配人脸信息,进而将所述相匹配车辆信息和所述相匹配人脸信息作为最终信息匹配对。
8.一种车辆与驾驶人员的信息绑定装置,其特征在于,所述装置包括处理器和存储器;所述存储器中存储有计算机程序,所述处理器用于执行所述计算机程序以实现如权利要求1-6中任一项所述方法的步骤。
9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序被执行时实现如权利要求1-6中任一项所述方法的步骤。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910935048.4A CN110781759B (zh) | 2019-09-29 | 2019-09-29 | 车辆与驾驶人员的信息绑定方法、装置及计算机存储介质 |
PCT/CN2020/114667 WO2021057504A1 (en) | 2019-09-29 | 2020-09-11 | Systems and methods for traffic monitoring |
US17/653,653 US20220189297A1 (en) | 2019-09-29 | 2022-03-06 | Systems and methods for traffic monitoring |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910935048.4A CN110781759B (zh) | 2019-09-29 | 2019-09-29 | 车辆与驾驶人员的信息绑定方法、装置及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110781759A CN110781759A (zh) | 2020-02-11 |
CN110781759B true CN110781759B (zh) | 2022-08-09 |
Family
ID=69384762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910935048.4A Active CN110781759B (zh) | 2019-09-29 | 2019-09-29 | 车辆与驾驶人员的信息绑定方法、装置及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110781759B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021057504A1 (en) * | 2019-09-29 | 2021-04-01 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for traffic monitoring |
CN113593227B (zh) * | 2021-07-22 | 2022-06-10 | 青岛海信网络科技股份有限公司 | 交通拥堵检测方法及服务器 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107527012A (zh) * | 2017-07-14 | 2017-12-29 | 深圳云天励飞技术有限公司 | 闯红灯监控方法、装置及监控处理设备 |
CN108111749A (zh) * | 2017-12-06 | 2018-06-01 | 广东欧珀移动通信有限公司 | 图像处理方法和装置 |
CN109214315A (zh) * | 2018-08-21 | 2019-01-15 | 北京深瞐科技有限公司 | 人车跨镜头追踪方法及装置 |
CN109635645A (zh) * | 2018-11-01 | 2019-04-16 | 深圳云天励飞技术有限公司 | 非机动车交通违法监管方法、装置及电子设备 |
CN109800633A (zh) * | 2018-12-11 | 2019-05-24 | 深圳云天励飞技术有限公司 | 一种非机动车交通违法判断方法、装置和电子设备 |
CN110111577A (zh) * | 2019-05-15 | 2019-08-09 | 武汉纵横智慧城市股份有限公司 | 基于大数据的非机动车识别方法、装置、设备及存储介质 |
-
2019
- 2019-09-29 CN CN201910935048.4A patent/CN110781759B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107527012A (zh) * | 2017-07-14 | 2017-12-29 | 深圳云天励飞技术有限公司 | 闯红灯监控方法、装置及监控处理设备 |
CN108111749A (zh) * | 2017-12-06 | 2018-06-01 | 广东欧珀移动通信有限公司 | 图像处理方法和装置 |
CN109214315A (zh) * | 2018-08-21 | 2019-01-15 | 北京深瞐科技有限公司 | 人车跨镜头追踪方法及装置 |
CN109635645A (zh) * | 2018-11-01 | 2019-04-16 | 深圳云天励飞技术有限公司 | 非机动车交通违法监管方法、装置及电子设备 |
CN109800633A (zh) * | 2018-12-11 | 2019-05-24 | 深圳云天励飞技术有限公司 | 一种非机动车交通违法判断方法、装置和电子设备 |
CN110111577A (zh) * | 2019-05-15 | 2019-08-09 | 武汉纵横智慧城市股份有限公司 | 基于大数据的非机动车识别方法、装置、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
A traffic object classification pipeline based on CNNs;Yuting Huo et al.;《2015 Chinese Automation Congress (CAC)》;20160118;全文 * |
人脸识别在约束行人交通规范方面的探究;郑晗 等;《信息记录材料》;20180601;第19卷(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110781759A (zh) | 2020-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tang et al. | Cityflow: A city-scale benchmark for multi-target multi-camera vehicle tracking and re-identification | |
Chen et al. | Partition and reunion: A two-branch neural network for vehicle re-identification. | |
CN110969118B (zh) | 轨迹监控系统和方法 | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
CN110781759B (zh) | 车辆与驾驶人员的信息绑定方法、装置及计算机存储介质 | |
CN110580808B (zh) | 一种信息处理方法、装置、电子设备及智能交通系统 | |
CN110021172A (zh) | 一种车辆全要素特征采集方法和系统 | |
US9760783B2 (en) | Vehicle occupancy detection using passenger to driver feature distance | |
CN110634306A (zh) | 车辆位置的确定方法及装置、存储介质、计算设备 | |
KR101678004B1 (ko) | 노드-링크 기반 카메라 네트워크 통합 감시 시스템 및 감시 방법 | |
CN112668453B (zh) | 视频识别方法及相关设备 | |
CN111444798A (zh) | 电动自行车驾驶行为的识别方法、装置和计算机设备 | |
WO2022156234A1 (zh) | 一种目标重识别方法、装置及计算机可读存储介质 | |
CN112434566A (zh) | 客流统计方法、装置、电子设备及存储介质 | |
Li et al. | Robust vehicle tracking for urban traffic videos at intersections | |
Choe et al. | Traffic analysis with low frame rate camera networks | |
CN111079782A (zh) | 车辆交易方法和系统、存储介质及电子装置 | |
CN111444808A (zh) | 基于图像的事故定责方法、装置、计算机设备和存储介质 | |
CN111178205A (zh) | 一种在区域范围内进行目标对象识别的方法及系统 | |
CN104616317B (zh) | 一种视频车辆跟踪有效性验证方法 | |
CN110968719B (zh) | 一种人脸聚类方法及装置 | |
CN116543023A (zh) | 一种基于修正DeepSORT的多传感目标群智跟踪方法 | |
CN112652174B (zh) | 基于人脸验证的停车服务控制方法和系统 | |
Wu et al. | Vehicle re-id for surround-view camera system | |
CN114913470A (zh) | 一种事件检测方法及装置 |
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 |