CN111404874A - 出租车嫌疑车辆甄别分析体系架构 - Google Patents
出租车嫌疑车辆甄别分析体系架构 Download PDFInfo
- Publication number
- CN111404874A CN111404874A CN201911421290.6A CN201911421290A CN111404874A CN 111404874 A CN111404874 A CN 111404874A CN 201911421290 A CN201911421290 A CN 201911421290A CN 111404874 A CN111404874 A CN 111404874A
- Authority
- CN
- China
- Prior art keywords
- taxi
- screening
- unit
- suspected
- vehicle
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5846—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using extracted text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9032—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- 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
- G06Q50/265—Personal security, identity or safety
-
- 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
- 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
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- 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
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
-
- 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
- G06V20/63—Scene text, e.g. street names
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
- H04L63/0861—Network architectures or network communication protocols for network security for authentication of entities using biometrical features, e.g. fingerprint, retina-scan
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Computer Security & Cryptography (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Biomedical Technology (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Human Computer Interaction (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种出租车嫌疑车辆甄别分析体系架构。该系统通过设置包含有硬件层、数据处理层、数据资源层、网络层以及应用层的出租车嫌疑车辆甄别分析体系架构,一方面通过卡口视频车牌识别技术,掌握大范围内的非法营运车辆的总体动向,从宏观上总体掌握出租车非法营运的情况;另一方面综合利用车载防伪节点、手持终端、智能顶灯、外置摄像头以及卡口视频检测系统采集的数据资源,开发了出租车智能顶灯甄别系统,同时实现了手持终端与出租车的远程交互,减少了现场工作人员的需求量,降低工作人员的稽查强度,甄别过程稳定可靠,提高了现场稽查甄别的工作效率,满足所见即所得的多种甄别方式。
Description
技术领域
本申请涉及车辆稽查技术领域,特别是涉及一种出租车嫌疑车辆甄别分析体系架构。
背景技术
目前,出租车行业中非法营运的嫌疑出租车大致分为三类:高仿真合法出租车且没有合法营运资格、退出营运后经简单改装后重返出租车营运市场,以及改装成出租车模样在市场上营运的私家车等。非法营运出租车多数使用改装计价器,造成计费里程虚高,打车费用大幅高于正规出租车,侵害乘客合法利益;非法营运出租车驾驶员通常为未取得出租车驾驶员证的黑车司机,行驶过程中无视法规,拒载、绕路、随意变道、超速、闯红灯等情况屡屡发生,小到交通违章,大到致死交通事故,严重影响社会交通出行安全;非法营运出租车多使用已报废车辆,车况差,安全隐患大,且在面对工作人员稽查时,嫌疑出租车拒不服从检测,冲撞工作人员的情况屡有发生;此外,黑车司机逃避安全监管,侵害乘客生命财产安全的报道在近几年常见报端,严重扰乱出租车市场正常运营和乘客的合法利益。
为了解决上述问题,目前多数采用路检路查方式在出租车出行需求旺盛的站场、商圈等地进行现场近距离甄别,所需工作人员多,人工稽查强度较大,且车辆信息验证效率较低。
发明内容
基于此,有必要针对上述技术问题,提供一种出租车嫌疑车辆甄别分析体系架构,包括硬件层、数据处理层、数据资源层、网络层以及应用层;
所述硬件层,用于通过多个硬件设备获取支撑嫌疑非法出租车判断的出租车营运状态,所述多个硬件设备包括车载防伪节点、手持终端、智能顶灯、外置摄像头以及卡口视频检测系统;
所述数据处理层,用于对所述出租车营运状态进行规范化、结构化处理;
所述数据资源层,用于提供基础数据库;所述基础数据库用于存储所述数据处理层规范化处理后的数据;
所述网络层,用于传输所述基础数据库中的数据;
所述应用层,用于根据所述网络层上的数据,对出租车进行稽查分析;所述应用层包括嫌疑车辆甄别信息监测模块、智能顶灯甄别模块、人车对应甄别模块、甄别设备管理模块以及嫌疑车辆甄别信息综合分析模块;
其中,
所述嫌疑车辆甄别信息监测模块,用于监测所述多个硬件设备的工作状态,并将所述网络层上的数据发送至所述应用层的各模块,以实现数据对接;
所述智能顶灯甄别模块,用于根据所述嫌疑车辆甄别信息监测模块发送的所述智能顶灯和所述手持终端采集的数据,控制所述智能顶灯的显示状态;
所述人车对应甄别模块,用于根据所述嫌疑车辆甄别信息监测模块发送的所述外置摄像头采集的数据,对驾驶员身份进行监控;
所述甄别设备管理模块,用于对所述多个硬件设备进行管理;
所述嫌疑车辆甄别信息综合分析模块,用于对所述嫌疑车辆甄别信息监测模块发送的数据进行收集、分类及分析,筛选并展示嫌疑出租车。
在其中一个实施例中,所述嫌疑车辆甄别信息监测模块包括甄别信号连接单元、车辆信息匹配单元、车牌信息识别单元、车辆信息查询单元以及甄别记录查询单元;
所述甄别信号连接单元,用于监测所述手持终端与其周边的出租车的车载防伪节点是否连接;若未连接,则将其连接;
所述车辆信息匹配单元,用于根据所述车载防伪节点发送至所述手持终端的车辆防伪信息,得到出租车的电子ID;
所述车牌信息识别单元,用于控制所述手持终端采集出租车的车牌图像,并根据所述车牌图像,识别出租车的车牌号码;
所述车辆信息查询单元,用于根据出租车的电子ID、车牌号码,筛选出租车的信息;
所述甄别记录查询单元,用于根据出租车的电子ID、车牌号码,查询出租车的甄别记录。
在其中一个实施例中,所述智能顶灯甄别模块包括动态甄别单元和静态甄别单元;
所述动态甄别单元,用于使所述手持终端发送顶灯状态动态更改指令至嫌疑非法出租车,并根据所述嫌疑非法出租车的智能顶灯的显示状态变化,甄别其合法性;
所述静态甄别单元包括甄别信息编辑单元、GPS定位单元、甄别范围设置单元、周边车辆搜索单元、异常车辆警示单元、甄别信息发布单元;
所述甄别信息编辑单元,用于编辑所述手持终端的通信范围内的出租车的智能顶灯的展示模式;
所述GPS定位单元,用于获取所述手持终端的定位信息;
所述甄别范围设置单元,用于对所述通信范围进行设置;
所述周边车辆搜索单元,用于获取所述通信范围内的出租车的预期位置;
所述异常车辆警示单元,用于在所述通信范围内的出租车的实际位置与所述预期位置不符时,进行异常提醒;
所述甄别信息发布单元,用于使所述手持终端发送顶灯状态静态更改指令至所述通信范围内的出租车,并根据所述通信范围内的出租车的智能顶灯的显示状态变化,甄别其合法性。
在其中一个实施例中,所述人车对应甄别模块包括人脸识别库管理单元、出租车计价器联动拍照单元、人脸图像采集及检测单元、人脸图像预处理单元、人脸图像特征提取单元、人脸图像匹配与识别单元、图像校验记录单元、人车对应异常提醒单元以及人车对应状态识别单元;
所述人脸识别库管理单元,用于对人脸识别库进行管理;所述人脸识别库存储有正规营运出租车驾驶员的人脸数据;
所述出租车计价器联动拍照单元,用于使所述外置摄像头根据出租车计价器的工作状态,采集人脸数据;
所述人脸图像采集及检测单元,用于控制所述外置摄像头采集驾驶员的静态人脸数据和动态人脸数据;
所述人脸图像预处理单元,用于对所述外置摄像头采集的数据进行预处理;
所述人脸图像特征提取单元,用于对预处理后的数据进行特征提取,得到待识别人脸特征;
所述人脸图像匹配与识别单元,用于将所述待识别人脸特征与所述人脸识别库中的数据进行比对,根据比对结果校验驾驶员身份;
所述图像校验记录单元,用于若校验结果为驾驶员身份合格,生成第一校验记录;若校验结果为驾驶员身份不合格,生成第二校验记录;
所述人车对应异常提醒单元,用于若校验结果为驾驶员身份不合格,进行异常提醒;所述驾驶员身份不合格包括驾驶员身份不符、驾驶员身份不存在以及驾驶员身份校验错误;
所述人车对应状态识别单元,用于根据驾驶员身份校验结果,控制出租车的智能顶灯输出对应的展示信息。
在其中一个实施例中,所述嫌疑车辆甄别信息综合分析模块包括卡口视频历史记录管理单元、出租车甄别记录查询单元、嫌疑出租车甄别情况分析单元、嫌疑出租车涉嫌企业分析单元、嫌疑出租车高频出现区域分析单元、人车对应甄别信息分析单元;
所述卡口视频历史记录管理单元,用于对所述卡口视频检测系统识别的嫌疑出租车历史记录进行管理;
所述出租车甄别记录查询单元,用于查询嫌疑出租车的稽查记录;
所述嫌疑出租车甄别情况分析单元,用于根据嫌疑出租车的稽查记录,制定针对嫌疑出租车的甄别计划;
所述嫌疑出租车涉嫌企业分析单元,用于提供涉嫌开发嫌疑出租车的企业;
所述嫌疑出租车高频出现区域分析单元,用于提供嫌疑出租车的高频出现区域;
所述人车对应甄别信息分析单元,用于对出租车驾驶员身份的校验结果进行综合分析。
在其中一个实施例中,还包括防御层,所述防御层用于为所述应用层提供安全防护。
在其中一个实施例中,还包括三个保障体系,所述三个保障体系分别为信息安全保障体系、数据标准规范体系以及建设与运维保障体系。
在其中一个实施例中,所述信息安全保障体系用于根据等级保护规定、安全管理制度及安全技术规范,对所述硬件层、所述数据处理层、所述数据资源层、所述网络层以及所述应用层提供安全保护;
所述数据标准规范体系用于提供数据标准;
所述建设与运维保障体系用于提供长效运行机制。
在其中一个实施例中,还包括用户层,所述用户层用于对所述应用层的分析结果实施监控;所述用户层包括客运管理部门、工作人员及企业管理部门。
上述技术方案中的一个技术方案具有如下优点或有益效果:通过设置包含有硬件层、数据处理层、数据资源层、网络层以及应用层的出租车嫌疑车辆甄别分析体系架构,一方面通过卡口视频车牌识别技术,掌握大范围内的非法营运车辆的总体动向,从宏观上总体掌握出租车非法营运的情况;另一方面综合利用车载防伪节点、手持终端、智能顶灯、外置摄像头以及卡口视频检测系统采集的数据资源,开发了出租车智能顶灯甄别系统,同时实现了手持终端与出租车的远程交互,减少了现场工作人员的需求量,降低工作人员的稽查强度,甄别过程稳定可靠,提高了现场稽查甄别的工作效率,满足所见即所得的多种甄别方式。
附图说明
图1为一个实施例中出租车嫌疑车辆甄别分析体系架构的逻辑结构示意图;
图2为一个实施例中出租车嫌疑车辆甄别分析体系架构的物理结构示意图;
图3为一个实施例中出租车嫌疑车辆甄别分析体系架构的智能顶灯甄别方式的应用场景图;
图4为一个实施例中出租车嫌疑车辆甄别分析体系架构的人脸识别的应用场景图;
图5为一个实施例中出租车嫌疑车辆甄别分析体系架构的卡口视频识别系统的应用场景图;
图6为一个实施例中卡口视频车牌识别时车辆抓拍触发的流程示意图;
图7为一个实施例中应用层的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
如图1至图5所示,本申请提供的出租车嫌疑车辆甄别分析体系架构(下文简称该系统),其中包括硬件层、网络层、数据处理层、数据资源层以及应用层,各层的架构及作用关系依次为:
参见图1,硬件层用于通过多个硬件设备获取出租车的出租车营运状态,具体为采集其稽查数据;多个硬件设备至少包括车载防伪节点、手持终端(又称手持甄别终端或无线传感甄别终端)、智能顶灯、外置摄像头和卡口视频检测系统;上述的稽查数据,可以理解为,多个硬件设备采集或传输的用于稽查出租车的数据,例如,可以是车载防伪节点获取的防伪信息,或者外置摄像头采集的图像信息等等。
其中,车载防伪节点,作为车载系统中的关键设备,通过手持终端,与监控后台、服务中心通讯,实现联动预警、行业监管和增值服务。其主要实现车载防伪节点与手持终端进行短程通讯,将车辆设备信息(如防伪节点编号、绑定车辆号、车辆信息、所属公司、发放时间、信息内容等)反馈给手持终端;需要说明的是,为了保证手持终端能够实时有效的工作,手持终端的短程通讯识别距离可设置为50米以上,工作温度可设置为-40℃至+50℃。
参见图2,手持终端,其可与通信范围内的车载防伪节点通过无线传感技术进行通信,以实现车载信息解析等功能;具体例如,手持终端设备可通过无线传感信号向周围车载防伪节点发送激活指令,与通信范围内的车载节点通过身份验证后建立无线传感连接;车载防伪节点接收到指令后反馈车辆防伪信息,此时,手持终端设备接收到防伪节点反馈的车辆防伪信息并解析成车辆唯一的电子ID,便于后续对其进行车辆信息匹配,方便工作人员开展稽查工作。同时,其还可通过卫星定位系统获取车辆地理位置信息,采集和展示出租车稽查结果数据,并将数据通过GPRS网络实时传输到系统服务器(如图2所示的服务器集群,下文又称服务中心)上。
智能顶灯,通常其具有前后两个显示屏,车前方状态屏用以显示车辆状态,空车、载客、暂停等,后方LED显示屏可播放用户广告、公共信息、通知信息以及报警信息等。本申请提出的上述出租车嫌疑车辆甄别分析体系架构,可通过智能顶灯进行甄别,甄别方式包括动态甄别和静态甄别两种。
请参见图3,其中,动态甄别方式如下:工作人员利用无线传感甄别终端,对目标车辆下达智能顶灯的甄别信号(更改顶灯状态);目标车辆车载节点获取到甄别信号后,按照甄别信号要求,与车载终端通信,并由车载终端向顶灯发送更改信息;工作人员根据目标车辆的顶灯改变状态,甄别车辆合法性。
另外,静态甄别方式如下:该方式主要针对站场等出租车辆集中的地方,工作人员可设置一定的稽查范围;手持终端向该范围内的出租车车载节点发送顶灯状态变化信息;车载节点获取到信号后,按照信号要求,与车载终端通信,并由车载终端向顶灯发送更改信息。
上述两种智能顶灯甄别方式利用无线传感甄别终端与当前小范围内的出租车车载节点通信,获取范围内的出租车信息,并向该范围内的出租车下达甄别顶灯状态;同时,也可以利用无线传感甄别终端定位当前位置,通过出租车后台,向智能顶灯下达顶灯状态变化指令从而实现在固定区域内的静态、近距离甄别的目标。在无线传感技术的基础上,该系统通过推进出租车智能顶灯建设,并利用出租车智能顶灯、出租车车载无线传感节点、出租车综合管理平台GPS数据和无线传感甄别终端,实现了所见即所得的甄别方式;提高了智能顶灯的利用率,实现了一物多用,方便工作人员直观的查看车辆甄别状态。
外置摄像头,可用于采集出租车驾驶员人脸数据,通过4G等高速传输网络将信息实时传输到服务中心上,以便进行人脸识别,具体方案可参阅图4;出租车车载终端和外置摄像头进行连接,外置摄像头将采集到的人脸数据通过车载终端将数据传输到系统后台,人脸识别系统将提取的人脸图像的特征数据与人脸数据库中存储的特征模板进行搜索匹配,可设定一阈值,即当相似度超过这一阈值时,则把匹配成功的结果输出。将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断,实现对出租车驾驶员身份合法性监控。
在另一个实施例中,外置摄像头还可与出租车计价器进行连接,以实现出租车计价器联动拍照的功能。进一步地,可根据驾驶员改变出租车计价器状态实现摄像头拍照,并将采集数据通过车载终端传输到系统后台。该过程具体可设置为:乘客上车时,驾驶员按下计价器,系统检测到计价器启动,联动启动摄像头,进行人脸识别检测,并拍摄照片;当驾驶员到达目的地,在征得乘客确认后,按照业务流程抬起计价器,系统联动启动摄像头,进行人脸识别检测,并拍摄照片;当拍照结束后,车载终端将采集数据传输到系统后台进行校验,进而实现出租车运营过程的人脸持续校验。
需要说明的是,该外置摄像头可安装在车辆驾驶位前台和/或其它的适当位置,主要用于采集驾驶人员的人脸图像,该外置摄像头可具有红外功能,以满足在夜间人脸识别时对光线的要求。外置摄像头的安装可采用抗震设计,其距离和驾驶座位距离可设置为30cm-80cm,拍摄角度在25度以内为最佳识别区域。另外,外置摄像头性能需满足夜间识别要求,同时实现在30cm-80cm范围内接受识别,识别速度需小于1秒。该人脸识别方案为综合采用外置摄像头和在线(云端)识别的方案,利用外置摄像头,可提高人脸图像识别和验证成功率;同时,摄像机带有红外灯,可实现在夜晚等光线不足的情况,也能进行图像数据采集,从而实现人脸识别功能。
继续参见图2,卡口视频检测系统,可包括闪光灯、卡口摄像机、LED补光灯等,用于采集车辆通过卡口的数据,将过往车辆图片、车牌识别结果通过专线网络将信息实时传输到服务中心上。
参见图5,在其他的实施方式中,卡口视频检测系统采用视频检测方式,可自动对视频流中运动物体进行实时逐帧检测、锁定、跟踪,根据车辆运动轨迹判断车辆是否违章并进行记录。其中,系统可采用不低于400万CMOS高清一体化摄像机为采集主体,单台摄像机覆盖单向两车道;同步支持LED补光灯进行夜间补光;设备稳定,结构简单,便于安装维护。
具体地,卡口视频检测系统前端架构分为:补光单元、检测及抓拍单元、传输单元和控制主机。其中,前端路口在需要监控的方向安装L杆,杆上安装高清摄像机、补光灯等抓拍设备;高清摄像机对检测区域内的车辆进行跟踪和分析,对普通过往车辆抓拍一张高清图片,对判断出违法行驶的车辆则抓拍两张高清图片;高清摄像机以RJ45网络接口的方式接入路口交换机;补光灯采用LED补光灯,LED补光灯功率可选为小于70W,与摄像机同步补光,既可以保证摄像机拍到每张图片的效果,又不会对驾驶员产生影响;前端存储内部为模块化结构,可根据路口实际需要配置存储空间,前端存储可内置2TB的硬盘存储;前端存储可用于实现对违法视频图片采集、违法抓拍控制、高清摄像机管控、违法图像的存储记录、数据打包及传输到管理后台等功能;卡口视频检测系统在进行车辆的抓拍触发时,综合运用了车牌检测算法和车辆检测算法,需要说明的是,车牌检测算法和车辆检测算法均可通过机器学习的方式获得。如图6所示,车辆抓拍触发的具体实施方式可为,卡口视频检测系统首先采用车牌检测算法,在车辆到达触发线的时刻,若系统检测到图像中存在车牌,则触发抓拍,并进行车牌识别;对于无后车牌或后车牌遮挡的车辆,系统无法检测到车牌,此时将启用车辆检测算法,若运动对象与系统内建的车辆模型相匹配,则触发抓拍,并记录为无牌车辆;前端存储设备可用于将拍摄的两张违法图片合成为一张图片,并加入数字水印上传到中心违法处理服务器。
继续参见图1,网络层,可用于传输基础数据库中的数据,是实现该系统数据传输、交换功能的基础条件,其主要依托光纤专线等现有网络实现信息传输。具体地,网络层可实现数据交换、报文解析、链路维持等功能,例如可用于将手持终端接收的数据发送给数据中心进行处理。另外,其也可通过有线网络及无线网络的方式连接数据中心、监控指挥中心及客户群的通信渠道,网络形式兼顾移动网络(GSM)、3G、4G、5G、光纤通信、以太网等多种方式。
数据处理层,用于依据交通运输部相关数据规范对多个硬件设备采集的出租车营运状态进行规范处理,包括数据元规范、元数据规范等;具体可对已有的业务应用系统的数据进行采集、过滤、交换,形成出租车管理所需的各类基础数据库。其中,信息资源整合主要涉及的几大类数据资源包括城市GIS数据、出租车驾驶员基本信息、出租车辆基本信息、出租车企业基本信息等。
数据资源层,用于提供基础数据库,该基础数据库可用于存储数据处理层规范化处理后的数据;其中,基础数据库可包括经过规范处理后的基础数据库(车辆数据库、驾驶员数据库、从业企业数据库、甄别设备数据库)和业务数据库等。通过对出租车的信息资源进行分类组织,采用统一的建设规范、存储规范和数据交换标准,保障信息资源在出租车管理和决策的各个流程中于各个子系统间能够顺利地交换,以实现知识管理和决策支持的目标。
由图1可知,应用层,用于根据网络层上的数据,对出租车进行稽查分析。该应用层,可以理解为,是通过对出租车嫌疑车辆甄别分析需求进行深入分析后,整合、设计开发用以为行业提供管理服务的业务应用系统。其上开发的应用功能包括甄别信息查询、智能顶灯甄别、人车对应甄别、甄别设备管理、稽查信息综合统计分析等。
本申请利用信息化手段,提供一种出租车嫌疑车辆甄别分析体系架构,该系统一方面通过卡口视频车牌识别技术,掌握大范围内的出租车、嫌疑出租车等非法营运车辆的总体动向,从宏观上总体掌握出租车非法营运的情况;另一方面是综合利用无线身份识别、车载GPS、车载智能顶灯、人脸识别等信息技术手段,对车载防伪节点、手持终端、智能顶灯、外置摄像头以及卡口视频检测系统的数据资源进行整合,实现甄别终端设备与出租车的近距离无线传感交互,建设开发出租车智能顶灯甄别系统,实现稳定可靠的甄别功能,使其满足所见即所得的多种甄别方式,提高现场近距离甄别工作效率,减少了现场工作人员的需求量,降低工作人员的工作强度。
由上述内容可知,应用层的应用功能包括甄别信息查询、智能顶灯甄别、人车对应甄别、甄别设备管理、稽查信息综合统计分析,故而在一些实施例中,请参见图7,该应用层上可设置有对应的应用系统模块,包括:嫌疑车辆甄别信息监测模块、智能顶灯甄别模块、人车对应甄别模块、甄别设备管理模块以及嫌疑车辆甄别信息综合分析模块。当然,应用层上还可以根据实际需要设置其他的应用,不局限于此。
进一步地,嫌疑车辆甄别信息监测模块可通过与现有应用层上各模块进行数据共享对接,支撑甄别部门对嫌疑出租车进行监管,对出租车和驾驶员行为分析,可至少包括甄别信号连接单元、车辆信息匹配单元、车牌信息识别单元、车辆信息查询单元、甄别记录查询单元等功能单元。
具体地,甄别信号连接单元可监测手持终端与其周边的出租车的车载防伪节点是否连接;若未连接,则将其连接,进而完成手持终端与通信范围内的车载防伪节点的通信功能,实现无线传感连接、车载信息解析等。
车辆信息匹配单元可将手持终端上接收到的周边车辆车载节点发送的电子ID与车辆信息数据库进行匹配查询,完成本地匹配查询、分类展示等。
车牌信息识别单元可完成车牌图像的识别,更进一步地,即利用手持终端上的摄像头对稽查车辆的车牌进行拍摄,利用图像识别技术自动识别车牌号,完成稽查匹配、稽查信息展示等功能。
车辆信息查询单元可实现以车牌号码、甄别终端ID、标签ID、时间段等为字段的查询筛选功能,以及本地数据库的远程更新功能。
甄别记录查询单元可实现以车牌号码、甄别终端ID、标签ID、时间段等字段的查询出租车甄别记录和违规信息功能。
进一步地,智能顶灯甄别模块用于根据嫌疑车辆甄别信息监测模块发送的智能顶灯和手持终端采集的数据,控制智能顶灯的显示状态;具体例如,可利用出租车的GPS数据和无线传感网技术,控制无线传感范围或电子地图划定范围内的出租车顶灯状态信息,实现所见即所得的甄别方式,可至少包括动态甄别单元和静态甄别单元,其中静态甄别单元可包括甄别信息编辑单元、GPS定位单元、甄别范围设置单元、异常车辆警示单元、周边车辆搜索单元、甄别信息发布单元等功能单元。
具体地,动态甄别单元主要用于使手持终端发送顶灯状态动态更改指令至嫌疑非法出租车,并根据嫌疑非法出租车的智能顶灯的显示状态变化,甄别其合法性,与前述的动态甄别方式对应;具体用于整合出租车智能顶灯、出租车车载无线传感节点、出租车综合管理平台GPS和无线传感甄别终端上的数据,利用移动无线传感甄别终端与当前小范围内的出租车车载节点通信,获取范围内的出租车信息,并向该范围内的出租车下达顶灯状态动态更改指令。
静态甄别单元与前述的静态甄别方式对应,其包括的甄别信息编辑单元可用于编辑手持终端的稽查范围内的出租车的智能顶灯的展示模式,实现智能顶灯前后面展示信息的编辑、展示方式设置等功能。
GPS定位单元可用于获取手持终端的定位信息,实现手持终端的GPS定位功能,并在地图上标注出当前位置,并提供其他手持甄别设备位置展示功能。
甄别范围设置单元可用于对稽查范围进行设置,实现在手持终端上完成稽查范围参数设置。若在手持终端上设置稽查范围参数时,参数设置错误或参数设置不当,进而无法满足智能顶灯状态设置要求或者超出甄别需要时,手持终端可进行报警提示。
周边车辆搜索单元可用于获取稽查范围内的出租车的预期位置,实现在手持终端上完成当前位置周边出租车辆信息的查询功能,进而实现车辆位置展示、重点监管车辆展示等功能。
异常车辆警示单元可用于在稽查范围内的出租车的实际位置与预期位置不符时,进行异常提醒,实现当前车辆位置信息与根据手持终端接收电子ID查询得到的车辆位置信息不符合情况时的异常提醒功能,并在手持终端地图上标注异常车辆位置信息。
甄别信息发布单元可用于使手持终端发送顶灯状态静态更改指令至稽查范围内的出租车,并根据稽查范围内的出租车的智能顶灯的显示状态变化,甄别其合法性;进一步地,实现将手持终端上完成设置的甄别信息、GPS定位信息、稽查范围信息等传输到系统后台,并通过后台系统向位于稽查范围内的出租车智能顶灯下达顶灯甄别状态更改指令,从而实现在固定区域内的静态、近距离甄别查处。
进一步地,人车对应甄别模块可用于根据嫌疑车辆甄别信息监测模块发送的外置摄像头采集的数据,对驾驶员身份进行监控;具体用于对出租车车载智能终端和外置摄像头进行连接,实现出租车计价器状态变换与外置摄像头拍照联动,通过车载智能终端将数据传输到系统后台进行营运驾驶员人脸识别验证,实现对出租车驾驶员身份合法性监控。更具体地,可至少包括人脸识别库管理单元、出租车计价器联动拍照单元、人脸图像采集及检测单元、人脸图像预处理单元、人脸图像特征提取单元、人脸图像匹配与识别单元、图像校验记录单元、人车对应异常提醒单元、人车对应状态识别单元等功能单元。
其中,人脸识别库管理单元可完成后台对出租车驾驶员人脸识别库的常规管理功能,实现人脸识别库的人脸数据新采集、数据更新、数据维护、信息分类查找等。
出租车计价器联动拍照单元可实现出租车计价器和外置摄像头连接。根据驾驶员改变出租车计价器状态实现摄像头拍照,并将采集数据通过车载终端传输到系统后台。
人脸图像采集及检测单元可对静态图像、动态图像、不同的位置、不同表情等方面都可以得到很好的采集;当启动摄像头时,检测到驾驶员在采集设备的拍摄范围内时,采集设备会自动搜索并拍摄驾驶员的人脸图像;后台系统在得到图像数据后,实现人脸检测功能,实现人脸识别的定位处理,即在图像中准确标定出人脸的位置和大小;人脸图像中包含的模式特征十分丰富,如直方图特征、颜色特征、模板特征、结构特征及Haar特征等;人脸检测就是把这其中有用的信息挑出来,并利用这些特征实现人脸检测。
人脸图像预处理单元可对图像进行处理并最终服务于特征提取;实现对原始图像的各种条件的限制和随机干扰处理,在图像处理的早期阶段对它进行灰度校正、噪声过滤等图像预处理;其预处理过程主要包括人脸图像的光线补偿、灰度变换、直方图均衡化、归一化、几何校正、滤波以及锐化等,此处不作唯一限定。
人脸图像特征提取单元可针对人脸的视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等特征进行提取;人脸特征提取即为针对人脸的某些特征进行特征建模;可采取基于知识的表征方法对人脸特征进行提取,其中,基于知识的表征方法主要是根据人脸器官的形状描述以及他们之间的距离特性来获得有助于人脸分类的特征数据,其特征分量通常包括特征点间的欧氏距离、曲率和角度等;人脸由眼睛、鼻子、嘴、下巴等局部特征构成,针对局部特征之间结构关系的几何描述,可作为识别人脸的重要特征,这些特征被称为几何特征;基于知识的人脸表征主要包括基于几何特征的方法和模板匹配法。
人脸图像匹配与识别单元可实现将提取的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配,通过设定一个阈值,当相似度超过这一阈值,则把匹配得到的结果输出;将待识别的人脸特征与已得到的人脸特征模板进行比较,根据相似程度对人脸的身份信息进行判断。
图像校验记录单元可实现如果校验合格,生成第一校验记录,即保存简要校验记录,包括:校验时间、校验结果等;如果校验不合格,则生成第二校验记录,即可记录校验详细信息,包括:校验照片、校验时间、校验结果等。
人车对应异常提醒单元用于若校验结果为驾驶员身份不合格,进行异常提醒;驾驶员身份不合格包括驾驶员身份不符、驾驶员身份不存在以及驾驶员身份校验错误;具体可对人脸识别校验记录进行分析,根据不同情况发出异常警告。
人车对应状态识别单元用于根据驾驶员身份校验结果,控制出租车的智能顶灯输出对应的展示信息,可充分利用出租车的GPS数据和无线传感网技术,实现手持甄别终端、智能顶灯、系统后台的有效连接,控制划定范围内的出租车顶灯进行人车对应状态异常提醒,提高甄别效率,实现所见即所得的甄别方式。
进一步地,嫌疑车辆甄别信息综合分析模块可用于对嫌疑车辆甄别信息监测模块发送的数据进行收集、分类及分析,筛选并展示嫌疑出租车;具体可通过对出租车营运状态等相关信息的收集、整理、分析、挖掘,将甄别次数、涉嫌车辆数据、涉嫌出租车企业数据等进行分类抽取和整理,利用各类图、表以及GIS等直观展现形式,可至少包括卡口视频历史记录管理单元、嫌疑出租车甄别情况分析单元、嫌疑出租车涉嫌企业分析单元、嫌疑出租车高频出现区域分析单元、人车对应甄别信息分析单元。
更进一步地,卡口视频历史记录管理单元主要用于提供卡口视频识别嫌疑出租车的历史记录管理功能,进一步指记录和管理可疑出租车的相关资料。
嫌疑出租车甄别情况分析单元分析甄别次数、甄别区域、甄别时间、甄别方式、查处嫌疑车辆数目等,结合出租车行业发展状况及其他相关因素,根据嫌疑出租车的稽查记录,制定稽查甄别计划。
嫌疑出租车涉嫌企业分析单元主要提供涉嫌出租车克隆企业分析功能。加强交通管理部门对出租车企业的监管力度,向被克隆的出租车企业下发相关提醒通知和建议提起司法申诉。
嫌疑出租车高频出现区域分析单元主要提供嫌疑出租车高频出现区域分析功能;实现查处嫌疑出租车地理位置记录在地图上的显示功能,按照时间段展示嫌疑出租车在城区的分布发展情况,并划定嫌疑出租车高频出现区域,为交通管理部门制定稽查甄别计划提供决策依据。
人车对应甄别信息分析单元主要提供出租车驾驶员人车对应识别信息的综合分析功能;实现利用各类图、表以及GIS等直观展现形式,实现人车对应识别信息分时间、分区域的统计、综合查询,自动生成报表等功能;系统面向行业管理者,以直观的图形与报表展示,为行管部门提供决策参考。
需要说明的是,该系统还可为应用层提供用于安全防护的防御层,即在系统中部署入侵防御系统(IPS)实现对网络应用和性能的全面保护。
在一些实施例中,该系统可结合图片智能算法,对过车图片进行出租车外形识别,进一步识别具备出租车外形但车牌号不套用正规出租车的克隆车。
在一些实施例中,该系统还可采用智能分析算法,对克隆车轨迹数据及历史误差记录进行分析,对卡口视频车牌识别因车牌污损、遮挡等识别误差现象进行纠偏,提高识别准确度。
在一些实施例中,继续参见图1,该出租车嫌疑车辆甄别分析体系架构还可包括三大保障体系,该三大保障体系分别包括信息安全保障体系、数据标准规范体系,以及建设与运维保障体系。需要说明的是,该三大保障体系是系统顺利建设与运行的重要条件。
其中,信息安全保障体系主要依据等级保护规定、安全管理制度及安全技术规范,实现物理层、网络层、系统层、应用层等的安全保护;数据标准规范体系包括通过系统建设能够提炼的标准和需要遵循的标准;建设与运维保障体系则通过一套科学的长效运行机制,保障系统的长期稳定运行与可持续发展。
在一些实施例中,该出租车嫌疑车辆甄别分析体系架构还可包括用户层,如图1所示。用户层可包括管理部门工作人员、企业管理部门等,用户层可用于对应用层上的数据进行展示,并根据展示结果实施监控(增删改),从而构成全方位的智能稽查分析系统。
综上,出租车嫌疑车辆甄别分析体系架构总体逻辑框架如图1所示;即逻辑架构可分为硬件层、网络层、数据处理层、数据资源层、应用层、用户层和三大保障体系。该系统可对“克隆车”、“黑车”等非法营运的车辆进行全方位有效稽查和管理,保障出租车行业长期稳定健康发展。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
本文实施例的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或(模块)单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
在本文中提及的“第一\第二”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换,以使这里描述的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种出租车嫌疑车辆甄别分析体系架构,其特征在于,包括硬件层、数据处理层、数据资源层、网络层以及应用层;
所述硬件层,用于通过多个硬件设备获取支撑嫌疑非法出租车判断的出租车营运状态,所述多个硬件设备包括车载防伪节点、手持终端、智能顶灯、外置摄像头以及卡口视频检测系统;
所述数据处理层,用于对所述出租车营运状态进行规范化、结构化处理;
所述数据资源层,用于提供基础数据库;所述基础数据库用于存储所述数据处理层规范化处理后的数据;
所述网络层,用于传输存储在所述基础数据库中的数据;
所述应用层,用于根据所述网络层传输的数据,对嫌疑非法出租车进行稽查分析;所述应用层包括嫌疑车辆甄别信息监测模块、智能顶灯甄别模块、人车对应甄别模块、甄别设备管理模块以及嫌疑车辆甄别信息综合分析模块;
其中,
所述嫌疑车辆甄别信息监测模块,用于监测所述多个硬件设备的工作状态,并将所述网络层上的数据发送至所述应用层的各模块,以实现数据对接;
所述智能顶灯甄别模块,用于根据所述嫌疑车辆甄别信息监测模块发送的所述智能顶灯和所述手持终端采集的数据,控制所述智能顶灯的显示状态;
所述人车对应甄别模块,用于根据所述嫌疑车辆甄别信息监测模块发送的所述外置摄像头采集的数据,对驾驶员身份进行监控;
所述甄别设备管理模块,用于对所述多个硬件设备进行管理;
所述嫌疑车辆甄别信息综合分析模块,用于对所述嫌疑车辆甄别信息监测模块发送的数据进行收集、分类及分析,筛选并展示嫌疑出租车。
2.根据权利要求1所述的出租车嫌疑车辆甄别分析体系架构,其特征在于,所述嫌疑车辆甄别信息监测模块包括甄别信号连接单元、车辆信息匹配单元、车牌信息识别单元、车辆信息查询单元以及甄别记录查询单元;其中,
所述甄别信号连接单元,用于监测所述手持终端与嫌疑非法出租车的车载防伪节点是否连接;若未连接,则将其连接;
所述车辆信息匹配单元,用于根据所述车载防伪节点发送至所述手持终端的车辆防伪信息,得到嫌疑非法出租车的电子ID;
所述车牌信息识别单元,用于控制所述手持终端采集嫌疑非法出租车的车牌图像,并根据所述车牌图像,识别嫌疑非法出租车的车牌号码;
所述车辆信息查询单元,用于根据嫌疑非法出租车的电子ID、车牌号码,筛选嫌疑非法出租车的信息;
所述甄别记录查询单元,用于根据嫌疑非法出租车的电子ID、车牌号码,查询嫌疑非法出租车的甄别记录。
3.根据权利要求1所述的出租车嫌疑车辆甄别分析体系架构,其特征在于,所述智能顶灯甄别模块包括动态甄别单元;
所述动态甄别单元,用于使所述手持终端发送顶灯状态动态更改指令至嫌疑非法出租车,并根据所述嫌疑非法出租车的智能顶灯的显示状态变化,甄别嫌疑非法出租车的合法性。
4.根据权利要求3所述的出租车嫌疑车辆甄别分析体系架构,其特征在于,所述智能顶灯稽查模块包括静态甄别单元;所述静态甄别单元包括甄别信息编辑单元、GPS定位单元、甄别范围设置单元、周边车辆搜索单元、异常车辆警示单元、甄别信息发布单元;其中,
所述甄别信息编辑单元,用于编辑所述手持终端的通信范围内的嫌疑非法出租车的智能顶灯展示的甄别信息;
所述GPS定位单元,用于获取所述手持终端的定位信息;
所述甄别范围设置单元,用于对所述通信范围进行设置;
所述周边车辆搜索单元,用于获取所述通信范围内的嫌疑非法出租车的预期位置;
所述异常车辆警示单元,用于在所述通信范围内的嫌疑非法出租车的实际位置与所述预期位置不符时,进行异常提醒;
所述甄别信息发布单元,用于使所述手持终端发送顶灯状态静态更改指令至所述通信范围内的嫌疑非法出租车,并根据所述通信范围内的嫌疑非法出租车的智能顶灯的显示状态变化,甄别嫌疑非法出租车的合法性。
5.根据权利要求1所述的出租车嫌疑车辆甄别分析体系架构,其特征在于,所述人车对应甄别模块包括人脸识别库管理单元、出租车计价器联动拍照单元、人脸图像采集及检测单元、人脸图像预处理单元、人脸图像特征提取单元、人脸图像匹配与识别单元、图像校验记录单元、人车对应异常提醒单元以及人车对应状态识别单元;其中,
所述人脸识别库管理单元,用于对人脸识别库进行管理;所述人脸识别库存储有正规营运出租车驾驶员的人脸数据;
所述出租车计价器联动拍照单元,用于使所述外置摄像头根据出租车计价器的工作状态,采集驾驶员的人脸数据;
所述人脸图像采集及检测单元,用于控制所述外置摄像头采集驾驶员的静态人脸数据和动态人脸数据;
所述人脸图像预处理单元,用于对所述外置摄像头采集的数据进行预处理;
所述人脸图像特征提取单元,用于对预处理后的数据进行特征提取,得到待识别人脸特征;
所述人脸图像匹配与识别单元,用于将所述待识别人脸特征与所述人脸识别库中的数据进行比对,根据比对结果校验驾驶员身份;
所述图像校验记录单元,用于若驾驶员身份的校验结果为合格,则生成第一校验记录;若驾驶员身份的校验结果为不合格,则生成第二校验记录;
所述人车对应异常提醒单元,用于若驾驶员身份的校验结果为不合格,进行异常提醒;所述不合格包括驾驶员身份不符、驾驶员身份不存在以及驾驶员身份校验错误;
所述人车对应状态识别单元,用于根据驾驶员身份的校验结果,控制出租车的智能顶灯输出对应的展示信息。
6.根据权利要求1所述的出租车嫌疑车辆甄别分析体系架构,其特征在于,所述嫌疑车辆甄别信息综合分析模块包括卡口视频历史记录管理单元、出租车甄别记录查询单元、嫌疑出租车甄别情况分析单元、嫌疑出租车涉嫌企业分析单元、嫌疑出租车高频出现区域分析单元和人车对应甄别信息分析单元;其中,
所述卡口视频历史记录管理单元,用于对所述卡口视频检测系统识别的嫌疑出租车历史记录进行管理;
所述出租车甄别记录查询单元,用于查询嫌疑出租车的检测记录;
所述嫌疑出租车甄别情况分析单元,用于根据嫌疑出租车的检测记录,制定针对嫌疑出租车的甄别计划;
所述嫌疑出租车涉嫌企业分析单元,用于提供涉嫌开发嫌疑出租车的企业;
所述嫌疑出租车高频出现区域分析单元,用于提供嫌疑出租车的高频出现区域;
所述人车对应甄别信息分析单元,用于对出租车驾驶员身份的校验结果进行综合分析。
7.根据权利要求1至6任意一项所述的出租车嫌疑车辆甄别分析体系架构,其特征在于,还包括用于为所述应用层提供安全防护的防御层。
8.根据权利要求1至6任意一项所述的出租车嫌疑车辆甄别分析体系架构,其特征在于,还包括三个保障体系,所述三个保障体系分别为信息安全保障体系、数据标准规范体系以及建设与运维保障体系。
9.根据权利要求8所述的出租车嫌疑车辆甄别分析体系架构,其特征在于,
所述信息安全保障体系,用于根据等级保护规定、安全管理制度及安全技术规范,对所述硬件层、所述数据处理层、所述数据资源层、所述网络层以及所述应用层提供安全保护;
所述数据标准规范体系,用于提供数据标准;
所述建设与运维保障体系,用于提供长效运行机制。
10.根据权利要求1至6任意一项所述的出租车嫌疑车辆甄别分析体系架构,其特征在于,还包括用于对所述应用层的分析结果实施监控的用户层;所述用户层包括客运管理部门、工作人员及企业管理部门。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911421290.6A CN111404874A (zh) | 2019-12-31 | 2019-12-31 | 出租车嫌疑车辆甄别分析体系架构 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911421290.6A CN111404874A (zh) | 2019-12-31 | 2019-12-31 | 出租车嫌疑车辆甄别分析体系架构 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111404874A true CN111404874A (zh) | 2020-07-10 |
Family
ID=71430315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911421290.6A Pending CN111404874A (zh) | 2019-12-31 | 2019-12-31 | 出租车嫌疑车辆甄别分析体系架构 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111404874A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818736A (zh) * | 2020-12-10 | 2021-05-18 | 西南交通大学 | 应急指挥大数据支撑平台 |
CN113345244A (zh) * | 2021-06-23 | 2021-09-03 | 广州交信投科技股份有限公司 | 巡游车告警方法、告警装置、计算机存储介质和终端 |
CN113706881A (zh) * | 2021-07-30 | 2021-11-26 | 郑州信大捷安信息技术股份有限公司 | 一种基于可见光的车辆套牌检测系统及方法 |
CN113706880A (zh) * | 2021-07-30 | 2021-11-26 | 郑州信大捷安信息技术股份有限公司 | 一种基于车联网的车辆套牌检测系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105938654A (zh) * | 2016-02-01 | 2016-09-14 | 刘超 | 基于身份识别的车辆监管系统及监管方法 |
CN106600953A (zh) * | 2017-02-10 | 2017-04-26 | 大连鼎视科技有限公司 | 出租车异常营运监测方法及系统 |
CN107305735A (zh) * | 2016-04-25 | 2017-10-31 | 厦门雅迅网络股份有限公司 | 专用车辆稽查方法及其系统 |
CN108304830A (zh) * | 2018-03-09 | 2018-07-20 | 西安艾润物联网技术服务有限责任公司 | 车辆内人员身份在线监测方法、装置和存储介质 |
CN109754608A (zh) * | 2019-01-15 | 2019-05-14 | 安徽云联城市交通信息有限公司 | 一种基于出租车顶灯的出租车稽查装置 |
US20190279009A1 (en) * | 2018-03-12 | 2019-09-12 | Microsoft Technology Licensing, Llc | Systems and methods for monitoring driver state |
-
2019
- 2019-12-31 CN CN201911421290.6A patent/CN111404874A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105938654A (zh) * | 2016-02-01 | 2016-09-14 | 刘超 | 基于身份识别的车辆监管系统及监管方法 |
CN107305735A (zh) * | 2016-04-25 | 2017-10-31 | 厦门雅迅网络股份有限公司 | 专用车辆稽查方法及其系统 |
CN106600953A (zh) * | 2017-02-10 | 2017-04-26 | 大连鼎视科技有限公司 | 出租车异常营运监测方法及系统 |
CN108304830A (zh) * | 2018-03-09 | 2018-07-20 | 西安艾润物联网技术服务有限责任公司 | 车辆内人员身份在线监测方法、装置和存储介质 |
US20190279009A1 (en) * | 2018-03-12 | 2019-09-12 | Microsoft Technology Licensing, Llc | Systems and methods for monitoring driver state |
CN109754608A (zh) * | 2019-01-15 | 2019-05-14 | 安徽云联城市交通信息有限公司 | 一种基于出租车顶灯的出租车稽查装置 |
Non-Patent Citations (1)
Title |
---|
汪文君: "基于WSN和视频识别技术的出租车防伪稽查系统", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818736A (zh) * | 2020-12-10 | 2021-05-18 | 西南交通大学 | 应急指挥大数据支撑平台 |
CN113345244A (zh) * | 2021-06-23 | 2021-09-03 | 广州交信投科技股份有限公司 | 巡游车告警方法、告警装置、计算机存储介质和终端 |
CN113706881A (zh) * | 2021-07-30 | 2021-11-26 | 郑州信大捷安信息技术股份有限公司 | 一种基于可见光的车辆套牌检测系统及方法 |
CN113706880A (zh) * | 2021-07-30 | 2021-11-26 | 郑州信大捷安信息技术股份有限公司 | 一种基于车联网的车辆套牌检测系统及方法 |
CN113706881B (zh) * | 2021-07-30 | 2022-06-07 | 郑州信大捷安信息技术股份有限公司 | 一种基于可见光的车辆套牌检测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111404874A (zh) | 出租车嫌疑车辆甄别分析体系架构 | |
CN101179710B (zh) | 铁路道口智能视频监控装置 | |
CN112258842A (zh) | 交通监测方法、装置、设备及存储介质 | |
CN102867417B (zh) | 一种出租车防伪系统及方法 | |
CN104574547B (zh) | 一种基于人脸识别技术的高速公路防逃费方法 | |
US20180240336A1 (en) | Multi-stream based traffic enforcement for complex scenarios | |
CN109410628B (zh) | 路内泊位的状态检测方法、系统及其数据处理装置 | |
CN105741560A (zh) | 一种用于加油站的车辆识别方法 | |
CN107067730B (zh) | 基于卡口设备的网约车人车不一致监测方法 | |
JP2004526234A (ja) | 通行料金判定システムで使用するための制御方法 | |
CN110060484A (zh) | 一种基于区块链的公路客运违章实时预警系统及方法 | |
CN107004353B (zh) | 交通违章管理系统和交通违章管理方法 | |
CN111063196B (zh) | 一种检查站综合管理系统 | |
CN104464289A (zh) | 一种车辆违章时驾驶信息的识别方法 | |
CN205943007U (zh) | 一种营运客车非法中途载客的报警系统 | |
CN105448105A (zh) | 一种基于巡逻警车的监控系统 | |
CN108710827A (zh) | 一种社区微警务巡查和信息自动分析系统及方法 | |
CN105894821A (zh) | 一种基于高清dsp摄像机的交通综合监测系统 | |
CN202058304U (zh) | 停车场车辆监管系统 | |
CN112883936A (zh) | 一种对车辆违规行为的检测方法及其系统 | |
CN111899517B (zh) | 一种高速公路疲劳驾驶违法行为判定方法 | |
CN104616236A (zh) | 警用手持多功能装置 | |
KR101066081B1 (ko) | 차량 탑재형 스마트 정보 판독 시스템 및 방법 | |
CN106327876B (zh) | 一种基于行车记录仪的套牌车捕捉系统及方法 | |
CN108010312A (zh) | 适用于停车场站的车辆出入安全管理系统 |
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: 20200710 |
|
RJ01 | Rejection of invention patent application after publication |