CN112183367A - 车辆数据检错方法、装置、服务器及存储介质 - Google Patents
车辆数据检错方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN112183367A CN112183367A CN202011050833.0A CN202011050833A CN112183367A CN 112183367 A CN112183367 A CN 112183367A CN 202011050833 A CN202011050833 A CN 202011050833A CN 112183367 A CN112183367 A CN 112183367A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- historical
- recorded
- record
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明的实施例提供了一种车辆数据检错方法、装置、服务器及存储介质,该方法包括:获取目标车辆的记录数据以及与记录数据相邻的历史记录数据;该记录数据中包含车牌号码和记录编号;该历史记录数据中包含所述车牌号码和历史记录编号;判断上述记录数据和历史记录数据是否为疑似错误数据;若是,则获取与记录编号匹配的第一车辆属性数据、与历史记录标号匹配的第二车辆属性数据以及与车牌号码匹配的标准车辆属性数据;若第一车辆属性数据与标准属性车辆数据不一致,第二车辆属性数据与标准属性车辆数据不一致,则将记录数据和历史记录数据确定为错误数据。本发明能够提高识别数据的检测准确度,降低数据检错耗时,提高数据检错的效率。
Description
技术领域
本发明涉及车辆识别领域,具体而言,涉及一种车辆数据检错方法、装置、服务器及存储介质。
背景技术
近年来,基于图像识别的卡口系统逐渐普及,城市中成百上千个卡口抓拍机时刻运行着,保证着每个人的出行便利和安全。而随着各个城市中汽车保有量的不断增长,卡口系统将在未来智慧交通的建设中占据着举足轻重的位置,其广泛应用在交通态势、违章抓拍、超速行驶等交通管理中。
在现有的卡口系统中,车牌识别的准确度是卡口系统中最重要的环节之一。车牌识别指卡口抓拍过往车辆,通过图像识别技术,获得识别后的车牌颜色,车牌号码等关键信息。目前,对车牌识别结果的正确与否没有更好的检测方法,往往只能通过人工方式直接将过车记录数据与数据库中登记的数据进行比对,在这种比对过程中容易将很多无效数据进行比对的现象,使得检测效率较低,耗时长,准确度较低。
因此,如何针对车牌识别数据提供一种快速、准确的检错方法,是需要解决的技术问题。
发明内容
有鉴于此,本发明提供一种车辆数据检错方法、装置、服务器及存储介质,用于快速、准确的对车辆识别数据进行检错,提高检测效率和准确度,本发明技术方案如下:
第一方面,本发明提供一种车辆数据检错方法,所述方法包括:获取目标车辆的记录数据以及与所述记录数据相邻的历史记录数据;所述记录数据中包含车牌号码和记录编号;所述历史记录数据中包含所述车牌号码和历史记录编号;判断所述记录数据和所述历史记录数据是否为疑似错误数据;若是,则获取与所述记录编号匹配的第一车辆属性数据、与所述历史记录标号匹配的第二车辆属性数据以及与所述车牌号码匹配的标准车辆属性数据;若所述第一车辆属性数据与所述标准属性车辆数据不一致,则将所述记录数据确定为错误数据;若所述第二车辆属性数据与所述标准属性车辆数据不一致,则将所述历史记录数据确定为错误数据。
第二方面,本发明提供一种车辆数据检错装置,包括获取模块和处理模块:所述获取模块,用于获取目标车辆的记录数据以及与所述记录数据相邻的历史记录数据;所述记录数据中包含车牌号码和记录编号;所述历史记录数据中包含所述车牌号码和历史记录编号;所述处理模块,用于判断所述记录数据和所述历史记录数据是否为疑似错误数据;所述获取模块,用于若是,则获取与所述记录编号匹配的第一车辆属性数据、与所述历史记录标号匹配的第二车辆属性数据以及与所述车牌号码匹配的标准车辆属性数据;所述处理模块,用于若所述第一车辆属性数据与所述标准属性车辆数据不一致,则将所述记录数据确定为错误数据;若所述第二车辆属性数据与所述标准属性车辆数据不一致,则将所述历史记录数据确定为错误数据。
第三方面,本发明提供一种服务器,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现第一方面所述方法的步骤。
第四方面,本发明提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面所述方法的步骤。
本发明的实施例提供了一种车辆数据检错方法、装置、服务器及存储介质,该方法包括:获取目标车辆的记录数据以及与记录数据相邻的历史记录数据;该记录数据中包含车牌号码和记录编号;该历史记录数据中包含所述车牌号码和历史记录编号;判断上述记录数据和历史记录数据是否为疑似错误数据;若是,则获取与记录编号匹配的第一车辆属性数据、与历史记录标号匹配的第二车辆属性数据以及与车牌号码匹配的标准车辆属性数据;若第一车辆属性数据与标准属性车辆数据不一致,第二车辆属性数据与标准属性车辆数据不一致,则将记录数据和历史记录数据确定为错误数据。本发明能够提高识别数据的检测准确度,降低数据检错耗时,提高数据检错的效率。本发明提供的车辆检错方法与现有技术的区别在于:现有技术直接将识别到的过车数据和档案库中登记的真实车辆属性数据进行比对,显然,这种比对方式误差较大,而且没有进行无效数据筛选,将全部是被到的过车数据与登记信息进行比对,耗时较长,降低了检测效率,而本发明在将识别到的过车数据和档案库中登记的真实车辆属性数据进行比对之前,先判断过车数据是否为疑似错误数据,若不是,则表明该数据为无效数据,则可以不对本次识别的过车数据进行比对,若是疑似错误数据,才去和档案库中的真实车辆属性数据比对,不仅能够筛选无效数据,降低无效比对的风险,提供了检测耗时,同时,将疑似错误数据与登记的真实车辆属性数据,可以提高识别数据的检测准确度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为一种卡口系统的架构示意图;
图2为本发明实施例提供的一种车辆数据检错方法的示意性流程图;
图3为本发明实施例提供的另一种车辆数据检错方法的示意性流程图;
图4为本发明实施例提供的步骤S206的一种实施方式的示意性流程图;
图5为本发明实施例提供的另一种车辆数据检错方法的示意性流程图;
图6为本发明实施例提供的另一种车辆数据检错方法的示意性流程图;
图7为本发明实施例提供的一种车辆数据检错装置的方框示意图;
图8为本发明实施例提供的一种服务器的方框示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在不冲突的情况下,本发明的实施例中的特征可以相互结合。
在目前的卡口系统中,车辆识别占据的作用越来越大,车牌识别指卡口抓拍过往车辆,通过图像识别技术,获得识别后的车牌颜色,车牌号码等关键信息。显而易见,车牌识别的准确度是卡口系统中最重要的环节之一。
在实际的卡口系统环境中,对于车牌识别错误的数据往往都有心无力,现有技术的做法往往是通过人工方式直接将过车记录数据与数据库中登记的数据进行比对,在这种比对过程中容易将很多无效数据进行比对的现象,使得检测效率较低,需要耗费大量的人力成本,而且筛选数据往往误差较大,很难达到所需的自动化,流程化。
另一方面,车牌识别作为图像识别的一种,识别准确度依赖于海量高质量的训练数据集,在对算法精益求精的今天,基于公开的车辆图片数据集已经不能满足差异化和高精竞争的需求,需要持续大量的优质数据集进行算法训练和优化,尤其是那些在实际应用中识别错误的图片数据。发明人在研究的过程中发现,相关技术即使在检测到错误识别的数据,往往也会将这部分数据丢弃,但发明人发现这部分错误识别的数据能够为车牌识别算法提供了持续的、大量的、真实和有效的数据集,其中有些数据分析场景是已知所有的公开数据集中不具备的,可以为提供车牌识别准确率做出了较大的贡献。
因此,为了解决上述存在的一系列问题,发明人在研究过程中提供了一种车辆数据检错方法,该方法基于相同车牌号码的车辆在短时间段内不应该同时出现的逻辑,通过卡口距离、记录时间等两种特殊场景确定疑似错误数据,再通过和档案库登记的真实车辆信息进行比较,进一步确定错误识别的数据,该方法能够提高数据检错的效率和准确度,同时发明人还提出将检测出来的错误数据进行存储,以为后续车辆识别算法的优化提供真实有效的训练样本,以便进一步提高卡口系统对于车辆识别的准确度。
本申请提供的车辆数据检错方法,可以应用于如图1所示的卡口系统中。请参见图1,图1为一种卡口系统10的架构示意图。该卡口系统10包括服务器101、视图库102、设备数据库103和至少一个卡口设备104。其中,该卡口设备104可以和服务器101以及视图库102通过网络进行通信,同时,视图库102、设备数据库103以及服务器101相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
卡口设备104用于获取经过各个卡口的所有车辆图像或者视频并实时的上传至视图库102中进行存储、查询或者比对等处理,图像或者视频中可以但不限于包括车辆的颜色、特征、车牌号码等信息,在一种实施方式中,卡口设备可以但不限于是摄像头、抓拍机等。
视图库102用于记录经过卡口的每一辆车的信息,包括车牌号码、车速、车型、经过时间、车辆图像等过车数据。视图库102可以将存储的过车数据上传至服务器101,以使服务器101可以对过车数据进行筛选、计算、检错和比对等处理。设备数据库103可以用来维护卡口设备104的位置信息、设备属性参数等数据。
服务器101用于接收视图库102或者卡口设备104直接传输的过车数据,对过车数据进行筛选、计算、比对、检错等处理,在一种可能的实现方式中,服务器101可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
应当理解的是,图1所示的结构仅为卡口系统10的结构示意图,所述卡口系统10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
在一个实施例中,上述车辆数据检错方法的执行主体可以是本发明实施例提供的车辆数据检错装置,或者集成了该车辆数据检错装置的服务器,该服务器可以是图1中的服务器101中,该车辆数据检错装置可以采用硬件或者软件的方式实现。
在执行上述车辆数据检错方法之前,需对本方法中涉及的相关阈值进行配置,相关阈值可以包括卡口距离阈值、过车时间阈值以及速度阈值,上述阈值时基于相同车牌短时间内不应该同时出现的逻辑进行设置的,也即,在实际的场景中,短时间内同一辆车不可能同时出现在相距比较远的两个地方,短时间内两个卡口不应该检测出同一个车牌。
在一种可能的实现方式中,上述阈值可以根据不同的环境进行差异化配置,包括但不限于如下配置:(1)配置速度阈值(CONF-SPEED),速度阈值可以为默认值250km/h,也可以根据实际场景重新进行配置(2)配置卡口距离阈值(CONF-DISTANCE),速度阈值可以为默认值1000m,也可以根据实际场景重新进行配置,设置卡口距离阈值的原因是:因各个卡口朝向,车辆行驶的行为不可预知,比如,在实际的场景中,同一辆车在两个距离较近的卡口之间出现调头或者穿行等过车记录,则这种数据在进行检错时会对结果产生较大的误差,故这类过车记录数据属于无效数据,(3)配置过车时间阈值(CONF-VALIDTIME),过车时间阈值可以为默认值60min,也可以根据实际场景重新进行配置,对于前后两次过车记录数据,过车时间间隔过长时,行车速度理论不发生异常,因此这类过车记录数据也可认为无效数据。
在配置完上述卡口距离阈值、过车时间阈值以及速度阈值之后,即可按照本发明提供的车辆数据检错方法进行数据检错,下面请参见图2,图2为本发明实施例提供的一种车辆数据检错方法的示意性流程图,该方法可以包括:
S205、获取目标车辆的记录数据以及与记录数据相邻的历史记录数据。
其中,上述的记录数据可以理解为目标车辆的当前检测到的本次过车数据,其中可以包含车牌号码和记录编号;上述的历史记录数据中包含该车牌号码和历史记录编号。可以理解的是,上述的历史记录数据可以存在服务器内部的高速缓存内,表征过车时间距离本次过车数据最近的上一次过车数据。
在一种可能的实现方式中,服务器可以但不限于从视图库获取视频图像流数据、直接接收卡口设备实时采集的视频图像流数据、接收来自其他终端设备传输的视频图像流数据,服务器获得图像视频流数据之后可以通过图像识别等技术对每张图像进行车辆识别,获得目标车辆的车牌号码、经过一个卡口的过车时间和该卡口的编号。
在一种可能的实现方式中,上述的历史记录数据可以存储在服务器的高速缓存中,服务器可以根据车牌号码从高速缓存中获取该目标车辆的上一次过车数据。
S206、判断记录数据和历史记录数据是否为疑似错误数据。
其中,结合上述阈值配置的原理,上述“疑似错误数据”可以理解为目标车辆上次过车和本次过车的过程中,经过卡口之间的距离、上次过车和本次过车的时间差、以及上次过车和本次过车的过程中的速度均不满足上述设置的阈值,因此,可以认为本次过车的记录数据和上次过车的记录数据为疑似错误数据。为了进一步确认本次过车的记录数据和上次过车的记录数据是否为错误数据,则可执行步骤S203和S204。
S207、若是,则获取与记录编号匹配的第一车辆属性数据、与历史记录标号匹配的第二车辆属性数据以及与车牌号码匹配的标准车辆属性数据。
其中,上述的第一车辆属性数据、第二车辆属性数据以及标准车辆属性数据均可以但不限于是:车辆类型、车身颜色、车辆品牌等数据。
在一种可能的实现方式中,上述的第一车辆属性数据和第二车辆属性数据可以是视图库中存储的经过图像识别获得的车辆信息,其中,服务器可以直接通过记录数据中的记录编号和历史记录数据中历史记录编号从视图库中读取该第一车辆属性数据和第二车辆属性数据,或者,服务器还可以向所述视图库发送包含该记录编号和历史记录编号的获取指令,视图库获得该获取指令之后,将与所述记录编号和所述历史记录编号匹配的数据发送给服务器。
在一种可能的实现方式中,上述的标准车辆属性数据可以是登记在车辆档案库中的车辆登记信息。服务器可以直接通过车牌号码从档案库中读取上述标准车辆属性参数,或者,服务器还可以向档案库发送包含该车牌号码的获取指令,档案库获得该获取指令之后,将与该车牌号码编号匹配的数据发送给服务器。
S208、若第一车辆属性数据与标准属性车辆数据不一致,则将记录数据确定为错误数据;若第二车辆属性数据与标准属性车辆数据不一致,则将历史记录数据确定为错误数据。
可以理解的是,由于通过步骤202已经将确定了全部识别到的过车数据中的疑似错误数据,进而识别得到的车辆属性数据与登记的车辆属性数据进行比对,若识别的数据与登记信息一直,则表明识别的记录数据和历史记录数据为正确的数据,若识别的数据与登记信息不一致,则可以确定识别的数据为错误数据。
由上述描述可知,本发明提供的车辆检错方法与现有技术的区别在于:现有技术直接将识别到的过车数据和档案库中登记的真实车辆属性数据进行比对,显然,这种比对方式误差较大,而且没有进行无效数据筛选,将全部是被到的过车数据与登记信息进行比对,耗时较长,降低了检测效率,而本发明在将识别到的过车数据和档案库中登记的真实车辆属性数据进行比对之前,先判断过车数据是否为疑似错误数据,若不是,则表明该数据为无效数据,则可以不对本次识别的过车数据进行比对,若是疑似错误数据,才去和档案库中的真实车辆属性数据比对,不仅能够筛选无效数据,降低无效比对的风险,提供了检测耗时,同时,将疑似错误数据与登记的真实车辆属性数据,可以提高识别数据的检测准确度。
在一个实施例中,在获取目标车辆的记录数据以及与记录数据相邻的历史记录数据之前,需要通过识别到的车牌号码确定该目标车辆是否存在历史记录数据,若不存在则可以将本次记录数据存入缓存作为后续有关该目标车辆的记录数据的历史记录数据,若存在则可以获得该历史记录数据,并进行后续的数据检错流程,因此,下面在图2的基础上给出一种可能的实现方式,参见图3,图3为本发明实施例提供的另一种车辆数据检错方法的示意性流程图,该方法还包括:
S204、判断目标车牌号码查询缓存中是否存在历史记录数据。
若是,则执行步骤205;若否,则执行步骤S209。
S209,将记录数据存入缓存。
可以理解的是,若缓存之中没有与该车牌号码匹配的历史记录数据,则说明为本次的记录上述为该目标车辆的新记录,此时将目标车辆本次记录数据存入缓存,以为后续的有关该目标车辆的识别数据进行检错提供数据基础。
可选地,由于错误数据能够为车牌识别算法提供了持续的、大量的、真实和有效的数据集,其中有些数据分析场景是已知所有的公开数据集中不具备的,可以为提供车牌识别准确率做出了较大的贡献。因此在将记录数据确定为错误数据,和/或,将历史记录数据确定为错误数据之后,还可以将记录数据进行存储,和/或,将所述历史记录数据存储进预设的识别错误库,以便为车牌识别算法提供了持续的、大量的、真实和有效的数据集。
可选地,为了能够确定目标车辆识别的过车数据是否为疑似错误数据,完成无效数据的筛选,上述的记录数据中还可以包含过车时间和卡口编号;该过车时间表征目标车辆从所述卡口编号对应的卡口经过的时间;该历史记录数据还包含历史过车时间和历史卡口编号,例如,一条记录数据可以为车牌号码:渝A8***8,卡口编号:1000000000000000001,过车时间:1596281908000毫秒,记录编号:001。基于此,下面在图2的基础上,给出一种可能的实现方式,请参见图4,图4为本发明实施例提供的步骤S202的一种实现方式的示意性流程图,其中步骤S202还可以包括以下子步骤:
S2061、若过车时间和历史过车时间之间的时间差大于预设的时间阈值,且卡口编号对应的卡口与历史卡口编号对应的卡口的位置距离大于预设的距离阈值,则根据位置距离和时间差确定目标车辆的速度。
S2062、若速度大于预设的速度阈值,则确定记录数据和历史记录数据为疑似错误数据。
在一种可能的实现方式中,上述确定卡口编号对应的卡口与历史卡口编号对应的卡口的位置距离大于预设的距离阈值的方式可以是:假设卡口编号对应的卡口A的经纬度为(LonA,LatA),历史卡口编号对应的卡口B的经纬度为(LonB,LatB),按照0度经线的基准,东经取经度的正值(Longitude),西经取经度负值(-Longitude),北纬取90-纬度值(90-Latitude),南纬取90+纬度值(90+Latitude),则经过上述处理过后的两点被计为(MLonA,MLatA)和(MLonB,MLatB)。那么根据三角推导,使用如下公式(1)和公式(2)计算两卡口间距离:
C=sin(MLatA)*sin(MLatB)*cos(MLonA-MLonB)+cos(MLatA)*cos(MLatB) (1)
Distance=R*Arccos(C)*Pi/180 (2)
其中R为地球半径,因为地球不是一个标准的圆,所以采用赤道半径和极半径的平均值进行折中,赤道半径为6378140米,极半径为6356755米,平均半径6371004米。
通过上述方式获得卡口编号对应的卡口A和历史卡口编号对应的卡口B之间的位置距离之后,将计算得到的位置距离与预先配置的距离阈值进行比较。若位置距离小于距离阈值,可以认为识别得到的记录数据为无效数据,此时无需继续后续判断,返回按照上述过程对其他目标车辆的识别数据进行错误检测,若位置距离小于距离阈值,则可以进行过车时间差的判断,考虑到卡口系统一般建立在某个市、区、县,理论从卡口系统中最远距离的两个卡口时间间隔也是一个相对较小的时间,可以根据此理论时间进行配置参数的设置,根据本次记录数据中的过车时间timeA和历史过车时间timeB和进行数据筛选,如果timeA和timeB之间的时间差大于预设的时间阈值,可以认为识别得到的记录数据为无效数据,此时无需继续后续判断,如果时间差小于预设的时间阈值,则根据位置距离distance,以及过车时间timeA和历史过车时间timeB计算两条记录数据件的理论速度,理论速度如下公式(3)所示:
如果速度大于预设的速度阈值,则可以认为记录数据和历史记录数据为疑似错误数据。
为了方便理解上述确定疑似错误数据的实现过程,下面以一个具体的示例进行阐述。
例如,在一种可能的实现方式中,假设卡口系统内相距最远的两个卡口的距离为42km,因限速等因素可以估算理论有效过车时间间隔应为30分钟,因此上述配置阈值的方式可以为(1)异常速度阈值配置为250km/h。(2)卡口距离阈值配置为1000m。有效过车时间间隔30min。某次检测到的目标车辆的记录数据为车牌号码:渝A8***8,卡口编号A:1000000000000000001,过车时间A:1590628258500毫秒,记录编号A:001。该目标车辆的历史记录数据为:车牌号码:渝A8***8,卡口编号B:1000000000000000002,历史过车时间B:1590628214600毫秒,记录编号B:002。
基于上述信息,获取卡口编号A的卡口的经纬度为(118.86674,42.26562),卡口编号B的卡口的经纬度信息(118.92088,42.28717),根据上述公式(1)和公式(2)计算得到两个卡口之间的位置距离distance为5054m,满足大于预设的距离阈值(1000m)的条件,可以进行下一步,通过计算过车时间A和历史过车时间B之间的时间差(timeB-timeA)为43.9s,则满足大于预设时间阈值(30min)的条件,进一步根据公式3可以获得目标车辆的理论速度为满足大于预设的速度阈值(250km/h)的条件,因此,可以确定记录数据和历史记录数据为疑似错误数据。
通过上述示例可以理解的是,在上述的判断过程中,任意一个条件不满足预设条件时,则可以不在进行后续判断操作,此时返回到步骤201开始对其他目标车辆的识别数据进行错误检测。
在一个实施例中,为了能够获得目标车辆的过车数据,在获取目标车辆的记录数据和与所述记录数据相邻的历史记录数据之前,服务器还可以接收来自视图库、终端设备或者卡口设备传输的车辆图片流数据,对该图片流数据进行车辆识别获得每个目标车辆的记录数据,因此,下面在图2的基础上,给出一种可能的实现方式,请参见图5,图5为本发明实施例提供的另一种车辆数据检错方法的示意性流程图,该方法还可以包括:
S201、获取车辆图片流数据。
其中,车辆图片流数据可以来自视图库、终端设备或者卡口设备。
S202、根据车辆图片流数据进行车辆识别,获得行车记录数据集。
可以理解的是,上述的行车记录数据集中包含目标车辆的记录数据。服务器可以直接从行车记录数据集中直接与目标车辆匹配的记录数据,能够节省数据的时间,提高数据检错的效率。
在一个实施例中,上述的行车记录数据集中的数据都是车辆识别的结果,在实际的场景中存在很多无牌车或其它异常情况,使得行车记录数据中包含很多异常数据,包括但不限于如下数据,无牌车、临牌车、识别质量过差的车牌或由设备异常引起的异常数据,因此,在对识别数据检错之前,需要对这部分异常数据进行数据清理,经过过滤会减少后续计算的复杂度和时间,提高系统的运行效率。因此,下面在图5的基础上,给出一种实现方式,参见图6,图6为本发明实施例提供的另一种车辆数据检错方法的示意性流程图,该方法还可以包括:
S203、删除记录数据集中的异常记录数据。
可以理解的是,上述的异常记录数据表征车牌号码状态异常的数据包括但不限于如下数据,无牌车、临牌车、识别质量过差的车牌或由设备异常引起的车牌号码状态异常数据以及卡口编号异常的数据。通过筛选行车记录数据集中的异常数据,可以减少后续计算的复杂度和时间,提高系统的运行效率。
通过上述实施例不仅能够筛选无效数据,降低无效比对的风险,提供了检测耗时,将疑似错误数据与登记的真实车辆属性数据,可以提高识别数据的检测准确度,同时,本发明实施例还可以对识别到的行车记录数据集还可以进行异常数据的清除,进一步降低了后续计算量,提高了数据检错的效率和准确度。
为了实现上述实施例的各个步骤,以达到对应的技术效果,下面给出一种的车辆数据检错装置的实现方式,图7为本申请实施例提供的车辆数据检错装置的方框示意图,参见图7,车辆数据检错装置70包括:获取模块701和处理模块702。
获取模块701,用于获取目标车辆的记录数据以及与记录数据相邻的历史记录数据;记录数据中包含车牌号码和记录编号;历史记录数据中包含车牌号码和历史记录编号;
处理模块702,用于判断记录数据和历史记录数据是否为疑似错误数据;
获取模块701,用于若是,则获取与记录编号匹配的第一车辆属性数据、与历史记录标号匹配的第二车辆属性数据以及与车牌号码匹配的标准车辆属性数据;
处理模块702,用于若第一车辆属性数据与标准属性车辆数据不一致,则将记录数据确定为错误数据;若第二车辆属性数据与标准属性车辆数据不一致,则将历史记录数据确定为错误数据。
可以理解的是,获取模块701和处理模块702可以用来协同的执行步骤S205至S208以实现相应的技术效果。
可选地,记录数据还包含过车时间和卡口编号;过车时间表征目标车辆从卡口编号对应的卡口经过的时间;历史记录数据还包含历史过车时间和历史卡口编号;处理模块702,具体用于:判断记录数据和历史记录数据是否为疑似错误数据,包括:若过车时间和历史过车时间之间的时间差大于预设的时间阈值,且卡口编号对应的卡口与历史卡口编号对应的卡口的位置距离大于预设的距离阈值,则根据位置距离和时间差确定目标车辆的速度;若速度大于预设的速度阈值,则确定记录数据和历史记录数据为疑似错误数据。
可选地,获取模块701,还用于获取车辆图片流数据根据车辆图片流数据进行车辆识别,获得行车记录数据集;行车记录数据集中包含目标车辆的记录数据。
可选地,处理模块702还用于删除记录数据集中的异常记录数据;异常记录数据表征车牌号码状态异常的数据和卡口编号异常的数据。
可选地,处理模块702还用于根据目标车牌号码判断缓存中是否存在历史记录数据;获取模块701若存在,则获取目标车辆的记录数据以及与记录数据相邻的历史记录数据。若不存在,处理模块702用于则将记录数据存入缓存。
可以理解的是,获取模块701和处理模块702可以用来协同的执行图3、4、5、6中的步骤以实现相应的技术效果。
可选地,该装置还包括存储模块,用于将记录数据进行存储,和/或,将历史记录数据进行存储。
本发明实施例还提供一种服务器,如图8,图8为本发明实施例提供的一种服务器的方框示意图。该服务器80包括通信接口801、处理器802和存储器803。该处理器802、存储器803和通信接口801相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器803可用于存储软件程序及模块,如本发明实施例所提供的车辆数据检错方法对应的程序指令/模块,处理器802通过执行存储在存储器803内的软件程序及模块,从而执行各种功能应用以及数据处理。该通信接口801可用于与其他节点设备进行信令或数据的通信。在本发明中该服务器80可以具有多个通信接口801。
其中,存储器803可以是但不限于,随机存取存储器(RandomAccessMemory,RAM),只读存储器(ReadOnlyMemory,ROM),可编程只读存储器(ProgrammableRead-OnlyMemory,PROM),可擦除只读存储器(ErasableProgrammableRead-OnlyMemory,EPROM),电可擦除只读存储器(ElectricErasableProgrammableRead-OnlyMemory,EEPROM)等。
处理器802可以是一种集成电路芯片,具有信号处理能力。该处理器可以是通用处理器,包括中央处理器(CentralProcessingUnit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(DigitalSignalProcessing,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现场可编程门阵列(Field-ProgrammableGateArray,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。
可以理解的是,上述的车辆数据检错装置70的各个模块可以软件或固件(Firmware)的形式存储于服务器80的存储器803中,并由处理器802执行,同时,执行上述模块所需的数据、程序的代码等可以存储在存储器803中。
本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如前述实施方式中任一项的车辆数据检错方法。该计算机可读存储介质可以是,但不限于,U盘、移动硬盘、ROM、RAM、PROM、EPROM、EEPROM、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,各种熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种车辆数据检错方法,其特征在于,所述方法包括:
获取目标车辆的记录数据以及与所述记录数据相邻的历史记录数据;所述记录数据中包含车牌号码和记录编号;所述历史记录数据中包含所述车牌号码和历史记录编号;
判断所述记录数据和所述历史记录数据是否为疑似错误数据;
若是,则获取与所述记录编号匹配的第一车辆属性数据、与所述历史记录编号匹配的第二车辆属性数据以及与所述车牌号码匹配的标准车辆属性数据;
若所述第一车辆属性数据与所述标准车辆属性数据不一致,则将所述记录数据确定为错误数据;若所述第二车辆属性数据与所述标准车辆属性数据不一致,则将所述历史记录数据确定为错误数据。
2.根据权利要求1所述的车辆数据检错方法,其特征在于,所述记录数据还包含过车时间和卡口编号;所述过车时间表征所述目标车辆从所述卡口编号对应的卡口经过的时间;所述历史记录数据还包含历史过车时间和历史卡口编号;
所述判断所述记录数据和所述历史记录数据是否为疑似错误数据,包括:
若所述过车时间和所述历史过车时间之间的时间差大于预设的时间阈值,且所述卡口编号对应的卡口与所述历史卡口编号对应的卡口的位置距离大于预设的距离阈值,则根据所述位置距离和所述时间差确定所述目标车辆的速度;
若所述速度大于预设的速度阈值,则确定所述记录数据和所述历史记录数据为所述疑似错误数据。
3.根据权利要求1所述的车辆数据检错方法,其特征在于,在获取目标车辆的记录数据和与所述记录数据相邻的历史记录数据之前,所述方法还包括:
获取车辆图片流数据;
根据所述车辆图片流数据进行车辆识别,获得行车记录数据集;所述行车记录数据集中包含所述目标车辆的记录数据。
4.根据权利要求3所述的车辆数据检错方法,其特征在于,在根据所述图片流数据进行车辆识别,获得记录数据集之后,所述方法还包括:
删除所述记录数据集中的异常记录数据;所述异常记录数据表征车牌号码状态异常的数据和卡口编号异常的数据。
5.根据权利要求1所述的车辆数据检错方法,其特征在于,在获取目标车辆的记录数据以及与所述记录数据相邻的历史记录数据之前,所述方法还包括:
根据所述车牌号码查询缓存中是否存在所述历史记录数据;
若存在,则获取目标车辆的记录数据以及与所述记录数据相邻的历史记录数据;
若不存在,则将所述记录数据存入所述缓存。
6.根据权利要求1所述的车辆数据检错方法,其特征在于,在将所述记录数据确定为错误数据,和/或将所述历史记录数据确定为错误数据之后,所述方法还包括:
将所述记录数据进行存储,和/或,将所述历史记录数据进行存储。
7.一种车辆数据检错装置,其特征在于,包括获取模块和处理模块:
所述获取模块,用于获取目标车辆的记录数据以及与所述记录数据相邻的历史记录数据;所述记录数据中包含车牌号码和记录编号;所述历史记录数据中包含所述车牌号码和历史记录编号;
所述处理模块,用于判断所述记录数据和所述历史记录数据是否为疑似错误数据;
所述获取模块,用于若是,则获取与所述记录编号匹配的第一车辆属性数据、与所述历史记录编号匹配的第二车辆属性数据以及与所述车牌号码匹配的标准车辆属性数据;
所述处理模块,用于若所述第一车辆属性数据与所述标准车辆属性数据不一致,则将所述记录数据确定为错误数据;若所述第二车辆属性数据与所述标准车辆属性数据不一致,则将所述历史记录数据确定为错误数据。
8.根据权利要求7所述的车辆数据检错装置,其特征在于,所述记录数据还包含过车时间和卡口编号;所述过车时间表征所述目标车辆从所述卡口编号对应的卡口经过的时间;所述历史记录数据还包含历史过车时间和历史卡口编号;所述处理模块,具体用于:
若所述过车时间和所述历史过车时间之间的时间差大于预设的时间阈值,且所述卡口编号对应的卡口的位置坐标与所述历史卡口编号对应的卡口的位置坐标之间的位置距离大于预设的距离阈值,则根据所述位置距离和所述时间差确定所述目标车辆的速度;
若所述速度大于预设的速度阈值,则确定所述记录数据和所述历史记录数据为所述疑似错误数据。
9.一种服务器,其特征在于,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011050833.0A CN112183367B (zh) | 2020-09-29 | 2020-09-29 | 车辆数据检错方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011050833.0A CN112183367B (zh) | 2020-09-29 | 2020-09-29 | 车辆数据检错方法、装置、服务器及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112183367A true CN112183367A (zh) | 2021-01-05 |
CN112183367B CN112183367B (zh) | 2022-12-02 |
Family
ID=73946278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011050833.0A Active CN112183367B (zh) | 2020-09-29 | 2020-09-29 | 车辆数据检错方法、装置、服务器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112183367B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800721A (zh) * | 2021-01-21 | 2021-05-14 | 浙江大华技术股份有限公司 | 车牌识别方法、装置、存储介质以及电子装置 |
CN112818954A (zh) * | 2021-03-17 | 2021-05-18 | 重庆紫光华山智安科技有限公司 | 车辆状态识别方法、装置、设备及介质 |
CN112885101A (zh) * | 2021-03-30 | 2021-06-01 | 浙江大华技术股份有限公司 | 确定异常设备的方法、装置、存储介质及电子装置 |
CN114973160A (zh) * | 2022-05-18 | 2022-08-30 | 南京感动科技有限公司 | 基于数字孪生模型的车辆状态判断方法及系统 |
CN115185449A (zh) * | 2022-07-19 | 2022-10-14 | 深圳市神州路路通网络科技有限公司 | 车牌号辅助输入方法、装置、系统与介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106856049A (zh) * | 2017-01-20 | 2017-06-16 | 东南大学 | 基于卡口号牌识别数据的关键交叉口需求集聚分析方法 |
CN106991823A (zh) * | 2017-05-11 | 2017-07-28 | 浙江宇视科技有限公司 | 车牌识别方法及装置 |
CN108230684A (zh) * | 2016-12-21 | 2018-06-29 | 杭州海康威视数字技术股份有限公司 | 车牌检测方法及装置 |
CN109147320A (zh) * | 2018-08-16 | 2019-01-04 | 北京航空航天大学 | 一种基于卡口数据的路段交通状态判别方法 |
CN109523790A (zh) * | 2018-10-26 | 2019-03-26 | 安徽四创电子股份有限公司 | 一种基于车牌相似度的车牌纠错方法 |
US20190272437A1 (en) * | 2016-11-09 | 2019-09-05 | Hangzhou Hikvision Digital Technology Co., Ltd. | Method and device for correcting license plate |
CN111369805A (zh) * | 2020-01-09 | 2020-07-03 | 杭州海康威视系统技术有限公司 | 套牌检测的方法、装置、电子设备及计算机可读存储介质 |
CN111368134A (zh) * | 2019-07-04 | 2020-07-03 | 杭州海康威视系统技术有限公司 | 一种交通数据处理的方法、装置、电子设备及存储介质 |
-
2020
- 2020-09-29 CN CN202011050833.0A patent/CN112183367B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190272437A1 (en) * | 2016-11-09 | 2019-09-05 | Hangzhou Hikvision Digital Technology Co., Ltd. | Method and device for correcting license plate |
CN108230684A (zh) * | 2016-12-21 | 2018-06-29 | 杭州海康威视数字技术股份有限公司 | 车牌检测方法及装置 |
CN106856049A (zh) * | 2017-01-20 | 2017-06-16 | 东南大学 | 基于卡口号牌识别数据的关键交叉口需求集聚分析方法 |
CN106991823A (zh) * | 2017-05-11 | 2017-07-28 | 浙江宇视科技有限公司 | 车牌识别方法及装置 |
CN109147320A (zh) * | 2018-08-16 | 2019-01-04 | 北京航空航天大学 | 一种基于卡口数据的路段交通状态判别方法 |
CN109523790A (zh) * | 2018-10-26 | 2019-03-26 | 安徽四创电子股份有限公司 | 一种基于车牌相似度的车牌纠错方法 |
CN111368134A (zh) * | 2019-07-04 | 2020-07-03 | 杭州海康威视系统技术有限公司 | 一种交通数据处理的方法、装置、电子设备及存储介质 |
CN111369805A (zh) * | 2020-01-09 | 2020-07-03 | 杭州海康威视系统技术有限公司 | 套牌检测的方法、装置、电子设备及计算机可读存储介质 |
Non-Patent Citations (4)
Title |
---|
B. Y. AMIRGALIYEV等: "License plate verification method for automatic license plate recognition systems", 《2015 TWELVE INTERNATIONAL CONFERENCE ON ELECTRONICS COMPUTER AND COMPUTATION (ICECCO)》 * |
IMRAN SHAFIQ AHMAD等: "Automatic Vehicle Identification Through Visual Features", 《MOMM2019: PROCEEDINGS OF THE 17TH INTERNATIONAL CONFERENCE ON ADVANCES IN MOBILE COMPUTING & MULTIMEDIA》 * |
刘晴辉: "VLPR检纠错支持下的群体出行规律分析与车辆路径追踪研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
李敏茜: "基于轨迹数据的套牌车检测技术研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800721A (zh) * | 2021-01-21 | 2021-05-14 | 浙江大华技术股份有限公司 | 车牌识别方法、装置、存储介质以及电子装置 |
CN112818954A (zh) * | 2021-03-17 | 2021-05-18 | 重庆紫光华山智安科技有限公司 | 车辆状态识别方法、装置、设备及介质 |
CN112818954B (zh) * | 2021-03-17 | 2022-08-26 | 重庆紫光华山智安科技有限公司 | 车辆状态识别方法、装置、设备及介质 |
CN112885101A (zh) * | 2021-03-30 | 2021-06-01 | 浙江大华技术股份有限公司 | 确定异常设备的方法、装置、存储介质及电子装置 |
CN114973160A (zh) * | 2022-05-18 | 2022-08-30 | 南京感动科技有限公司 | 基于数字孪生模型的车辆状态判断方法及系统 |
CN114973160B (zh) * | 2022-05-18 | 2023-08-11 | 南京感动科技有限公司 | 基于数字孪生模型的车辆状态判断方法及系统 |
CN115185449A (zh) * | 2022-07-19 | 2022-10-14 | 深圳市神州路路通网络科技有限公司 | 车牌号辅助输入方法、装置、系统与介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112183367B (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112183367B (zh) | 车辆数据检错方法、装置、服务器及存储介质 | |
CN109961106B (zh) | 轨迹分类模型的训练方法和装置、电子设备 | |
CN108053653B (zh) | 基于lstm的车辆行为预测方法和装置 | |
CN112102288B (zh) | 水体识别和水体变化检测方法、装置、设备及介质 | |
WO2022134387A1 (zh) | 车辆逆行检测方法、装置、设备、计算机可读存储介质、计算机程序产品 | |
CN112309126B (zh) | 车牌检测方法、装置、电子设备及计算机可读存储介质 | |
CN111383246B (zh) | 条幅检测方法、装置及设备 | |
WO2023197232A1 (zh) | 目标跟踪方法及装置、电子设备、计算机可读介质 | |
CN114333347A (zh) | 车辆信息融合方法、装置、计算机设备及存储介质 | |
CN112836683A (zh) | 用于便携式摄像设备的车牌识别方法、装置、设备和介质 | |
CN112528099A (zh) | 一种基于大数据的人员同行分析方法、系统、设备及介质 | |
CN112115946B (zh) | 车牌的套牌识别方法、装置、存储介质和电子设备 | |
CN108182444A (zh) | 基于场景分类的视频质量诊断的方法及装置 | |
CN113222040B (zh) | 海上固定目标识别方法、装置、计算机设备和存储介质 | |
CN113077018A (zh) | 一种目标对象识别方法、装置、存储介质及电子装置 | |
CN111369790B (zh) | 过车记录校正方法、装置、设备及存储介质 | |
CN113343905A (zh) | 道路异常智能识别模型训练、道路异常识别的方法及系统 | |
CN110689028A (zh) | 现场图测评方法、现场勘查记录测评方法及其装置 | |
CN111639640A (zh) | 基于人工智能的车牌识别方法、装置及设备 | |
CN112015960A (zh) | 车载雷达测量数据的聚类方法、存储介质和电子装置 | |
CN112885101B (zh) | 确定异常设备的方法、装置、存储介质及电子装置 | |
CN111708769B (zh) | 一种实现信息处理的方法、系统、计算机存储介质及终端 | |
CN112581760B (zh) | 一种智慧交通的交通数据匹配方法以及装置 | |
CN111223305B (zh) | 涉牌违法的检测方法和装置 | |
CN114664096B (zh) | 停车场的监控视频处理方法及装置 |
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 |