CN111368617B - 车辆出入数据处理方法及装置 - Google Patents
车辆出入数据处理方法及装置 Download PDFInfo
- Publication number
- CN111368617B CN111368617B CN201910701297.7A CN201910701297A CN111368617B CN 111368617 B CN111368617 B CN 111368617B CN 201910701297 A CN201910701297 A CN 201910701297A CN 111368617 B CN111368617 B CN 111368617B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- access
- target area
- identification information
- frequently
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 abstract description 7
- 238000012216 screening Methods 0.000 abstract description 6
- 238000013461 design Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 5
- 238000010191 image analysis Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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—Systems or methods specially adapted for 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
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Abstract
本申请实施例提供一种车辆出入数据处理方法及装置,该方法包括:获取在目标区域的出入次数超过预设出入阈值的第一车辆对应的识别信息,其中,识别信息包括第一车辆在目标区域的出入记录对应的第一车牌号码和驾驶第一车辆的用户的人脸图像,第一车辆为安装第一车牌号码的车辆。根据第一车辆对应的识别信息,确定车辆出入信息,车辆出入信息包括N个用户各自驾驶第一车辆的出入次数,N为正整数。若N等于1,则将用户驾驶的第一车辆确定为频繁出入目标区域的频繁出入车辆。若N大于等于2,则根据预设出入阈值和车辆出入信息,确定在目标区域频繁出入的频繁出入车辆。通过基于同车同人进行筛选能够有效提升对频繁出入车辆的分析的准确性。
Description
技术领域
本申请实施例涉及交通领域技术,尤其涉及一种车辆出入数据处理方法及装置。
背景技术
随着交通领域的不断发展,目前在道路上通常设置有卡口,用于对道路上的车辆进行实时监测与记录,其中在布控区域的出入次数超过正常活动次数的车辆被认为是频繁出入车辆。
目前,在获取频繁出入车辆的相关数据时,通常是根据卡口记录的车辆信息,对车辆的出入轨迹进行分析以确定车辆在卡口的出入次数是否超过正常活动次数,通过对频繁出入车辆的分析有助于抓捕不法分子或者嫌疑人。
然而,现有技术中的方案无法排除套牌车和假牌车对频繁出入车辆造成的干扰,从而导致频繁出入车辆的分析出现误差。
发明内容
本申请实施例提供一种车辆出入数据处理方法及装置,以提升频繁出入车辆分析的准确性。
第一方面,本申请实施例提供一种车辆出入数据处理方法,包括:
获取在目标区域的出入次数超过预设出入阈值的第一车辆对应的识别信息,其中,所述识别信息包括所述第一车辆在所述目标区域的出入记录对应的第一车牌号码和驾驶第一车辆的用户的人脸图像,所述第一车辆为安装第一车牌号码的车辆;
根据所述第一车辆对应的识别信息,确定车辆出入信息,所述车辆出入信息包括N个用户各自驾驶第一车辆的出入次数,所述N为正整数;
若所述N等于1,则将所述用户驾驶的第一车辆确定为频繁出入所述目标区域的频繁出入车辆;
若所述N大于等于2,则根据预设出入阈值和所述车辆出入信息,确定在所述目标区域频繁出入的频繁出入车辆。
在一种可能的设计中,在所述获取在目标区域的出入次数超过预设出入阈值的第一车辆对应的识别信息之前,所述方法还包括:
接收车辆信息查询条件,所述车辆信息查询条件包括:时间范围、目标区域信息以及预设出入阈值;
所述获取在目标区域的出入次数超过预设出入阈值的第一车辆对应的识别信息,包括:
根据所述车辆信息查询条件,获取在目标区域的出入次数超过所述预设出入阈值的第一车辆对应的识别信息,其中,所述第一车辆的出入时间位于所述时间范围,以及所述目标区域为所述目标区域信息所指示的区域。
在一种可能的设计中,所述根据所述第一车辆对应的识别信息,确定车辆出入信息,包括:
根据所述第一车辆对应的识别信息,获取驾驶第一车辆的用户的人脸图像及各人脸图像对应的出入方向;
对获取的各个人脸图像进行分析比对,确定属于同一用户的人脸图像的数量;
根据所述属于同一用户的人脸图像的数量及各人脸图像对应的出入方向,确定每个用户驾驶所述第一车辆的出入次数。
在一种可能的设计中,所述根据所述预设出入阈值和所述车辆出入信息,确定在所述目标区域频繁出入的频繁出入车辆,包括:
判断同一用户驾驶所述第一车辆的出入次数是否大于所述预设出入阈值;
若是,则将所述同一用户驾驶的第一车辆确定为频繁出入车辆。
第二方面,本申请实施例提供一种车辆出入数据处理装置,包括:
获取模块,用于获取在目标区域的出入次数超过预设出入阈值的第一车辆对应的识别信息,其中,所述识别信息包括所述第一车辆在所述目标区域的出入记录对应的第一车牌号码和驾驶第一车辆的用户的人脸图像,所述第一车辆为安装第一车牌号码的车辆;
确定模块,用于根据所述第一车辆对应的识别信息,确定车辆出入信息,所述车辆出入信息包括N个用户各自驾驶第一车辆的出入次数,所述N为正整数;
所述确定模块,还用于若所述N等于1,则将所述用户驾驶的第一车辆确定为频繁出入所述目标区域的频繁出入车辆;
所述确定模块,还用于若所述N大于等于2,则根据预设出入阈值和所述车辆出入信息,确定在所述目标区域频繁出入的频繁出入车辆。
在一种可能的设计中,所述获取模块还用于:
在所述获取在目标区域的出入次数超过第一预设出入阈值的第一车辆对应的识别信息之前,接收车辆信息查询条件,所述车辆信息查询条件包括:时间范围、目标区域信息以及预设出入阈值;
所述获取模块具体用于:
根据所述车辆信息查询条件,获取在目标区域的出入次数超过所述预设出入阈值的第一车辆对应的识别信息,其中,所述第一车辆的出入时间位于所述时间范围,以及所述目标区域为所述目标区域信息所指示的区域。
在一种可能的设计中,所述确定模块具体用于:
根据所述第一车辆对应的识别信息,获取驾驶第一车辆的用户的人脸图像及各人脸图像对应的出入方向;
对获取的各个人脸图像进行分析比对,确定属于同一用户的人脸图像的数量;
根据所述属于同一用户的人脸图像的数量及各人脸图像对应的出入方向,确定每个用户驾驶所述第一车辆的出入次数。
在一种可能的设计中,所述确定模块具体用于:
判断同一用户驾驶所述第一车辆的出入次数是否大于所述预设出入阈值;
若是,则将所述同一用户驾驶的第一车辆确定为频繁出入车辆。
第三方面,本申请实施例提供一种车辆出入数据处理设备,包括:
存储器,用于存储程序;
处理器,用于执行所述存储器存储的所述程序,当所述程序被执行时,所述处理器用于执行如上第一方面以及第一方面各种可能的设计中任一所述的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如上第一方面以及第一方面各种可能的设计中任一所述的方法。
本申请实施例提供一种车辆出入数据处理方法及装置,该方法包括:获取在目标区域的出入次数超过预设出入阈值的第一车辆对应的识别信息,其中,识别信息包括第一车辆在目标区域的出入记录对应的第一车牌号码和驾驶第一车辆的用户的人脸图像,第一车辆为安装第一车牌号码的车辆。根据第一车辆对应的识别信息,确定车辆出入信息,车辆出入信息包括N个用户各自驾驶第一车辆的出入次数,N为正整数。若N等于1,则将用户驾驶的第一车辆确定为频繁出入目标区域的频繁出入车辆。若N大于等于2,则根据预设出入阈值和车辆出入信息,确定在目标区域频繁出入的频繁出入车辆。通过车牌号码首先筛选出在目标区域疑似频繁出入的第一车辆,其次在确定第一车辆的基础上,增加人脸这一维度确定N个用户各自驾驶第一车辆的出入次数,从而能够基于同车同人确定在目标区域频繁出入的频繁出入车辆,同人同车的筛选能够有效提升对频繁出入车辆的分析的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的车辆出入数据处理方法的系统示意图;
图2为本申请实施例提供的车辆出入数据处理方法的流程图一;
图3为本申请实施例提供的车辆出入数据处理方法的流程图二;
图4为本申请实施例提供的车辆出入数据处理装置的结构示意图;
图5为本申请实施例提供的车辆出入数据处理设备的硬件结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
图1为本申请实施例提供的车辆出入数据处理方法的系统示意图,如图1所示,该系统包括:终端设备101以及服务器102.
其中,终端设备101用于接收用户输入的车辆信息查询条件,将车辆信息查询条件发送给服务器102,并将服务器102返回的频繁出入车辆的相关数据提供给用户。
其中,服务器102用于根据用户输入的车辆信息查询条件获取合法车牌的频繁出入车辆的相关信息,并发送给终端设备101。
作为示例,终端设备101可以是计算机设备、平板电脑或移动电话(或称为“蜂窝”电话)等,终端设备还可以是便携式、袖珍式、手持式、计算机内置的移动装置或设备,或者车载处理装置或具有可移动性的计算机等,本申请对此不作限制。本领域技术人员可以理解,只要终端设备101能够接收用户输入的信息,并且能够与服务器102进行交互即可。服务器102可以是一台服务器,或者由若干台服务器组成的服务器集群,或者是一个云计算服务中心,本申请对此不作限制。
具体的,服务器102可以接收终端设备101发送的数据或请求等,并进行相关的存储和处理等操作。服务器102还可以向终端设备101发送数据或者指令,本申请实施例对服务器102的实现方式不做特别限制。
其中终端设备101与服务器102进行交互,其中交互的方式例如可以通过有线网络,该有线网络例如可以包括同轴电缆、双绞线和光纤等,其中交互的方式还例如可以是无线网络,该无线网络可以是2G网络、3G网络、4G网络或者5G网络、无线保真(WirelessFidelity,简称WIFI)网络等。本申请实施例对交互的具体类型或者具体形式并不做限定,只要其能够实现服务器和终端交互的功能即可。
针对现有技术中在分析频繁出入车辆时无法有效排除套牌车或假牌车造成的干扰的问题,本申请基于上述系统提出了一种车辆出入数据处理方法,下面结合具体的实施例进行说明,首先结合图1进行介绍。
图2为本申请实施例提供的车辆出入数据处理方法的流程图一,如图2所示,该方法包括:
S201、获取在目标区域的出入次数超过预设出入阈值的第一车辆对应的识别信息,其中,识别信息包括第一车辆在目标区域的出入记录对应的第一车牌号码和驾驶第一车辆的用户的人脸图像,第一车辆为安装第一车牌号码的车辆。
在本实施例中,目标区域可以为设置在道路中的路段区域,其中路段区域可以设置有卡口;或者还可以为划分的一片作业区域(如工厂),该作业区域可以设置有监控口(如门),本领域技术人员可以理解,目标区域的具体实现方式可以根据实际需求进行选择,只要目标区域是能实现出入的区域即可。下面以卡口对应的目标区域为例进行说明,具体的,卡口通常设置在城市道路、高速公路出入口、公路收费站等重点治安地段,用于对来往车辆进行全天候实时监测与记录,在卡口处设置有摄像头,用于对来往车辆进行拍摄并将拍摄的照片发送至服务器,服务器对拍摄的车辆照片进行分析以得到车辆的车牌号码、车辆颜色、车辆品牌、车辆型号、驾驶车辆的用户的人脸图像等相关信息,并且将分析得到的信息存储至数据库中。
本领域技术人员可以理解,当目标区域为卡口对应的区域时,目标区域可包括出卡口和入卡口,其中每个卡口均设置有方向,卡口的方向用于指示进入卡口或者离开卡口,同一个卡口可以既是出卡口,又是入卡口,或者还可以为单独的出卡口或者入卡口等,其可以根据实际需求进行选择。
在本实施例中,需要获取在目标区域的出入次数超过预设出入阈值的第一车辆,其中在目标区域的出入次数为根据目标区域所包括的卡口所记录的车辆出入信息得到的,例如假设当前存在卡口A和卡口B,两个卡口均是既可以作为出卡口又可以作为入卡口,卡口A和卡口B组成的路段为目标区域,则车辆在卡口A的驶入(或者驶出)以及车辆在卡口B的驶出(或者驶入)可以记录为一次出入,即包括驶入记录和驶出记录才能够作为一次车辆的出入。例如当前某车辆的驶入记录有5次,驶出记录有4次,则该车辆的出入次数为4次。具体的,车辆在目标区域的出入次数超过预设出入阈值时,即可认为该车辆为在目标区域疑似频繁出入的车辆,本实施例中将安装相同车牌号码的车辆作为同一辆车辆来统计车辆的出入次数,将在目标区域的出入次数超过预设出入阈值的车辆作为第一车辆,其中预设出入阈值例如可以是根据经验值得到的数据,或者,预设出入阈值还可以是根据用户输入的相关数据确定的,可以理解的是,第一车辆并不指代某一特定的车辆,第一车辆为在目标区域的出入次数超过预设出入阈值的车辆,第一车辆可以为多个车辆。
若确定某车辆为第一车辆,则获取该车辆的识别信息,其中识别信息包括第一车辆在目标区域的出入记录对应的第一车牌号码和驾驶第一车辆的用户的人脸图像,第一车辆为安装第一车牌号码的车辆。
S202、根据第一车辆对应的识别信息,确定车辆出入信息,车辆出入信息包括N个用户各自驾驶第一车辆的出入次数,N为正整数。
在本实施例中,第一车辆对应的第一车牌号码是相同的,然而第一车辆对应的驾驶车辆的用户的人脸图像可能不是唯一的,例如车辆1对应的车牌号码为“京A12345”,然而其对应的驾驶车辆的用户可能有用户1和用户2。
其中,当出现套牌车时,车牌号码对应的车辆不是唯一的,其中套牌车是指不法分子通过伪造和非法套取合法车牌的车辆的号牌、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,假设某合法车辆2的车牌为“京A12345”,而某套取了合法车辆2的车牌的套牌车3的车牌同样为“京A12345”,因此车牌号码对应的车辆不是唯一的,其中套牌车和假牌车的存在会导致对频繁出入的车辆进行分析时产生误差。
若是结合驾驶车辆的用户的人脸图像对频繁出入车辆进行分析,则能够有效将套牌车和假牌车的情况进行剔除,以增加确定频繁出入车辆的准确性。
具体的,根据第一车辆对应的识别信息,确定至少N个用户各自驾驶第一车辆的出入次数,从而能够根据识别信息进行同人同车的统计,例如当前的第一车辆各自对应的识别信息有:
识别信息1:(驶入、车牌号码1、人脸图像1);
识别信息2:(驶入、车牌号码1、人脸图像2);
识别信息3:(驶入、车牌号码1、人脸图像3);
识别信息4:(驶出、车牌号码1、人脸图像4);
识别信息5:(驶出、车牌号码1、人脸图像5);
识别信息6:(驶出、车牌号码1、人脸图像6);
识别信息7:(驶出、车牌号码1、人脸图像7);
…
经过对各人脸图像进行分析比对后,例如可以确定图像1、2、4、5、6为用户1的人脸图像,图像3、7为用户2的人脸图像,则可以确定车辆1的车辆出入信息包括2个用户驾驶车辆1的出入次数,其中用户1的出入次数为2,用户2的出入次数为1。本领域技术人员可以理解,上述的识别信息仅为示例性的介绍,并非完整的识别信息,实际上车牌号码1对应的第一车辆的出入次数是超过预设出入阈值的。
在可选的实施例中,第一车辆的识别信息还可以包括车辆颜色、车辆型号、车辆品牌等车辆特征,在通过车牌号码首先筛选出在目标区域疑似频繁出入的第一车辆之后,还可以进一步根据上述介绍的车辆特征对车辆进行筛选,得到第一车辆对应的至少一个识别信息集合,同一个识别信息集合中各识别信息包括的车牌号码和车辆特征都相同,然后再针对第一车辆对应的各个识别信息集合,确定出各用户各自驾驶第一车辆的出入次数。
具体的,车辆出入信息包括N个用户驾驶第一车辆的出入次数,示例性的,以N为2并且2个用户分别是用户1和用户2为例,车辆出入信息可以包括用户1驾驶车牌号码1的车辆的出入次数,以及用户2驾驶车牌号码1的车辆的出入次数,本领域技术人员可以理解,此处确定的出入次数实际上就是针对同一用户驾驶同一车辆的出入次数的统计,因为驾驶合法车辆和驾驶非法车辆的用户不可能是同一个人,因此基于人这一维度可以有效的将合法车辆和非法车辆的识别信息进行分离。
S203、若N等于1,则将用户驾驶的第一车辆确定为频繁出入目标区域的频繁出入车辆。
具体的,如果N等于1,则表明根据车辆出入信息可以确定驾驶当前第一车辆的用户只有一个人,并且该第一车辆的出入次数大于预设出入阈值,则可以直接将第一车辆确定为频繁出入目标区域的频繁出入车辆。
S204、若N大于等于2,则根据预设出入阈值和车辆出入信息,确定在目标区域频繁出入的频繁出入车辆。
其中,若N大于等于2,则表明根据第一车辆对应的识别信息识别到了至少两个用户,则需要基于人脸这一维度确定第一车辆是否为频繁出入车辆。
具体的,上述根据车辆在目标区域的出入次数与预设出入阈值比较进行筛选,已经得到了在目标区域疑似频繁出入的第一车辆,再基于人脸这一维度将驾驶同一第一车辆的不同用户分开之后,再根据预设出入阈值对车辆出入信息进行筛选,从而能够确定得到在目标区域频繁出入的第一车辆。
具体的,上述已经确定了至少2个用户各自驾驶第一车辆的出入次数,此时根据预设出入阈值对各用户的出入次数进行过滤,将大于预设出入阈值的第一车辆确定为在目标区域频繁出入的车辆。
同时,当驾驶第一车辆的用户大于2时,还需要对套牌车的情况进行排除,以避免其对车辆出入数据处理所造成的干扰,本领域技术人员可以理解,因为套牌车本身就是非法车辆,因此套牌车的驾驶人员为避免被抓到,其驾驶的套牌车出入次数一般都是比较小的,通过设置预设出入阈值对非法车牌的疑似频繁出入车辆进行过滤,从而能够将套牌车、假牌车等情况有效排除,以获取到真正的合法车牌的频繁出入车辆。
例如预设出入阈值为20,则首先确定在目标区域的出入次数大于预设出入阈值的疑似频繁出入的第一车辆,然后再增加人脸维度,若同人同车的出入次数还是超过20,则可以确定当前的第一车辆为频繁出入车辆。
本申请实施例提供的车辆出入数据处理方法,包括:获取在目标区域的出入次数超过预设出入阈值的第一车辆对应的识别信息,其中,识别信息包括第一车辆在目标区域的出入记录对应的第一车牌号码和驾驶第一车辆的用户的人脸图像,第一车辆为安装第一车牌号码的车辆。根据第一车辆对应的识别信息,确定车辆出入信息,车辆出入信息包括N个用户各自驾驶第一车辆的出入次数,N为正整数。若N等于1,则将用户驾驶的第一车辆确定为频繁出入目标区域的频繁出入车辆。若N大于等于2,则根据预设出入阈值和车辆出入信息,确定在目标区域频繁出入的频繁出入车辆。通过车牌号码首先筛选出在目标区域疑似频繁出入的第一车辆,其次在确定第一车辆的基础上,增加人脸这一维度确定N个用户各自驾驶第一车辆的出入次数,从而能够基于同车同人确定在目标区域频繁出入的频繁出入车辆,同人同车的筛选能够有效提升对频繁出入车辆的分析的准确性。
在上述实施例的基础上,下面结合图3对本申请实施例提供的车辆出入数据处理方法进行进一步地详细结合介绍,图3为本申请实施例提供的车辆出入数据处理方法的流程图二,如图3所示,该方法包括:
S301、接收车辆信息查询条件,车辆信息查询条件包括:时间范围、目标区域信息以及预设出入阈值。
具体的,用户通过终端设备输入车辆信息查询条件,其中车辆信息查询条件用于指示如何确定在目标区域频繁出入的第一车辆,其中时间范围用于限定在具体的某一段时间内,目标区域信息用于指示目标区域,在本实施例中,目标区域信息可以是用户直接输入的:包括目标区域的边界对应的卡口的标识、卡口方向;或者还可以是用户在地图上选中的区域,再由服务器解析从而得到目标区域的边界对应的卡口的标识、卡口方向;或者还可以是用户输入的区域描述,再由服务器解析得到目标区域的边界的卡口的标识、卡口方向。
在一种可选的实现方式中,车辆信息查询条件中可以包括多个目标区域信息,从而能够对多个目标区域分别进行查询,本实施例中的预设出入阈值为用户输入的。本领域技术人员可以理解,车辆信息查询条件可以根据实际需求进行设定,例如车辆信息查询条件还可以包括车型、车辆颜色等,本实施例对此不作限制。
在可选的实施例中,还可以判断车辆信息查询条件是否符合预设格式,具体的,系统对车辆信息查询条件中的每一个数据都设置有预设格式,例如时间范围对应的预设格式为:2019/6/14,或者20190614,例如目标区域信息对应的预设格式为:卡口1、2,或者仅仅是数字“1、2”等,本实施例对预设格式不作限制,预设格式的具体实现方式可以根据实际需求进行设定,此处不再赘述。
在可选的实施例中,还可以判断接收的目标区域信息所指示的卡口标识是否为有效标识,若用户输入的目标区域信息不存在对应的卡口标识,则确定车辆信息查询条件不符合预设格式,或者,还可以判断接收的预设出入阈值是否在预设范围内,若不在预设范围内,即小于预设最小值或者大于预设最大值,则仍然确定车辆信息查询条件不符合预设格式。
若确定车辆信息查询条件不符合预设格式,则向终端设备发送不符合预设格式的提示信息,其中提示信息用于提示用户输入的车辆信息查询条件不符合预设格式,提示信息例如可以为“查询不符合格式,请按照如下格式输入:…”。
重复执行接收车辆信息查询条件的步骤,直至车辆信息查询条件符合预设格式。通过在查询频繁出入的车辆之前,预先进行查询格式的判断,能够避免无效的查找,从而提升系统的处理效率。
S302、根据车辆信息查询条件,获取在目标区域的出入次数超过预设出入阈值的第一车辆对应的识别信息,其中,第一车辆的出入时间位于时间范围,以及目标区域为目标区域信息所指示的区域。
在一次实施的示例中,例如车辆信息查询条件为“时间范围:2019/6/14-2019/6/15;目标区域信息:卡口1-卡口2;预设出入阈值:20”,则根据车辆信息查询条件,在数据库中查找在2019年6月14日至2019年6月15日之间,在卡口1至卡口2之间的目标区域的出入次数超过20次的第一车辆,并获取这些第一车辆各自对应的识别信息,其中,每个识别信息包括第一车辆对应的第一车牌号码和驾驶第一车辆的用户的人脸图像。
在可选的实施例中,数据库例如可以为hbase数据库,并且在根据存储在hbase数据库中的数据预先在elasticsearch数据库中建立了索引,从而提升后续数据处理的效率和速度,以提升本申请可以处理的数据量,满足大数据处理的需求。
S303、根据第一车辆的识别信息,获取驾驶第一车辆的用户的人脸图像及各人脸图像对应的出入方向。
在本实施例中,第一车辆的识别信息包括第一车辆在目标区域的出入记录对应的第一车牌号码和驾驶第一车辆的用户的人脸图像,其中出入记录例如可以为卡口获取并存储在数据库中的。例如当前获取到的第一车辆的识别信息是:
识别信息1:(驶入、车牌号码1、人脸图像1);
识别信息2:(驶出、车牌号码1、人脸图像2);
识别信息3:(驶入、车牌号码1、人脸图像3);
识别信息4:(驶出、车牌号码1、人脸图像4);
识别信息5:(驶入、车牌号码2、人脸图像5);
识别信息6:(驶出、车牌号码2、人脸图像6);
识别信息7:(驶出、车牌号码2、人脸图像7);
…
则可以确定当前存在2个第一车辆,分别是车牌1对应的车辆1和车辆2对应的车辆2,则根据上述识别信息可以确定驾驶车辆1和车辆2的用户的人脸图像及各人脸图像对应的出入方向。
S304、对获取的各个人脸图像进行分析比对,确定属于同一用户的人脸图像的数量。
在确定第一车牌号码之后,首先可以保证的是同一车牌号码,根据上述实施例的介绍,同一个车牌号码可能同时对应合法车辆和非法车辆(套牌车、假牌车),或者同一个车牌号码对应的第一车辆可能存在多人驾驶,因此结合人脸图像对识别信息从人脸这一维度进行进一步分析。
例如根据上述步骤S303介绍的示例中,对各人脸图像进行分析比对之后,可以确定图像1和图像2对应用户1,图像3和图像4对应用户2,图像5、图像6、和图像7对应用户3,从而能够确定属于同一用户的人脸图像的数量。
在一种可能的实现方式中,对人脸图像进行分析并得到人脸图像分析结果,若人脸图像分析结果一致,则确定属于同一用户,若比对结果不一致,则确定属于不同的用户。在可选的实施例中,可以将人脸图像分析结果可以以字段的格式存储在识别信息中,以便后续进行比对。
S305、根据属于同一用户的人脸图像的数量及各人脸图像对应的出入方向,确定每个用户驾驶第一车辆的出入次数。
在本实施例中,一次驶入和一次驶出认为是一次完整的出入,则例如根据S303和S304的介绍,最终可以确定,用户1对车牌号码1对应的车辆1的驾驶次数为1次,用户2对车牌号码1对应的车辆1的驾驶次数为1次,用户3对于车牌号码2对应的车辆2的驾驶次数为1次,可以理解的是,上述仅为示例性的介绍,并非完整的用户驾驶第一车辆的出入次数的记录。
在可选的实施例中,在确定车辆出入信息之前,还可以根据车牌号码判断车牌是否完整,若不完整,则将车牌不完整的识别信息删除。
其中车牌信息不完整可以包括:不存在车牌号、车牌号码残缺等,通过根据对车牌号码的完整与否进行预先判断,从而将无效的数据进行剔除,实现了数据清洗,以提升系统处理的效率。
S306、若N大于等于2,则判断同一用户驾驶第一车辆的出入次数是否大于预设出入阈值,若是,则执行S307,若否,则执行S308。
S307、将同一用户驾驶的第一车辆确定为频繁出入车辆。
S308、确定同一用户驾驶的第一车辆不是频繁出入车辆。
将同一用户驾驶第一车辆的出入次数与预设出入阈值进行比较,从而能够在基于车牌号码进行筛选之后,再基于人脸图像进行筛选确定同一用户驾驶第一车辆的出入次数是否大于预设出入阈值,以实现基于同人同车确定在目标区域的频繁出入车辆。
若同一用户驾驶第一车辆的出入次数大于预设出入阈值,则将同一用户驾驶的车辆作为频繁出入车辆,以得到最终的频繁出入车辆的获取结果,将该结果发送给终端设备从而提供给用户;若同一用户驾驶第一车辆的出入次数不大于预设出入阈值,则确定同一用户驾驶的车辆不是频繁出入车辆,将该数据进行过滤。
本申请实施例提供的车辆出入数据处理方法,包括:接收车辆信息查询条件,车辆信息查询条件包括:时间范围、目标区域信息以及预设出入阈值。根据车辆信息查询条件,获取在目标区域的出入次数超过预设出入阈值的第一车辆对应的识别信息,其中,第一车辆的出入时间位于时间范围,以及目标区域为目标区域信息所指示的区域。根据第一车辆的识别信息,获取第一车辆对应的第一车牌号码。根据第一车牌号码,确定属于同一用户的人脸图像的数量。根据属于同一用户的人脸图像的数量,确定每个用户驾驶第一车辆的出入次数。若N大于等于2,则判断同一用户驾驶第一车辆的出入次数是否大于预设出入阈值,若否,则确定同一用户驾驶的第一车辆不是频繁出入车辆,若是,则将同一用户驾驶的第一车辆确定为频繁出入车辆。通过预先判断车辆信息查询查询条件是否符合预设格式,可以有效避免无效查询,以提升处理效率,并且通过识别信息,确定每个用户针对同一车牌号码驾驶车辆的出入次数,可以简单有效的实现对同人同车的分析,最终确定出入次数大于预设出入阈值对应的合法车牌的频繁出入车辆,从而有效避免非法车辆造成的干扰。
图4为本申请实施例提供的车辆出入数据处理装置的结构示意图。如图4所示,该装置40包括:获取模块401以及确定模块402。
获取模块401,用于获取在目标区域的出入次数超过预设出入阈值的第一车辆对应的识别信息,其中,所述识别信息包括所述第一车辆在所述目标区域的出入记录对应的第一车牌号码和驾驶第一车辆的用户的人脸图像,所述第一车辆为安装第一车牌号码的车辆;
确定模块402,用于根据所述第一车辆对应的识别信息,确定车辆出入信息,所述车辆出入信息包括N个用户各自驾驶第一车辆的出入次数,所述N为正整数;
所述确定模块402,还用于若所述N等于1,则将所述用户驾驶的第一车辆确定为频繁出入所述目标区域的频繁出入车辆;
所述确定模块402,还用于若所述N大于等于2,则根据预设出入阈值和所述车辆出入信息,确定在所述目标区域频繁出入的频繁出入车辆。
在一种可能的设计中,所述获取模块401还用于:
在所述获取在目标区域的出入次数超过第一预设出入阈值的第一车辆对应的识别信息之前,接收车辆信息查询条件,所述车辆信息查询条件包括:时间范围、目标区域信息以及预设出入阈值;
所述获取模块401具体用于:
根据所述车辆信息查询条件,获取在目标区域的出入次数超过所述预设出入阈值的第一车辆对应的识别信息,其中,所述第一车辆的出入时间位于所述时间范围,以及所述目标区域为所述目标区域信息所指示的区域。
在一种可能的设计中,所述确定模块402具体用于:
根据所述第一车辆对应的识别信息,获取驾驶第一车辆的用户的人脸图像及各人脸图像对应的出入方向;
对获取的各个人脸图像进行分析比对,确定属于同一用户的人脸图像的数量;
根据所述属于同一用户的人脸图像的数量及各人脸图像对应的出入方向,确定每个用户驾驶所述第一车辆的出入次数。
在一种可能的设计中,所述确定模块402具体用于:
判断同一用户驾驶所述第一车辆的出入次数是否大于所述预设出入阈值;
若是,则将所述同一用户驾驶的第一车辆确定为频繁出入车辆。
本实施例提供的装置,可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,本实施例此处不再赘述。
图5为本申请实施例提供的车辆出入数据处理设备的硬件结构示意图,如图5所示,本实施例的车辆出入数据处理设备50包括:处理器501以及存储器502;其中
存储器502,用于存储计算机执行指令;
处理器501,用于执行存储器存储的计算机执行指令,以实现上述实施例中车辆出入数据处理方法所执行的各个步骤。具体可以参见前述方法实施例中的相关描述。
可选地,存储器502既可以是独立的,也可以跟处理器501集成在一起。
当存储器502独立设置时,该车辆出入数据处理设备还包括总线503,用于连接所述存储器502和处理器501。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上车辆出入数据处理设备所执行的车辆出入数据处理方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本申请各个实施例所述方法的部分步骤。
应理解,上述处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application Specific Integrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合申请所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (8)
1.一种车辆出入数据处理方法,其特征在于,包括:
获取在目标区域的出入次数超过预设出入阈值的第一车辆对应的识别信息,其中,所述识别信息包括所述第一车辆在所述目标区域的出入记录对应的第一车牌号码和驾驶第一车辆的用户的人脸图像,所述第一车辆为安装第一车牌号码的车辆,一次车辆的出入包括驶入记录和驶出记录;
根据所述第一车辆对应的识别信息,确定车辆出入信息,所述车辆出入信息包括N个用户各自驾驶第一车辆的出入次数,所述N为正整数;
若所述N等于1,则将所述用户驾驶的第一车辆确定为频繁出入所述目标区域的频繁出入车辆;
若所述N大于等于2,则判断同一用户驾驶所述第一车辆的出入次数是否大于所述预设出入阈值;
若是,则将所述同一用户驾驶的第一车辆确定为在所述目标区域频繁出入的频繁出入车辆。
2.根据权利要求1所述的方法,其特征在于,在所述获取在目标区域的出入次数超过预设出入阈值的第一车辆对应的识别信息之前,所述方法还包括:
接收车辆信息查询条件,所述车辆信息查询条件包括:时间范围、目标区域信息以及预设出入阈值;
所述获取在目标区域的出入次数超过预设出入阈值的第一车辆对应的识别信息,包括:
根据所述车辆信息查询条件,获取在目标区域的出入次数超过所述预设出入阈值的第一车辆对应的识别信息,其中,所述第一车辆的出入时间位于所述时间范围,以及所述目标区域为所述目标区域信息所指示的区域。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一车辆对应的识别信息,确定车辆出入信息,包括:
根据所述第一车辆对应的识别信息,获取驾驶第一车辆的用户的人脸图像及各人脸图像对应的出入方向;
对获取的各个人脸图像进行分析比对,确定属于同一用户的人脸图像的数量;
根据所述属于同一用户的人脸图像的数量及各人脸图像对应的出入方向,确定每个用户驾驶所述第一车辆的出入次数。
4.一种车辆出入数据处理装置,其特征在于,包括:
获取模块,用于获取在目标区域的出入次数超过预设出入阈值的第一车辆对应的识别信息,其中,所述识别信息包括所述第一车辆在所述目标区域的出入记录对应的第一车牌号码和驾驶第一车辆的用户的人脸图像,所述第一车辆为安装第一车牌号码的车辆,一次车辆的出入包括驶入记录和驶出记录;
确定模块,用于根据所述第一车辆对应的识别信息,确定车辆出入信息,所述车辆出入信息包括N个用户各自驾驶第一车辆的出入次数,所述N为正整数;
所述确定模块,还用于若所述N等于1,则将所述用户驾驶的第一车辆确定为频繁出入所述目标区域的频繁出入车辆;
所述确定模块,还用于若所述N大于等于2,则
判断同一用户驾驶所述第一车辆的出入次数是否大于所述预设出入阈值;
若是,则将所述同一用户驾驶的第一车辆确定为在所述目标区域频繁出入的频繁出入车辆。
5.根据权利要求4所述的装置,其特征在于,所述获取模块还用于:
在所述获取在目标区域的出入次数超过第一预设出入阈值的第一车辆对应的识别信息之前,接收车辆信息查询条件,所述车辆信息查询条件包括:时间范围、目标区域信息以及预设出入阈值;
所述获取模块具体用于:
根据所述车辆信息查询条件,获取在目标区域的出入次数超过所述预设出入阈值的第一车辆对应的识别信息,其中,所述第一车辆的出入时间位于所述时间范围,以及所述目标区域为所述目标区域信息所指示的区域。
6.根据权利要求5所述的装置,其特征在于,所述确定模块具体用于:
根据所述第一车辆对应的识别信息,获取驾驶第一车辆的用户的人脸图像及各人脸图像对应的出入方向;
对获取的各个人脸图像进行分析比对,确定属于同一用户的人脸图像的数量;
根据所述属于同一用户的人脸图像的数量及各人脸图像对应的出入方向,确定每个用户驾驶所述第一车辆的出入次数。
7.一种车辆出入数据处理设备,其特征在于,包括:
存储器,用于存储程序;
处理器,用于执行所述存储器存储的所述程序,当所述程序被执行时,所述处理器用于执行如权利要求1至3中任一所述的方法。
8.一种计算机可读存储介质,其特征在于,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1至3中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910701297.7A CN111368617B (zh) | 2019-07-31 | 2019-07-31 | 车辆出入数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910701297.7A CN111368617B (zh) | 2019-07-31 | 2019-07-31 | 车辆出入数据处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111368617A CN111368617A (zh) | 2020-07-03 |
CN111368617B true CN111368617B (zh) | 2023-11-24 |
Family
ID=71206229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910701297.7A Active CN111368617B (zh) | 2019-07-31 | 2019-07-31 | 车辆出入数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111368617B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112150685A (zh) * | 2020-09-24 | 2020-12-29 | 重庆中科云从科技有限公司 | 一种车辆管理方法、系统、机器可读介质及设备 |
CN112233421A (zh) * | 2020-10-15 | 2021-01-15 | 胡歆柯 | 一种基于机器视觉的城市智慧交通监控智能系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913656A (zh) * | 2016-04-28 | 2016-08-31 | 泰华智慧产业集团股份有限公司 | 基于分布式统计频繁过车的方法及系统 |
CN107909001A (zh) * | 2017-08-04 | 2018-04-13 | 国网浙江省电力公司湖州供电公司 | 一种工程现场人员车辆系统 |
CN107967806A (zh) * | 2017-12-01 | 2018-04-27 | 深圳云天励飞技术有限公司 | 车辆套牌检测方法、装置、可读存储介质及电子设备 |
CN109712290A (zh) * | 2018-12-26 | 2019-05-03 | 广东中安金狮科创有限公司 | 安防系统 |
-
2019
- 2019-07-31 CN CN201910701297.7A patent/CN111368617B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913656A (zh) * | 2016-04-28 | 2016-08-31 | 泰华智慧产业集团股份有限公司 | 基于分布式统计频繁过车的方法及系统 |
CN107909001A (zh) * | 2017-08-04 | 2018-04-13 | 国网浙江省电力公司湖州供电公司 | 一种工程现场人员车辆系统 |
CN107967806A (zh) * | 2017-12-01 | 2018-04-27 | 深圳云天励飞技术有限公司 | 车辆套牌检测方法、装置、可读存储介质及电子设备 |
CN109712290A (zh) * | 2018-12-26 | 2019-05-03 | 广东中安金狮科创有限公司 | 安防系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111368617A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108091140B (zh) | 一种确定套牌车辆的方法和装置 | |
CN110046547A (zh) | 违章举报方法、系统、计算机设备及存储介质 | |
CN111368617B (zh) | 车辆出入数据处理方法及装置 | |
CN110134653B (zh) | 一种利用日志辅助数据库审计方法及系统 | |
WO2018177421A1 (zh) | 一种预测车辆出现地点的方法及装置 | |
CN114898297A (zh) | 基于目标检测和目标跟踪的非机动车违法行为判定的方法 | |
CN111476685B (zh) | 行为分析方法、装置及设备 | |
CN112507939A (zh) | 一种重点车辆检测方法、系统、设备及存储介质 | |
WO2016201867A1 (zh) | 一种m2m车联网的识别方法和装置 | |
CN115660656A (zh) | 一种识别用户、账号注册的方法、装置及设备 | |
CN109979022B (zh) | 停车场管理方法、计算机装置、计算机可读存储介质 | |
CN111369790A (zh) | 过车记录校正方法、装置、设备及存储介质 | |
CN114495244B (zh) | 电像计算数据异常检测方法、装置、设备及存储介质 | |
CN112950961B (zh) | 车流量统计方法、装置、设备和存储介质 | |
CA2765987C (en) | Method for validating a road traffic control transaction | |
CN114005186A (zh) | 一种车牌识别方法、装置及停车管理系统 | |
CN114202919A (zh) | 一种非机动车电子车牌遮挡的识别方法、装置及系统 | |
CN116206456A (zh) | 一种车辆识别方法、系统、服务器及存储介质 | |
CN113192348A (zh) | 车辆异常告警方法、装置及计算机设备 | |
CN111091634A (zh) | 汽车违反限行规则的识别方法、车载终端、服务器及系统 | |
CN111368616A (zh) | 从车的识别方法、装置及设备 | |
CN110718000A (zh) | 汽车违反限行规则的识别方法、装置及车载终端 | |
CN113821734B (zh) | 基于轨迹数据识别双司机的方法、装置、设备及介质 | |
CN117523814A (zh) | 监控区域确定方法、装置、电子设备及存储介质 | |
CN112614347B (zh) | 套牌检测方法、装置、计算机设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |