CN112735144B - 套牌识别方法、装置、计算机设备和存储介质 - Google Patents
套牌识别方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112735144B CN112735144B CN202011578187.5A CN202011578187A CN112735144B CN 112735144 B CN112735144 B CN 112735144B CN 202011578187 A CN202011578187 A CN 202011578187A CN 112735144 B CN112735144 B CN 112735144B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- fake
- licensed
- data
- identified
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- 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
-
- 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
- G06F16/23—Updating
-
- 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
- G06F16/245—Query processing
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Computational Linguistics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种套牌识别方法、装置、计算机设备和存储介质,其中,该套牌识别方法包括:获取待识别车辆数据;基于所述待识别车辆数据获取第一嫌疑套牌车辆集合以及第二嫌疑套牌车辆集合,所述第一嫌疑套牌车辆集合包括车牌信息相同、时间信息相同且位置信息不同的待识别车辆,所述第二嫌疑套牌车辆集合包括车牌信息相同且外观信息不同的车辆;将嫌疑套牌车辆数据与基础数据库进行比对,获取目标套牌车辆集合。通过时间与特征多个维度进行分析,同时得到对时间维度和对特征维度进行分析的套牌嫌疑车辆。可以在单独某个条件失效时,通过其他判断维度帮助识别,提高了套牌车的识别率。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及套牌识别方法、装置、计算机设备和存储介质。
背景技术
随着我国社会经济的不断发展,人民生活水平不断提高,机动车保有量也持续增长,关于汽车的违法犯罪日益增多,套牌车就是其中之一,如何方便快捷地检测出套牌车是交管部门面临的一大难题。车牌相当于车辆的“身份证”,是交管部门对车辆进行管理的重要凭证。套牌车的存在严重影响了正常的交通秩序,侵害了国家和他人的合法权益,增加了交管部门日常管理工作的难度,其社会危害性不容忽视。目前交管部门常用的套牌车识别方法主要依靠交警盘查和群众举报,人工对比车牌号,发动机号等特征,效率低下。
虽然国家出台了惩罚套牌车主,维护合法车主权益的相关政策,但是对日渐猖獗的套牌行为不足以进行有效震慑,在这种背景下,研究一种自动化、高效率、易推广的套牌车检测方法就显得尤为重要。近年来,针对套牌车自动监测的研究逐渐起步,采用的技术手段也呈现出多样性,也有一些利用时间维度特征而实现识别套牌车的方法,但当相同车牌以不同时间出现在不同地点,则这个识别特征失效,识别准确率低。
发明内容
本申请实施例提供了一种套牌识别方法、装置、计算机设备和存储介质,以至少解决相关技术中当时间维度特征失效时无法判断出套牌车的问题。
第一方面,本申请实施例提供了一种套牌识别方法,包括获取待识别车辆数据,所述待识别车辆数据包括待识别车辆的车牌信息、外观信息、时间信息以及位置信息;
基于所述待识别车辆数据获取第一嫌疑套牌车辆集合以及第二嫌疑套牌车辆集合,所述第一嫌疑套牌车辆集合包括车牌信息相同,时间信息相同且位置信息不同的待识别车辆,所述第二嫌疑套牌车辆集合包括车牌信息相同且外观信息不同的车辆;将所述第一嫌疑套牌车辆集合以及第二嫌疑套牌车辆集合的车辆数据与基础数据库进行比对,获取目标套牌车辆集合,所述基础数据库包括非套牌车辆的车牌信息以及外观信息。
在其中一个实施例中,所述基于所述待识别车辆数据获取第二嫌疑套牌车辆集合包括:
提取所述待识别车辆数据中车牌号相同的车辆数据,建立历史数据库;
获取更新数据,所述更新数据为车牌信息不变,外观信息变化的待识别车辆数据,所述更新数据对应的车辆集合即为所述第二嫌疑套牌车辆集合;
基于所述更新数据对所述历史数据库进行更新。
在其中一个实施例中,所述获取目标套牌车辆集合之后还包括:
基于所述待识别车辆数据对所述目标套牌车辆进行分析,得到目标套牌车辆的轨迹分析情况和套牌次数情况。
在其中一个实施例中,所述获取待识别车辆数据包括:
基于图像拍摄设备获取待识别车辆图像;
基于所述待识别车辆图像获取待识别车辆数据。
在其中一个实施例中,所述获取待识别车辆数据之后还包括:将所述待识别车辆数据存储至存储器。
在其中一个实施例中,所述车牌信息至少包括车牌号;所述外观信息至少包括车辆颜色、车辆型号;所述时间信息至少包括待识别车辆经过预设位置的时刻信息;所述位置信息至少包括获取车辆数据时待识别车辆所在位置。
在其中一个实施例中,所述将所述第一嫌疑套牌车辆集合以及第二嫌疑套牌车辆集合的车辆数据与基础数据库进行比对之前还包括:获取非套牌车辆的车辆数据,并建立基础数据库。
第二方面,本申请实施例提供了一种套牌识别装置,其特征在于,包括:数据获取模块,用于获取待识别车辆数据,所述待识别车辆数据包括待识别车辆的车牌信息、外观信息、时间信息以及位置信息;
套牌嫌疑集合获取模块,用于基于所述待识别车辆数据获取第一嫌疑套牌车辆集合以及第二嫌疑套牌车辆集合,所述第一嫌疑套牌车辆集合包括车牌信息相同,时间信息相同且位置信息不同的待识别车辆;
套牌车识别模块,用于将所述第一嫌疑套牌车辆集合以及第二嫌疑套牌车辆集合的车辆数据与基础数据库进行比对,获取目标套牌车辆集合,所述基础数据库包括非套牌车辆的车牌信息以及外观信息。第三方面,本申请实施例提供了一种计算机设备,包括存储器、处理器以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如上述第一方面所述的套牌识别方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的套牌识别方法。
相比于相关技术,本申请实施例涉及一种套牌识别方法、装置、计算机设备和存储介质,其中,该套牌识别方法包括:获取待识别车辆数据;基于所述待识别车辆数据获取第一嫌疑套牌车辆集合以及第二嫌疑套牌车辆集合,所述第一嫌疑套牌车辆集合包括车牌信息相同,时间信息相同且位置信息不同的待识别车辆,所述第二嫌疑套牌车辆集合包括车牌信息相同且外观信息不同的车辆;将嫌疑套牌车辆数据与基础数据库进行比对,获取目标套牌车辆集合。通过时间与特征多个维度进行分析,同时得到对时间维度和对特征维度进行分析的套牌嫌疑车辆。可以在单独某个条件失效时,通过其他判断维度帮助识别,提高了套牌车的识别率。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本申请一个实施例中套牌识别方法的流程示意图;
图2是本申请另一个实施例中套牌识别方法的流程示意图;
图3是本申请一个实施例中套牌识别数据模型建立的流程示意图;
图4是本申请一个实施例中套牌识别装置的结构框图;
图5是本申请一个实施例中计算机设备的硬件结构示意图。
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,对本申请进行描述和说明。应当理解,此处所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。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的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。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“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。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“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,而是可以还包括没有列出的步骤或单元,或可以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。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“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。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
目前交管部门常用的套牌车识别方法主要依靠交警盘查和群众举报,人工对比车牌号,发动机号等特征,效率低下。近年来,针对套牌车自动监测的研究逐渐起步,采用的技术手段也呈现出多样性,也有一些利用时空规则而实现识别套牌车的方法,但当相同车牌在不同时间出现在不同地点,则这个识别规则失效,当套牌车和真牌车外观特征相同时,无法做出正确判断。
请参阅图1,图1为本发明一实施例的套牌识别方法的流程示意图。
在本实施例中,所述套牌识别方法包括:
S101,获取待识别车辆数据,所述待识别车辆数据包括待识别车辆的车牌信息、外观信息、时间信息以及位置信息。
在本实施例中,可以利用路口的图像采集设备获取待识别车辆数据,即在各路口安装摄像机,对经过路口的车辆的图像进行采集,得到车辆图像数据,并通过带有识别功能的设备将车辆图像数据提取成各类信息,通过采集的图像数据可以识别出车辆的车牌信息、外观信息,并且通过采集数据的时间和路口位置提取出采集该数据时的时间信息和位置信息。
具体地,在收集到车辆图片、时间地点信息时,将其解析成车牌号、车辆颜色、车辆型号、采集车辆信息时间、采集车辆信息地点等数据,并将其按车牌号分类,利用大数据etl等技术同步到数据平台中,为后续数据分析提供数据基础。表1是每天收集到的待识别车辆数据。
表1
车辆id | 车牌号 | 车辆颜色 | 车辆品牌 | 时间 | 地点 |
1 | 浙A0000 | 红色 | 奔驰 | 2020091015050000 | 复兴大桥 |
2 | 浙A0001 | 黑色 | 宝马 | 2020091015050000 | 复兴大桥 |
3 | 浙A0000 | 黑色 | 奔驰 | 2020091015050000 | 西兴大桥 |
4 | 浙A0001 | 黑色 | 宝马 | 20200910190000 | 复兴大桥 |
5 | 浙A0000 | 红色 | 宝马 | 20200910180000 | 西兴大桥 |
6 | 浙A0001 | 黑色 | 宝马 | 20200910220000 | 复兴大桥 |
S102,基于所述待识别车辆数据获取第一嫌疑套牌车辆集合以及第二嫌疑套牌车辆集合,所述第一嫌疑套牌车辆集合包括车牌信息相同,时间信息相同且位置信息不同的待识别车辆,所述第二嫌疑套牌车辆集合包括车牌信息相同且外观信息不同的车辆。
在本步骤中,识别第一嫌疑套牌车辆集合是通过时间维度寻找在相同时间不同地点出现的车辆,识别第二嫌疑套牌车辆集合是通过特征维度寻找嫌疑套牌车辆,即车牌相同但是车辆外观信息并不相同的车辆。可以理解的,对于时间维度的第一嫌疑套牌车辆集合来说,相同时间点,真实车牌对应的车辆仅有一辆,不可能出现在两个地点,因此若在相同时间不同地点出现了两辆以上同一车牌号的车,则其中一定存在套牌车辆,只需将上一步骤中出现的车牌信息相同、时间信息相同但位置信息不同的车辆划分为第一嫌疑套牌车辆集合即可。
可以通过S101中表1判断同一时间在不同地点出现的浙A0000识别并列为第一套牌嫌疑车集合。
接着从待识别车辆数据中获取车牌信息相同但车辆外观信息不同的数据作为第二嫌疑套牌车辆集合。对于特征维度的第二嫌疑套牌车辆集合来说,车牌信息相同但车辆外观信息不同的车辆当中必有套牌嫌疑车量。在实际应用中,将车牌号相同但车辆颜色或车型或其余车辆外观信息不同的车辆数据提取出来,并将其对应的车辆纳入第二嫌疑套牌车辆集合中,并在后续步骤中进行套牌车辆识别。
S1053,将所述第一嫌疑套牌车辆集合以及第二嫌疑套牌车辆集合的车辆数据与基础数据库进行比对,获取目标套牌车辆集合,所述基础数据库包括非套牌车辆的车牌信息以及外观信息。
基于上述S102中获取嫌疑套牌车辆集合的结果,将其与记录有车辆登记时的车牌信息和车辆颜色、车辆型号等车辆信息的基础数据库相匹配,若比对结果相同,则该车辆是非套牌车辆,若仅车牌相同,车辆颜色,车辆型号等车辆外观信息不同,则该车辆是套牌车辆,将其归入套牌车辆集合。
上述套牌识别方法,在获取到待识别车辆的车牌信息、外观信息、时间信息以及位置信息后,首先通过识别相同时间不同地点出现的相同车牌车辆来获取第一嫌疑套牌车辆集,接着通过识别不同时间不同地点出现的相同车牌但外观不同的车辆来获取第二嫌疑套牌车辆集,接着将上述两种嫌疑套牌车辆集与基础数据库相比对,由于本方法中,先从时间维度进行分析,筛选出套牌嫌疑车,再从特征维度进行分析,从而得到特征维度的嫌疑车辆,通过对时间、特征等多维度分析套牌车,可以在其中某个条件失效时,通过其他判断维度有效识别套牌车,从而提高套牌车的识别率。
在另一个实施例中,所述获取待识别车辆数据包括基于图像拍摄设备或其他能够获取待识别车辆车牌信息、外观信息的设备获取待识别车辆图像;基于所述待识别车辆图像获取待识别车辆数据。具体地,图像拍摄设备可以是安装在路口的摄像头,也可以是其余可获取车辆车牌信息、外观信息的设备,接着基于该图像拍摄设备或所述能够获取待识别车辆车牌信息以及外观信息的设备获取各个经过该路口的车辆的车牌信息以及外观信息,然后读取该数据获得时的拍摄时间以及拍摄地点,作为以后识别套牌车的依据。其中车牌信息至少有车牌号,额外的,还可以有车牌颜色等车牌信息;外观信息至少有车辆颜色、车辆型号等车辆外观信息;时间信息至少包括待识别车辆经过预设位置的时刻信息,还可以是经过该路口的到达时间和离开时间的间隔;位置信息至少包括获取车辆数据时待识别车辆所在位置。
在其中一个实施例中,在获取待识别车辆数据之后将所述待识别车辆数据存储至存储器,该存储器可以是硬盘设备,也可以是云端网络在线存储设备,目的是在后续步骤中提取嫌疑套牌车辆数据。
在其中一个实施例中,基于待识别车辆数据获取第二嫌疑套牌车辆集包括:提取待识别车辆数据中车牌号相同的待识别车辆数据,建立一个以车牌信息为基准的历史数据库,获取更新数据,更新数据为车牌数据相同但外观信息发生变化的车辆数据,接着将该数据的时间位置信息一同更新,另外地,更新数据对应的车辆集合为第二嫌疑套牌车辆集合。对于不同时间出现的车辆信息,如表2,表2为不同时间同一车历史数据库中的数据进行对比,若车牌号相同但车辆外观特征不同则用此数据覆盖原数据,即用此数据的车辆外观特征数据,时间信息,位置信息替代原数据。
表2
车辆id | 车牌号 | 车辆颜色 | 车辆品牌 | begin_date | end_date |
1 | 浙A0000 | 红色 | 奔驰 | 20200909 | 20200910 |
2 | 浙A0000 | 红色 | 宝马 | 20200910 | 30001231 |
历史数据库对同一个车牌号的数据只保留一条,再将更新数据对应的车辆集合作为第二嫌疑套牌车辆集合。
在另一个实施例中,将所述第一嫌疑套牌车辆集合以及第二嫌疑套牌车辆集合的车辆数据与基础数据库进行比对之前还包括获取非套牌车辆的车辆数据,并建立基础数据库。可以理解的,需要获取非套牌车辆的车辆数据,并建立基础数据库,该数据库可以是官方部门提供的正规车辆注册时的车辆数据,该数据库中的数据为真实可靠的数据,基于该数据库中的数据即可判断嫌疑套牌车辆是否为套牌车辆。在其他实施例中,基础数据库的数据可以通过其他方式得到,只需保证数据的真实可靠性即可。表3为通过获取非套牌车辆的车辆数据所建立的基础数据库。
表3
在其中一个实施例中,在获取目标套牌车辆集合后基于所述历史数据库对所述目标套牌车辆进行分析,得到目标套牌车辆的轨迹分析情况和套牌次数情况。具体地,确认目标套牌车辆后,从待识别车辆数据中获取目标套牌车辆的数据,接着通过对历史数据库进行分析可以得到目标套牌车辆曾经在某个时刻经过某个位置,通过对目标套牌车辆多个时刻的位置进行分析,即可得到该套牌车辆的行驶轨迹。再基于历史数据库查询中对应该套牌车辆外观特征的数据出现的次数,可以得出该套牌车辆的套牌次数。
请参阅图2及图3,图2为本实施例中套牌车识别方法流程示意图,图3为本实施例中数据模型建立流程图。在另一个实施例中,首先对城市中各卡口收集到的车辆图片、时间地点信息汇聚,解析,为整个数据模型提供数据来源。接着将卡口汇聚到的车牌号、时间位置信息解析后,可以利用大数据etl技术同步到数据平台中,提供后续数据分析的基础数据,得到待识别车辆数据。然后对数据平台中过车数据进行打标,将同一车牌号在相同时间不同地点出现的车进行标记,标记后的车辆为第一嫌疑套牌车辆集合,将不符合同一车牌号在相同时间不同地点出现的数据提取车牌号、车型、车颜色等信息形成历史数据库,为总的一个车辆信息变化做一个当前有效的数据记录。将每天新收集汇聚到的车牌、车型、颜色等信息和历史数据库进行特征比对,将每天信息标签有变化的车辆进行标记生成第二套牌车辆集合和更新历时特征信息基础表制作出一个维护历史状态以及实时呈现最新状态数据的一种拉链表,以生成一个拉链画像效果,形成一个套牌车数据模型。最后获取车辆信息基础数据库,将套牌嫌疑车辆集合同车辆信息基础数据库进行特征比对,从而增强识别准确率,避免对真牌车进行错误识别。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例还提供了一种套牌识别装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本申请实施例的套牌识别装置的示意图,如图4所示,该装置包括:数据获取模块10、套牌嫌疑集合获取模块20、套牌车识别模块30。
数据获取模块10,用于获取待识别车辆数据,所述待识别车辆数据包括待识别车辆的车牌信息、外观信息、时间信息以及位置信息。
数据获取模块10,还用于:
基于图像拍摄设备获取待识别车辆图像;
基于所述待识别车辆图像获取待识别车辆数据。
数据获取模块10,还用于:
基于图像拍摄设备获取待识别车辆图像;
基于所述待识别车辆图像获取待识别车辆数据。
套牌嫌疑集合获取模块20,用于基于所述待识别车辆数据获取第一嫌疑套牌车辆集合以及第二嫌疑套牌车辆集合,所述第一嫌疑套牌车辆集合包括车牌信息相同,时间信息相同且位置信息不同的待识别车辆,。
套牌嫌疑集合获取模块20,还用于:
提取所述待识别车辆数据中车牌号相同的车辆数据,建立历史数据库;
获取更新数据,所述更新数据为车牌信息不变,外观信息变化的待识别车辆数据,所述更新数据对应的车辆集合即为所述第二嫌疑套牌车辆集合;
基于所述更新数据对所述历史数据库进行更新。
套牌车识别模块30,用于将所述第一嫌疑套牌车辆集合以及第二嫌疑套牌车辆集合的车辆数据与基础数据库进行比对,获取目标套牌车辆集合,所述基础数据库包括非套牌车辆的车牌信息以及外观信息。
套牌识别装置,还包括:存储模块。
存储模块,用于将所述待识别车辆数据存储至存储器。
套牌识别装置,还包括:数据库建立模块。
数据库建立模块,用于获取非套牌车辆的车辆数据,并建立基础数据库。
套牌识别装置,还包括:轨迹分析模块。
轨迹分析模块,用于基于所述历史数据库对所述目标套牌车辆进行分析,得到目标套牌车辆的轨迹分析情况和套牌次数情况。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
另外,结合图1描述的本申请实施例套牌识别方法可以由计算机设备来实现。图5为根据本申请实施例的计算机设备的硬件结构示意图。
计算机设备可以包括处理器51以及存储有计算机程序指令的存储器52。
具体地,上述处理器51可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器52可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器52可包括硬盘驱动器(Hard Disk Drive,简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器52可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器52可在数据处理装置的内部或外部。在特定实施例中,存储器52是非易失性(Non-Volatile)存储器。在特定实施例中,存储器52包括只读存储器(Read-Only Memory,简称为ROM)和随机存取存储器(RandomAccess Memory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory,简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory,简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory,简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(Static Random-Access Memory,简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory,简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory,简称SDRAM)等。
存储器52可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器51所执行的可能的计算机程序指令。
处理器51通过读取并执行存储器52中存储的计算机程序指令,以实现上述实施例中的任意一种套牌车识别方法。
在其中一些实施例中,计算机设备还可包括通信接口53和总线50。其中,如图5所示,处理器51、存储器52、通信接口53通过总线50连接并完成相互间的通信。
通信接口53用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信接口53还可以实现与其他部件例如:外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线50包括硬件、软件或两者,将计算机设备的部件彼此耦接在一起。总线50包括但不限于以下至少之一:数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制,总线50可包括图形加速接口(Accelerated Graphics Port,简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,简称为EISA)总线、前端总线(Front Side Bus,简称为FSB)、超传输(Hyper Transport,简称为HT)互连、工业标准架构(Industry Standard Architecture,简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count,简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture,简称为MCA)总线、外围组件互连(Peripheral Component Interconnect,简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment,简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus,简称为VLB)总线50或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线50可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该计算机设备可以基于获取到的计算机程序指令,执行本申请实施例中的套牌识别方法,从而实现结合图1描述的套牌识别方法。
另外,结合上述实施例中的套牌识别方法,本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种套牌识别方法。
上述套牌识别方法、装置、计算机设备和存储介质通过在时间、特征等多维度分析套牌车,可以在单独某个条件失效时,通过其他判断维度帮助识别,不需要人工参与,应用成本也很低,还使套牌车的识别更加准确,从而有效提高了套牌车的识别率。
以上所述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。
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 (9)
1.一种套牌识别方法,其特征在于,包括:
获取待识别车辆数据,所述待识别车辆数据包括待识别车辆的车牌信息、外观信息、时间信息以及位置信息;
基于所述待识别车辆数据获取第一嫌疑套牌车辆集合;所述第一嫌疑套牌车辆集合包括车牌信息相同,时间信息相同且位置信息不同的待识别车辆,
提取所述待识别车辆数据中车牌号相同的车辆数据,建立历史数据库;所述历史车辆数据为所述待识别车辆数据中的非所述第一嫌疑套牌车辆集合的数据;
获取更新数据,所述更新数据为车牌信息不变,外观信息变化的待识别车辆数据,所述更新数据对应的车辆集合即为第二嫌疑套牌车辆集合;所述第二嫌疑套牌车辆集合包括不同时间不同地点出现的车牌信息相同且外观信息不同的车辆;
基于所述更新数据对所述历史数据库进行更新;
将所述第一嫌疑套牌车辆集合以及第二嫌疑套牌车辆集合的车辆数据与基础数据库进行比对,获取目标套牌车辆集合,所述基础数据库包括非套牌车辆的车牌信息以及外观信息。
2.根据权利要求1所述的方法,其特征在于,所述获取目标套牌车辆集合之后还包括:
基于所述待识别车辆数据对所述目标套牌车辆进行分析,得到目标套牌车辆的轨迹分析情况和套牌次数情况。
3.根据权利要求1所述的方法,其特征在于,所述获取待识别车辆数据包括:
基于图像拍摄设备获取待识别车辆图像;
基于所述待识别车辆图像获取待识别车辆数据。
4.根据权利要求1所述的方法,其特征在于,所述获取待识别车辆数据之后还包括:
将所述待识别车辆数据存储至存储器。
5.根据权利要求1所述的方法,其特征在于,所述车牌信息至少包括车牌号;所述外观信息至少包括车辆颜色、车辆型号;所述时间信息至少包括待识别车辆经过预设位置的时刻信息;所述位置信息至少包括获取车辆数据时待识别车辆所在位置。
6.根据权利要求1所述的方法,其特征在于,所述将所述第一嫌疑套牌车辆集合以及第二嫌疑套牌车辆集合的车辆数据与基础数据库进行比对之前还包括:
获取非套牌车辆的车辆数据,并建立基础数据库。
7.一种套牌识别装置,其特征在于,包括:
数据获取模块,用于获取待识别车辆数据,所述待识别车辆数据包括待识别车辆的车牌信息、外观信息、时间信息以及位置信息;
套牌嫌疑集合第一获取模块,用于基于所述待识别车辆数据获取第一嫌疑套牌车辆集合,所述第一嫌疑套牌车辆集合包括车牌信息相同,时间信息相同且位置信息不同的待识别车辆;
历史车辆数据获取模块,用于提取所述待识别车辆数据中车牌号相同的车辆数据,建立历史数据库;所述历史车辆数据为所述待识别车辆数据中的非所述第一嫌疑套牌车辆集合的数据;
套牌嫌疑集合第二获取模块,用于获取更新数据,所述更新数据为车牌信息不变,外观信息变化的待识别车辆数据,所述更新数据对应的车辆集合即为第二嫌疑套牌车辆集合;所述第二嫌疑套牌车辆集合包括车牌信息相同且外观信息不同的车辆;
历史车辆数据更新模块,用于基于所述更新数据对所述历史数据库进行更新;
套牌车识别模块,用于将所述第一嫌疑套牌车辆集合以及第二嫌疑套牌车辆集合的车辆数据与基础数据库进行比对,获取目标套牌车辆集合,所述基础数据库包括非套牌车辆的车牌信息以及外观信息。
8.一种计算机设备,包括存储器、处理器以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中任一项所述的套牌识别方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至6中任一项所述的套牌识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011578187.5A CN112735144B (zh) | 2020-12-28 | 2020-12-28 | 套牌识别方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011578187.5A CN112735144B (zh) | 2020-12-28 | 2020-12-28 | 套牌识别方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112735144A CN112735144A (zh) | 2021-04-30 |
CN112735144B true CN112735144B (zh) | 2022-05-03 |
Family
ID=75606202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011578187.5A Active CN112735144B (zh) | 2020-12-28 | 2020-12-28 | 套牌识别方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112735144B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114495028A (zh) * | 2022-01-21 | 2022-05-13 | 北京华录高诚科技有限公司 | 一种车辆套牌的识别方法、装置、电子设备及存储介质 |
CN115798221B (zh) * | 2022-11-11 | 2023-09-19 | 浙江特锐讯智能科技有限公司 | 一种基于边缘计算的车牌快速识别分析方法及系统 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007081892A (ja) * | 2005-09-14 | 2007-03-29 | Ricoh Co Ltd | 画像データ管理システム |
CN102426786B (zh) * | 2011-11-15 | 2014-02-12 | 无锡港湾网络科技有限公司 | 一种自动识别套牌车辆的智能视频分析系统及方法 |
CN103246876B (zh) * | 2013-05-10 | 2017-05-10 | 苏州祥益网络科技有限公司 | 基于图像特征比对的车辆套牌识别方法 |
CN104050813B (zh) * | 2014-06-30 | 2016-05-11 | 浙江宇视科技有限公司 | 一种车辆翻牌检测方法和装置 |
CN105279475A (zh) * | 2014-07-15 | 2016-01-27 | 贺江涛 | 一种基于车辆身份识别的套牌车识别的方法与装置 |
CN104200669B (zh) * | 2014-08-18 | 2017-02-22 | 华南理工大学 | 一种基于Hadoop的套牌车识别方法及系统 |
CN104517445A (zh) * | 2014-12-09 | 2015-04-15 | 浪潮电子信息产业股份有限公司 | 一种基于大数据的套牌车辆识别方法 |
CN106128113A (zh) * | 2016-08-01 | 2016-11-16 | 深圳市永兴元科技有限公司 | 套牌车辆的识别方法及装置 |
CN106251635A (zh) * | 2016-08-18 | 2016-12-21 | 武汉中科通达高新技术股份有限公司 | 一种套牌嫌疑车牌号的识别方法及系统 |
CN107067736B (zh) * | 2017-04-12 | 2019-10-08 | 安徽超远信息技术有限公司 | 基于时间路网的套牌车分析方法及其系统 |
CN107346435A (zh) * | 2017-06-15 | 2017-11-14 | 浙江捷尚视觉科技股份有限公司 | 一种基于车辆特征库的嫌疑套牌车捕获方法 |
CN107679136A (zh) * | 2017-09-22 | 2018-02-09 | 上海携程商务有限公司 | 拉链表的存储方法及存储系统 |
CN107680385B (zh) * | 2017-10-27 | 2019-12-24 | 泰华智慧产业集团股份有限公司 | 一种确定套牌车的方法及系统 |
CN107977421A (zh) * | 2017-11-24 | 2018-05-01 | 泰华智慧产业集团股份有限公司 | 基于大数据进行套牌车分析的方法及装置 |
CN108304572A (zh) * | 2018-02-23 | 2018-07-20 | 广州天维信息技术股份有限公司 | 一种大数据存储方法和系统 |
CN108898133A (zh) * | 2018-06-06 | 2018-11-27 | 安徽大学 | 一种基于图像分析的套牌车识别方法 |
CN110209891A (zh) * | 2019-06-19 | 2019-09-06 | 河南中原消费金融股份有限公司 | 一种拉链表生成方法、装置、设备及介质 |
CN111078973B (zh) * | 2019-12-16 | 2023-10-20 | 浙江省北大信息技术高等研究院 | 基于大数据的套牌车识别方法、设备及存储介质 |
-
2020
- 2020-12-28 CN CN202011578187.5A patent/CN112735144B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112735144A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10762338B2 (en) | Method and apparatus for detecting fake license plates of vehicles, readable storage medium, and electronic device | |
CN112735144B (zh) | 套牌识别方法、装置、计算机设备和存储介质 | |
CN105448103A (zh) | 车辆套牌检测方法与系统 | |
CN105320923B (zh) | 车型识别方法及装置 | |
CN105702048B (zh) | 基于行车记录仪的高速公路前车违法占道识别系统及方法 | |
CN107645709B (zh) | 一种确定人员信息的方法及装置 | |
CN101430826B (zh) | 基于北斗卫星定位系统的出租车无线视频监控系统及方法 | |
CN103544481A (zh) | 一种基于人脸识别的道路卡口监控方法及系统 | |
CN105488479B (zh) | 一种基于加权局部特征比对的车辆套牌识别方法及装置 | |
CN107256394A (zh) | 驾驶员信息与车辆信息核验方法、装置以及系统 | |
CN103246876A (zh) | 基于图像特征比对的车辆套牌识别方法 | |
CN101630361A (zh) | 一种基于车牌、车身颜色和车标识别的套牌车辆识别设备及方法 | |
CN101430827B (zh) | 基于gps的出租车无线视频监控系统及方法 | |
CN107993444B (zh) | 基于卡口过车大数据分析的嫌疑车认定方法 | |
CN110177255B (zh) | 一种基于案件调度的视频信息发布方法及系统 | |
CN110148300A (zh) | 一种车辆套牌识别方法、装置及计算机可读介质 | |
CN103514745A (zh) | 一种基于智能交通的套牌车辆识别方法 | |
CN106710225B (zh) | 一种车辆号牌违法的识别方法和监测平台 | |
CN105654730A (zh) | 一种基于卡口过车大数据分析的套牌车认定方法 | |
CN111444798A (zh) | 电动自行车驾驶行为的识别方法、装置和计算机设备 | |
WO2018176191A1 (zh) | 套牌车识别方法及装置 | |
CN104574982B (zh) | 一种车辆侦查系统及其侦查方法 | |
CN103093626A (zh) | 一种套牌车的解决方案 | |
CN1834994A (zh) | 一种识别有问题车辆的方法 | |
CN104504909A (zh) | 一种查找假冒车牌非法车辆的方法 |
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 |