CN113205069A - 虚假车牌检测方法、装置及计算机存储介质 - Google Patents
虚假车牌检测方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN113205069A CN113205069A CN202110585858.9A CN202110585858A CN113205069A CN 113205069 A CN113205069 A CN 113205069A CN 202110585858 A CN202110585858 A CN 202110585858A CN 113205069 A CN113205069 A CN 113205069A
- Authority
- CN
- China
- Prior art keywords
- license plate
- image
- target
- vehicle
- images
- 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
- G06V20/40—Scenes; Scene-specific elements in video content
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本申请实施例公开了一种虚假车牌检测方法、装置及计算机存储介质,属于智能交通技术领域。本申请实施例在通过目标视频流检测到目标车牌号码时,会获取包含该目标车牌号码所挂载的目标车辆的多帧图像,基于这多帧图像中每帧图像的车辆检测结果和车牌检测结果,判断目标车辆上车牌是否为虚假车牌。提高了判断虚假车牌的准确性。由于车辆检测结果指示相应图像中是否有车辆,车牌检测结果指示相应图像中是否有车牌、以及在相应图像中有车牌的情况下相应图像中的车牌是否为虚假车牌,因此在衡量一个车牌是否为虚假车牌时,考虑了人员手持车牌进行检测、通过手机或平板电脑等媒介显示车牌等多种虚假车牌的场景,提高了检测方法的应用灵活性。
Description
技术领域
本申请实施例涉及智能交通技术领域,特别涉及一种虚假车牌检测方法、装置及计算机存储介质。
背景技术
目前,在需要限制车辆行驶的区域的入口通常设置有限行杆,同时在该入口部署摄像机。摄像机将采集的图像发送至控制端,控制端在基于摄像机采集的图像检测有车辆需要进入该区域时,基于摄像机采集的车辆图像,识别车辆的车牌号码。在车辆的车牌号码为预先设置的白名单中的车牌号码的情况下,控制端控制限行杆抬杆,以使该这车辆进入该区域。
这种场景下,在车辆没有权限进入该区域的情况下,某些人会在摄像机的拍摄区域中使用虚假车牌。该虚假车牌可以是在手机或平板电脑的屏幕上显示的车牌。摄像机采集到虚假车牌的图像,后续控制端同样会基于该虚假车牌的图像得到识别的车牌号码,在识别的车牌号码为预先设置的白名单中的车牌号码的情况下,控制端同样控制限行杆抬杆,从而使得本来没有权限的车辆进入了该区域。因此,如何对虚假车牌进行检测就变得尤为重要。
发明内容
本申请实施例提供了一种虚假车牌检测方法、装置及计算机存储介质,可以提高对虚假车牌检测的准确率。所述技术方案如下:
一方面,提供了一种虚假车牌检测方法,所述方法包括:
在检测到目标车牌号码所挂载的目标车辆需要进入目标区域时,获取包含所述目标车辆的多帧图像,所述目标车牌号码为基于目标视频流检测的任一车牌号码,所述目标视频流为车辆进入所述目标区域需要采集的视频;
基于所述多帧图像中每帧图像的车辆检测结果和车牌检测结果,确定所述目标车辆上的车牌是否为虚假车牌;
其中,所述车辆检测结果指示所相应图像中是否有车辆,所述车牌检测结果指示相应图像中是否有车牌、以及在相应图像中有车牌的情况下相应图像中的车牌是否为虚假车牌。
在一种可能的实现方式中,所述在检测到目标车牌号码所挂载的目标车辆需要进入目标区域时,获取包含所述目标车辆的多帧图像,包括:
在基于所述目标视频流中的第一图像首次检测到所述目标车牌号码的情况下,生成和所述目标车辆对应的目标标识,将所述目标标识和所述第一图像绑定;
对于所述视频流中所述第一图像之后的第二图像,执行下述操作,所述第二图像为所述第一图像之后的任一图像:
确定所述第二图像是否为针对所述目标车辆采集的图像;
如果所述第二图像不是针对所述目标车辆采集的图像,则继续对所述第二图像的后一帧图像执行“确定所述第二图像是否为针对所述目标车辆采集的图像”的操作;
如果确定所述第二图像为针对所述目标车辆采集的图像,则将所述目标标识和所述第二图像绑定,并基于所述第二图像确定所述目标车辆是否需要进入所述目标区域;
如果基于所述第二图像确定所述目标车辆不需要进入所述目标区域,则继续对所述第二图像的后一帧图像执行“确定所述第二图像是否为针对所述目标车辆采集的图像”的操作;
如果基于所述第二图像确定所述目标车辆需要进入所述目标区域,则确定检测到目标车牌号码所挂载的目标车辆需要进入目标区域,将所述目标视频流中所述第二图像和所述第一图像之间的、且与所述目标标识绑定的图像作为包含所述目标车辆的多帧图像。
在一种可能的实现方式中,所述生成和所述目标车辆对应的目标标识之后,还包括:
在所述第一图像中显示有所述目标车辆的情况下,获取所述第一图像中显示的所述目标车辆的车辆本体属性,将所述车辆本体属性和所述目标车牌号码作为所述目标标识的属性信息中的属性;
在所述第一图像中没有显示所述目标车辆的情况下,基于所述第一图像中显示的车牌预测所述目标车辆在所述第一图像中的位置,将所述目标车辆在所述第一图像中的位置和所述目标车牌号码作为所述目标标识的属性信息中的属性;
所述确定所述第二图像是否为针对所述目标车辆采集的图像,包括:
基于所述目标标识的属性信息,确定所述第二图像是否是为针对所述目标车辆采集的图像。
在一种可能的实现方式中,所述基于所述多帧图像中每帧图像的车辆检测结果和车牌检测结果,确定所述目标车辆上的车牌是否为虚假车牌,包括:
基于所述多帧图像中每帧图像的车辆检测结果,确定检测指数,所述检测指数指示所述多帧图像中检测到没有车辆的图像比率的大小;
基于所述多帧图像中每帧图像的车牌检测结果,确定假牌指数,所述假牌指数指示所述多帧图像中检测到假牌的图像比率的大小;
基于所述检测指数和所述假牌指数,确定所述目标车辆上的车牌是否为虚假车牌。
在一种可能的实现方式中,所述检测指数与所述多帧图像中检测到没有车辆的图像比率的大小之间呈正相关关系,所述假牌指数和所述多帧图像中检测到假牌的图像比率的大小之间呈正相关关系;
所述基于所述检测指数和所述假牌指数,确定所述目标车辆上的车牌是否为虚假车牌,包括:
对所述检测指数和所述假牌指数进行归一化处理,分别得到归一化后的检测指数和归一化后的假牌指数;
如果所述归一化后的检测指数大于参考数值,或者所述归一化后的假牌指数大于所述参考数值,或者所述归一化后的检测指数与所述归一化后的假牌指数的加和大于所述参考数值,则确定所述目标车辆上的车牌为虚假车牌。
在一种可能的实现方式中,所述基于所述多帧图像中每帧图像的车辆检测结果,确定检测指数,包括:
基于所述多帧图像中每帧图像的车辆检测结果,确定所述多帧图像中车辆检测结果为检测到车辆的图像的数量,得到第一数量;
基于所述第一数量和所述多帧图像的总数量,确定所述检测指数。
在一种可能的实现方式中,所述基于所述多帧图像中每帧图像的车牌检测结果,确定假牌指数,包括:
基于所述多帧图像中每帧图像的车牌检测结果,确定所述多帧图像中车辆检测结果为检测到有车牌的图像的数量,得到第二数量;
基于所述多帧图像中每帧图像的车牌检测结果,确定所述多帧图像中车辆检测结果为检测到有车牌、且检测到的车牌为虚假车牌的图像的数量,得到第三数量;
基于所述第二数量和所述第三数量,确定所述假牌指数。
在一种可能的实现方式中,所述方法还包括:
对于所述多帧图像中的第三图像,基于车牌分类模型确定所述第三图像中的车牌是否为假牌,所述第三图像为所述多帧图像中任一图像;
其中,所述车牌分类模型是基于多个样本车牌图像训练得到的,所述多个样本车牌图像中任一样本车牌图像是将原始车牌图像以车牌为中心、以参考倍数的所述原始车牌图像中车牌大小为范围裁剪得到的,所述参考倍数用于指示参考车辆的车头或车尾两侧的距离与所述参考车辆上的车牌的宽度之间的比例。
在一种可能的实现方式中,所述检测到目标车牌号码所挂载的目标车辆需要进入目标区域,包括:
如果基于所述目标视频流中的图像确定所述目标车辆的行驶方向为面对所述目标区域的入口,且所述目标车辆位于所述入口的参考位置处,则确定所述目标车辆需要进入目标区域。
另一方面,提供了一种虚假车牌检测装置,所述装置包括:
获取模块,用于在检测到目标车牌号码所挂载的目标车辆需要进入目标区域时,获取包含所述目标车辆的多帧图像,所述目标车牌号码为基于目标视频流检测的任一车牌号码,所述目标视频流为车辆进入所述目标区域需要采集的视频;
确定模块,用于基于所述多帧图像中每帧图像的车辆检测结果和车牌检测结果,确定所述目标车辆上的车牌是否为虚假车牌;
其中,所述车辆检测结果指示所相应图像中是否有车辆,所述车牌检测结果指示相应图像中是否有车牌、以及在相应图像中有车牌的情况下相应图像中的车牌是否为虚假车牌。
在一种可能的实现方式中,所述获取模块用于:
在基于所述目标视频流中的第一图像首次检测到所述目标车牌号码的情况下,生成和所述目标车辆对应的目标标识,将所述目标标识和所述第一图像绑定;
对于所述视频流中所述第一图像之后的第二图像,执行下述操作,所述第二图像为所述第一图像之后的任一图像:
确定所述第二图像是否为针对所述目标车辆采集的图像;
如果所述第二图像不是针对所述目标车辆采集的图像,则继续对所述第二图像的后一帧图像执行“确定所述第二图像是否为针对所述目标车辆采集的图像”的操作;
如果确定所述第二图像为针对所述目标车辆采集的图像,则将所述目标标识和所述第二图像绑定,并基于所述第二图像确定所述目标车辆是否需要进入所述目标区域;
如果基于所述第二图像确定所述目标车辆不需要进入所述目标区域,则继续对所述第二图像的后一帧图像执行“确定所述第二图像是否为针对所述目标车辆采集的图像”的操作;
如果基于所述第二图像确定所述目标车辆需要进入所述目标区域,则确定检测到目标车牌号码所挂载的目标车辆需要进入目标区域,将所述目标视频流中所述第二图像和所述第一图像之间的、且与所述目标标识绑定的图像作为包含所述目标车辆的多帧图像。
在一种可能的实现方式中,所述获取模块用于:
在所述第一图像中显示有所述目标车辆的情况下,获取所述第一图像中显示的所述目标车辆的车辆本体属性,将所述车辆本体属性和所述目标车牌号码作为所述目标标识的属性信息中的属性;
在所述第一图像中没有显示所述目标车辆的情况下,基于所述第一图像中显示的车牌预测所述目标车辆在所述第一图像中的位置,将所述目标车辆在所述第一图像中的位置和所述目标车牌号码作为所述目标标识的属性信息中的属性;
基于所述目标标识的属性信息,确定所述第二图像是否是为针对所述目标车辆采集的图像。
在一种可能的实现方式中,所述确定模块用于:
基于所述多帧图像中每帧图像的车辆检测结果,确定检测指数,所述检测指数指示所述多帧图像中检测到没有车辆的图像比率的大小;
基于所述多帧图像中每帧图像的车牌检测结果,确定假牌指数,所述假牌指数指示所述多帧图像中检测到假牌的图像比率的大小;
基于所述检测指数和所述假牌指数,确定所述目标车辆上的车牌是否为虚假车牌。
在一种可能的实现方式中,所述检测指数与所述多帧图像中检测到没有车辆的图像比率的大小之间呈正相关关系,所述假牌指数和所述多帧图像中检测到假牌的图像比率的大小之间呈正相关关系;
所述确定模块用于:
对所述检测指数和所述假牌指数进行归一化处理,分别得到归一化后的检测指数和归一化后的假牌指数;
如果所述归一化后的检测指数大于参考数值,或者所述归一化后的假牌指数大于所述参考数值,或者所述归一化后的检测指数与所述归一化后的假牌指数的加和大于所述参考数值,则确定所述目标车辆上的车牌为虚假车牌。
在一种可能的实现方式中,所述确定模块用于:
基于所述多帧图像中每帧图像的车辆检测结果,确定所述多帧图像中车辆检测结果为检测到车辆的图像的数量,得到第一数量;
基于所述第一数量和所述多帧图像的总数量,确定所述检测指数。
在一种可能的实现方式中,所述确定模块用于:
基于所述多帧图像中每帧图像的车牌检测结果,确定所述多帧图像中车辆检测结果为检测到有车牌的图像的数量,得到第二数量;
基于所述多帧图像中每帧图像的车牌检测结果,确定所述多帧图像中车辆检测结果为检测到有车牌、且检测到的车牌为虚假车牌的图像的数量,得到第三数量;
基于所述第二数量和所述第三数量,确定所述假牌指数。
在一种可能的实现方式中,所述确定模块还用于:
对于所述多帧图像中的第三图像,基于车牌分类模型确定所述第三图像中的车牌是否为假牌,所述第三图像为所述多帧图像中任一图像;
其中,所述车牌分类模型是基于多个样本车牌图像训练得到的,所述多个样本车牌图像中任一样本车牌图像是将原始车牌图像以车牌为中心、以参考倍数的所述原始车牌图像中车牌大小为范围裁剪得到的,所述参考倍数用于指示参考车辆的车头或车尾两侧的距离与所述参考车辆上的车牌的宽度之间的比例。
在一种可能的实现方式中,所述确定模块用于:
如果基于所述目标视频流中的图像确定所述目标车辆的行驶方向为面对所述目标区域的入口,且所述目标车辆位于所述入口的参考位置处,则确定所述目标车辆需要进入目标区域。
另一方面,提供了一种虚假车牌检测装置,所述装置包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行上述虚假车牌检测方法中的任一步骤。
另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,所述指令被处理器执行时实现上述虚假车牌检测方法中的任一步骤。
另一方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述虚假车牌检测方法中任一步骤。
本申请实施例提供的技术方案带来的有益效果至少包括:
本申请实施例在通过目标视频流检测到目标车牌号码时,会获取包含该目标车牌号码所挂载的目标车辆的多帧图像,然后基于这多帧图像中每帧图像的车辆检测结果和车牌检测结果,综合判断目标车辆上车牌是否为虚假车牌。通过对同一车辆追踪得到的多帧图像综合判断该车辆上的车牌是否为虚假车牌,从而提高了判断虚假车牌的准确性。
另外,由于车辆检测结果指示相应图像中是否有车辆,车牌检测结果指示相应图像中是否有车牌、以及在相应图像中有车牌的情况下相应图像中的车牌是否为虚假车牌,因此本申请实施例在衡量一个车牌是否为虚假车牌时,考虑了人员手持车牌进行检测、通过手机或平板电脑等媒介显示车牌等多种虚假车牌的场景,从而使得本申请实施例能够检测出多种场景下的虚假车牌,提高了本申请实施例提供的虚假车牌检测方法的应用灵活性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种虚假车牌检测系统的架构示意图;
图2是本申请实施例提供的一种虚假车牌检测方法流程图;
图3是本申请实施例提供的一种虚假车牌的场景示意图;
图4是本申请实施例提供的一种虚假车牌的图像示意图;
图5是本申请实施例提供的一种虚假车牌检测方法流程图;
图6是本申请实施例提供的一种虚假车牌检测装置示意图;
图7是本申请实施例提供的一种终端的结构示意图;
图8是本申请实施例提供的一种服务器的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
在对本申请实施例进行详细解释说明之前,先对本申请实施例的应用场景进行解释说明。
由于车牌是车辆的“身份证”,是区别车辆和其他车辆的一项重要信息,因此,在某些需要对车辆进行限制的区域的入口,通常需要对车辆上悬挂的车牌进行识别,以基于识别的车牌号码确定该车辆是否有权限进入该区域。为了后续便于说明,将需要对车辆进行限制的区域称为目标区域。
比如,在社区入口场景中,将识别的车辆悬挂的车牌的车牌号码与数据库白名单进行配对,若正确匹配,则控制入口处限行杆抬起,从而开闸放行该车辆。又比如,在商圈地下停车库入口,识别到进入车辆的车牌号码后开闸,同时记录该车辆的入场时间,以便于在后续出场时,根据进出场时间进行缴费管理。
在上述对车辆上悬挂的车牌进行识别的场景中,偶尔会存在用户使用虚假车牌企图进入目标区域的情况,因此在识别车牌的过程中,如何有效地识别车辆上悬挂的车牌是否为虚假车牌,对目标区域的安全管理至关重要。
图1是本申请实施例提供的一种虚假车牌检测系统的架构示意图。如图1所示,该虚假车牌检测系统100包括摄像机101和检测装置102。摄像机101和检测装置102之间通过有线或无线方式连接以进行通信。
其中,摄像机101用于采集目标区域的入口处的目标视频流,同时向检测装置102发送目标视频流。检测装置102用于基于目标视频流确定车辆上悬挂的车牌是否为虚假车牌。
需要说明的是,检测装置102可以为独立于摄像机101的设备,也可以为集成在摄像机101内部的算法模块,本申请实施例对此不做限定。
下面对本申请实施例通过的虚假车牌检测方法进行详细解释说明。图2是本申请实施例提供的一种虚假车牌检测方法流程图。如图2所示,该方法包括如下几个步骤。
步骤201:检测装置在检测到目标车牌号码所挂载的目标车辆需要进入目标区域时,获取包含目标车辆的多帧图像,目标车牌号码为基于目标视频流检测的任一车牌号码,目标视频流为车辆进入该目标区域需要采集的视频。
在本申请实施例中,为了能够快速检测目标区域入口处的车辆上悬挂的车牌是否是虚假车牌,目标区域入口处的摄像机将采集的目标视频流实时发送给检测装置,以便于检测装置执行本申请实施例提供的方法。也即是,本申请实施例提供的算法是一种基于实时流的算法过程。
其中,摄像机可以将采集的目标视频流中的图像逐帧发送给检测装置。可选地,考虑到相邻帧之间的差距通常较小,因此摄像机还可以每隔参考数量个帧将目标视频流中的图像发送至检测装置。参考数量以为1、也可以为2,等等,一般参考数量的最大取值为3。这种场景下,发送至检测装置的图像还可以称为算法处理帧。
检测装置在接收到摄像机发送的目标视频流后,便可对接收到的目标视频流中的图像逐帧进行处理。具体地,对于接收到的目标视频流中的任一帧图像,检测该帧图像中是否有车牌出现,如果该帧图像中有车牌出现,则表明当前可能有车辆需要进入该目标区域,此时便开始对出现的车牌所挂载的车辆进行追踪,以便于得到针对目标车辆追踪的多帧图像。相应地,如果该帧图像中没有车牌出现,则继续对接收到的视频流中的下一帧图像进行处理。
其中,对于任一帧图像,检测该帧图像中是否有车牌出现的实现方式通常为:先对该帧图像进行车辆检测,如果检测到该帧图像中存在车辆,则继续进行车牌识别。如果该帧图像中不存在车辆,也会进行车牌识别。从而实现检测该帧图像中是否有车牌出现。
此外,为了便于针对同一车辆进行追踪,在首次检测到一个车牌时,便可针对该车牌所挂载的车辆建立一个标识,该标识用于唯一标记一个车辆。这样后续在追踪到该车辆的其他图像时,为其他图像打上该标识,以便于后续检测装置明确哪些图像是针对该车辆追踪的图像。
因此,在一种可能的实现方式中,步骤201中获取包含目标车辆的多帧图像的实现过程可以通过以下几个步骤来实现。
(1)在基于目标视频流中的第一图像首次检测到目标车牌号码的情况下,生成和目标车辆对应的目标标识,将目标标识和第一图像绑定。
上述目标标识可以检测装置基于标识生成算法自动生成的一个标记信息,比如目标标识为车辆1或车辆2或车辆3等等。本申请实施例并不限定如何生成目标标识。需要说明的是,考虑到同一车辆可能存在多个车牌的场景(比如套牌车辆),因此需要检测装置重新生成一个用于唯一标识目标车辆的目标标识,而不是直接将目标车牌号码作为目标车辆的目标标识。
(2)对于视频流中第一图像之后的第二图像,执行下述操作,第二图像为第一图像之后的任一图像:
确定第二图像是否为针对目标车辆采集的图像;如果第二图像不是针对目标车辆采集的图像,则继续对第二图像的后一帧图像执行“确定第二图像是否为针对目标车辆采集的图像”的操作;如果确定第二图像为针对目标车辆采集的图像,则将目标标识和第二图像绑定,并基于第二图像确定目标车辆是否需要进入目标区域;如果基于第二图像确定目标车辆不需要进入目标区域,则继续对第二图像的后一帧图像执行“确定第二图像是否为针对目标车辆采集的图像”的操作;如果基于第二图像确定目标车辆需要进入目标区域,则确定检测到目标车牌号码所挂载的目标车辆需要进入目标区域,将目标视频流中第二图像和第一图像之间的、且与目标标识绑定的图像作为包含目标车辆的多帧图像。
也即是,在首次检测到某个车牌号码时,检测装置便开启针对该车牌号码所对应的车辆的追踪,直至判断出该车牌号码所对应的车辆需要进入该目标区域,从而完成对该车牌号码所对应的车辆的追踪。对车辆进行追踪的过程也称为车辆捕获过程或车辆跟踪过程。
比如,假设检测装置接收到的目标视频流为采集的目标视频流中的第2帧、4帧、第6帧、第8帧等等图像。也即是,摄像机是将采集的原始视频流中的偶数帧发送至检测装置。当检测装置在第10帧图像中检测到有车牌时,此时便建立一个目标标识,该目标标识用于唯一标识该车牌所挂载的车辆,将该车辆称为目标车辆。该目标标识也称为目标ID(identity,身份标识)。对于第10帧图像之后的各帧图像,均执行上述判断过程,具体包括判断该帧图像是否是针对目标车辆采集的图像,如果是针对目标车辆采集的图像,则继续基于该图像判断目标车辆是否需要进入该目标区域,如果基于该图像判断出目标车辆需要进入该目标区域,则表明当前检测到目标车辆需要进入该目标区域。
假设在第10帧之后每帧图像都是针对目标车辆采集的图像,且在第50帧图像时检测到目标车辆需要进入该目标区域,此时则将第10帧至第50帧中的偶数帧(包括第10帧和第50帧)作为追踪目标车辆的多帧图像。
上述对于第一图像之后的任一第二图像,具体是通过追踪技术来实现如何判断第二图像是否是针对目标车辆采集的图像。所谓的追踪技术也即是通过对比两个图像中的信息,从而判断两个图像是否是针对同一对象采集的信息。因此,为了便于确定第二图像也是针对第一图像对应的目标车辆采集的图像,在基于第一图像首次识别到目标车牌号码的情况下,需要基于第一图像中的信息确定针对目标车辆的一些属性信息,以便于后续基于这些属性信息判断第二车辆是否是针对目标车辆采集的图像。
因此,检测装置在生成和目标车辆对应的目标标识之后,还可以确定第一图像中和目标车辆相关的属性,然后将这些属性作为目标标识的属性信息中的属性,以便于后续基于目标标识的属性信息判断第二图像是否是针对目标车辆采集的图像。
另外,考虑到环境光等因素,检测装置在首次识别到目标车牌号码的情况下,第一图像中可能显示有车辆的相关信息,也可以显示不清楚车辆的相关信息,因此,在一种可能的实现方式中,在第一图像中显示有目标车辆的情况下,获取第一图像中显示的目标车辆的车辆本体属性,将车辆本体属性和目标车牌号码作为目标标识的属性信息中的属性。相应地,在第一图像中没有显示目标车辆的情况下,基于第一图像中显示的车牌预测目标车辆在第一图像中的位置,将目标车辆在第一图像中的位置和目标车牌号码作为目标标识的属性信息中的属性。
上述车辆本体属性可以包括车辆的颜色、车辆的品牌、车辆的尺寸等信息。目标车辆在第一图像中的位置具体可以是指目标车辆在第一图像中的坐标。
这种场景下,前述确定第二图像是否为针对目标车辆采集的图像具体可以为:基于目标标识的属性信息,确定第二图像是否是为针对目标车辆的图像。
示例地,如果标识标识的属性信息包括车辆本体属性和目标车牌号码,此时确定第二图像中显示的车辆的车辆本体属性和车牌号码,如果确定的车辆本体属性和/或车牌号码和目标标识的属性信息中的车辆本体属性和目标车牌号码一致,此时则确定第二图像也是针对目标车辆采集的图像。
又示例地,如果标识标识的属性信息包括目标车辆在第一图像中的位置和目标车牌号码,此时确定第二图像中的车辆在第二图像中的位置和/或第二图像中的车牌号码,如果确定的车牌号码和目标标识的属性信息中的目标车牌号码一致,和/或确定的第二图像中的车辆在第二图像中的位置和目标车辆在第一图像中的位置之间的距离在合理距离范围之内,此时则确定第二图像也是针对目标车辆采集的图像。
上述两种示例仅仅是对追踪技术的两种示例说明,本申请实施例并不先对如何对目标车辆进行追踪,任意能够实现对目标车辆进行追踪的实现方式均在本申请实施例的范围之内。
另外,在第一图像中显示有目标车辆的情况下,也可以同时将车辆本体属性和目标车牌号码、以及第一图像中目标车辆的位置作为目标标识的属性信息中的属性,本申请实施例对此不做限定。
此外,需要说明的是,上述是针对目标车辆重新生成了一个目标标识。可选地,在本申请实施例中,也可以将首次识别到的目标车牌号码直接作为目标车辆的目标标识。后续可以基于上述目标标识的属性信息的方式判断第二图像是否针对目标车辆采集的图像。
上述对于第一图像之后的任一第二图像,在追踪技术判断出第二图像为针对目标车辆采集的图像后,还需进一步基于第二图像检测目标车牌号码所挂载的目标车辆是否需要进入目标区域,以在检测到目标车牌号码所挂载的目标车辆需要进入目标区域时,触发后续对目标车辆上的车牌是否为虚假车牌的判断。
在一种可能的实现方式中,如果基于目标视频流中的图像确定目标车辆的行驶方向为面对目标区域的入口,且目标车辆位于入口的参考位置处,则确定目标车辆需要进入目标区域。也即是,对于上述第二图像,如果基于第二图像确定目标车辆的行驶方向为面对目标区域的入口,且基于第二图像确定目标车辆位于入口的参考位置处,则确定目标车辆需要进入目标区域。
上述检测目标车牌号码所挂载的目标车辆是否需要进入目标区域的目的是:考虑到某些车辆可能仅仅是经过目标区域的入口,而不是真的需要进入该目标区域,对于这些场景下的车辆,如果也直接触发后续对目标车辆上的车牌是否为虚假车牌的判断,则容易导致很多不必要的虚假车牌判断,从而影响了检测装置的处理速度。
示例地,上述目标区域的入口的参考位置可以为目标区域入口前方的减速带。这种场景下,在对目标车辆进行追踪后,发现目标车辆行驶方向为面对入口,则目标车辆到达入口前的减速带位置处,此时则触发虚假车牌的判断流程。
另外,为了便于后续快速确定目标车辆上车牌是否是虚假车牌,在上述追踪到目标车辆的任一图像时,均调用车辆检测算法和车牌算法该对该图像进行检测,得到该图像的车辆检测结果和车牌检测结果。其中,车辆检测结果指示该图像中是否有车辆,车牌检测结果指示该图像中是否有车牌、以及在该图像中有车牌的情况下相应图像中的车牌是否为虚假车牌。
在一种可能的实现方式中,可以预先在检测装置中部署车辆检测模型、车牌识别模型以及车牌分类模型。车辆检测模型、车牌识别模型以及车牌分类模型均为预先训练的网络模型。其中,车辆检测模型用于识别图像中是否有车辆,车牌识别模型用于识别图像中是否有车牌,车牌分类模型用于识别图像中的车牌是否是虚假车牌。
这种场景下,对于前述多帧图像中任一帧图像,可以基于车辆检测模型确定该图像中是否有车辆,基于车牌识别模型确定该图像中是否有车牌。在车牌识别模型确定出该图像中有车牌的情况下,基于车牌分类模型确定该图像中显示的车牌是否是虚假车牌。
为了便于后续理解,在此对各种场景下的虚假车牌进行解释说明。图3是本申请实施例提供的一种虚假车牌的场景示意图。如图3所示,用户可能手持一个车牌以诱使检测装置识别到一个真实车牌。或者用户可能将平板电脑上显示的车牌图像展示给摄像机,以诱使检测装置识别到一个真实车牌。或者用户可能手持一个纸板,该纸板上显示一个车牌图像,以诱使检测装置识别到一个真实车牌。
如图3所示的各种场景下的虚假车牌,考虑到虚假车牌所在媒介(比如手机或平板电脑或纸板)的物理宽高肯定小于真实车辆,且目标区域入口处的环境背景对车牌分类模型的分类过程有负面作用,因此,在基于原始车牌图像训练车牌分类模型的过程中,可以对原始车牌图像进行处理,基于处理后得到的样本车牌图像训练车牌分类模型。处理的目的是:处理后的各个样本车牌图像中,如果样本车牌图像是真实车牌对应的样本车牌图像,那么样本车牌图像中车辆的车头或车尾所在的区域基本能够覆盖,如果样本车牌图像是虚假车牌对应的样本车牌图像,那么样本车牌图像包含虚假车牌所在的媒介至少一个方向的外框。这样车牌分类模型便可学习到虚假车牌对应的样本车牌图像和真实车牌对应的样本车牌图像的区别,进而使得车牌分类模型准确识别出更多场景下的虚假车牌。
因此,在一种可能的实现方式中,车牌分类模型是基于多个样本车牌图像训练得到的,多个样本车牌图像中任一样本车牌图像是将原始车牌图像以车牌为中心、以参考倍数的原始车牌图像中车牌大小为范围裁剪得到的,参考倍数用于指示参考车辆的车头或车尾两侧的距离与参考车辆上的车牌的宽度之间的比例。
示例地,对于目前大部分车辆,车辆的车头或车尾两侧的距离与该车辆上的车牌的宽度之间的比例通常在4倍左右。这种场景下,上述参考倍数可以设置为4倍。图4是本申请实施例提供的一种裁剪后的样本车牌图像示意图。如图4所示,在裁剪后,真实车辆的车头基本能全部覆盖住。平板电脑上显示的车牌对应的样本车牌图像中能够显示平板电脑的边框。
在基于上述样本车牌图像训练得到车牌分类模型之后,对于多帧图像中的第三图像,基于车牌分类模型便可确定第三图像中的车牌是否为假牌。其中,第三图像为多帧图像中任一图像。
步骤202:检测装置基于多帧图像中每帧图像的车辆检测结果和车牌检测结果,确定目标车辆上的车牌是否为虚假车牌。
如步骤201所述,每帧图像的车辆检测结果指示所相应图像中是否有车辆,车牌检测结果指示相应图像中是否有车牌、以及在相应图像中有车牌的情况下相应图像中的车牌是否为虚假车牌。
在一种可能的实现方式中,步骤202的实现过程可以为:基于多帧图像中每帧图像的车辆检测结果,确定检测指数,检测指数指示多帧图像中检测到没有车辆的图像比率的大小。基于多帧图像中每帧图像的车牌检测结果,确定假牌指数,假牌指数指示多帧图像中检测到假牌的图像比率的大小。基于检测指数和假牌指数,确定目标车辆上的车牌是否为虚假车牌。
通过上述实现方式,在考虑一个目标车辆上的车牌是否为虚假车牌时,综合考虑了多帧图像中检测到没有车辆的图像比率的大小、以及多帧图像中检测到假牌的图像比率的大小,而不仅仅是基于单帧图像来确定,从而能够识别到多种场景下的虚假车牌。
上述检测指数指示多帧图像中检测到没有车辆的图像比率的大小,可以是指:检测指数与多帧图像中检测到没有车辆的图像比率的大小之间呈正相关关系,也可以是指:检测指数与多帧图像中检测到没有车辆的图像比率的大小之间呈负相关关系。上述假牌指数指示多帧图像中检测到假牌的图像比率的大小,可以是指:假牌指数和多帧图像中检测到假牌的图像比率的大小之间呈正相关关系,也可以是指:假牌指数和多帧图像中检测到假牌的图像比率的大小之间呈负相关关系。
其中,正相关关系是指:一者随着另一者的变大而变大,随着另一者的减小而减小。负相关关系是指:一者随着另一者的变大而减小,随着另一者的减小而变大。
示例地,在上述检测指数与多帧图像中检测到没有车辆的图像比率的大小之间呈正相关关系,假牌指数和多帧图像中检测到假牌的图像比率的大小之间呈正相关关系的场景下,基于检测指数和假牌指数,确定目标车辆上的车牌是否为虚假车牌的实现方式可以为:对检测指数和假牌指数进行归一化处理,分别得到归一化后的检测指数和归一化后的假牌指数;如果归一化后的检测指数大于参考数值,或者归一化后的假牌指数大于参考数值,或者归一化后的检测指数与归一化后的假牌指数的加和大于参考数值,则确定目标车辆上的车牌为虚假车牌。
其中,如果归一化后的检测指数大于参考数值,则表明对目标车辆进行追踪得到的多帧图像中很大一部分检测到不到车辆,此时检测装置识别到的目标车牌号码是假牌的可能性很大,因此此时确定目标车辆上的车牌为虚假车牌。
如果归一化后的假牌指数大于参考数值,则表明对目标车辆进行追踪得到的多帧图像中很大一部分图像中检测到虚假车牌,此时检测装置识别到的目标车牌号码是假牌的可能性很大,因此此时确定目标车辆上的车牌为虚假车牌。
同样地,归一化后的检测指数与归一化后的假牌指数的加和大于参考数值,则表明对目标车辆进行追踪得到的多帧图像中要么是没有检测到车辆,要么是检测到车牌是虚假车牌,此时检测装置识别到的目标车牌号码是假牌的可能性很大,因此此时确定目标车辆上的车牌为虚假车牌。
比如,将检测指数和假牌指数进行归一化处理到0到10之间的数值,上述参考数值可以为10。此时,如果归一化后的检测指数为10,或者,如果归一化后的假牌指数为10,或者如果归一化后的检测指数和如果归一化后的假牌指数的加和等于10,则确定目标车辆上的车牌为虚假车牌。
此外,上述基于多帧图像中每帧图像的车辆检测结果,确定检测指数的实现过程可以为:基于多帧图像中每帧图像的车辆检测结果,确定多帧图像中车辆检测结果为检测到车辆的图像的数量,得到第一数量;基于第一数量和多帧图像的总数量,确定检测指数。
示例地,假设上述多帧图像的总数量为N,第一数量为M,在检测指数与多帧图像中检测到没有车辆的图像比率的大小之间呈正相关关系的情况,检测指数可以为(N-M)/N。
此外,上述基于多帧图像中每帧图像的车牌检测结果,确定假牌指数的实现过程可以为:基于多帧图像中每帧图像的车牌检测结果,确定多帧图像中车辆检测结果为检测到有车牌的图像的数量,得到第二数量;基于多帧图像中每帧图像的车牌检测结果,确定多帧图像中车辆检测结果为检测到有车牌、且检测到的车牌为虚假车牌的图像的数量,得到第三数量;基于第二数量和第三数量,确定假牌指数。
示例地,假设上述第二数量为T,第三数量为F,则在假牌指数和多帧图像中检测到假牌的图像比率的大小之间呈正相关关系的情况下,假牌指数可以通过下述公式确定:
上述公式中的cls表征假牌指数。
需要说明的是,上述检测指数和假牌指数的确定方式仅仅是示例说明,本申请实施例并不限定具体如何确定检测指数和假牌指数。
图5是本申请实施例提供的一种检测虚假车牌的流程示意图。下面以图5为例对本申请实施例提供的检测方法进行简单总结。
如图5所示,该虚假车牌检测方法主要包括以下几个步骤。
(1)对每帧算法处理帧(也即是摄像机发送给检测装置的每帧图像),调用车牌检测和车牌识别算法,若当前帧有车牌识别结果(也即是首次检测到目标车牌号码),将车牌位置和图像送入到车牌分类库;
(2)获取当前帧的车辆检测结果(用于指示图像中是否有车辆),车牌识别结果(用于指示图像中是否有车牌)和车牌分类结果(用于表示图像中的车牌是否为虚假车牌),并通过车辆跟踪算法实现对车辆和车牌的绑定,建立车辆的目标ID。若无车辆检测结果,但有车牌识别结果,车辆跟踪算法会根据车牌结果预测车辆位置,同样也会建立车辆的目标ID。具体实现方式前述实施例中已经详细说明。基于车辆跟踪算法得到和目标ID对应的多帧图像。
(3)判断车辆目标的运动轨迹,进而判断车辆的行驶方向和其是否到达抓拍位置(也即是前述实施例中的参考位置),若符合,则进行抓拍(也即是获取对该车辆进行追踪的多帧图像);
(4)当对目标进行抓拍时,进行假牌判定,如图中虚线所示的流程所示,统计当前目标出现的总帧数(也即是多帧图像的总数量),和目标检测帧数(也即是多帧图像中检测出存在车辆的帧数),目标假牌帧数(多帧图像中存在虚假车牌的帧数),归一化为[0,10]范围区间内的检测指数和假牌指数。若检测指数或假牌指数为10或其和大于10,则判定当前目标车牌号码所对应的的车牌为虚假车牌;
(5)算法输出车牌号码和真假牌信息;
(6)检测装置获取算法输出信息,当车牌号码与数据库内(社区场景)的白名单匹配时,且识别出车牌为真牌才会开闸抬杆,为假牌则不开闸。
本申请实施例在通过目标视频流检测到目标车牌号码时,会获取包含该目标车牌号码所挂载的目标车辆的多帧图像,然后基于这多帧图像中每帧图像的车辆检测结果和车牌检测结果,综合判断目标车辆上车牌是否为虚假车牌。通过对同一车辆追踪得到的多帧图像综合判断该车辆上的车牌是否为虚假车牌,从而提高了判断虚假车牌的准确性。
另外,由于车辆检测结果指示相应图像中是否有车辆,车牌检测结果指示相应图像中是否有车牌、以及在相应图像中有车牌的情况下相应图像中的车牌是否为虚假车牌,因此本申请实施例在衡量一个车牌是否为虚假车牌时,考虑了人员手持车牌进行检测、通过手机或平板电脑等媒介显示车牌等多种虚假车牌的场景,从而使得本申请实施例能够检测出多种场景下的虚假车牌,提高了本申请实施例提供的虚假车牌检测方法的应用灵活性。
也即是,本申请实施例通过的检测方法能够采用有效特征,有效实现对媒介车牌的正确分类,在面对特定类别假牌时,引入车辆检测结果辅助解决多场景样本难采集问题。此外,为保障分类准确率,采用多帧统计,而非单帧结果,算法效果更稳定。另外,本申请实施例提出的虚假车牌检测技术可有效解决不法分子诱骗抬杆行为,为出入口无人值守推广带来安全上的保障。
上述所有可选技术方案,均可按照任意结合形成本申请的可选实施例,本申请实施例对此不再一一赘述。
图6是本申请实施例提供的一种虚假车牌检测装置的结构示意图,该装置可以由软件、硬件或者两者的结合实现。该虚假车牌检测装置600可以包括:
获取模块601,用于在检测到目标车牌号码所挂载的目标车辆需要进入目标区域时,获取包含目标车辆的多帧图像,目标车牌号码为基于目标视频流检测的任一车牌号码,目标视频流为车辆进入目标区域需要采集的视频;
确定模块602,用于基于多帧图像中每帧图像的车辆检测结果和车牌检测结果,确定目标车辆上的车牌是否为虚假车牌;
其中,车辆检测结果指示所相应图像中是否有车辆,车牌检测结果指示相应图像中是否有车牌、以及在相应图像中有车牌的情况下相应图像中的车牌是否为虚假车牌。
在一种可能的实现方式中,获取模块用于:
在基于目标视频流中的第一图像首次检测到目标车牌号码的情况下,生成和目标车辆对应的目标标识,将目标标识和第一图像绑定;
对于视频流中第一图像之后的第二图像,执行下述操作,第二图像为第一图像之后的任一图像:
确定第二图像是否为针对目标车辆采集的图像;
如果第二图像不是针对目标车辆采集的图像,则继续对第二图像的后一帧图像执行“确定第二图像是否为针对目标车辆采集的图像”的操作;
如果确定第二图像为针对目标车辆采集的图像,则将目标标识和第二图像绑定,并基于第二图像确定目标车辆是否需要进入目标区域;
如果基于第二图像确定目标车辆不需要进入目标区域,则继续对第二图像的后一帧图像执行“确定第二图像是否为针对目标车辆采集的图像”的操作;
如果基于第二图像确定目标车辆需要进入目标区域,则确定检测到目标车牌号码所挂载的目标车辆需要进入目标区域,将目标视频流中第二图像和第一图像之间的、且与目标标识绑定的图像作为包含目标车辆的多帧图像。
在一种可能的实现方式中,获取模块用于:
在第一图像中显示有目标车辆的情况下,获取第一图像中显示的目标车辆的车辆本体属性,将车辆本体属性和目标车牌号码作为目标标识的属性信息中的属性;
在第一图像中没有显示目标车辆的情况下,基于第一图像中显示的车牌预测目标车辆在第一图像中的位置,将目标车辆在第一图像中的位置和目标车牌号码作为目标标识的属性信息中的属性;
基于目标标识的属性信息,确定第二图像是否是为针对目标车辆采集的图像。
在一种可能的实现方式中,确定模块用于:
基于多帧图像中每帧图像的车辆检测结果,确定检测指数,检测指数指示多帧图像中检测到没有车辆的图像比率的大小;
基于多帧图像中每帧图像的车牌检测结果,确定假牌指数,假牌指数指示多帧图像中检测到假牌的图像比率的大小;
基于检测指数和假牌指数,确定目标车辆上的车牌是否为虚假车牌。
在一种可能的实现方式中,检测指数与多帧图像中检测到没有车辆的图像比率的大小之间呈正相关关系,假牌指数和多帧图像中检测到假牌的图像比率的大小之间呈正相关关系;
确定模块用于:
对检测指数和假牌指数进行归一化处理,分别得到归一化后的检测指数和归一化后的假牌指数;
如果归一化后的检测指数大于参考数值,或者归一化后的假牌指数大于参考数值,或者归一化后的检测指数与归一化后的假牌指数的加和大于参考数值,则确定目标车辆上的车牌为虚假车牌。
在一种可能的实现方式中,确定模块用于:
基于多帧图像中每帧图像的车辆检测结果,确定多帧图像中车辆检测结果为检测到车辆的图像的数量,得到第一数量;
基于第一数量和多帧图像的总数量,确定检测指数。
在一种可能的实现方式中,确定模块用于:
基于多帧图像中每帧图像的车牌检测结果,确定多帧图像中车辆检测结果为检测到有车牌的图像的数量,得到第二数量;
基于多帧图像中每帧图像的车牌检测结果,确定多帧图像中车辆检测结果为检测到有车牌、且检测到的车牌为虚假车牌的图像的数量,得到第三数量;
基于第二数量和第三数量,确定假牌指数。
在一种可能的实现方式中,确定模块还用于:
对于多帧图像中的第三图像,基于车牌分类模型确定第三图像中的车牌是否为假牌,第三图像为多帧图像中任一图像;
其中,车牌分类模型是基于多个样本车牌图像训练得到的,多个样本车牌图像中任一样本车牌图像是将原始车牌图像以车牌为中心、以参考倍数的原始车牌图像中车牌大小为范围裁剪得到的,参考倍数用于指示参考车辆的车头或车尾两侧的距离与参考车辆上的车牌的宽度之间的比例。
在一种可能的实现方式中,确定模块用于:
如果基于目标视频流中的图像确定目标车辆的行驶方向为面对目标区域的入口,且目标车辆位于入口的参考位置处,则确定目标车辆需要进入目标区域。
综上,本申请实施例在通过目标视频流检测到目标车牌号码时,会获取包含该目标车牌号码所挂载的目标车辆的多帧图像,然后基于这多帧图像中每帧图像的车辆检测结果和车牌检测结果,综合判断目标车辆上车牌是否为虚假车牌。通过对同一车辆追踪得到的多帧图像综合判断该车辆上的车牌是否为虚假车牌,从而提高了判断虚假车牌的准确性。
另外,由于车辆检测结果指示相应图像中是否有车辆,车牌检测结果指示相应图像中是否有车牌、以及在相应图像中有车牌的情况下相应图像中的车牌是否为虚假车牌,因此本申请实施例在衡量一个车牌是否为虚假车牌时,考虑了人员手持车牌进行检测、通过手机或平板电脑等媒介显示车牌等多种虚假车牌的场景,从而使得本申请实施例能够检测出多种场景下的虚假车牌,提高了本申请实施例提供的虚假车牌检测方法的应用灵活性。
需要说明的是:上述实施例提供的虚假车牌检测装置在进行虚假车牌检测时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的虚假车牌检测装置与虚假车牌检测方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图7是本申请实施例提供的一种终端700的结构框图。该终端700可以是:智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端700还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,终端700包括有:处理器701和存储器702。
处理器701可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器701可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器701也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器701可以集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器701还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器702可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器702还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器702中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器701所执行以实现本申请中方法实施例提供的虚假车牌检测方法。
在一些实施例中,终端700还可选包括有:外围设备接口703和至少一个外围设备。处理器701、存储器702和外围设备接口703之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口703相连。具体地,外围设备包括:射频电路704、显示屏705、摄像头组件706、音频电路707、定位组件708和电源709中的至少一种。
外围设备接口703可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器701和存储器702。在一些实施例中,处理器701、存储器702和外围设备接口703被集成在同一芯片或电路板上;在一些其他实施例中,处理器701、存储器702和外围设备接口703中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路704用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路704通过电磁信号与通信网络以及其他通信设备进行通信。射频电路704将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路704包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路704可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路704还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏705用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏705是触摸显示屏时,显示屏705还具有采集在显示屏705的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器701进行处理。此时,显示屏705还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏705可以为一个,设置终端700的前面板;在另一些实施例中,显示屏705可以为至少两个,分别设置在终端700的不同表面或呈折叠设计;在另一些实施例中,显示屏705可以是柔性显示屏,设置在终端700的弯曲表面上或折叠面上。甚至,显示屏705还可以设置成非矩形的不规则图形,也即异形屏。显示屏705可以采用LCD(LiquidCrystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件706用于采集图像或视频。可选地,摄像头组件706包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件706还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路707可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器701进行处理,或者输入至射频电路704以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端700的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器701或射频电路704的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路707还可以包括耳机插孔。
定位组件708用于定位终端700的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件708可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源709用于为终端700中的各个组件进行供电。电源709可以是交流电、直流电、一次性电池或可充电电池。当电源709包括可充电电池时,该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中,终端700还包括有一个或多个传感器710。该一个或多个传感器710包括但不限于:加速度传感器711、陀螺仪传感器712、压力传感器713、指纹传感器714、光学传感器715以及接近传感器716。
加速度传感器711可以检测以终端700建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器711可以用于检测重力加速度在三个坐标轴上的分量。处理器701可以根据加速度传感器711采集的重力加速度信号,控制显示屏705以横向视图或纵向视图进行用户界面的显示。加速度传感器711还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器712可以检测终端700的机体方向及转动角度,陀螺仪传感器712可以与加速度传感器711协同采集用户对终端700的3D动作。处理器701根据陀螺仪传感器712采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器713可以设置在终端700的侧边框和/或显示屏705的下层。当压力传感器713设置在终端700的侧边框时,可以检测用户对终端700的握持信号,由处理器701根据压力传感器713采集的握持信号进行左右手识别或快捷操作。当压力传感器713设置在显示屏705的下层时,由处理器701根据用户对显示屏705的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器714用于采集用户的指纹,由处理器701根据指纹传感器714采集到的指纹识别用户的身份,或者,由指纹传感器714根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器701授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器714可以被设置终端700的正面、背面或侧面。当终端700上设置有物理按键或厂商Logo时,指纹传感器714可以与物理按键或厂商Logo集成在一起。
光学传感器715用于采集环境光强度。在一个实施例中,处理器701可以根据光学传感器715采集的环境光强度,控制显示屏705的显示亮度。具体地,当环境光强度较高时,调高显示屏705的显示亮度;当环境光强度较低时,调低显示屏705的显示亮度。在另一个实施例中,处理器701还可以根据光学传感器715采集的环境光强度,动态调整摄像头组件706的拍摄参数。
接近传感器716,也称距离传感器,通常设置在终端700的前面板。接近传感器716用于采集用户与终端700的正面之间的距离。在一个实施例中,当接近传感器716检测到用户与终端700的正面之间的距离逐渐变小时,由处理器701控制显示屏705从亮屏状态切换为息屏状态;当接近传感器716检测到用户与终端700的正面之间的距离逐渐变大时,由处理器701控制显示屏705从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图7中示出的结构并不构成对终端700的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
本申请实施例还提供了一种非临时性计算机可读存储介质,当所述存储介质中的指令由终端的处理器执行时,使得终端能够执行上实施例提供的虚假车牌检测方法。
本申请实施例还提供了一种包含指令的计算机程序产品,当其在终端上运行时,使得终端执行上述实施例提供的虚假车牌检测方法。
图8是本申请实施例提供的一种服务器的结构示意图。该服务器可以是后台服务器集群中的服务器。具体来讲:
服务器800包括中央处理单元(CPU)801、包括随机存取存储器(RAM)802和只读存储器(ROM)803的系统存储器804,以及连接系统存储器804和中央处理单元801的系统总线805。服务器800还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统)806,和用于存储操作系统813、应用程序814和其他程序模块815的大容量存储设备807。
基本输入/输出系统806包括有用于显示信息的显示器808和用于用户输入信息的诸如鼠标、键盘之类的输入设备809。其中显示器808和输入设备809都通过连接到系统总线805的输入输出控制器810连接到中央处理单元801。基本输入/输出系统806还可以包括输入输出控制器810以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器810还提供输出到显示屏、打印机或其他类型的输出设备。
大容量存储设备807通过连接到系统总线805的大容量存储控制器(未示出)连接到中央处理单元801。大容量存储设备807及其相关联的计算机可读介质为服务器800提供非易失性存储。也就是说,大容量存储设备807可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。
不失一般性,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术,CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器804和大容量存储设备807可以统称为存储器。
根据本申请的各种实施例,服务器800还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器800可以通过连接在系统总线805上的网络接口单元811连接到网络812,或者说,也可以使用网络接口单元811来连接到其他类型的网络或远程计算机系统(未示出)。
上述存储器还包括一个或者一个以上的程序,一个或者一个以上程序存储于存储器中,被配置由CPU执行。所述一个或者一个以上程序包含用于进行本申请实施例提供的虚假车牌检测方法的指。
本申请实施例还提供了一种非临时性计算机可读存储介质,当所述存储介质中的指令由服务器的处理器执行时,使得服务器能够执行上述实施例提供的虚假车牌检测方法。
本申请实施例还提供了一种包含指令的计算机程序产品,当其在服务器上运行时,使得服务器执行上述实施例提供的虚假车牌检测方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请实施例的较佳实施例,并不用以限制本申请实施例,凡在本申请实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (12)
1.一种虚假车牌检测方法,其特征在于,所述方法包括:
在检测到目标车牌号码所挂载的目标车辆需要进入目标区域时,获取包含所述目标车辆的多帧图像,所述目标车牌号码为基于目标视频流检测的任一车牌号码,所述目标视频流为车辆进入所述目标区域需要采集的视频;
基于所述多帧图像中每帧图像的车辆检测结果和车牌检测结果,确定所述目标车辆上的车牌是否为虚假车牌;
其中,所述车辆检测结果指示所相应图像中是否有车辆,所述车牌检测结果指示相应图像中是否有车牌、以及在相应图像中有车牌的情况下相应图像中的车牌是否为虚假车牌。
2.如权利要求1所述的方法,其特征在于,所述在检测到目标车牌号码所挂载的目标车辆需要进入目标区域时,获取包含所述目标车辆的多帧图像,包括:
在基于所述目标视频流中的第一图像首次检测到所述目标车牌号码的情况下,生成和所述目标车辆对应的目标标识,将所述目标标识和所述第一图像绑定;
对于所述视频流中所述第一图像之后的第二图像,执行下述操作,所述第二图像为所述第一图像之后的任一图像:
确定所述第二图像是否为针对所述目标车辆采集的图像;
如果所述第二图像不是针对所述目标车辆采集的图像,则继续对所述第二图像的后一帧图像执行“确定所述第二图像是否为针对所述目标车辆采集的图像”的操作;
如果确定所述第二图像为针对所述目标车辆采集的图像,则将所述目标标识和所述第二图像绑定,并基于所述第二图像确定所述目标车辆是否需要进入所述目标区域;
如果基于所述第二图像确定所述目标车辆不需要进入所述目标区域,则继续对所述第二图像的后一帧图像执行“确定所述第二图像是否为针对所述目标车辆采集的图像”的操作;
如果基于所述第二图像确定所述目标车辆需要进入所述目标区域,则确定检测到目标车牌号码所挂载的目标车辆需要进入目标区域,将所述目标视频流中所述第二图像和所述第一图像之间的、且与所述目标标识绑定的图像作为包含所述目标车辆的多帧图像。
3.如权利要求2所述的方法,其特征在于,所述生成和所述目标车辆对应的目标标识之后,还包括:
在所述第一图像中显示有所述目标车辆的情况下,获取所述第一图像中显示的所述目标车辆的车辆本体属性,将所述车辆本体属性和所述目标车牌号码作为所述目标标识的属性信息中的属性;
在所述第一图像中没有显示所述目标车辆的情况下,基于所述第一图像中显示的车牌预测所述目标车辆在所述第一图像中的位置,将所述目标车辆在所述第一图像中的位置和所述目标车牌号码作为所述目标标识的属性信息中的属性;
所述确定所述第二图像是否为针对所述目标车辆采集的图像,包括:
基于所述目标标识的属性信息,确定所述第二图像是否是为针对所述目标车辆采集的图像。
4.如权利要求1所述的方法,其特征在于,所述基于所述多帧图像中每帧图像的车辆检测结果和车牌检测结果,确定所述目标车辆上的车牌是否为虚假车牌,包括:
基于所述多帧图像中每帧图像的车辆检测结果,确定检测指数,所述检测指数指示所述多帧图像中检测到没有车辆的图像比率的大小;
基于所述多帧图像中每帧图像的车牌检测结果,确定假牌指数,所述假牌指数指示所述多帧图像中检测到假牌的图像比率的大小;
基于所述检测指数和所述假牌指数,确定所述目标车辆上的车牌是否为虚假车牌。
5.如权利要求4所述的方法,其特征在于,所述检测指数与所述多帧图像中检测到没有车辆的图像比率的大小之间呈正相关关系,所述假牌指数和所述多帧图像中检测到假牌的图像比率的大小之间呈正相关关系;
所述基于所述检测指数和所述假牌指数,确定所述目标车辆上的车牌是否为虚假车牌,包括:
对所述检测指数和所述假牌指数进行归一化处理,分别得到归一化后的检测指数和归一化后的假牌指数;
如果所述归一化后的检测指数大于参考数值,或者所述归一化后的假牌指数大于所述参考数值,或者所述归一化后的检测指数与所述归一化后的假牌指数的加和大于所述参考数值,则确定所述目标车辆上的车牌为虚假车牌。
6.如权利要求4所述的方法,其特征在于,所述基于所述多帧图像中每帧图像的车辆检测结果,确定检测指数,包括:
基于所述多帧图像中每帧图像的车辆检测结果,确定所述多帧图像中车辆检测结果为检测到车辆的图像的数量,得到第一数量;
基于所述第一数量和所述多帧图像的总数量,确定所述检测指数。
7.如权利要求4所述的方法,其特征在于,所述基于所述多帧图像中每帧图像的车牌检测结果,确定假牌指数,包括:
基于所述多帧图像中每帧图像的车牌检测结果,确定所述多帧图像中车辆检测结果为检测到有车牌的图像的数量,得到第二数量;
基于所述多帧图像中每帧图像的车牌检测结果,确定所述多帧图像中车辆检测结果为检测到有车牌、且检测到的车牌为虚假车牌的图像的数量,得到第三数量;
基于所述第二数量和所述第三数量,确定所述假牌指数。
8.如权利要求1至7任一所述的方法,其特征在于,所述方法还包括:
对于所述多帧图像中的第三图像,基于车牌分类模型确定所述第三图像中的车牌是否为假牌,所述第三图像为所述多帧图像中任一图像;
其中,所述车牌分类模型是基于多个样本车牌图像训练得到的,所述多个样本车牌图像中任一样本车牌图像是将原始车牌图像以车牌为中心、以参考倍数的所述原始车牌图像中车牌大小为范围裁剪得到的,所述参考倍数用于指示参考车辆的车头或车尾两侧的距离与所述参考车辆上的车牌的宽度之间的比例。
9.如权利要求1至7任一所述的方法,其特征在于,所述检测到目标车牌号码所挂载的目标车辆需要进入目标区域,包括:
如果基于所述目标视频流中的图像确定所述目标车辆的行驶方向为面对所述目标区域的入口,且所述目标车辆位于所述入口的参考位置处,则确定所述目标车辆需要进入目标区域。
10.一种虚假车牌检测装置,其特征在于,所述装置包括:
获取模块,用于在检测到目标车牌号码所挂载的目标车辆需要进入目标区域时,获取包含所述目标车辆的多帧图像,所述目标车牌号码为基于目标视频流检测的任一车牌号码,所述目标视频流为车辆进入所述目标区域需要采集的视频;
确定模块,用于基于所述多帧图像中每帧图像的车辆检测结果和车牌检测结果,确定所述目标车辆上的车牌是否为虚假车牌;
其中,所述车辆检测结果指示所相应图像中是否有车辆,所述车牌检测结果指示相应图像中是否有车牌、以及在相应图像中有车牌的情况下相应图像中的车牌是否为虚假车牌。
11.一种虚假车牌检测装置,其特征在于,所述装置包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行上述权利要求1至权利要求9中的任一项权利要求所述的方法的步骤。
12.一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上存储有指令,所述指令被处理器执行时实现上述权利要求1至权利要求9中的任一项权利要求所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110585858.9A CN113205069B (zh) | 2021-05-27 | 2021-05-27 | 虚假车牌检测方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110585858.9A CN113205069B (zh) | 2021-05-27 | 2021-05-27 | 虚假车牌检测方法、装置及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113205069A true CN113205069A (zh) | 2021-08-03 |
CN113205069B CN113205069B (zh) | 2023-05-30 |
Family
ID=77023386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110585858.9A Active CN113205069B (zh) | 2021-05-27 | 2021-05-27 | 虚假车牌检测方法、装置及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113205069B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117456481A (zh) * | 2023-12-22 | 2024-01-26 | 华南师范大学 | 一种防伪车牌识别方法、系统及终端 |
CN117456481B (zh) * | 2023-12-22 | 2024-05-14 | 华南师范大学 | 一种防伪车牌识别方法、系统及终端 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5638302A (en) * | 1995-12-01 | 1997-06-10 | Gerber; Eliot S. | System and method for preventing auto thefts from parking areas |
CN102708691A (zh) * | 2011-12-26 | 2012-10-03 | 南京信息工程大学 | 基于车牌车型匹配的虚假车牌识别方法 |
CN103745600A (zh) * | 2014-01-28 | 2014-04-23 | 陈昊 | 一种射频识别与车牌识别比对的实现方法 |
CN106874902A (zh) * | 2017-01-19 | 2017-06-20 | 博康智能信息技术有限公司北京海淀分公司 | 一种车牌信息识别方法及装置 |
CN110569921A (zh) * | 2019-09-17 | 2019-12-13 | 中控智慧科技股份有限公司 | 一种车标识别方法、系统、装置及计算机可读介质 |
CN110610610A (zh) * | 2019-09-20 | 2019-12-24 | 腾讯科技(深圳)有限公司 | 一种车辆出入管理方法、装置以及存储介质 |
CN111709416A (zh) * | 2020-05-15 | 2020-09-25 | 珠海亿智电子科技有限公司 | 车牌定位方法、装置、系统及存储介质 |
US20200372258A1 (en) * | 2019-05-20 | 2020-11-26 | Panasonic I-Pro Sensing Solutions Co., Ltd. | Vehicle monitoring system and vehicle monitoring method |
CN112580531A (zh) * | 2020-12-23 | 2021-03-30 | 深圳市捷顺科技实业股份有限公司 | 一种真假车牌的识别检测方法及系统 |
-
2021
- 2021-05-27 CN CN202110585858.9A patent/CN113205069B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5638302A (en) * | 1995-12-01 | 1997-06-10 | Gerber; Eliot S. | System and method for preventing auto thefts from parking areas |
CN102708691A (zh) * | 2011-12-26 | 2012-10-03 | 南京信息工程大学 | 基于车牌车型匹配的虚假车牌识别方法 |
CN103745600A (zh) * | 2014-01-28 | 2014-04-23 | 陈昊 | 一种射频识别与车牌识别比对的实现方法 |
CN106874902A (zh) * | 2017-01-19 | 2017-06-20 | 博康智能信息技术有限公司北京海淀分公司 | 一种车牌信息识别方法及装置 |
US20200372258A1 (en) * | 2019-05-20 | 2020-11-26 | Panasonic I-Pro Sensing Solutions Co., Ltd. | Vehicle monitoring system and vehicle monitoring method |
CN110569921A (zh) * | 2019-09-17 | 2019-12-13 | 中控智慧科技股份有限公司 | 一种车标识别方法、系统、装置及计算机可读介质 |
CN110610610A (zh) * | 2019-09-20 | 2019-12-24 | 腾讯科技(深圳)有限公司 | 一种车辆出入管理方法、装置以及存储介质 |
CN111709416A (zh) * | 2020-05-15 | 2020-09-25 | 珠海亿智电子科技有限公司 | 车牌定位方法、装置、系统及存储介质 |
CN112580531A (zh) * | 2020-12-23 | 2021-03-30 | 深圳市捷顺科技实业股份有限公司 | 一种真假车牌的识别检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
PINAKI NATHCHOWDHURY ET AL.: "Graph attention network for detecting license plates in crowded street scenes", 《PATTERN RECOGNITION LETTERS》 * |
李石林: "基于机器学习的车牌识别系统研究", 《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 (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117456481A (zh) * | 2023-12-22 | 2024-01-26 | 华南师范大学 | 一种防伪车牌识别方法、系统及终端 |
CN117456481B (zh) * | 2023-12-22 | 2024-05-14 | 华南师范大学 | 一种防伪车牌识别方法、系统及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN113205069B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110490179B (zh) | 车牌识别方法、装置及存储介质 | |
CN111723602B (zh) | 驾驶员的行为识别方法、装置、设备及存储介质 | |
CN108363982B (zh) | 确定对象数量的方法及装置 | |
CN113627413A (zh) | 数据标注方法、图像比对方法及装置 | |
CN111325701B (zh) | 图像处理方法、装置及存储介质 | |
CN111931712B (zh) | 人脸识别方法、装置、抓拍机及系统 | |
CN111723124B (zh) | 数据碰撞分析的方法、装置、电子设备和存储介质 | |
WO2023083240A1 (zh) | 训练智能模型的方法、装置、电子设备及存储介质 | |
CN113378705B (zh) | 车道线检测方法、装置、设备及存储介质 | |
CN113205069B (zh) | 虚假车牌检测方法、装置及计算机存储介质 | |
CN113706807B (zh) | 发出报警信息的方法、装置、设备及存储介质 | |
CN113591514B (zh) | 指纹活体检测方法、设备及存储介质 | |
CN111583669B (zh) | 一种超速检测方法、装置、控制设备和存储介质 | |
CN114598992A (zh) | 信息交互方法、装置、设备及计算机可读存储介质 | |
CN109671425B (zh) | 音频分类方法、装置及存储介质 | |
CN114078582A (zh) | 服务信息的关联方法、装置、终端及存储介质 | |
CN113936240A (zh) | 确定样本图像的方法、装置、设备及存储介质 | |
CN113920222A (zh) | 获取地图建图数据的方法、装置、设备及可读存储介质 | |
CN110717365B (zh) | 一种获取图片的方法及装置 | |
CN112818243A (zh) | 导航路线的推荐方法、装置、设备及存储介质 | |
CN111582184A (zh) | 页面检测方法、装置、设备及存储介质 | |
CN111698453B (zh) | 视频处理的方法和装置 | |
CN111325083A (zh) | 记录考勤信息的方法和装置 | |
CN112804481B (zh) | 监控点位置的确定方法、装置及计算机存储介质 | |
CN113239901B (zh) | 场景识别方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |