CN111461094A - 基于监控视频的套牌车识别方法、装置及计算机设备 - Google Patents
基于监控视频的套牌车识别方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN111461094A CN111461094A CN202010579883.1A CN202010579883A CN111461094A CN 111461094 A CN111461094 A CN 111461094A CN 202010579883 A CN202010579883 A CN 202010579883A CN 111461094 A CN111461094 A CN 111461094A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- unique identification
- path data
- current 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了基于监控视频的套牌车识别方法、装置、计算机设备及存储介质,涉及大数据,可应用于智慧交通场景,包括接收消息中间件上传的当前车辆路径数据集合,以及获取对应的历史车辆路径数据集合并封装,得到对应的多个计算元组;将多组计算元组进行并行计算得到对应的多个车辆平均速度值;若多个车辆平均速度值中存在超过对应级别的车辆平均速度阈值的车辆平均速度值,获取对应的目标车辆唯一识别数据及与其对应的目标计算元组;将目标车辆唯一识别数据及与其对应的目标计算元组存储至本地的数据库。该方法实现了基于服务器的实时数据处理,快速的识别出存在套牌嫌疑的车辆,提高了识别精度,而且海量数据对识别服务器的数据库性能影响较低。
Description
技术领域
本发明涉及大数据技术领域,尤其涉及一种基于监控视频的套牌车识别方法、装置、计算机设备及存储介质。
背景技术
目前,随着城市视频监控系统等大范围建设和普及,基于网格化等号牌识别系统由于保存了通过监测点的每一辆机动车的车牌信息,在进行城市套牌车分析方面具有独特的优势,传统基于网格化等号牌识别系统的套牌车识别算法有如下主要步骤:
1)号牌识别系统采集到车辆经过各监控点的车牌号码,时间以及监控点ID等数据;
2)通过数据化比对,将各监控点的车牌数据进行行关联,找出车牌在监控点出现的时间;
3)如果在预设的最短时间内在不同监控点出现同样的车牌,则判定为套牌车。
在现有的基于网格化等号牌识别系统的套牌车识别算法中,使用预设的最小时间窗口来判定套牌车,但是在真实的城市道路交通中存在交通流高峰,交通流低峰等现象,监控点之间的实际旅行时间不是固定的,因此使用固定的时间窗口会影响套牌车的判断精度。其次该算法基于关系数据库,其扩展性存在一定的局限性,即使增加CPU、内存等硬件性能,不适合处理交通流大数据,最终导致性能瓶颈问题。
发明内容
本发明实施例提供了一种基于监控视频的套牌车识别方法、装置、计算机设备及存储介质,旨在解决现有技术中采用基于网格化等号牌识别系统的套牌车识别算法,使用预设的最小时间窗口来判定套牌车,且基于关系数据库查询数据,导致判断精度较低,而且数据库扩展性存在一定的局限性的问题。
第一方面,本发明实施例提供了一种基于监控视频的套牌车识别方法,其包括:
接收消息中间件上传的当前车辆路径数据集合,以及获取与当前车辆路径数据集合对应的历史车辆路径数据集合;其中,所述当前车辆路径数据集合及历史车辆路径数据集合中均包括若干条车辆路径数据,每一条车辆路径数据均至少包括当前车辆唯一识别数据、当前采集时间、当前监控摄像头对应的当前地理位置信息;
将当前车辆路径数据集合和对应的历史车辆路径数据集合根据当前车辆唯一识别数据进行数据封装,得到与每一当前车辆唯一识别数据分别对应的多个计算元组;
根据每一当前车辆唯一识别数据对应的多组计算元组进行并行计算,得到与每一当前车辆唯一识别数据对应的多个车辆平均速度值;
判断与每一当前车辆唯一识别数据对应的多个车辆平均速度值是否存在超过对应级别的车辆平均速度阈值的车辆平均速度值;
若每一当前车辆唯一识别数据对应的多个车辆平均速度值中存在超过对应级别的车辆平均速度阈值的车辆平均速度值,获取对应的目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组;以及
将目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组存储至本地的数据库,并将目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组发送至监测终端。
第二方面,本发明实施例提供了一种基于监控视频的套牌车识别装置,其包括:
路径数据集合获取单元,用于接收消息中间件上传的当前车辆路径数据集合,以及获取与当前车辆路径数据集合对应的历史车辆路径数据集合;其中,所述当前车辆路径数据集合及历史车辆路径数据集合中均包括若干条车辆路径数据,每一条车辆路径数据均至少包括当前车辆唯一识别数据、当前采集时间、当前监控摄像头对应的当前地理位置信息;
计算元组获取单元,用于将当前车辆路径数据集合和对应的历史车辆路径数据集合根据当前车辆唯一识别数据进行数据封装,得到与每一当前车辆唯一识别数据分别对应的多个计算元组;
并行计算单元,用于根据每一当前车辆唯一识别数据对应的多组计算元组进行并行计算,得到与每一当前车辆唯一识别数据对应的多个车辆平均速度值;
平均速度判断单元,用于判断与每一当前车辆唯一识别数据对应的多个车辆平均速度值是否存在超过对应级别的车辆平均速度阈值的车辆平均速度值;
目标计算元组获取单元,用于若每一当前车辆唯一识别数据对应的多个车辆平均速度值中存在超过对应级别的车辆平均速度阈值的车辆平均速度值,获取对应的目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组;以及
目标计算元组发送单元,用于将目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组存储至本地的数据库,并将目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组发送至监测终端。
第三方面,本发明实施例又提供了一种计算机设备,其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的基于监控视频的套牌车识别方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其中所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的基于监控视频的套牌车识别方法。
本发明实施例提供了一种基于监控视频的套牌车识别方法、装置、计算机设备及存储介质,包括接收消息中间件上传的当前车辆路径数据集合,以及获取与当前车辆路径数据集合对应的历史车辆路径数据集合;将当前车辆路径数据集合和对应的历史车辆路径数据集合根据当前车辆唯一识别数据进行数据封装,得到与每一当前车辆唯一识别数据分别对应的多个计算元组;根据每一当前车辆唯一识别数据对应的多组计算元组进行并行计算,得到与每一当前车辆唯一识别数据对应的多个车辆平均速度值;判断与每一当前车辆唯一识别数据对应的多个车辆平均速度值是否存在超过对应级别的车辆平均速度阈值的车辆平均速度值;若每一当前车辆唯一识别数据对应的多个车辆平均速度值中存在超过对应级别的车辆平均速度阈值的车辆平均速度值,获取对应的目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组;以及将目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组存储至本地的数据库,并将目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组发送至监测终端。该方法实现了基于服务器的实时数据处理,快速的识别出存在套牌嫌疑的车辆,提高了识别精度,而且海量数据对识别服务器的数据库性能影响较低。
附图说明
为了更清楚地说明本发明实施例技术方案,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,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于监控视频的套牌车识别方法的应用场景示意图;
图2为本发明实施例提供的基于监控视频的套牌车识别方法的流程示意图;
图3为本发明实施例提供的基于监控视频的套牌车识别方法的子流程示意图;
图4为本发明实施例提供的基于监控视频的套牌车识别方法的另一子流程示意图;
图5为本发明实施例提供的基于监控视频的套牌车识别装置的示意性框图;
图6为本发明实施例提供的基于监控视频的套牌车识别装置的子单元示意性框图;
图7为本发明实施例提供的基于监控视频的套牌车识别装置的另一子单元示意性框图;
图8为本发明实施例提供的计算机设备的示意性框图。
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,所描述的实施例是本发明一部分实施例,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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1和图2,图1为本发明实施例提供的基于监控视频的套牌车识别方法的应用场景示意图;图2为本发明实施例提供的基于监控视频的套牌车识别方法的流程示意图,该基于监控视频的套牌车识别方法应用于服务器中,该方法通过安装于服务器中的应用软件进行执行。
如图2所示,该方法包括步骤S110~S160。
S110、接收消息中间件上传的当前车辆路径数据集合,以及获取与当前车辆路径数据集合对应的历史车辆路径数据集合;其中,所述当前车辆路径数据集合及历史车辆路径数据集合中均包括若干条车辆路径数据,每一条车辆路径数据均至少包括当前车辆唯一识别数据、当前采集时间、当前监控摄像头对应的当前地理位置信息。
在本实施例中,为了更清楚的理解技术方案的使用场景(例如以监控车辆的交通路线轨迹已判断是否有套牌车为例),下面对所涉及到的终端进行介绍。其中,在本申请中,是在服务器的角度来描述技术方案。
一是前端采集装置,例如设置在各高速路口和高速路段中某一处的监控摄像头,用于采集车辆路径数据并上传至Kafka消息中间件,例如某一监控摄像头将当前所采集的当前车辆图片进行前端采集装置的本地识别后,将由当前车辆唯一识别数据(一般是车牌号)、当前采集时间、当前监控摄像头对应的当前地理位置信息组成的当前车辆路径数据发送至Kafka消息中间件。
二是服务器,服务器中包括Kafka消息中间件和数据库,其中:
1)Kafka消息中间件,用于接收前端采集装置发送的当前车辆路径数据,或是读取服务器中数据库存储的历史车辆路径数据,之后将当前车辆路径数据、历史车辆路径数据发送至实时处理系统进行套牌计算;
2)数据库,用于存储历史车辆路径数据和有套牌嫌疑的车辆路径数据;
3)实时处理系统,用于接收当前车辆路径数据和历史车辆路径数据,以计算并判断是否有车辆存在套牌的情况。
在服务器中搭建了Storm环境(是一种分布式实时大数据处理框架),然后利用套牌车的时空特性进行计算。
其中,当前端采集装置在此时采集到若干个车辆的当前车辆路径数据时,其是实时上传至消息中间件,由消息中间件实现事件触发而将由若干个当前车辆路径数据组成的当前车辆路径数据集合发送至实时处理系统。由于实时处理系统是已知当前车辆路径数据集合中包括哪些车牌号分别对应的当前车辆路径数据,此时可以根据预先设置的历史数据查询策略去快速且准确的获取历史车辆路径数据。
在一实施例中,如图3所示,步骤S110包括:
S111、接收Kafka消息中间件上传的当前车辆路径数据集合;其中,所述Kafka消息中间件为分布式订阅消息中间件;
S112、根据当前车辆路径数据集合中每一当前车辆路径数据对应的当前车辆唯一识别数据,以及调用预先设置的历史数据查询策略,获取与每一当前车辆唯一识别数据对应的多组历史车辆路径数据,以组成与各当前车辆路径数据分别对应的多组历史车辆路径数据子集合;其中,所述历史数据查询策略中设置有若干个时间滑动窗口;
S113、获取与各当前车辆路径数据分别对应的多组历史车辆路径数据子集合,以组成与当前车辆路径数据集合对应的历史车辆路径数据集合。
在本实施例中,当前端采集装置在此时采集到若干个车辆的当前车辆路径数据时,其是实时上传至Kafka消息中间件,由Kafka消息中间件实现事件触发而将由若干个当前车辆路径数据组成的当前车辆路径数据集合发送至实时处理系统。
具体实施时历史数据查询策略包括3个时间滑动窗口,第一时间滑动窗口为当前车辆唯一识别数据对应的当前时间之前连续的10个历史时间点,第二时间滑动窗口为当前车辆唯一识别数据对应的当前时间之前连续的20个历史时间点,第三时间滑动窗口为当前车辆唯一识别数据对应的当前时间之前连续的30个历史时间点。也即通过3种不同的时间滑动窗口,可以获取与各当前车辆路径数据分别对应的多组历史车辆路径数据子集合,从而最终组成了历史车辆路径数据集合。
S120、将当前车辆路径数据集合和对应的历史车辆路径数据集合根据当前车辆唯一识别数据进行数据封装,得到与每一当前车辆唯一识别数据分别对应的多个计算元组。
在本实施例中,由于当前车辆路径数据集合中每一当前车辆路径数据对应一个当前车辆唯一识别数据,也就是获取了多个车牌号对应的车辆路过当前位置时采集获取的当前车辆路径数据集合后,可以根据每一车牌号及历史数据查询策略在数据以Hash结构存储的数据库中获取与每一车牌号对应的多组历史车辆路径数据子集合(其中,例如历史数据查询策略设置了N种时间滑动窗口,则此时获取了与每一车牌号对应的N组历史车辆路径数据子集合)。之后将每一车牌号对应的当前车辆唯一识别数据分别与该车牌号对应的多组历史车辆路径数据子集合进行封装,得到与每一车牌号对应的多个计算元组。通过这一数据封装方式,是为了便于后续的分布式并行计算,以提高计算效率。
在一实施例中,如图4所示,步骤S120包括:
S121、获取当前车辆路径数据集合中各当前车辆路径数据;
S122、获取与各当前车辆路径数据分别对应的多组历史车辆路径数据子集合;
S123、将各当前车辆路径数据与分别对应的多组历史车辆路径数据子集合中每一历史车辆路径数据子集合进行组合封装,得到与每一当前车辆路径数据分别对应的多个计算元组。
在本实施例中,数据封装过程是在实时处理系统的数据源(Spout)中进行。在实时处理系统对应的逻辑拓扑结构中还包括与数据源(Spout)连接的多个计算组件(T_bolt),与多个计算组件(T_bolt)连接的数据存储组件(DB_bolt),其中数据存储组件(DB_bolt)中的结果输出至服务器本地的数据库中进行存储。更具体的,多个计算组件(T_bolt)位于数据源(Spout)的下游,数据存储组件(DB_bolt)位于多个计算组件(T_bolt)的下游,数据库位于数据存储组件(DB_bolt)的下游。整个数据处理过程中,数据从实时处理系统对应的逻辑拓扑结构中的上游流向至下游。
在基于实时处理系统对应的逻辑拓扑结构进行作业过程中,数据源(Spout)为作业从外部的数据源获取当前车辆路径数据并剔除无效数据项,封装成元组(Tuple),向计算组件(T_bolt)不断的发射元组组成数据流(Steam)。套牌计算是分布式并行计算,因此有多个计算组件(T_bolt)独立存在,它们的计算互不干扰,每个计算组件(T_bolt)都会接收上游送达的将当前车辆路径数据集合和对应的历史车辆路径数据集合根据当前车辆唯一识别数据进行数据封装,得到与每一当前车辆唯一识别数据分别对应的多个计算元组作为数据输入,合理组织基础数据和接收的数据,进而根据时空矛盾规则进行套牌车的计算,将计算出的套牌信息封装成元组发射到数据存储组件(DB_bolt),作为数据存储组件(DB_bolt)的数据输入。数据存储组件(DB_bolt)接受所有进行套牌计算组件的计算结果,把接收的数据存储到数据库中。
S130、根据每一当前车辆唯一识别数据对应的多组计算元组进行并行计算,得到与每一当前车辆唯一识别数据对应的多个车辆平均速度值。
在本实施例中,由于实时处理系统中才用的是分布式并行计算架构,也即包括多个计算组件(T_Bolt),故此时根据每一当前车辆唯一识别数据对应的多组计算元组进行并行计算,能快速且准确的得到与每一当前车辆唯一识别数据对应的多个车辆平均速度值。
在一实施例中,步骤S130包括:
接收与每一当前车辆唯一识别数据对应的多组计算元组;
获取各当前车辆唯一识别数据对应的多组计算元组中每一计算元组对应的起始时间点、终止时间点、以及起始点终点间距,以计算得到与每一计算元组对应的车辆平均速度值。
在本实施例中,当多个计算组件(T_Bolt)接收与每一当前车辆唯一识别数据对应的多组计算元组后,此时在计算每一计算元组对应的车辆平均速度值时,此时获取该计算元组中对应的起始时间点、终止时间点、以及起始点终点间距,由起始点终点间距/(终止时间点-起始时间点)获取该计算元组对应的车辆平均速度值。通过这一并行计算的方式,提高了数据计算效率,而且反馈计算结果的时效性更高。
S140、判断与每一当前车辆唯一识别数据对应的多个车辆平均速度值是否存在超过对应级别的车辆平均速度阈值的车辆平均速度值。
在本实施例中,当获取了每一计算元组对应的车辆平均速度值后,为了充分考虑到交通流高峰,交通流低峰等现象对套牌车判断的影响,此时可以针对同一车牌的对应的多个车辆平均速度值是否存在超过对应级别的车辆平均速度阈值的车辆平均速度值,从多个平均速度的计算综合考虑该车是否有套牌嫌疑,提高了套牌车判断的准确性。
S150、若每一当前车辆唯一识别数据对应的多个车辆平均速度值中存在超过对应级别的车辆平均速度阈值的车辆平均速度值,获取对应的目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组。
在本实施例中,例如车牌号为粤BXXXXXX的车辆对应的第一计算元组对应的车辆平均速度值为120km/h,第二计算元组对应的车辆平均速度值为70km/h,第三计算元组对应的车辆平均速度值为58km/h。若预先设置了第一计算元组这一级别对应的第一车辆平均速度阈值为110km/h,第二计算元组这一级别对应的第二车辆平均速度阈值为80km/h,第三计算元组这一级别对应的第三车辆平均速度阈值为60km/h。
由于该车牌号对应的第一计算元组对应的车辆平均速度值为120km/h,超过了第一车辆平均速度阈值,此时可以认为车牌号为粤BXXXXXX的车辆有套牌嫌疑(因为不可能在如此短时间内在两个不同的测速点出现相同车牌号的车辆),此时获取车牌号为粤BXXXXXX的车辆对应的目标车辆识别数据及与目标车辆识别数据对应的目标计算元组。
若每一当前车辆唯一识别数据对应的多个车辆平均速度值中不存在超过对应级别的车辆平均速度阈值的车辆平均速度值,表示不存在套牌嫌疑的车辆,此时将不存在套牌车的提示信息在服务器上进行显示。
S160、将目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组存储至本地的数据库,并将目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组发送至监测终端。
在本实施例中,由于当获取了有套牌嫌疑的目标车辆识别数据及与目标车辆识别数据对应的目标计算元组,此时有两种并行进行的数据处理方式,一是存储在本地的数据库,二是发送到与服务器连接的监测终端(例如交警部门的监控系统)。通过第一种方式固化套牌车的行车数据,通过第二种方式及时的提醒相关人员进行及时人工甄别。
在一实施例中,步骤S160之后还包括:
将所述目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组上传至区块链网络。
在本实施例中,服务器可以作为一个区块链节点设备,以将所述目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组上传至区块链网络,充分利用区块链数据不可篡改的特性,实现数据证据固化。
其中,基于所述目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组得到对应的摘要信息,具体来说,摘要信息由所述目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组据进行散列处理得到,比如利用sha256算法处理得到。将摘要信息上传至区块链可保证其安全性和对用户的公正透明性。用户设备可以从区块链中下载得该摘要信息,以便查证所述目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组是否被篡改。本示例所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
该方法实现了基于服务器的实时数据处理,快速的识别出存在套牌嫌疑的车辆,提高了识别精度,而且海量数据对识别服务器的数据库性能影响较低。
本发明实施例还提供一种基于监控视频的套牌车识别装置,该基于监控视频的套牌车识别装置用于执行前述基于监控视频的套牌车识别方法的任一实施例。具体地,请参阅图5,图5是本发明实施例提供的基于监控视频的套牌车识别装置的示意性框图。该基于监控视频的套牌车识别装置100可以配置于服务器中。
如图5所示,基于监控视频的套牌车识别装置100包括:路径数据集合获取单元110、计算元组获取单元120、并行计算单元130、平均速度判断单元140、目标计算元组获取单元150、目标计算元组发送单元160。
路径数据集合获取单元110,用于接收消息中间件上传的当前车辆路径数据集合,以及获取与当前车辆路径数据集合对应的历史车辆路径数据集合;其中,所述当前车辆路径数据集合及历史车辆路径数据集合中均包括若干条车辆路径数据,每一条车辆路径数据均至少包括当前车辆唯一识别数据、当前采集时间、当前监控摄像头对应的当前地理位置信息。
在本实施例中,当前端采集装置在此时采集到若干个车辆的当前车辆路径数据时,其是实时上传至消息中间件,由消息中间件实现事件触发而将由若干个当前车辆路径数据组成的当前车辆路径数据集合发送至实时处理系统。由于实时处理系统是已知当前车辆路径数据集合中包括哪些车牌号分别对应的当前车辆路径数据,此时可以根据预先设置的历史数据查询策略去快速且准确的获取历史车辆路径数据。
在一实施例中,如图6所示,路径数据集合获取单元110包括:
中间件消息接收单元111,用于接收Kafka消息中间件上传的当前车辆路径数据集合;其中,所述Kafka消息中间件为分布式订阅消息中间件;
历史数据查询单元112,用于根据当前车辆路径数据集合中每一当前车辆路径数据对应的当前车辆唯一识别数据,以及调用预先设置的历史数据查询策略,获取与每一当前车辆唯一识别数据对应的多组历史车辆路径数据,以组成与各当前车辆路径数据分别对应的多组历史车辆路径数据子集合;其中,所述历史数据查询策略中设置有若干个时间滑动窗口;
历史数据组合单元113,用于获取与各当前车辆路径数据分别对应的多组历史车辆路径数据子集合,以组成与当前车辆路径数据集合对应的历史车辆路径数据集合。
在本实施例中,当前端采集装置在此时采集到若干个车辆的当前车辆路径数据时,其是实时上传至Kafka消息中间件,由Kafka消息中间件实现事件触发而将由若干个当前车辆路径数据组成的当前车辆路径数据集合发送至实时处理系统。
具体实施时历史数据查询策略包括3个时间滑动窗口,第一时间滑动窗口为当前车辆唯一识别数据对应的当前时间之前连续的10个历史时间点,第二时间滑动窗口为当前车辆唯一识别数据对应的当前时间之前连续的20个历史时间点,第三时间滑动窗口为当前车辆唯一识别数据对应的当前时间之前连续的30个历史时间点。也即通过3种不同的时间滑动窗口,可以获取与各当前车辆路径数据分别对应的多组历史车辆路径数据子集合,从而最终组成了历史车辆路径数据集合。
计算元组获取单元120,用于将当前车辆路径数据集合和对应的历史车辆路径数据集合根据当前车辆唯一识别数据进行数据封装,得到与每一当前车辆唯一识别数据分别对应的多个计算元组。
在本实施例中,由于当前车辆路径数据集合中每一当前车辆路径数据对应一个当前车辆唯一识别数据,也就是获取了多个车牌号对应的车辆路过当前位置时采集获取的当前车辆路径数据集合后,可以根据每一车牌号及历史数据查询策略在数据以Hash结构存储的数据库中获取与每一车牌号对应的多组历史车辆路径数据子集合(其中,例如历史数据查询策略设置了N种时间滑动窗口,则此时获取了与每一车牌号对应的N组历史车辆路径数据子集合)。之后将每一车牌号对应的当前车辆唯一识别数据分别与该车牌号对应的多组历史车辆路径数据子集合进行封装,得到与每一车牌号对应的多个计算元组。通过这一数据封装方式,是为了便于后续的分布式并行计算,以提高计算效率。
在一实施例中,如图7所示,计算元组获取单元120包括:
第一获取单元121,用于获取当前车辆路径数据集合中各当前车辆路径数据;
第二获取单元122,用于获取与各当前车辆路径数据分别对应的多组历史车辆路径数据子集合;
数据封装单元123,用于将各当前车辆路径数据与分别对应的多组历史车辆路径数据子集合中每一历史车辆路径数据子集合进行组合封装,得到与每一当前车辆路径数据分别对应的多个计算元组。
在本实施例中,数据封装过程是在实时处理系统的数据源(Spout)中进行。在实时处理系统对应的逻辑拓扑结构中还包括与数据源(Spout)连接的多个计算组件(T_bolt),与多个计算组件(T_bolt)连接的数据存储组件(DB_bolt),其中数据存储组件(DB_bolt)中的结果输出至服务器本地的数据库中进行存储。更具体的,多个计算组件(T_bolt)位于数据源(Spout)的下游,数据存储组件(DB_bolt)位于多个计算组件(T_bolt)的下游,数据库位于数据存储组件(DB_bolt)的下游。整个数据处理过程中,数据从实时处理系统对应的逻辑拓扑结构中的上游流向至下游。
在基于实时处理系统对应的逻辑拓扑结构进行作业过程中,数据源(Spout)为作业从外部的数据源获取当前车辆路径数据并剔除无效数据项,封装成元组(Tuple),向计算组件(T_bolt)不断的发射元组组成数据流(Steam)。套牌计算是分布式并行计算,因此有多个计算组件(T_bolt)独立存在,它们的计算互不干扰,每个计算组件(T_bolt)都会接收上游送达的将当前车辆路径数据集合和对应的历史车辆路径数据集合根据当前车辆唯一识别数据进行数据封装,得到与每一当前车辆唯一识别数据分别对应的多个计算元组作为数据输入,合理组织基础数据和接收的数据,进而根据时空矛盾规则进行套牌车的计算,将计算出的套牌信息封装成元组发射到数据存储组件(DB_bolt),作为数据存储组件(DB_bolt)的数据输入。数据存储组件(DB_bolt)接受所有进行套牌计算组件的计算结果,把接收的数据存储到数据库中。
并行计算单元130,用于根据每一当前车辆唯一识别数据对应的多组计算元组进行并行计算,得到与每一当前车辆唯一识别数据对应的多个车辆平均速度值。
在本实施例中,由于实时处理系统中才用的是分布式并行计算架构,也即包括多个计算组件(T_Bolt),故此时根据每一当前车辆唯一识别数据对应的多组计算元组进行并行计算,能快速且准确的得到与每一当前车辆唯一识别数据对应的多个车辆平均速度值。
在一实施例中,并行计算单元130包括:
计算元组接收单元,用于接收与每一当前车辆唯一识别数据对应的多组计算元组;
平均值计算单元,用于获取各当前车辆唯一识别数据对应的多组计算元组中每一计算元组对应的起始时间点、终止时间点、以及起始点终点间距,以计算得到与每一计算元组对应的车辆平均速度值。
在本实施例中,当多个计算组件(T_Bolt)接收与每一当前车辆唯一识别数据对应的多组计算元组后,此时在计算每一计算元组对应的车辆平均速度值时,此时获取该计算元组中对应的起始时间点、终止时间点、以及起始点终点间距,由起始点终点间距/(终止时间点-起始时间点)获取该计算元组对应的车辆平均速度值。通过这一并行计算的方式,提高了数据计算效率,而且反馈计算结果的时效性更高。
平均速度判断单元140,用于判断与每一当前车辆唯一识别数据对应的多个车辆平均速度值是否存在超过对应级别的车辆平均速度阈值的车辆平均速度值。
在本实施例中,当获取了每一计算元组对应的车辆平均速度值后,为了充分考虑到交通流高峰,交通流低峰等现象对套牌车判断的影响,此时可以针对同一车牌的对应的多个车辆平均速度值是否存在超过对应级别的车辆平均速度阈值的车辆平均速度值,从多个平均速度的计算综合考虑该车是否有套牌嫌疑,提高了套牌车判断的准确性。
目标计算元组获取单元150,用于若每一当前车辆唯一识别数据对应的多个车辆平均速度值中存在超过对应级别的车辆平均速度阈值的车辆平均速度值,获取对应的目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组。
在本实施例中,例如车牌号为粤BXXXXXX的车辆对应的第一计算元组对应的车辆平均速度值为120km/h,第二计算元组对应的车辆平均速度值为70km/h,第三计算元组对应的车辆平均速度值为58km/h。若预先设置了第一计算元组这一级别对应的第一车辆平均速度阈值为110km/h,第二计算元组这一级别对应的第二车辆平均速度阈值为80km/h,第三计算元组这一级别对应的第三车辆平均速度阈值为60km/h。
由于该车牌号对应的第一计算元组对应的车辆平均速度值为120km/h,超过了第一车辆平均速度阈值,此时可以认为车牌号为粤BXXXXXX的车辆有套牌嫌疑(因为不可能在如此短时间内在两个不同的测速点出现相同车牌号的车辆),此时获取车牌号为粤BXXXXXX的车辆对应的目标车辆识别数据及与目标车辆识别数据对应的目标计算元组。
目标计算元组发送单元160,用于将目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组存储至本地的数据库,并将目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组发送至监测终端。
在本实施例中,由于当获取了有套牌嫌疑的目标车辆识别数据及与目标车辆识别数据对应的目标计算元组,此时有两种并行进行的数据处理方式,一是存储在本地的数据库,二是发送到与服务器连接的监测终端(例如交警部门的监控系统)。通过第一种方式固化套牌车的行车数据,通过第二种方式及时的提醒相关人员进行及时人工甄别。
在一实施例中,基于监控视频的套牌车识别装置100还包括:
数据上链单元,用于将所述目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组上传至区块链网络。
在本实施例中,服务器可以作为一个区块链节点设备,以将所述目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组上传至区块链网络,充分利用区块链数据不可篡改的特性,实现数据证据固化。
其中,基于所述目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组得到对应的摘要信息,具体来说,摘要信息由所述目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组据进行散列处理得到,比如利用sha256算法处理得到。将摘要信息上传至区块链可保证其安全性和对用户的公正透明性。用户设备可以从区块链中下载得该摘要信息,以便查证所述目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组是否被篡改。本示例所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
该装置实现了基于服务器的实时数据处理,快速的识别出存在套牌嫌疑的车辆,提高了识别精度,而且海量数据对识别服务器的数据库性能影响较低。
上述基于监控视频的套牌车识别装置可以实现为计算机程序的形式,该计算机程序可以在如图8所示的计算机设备上运行。
请参阅图8,图8是本发明实施例提供的计算机设备的示意性框图。该计算机设备500是服务器,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图8,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时,可使得处理器502执行基于监控视频的套牌车识别方法。
该处理器502用于提供计算和控制能力,支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行基于监控视频的套牌车识别方法。
该网络接口505用于进行网络通信,如提供数据信息的传输等。本领域技术人员可以理解,图8中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现本发明实施例公开的基于监控视频的套牌车识别方法。
本领域技术人员可以理解,图8中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定,在其他实施例中,计算机设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。例如,在一些实施例中,计算机设备可以仅包括存储器及处理器,在这样的实施例中,存储器及处理器的结构及功能与图8所示实施例一致,在此不再赘述。
应当理解,在本发明实施例中,处理器502可以是中央处理单元 (CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路 (Application Specific IntegratedCircuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,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。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序,其中计算机程序被处理器执行时实现本发明实施例公开的基于监控视频的套牌车识别方法。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的设备、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为逻辑功能划分,实际实现时可以有另外的划分方式,也可以将具有相同功能的单元集合成一个单元,例如多个单元或组件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。另外,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、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品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 ) 执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U 盘、移动硬盘、只读存储器 (ROM,Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
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,可轻易想到各种等效的修改或替换,这些修改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权利要求的保护范围为准。
Claims (10)
1.一种基于监控视频的套牌车识别方法,其特征在于,包括:
接收消息中间件上传的当前车辆路径数据集合,以及获取与当前车辆路径数据集合对应的历史车辆路径数据集合;其中,所述当前车辆路径数据集合及历史车辆路径数据集合中均包括若干条车辆路径数据,每一条车辆路径数据均至少包括当前车辆唯一识别数据、当前采集时间、当前监控摄像头对应的当前地理位置信息;
将当前车辆路径数据集合和对应的历史车辆路径数据集合根据当前车辆唯一识别数据进行数据封装,得到与每一当前车辆唯一识别数据分别对应的多个计算元组;
根据每一当前车辆唯一识别数据对应的多组计算元组进行并行计算,得到与每一当前车辆唯一识别数据对应的多个车辆平均速度值;
判断与每一当前车辆唯一识别数据对应的多个车辆平均速度值是否存在超过对应级别的车辆平均速度阈值的车辆平均速度值;
若每一当前车辆唯一识别数据对应的多个车辆平均速度值中存在超过对应级别的车辆平均速度阈值的车辆平均速度值,获取对应的目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组;以及
将目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组存储至本地的数据库,并将目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组发送至监测终端。
2.根据权利要求1所述的基于监控视频的套牌车识别方法,其特征在于,所述接收消息中间件上传的当前车辆路径数据集合,以及获取与当前车辆路径数据集合对应的历史车辆路径数据集合,包括:
接收Kafka消息中间件上传的当前车辆路径数据集合;其中,所述Kafka消息中间件为分布式订阅消息中间件;
根据当前车辆路径数据集合中每一当前车辆路径数据对应的当前车辆唯一识别数据,以及调用预先设置的历史数据查询策略,获取与每一当前车辆唯一识别数据对应的多组历史车辆路径数据,以组成与各当前车辆路径数据分别对应的多组历史车辆路径数据子集合;其中,所述历史数据查询策略中设置有若干个时间滑动窗口;
获取与各当前车辆路径数据分别对应的多组历史车辆路径数据子集合,以组成与当前车辆路径数据集合对应的历史车辆路径数据集合。
3.根据权利要求2所述的基于监控视频的套牌车识别方法,其特征在于,所述将当前车辆路径数据集合和对应的历史车辆路径数据集合根据当前车辆唯一识别数据进行数据封装,得到与每一当前车辆唯一识别数据分别对应的多个计算元组,包括:
获取当前车辆路径数据集合中各当前车辆路径数据;
获取与各当前车辆路径数据分别对应的多组历史车辆路径数据子集合;
将各当前车辆路径数据与分别对应的多组历史车辆路径数据子集合中每一历史车辆路径数据子集合进行组合封装,得到与每一当前车辆路径数据分别对应的多个计算元组。
4.根据权利要求1所述的基于监控视频的套牌车识别方法,其特征在于,所述根据每一当前车辆唯一识别数据对应的多组计算元组进行并行计算,得到与每一当前车辆唯一识别数据对应的多个车辆平均速度值,包括:
接收与每一当前车辆唯一识别数据对应的多组计算元组;
获取各当前车辆唯一识别数据对应的多组计算元组中每一计算元组对应的起始时间点、终止时间点、以及起始点终点间距,以计算得到与每一计算元组对应的车辆平均速度值。
5.根据权利要求2所述的基于监控视频的套牌车识别方法,其特征在于,所述历史数据查询策略中包括3个时间滑动窗口,分别记为第一时间滑动窗口、第二时间滑动窗口和第三时间滑动窗口;第一时间滑动窗口为当前车辆唯一识别数据对应的当前时间之前连续的10个历史时间点,第二时间滑动窗口为当前车辆唯一识别数据对应的当前时间之前连续的20个历史时间点,第三时间滑动窗口为当前车辆唯一识别数据对应的当前时间之前连续的30个历史时间点。
6.根据权利要求1所述的基于监控视频的套牌车识别方法,其特征在于,所述将目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组存储至本地的数据库之后,还包括:
将所述目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组上传至区块链网络。
7.一种基于监控视频的套牌车识别装置,其特征在于,包括:
路径数据集合获取单元,用于接收消息中间件上传的当前车辆路径数据集合,以及获取与当前车辆路径数据集合对应的历史车辆路径数据集合;其中,所述当前车辆路径数据集合及历史车辆路径数据集合中均包括若干条车辆路径数据,每一条车辆路径数据均至少包括当前车辆唯一识别数据、当前采集时间、当前监控摄像头对应的当前地理位置信息;
计算元组获取单元,用于将当前车辆路径数据集合和对应的历史车辆路径数据集合根据当前车辆唯一识别数据进行数据封装,得到与每一当前车辆唯一识别数据分别对应的多个计算元组;
并行计算单元,用于根据每一当前车辆唯一识别数据对应的多组计算元组进行并行计算,得到与每一当前车辆唯一识别数据对应的多个车辆平均速度值;
平均速度判断单元,用于判断与每一当前车辆唯一识别数据对应的多个车辆平均速度值是否存在超过对应级别的车辆平均速度阈值的车辆平均速度值;
目标计算元组获取单元,用于若每一当前车辆唯一识别数据对应的多个车辆平均速度值中存在超过对应级别的车辆平均速度阈值的车辆平均速度值,获取对应的目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组;以及
目标计算元组发送单元,用于将目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组存储至本地的数据库,并将目标车辆唯一识别数据及与目标车辆唯一识别数据对应的目标计算元组发送至监测终端。
8.根据权利要求7所述的基于监控视频的套牌车识别装置,其特征在于,所述路径数据集合获取单元,包括:
中间件消息接收单元,用于接收Kafka消息中间件上传的当前车辆路径数据集合;其中,所述Kafka消息中间件为分布式订阅消息中间件;
历史数据查询单元,用于根据当前车辆路径数据集合中每一当前车辆路径数据对应的当前车辆唯一识别数据,以及调用预先设置的历史数据查询策略,获取与每一当前车辆唯一识别数据对应的多组历史车辆路径数据,以组成与各当前车辆路径数据分别对应的多组历史车辆路径数据子集合;其中,所述历史数据查询策略中设置有若干个时间滑动窗口;
历史数据组合单元,用于获取与各当前车辆路径数据分别对应的多组历史车辆路径数据子集合,以组成与当前车辆路径数据集合对应的历史车辆路径数据集合。
9.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的基于监控视频的套牌车识别方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至6任一项所述的基于监控视频的套牌车识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010579883.1A CN111461094A (zh) | 2020-06-23 | 2020-06-23 | 基于监控视频的套牌车识别方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010579883.1A CN111461094A (zh) | 2020-06-23 | 2020-06-23 | 基于监控视频的套牌车识别方法、装置及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111461094A true CN111461094A (zh) | 2020-07-28 |
Family
ID=71683994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010579883.1A Pending CN111461094A (zh) | 2020-06-23 | 2020-06-23 | 基于监控视频的套牌车识别方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111461094A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112017444A (zh) * | 2020-08-28 | 2020-12-01 | 上海依图网络科技有限公司 | 一种套牌车辆检测方法及其装置、介质和系统 |
CN114141023A (zh) * | 2021-10-15 | 2022-03-04 | 重庆紫光华山智安科技有限公司 | 一种套牌车检测方法、系统、存储介质及终端 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107610471A (zh) * | 2016-07-11 | 2018-01-19 | 中兴通讯股份有限公司 | 车辆套牌检测方法及系统 |
CN109711276A (zh) * | 2018-12-06 | 2019-05-03 | 新华三技术有限公司 | 一种套牌检测方法及装置 |
-
2020
- 2020-06-23 CN CN202010579883.1A patent/CN111461094A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107610471A (zh) * | 2016-07-11 | 2018-01-19 | 中兴通讯股份有限公司 | 车辆套牌检测方法及系统 |
CN109711276A (zh) * | 2018-12-06 | 2019-05-03 | 新华三技术有限公司 | 一种套牌检测方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112017444A (zh) * | 2020-08-28 | 2020-12-01 | 上海依图网络科技有限公司 | 一种套牌车辆检测方法及其装置、介质和系统 |
CN114141023A (zh) * | 2021-10-15 | 2022-03-04 | 重庆紫光华山智安科技有限公司 | 一种套牌车检测方法、系统、存储介质及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110060484B (zh) | 一种基于区块链的公路客运违章实时预警系统及方法 | |
US20230418589A1 (en) | Transport component acceptance | |
US20160284212A1 (en) | Technologies for detection of anomalies in vehicle traffic patterns | |
CN111461094A (zh) | 基于监控视频的套牌车识别方法、装置及计算机设备 | |
WO2021128278A1 (en) | Driving safety systems | |
US11704107B2 (en) | Software updates based on transport-related actions | |
US20220327871A1 (en) | Diagnosis of transport-related issues | |
US20220236703A1 (en) | Prioritized building energy management | |
US20240025293A1 (en) | Transport battery health | |
US20230241999A1 (en) | Transport recharge level determination | |
US20230226941A1 (en) | Electric transport charging determination | |
US20230276482A1 (en) | Resource selection for 5g nr v2x communications | |
US20220334592A1 (en) | Transport modification based on comparative characteristics | |
US11870557B2 (en) | Process for generating transport keys for data communication based on actions performed by a transport | |
US20220375284A1 (en) | Display modification based on the importance of the data | |
US20220222762A1 (en) | Transport recharge notification | |
US20220274593A1 (en) | Transport-related object avoidance | |
US20220219560A1 (en) | Transport energy transfer | |
US11894136B2 (en) | Occupant injury determination | |
US11897450B2 (en) | Transport slope management | |
US11555466B1 (en) | Minimal route determination | |
US20230211782A1 (en) | Corrective actions for unsafe transports | |
US11885627B2 (en) | Transport-related efficiency management | |
US20240109449A1 (en) | Determining vehicle charging locations | |
US11787434B2 (en) | Modification of transport functionality based on modified components |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200728 |