CN113723316A - 一种车辆识别方法、装置、设备及存储介质 - Google Patents
一种车辆识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113723316A CN113723316A CN202111021037.9A CN202111021037A CN113723316A CN 113723316 A CN113723316 A CN 113723316A CN 202111021037 A CN202111021037 A CN 202111021037A CN 113723316 A CN113723316 A CN 113723316A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- image
- track
- fit
- goodness
- 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
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000001514 detection method Methods 0.000 claims abstract description 64
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000006399 behavior Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Abstract
本申请公开了一种车辆识别方法、装置、设备及存储介质,该方法包括:当在非现场检测点检测到无车牌的超限记录时,获取在检测点中抓拍的待确认车辆的第一车辆图像;以检测点所在点位为中心,根据设定半径形成道路网络;在设定抓拍时间范围内获取道路网络中所有路口抓拍到所有车辆的第二车辆图像;计算抓拍的第二车辆图像与第一车辆图像之间的图像吻合度;将符合设定条件的图像吻合度对应的多张第二车辆图像进行车辆轨迹相近度的对比;若车辆轨迹相近度大于等于预设配置数值,则判定轨迹相近度的最大值对应的第二车辆图像中的车牌号为待确认车辆的车牌号。这样实现了对有超限运输行为的无牌车辆的车牌号认定,提高了车辆识别率。
Description
技术领域
本发明涉及车辆识别领域,特别是涉及一种车辆识别方法、装置、设备及存储介质。
背景技术
目前,基于监控系统摄录的视频或抓取的图像进行图像处理和图像对比的技术已经很成熟,这些技术在车辆识别领域的应用相当广泛。例如根据城市道路的监控录像,对比周边一定范围内其他道路的监控录像,通过特征提取方法,以及满足某业务要求的卷积神经网络模型的计算机学习,完成对某一车辆的特征识别和认定,为执法机关抓捕违法车辆提供证据。
而为了躲避非现场超限检测点的监控抓拍,有些车辆可能有意在进行超限运输前或在行进到检测点附近时,关闭或人为干扰车载GPS,导致轨迹缺失无法确认车辆行进路线或获取到的经纬度偏移造成误判,另外可能有意通过拆除车牌或遮挡号牌或加载强光等方式,干扰监控拍摄,使得非现场检测记录的证据链中缺少车辆车牌证据一项,从而达到因证据不足而无法进行违法行为认定的目的。
因此,如何对有超限运输行为的无牌车辆进行认定并确认车牌号,是本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此,本发明的目的在于提供一种车辆识别方法、装置、设备及存储介质,可以实现对有超限运输行为的无牌车辆的车牌号认定,提高车辆识别率。其具体方案如下:
一种车辆识别方法,包括:
当在非现场检测点检测到无车牌的超限记录时,获取在所述检测点中抓拍的待确认车辆的第一车辆图像;
以所述检测点所在点位为中心,根据设定半径形成道路网络;
在设定抓拍时间范围内获取所述道路网络中所有路口抓拍到所有车辆的第二车辆图像;
计算抓拍的所述第二车辆图像与所述第一车辆图像之间的图像吻合度;
将符合设定条件的图像吻合度对应的多张所述第二车辆图像进行车辆轨迹相近度的对比;
若所述车辆轨迹相近度大于等于预设配置数值,则判定所述轨迹相近度的最大值对应的所述第二车辆图像中的车牌号为所述待确认车辆的车牌号。
优选地,在本发明实施例提供的上述车辆识别方法中,在计算抓拍的所述第二车辆图像与所述第一车辆图像之间的图像吻合度之后,还包括:
扩大所述设定半径形成新的道路网络,重复图像吻合度的计算,直至出现多张符合设定条件的图像吻合度对应的所述第二车辆图像。
优选地,在本发明实施例提供的上述车辆识别方法中,在扩大所述设定半径形成新的道路网络之前,还包括:
查找出图像吻合度大于等于相似度阈值对应的所述第二车辆图像;
若查找出的所述第二车辆图像只有一张,则判定该第二车辆图像中的车牌号为所述待确认车辆的车牌号;
若查找出的所述第二车辆图像有多张,则将图像吻合度进行排序,挑选出最大图像吻合度对应的所述第二车辆图像;
其中,所述符合设定条件的图像吻合度对应的所述第二车辆图像为挑选出的最大图像吻合度相同的所述第二车辆图像。
优选地,在本发明实施例提供的上述车辆识别方法中,将多张所述第二车辆图像进行车辆轨迹相近度的对比,包括:
在设定轨迹获取时间范围内获取多张所述第二车辆图像对应的车辆运行轨迹;
依据获取的所述车辆运行轨迹,计算所述第二车辆图像的经纬度与所述第一车辆图像的经纬度之间的距离差,并从计算出的距离差中找出最小距离差;
根据所述最小距离差,计算所述第二车辆图像对应的车辆轨迹相近度。
优选地,在本发明实施例提供的上述车辆识别方法中,在从计算出的距离差中找出最小距离差的同时,还包括:
计算开始轨迹时间的距离差和结束轨迹时间的距离差;
若所述结束轨迹时间的距离差大于所述开始轨迹时间的距离差且对应的车辆是在驶离所述检测点,或,若所述结束轨迹时间的距离差小于所述开始轨迹时间的距离差且对应的车辆是在驶近所述检测点,则执行所述根据所述最小距离差,计算所述第二车辆图像对应的车辆轨迹相近度的步骤。
优选地,在本发明实施例提供的上述车辆识别方法中,还包括:
若所述车辆轨迹相近度小于所述预设配置数值,则扩大所述设定抓拍时间范围,重复进行所述图像吻合度的计算以及所述轨迹相近度对比的步骤,直至确认出所述待确认车辆的车牌号。
优选地,在本发明实施例提供的上述车辆识别方法中,还包括:
若所述结束轨迹时间的距离差大于所述开始轨迹时间的距离差且对应的车辆是在驶近所述检测点,或,若所述结束轨迹时间的距离差小于所述开始轨迹时间的距离差且对应的车辆是在驶离所述检测点,则扩大所述设定抓拍时间范围,重复进行所述图像吻合度的计算以及所述轨迹相近度对比的步骤,直至确认出所述待确认车辆的车牌号。
本发明实施例还提供了一种车辆识别装置,包括:
第一图像获取模块,用于当在非现场检测点检测到无车牌的超限记录时,获取在所述检测点中抓拍的待确认车辆的第一车辆图像;
道路网络形成模块,用于以所述检测点所在点位为中心,根据设定半径形成道路网络;
第二图像获取模块,用于在设定抓拍时间范围内获取所述道路网络中所有路口抓拍到所有车辆的第二车辆图像;
图像吻合度计算模块,用于计算抓拍的所述第二车辆图像与所述第一车辆图像之间的图像吻合度;
轨迹相近度对比模块,用于将符合设定条件的图像吻合度对应的多张所述第二车辆图像进行车辆轨迹相近度的对比;若所述车辆轨迹相近度大于等于预设配置数值,则判定所述轨迹相近度的最大值对应的所述第二车辆图像中的车牌号为所述待确认车辆的车牌号。
本发明实施例还提供了一种车辆识别设备,包括处理器和存储器,其中,所述处理器执行所述存储器中存储的计算机程序时实现如本发明实施例提供的上述车辆识别方法。
本发明实施例还提供了一种计算机可读存储介质,用于存储计算机程序,其中,所述计算机程序被处理器执行时实现如本发明实施例提供的上述车辆识别方法。
从上述技术方案可以看出,本发明所提供的一种车辆识别方法,包括:当在非现场检测点检测到无车牌的超限记录时,获取在检测点中抓拍的待确认车辆的第一车辆图像;以检测点所在点位为中心,根据设定半径形成道路网络;在设定抓拍时间范围内获取道路网络中所有路口抓拍到所有车辆的第二车辆图像;计算抓拍的第二车辆图像与第一车辆图像之间的图像吻合度;将符合设定条件的图像吻合度对应的多张第二车辆图像进行车辆轨迹相近度的对比;若车辆轨迹相近度大于等于预设配置数值,则判定轨迹相近度的最大值对应的第二车辆图像中的车牌号为待确认车辆的车牌号。
本发明提供的上述车辆识别方法,可以在公路非现场超限运输违法行为的整治和执法过程中,对原有图像处理分析对比时,放开比对条件,引入轨迹相近度参数,通过一定的算法缩小对比范围,从而实现对有超限运输行为的无牌车辆的车牌号认定,提高车辆识别率。
此外,本发明还针对车辆识别方法提供了相应的装置、设备及计算机可读存储介质,进一步使得上述方法更具有实用性,该装置、设备及计算机可读存储介质具有相应的优点。
附图说明
为了更清楚地说明本发明实施例或相关技术中的技术方案,下面将对实施例或相关技术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发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的车辆识别方法的流程图;
图2为本发明实施例提供的获取图像吻合度车辆的示意图;
图3为本发明实施例提供的获取车辆轨迹的示意图;
图4为本发明实施例提供的Kx1处满足图像吻合度的车辆轨迹图;
图5为本发明实施例提供的Kx2处满足图像吻合度的车辆轨迹图;
图6为本发明实施例提供的车辆识别装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种车辆识别方法,如图1所示,包括以下步骤:
S101、当在非现场检测点检测到无车牌的超限记录时,获取在检测点中抓拍的待确认车辆的第一车辆图像;
具体地,获取第一车辆图像的同时,还可以获取到其他车辆检测信息,包括:检测时间、记录编码、检测点的经纬度,过车视频、车速以及其他证明超限运输的重量信息等。后续是以检测点中的第一车辆图像作为第二车辆图像的对比对象。
S102、以检测点所在点位为中心,根据设定半径形成道路网络;
S103、在设定抓拍时间范围内获取道路网络中所有路口抓拍到所有车辆的第二车辆图像;
具体地,获取第二车辆图像的同时,还可以获取到其他信息,包括:第二车辆图像编码、抓拍时间、第二车辆图像上的车辆车牌号、第二车辆图像上的车辆经纬度等。设定抓拍时间范围可以根据上述检测时间、道路网络半径、检测点检测到的车速、以及可配置的综合车辆行进过程中的车速变化和道路拥堵情况考虑的时间差(如10s)进行设定。
S104、计算抓拍的第二车辆图像与第一车辆图像之间的图像吻合度;
S105、将符合设定条件的图像吻合度对应的多张第二车辆图像进行车辆轨迹相近度的对比;
具体地,符合设定条件的图像吻合度可以是相同或相近的图像吻合度,也可以是在一定数值范围内的图像吻合度,具体可以根据情况而定。
S106、若车辆轨迹相近度大于等于预设配置数值,则判定轨迹相近度的最大值对应的第二车辆图像中的车牌号为待确认车辆的车牌号;具体地,预设配置数值可以设置为80%,甚至更高。
在本发明实施例提供的上述车辆识别方法中,可以在公路非现场超限运输违法行为的整治和执法过程中,对原有图像处理分析对比时,放开比对条件,引入轨迹相近度参数,通过一定的算法缩小对比范围,从而实现对有超限运输行为的无牌车辆的车牌号认定,提高车辆识别率。
需要说明的是,一般可以通过调取非现场检测点附近的道路监控录像,使用图像处理和对比技术获取图像吻合度满足阈值要求的车辆图像,从而确定车辆车牌,但是此处的关键前提是用于对比的图像的抓取时间满足超限运输检测时间前/后顺序的逻辑,且满足特征向量吻合度阈值的图像的个体数量较少。而在实际的应用中,易出现如下增加图像对比难度和降低对比结果产出的情况:非现场超限检测点的布设位置一般是在城市的郊区或外围的道路,附近的城市道路监控布设密集度不高,获取到的可对比图像个数较少;在满足时间顺序的前提下,获取到的附近城市道路监控抓拍的图像也是无车牌的;放宽时间条件和相距检测点一定范围的条件后,获取到满足图像吻合度阈值的车辆图像个数较多。
因此,在具体实施时,在本发明实施例提供的上述车辆识别方法中,在执行步骤S104计算抓拍的第二车辆图像与第一车辆图像之间的图像吻合度之后,还可以包括:扩大设定半径形成新的道路网络,重复图像吻合度的计算,直至出现多张符合设定条件的图像吻合度对应的第二车辆图像。
进一步地,在具体实施时,在本发明实施例提供的上述车辆识别方法中,在上述步骤中扩大设定半径形成新的道路网络之前,还可以包括:查找出图像吻合度大于等于相似度阈值对应的第二车辆图像;若查找出的第二车辆图像只有一张,则判定该第二车辆图像中的车牌号为待确认车辆的车牌号;若查找出的第二车辆图像有多张,则将图像吻合度进行排序,挑选出最大图像吻合度对应的第二车辆图像。
优选地,符合设定条件的图像吻合度对应的第二车辆图像可以设置为挑选出的最大图像吻合度相同的第二车辆图像。如图2所示,若Kx1和Kx2都有获取到满足图像吻合度的图片,则可继续调取第二车辆图像上的车辆在设定抓拍时间范围的轨迹。
在具体实施时,在本发明实施例提供的上述车辆识别方法中,步骤S105将多张第二车辆图像进行车辆轨迹相近度的对比,可以包括:首先,在设定轨迹获取时间范围内获取多张第二车辆图像对应的车辆运行轨迹;然后,依据获取的车辆运行轨迹,计算第二车辆图像的经纬度与第一车辆图像的经纬度(取检测点的点位经纬度)之间的距离差,并从计算出的距离差中找出最小距离差;最后,根据最小距离差,计算第二车辆图像对应的车辆轨迹相近度。需要指出的是,第一车辆图像的经纬度取的是检测到这条记录的检测点的点位经纬度。图3示出了从图2中获取到的对应的车辆运行轨迹。图4和图5分别示出了Kx1处和Kx2处满足图像吻合度的车辆轨迹图。需要说明的是,车辆运行轨迹是获取到的某段时间内的经纬度,可称之为“轨迹点”,如果轨迹抓取时间范围设置为1小时,抓取间隔为5s,轨迹点编号的取值范围可达[1,720]。货运人有意关闭或是干扰车载GPS,那么路口抓拍图车辆在设定抓拍时间范围内获取到的轨迹点的总时间一定小于60mins,甚至有可能小于30mins;因此轨迹点编号肯定小于720。
进一步地,在具体实施时,在本发明实施例提供的上述车辆识别方法中,在上述步骤中从计算出的距离差中找出最小距离差的同时,还可以包括:计算开始轨迹时间的距离差和结束轨迹时间的距离差;若结束轨迹时间的距离差大于开始轨迹时间的距离差且对应的车辆是在驶离检测点,或,若结束轨迹时间的距离差小于开始轨迹时间的距离差且对应的车辆是在驶近检测点,则执行根据最小距离差,计算第二车辆图像对应的车辆轨迹相近度的步骤。
在具体实施时,在本发明实施例提供的上述车辆识别方法中,还可以包括:若车辆轨迹相近度小于预设配置数值,则扩大设定抓拍时间范围,重复进行图像吻合度的计算以及轨迹相近度对比的步骤,直至确认出待确认车辆的车牌号。
进一步地,在具体实施时,在本发明实施例提供的上述车辆识别方法中,还可以包括:若结束轨迹时间的距离差大于开始轨迹时间的距离差且对应的车辆是在驶近检测点,或,若结束轨迹时间的距离差小于开始轨迹时间的距离差且对应的车辆是在驶离检测点,则扩大设定抓拍时间范围,重复进行图像吻合度的计算以及轨迹相近度对比的步骤,直至确认出待确认车辆的车牌号。
下面以一个具体实例对本发明实施例提供的上述车辆识别方法进行详细说明,具体可以包括如下步骤:
步骤一、当在非现场检测点S1检测到一条无车牌的超限记录时,获取到如下信息:车牌CarNo,检测时间t,记录编码Rid,检测点S1的点位经纬度(Lng,Lat),检测点抓拍到的前车图pho,过车视频video,车速v以及其他证明超限运输的重量信息等,其中,Rid是检测记录的唯一标识,前车图中的车牌因某种原因无法识别,因而车牌CarNo无值;
步骤二、为确定步骤一中检测到的违法车辆的车牌,以非现场检测点S1中的第一车辆图像PHorg作为对比对象,包含信息:
PHorg{Rid,torg,phoorg,Lngorg,Latorg,CarNoorg,v};
其中,(Lngorg,Latorg)为检测点S1的点位经纬度;
步骤三、以检测点S1所在点位为中心,以Rngi为半径形成道路网络,其中:
Rngi=i km(i=[1,n]);
步骤四、获取步骤三的道路网络中所有路口Ki,j抓拍到的第二车辆图像PHi,j,k,用于与第一车辆图像PHorg做图像对比,其中路口抓拍到的第二车辆图像PHi,j,k,需满足抓拍时间的要求。定义PHi,j,k包含信息有照片编码Pid,抓拍时间t,照片上的车辆车牌号CarNo,抓拍图图片pho,图像吻合度λ,轨迹相近度σ,抓拍图上车辆的经纬度(Lng,Lat):
PHi,j,k{Pid,ti,j,k,phoi,j,k,Lngi,j,k,Lati,j,k,CarNoi,j,k,λi,j,k,σi,j,k}
要求ti,j,k的取值范围为(torg-Δt,torg+Δt);其中,Δt=(Rngi/v+i*δ)mins,i是路网半径,v是检测到的无车牌车辆的速度;δ是综合车辆行进过程中的车速变化和道路拥堵情况考虑的时间差,为可配置的数值,预设δ=10;
以图2为例,假定在2021年1月10日12:00:00分在非现场检测点S1,检测到一次涉嫌违法超限运输的行为,同时检测到涉嫌违法车辆的通行时速为30km/h;
以检测点S1所在点位为中心,Rngi=1km为半径的道路网络,根据已知的路网数据,对路口K11和K12的监控,搜索设定抓拍时间范围在(11:48:00,12:12:00)内的图像,与PHorg进行图像对比,计算并查找图像吻合度λi,j,k大于等于相似度阈值λpho的照片PHi,j,k,其中λpho是可配置的数值,预设λpho=99.9%;
步骤五、如果满足相似度要求的照片数量为1,则CarNoorg=CarNoi,j,k,图片对比结束;否则进行步骤六;
步骤六、如果满足相似度要求的数量大于1,则根据λi,j,k排序,PHorg取λi,j,k最大的图片的车牌号;
但是,实际应用中,设定抓拍时间范围在(11:48:00,12:12:00)内的图片抓拍位置,距离非现场检测点很近,抓拍图上的车辆,其车牌号码明确的可能性很小;
步骤七、扩大Rngi,使i=i+1,并重复步骤四至步骤六,直到有多张λi,j,k相同的照片出现,此时为了确认车牌,可进行车辆轨迹的相近度对比,方法如下:
获取路口监控抓拍图片中的车辆CarNoi,j,k的运行轨迹,轨迹起止时间为torg±30mins;所谓的行车轨迹,即是获取到的某段时间范围内的经纬度(Lngi,j,k,p,Lati,j,k,p,ti,j,k,p),称之为“轨迹点”,p为轨迹点编号,如果轨迹抓取时间范围设置为1小时(即检测时间的前后30分钟),抓取间隔为5s,p的取值范围可达[1,720]。定义获取到的这段时间范围的开始时间轨迹点编号为p_st,结束轨迹时间点编号为p_end;
步骤八、计算(Lngi,j,k,p,Lati,j,k,p)与(Lngorg,Latorg)的距离差SPp,从而计算最小距离差SPmin,开始时间的距离差SPp_st和结束时间的距离差SPp_end,以上数据的单位为米;
步骤九、若ti,j,k,p_st大于torg,则认为该车辆是在驶离非现场检测点,那么SPp_end>SPp_st,此条件为真时,进入步骤十,否则该抓拍图不符合对比条件,进入步骤十二;
若ti,j,k,p_end小于torg,则认为该车辆是在驶近非现场检测点,那么SPp_end<SPp_st,此条件为真时,进入步骤十,否则该抓拍图不符合对比条件,进入步骤十二;
需要指出的是,如果卡口抓拍图的车辆轨迹,在小于torg有一段轨迹,在大于torg也有一段轨迹时,应该分别计算;
步骤十、通过SPmin计算轨迹相近度:
σi,j,k=(1-SPmin/500*0.01)*100%;
其中,500为预设距离差单元,即每相距500米,轨迹相近度降低1%;
步骤十一、在λi,j,k相同的情况下,对比σi,j,k是否满足大于等于σgps的条件,其中σgps是可配置的数值,预设σgps=80%;获取满足σgps要求的σi,j,k的图像,取σi,j,k最大值的路口抓拍图,则CarNoorg=CarNoi,j,k;
若没有满足轨迹相近度阈值σgps条件的抓拍图,进入步骤十二;
步骤十二、扩大设定抓拍时间,即重置ti,j,k,ti,j,k的取值范围为(torg-Δt,torg+Δt),Δt=24h*n,重复步骤七至步骤九,依次对比λi,j,k、SPp_st、SPp_end和σi,j,k,通过路口抓拍图的图像吻合度和车辆轨迹相近度的比较,确认无车牌车辆的车牌号。
需要说明的是,本发明不只是单一的图像处理和图像对比,也不是直接进行轨迹对比,而是结合了图像处理和轨迹相近度来识别车辆的车辆号。除人为的干扰导致车牌识别不出的情况,由天气原因或其他非人为原因导致的车牌识别有误的情况,也可以使用本发明提供的上述车辆识别方法进行车牌的识别。
基于同一发明构思,本发明实施例还提供了一种车辆识别装置,由于该装置解决问题的原理与前述一种车辆识别方法相似,因此该装置的实施可以参见车辆识别方法的实施,重复之处不再赘述。
在具体实施时,本发明实施例提供的车辆识别装置,如图6所示,具体包括:
第一图像获取模块11,用于当在非现场检测点检测到无车牌的超限记录时,获取在检测点中抓拍的待确认车辆的第一车辆图像;
道路网络形成模块12,用于以检测点所在点位为中心,根据设定半径形成道路网络;
第二图像获取模块13,用于在设定抓拍时间范围内获取道路网络中所有路口抓拍到所有车辆的第二车辆图像;
图像吻合度计算模块14,用于计算抓拍的第二车辆图像与第一车辆图像之间的图像吻合度;
轨迹相近度对比模块15,用于将符合设定条件的图像吻合度对应的多张第二车辆图像进行车辆轨迹相近度的对比;若车辆轨迹相近度大于等于预设配置数值,则判定轨迹相近度的最大值对应的第二车辆图像中的车牌号为待确认车辆的车牌号。
在本发明实施例提供的上述车辆识别装置中,可以通过上述五个模块的相互作用,对原有图像处理分析对比时,放开比对条件,引入轨迹相近度参数,通过一定的算法缩小对比范围,从而实现对有超限运输行为的无牌车辆的车牌号认定,提高车辆识别率。
关于上述各个模块更加具体的工作过程可以参考前述实施例公开的相应内容,在此不再进行赘述。
相应地,本发明实施例还公开了一种车辆识别设备,包括处理器和存储器;其中,处理器执行存储器中存储的计算机程序时实现前述实施例公开的车辆识别方法。
关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
进一步地,本发明还公开了一种计算机可读存储介质,用于存储计算机程序;计算机程序被处理器执行时实现前述公开的车辆识别方法。
关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置、设备、存储介质而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
综上,本发明实施例提供的一种车辆识别方法,包括:当在非现场检测点检测到无车牌的超限记录时,获取在检测点中抓拍的待确认车辆的第一车辆图像;以检测点所在点位为中心,根据设定半径形成道路网络;在设定抓拍时间范围内获取道路网络中所有路口抓拍到所有车辆的第二车辆图像;计算抓拍的第二车辆图像与第一车辆图像之间的图像吻合度;将符合设定条件的图像吻合度对应的多张第二车辆图像进行车辆轨迹相近度的对比;若车辆轨迹相近度大于等于预设配置数值,则判定轨迹相近度的最大值对应的第二车辆图像中的车牌号为待确认车辆的车牌号。上述方法可以在公路非现场超限运输违法行为的整治和执法过程中,对原有图像处理分析对比时,放开比对条件,引入轨迹相近度参数,通过一定的算法缩小对比范围,从而实现对有超限运输行为的无牌车辆的车牌号认定,提高车辆识别率。此外,本发明还针对车辆识别方法提供了相应的装置、设备及计算机可读存储介质,进一步使得上述方法更具有实用性,该装置、设备及计算机可读存储介质具有相应的优点。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的车辆识别方法、装置、设备及存储介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种车辆识别方法,其特征在于,包括:
当在非现场检测点检测到无车牌的超限记录时,获取在所述检测点中抓拍的待确认车辆的第一车辆图像;
以所述检测点所在点位为中心,根据设定半径形成道路网络;
在设定抓拍时间范围内获取所述道路网络中所有路口抓拍到所有车辆的第二车辆图像;
计算抓拍的所述第二车辆图像与所述第一车辆图像之间的图像吻合度;
将符合设定条件的图像吻合度对应的多张所述第二车辆图像进行车辆轨迹相近度的对比;
若所述车辆轨迹相近度大于等于预设配置数值,则判定所述轨迹相近度的最大值对应的所述第二车辆图像中的车牌号为所述待确认车辆的车牌号。
2.根据权利要求1所述的车辆识别方法,其特征在于,在计算抓拍的所述第二车辆图像与所述第一车辆图像之间的图像吻合度之后,还包括:
扩大所述设定半径形成新的道路网络,重复图像吻合度的计算,直至出现多张符合设定条件的图像吻合度对应的所述第二车辆图像。
3.根据权利要求2所述的车辆识别方法,其特征在于,在扩大所述设定半径形成新的道路网络之前,还包括:
查找出图像吻合度大于等于相似度阈值对应的所述第二车辆图像;
若查找出的所述第二车辆图像只有一张,则判定该第二车辆图像中的车牌号为所述待确认车辆的车牌号;
若查找出的所述第二车辆图像有多张,则将图像吻合度进行排序,挑选出最大图像吻合度对应的所述第二车辆图像;
其中,所述符合设定条件的图像吻合度对应的所述第二车辆图像为挑选出的最大图像吻合度相同的所述第二车辆图像。
4.根据权利要求3所述的车辆识别方法,其特征在于,将多张所述第二车辆图像进行车辆轨迹相近度的对比,包括:
在设定轨迹获取时间范围内获取多张所述第二车辆图像对应的车辆运行轨迹;
依据获取的所述车辆运行轨迹,计算所述第二车辆图像的经纬度与所述第一车辆图像的经纬度之间的距离差,并从计算出的距离差中找出最小距离差;
根据所述最小距离差,计算所述第二车辆图像对应的车辆轨迹相近度。
5.根据权利要求4所述的车辆识别方法,其特征在于,在从计算出的距离差中找出最小距离差的同时,还包括:
计算开始轨迹时间的距离差和结束轨迹时间的距离差;
若所述结束轨迹时间的距离差大于所述开始轨迹时间的距离差且对应的车辆是在驶离所述检测点,或,若所述结束轨迹时间的距离差小于所述开始轨迹时间的距离差且对应的车辆是在驶近所述检测点,则执行所述根据所述最小距离差,计算所述第二车辆图像对应的车辆轨迹相近度的步骤。
6.根据权利要求5所述的车辆识别方法,其特征在于,还包括:
若所述车辆轨迹相近度小于所述预设配置数值,则扩大所述设定抓拍时间范围,重复进行所述图像吻合度的计算以及所述轨迹相近度对比的步骤,直至确认出所述待确认车辆的车牌号。
7.根据权利要求6所述的车辆识别方法,其特征在于,还包括:
若所述结束轨迹时间的距离差大于所述开始轨迹时间的距离差且对应的车辆是在驶近所述检测点,或,若所述结束轨迹时间的距离差小于所述开始轨迹时间的距离差且对应的车辆是在驶离所述检测点,则扩大所述设定抓拍时间范围,重复进行所述图像吻合度的计算以及所述轨迹相近度对比的步骤,直至确认出所述待确认车辆的车牌号。
8.一种车辆识别装置,其特征在于,包括:
第一图像获取模块,用于当在非现场检测点检测到无车牌的超限记录时,获取在所述检测点中抓拍的待确认车辆的第一车辆图像;
道路网络形成模块,用于以所述检测点所在点位为中心,根据设定半径形成道路网络;
第二图像获取模块,用于在设定抓拍时间范围内获取所述道路网络中所有路口抓拍到所有车辆的第二车辆图像;
图像吻合度计算模块,用于计算抓拍的所述第二车辆图像与所述第一车辆图像之间的图像吻合度;
轨迹相近度对比模块,用于将符合设定条件的图像吻合度对应的多张所述第二车辆图像进行车辆轨迹相近度的对比;若所述车辆轨迹相近度大于等于预设配置数值,则判定所述轨迹相近度的最大值对应的所述第二车辆图像中的车牌号为所述待确认车辆的车牌号。
9.一种车辆识别设备,其特征在于,包括处理器和存储器,其中,所述处理器执行所述存储器中存储的计算机程序时实现如权利要求1至7任一项所述的车辆识别方法。
10.一种计算机可读存储介质,其特征在于,用于存储计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的车辆识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111021037.9A CN113723316B (zh) | 2021-09-01 | 2021-09-01 | 一种车辆识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111021037.9A CN113723316B (zh) | 2021-09-01 | 2021-09-01 | 一种车辆识别方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113723316A true CN113723316A (zh) | 2021-11-30 |
CN113723316B CN113723316B (zh) | 2024-04-16 |
Family
ID=78680560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111021037.9A Active CN113723316B (zh) | 2021-09-01 | 2021-09-01 | 一种车辆识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113723316B (zh) |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101373517A (zh) * | 2007-08-22 | 2009-02-25 | 北京万集科技有限责任公司 | 一种车牌识别方法及系统 |
CN104392239A (zh) * | 2014-09-25 | 2015-03-04 | 深圳市捷顺科技实业股份有限公司 | 一种车牌识别方法及系统 |
CN104778245A (zh) * | 2015-04-09 | 2015-07-15 | 北方工业大学 | 基于海量车牌识别数据的相似轨迹挖掘方法及装置 |
CN104900055A (zh) * | 2015-05-13 | 2015-09-09 | 杭州四方称重系统有限公司 | 动态称重非现场综合执法管理系统 |
CN105575121A (zh) * | 2016-02-02 | 2016-05-11 | 陕西安裕智能科技有限公司 | 一种基于智能交通的源头科技治超数据采集系统及方法 |
WO2018072362A1 (zh) * | 2016-10-20 | 2018-04-26 | 深圳市元征科技股份有限公司 | 车辆实时轨迹预测方法及预测系统 |
CN108572974A (zh) * | 2017-03-10 | 2018-09-25 | 杭州海康威视数字技术股份有限公司 | 一种车辆图片检索方法及装置 |
CN109243173A (zh) * | 2018-08-15 | 2019-01-18 | 广州市市政工程设计研究总院有限公司 | 基于道路高清卡口数据的车辆轨迹分析方法及系统 |
CN110070724A (zh) * | 2018-01-24 | 2019-07-30 | 北京英泰智科技股份有限公司 | 一种视频监控方法、装置、摄像机及图像信息监管系统 |
CN110378317A (zh) * | 2019-07-29 | 2019-10-25 | 广东泓胜科技股份有限公司 | 一种车牌识别方法及装置 |
CN110505583A (zh) * | 2019-07-23 | 2019-11-26 | 中山大学 | 一种基于卡口数据与信令数据的轨迹匹配算法 |
WO2020141504A1 (en) * | 2019-01-01 | 2020-07-09 | Elta Systems Ltd. | System, method and computer program product for speeding detection |
CN111461124A (zh) * | 2020-03-02 | 2020-07-28 | 浙江省北大信息技术高等研究院 | 基于大数据的遮挡车牌识别方法、设备及存储介质 |
CN111598054A (zh) * | 2020-06-19 | 2020-08-28 | 上海眼控科技股份有限公司 | 车辆检测方法、装置、计算机设备及存储介质 |
CN111767776A (zh) * | 2019-12-28 | 2020-10-13 | 西安宇视信息科技有限公司 | 一种异常车牌推选方法及装置 |
CN111898592A (zh) * | 2020-09-29 | 2020-11-06 | 腾讯科技(深圳)有限公司 | 一种轨迹数据处理方法、装置以及计算机可读存储介质 |
CN112861565A (zh) * | 2019-11-12 | 2021-05-28 | 上海高德威智能交通系统有限公司 | 确定轨迹相似度的方法、装置、计算机设备和存储介质 |
CN112861797A (zh) * | 2021-03-12 | 2021-05-28 | 济南博观智能科技有限公司 | 一种真伪车牌识别方法、装置及相关设备 |
CN113032498A (zh) * | 2019-12-24 | 2021-06-25 | 深圳云天励飞技术有限公司 | 一种轨迹相似的判断方法、装置、电子设备及存储介质 |
CN113077627A (zh) * | 2021-03-30 | 2021-07-06 | 杭州海康威视系统技术有限公司 | 检测车辆的超限源头的方法、装置及计算机存储介质 |
CN114743165A (zh) * | 2022-03-22 | 2022-07-12 | 浙江大华技术股份有限公司 | 车辆轨迹线的确定方法、装置、存储介质及电子装置 |
-
2021
- 2021-09-01 CN CN202111021037.9A patent/CN113723316B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101373517A (zh) * | 2007-08-22 | 2009-02-25 | 北京万集科技有限责任公司 | 一种车牌识别方法及系统 |
CN104392239A (zh) * | 2014-09-25 | 2015-03-04 | 深圳市捷顺科技实业股份有限公司 | 一种车牌识别方法及系统 |
CN104778245A (zh) * | 2015-04-09 | 2015-07-15 | 北方工业大学 | 基于海量车牌识别数据的相似轨迹挖掘方法及装置 |
CN104900055A (zh) * | 2015-05-13 | 2015-09-09 | 杭州四方称重系统有限公司 | 动态称重非现场综合执法管理系统 |
CN105575121A (zh) * | 2016-02-02 | 2016-05-11 | 陕西安裕智能科技有限公司 | 一种基于智能交通的源头科技治超数据采集系统及方法 |
WO2018072362A1 (zh) * | 2016-10-20 | 2018-04-26 | 深圳市元征科技股份有限公司 | 车辆实时轨迹预测方法及预测系统 |
CN108572974A (zh) * | 2017-03-10 | 2018-09-25 | 杭州海康威视数字技术股份有限公司 | 一种车辆图片检索方法及装置 |
CN110070724A (zh) * | 2018-01-24 | 2019-07-30 | 北京英泰智科技股份有限公司 | 一种视频监控方法、装置、摄像机及图像信息监管系统 |
CN109243173A (zh) * | 2018-08-15 | 2019-01-18 | 广州市市政工程设计研究总院有限公司 | 基于道路高清卡口数据的车辆轨迹分析方法及系统 |
WO2020141504A1 (en) * | 2019-01-01 | 2020-07-09 | Elta Systems Ltd. | System, method and computer program product for speeding detection |
CN110505583A (zh) * | 2019-07-23 | 2019-11-26 | 中山大学 | 一种基于卡口数据与信令数据的轨迹匹配算法 |
CN110378317A (zh) * | 2019-07-29 | 2019-10-25 | 广东泓胜科技股份有限公司 | 一种车牌识别方法及装置 |
CN112861565A (zh) * | 2019-11-12 | 2021-05-28 | 上海高德威智能交通系统有限公司 | 确定轨迹相似度的方法、装置、计算机设备和存储介质 |
CN113032498A (zh) * | 2019-12-24 | 2021-06-25 | 深圳云天励飞技术有限公司 | 一种轨迹相似的判断方法、装置、电子设备及存储介质 |
CN111767776A (zh) * | 2019-12-28 | 2020-10-13 | 西安宇视信息科技有限公司 | 一种异常车牌推选方法及装置 |
CN111461124A (zh) * | 2020-03-02 | 2020-07-28 | 浙江省北大信息技术高等研究院 | 基于大数据的遮挡车牌识别方法、设备及存储介质 |
CN111598054A (zh) * | 2020-06-19 | 2020-08-28 | 上海眼控科技股份有限公司 | 车辆检测方法、装置、计算机设备及存储介质 |
CN111898592A (zh) * | 2020-09-29 | 2020-11-06 | 腾讯科技(深圳)有限公司 | 一种轨迹数据处理方法、装置以及计算机可读存储介质 |
CN112861797A (zh) * | 2021-03-12 | 2021-05-28 | 济南博观智能科技有限公司 | 一种真伪车牌识别方法、装置及相关设备 |
CN113077627A (zh) * | 2021-03-30 | 2021-07-06 | 杭州海康威视系统技术有限公司 | 检测车辆的超限源头的方法、装置及计算机存储介质 |
CN114743165A (zh) * | 2022-03-22 | 2022-07-12 | 浙江大华技术股份有限公司 | 车辆轨迹线的确定方法、装置、存储介质及电子装置 |
Non-Patent Citations (2)
Title |
---|
李婷玮;张若惠;李佳欣;崔欢欢;彭巍;赵迅;于雪涛;: "基于EmguCV和ArcGIS Engine的车辆定位与追踪系统设计与实现", 电脑编程技巧与维护, no. 24, 18 December 2017 (2017-12-18), pages 7 - 9 * |
王超;: "视频检测技术在车牌识别领域的应用", 中国交通信息产业, no. 05, 25 May 2006 (2006-05-25), pages 126 - 128 * |
Also Published As
Publication number | Publication date |
---|---|
CN113723316B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tian et al. | An automatic car accident detection method based on cooperative vehicle infrastructure systems | |
CN106022296B (zh) | 一种基于车辆热点区域的概率聚合的套牌车检测方法 | |
CN111145555B (zh) | 一种检测车辆违章的方法和装置 | |
CN112447041B (zh) | 识别车辆的营运行为的方法、装置及计算设备 | |
CN111369801B (zh) | 车辆识别方法、装置、设备和存储介质 | |
Le et al. | Vehicle count system based on time interval image capture method and deep learning mask R-CNN | |
CN110969190A (zh) | 非法营运车辆检测方法、介质、设备及装置 | |
CN112380892B (zh) | 一种图像识别方法、装置、设备及介质 | |
CN111767776B (zh) | 一种异常车牌推选方法及装置 | |
CN115082277A (zh) | 车辆管控区域行程识别方法、装置、电子设备及存储介质 | |
CN111950471A (zh) | 目标对象识别方法及装置 | |
CN109800684B (zh) | 一种视频中对象的确定方法及装置 | |
CN111724607B (zh) | 转向灯使用检测方法、装置、计算机设备和存储介质 | |
CN116434161B (zh) | 用于判断基于高位视频的停车行为是否可信的方法和系统 | |
CN113343880A (zh) | 一种车辆遮挡号牌的识别方法、装置、设备及介质 | |
CN113723316A (zh) | 一种车辆识别方法、装置、设备及存储介质 | |
Van Hinsbergh et al. | Vehicle point of interest detection using in-car data | |
CN115169588A (zh) | 电像计算时空轨迹车码关联方法、装置、设备及存储介质 | |
CN115359658A (zh) | 交通事件的检测方法、装置、设备、存储介质及程序产品 | |
CN117274849A (zh) | 一种行人徘徊事件检测方法、装置、设备及介质 | |
CN113989715A (zh) | 车辆违停检测方法、装置、电子设备及存储介质 | |
Thongsatapornwatana et al. | Analysis of criminal behaviors for suspect vehicle detection | |
CN115187886A (zh) | 一种车辆违规行为检测方法、装置及电子设备 | |
CN113870185A (zh) | 基于图像抓拍的图像处理方法、终端及存储介质 | |
CN111860383A (zh) | 一种群体异常行为识别方法、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 |