CN113269011B - 车辆检测方法、装置、设备及存储介质 - Google Patents
车辆检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113269011B CN113269011B CN202010096479.9A CN202010096479A CN113269011B CN 113269011 B CN113269011 B CN 113269011B CN 202010096479 A CN202010096479 A CN 202010096479A CN 113269011 B CN113269011 B CN 113269011B
- Authority
- CN
- China
- Prior art keywords
- detected
- vehicle
- license plate
- image
- suspected
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—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
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- 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
- G06V20/44—Event detection
-
- 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)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例中公开了一种车辆检测方法、装置、设备及存储介质。所述方法包括:确定目标停车区域中的待检测车辆;采集包括待检测车辆的待检测图像,并依据所述待检测图像对所述待检测车辆进行疑似换牌行为的识别;若确定所述待检测车辆存在疑似换牌行为,则生成所述待检测车辆的疑似换牌的证据信息,用于对待检测车辆进行违法换牌检测。采用本申请的方案,不需要增加过多的成本来检测车辆,只需要采集车辆在停车区的异常图像进行分析,即可快速有效地确定车辆是否存在换牌违法行为,进而自动生成有效的用于判定车辆存在违法换牌行为的可视证据链,以进一步取证分析。
Description
技术领域
本发明实施例涉及监控技术领域,尤其涉及一种车辆检测方法、装置、设备及存储介质。
背景技术
目前,高速公路上一直存在车辆偷逃高速公路通行费的行为,为了防止逃费行为,高速公路收费和执法部门采用了联网收费技术,使得偷逃高速公路通行费的行为得到一定的抑制。
但是,驾驶员会通过交换通行卡来偷逃高速公路通行费的行为还是屡见不鲜,例如,两辆车在约定位置相遇时交换通行卡和车辆牌照,拿对方的通行卡和车牌在离对方入口较近的收费站驶出高速公路,偷逃了大笔高速通行费,严重扰乱高速公路的治安。
发明内容
本发明实施例中提供了一种车辆检测方法、装置、设备及存储介质,以实现对检测车辆是否存在更换车牌以偷逃过路费的违法行为。
第一方面,本发明实施例中提供了一种车辆检测方法,包括:
确定目标停车区域中的待检测车辆;
采集包括所述待检测车辆的待检测图像,并依据所述待检测图像对所述待检测车辆进行疑似换牌行为的识别;
若确定所述待检测车辆存在疑似换牌行为,则生成所述待检测车辆的疑似换牌的证据信息,用于对待检测车辆进行违法换牌检测。
第二方面,本发明实施例中还提供了一种车辆检测装置,包括:
车辆确定模块,用于确定目标停车区域中的待检测车辆;
行为识别模块,用于采集包括所述待检测车辆的待检测图像,并依据所述待检测图像对所述待检测车辆进行疑似换牌行为的识别;
违法检测模块,用于若确定所述待检测车辆存在疑似换牌行为,则生成所述待检测车辆的疑似换牌的证据信息,用于对待检测车辆进行违法换牌检测。
第三方面,本发明实施例中还提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例中提供任意所述的车辆检测方法。
第四方面,本发明实施例中还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本发明实施例中提供任意所述的车辆检测方法。
本发明实施例中提供了一种车辆检测方法,能从停车区域确定可疑的车辆作为待检测车辆,并采集包括待检测车辆的待检测图像,然后对待检测图像进行识别分析,确定待检测图像中待检测车辆是否存在疑似更换车牌的行为,进而在确定待检测车辆存在疑似更换车牌的行为时,及时的生成待检测车辆的疑似换牌的证据信息,便于进行违法判定。采用本申请的方案,不需要增加过多的成本来检测车辆,只需要采集车辆在停车区的异常图像进行分析,即可快速有效地确定车辆是否存在换牌违法行为,进而自动生成有效的用于判定车辆存在违法换牌行为的可视证据链,以便后续进一步取证分析。
上述发明内容仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1是本发明实施例中提供的一种车辆检测方法的流程图;
图2是本发明实施例中提供的一种实施车辆检测方法的封闭区域的场景示意图;
图3是本发明实施例中提供的一种在全景采集模式下进行图像采集的示意图;
图4是本发明实施例中提供的一种在近景采集模式下进行图像采集的示意图;
图5是本发明实施例中提供的一种车牌检测识别的示意图;
图6是本发明实施例中提供的一种车辆检测装置的结构框图;
图7是本发明实施例中提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
图1是本发明实施例中提供的一种车辆检测方法的流程图。本发明实施例的方案可适用于车辆进行违法换牌行为检测的情况,尤其是在高速公路的停车区域对车辆进行违法换牌行为检测的情形。该方法可由车辆检测装置执行,该装置可采用软件和/或硬件的方式实现,并集成在任何具有网络通信功能的电子设备上。例如,该电子设备包括但不限于电子拍摄设备、电子警察设备、服务器等。如图1所示,本发明实施例中提供的车辆检测方法,可包括以下步骤:
S110、确定目标停车区域中的待检测车辆。
在本实施例中,本申请方案的车辆检测方法可在高速公路的封闭区域中进行使用,例如可在高速公路的高速停车区和高速服务区使用。图2是本发明实施例中提供的一种实施车辆检测方法的封闭区域的场景示意图。参见图2,各个车辆可进入包括入口和出口的封闭区域,在封闭区域中设置有类似小汽车停车区域、大客车停车区域以及大货车停车区域。其中,车辆进入封闭区域后,可在与车辆匹配的停车区域的停车位上进行有序停放。另外,在停车区域的一侧设置有一个或多个图像采集设备,通过图像采集设备可实时采集停车区域的图像信息。
在本实施例中,目标停车区域可为整个停车区域,也可是根据采集范围将整个停车区域划分为多个小的子区域的部分停车区域。各个车辆可在目标停车区域的停车位上进行有序停放,在进行车辆检测时,不是针对目标停车区域中的所有车辆均进行检测。由于目标停车区域可能存在比较多的车辆,如果针对每一车辆均进行实时检测,需要设置大量的检测设备,从而增加检测成本,且会浪费大量的计算资源,因此需要从目标停车区域的各个车辆中选出存在异常的待检测车辆来进行检测,避免浪费计算资源和增加检测成本。其中,待检测车辆是停车区域中可能会出现违法换牌行为嫌疑的车辆。
在本实施例的一种可选方式中,确定目标停车区域中的待检测车辆,可包括以下步骤A1-A2:
步骤A1、在全景采集模式下,采集包括目标停车区域的区域图像,并依据区域图像进行行人检测。
在本实施方式中,在目标停车区域的各个车辆中,不是所有的车辆均存在换牌嫌疑,但又不清楚哪辆车存在换牌嫌疑。为此,可采用全景采集模式,并在全景采集模式对目标停车区域中的车辆进行全方位检测。采用全景采集模式的好处在于,全景采集模式的采集范围比近景采集模式的采集范围广,这样可将目标停车区域中的全部车辆尽可能地纳入采集范围中。可选地,在全景采集模式下可包括多个图像采集设备,不同图像采集设备的采集角度不同,这样通过具有多个不同采集角度的图像采集设备,即可将目标停车区域中的全部车辆纳入图像采集范围之中,达到全景采集模式的要求。
在本实施方式中,图3是本发明实施例中提供的一种在全景采集模式下进行图像采集的示意图。参见图3,可对目标停车区域中停放的车辆进行行人识别检测,检测目标停车区域是否出现行人。目标停车区域具体可依据一个或多个图像采集设备采集角度和采集范围进行确定,例如从整个停车区域中选取部分或者全部区域作为目标停车区域。在一个可选示例中,可采集包括目标停车区域的区域图像,区域图像可为包括目标停车区域的多帧区域图片,或者包括目标停车区域的区域视频数据。这样,可针对包括目标停车区域的区域图像进行行人检测分析,确定在区域图像中是否出现行人。需要说明的是,这里不对图像中行人识别检测算法进行具体限定,即本申请方案关注的是对区域图像中行人进行识别检测的逻辑,而非具体如何识别行人的检测算法。
步骤A2、若依据检测结果,确定目标停车区域有行人停留且停留时间大于预设时间阈值,则将行人停留处的车辆作为待检测车辆,并从全景采集模式切换到近景采集模式,以采集待检测图像。
在本实施方式中,当检测到区域图像中出现行人时,可继续在全景采集模式下采集包括目标停车区域的区域图像,这样就可采用行人跟踪技术对区域图像中出现的行人进行跟踪检测,以确定行人与目标区域中各个车辆的相对位置信息。当检测到区域图像中出现的行人在相对目标停车区域的任一位置进行停留时,确定行人在该任一位置的停留时间是否大于预设时间阈值。其中,预设时间阈值可根据实际情况进行自主设定,例如,设置预设时间阈值为20s。
采用上述可选方案的好处在于,目标停车区域中包括多个车辆,不可能一直处于近景采集模式下对某一固定车辆进行一直检测,通过在全景采集模式下对行人停留的检测,可实现在检测到行人停留时切换到近景采集模式下对行人停留处的车辆进行检测,从而避免盲目切换采集模式的问题,提高检测成功率。
在本实施方式中,若确定行人在该任一位置的停留时间大于预设时间阈值,则确定行人停留位置处可能存在换牌的嫌疑,此时可将行人停留处且位于目标停车区域的车辆作为待检测车辆。若确定行人在该任一位置的停留时间小于或等于预设时间阈值,则确定行人停留位置处不存在换牌的嫌疑,不作处理。由于针对行人识别检测是在全景采集模式下进行,因此采集得到的包括目标停车区域的区域图像中不仅包括待检测车辆,同时还包括大量其他车辆。为此,可全景采集模式切换到近景采集模式,便于在近景采集模式下采集尽可能只包括待检测车辆的图像。
S120、采集包括待检测车辆的待检测图像,并依据待检测图像对待检测车辆进行疑似换牌行为的识别。
在本实施例中,图4是本发明实施例中提供的一种在近景采集模式下进行图像采集的示意图。参见图4,可以在近景采集模式下,以待检测车辆在目标停车区域中的位置为中心进行图像采集,这样即可得到尽可能只包括待检测车辆的待检测图像。当然,待检测图像中也可包括待检测车辆的附近车辆的部分。
在本实施例中,在采集包括待检测车辆的待检测图像,可对待检测图像中包括的待检测车辆进行车牌识别分析,通过识别和分析待检测图像中包括的车牌信息,来确定待检测车辆是否存在进行疑似换牌行为。
在本实施例的一种可选方式中,依据待检测图像对待检测车辆进行疑似换牌行为的识别,可包括以下步骤B1-B2:
步骤B1、确定待检测图像中的当前车牌信息;其中,当前车牌信息包括车牌号和/或车牌数量。
在本实施方式中,可采用车牌识别算法,确定待检测图像中包括的车牌号和出现的车牌数量。为了保证后续在对待检测图像中车牌进行识别时,不受其他车辆的影响,需要尽可能确保待检测图像中尽可能不包括其他车辆的车牌。
步骤B2、依据当前车牌信息,确定待检测车辆是否存在疑似换牌行为。
在本实施方式中,通常同一车辆的车牌号是固定不变的,除非是进行合法换牌和违法换牌,才会造成同一车辆的车牌号发生变化。考虑到在高速公路等特殊路道路上一般不会出现合法换牌的情况,一旦同一车辆的车牌号发生了变化,则很大原因是因为进行了违法换牌。因此,可采用待检测车辆的车牌号是否变化来确定是否存在疑似换牌行为。
在一个可选示例中,依据当前车牌信息,确定待检测车辆是否存在疑似换牌行为,可包括:若确定当前车牌信息中车牌号相比初始车牌号出现变动,则确定待检测车辆存在疑似换牌行为。
具体地,图5是本发明实施例中提供的一种车牌检测识别的示意图。参见图5,为了避免待检测车辆附近的其他车辆影响车牌检测效果,可以以待检测车辆的车头或车尾为中心,从待检测图像中确定车牌检测区域。若在车牌检测区域中检测到的当前车牌信息包括的车牌数量仅为一个,则确定当前车牌信息中车牌号。进而,可继续确定当前车牌信息中车牌号与待检测车辆的初始车牌号是否一致。其中初始车牌号为待检测车辆在进入目标停车区域并进行停车时确定的车牌号。可选地,可定时采集并确定待检测图像中的当前车牌信息。
具体地,在待检测车辆未移动或未离开情况下,若检测到当前车牌信息中车牌号与初始车牌号不一致,则确定待检测车辆存在疑似换牌行为;否则,则不存在疑似换牌行为。在待检测车辆未移动或未离开情况下,若检测到当前车牌信息出现有车牌->无车牌->有车牌且前后车牌结果不一致的情况,则确定待检测车辆存在疑似换牌行为;否则,则不存在疑似换牌行为。此外,可针对车牌结果的一致性进行判断,例如会增加模糊判断、置信度判断等策略,防止由于人员遮挡车牌所导致的误判。采用上述可选方式,可使用车辆跟踪、视频识别车牌直接变更或者从有牌->无牌->其他车牌的判定逻辑,判断车辆是否存在疑似更换车牌的行为,以便形成有效的违法更换车牌的证据图。
在一个可选示例中,在确定当前车牌信息中车牌号相比初始车牌号出现变动之前,还可包括:若在全景采集模式下,检测到待检测车辆在目标停车区域停车,则从全景采集模式切换到近景采集模式,并在近景采集模式下识别待检测车辆的初始车牌号。
具体地,在全景采集模式下,可实时检测待检测车辆是否进入停车区域并停车,此时,若检测到待检测车辆停车,则从全景采集模式切换到近景采集模式,将采集范围拉框变倍到近景,这样即可识别待检测车辆车牌结果,并对识别的车牌号进行记录。进而,可从近景采集模式再切换到远景采集模式,在全景采集模式下可对整个目标停车区域的车辆进行跟踪,这样就可实现对待检测车辆的跟踪,以确定待检测车辆是否移动并离开。
在本实施方式中,在对车辆进行违法换牌时,通常会有需要另一个车牌来进行替换,此时为了换牌方便会将车牌放在一侧,类似图5所示,因此不仅可采用车牌号是否一致来检测是否存在疑似换牌行为,还可依据在待检测车辆附近是否存在多个车牌来确定是否存在疑似换牌行为。
在一个可选示例中,依据当前车牌信息,确定待检测车辆是否存在疑似换牌行为,可包括:若确定当前车牌信息中包括至少两个车牌,且至少两个车牌在待检测车辆的检测区域范围内,则确定待检测车辆存在疑似换牌行为。
具体地,参见图5,具体可以以待检测图像中待检测车辆的车头和车尾为中心,向周边扩充一定的区域得到待检测车辆的检测区域,例如,可向周边扩充一倍宽高(如图5所示)。这样一来,若确定当前车牌信息中包括至少两个车牌,且至少两个车牌在待检测车辆的检测区域范围内,则确定待检测车辆存在疑似换牌行为;否则,确定待检测车辆不存在疑似换牌行为。采用上述可选方式,可检测单个待检测车辆的检测区域内是否出现双车牌的现象,以便判定为更换车牌嫌疑现象,以便形成有效的违法更换车牌的证据图。
需要说明的是,即使行人在换牌时将另一车牌放在比较远的地方,保证不在同一视野出现两个车牌,但是当行人去拿另一车牌更换车牌时必然存在一定的空档期,此时可继续使用车牌号是否一致来配合检测。因此,只要车牌号和车牌数量中出现任一种不符合要求的情况,就直接判定存在疑似换牌行为。
S130、若确定待检测车辆存在疑似换牌行为,则生成待检测车辆的疑似换牌的证据信息,用于对待检测车辆进行违法换牌检测。
在本实施例中,若确定待检测车辆存在疑似换牌行为,可确定待检测车辆更换车牌前的图像、更换车牌后的图像和更换车牌前的图像的采集时间以及更换车牌后的图像的采集时间,以此生成待检测车辆的疑似换牌的证据信息。若无法确定更换车牌后的图像,则可确定在待检测车辆的检测区域范围内出现至少两个车牌的图像,并确定其图像的采集时间,然后结合待检测车辆更换车牌前的图像和更换车牌前的图像的采集时间,来生成待检测车辆的疑似换牌的证据信息。进而,可依据待检测车辆的疑似换牌的证据信息对待检测车辆进行违法换牌检测,例如将待检测车辆的疑似换牌的证据信息上传到工控主机,由工控主机呈现给审核人员,进行进一步的人工审核。
本发明实施例中提供了一种车辆检测方法,采用本申请的方案,取代人工巡检,使用视频识别方式自动检测车辆更换车牌的行为和嫌疑现象,协助查处高速偷逃过路费等违法,而且不需要增加过多的成本来检测车辆,只需要采集车辆在停车区的异常图像进行分析,即可快速有效地确定车辆是否存在换牌违法行为,进而自动生成有效的用于判定车辆存在违法换牌行为的可视证据链,以便后续进一步取证分析,降低后续稽查难度。
图6是本发明实施例中提供的一种车辆检测装置的结构框图。本发明实施例的方案可适用于车辆进行违法换牌行为检测的情况,尤其是在高速公路的停车区域对车辆进行违法换牌行为检测的情形。该装置可采用软件和/或硬件的方式实现,并集成在任何具有网络通信功能的电子设备上。例如,该电子设备包括但不限于电子拍摄设备、电子警察设备、服务器等。如图6所示,本发明实施例中提供的车辆检测装置,可包括:车辆确定模块610、行为识别模块620和违法检测模块630。其中:
车辆确定模块610,用于确定目标停车区域中的待检测车辆;
行为识别模块620,用于采集包括所述待检测车辆的待检测图像,并依据所述待检测图像对所述待检测车辆进行疑似换牌行为的识别;
违法检测模块630,用于若确定所述待检测车辆存在疑似换牌行为,则生成所述待检测车辆的疑似换牌的证据信息,用于对待检测车辆进行违法换牌检测。
在上述实施例的基础上,可选地,行为识别模块620包括:
车牌信息识别单元,用于确定所述待检测图像中的当前车牌信息;其中,所述当前车牌信息包括车牌号和/或车牌数量;
换牌行为识别单元,用于依据所述当前车牌信息,确定所述待检测车辆是否存在疑似换牌行为。
在上述实施例的基础上,可选地,换牌行为识别单元包括:
若确定当前车牌信息中车牌号相比初始车牌号出现变动,则确定所述待检测车辆存在疑似换牌行为;所述初始车牌号为所述待检测车辆在进入目标停车区域并进行停车时确定的车牌号。
在上述实施例的基础上,可选地,换牌行为识别单元包括:
若确定当前车牌信息中包括至少两个车牌,且所述至少两个车牌在所述待检测车辆的检测区域范围内,则确定所述待检测车辆存在疑似换牌行为。
在上述实施例的基础上,可选地,所述装置还包括:
初始车牌号确定模块640,用于在确定当前车牌信息中车牌号相比初始车牌号出现变动之前,若在全景采集模式下,检测到所述待检测车辆在目标停车区域停车,则从全景采集模式切换到近景采集模式,并在近景采集模式下识别所述待检测车辆的初始车牌号。
在上述实施例的基础上,可选地,车牌信息识别单元包括:
依据所述待检测车辆的车头或车尾在所述待检测图像的位置,对所述待检测图像进行车牌检测,确定所述当前车牌信息。
在上述实施例的基础上,可选地,车辆确定模块610包括:
在全景采集模式下,采集包括目标停车区域的区域图像,并依据所述区域图像进行行人检测;
若依据检测结果,确定所述目标停车区域有行人停留且停留时间大于预设时间阈值,则将行人停留处的车辆作为所述待检测车辆,并从全景采集模式切换到近景采集模式,以采集所述待检测图像。
本发明实施例中所提供的车辆检测装置可执行上述本发明任意实施例中所提供的车辆检测方法,具备执行该车辆检测方法相应的功能和有益效果,详细过程参见前述实施例中车辆检测方法的相关操作。
图7是本发明实施例中提供的一种电子设备的结构示意图。如图7所示结构,本发明实施例中提供的电子设备包括:一个或多个处理器710和存储装置720;该电子设备中的处理器710可以是一个或多个,图7中以一个处理器710为例;存储装置720用于存储一个或多个程序;所述一个或多个程序被所述一个或多个处理器710执行,使得所述一个或多个处理器710实现如本发明实施例中任一项所述的车辆检测方法。
该电子设备还可以包括:输入装置730和输出装置740。
该电子设备中的处理器710、存储装置720、输入装置730和输出装置740可以通过总线或其他方式连接,图7中以通过总线连接为例。
该电子设备中的存储装置720作为一种计算机可读存储介质,可用于存储一个或多个程序,所述程序可以是软件程序、计算机可执行程序以及模块,如本发明实施例中所提供的车辆检测方法对应的程序指令/模块。处理器710通过运行存储在存储装置720中的软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述方法实施例中车辆检测方法。
存储装置720可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储装置720可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储装置720可进一步包括相对于处理器710远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置730可用于接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置740可包括显示屏等显示设备。
并且,当上述电子设备所包括一个或者多个程序被所述一个或者多个处理器710执行时,程序进行如下操作:
确定目标停车区域中的待检测车辆;
采集包括所述待检测车辆的待检测图像,并依据所述待检测图像对所述待检测车辆进行疑似换牌行为的识别;
若确定所述待检测车辆存在疑似换牌行为,则生成所述待检测车辆的疑似换牌的证据信息,用于对待检测车辆进行违法换牌检测。
当然,本领域技术人员可以理解,当上述电子设备所包括一个或者多个程序被所述一个或者多个处理器710执行时,程序还可以进行本发明任意实施例中所提供的车辆检测方法中的相关操作。
本发明实施例中提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时用于执行车辆检测方法,该方法包括:
确定目标停车区域中的待检测车辆;
采集包括所述待检测车辆的待检测图像,并依据所述待检测图像对所述待检测车辆进行疑似换牌行为的识别;
若确定所述待检测车辆存在疑似换牌行为,则生成所述待检测车辆的疑似换牌的证据信息,用于对待检测车辆进行违法换牌检测。
可选的,该程序被处理器执行时还可以用于执行本发明任意实施例中所提供的车辆检测方法。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(Random AccessMemory,RAM)、只读存储器(Read Only Memory,ROM)、可擦式可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、闪存、光纤、便携式CD-ROM、光存储器件、磁存储器件、或者上述的任意合适的组合。计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于:电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、无线电频率(RadioFrequency,RF)等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种车辆检测方法,其特征在于,包括:
在全景采集模式下,采集包括目标停车区域的区域图像,并依据所述区域图像进行行人检测;
若依据检测结果,确定所述目标停车区域有行人停留且停留时间大于预设时间阈值,则将行人停留处的车辆作为待检测车辆,并从全景采集模式切换到近景采集模式,以采集待检测图像;
采集包括所述待检测车辆的待检测图像,并依据所述待检测图像对所述待检测车辆进行疑似换牌行为的识别;
若确定所述待检测车辆存在疑似换牌行为,则生成所述待检测车辆的疑似换牌的证据信息,用于对待检测车辆进行违法换牌检测。
2.根据权利要求1所述的方法,其特征在于,依据所述待检测图像对所述待检测车辆进行疑似换牌行为的识别,包括:
确定所述待检测图像中的当前车牌信息;其中,所述当前车牌信息包括车牌号和/或车牌数量;
依据所述当前车牌信息,确定所述待检测车辆是否存在疑似换牌行为。
3.根据权利要求2所述的方法,其特征在于,依据所述当前车牌信息,确定所述待检测车辆是否存在疑似换牌行为,包括:
若确定当前车牌信息中车牌号相比初始车牌号出现变动,则确定所述待检测车辆存在疑似换牌行为;所述初始车牌号为所述待检测车辆在进入目标停车区域并进行停车时确定的车牌号。
4.根据权利要求2所述的方法,其特征在于,依据所述当前车牌信息,确定所述待检测车辆是否存在疑似换牌行为,包括:
若确定当前车牌信息中包括至少两个车牌,且所述至少两个车牌在所述待检测车辆的检测区域范围内,则确定所述待检测车辆存在疑似换牌行为。
5.根据权利要求3所述的方法,其特征在于,确定当前车牌信息中车牌号相比初始车牌号出现变动之前,还包括:
若在全景采集模式下,检测到所述待检测车辆在目标停车区域停车,则从全景采集模式切换到近景采集模式,并在近景采集模式下识别所述待检测车辆的初始车牌号。
6.根据权利要求2所述的方法,其特征在于,确定所述待检测图像中的当前车牌信息,包括:
依据所述待检测车辆的车头或车尾在所述待检测图像的位置,对所述待检测图像进行车牌检测,确定所述当前车牌信息。
7.一种车辆检测装置,其特征在于,包括:
车辆确定模块,用于在全景采集模式下,采集包括目标停车区域的区域图像,并依据所述区域图像进行行人检测;
若依据检测结果,确定所述目标停车区域有行人停留且停留时间大于预设时间阈值,则将行人停留处的车辆作为待检测车辆,并从全景采集模式切换到近景采集模式,以采集待检测图像;
行为识别模块,用于采集包括所述待检测车辆的待检测图像,并依据所述待检测图像对所述待检测车辆进行疑似换牌行为的识别;
违法检测模块,用于若确定所述待检测车辆存在疑似换牌行为,则生成所述待检测车辆的疑似换牌的证据信息,用于对待检测车辆进行违法换牌检测。
8.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现权利要求1-6中任一所述的车辆检测方法。
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权利要求1-6中任一所述的车辆检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010096479.9A CN113269011B (zh) | 2020-02-17 | 2020-02-17 | 车辆检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010096479.9A CN113269011B (zh) | 2020-02-17 | 2020-02-17 | 车辆检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113269011A CN113269011A (zh) | 2021-08-17 |
CN113269011B true CN113269011B (zh) | 2022-10-14 |
Family
ID=77227468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010096479.9A Active CN113269011B (zh) | 2020-02-17 | 2020-02-17 | 车辆检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113269011B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102110367A (zh) * | 2009-12-25 | 2011-06-29 | 刘天宇 | 违法停车行为实时检测系统及其控制方法 |
CN102110368A (zh) * | 2009-12-25 | 2011-06-29 | 吕增及 | 高速公路换牌逃费车辆的自动稽查系统及方法 |
CN103093194A (zh) * | 2013-01-07 | 2013-05-08 | 信帧电子技术(北京)有限公司 | 一种基于视频的违章车辆检测方法及装置 |
CN103794051A (zh) * | 2014-02-24 | 2014-05-14 | 上海美琦浦悦通讯科技有限公司 | 基于停车信息的套牌车辆检测系统及相应的检测方法 |
CN105551261A (zh) * | 2016-03-04 | 2016-05-04 | 博康智能网络科技股份有限公司 | 换牌车辆检测方法及其系统 |
CN106056916A (zh) * | 2016-06-23 | 2016-10-26 | 安徽时旭智能科技有限公司 | 一种基于智能交通的换牌车辆检测方法及其系统 |
CN108492577A (zh) * | 2018-04-14 | 2018-09-04 | 苏州千层茧农业科技有限公司 | 一种套牌车辆的识别方法 |
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 |
TWI670616B (zh) * | 2018-05-28 | 2019-09-01 | 中華電信股份有限公司 | 異常行車軌跡分析系統及方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5866564B1 (ja) * | 2014-08-27 | 2016-02-17 | パナソニックIpマネジメント株式会社 | モニタリング装置、モニタリングシステムおよびモニタリング方法 |
CN105830426B (zh) * | 2014-11-10 | 2019-01-01 | 深圳锐取信息技术股份有限公司 | 一种视频生成系统的视频生成方法及装置 |
JP2018139052A (ja) * | 2017-02-24 | 2018-09-06 | 株式会社リコー | 通信端末、画像通信システム、表示方法、及びプログラム |
JP2018085597A (ja) * | 2016-11-22 | 2018-05-31 | パナソニックIpマネジメント株式会社 | 人物行動監視装置および人物行動監視システム |
KR101978368B1 (ko) * | 2017-03-07 | 2019-05-14 | 한동대학교 산학협력단 | 영상 송출을 활용한 장애인 주차구역 실시간 관리 방법 및 시스템 |
CN107122765B (zh) * | 2017-05-22 | 2021-05-14 | 成都通甲优博科技有限责任公司 | 一种高速公路服务区全景监控方法及系统 |
-
2020
- 2020-02-17 CN CN202010096479.9A patent/CN113269011B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102110367A (zh) * | 2009-12-25 | 2011-06-29 | 刘天宇 | 违法停车行为实时检测系统及其控制方法 |
CN102110368A (zh) * | 2009-12-25 | 2011-06-29 | 吕增及 | 高速公路换牌逃费车辆的自动稽查系统及方法 |
CN103093194A (zh) * | 2013-01-07 | 2013-05-08 | 信帧电子技术(北京)有限公司 | 一种基于视频的违章车辆检测方法及装置 |
CN103794051A (zh) * | 2014-02-24 | 2014-05-14 | 上海美琦浦悦通讯科技有限公司 | 基于停车信息的套牌车辆检测系统及相应的检测方法 |
CN105551261A (zh) * | 2016-03-04 | 2016-05-04 | 博康智能网络科技股份有限公司 | 换牌车辆检测方法及其系统 |
CN106056916A (zh) * | 2016-06-23 | 2016-10-26 | 安徽时旭智能科技有限公司 | 一种基于智能交通的换牌车辆检测方法及其系统 |
CN108492577A (zh) * | 2018-04-14 | 2018-09-04 | 苏州千层茧农业科技有限公司 | 一种套牌车辆的识别方法 |
TWI670616B (zh) * | 2018-05-28 | 2019-09-01 | 中華電信股份有限公司 | 異常行車軌跡分析系統及方法 |
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 |
Non-Patent Citations (1)
Title |
---|
基于车辆异常行为的套牌车并行检测方法;康晨傲 等;《智能计算机与应用》;20190508;第9卷(第3期);第11-15+22页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113269011A (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018223955A1 (zh) | 目标监控方法、目标监控装置、摄像机及计算机可读介质 | |
CN112907982B (zh) | 一种车辆违停行为的检测方法、装置和介质 | |
US6442474B1 (en) | Vision-based method and apparatus for monitoring vehicular traffic events | |
US20170032199A1 (en) | Video data analyzing method and apparatus and parking lot monitoring system | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
CN103544481A (zh) | 一种基于人脸识别的道路卡口监控方法及系统 | |
CN110046547A (zh) | 违章举报方法、系统、计算机设备及存储介质 | |
CN105046966A (zh) | 即停即离区域的违章停车行为自动检测系统和方法 | |
CN111444798B (zh) | 电动自行车驾驶行为的识别方法、装置和计算机设备 | |
CN105654734A (zh) | 车辆违章行为的数据处理方法及装置 | |
CN112597807B (zh) | 一种违章检测系统、方法、装置、图像采集设备及介质 | |
CN111508269A (zh) | 一种基于图像识别的开放式停车位车辆判别方法与装置 | |
CN204856897U (zh) | 一种机动车即停即离区域的违章检测装置 | |
CN106023594A (zh) | 一种车位遮挡的判定方法、装置及车辆管理系统 | |
Arnob et al. | An intelligent traffic system for detecting lane based rule violation | |
CN113112813B (zh) | 违章停车检测方法及装置 | |
CN112435479B (zh) | 目标物体违章检测方法、装置、计算机设备及系统 | |
CN106251622A (zh) | 车辆并道监控取证方法及其系统 | |
CN113269011B (zh) | 车辆检测方法、装置、设备及存储介质 | |
US8971579B2 (en) | Windshield localization for occupancy detection | |
CN112885106A (zh) | 基于车辆大数据的区域禁行检测系统、方法及存储介质 | |
CN110766949B (zh) | 违章抓拍方法及装置 | |
CN111985304A (zh) | 巡防告警方法、系统、终端设备及存储介质 | |
CN115861916A (zh) | 异常停车行为检测方法、装置、计算机设备和存储介质 | |
CN112686136B (zh) | 一种对象检测方法、装置及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |