CN114550464B - 车辆信息确定方法、装置、计算机设备和存储介质 - Google Patents
车辆信息确定方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114550464B CN114550464B CN202210437286.4A CN202210437286A CN114550464B CN 114550464 B CN114550464 B CN 114550464B CN 202210437286 A CN202210437286 A CN 202210437286A CN 114550464 B CN114550464 B CN 114550464B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- identification information
- target vehicle
- identification
- tail
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种车辆信息确定方法、装置、计算机设备、存储介质和计算机程序产品。该方法包括:获取对多个预设识别区采集的车辆数据识别得到的多角度的识别信息;从多角度的识别信息中确定目标车侧识别信息;基于目标车侧行驶速度确定第一位移时间,并基于第一位移时间和目标车侧识别时间,确定目标车头识别时间;从多角度的识别信息中,确定与目标车头识别时间相匹配的目标车头识别信息;根据目标车侧识别信息和目标车头识别信息中的至少一种,从多角度的识别信息中,确定相匹配的目标车尾识别信息;融合目标车侧识别信息、目标车头识别信息和目标车尾识别信息,得到目标车辆的车辆信息。采用本方法能够更加便利地确定车辆信息。
Description
技术领域
本申请涉及信息处理技术领域,特别是涉及一种车辆信息确定方法、装置、计算机设备和存储介质。
背景技术
随着现代社会的发展,车辆出行变得越来越便利,越来越多的人选择车辆出行的方式。但是,随着车辆出行的广泛普及,车辆违规的现象也层出不穷。比如,由于越来越多的电子不停车收费系统(ETC)应用于高速公路,车辆逃费现象频发,逃费方式也多种多样。
传统方法中,对违规车辆的车头进行识别,将识别出的违规车辆的车头信息作为违规车辆的违规证据。但是,仅识别出违规车辆的车头信息不足以构成完整的证据链,不便于后续针对违规车辆的稽核工作。
发明内容
基于此,有必要针对上述技术问题,提供一种能够更加便利的车辆信息确定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种车辆信息确定方法。所述方法包括:
获取对多个预设识别区采集的车辆数据识别得到的多角度的识别信息;所述多个预设识别区包括车侧识别区、车头识别区以及车尾识别区;所述多角度的识别信息中包括车侧识别信息、车头识别信息和车尾识别信息;
从所述多角度的识别信息中确定目标车侧识别信息;所述目标车侧识别信息包括目标车侧行驶速度和所述目标车侧识别时间;
基于所述目标车侧行驶速度确定第一位移时间,并基于所述第一位移时间和所述目标车侧识别时间,确定目标车头识别时间;所述第一位移时间是目标车辆从车头识别区移动到所述目标车侧识别信息对应的目标车侧识别区所经历的时间;
从所述多角度的识别信息中,确定与所述目标车头识别时间相匹配的目标车头识别信息;
根据所述目标车侧识别信息和所述目标车头识别信息中的至少一种,从所述多角度的识别信息中,确定相匹配的目标车尾识别信息;
融合所述目标车侧识别信息、所述目标车头识别信息和所述目标车尾识别信息,得到目标车辆的车辆信息。
在其中一个实施例中,所述基于所述目标车侧行驶速度确定第一位移时间包括:
获取所述目标车侧识别信息所对应的车头车侧位移距离;所述车头车侧位移距离是目标车辆从车头识别区移动到所述目标车侧识别信息对应的目标车侧识别区所经过的距离;
基于车头车侧位移距离和所述目标车侧行驶速度,确定第一位移时间。
在其中一个实施例中,所述车头识别区为多个,每个车头识别区设置于相应的车道中;所述第一位移时间是目标车辆从同车道的车头识别区移动到所述目标车侧识别区所经历的时间;
所述基于所述第一位移时间和所述目标车侧识别时间,确定目标车头识别时间包括:
基于所述第一位移时间和所述目标车侧识别时间,预测所述目标车侧识别信息对应的车头识别时间区间;所述车头识别时间区间,是预估所述目标车辆在多个车道的车头识别区的车头识别时间所位于的时间范围;
从所述多角度的识别信息中,确定车头识别时间位于车头识别时间区间内、且与所述目标车侧识别信息匹配的车头识别信息。
在其中一个实施例中,所述从所述多角度的识别信息中,确定车头识别时间位于车头识别时间区间内、且与所述目标车侧识别信息匹配的车头识别信息包括:
从所述多角度的识别信息中,确定车头识别时间属于车头识别时间区间的、且对应的车头识别区与所述目标车侧识别区同车道的候选车头识别信息;
若所述候选车头识别信息为多个,则根据多个候选车头识别信息中的车头识别时间与所述目标车侧识别时间之间的差值,从所述多个所述候选车头识别信息中确定与所述目标车侧识别信息匹配的车头识别信息。
在其中一个实施例中,所述根据所述目标车侧识别信息和所述目标车头识别信息中的至少一种,从所述多角度的识别信息中,确定相匹配的目标车尾识别信息包括:
对目标车头识别信息中的车头车牌信息和所述多角度的识别信息中的车尾车牌信息进行一致性验证,以基于与所述车头车牌信息一致的车尾车牌信息,确定与所述目标车侧识别信息匹配的车尾识别信息;
若所述多角度的识别信息中不存在与所述车头车牌信息一致的车尾车牌信息,则基于车侧车尾位移距离、所述目标车侧行驶速度和所述目标车侧识别时间,确定所述目标车侧识别信息对应的车尾识别时间;基于确定的车尾识别时间,从所述多角度的识别信息中,确定与所述目标车侧识别信息匹配的车尾识别信息。
在其中一个实施例中,所述车尾识别区为多个,每个车尾识别区设置于相应的车道中;
所述若所述多角度的识别信息中不存在与所述车头车牌信息一致的车尾车牌信息,则基于车侧车尾位移距离、所述目标车侧行驶速度和所述目标车侧识别时间,确定所述目标车侧识别信息对应的车尾识别时间;基于确定的车尾识别时间,从所述多角度的识别信息中,确定与所述目标车侧识别信息匹配的车尾识别信息包括:
若所述多角度的识别信息中不存在与所述车头车牌信息一致的车尾车牌信息,则基于所述车侧车尾位移距离和所述目标车侧行驶速度确定第二位移时间;
基于所述第二位移时间和所述目标车侧识别时间,确定所述目标车侧识别信息对应的车尾识别时间区间;所述车尾识别时间区间,是预估所述目标车辆在所述多个车尾识别区的车尾识别时间所位于的时间范围;
从所述多角度的识别信息中,确定车尾识别时间位于车尾识别时间区间内、且与所述目标车侧识别信息匹配的车尾识别信息。
在其中一个实施例中,所述方法还包括:
在所述多角度的识别信息中确定出匹配的目标车头识别信息、但不存在匹配的目标车尾识别信息的情况下,强制触发车尾识别区采集车辆数据,以得到对车辆数据识别到的、且与所述目标车侧识别信息匹配的目标车尾识别信息。
第二方面,本申请还提供了一种车辆信息确定装置。所述装置包括:
获取模块,用于获取对多个预设识别区采集的车辆数据识别得到的多角度的识别信息;所述多个预设识别区包括车侧识别区、车头识别区以及车尾识别区;所述多角度的识别信息中包括车侧识别信息、车头识别信息和车尾识别信息;
确定模块,用于从所述多角度的识别信息中确定目标车侧识别信息;所述目标车侧识别信息包括目标车侧行驶速度和所述目标车侧识别时间;基于所述目标车侧行驶速度确定第一位移时间,并基于所述第一位移时间和所述目标车侧识别时间,确定目标车头识别时间;所述第一位移时间是目标车辆从车头识别区移动到所述目标车侧识别信息对应的目标车侧识别区所经历的时间;
融合模块,用于从所述多角度的识别信息中,确定与所述目标车头识别时间相匹配的目标车头识别信息;根据所述目标车侧识别信息和所述目标车头识别信息中的至少一种,从所述多角度的识别信息中,确定相匹配的目标车尾识别信息;融合所述目标车侧识别信息、所述目标车头识别信息和所述目标车尾识别信息,得到目标车辆的车辆信息。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现本申请各实施例所述方法中的步骤。
第四方面,本申请还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,其上存储有计算机程序,所述计算机程序被处理器执行时实现本申请各实施例所述方法中的步骤。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本申请各实施例所述方法中的步骤。
上述车辆信息确定方法、装置、计算机设备、存储介质和计算机程序产品,获取对多个预设识别区采集的车辆数据识别得到的多角度的识别信息;多个预设识别区包括车侧识别区、车头识别区以及车尾识别区;多角度的识别信息中包括车侧识别信息、车头识别信息和车尾识别信息;从多角度的识别信息中确定目标车侧识别信息;目标车侧识别信息包括目标车侧行驶速度和目标车侧识别时间;基于目标车侧行驶速度确定第一位移时间,并基于第一位移时间和目标车侧识别时间,确定目标车头识别时间;第一位移时间是目标车辆从车头识别区移动到目标车侧识别信息对应的目标车侧识别区所经历的时间;从多角度的识别信息中,确定与目标车头识别时间相匹配的目标车头识别信息;根据目标车侧识别信息和目标车头识别信息中的至少一种,从多角度的识别信息中,确定相匹配的目标车尾识别信息;融合目标车侧识别信息、目标车头识别信息和目标车尾识别信息,得到目标车辆的车辆信息。通过获取车头识别信息、车侧识别信息和车尾识别信息,并基于目标车侧识别信息确定相匹配的目标车头识别信息和相匹配的目标车尾识别信息,以融合目标车侧识别信息、目标车头识别信息和目标车尾识别信息,得到目标车辆的车辆信息,从而能够提供车辆违规的完整证据,使得针对违规车辆的稽核工作更加便利。
附图说明
图1为一个实施例中车辆信息确定方法的应用环境图;
图2为一个实施例中车辆信息确定方法的流程示意图;
图3为一个实施例中多个预设识别区的示意图;
图4为另一个实施例中车辆信息确定方法的流程示意图;
图5为一个实施例中车辆信息确定装置的结构框图;
图6为一个实施例中计算机设备的内部结构图;
图7为另一个实施例中计算机设备的内部结构图。
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,对本申请进行进一步详细说明。应当理解,此处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。
本申请实施例提供的车辆信息确定方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他网络服务器上。多个预设识别区可以设置有终端102,多个预设识别区可以通过终端102采集车辆数据。服务器104可以获取对多个预设识别区采集的车辆数据识别得到的多角度的识别信息;多个预设识别区包括车侧识别区、车头识别区以及车尾识别区;服务器104可以从多角度的识别信息中确定目标车侧识别信息;目标车侧识别信息包括目标车侧行驶速度和目标车侧识别时间;服务器104可以基于目标车侧行驶速度确定第一位移时间,并基于第一位移时间和目标车侧识别时间,确定目标车头识别时间;第一位移时间是目标车辆从车头识别区移动到目标车侧识别信息对应的目标车侧识别区所经历的时间;服务器104可以从多角度的识别信息中,确定与目标车头识别时间相匹配的目标车头识别信息;服务器104可以根据目标车侧识别信息和目标车头识别信息中的至少一种,从多角度的识别信息中,确定相匹配的目标车尾识别信息;服务器104可以融合目标车侧识别信息、目标车头识别信息和目标车尾识别信息,得到目标车辆的车辆信息。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
可以理解,终端102可以向服务器104发送采集的车辆数据,服务器104可以识别获取到的多个预设识别区采集的车辆数据,得到多角度的识别信息。可以理解,终端102也可以对在多个预设识别区采集到的车辆数据进行识别,得到多角度的识别信息,并将多角度的识别信息发送至服务器104。在一个实施例中,如图2所示,提供了一种车辆信息确定方法,该方法可以通过图1中的服务器或服务器与终端之间的交互实现,包括以下步骤:
步骤202,获取对多个预设识别区采集的车辆数据识别得到的多角度的识别信息。
其中,多个预设识别区包括车侧识别区、车头识别区以及车尾识别区。多角度的识别信息中包括车侧识别信息、车头识别信息和车尾识别信息。
具体地,终端可以获取车侧识别区采集的车辆的车侧数据,并对车侧数据识别得到车侧识别数据。终端可以获取车头识别区采集的车辆的车头数据,并对车头数据识别得到车头识别数据。终端可以获取车尾识别区采集的车辆的车尾数据,并对车尾数据识别得到车尾识别数据。终端可以通过私有协议将多角度的识别信息传输至服务器。服务器可以获取对多个预设识别区采集的车辆数据识别得到的多角度的识别信息。可以理解,终端可以是设置在现场的车头车侧车尾识别一体机。车头车侧车尾识别一体机可以采集车头数据、车侧数据和车尾数据,并分别对车头数据、车侧数据和车尾数据进行识别得到车头识别数据、车侧识别数据和车尾识别数据。
在一个实施例中,多个预设识别区可以设置在高速公路服务区和收费站等区域中至少一种的出入口的匝道。可以理解,匝道特点为常伴有弯道和车辆变速行驶的情况,为了保证服务器所确定的车辆信息的准确性,服务器可以根据多角度的识别信息中的车型相关信息、行驶速度相关信息和匝道拥堵状态相关信息中的至少一种对获取到的多角度的识别信息进行矫正。比如,服务器可以根据连续时间内车辆的行驶速度,判定匝道的拥堵状态,并确定当前拥堵状态对应的矫正方式。
在一个实施例中,服务器可以获取多个预设识别区采集的车辆数据,并对车辆数据识别得到多角度的识别信息。服务器可以对车侧数据识别得到车侧识别数据、对车头数据识别得到车头识别数据、以及对车尾数据识别得到车尾识别数据。
在一个实施例中,车头识别信息可以包括车头车型信息、车头车牌信息、车头行驶速度、车头识别时间和车头图像等车头信息中的至少一种。可以理解,当车辆车头行驶至车头识别区时,终端可以识别出车辆的车头识别信息。车头车牌信息可以包括车头车牌图像、车头车牌号码和车头车牌颜色等车牌信息中的至少一种。
在一个实施例中,车侧识别信息可以包括车侧车型信息、车侧行驶速度、车侧识别时间和车侧图像等车侧信息中的至少一种。可以理解,当车辆车侧行驶至车侧识别区时,终端可以识别出车辆的车侧识别信息。
在一个实施例中,车侧车型信息可以包括轴型、轴数和车长等车型信息中的至少一种。可以理解,对于高速公路上行驶的车辆,终端可以从车侧识别区采集的车侧信息中识别出高速公路收费车型,即,车侧车型信息可以用于指示高速公路收费车型。
在一个实施例中,终端可以获取车侧识别区采集的多帧车侧局部图像,保留每帧车侧局部图像的差异部分,并对差异部分进行拼接以得到拼接后的车侧图像。比如,终端可以先通过设置于车侧识别区的车侧相机以固定帧率抓拍车侧局部图像,再使用图像拼接技术拼接车侧局部图像和车辆模型检测车侧局部拼接情况,得到车辆的车侧图像。固定帧率可以是每秒120帧。
在一个实施例中,车尾识别信息可以包括车尾车牌信息、车尾车型信息、车尾图像、车尾识别时间和车尾行驶速度等车尾信息中的至少一种。可以理解,当车辆车尾行驶至车尾识别区时,终端可以识别出车辆的车尾识别信息。车尾车牌信息可以包括车尾车牌图像、车尾车牌号码和车尾车牌颜色等车牌信息中的至少一种。
步骤204,从多角度的识别信息中确定目标车侧识别信息;基于目标车侧行驶速度确定第一位移时间,并基于第一位移时间和目标车侧识别时间,确定目标车头识别时间。
其中,目标车侧识别信息包括目标车侧行驶速度和目标车侧识别时间。第一位移时间是目标车辆从车头识别区移动到目标车侧识别信息对应的目标车侧识别区所经历的时间。
具体地,服务器可以从多角度的识别信息中确定未匹配车头识别信息的目标车侧识别信息。服务器可以基于目标车侧行驶速度确定第一位移时间,并基于第一位移时间和目标车侧识别时间,确定目标车头识别时间。可以理解,服务器可以在获取到车侧识别信息后匹配车头识别信息和车侧识别信息。
步骤206,从多角度的识别信息中,确定与目标车头识别时间相匹配的目标车头识别信息;根据目标车侧识别信息和目标车头识别信息中的至少一种,从多角度的识别信息中,确定相匹配的目标车尾识别信息;融合目标车侧识别信息、目标车头识别信息和目标车尾识别信息,得到目标车辆的车辆信息。
具体地,车头识别信息中可以包括车头识别时间。服务器可以从多角度的识别信息中,确定车头识别时间是目标车头识别时间的目标车头识别信息。服务器可以根据目标车侧识别信息和目标车头识别信息中的至少一种,从多角度的识别信息中,确定相匹配的目标车尾识别信息。服务器可以融合目标车侧识别信息、目标车头识别信息和目标车尾识别信息,得到目标车辆的车辆信息
上述车辆信息确定方法中,获取对多个预设识别区采集的车辆数据识别得到的多角度的识别信息;多个预设识别区包括车侧识别区、车头识别区以及车尾识别区;多角度的识别信息中包括车侧识别信息、车头识别信息和车尾识别信息;从多角度的识别信息中确定目标车侧识别信息;目标车侧识别信息包括目标车侧行驶速度和目标车侧识别时间;基于目标车侧行驶速度确定第一位移时间,并基于第一位移时间和目标车侧识别时间,确定目标车头识别时间;第一位移时间是目标车辆从车头识别区移动到目标车侧识别信息对应的目标车侧识别区所经历的时间;从多角度的识别信息中,确定与目标车头识别时间相匹配的目标车头识别信息;根据目标车侧识别信息和目标车头识别信息中的至少一种,从多角度的识别信息中,确定相匹配的目标车尾识别信息;融合目标车侧识别信息、目标车头识别信息和目标车尾识别信息,得到目标车辆的车辆信息。通过获取车头识别信息、车侧识别信息和车尾识别信息,并基于目标车侧识别信息确定相匹配的目标车头识别信息和相匹配的目标车尾识别信息,以融合目标车侧识别信息、目标车头识别信息和目标车尾识别信息,得到目标车辆的车辆信息,从而能够提供车辆违规的完整证据,使得针对违规车辆的稽核工作更加便利。
此外,虽然获取到的多角度的识别信息是相互独立的,但是,能够在确定目标车侧识别信息之后,通过确定目标车头识别时间,得到相匹配的目标车头识别信息,以及根据目标车侧识别信息和目标车头识别信息中的至少一种,得到相匹配的目标车尾识别信息。这种先分别获取多角度的识别信息再融合以确定车辆信息的方法,相较于直接从车辆视频中采集违规车辆图像的方式,能够得到更加准确的目标车辆的多角度的车辆信息。
在一个实施例中,基于目标车侧行驶速度确定第一位移时间包括:获取目标车侧识别信息所对应的车头车侧位移距离;车头车侧位移距离是目标车辆从车头识别区移动到目标车侧识别信息对应的目标车侧识别区所经过的距离;基于车头车侧位移距离和目标车侧行驶速度,确定第一位移时间。
具体地,服务器可以获取目标车辆从至少一个车头识别区移动到目标车侧识别信息对应的目标车侧识别区所经过的至少一个车头车侧位移距离。可以理解,车头车侧位移距离可以是与目标车侧识别区同车道的车头识别区和目标车侧识别区之间的车头车侧位置距离,或者是与目标车侧识别区相邻车道的车头识别区和目标车侧识别区之间的车头车侧位置距离。服务器可以基于多个车头车侧位移距离和目标车侧行驶速度,确定多个第一位移时间。服务器可以确定多个第一位移时间中的最大位移时间和最小位移时间,通过分别计算最大位移时间和最小位移时间与目标车侧识别时间之间的和,确定目标车侧识别信息对应的车头识别时间区间。可以理解,若车头车侧位移距离是目标车辆的车尾从车头识别区移动到目标车侧识别信息对应的目标车侧识别区所经过的距离,则车头车侧位移距离是车头车侧位置距离加上目标车辆的车长。
在一个实施例中,服务器可以使用误差系数确定多个第一位移时间中的最大第一位移时间和最小第一位移时间,通过计算最大第一位移时间和最小第一位移时间与目标车侧识别时间之间的和得到目标车侧识别信息对应的车头识别时间区间的边界。
在一个实施例中,服务器可以对车头车侧位移距离和目标车侧行驶速度进行矫正,基于矫正后的车头车侧位移距离和目标车侧行驶速度,确定第一位移时间。可以理解,车况会影响位移距离,服务器可以根据车况对车头车侧位移距离和目标车侧行驶速度进行矫正。车况可以包括车辆车型、车辆行驶速度和车道拥堵状态等中的至少一种。
本实施例中,能够获取目标车侧识别信息所对应的车头车侧位移距离;基于车头车侧位移距离和目标车侧行驶速度,确定第一位移时间,从而基于第一位移时间和目标车侧识别时间确定目标车头识别信息,保证车辆信息的完整。
在一个实施例中,车头识别区为多个,每个车头识别区设置于相应的车道中;第一位移时间是目标车辆从同车道的车头识别区移动到目标车侧识别区所经历的时间;基于第一位移时间和目标车侧识别时间,确定目标车头识别时间包括:基于第一位移时间和目标车侧识别时间,预测目标车侧识别信息对应的车头识别时间区间;车头识别时间区间,是预估目标车辆在多个车道的车头识别区的车头识别时间所位于的时间范围;从多角度的识别信息中,确定车头识别时间位于车头识别时间区间内、且与目标车侧识别信息匹配的车头识别信息。
具体地,服务器可以利用误差系数计算第一位移时间对应的最大可能位移时间和最小可能位移时间,再分别计算最大可能位移时间和最小可能位移时间与目标车侧识别时间之间的和,从而得到预测的目标车侧识别信息对应的车头识别时间区间。服务器可以从多角度的识别信息中,确定车头识别时间位于车头识别时间区间内、且与目标车侧识别信息匹配的车头识别信息。可以理解,车头识别时间区间是基于同车道的车辆数据计算得到的,但是经过误差估计可以包括目标车辆从相邻车道行驶到目标车侧识别区的情况。
本实施例中,基于第一位移时间和目标车侧识别时间,预测目标车侧识别信息对应的车头识别时间区间;从多角度的识别信息中,确定车头识别时间位于车头识别时间区间内、且与目标车侧识别信息匹配的车头识别信息,从而能够更加便利地确定目标车辆的信息。
在一个实施例中,从多角度的识别信息中,确定车头识别时间位于车头识别时间区间内、且与目标车侧识别信息匹配的车头识别信息包括:从多角度的识别信息中,确定车头识别时间属于车头识别时间区间的、且对应的车头识别区与目标车侧识别区同车道的候选车头识别信息;若候选车头识别信息为多个,则根据多个候选车头识别信息中的车头识别时间与目标车侧识别时间之间的差值,从多个候选车头识别信息中确定与目标车侧识别信息匹配的车头识别信息。
具体地,车头识别时间位于车头识别时间区间内的车头识别信息可以存在多个,若多个车头识别信息所对应的车头识别区存在与目标车侧识别区同车道和相邻车道的情况,则服务器可以优先将同车道的车头识别区识别到的车头识别信息作为候选车头识别信息。若候选车头识别信息为多个,则服务器可以根据多个候选车头识别信息中的车头识别时间与目标车侧识别时间之间的差值,从多个候选车头识别信息中确定与目标车侧识别信息匹配的车头识别信息。
在一个实施例中,服务器可以优先选取差值更大的候选车头识别信息与目标车侧识别信息进行匹配。可以理解,差值越大越可靠,能够找到与目标车侧识别信息更加匹配的车头识别信息。比如, A车在前,B车在后。A车车头识别时间25分23秒,B车车头识别时间25分24秒,A车车侧识别时间是25分28秒,那么A车是目标车辆,28秒-23秒=5秒>28秒-24秒=4秒,差值更大的25分23秒对应的车头识别信息与目标车侧识别信息相匹配。可以理解,同一车辆的车头识别时间大于车侧识别时间,车头检测时间更晚的车辆,车侧识别时间也更晚,因此,差值越大,车头识别信息与目标车侧识别信息相匹配的可能性越大。
在一个实施例中,候选车头识别信息中可以包括车头行驶速度和车头识别时间。服务器可以根据候选车头识别信息中的车头行驶速度和车头识别时间预测车辆从车头识别区行驶至目标车侧识别区的车侧识别时间,服务器可以通过对预测的车侧识别时间和目标车侧时间进行一致性比对,确定与目标车侧识别信息匹配的车头识别信息。
在一个实施例中,服务器可以确定车辆从候选车头识别信息对应的车头识别区行驶至目标车侧识别区的车头车侧位移距离,并在对车头车侧位移距离和车头行驶速度矫正后,根据矫正后的车头车侧位移距离和车头行驶速度预测候选车头识别信息对应的车侧识别时间。
在一个实施例中,服务器可以按照公式T1≈(T0+(S0*a0+S1*a1)÷(v0*a2)) ,对候选车头识别信息和车侧识别信息进行匹配。其中,T1是车侧识别结束时间,T0是车头识别时间,S0是车头识别区与目标车侧识别区之间的车头车侧位置距离,a0是距离矫正系数,S1是车长,a1是车长矫正系数,v0车头行驶速度,a2车头速度矫正系数。可以理解,服务器也可以按照公式T1’≈(T0+(S0*a0)÷(v0*a2)),对候选车头识别信息和车侧识别信息进行匹配。其中,T1’是车侧识别开始时间。其中,矫正系数可以是定值,服务器可以根据不同的参数在矫正系数库查找对应的值,矫正系数库是通过大量实验数据,根据统计学的方式得到的。可以理解,矫正系数可以是预先存储在服务器中的,服务器可以根据车辆的车型、行驶速度和车道拥堵状态等参数确定相应的矫正系数。
在一个实施例中,若同车道的车头识别区识别到的车头识别信息均与目标车侧识别信息不匹配,则服务器可以匹配相邻车道的车头识别区识别到的车头识别信息。相邻车道的车头识别信息匹配同样适用于上述公式,公式中的矫正系数可以通过查询变道矫正系数库查找对应的值。
在一个实施例中,候选车头识别信息中可以包括候选车头车型信息。目标车侧识别信息中可以包括目标车侧车型信息。服务器可以从多个候选车头识别信息中确定候选车头车型信息与目标车侧车型信息相匹配的车头识别信息。可以理解,候选车头识别信息中可以包括候选车头车牌信息。服务器可以确定候选车头车牌信息对应的候选车辆车型信息,并通过比对候选车辆车型信息和目标车侧车型信息,确定候选车头车牌信息与目标车侧车型信息相匹配的车头识别信息。比如,高速公路中的一型车的车长不会大于6米,小型汽车号牌(蓝牌车)可用车头车牌信息校验候选车头识别信息和目标车侧识别信息是否匹配。
本实施例中,从多角度的识别信息中,确定车头识别时间属于车头识别时间区间的、且对应的车头识别区与目标车侧识别区同车道的候选车头识别信息;若候选车头识别信息为多个,则根据多个候选车头识别信息中的车头识别时间与目标车侧识别时间之间的差值,从多个候选车头识别信息中确定与目标车侧识别信息匹配的车头识别信息。
在一个实施例中,根据目标车侧识别信息和目标车头识别信息中的至少一种,从多角度的识别信息中,确定相匹配的目标车尾识别信息包括:对目标车头识别信息中的车头车牌信息和多角度的识别信息中的车尾车牌信息进行一致性验证,以基于与车头车牌信息一致的车尾车牌信息,确定与目标车侧识别信息匹配的车尾识别信息;若多角度的识别信息中不存在与车头车牌信息一致的车尾车牌信息,则基于车侧车尾位移距离、目标车侧行驶速度和目标车侧识别时间,确定目标车侧识别信息对应的车尾识别时间;基于确定的车尾识别时间,从多角度的识别信息中,确定与目标车侧识别信息匹配的车尾识别信息。
具体地,对目标车头识别信息中的车头车牌信息和多角度的识别信息中的车尾车牌信息进行一致性验证,并将与车头车牌信息一致的车尾车牌信息所对应的车尾识别信息,确定为与目标车侧识别信息匹配的车尾识别信息。若多角度的识别信息中不存在车尾车牌信息或多角度的识别信息中的车尾车牌信息均与车头车牌信息不一致,则基于车侧车尾位移距离、目标车侧行驶速度和目标车侧识别时间,确定目标车侧识别信息对应的车尾识别时间;并基于确定的车尾识别时间,从多角度的识别信息中,确定与目标车侧识别信息匹配的车尾识别信息。
在一个实施例中,服务器可以不对车头车牌信息和车尾车牌信息进行一致性比对,直接基于车侧车尾位移距离、目标车侧行驶速度和目标车侧识别时间,确定目标车侧识别信息对应的车尾识别时间;并基于确定的车尾识别时间,从多角度的识别信息中,确定与目标车侧识别信息匹配的车尾识别信息。
在一个实施例中,服务器可以根据识别到的车头车牌字符和车尾车牌字符进行一致性验证。可以理解,高速公路中一型车至三型车的车头车尾车牌一致,通过比对车头车牌信息和车尾车牌信息能够确保车头与车尾属于同一辆车。
本实施例中,能够对车头车牌信息和车尾车牌信息进行一致性验证,确定与目标车侧识别信息匹配的车尾识别信息;无法进行一致性验证时,基于车侧车尾位移距离、目标车侧行驶速度和目标车侧识别时间,确定目标车侧识别信息对应的车尾识别时间;基于确定的车尾识别时间,从多角度的识别信息中,确定与目标车侧识别信息匹配的车尾识别信息,从而便利地确定车辆信息。
在一个实施例中,车尾识别区为多个,每个车尾识别区设置于相应的车道中;若多角度的识别信息中不存在与车头车牌信息一致的车尾车牌信息,则基于车侧车尾位移距离、目标车侧行驶速度和目标车侧识别时间,确定目标车侧识别信息对应的车尾识别时间;基于确定的车尾识别时间,从多角度的识别信息中,确定与目标车侧识别信息匹配的车尾识别信息包括:若多角度的识别信息中不存在与车头车牌信息一致的车尾车牌信息,则基于车侧车尾位移距离和目标车侧行驶速度确定第二位移时间;基于第二位移时间和目标车侧识别时间,确定目标车侧识别信息对应的车尾识别时间区间;车尾识别时间区间,是预估目标车辆在多个车尾识别区的车尾识别时间所位于的时间范围;从多角度的识别信息中,确定车尾识别时间位于车尾识别时间区间内、且与目标车侧识别信息匹配的车尾识别信息。
具体地,若多角度的识别信息中不存在与车头车牌信息一致的车尾车牌信息,则服务器可以计算目标车辆以目标车侧行驶速度行驶了车侧车尾位移距离所使用的第二位移时间。可以理解,车侧车尾位移距离可以是同车道的车尾识别区与目标车侧识别区之间的车侧车尾位置距离。车侧车尾位移距离也可以是相邻车道的车尾识别区域目标车侧识别区之间的车侧车尾位置距离。服务器可以利用误差系数和第二位移时间确定最大第二位移时间和最小第二位移时间。并将最大第二位移时间和最小第二位移时间分别与目标车侧识别时间之间的时间和作为车尾识别时间区间的边界。可以理解,车尾识别时间大于车侧识别时间,车尾识别时间减去车侧识别时间介于最大第二位移时间和最小第二位移时间。服务器可以从多角度的识别信息中,确定车尾识别时间位于车尾识别时间区间内、且与目标车侧识别信息匹配的车尾识别信息。
在一个实施例中,车侧车尾位移距离是同车道的车尾识别区与目标车侧识别区之间的车侧车尾位置距离,服务器可以得到一个第二位移时间,并通过计算误差系数和第二位移时间之间的乘积,得到最大第二位移时间和最小第二位移时间。
在一个实施例中,车侧车尾位移距离包括同车道和相邻车道的多个车尾识别区分别与目标车侧识别区之间的车侧车尾位置距离。服务器可以得到多个第二位移时间,并通过计算误差系数和多个第二位移时间之间的乘积,得到最大第二位移时间和最小第二位移时间。
在一个实施例中,若多角度的识别信息中不存在与车头车牌信息一致的车尾车牌信息,则基于第二距离信息、以及目标车侧行驶速度和目标车侧识别时间,确定目标车侧识别信息对应的车尾识别时间区间;从多角度的识别信息中,确定车尾识别时间属于车尾识别时间区间的、且对应的车尾识别区与目标车侧识别区同车道的多个候选车尾识别信息;基于多个候选车尾识别信息中的车尾识别时间与目标车侧识别时间之间的差值,从多个候选车尾识别信息中确定与目标车侧识别信息匹配的车尾识别信息。
在一个实施例中,服务器可以优先选取差值更大的候选车尾识别信息与目标车侧识别信息进行匹配。可以理解,差值越大越可靠,能够找到与目标车侧识别信息更加匹配的车尾识别信息。同一车辆的车侧识别时间小于车尾识别时间,车侧检测时间更晚的车辆,车尾识别时间也更晚,因此,差值越大,车尾识别信息与目标车侧识别信息相匹配的可能性越大。
在一个实施例中,服务器可以按照公式T2≈((S2*a0)/(v2*a1)+T1),对候选车头识别信息和车侧识别信息进行匹配。其中,T2是车尾识别时间,S2是车尾识别区与目标车侧识别区之间的车侧车尾位置距离,a0是距离矫正系数,v2车尾行驶速度,a1车尾速度矫正系数。
在一个实施例中,若车道是弯道,则服务器可以对车头行驶速度、车侧行驶速度和车尾行驶速度进行比对,确定分别与车头行驶速度、车侧行驶速度和车尾行驶速度对应的动态调整矫正系数。可以理解,弯道常伴有变速行驶。比如车辆的车头行驶速度是20、车侧行驶速度是50、以及车尾行驶速度是50,则车头行驶速度、车侧行驶速度和车尾行驶速度对应的动态调整矫正系数分别是2 、1 和0.9。
本实施例中,无法对车头车牌信息和车尾车牌信息进行一致性比对时,能够基于车侧车尾位移距离和目标车侧行驶速度确定第二位移时间;基于第二位移时间和目标车侧识别时间,确定目标车侧识别信息对应的车尾识别时间区间;从多角度的识别信息中,确定车尾识别时间位于车尾识别时间区间内、且与目标车侧识别信息匹配的车尾识别信息,从而更加便利地确定车辆信息。
在一个实施例中,方法还包括:在多角度的识别信息中确定出匹配的目标车头识别信息、但不存在匹配的目标车尾识别信息的情况下,强制触发车尾识别区采集车辆数据,以得到对车辆数据识别到的、且与目标车侧识别信息匹配的目标车尾识别信息。
具体地,在多角度的识别信息中确定出匹配的目标车头识别信息、但不存在匹配的目标车尾识别信息的情况下,强制触发与目标车侧识别区同车道的车尾识别区采集车辆数据,以得到对车辆数据识别到的、且与目标车侧识别信息匹配的目标车尾识别信息。
在一个实施例中,服务器可以基于目标车头识别信息中的目标车头识别时间和目标车侧识别信息中的目标车侧识别时间,确定车尾等待时间。可以理解,若在车尾等待时间内,服务器没有获取到车尾识别信息,则服务器可以触发强制采集得到车尾识别信息。
在一个实施例中,目标车侧识别时间可以是目标车侧识别开始时间。服务器可以计算目标车侧识别结束时间。可以理解,服务器可以计算目标车辆以目标车侧行驶速度行驶了目标车侧识别信息中的车长的第三位移时间,即,目标车辆经过目标车侧的时间。服务器可以将第三位移时间和目标车侧识别开始时间之间的时间和作为目标车侧识别结束时间。服务器可以计算目标车侧识别结束时间与目标车头识别时间之间的差值,得到车尾等待时间。
在一个实施例中,目标车侧识别时间是目标车侧识别结束时间。服务器可以直接计算目标车侧识别结束时间与目标车头识别时间之间的差值,得到车尾等待时间。
在一个实施例中,目标车侧识别信息中包括目标车侧识别区的标识信息。服务器可以确定与目标车侧识别区的标识信息一致的车尾识别区的标识信息,并强制触发标识信息一致的车尾识别区采集车辆数据。服务器可以通过比较目标车侧识别信息中的标识信息、目标车头识别信息中的标识信息和车尾识别信息中的标识信息,确定标识信息一致的目标车尾识别信息。
在一个实施例中,如图3所示,车头摄像机、车侧摄像机和车尾摄像机各自位于的区域分别为车头识别区、车侧识别区和车尾识别区。车头摄像机、车侧摄像机和车尾摄像机设置于一个监控杆件,得到用于确定完整车辆信息的车头车侧车尾一体机。可以理解,车头车侧车尾一体机具有标识信息,该标识信息与车头识别区、车侧识别区和车尾识别区的标识信息一致。可以理解,车头车侧车尾一体机上设置的补光灯可以用于在车头、车侧和车尾的拍摄过程中补光,使得拍摄到的车辆信息更加清晰,识别出的车头识别信息、车侧识别信息和车尾识别信息更加准确。车头摄像机可以在车牌触发线附近抓拍车头图像。车牌触发线可以不是固定的一条线,服务器可以利用距离矫正系数对偏离车牌触发线的距离进行矫正。车头车侧车尾一体机可以基于多个车侧摄像机采集到的多帧图像得到拼接后的车侧图像。
本实施例中,能够在多角度的识别信息中确定出匹配的目标车头识别信息、但不存在匹配的目标车尾识别信息的情况下,强制触发车尾识别区采集车辆数据,以得到对车辆数据识别到的、且与目标车侧识别信息匹配的目标车尾识别信息,从而保证了所确定的车辆信息的完整性。
在一个实施例中,如图4所示,提供了另一种车辆信息确定方法。车头识别设备、车侧识别设备和车尾识别设备分别可以识别出车辆的车头识别信息、车侧识别信息和车尾识别信息。可以理解,车头识别设备中包括车头摄像机,车头摄像机可以是用于识别车头识别信息的智能摄像机。车侧识别设备中包括车侧摄像机,车侧摄像机可以是用于识别车头识别信息的智能摄像机。车尾识别设备中包括车尾摄像机,车尾摄像机可以是用于识别车尾识别信息的智能摄像机。车头识别区、车侧识别区和车尾识别区可以分别是车头识别设备、车侧识别设备和车尾识别设备的识别区域。服务器中可以包括匹配单元、车头车侧融合单元和车头车侧车尾融合单元。车头识别设备、车侧识别设备和车尾识别设备分别可以将识别到的多角度的识别信息发送至服务器中的匹配单元。服务器可以在匹配单元获取到车侧识别信息后,通过车头车侧融合单元按照公式T1≈(T0+(S0*a0+S1*a1)÷(v0*a2))匹配车头识别信息。其中,车头识别信息可以包括车头识别位置。S0可以是车头识别位置与车侧摄像机之间的车头车侧位置距离。在车侧识别信息和车头识别信息匹配完成之后,服务器可以通过车头车侧车尾融合单元按照公式T2≈((S2*a0)/(v2*a1)+T1)匹配车尾识别信息。其中,S2可以是车侧摄像机与车尾识别区中心之间的车侧车尾位置距离。服务器融合匹配的车头识别信息、车侧识别信息和车尾识别信息,得到同辆车的车牌、收费车型(轴数)、车头图像、车侧图像和车尾图像的融合信息。可以理解,车头车侧车尾一体机可以设置于高速公路匝道,服务器基于车头车侧车尾一体机采集的车辆数据确定车辆信息可以达到多相机数据融合的目的,融合的车头图像、车尾图像和车侧图像能够为高速公路收费稽核提供完整有效的证据链。
在一个实施例中,车头识别信息中不包括车头车牌信息,服务器在融合多角度的识别信息时,可以将车尾识别信息中的车尾车牌信息作为目标车辆的车牌信息。可以理解,通常将车头车牌信息作为车辆的车牌信息,但是当车辆跟车很近时候,会出现无法识别车头车牌信息的情况,服务器可以将车辆的车头图像、车侧图像和车尾图像融合,并使用车尾车牌信息作为车辆的车牌信息。
应该理解的是,虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的车辆信息确定方法的车辆信息确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个车辆信息确定装置实施例中的具体限定可以参见上文中对于车辆信息确定方法的限定,在此不再赘述。
在一个实施例中,如图5所示,提供了一种车辆信息确定装置500,包括:获取模块502、确定模块504和融合模块506,其中:
获取模块502,用于获取对多个预设识别区采集的车辆数据识别得到的多角度的识别信息;多个预设识别区包括车侧识别区、车头识别区以及车尾识别区;多角度的识别信息中包括车侧识别信息、车头识别信息和车尾识别信息。
确定模块504,用于从多角度的识别信息中确定目标车侧识别信息;目标车侧识别信息包括目标车侧行驶速度和目标车侧识别时间;基于目标车侧行驶速度确定第一位移时间,并基于第一位移时间和目标车侧识别时间,确定目标车头识别时间;第一位移时间是目标车辆从车头识别区移动到目标车侧识别信息对应的目标车侧识别区所经历的时间。
融合模块506,用于从多角度的识别信息中,确定与目标车头识别时间相匹配的目标车头识别信息;根据目标车侧识别信息和目标车头识别信息中的至少一种,从多角度的识别信息中,确定相匹配的目标车尾识别信息;融合目标车侧识别信息、目标车头识别信息和目标车尾识别信息,得到目标车辆的车辆信息。
在一个实施例中,确定模块504,还用于获取目标车侧识别信息所对应的车头车侧位移距离;车头车侧位移距离是目标车辆从车头识别区移动到目标车侧识别信息对应的目标车侧识别区所经过的距离;基于车头车侧位移距离和目标车侧行驶速度,确定第一位移时间。
在一个实施例中,车头识别区为多个,每个车头识别区设置于相应的车道中;第一位移时间是目标车辆从同车道的车头识别区移动到目标车侧识别区所经历的时间;确定模块504,还用于基于第一位移时间和目标车侧识别时间,预测目标车侧识别信息对应的车头识别时间区间;车头识别时间区间,是预估目标车辆在多个车道的车头识别区的车头识别时间所位于的时间范围;从多角度的识别信息中,确定车头识别时间位于车头识别时间区间内、且与目标车侧识别信息匹配的车头识别信息。
在一个实施例中,确定模块504,还用于从多角度的识别信息中,确定车头识别时间属于车头识别时间区间的、且对应的车头识别区与目标车侧识别区同车道的候选车头识别信息;若候选车头识别信息为多个,则根据多个候选车头识别信息中的车头识别时间与目标车侧识别时间之间的差值,从多个候选车头识别信息中确定与目标车侧识别信息匹配的车头识别信息。
在一个实施例中,融合模块506,还用于对目标车头识别信息中的车头车牌信息和多角度的识别信息中的车尾车牌信息进行一致性验证,以基于与车头车牌信息一致的车尾车牌信息,确定与目标车侧识别信息匹配的车尾识别信息;若多角度的识别信息中不存在与车头车牌信息一致的车尾车牌信息,则基于车侧车尾位移距离、目标车侧行驶速度和目标车侧识别时间,确定目标车侧识别信息对应的车尾识别时间;基于确定的车尾识别时间,从多角度的识别信息中,确定与目标车侧识别信息匹配的车尾识别信息。
在一个实施例中,车尾识别区为多个,每个车尾识别区设置于相应的车道中;融合模块506,还用于若多角度的识别信息中不存在与车头车牌信息一致的车尾车牌信息,则基于车侧车尾位移距离和目标车侧行驶速度确定第二位移时间;基于第二位移时间和目标车侧识别时间,确定目标车侧识别信息对应的车尾识别时间区间;车尾识别时间区间,是预估目标车辆在多个车尾识别区的车尾识别时间所位于的时间范围;从多角度的识别信息中,确定车尾识别时间位于车尾识别时间区间内、且与目标车侧识别信息匹配的车尾识别信息。
在一个实施例中,融合模块506,还用于在多角度的识别信息中确定出匹配的目标车头识别信息、但不存在匹配的目标车尾识别信息的情况下,强制触发车尾识别区采集车辆数据,以得到对车辆数据识别到的、且与目标车侧识别信息匹配的目标车尾识别信息。
上述车辆信息确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储车辆相关数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种车辆信息确定方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图7所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种车辆信息确定方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置,显示屏可以是液晶显示屏或电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6和图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上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本申请专利范围的限制。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,本申请的保护范围应以所附权利要求为准。
Claims (16)
1.一种车辆信息确定方法,其特征在于,所述方法包括:
获取对多个预设识别区采集的车辆数据识别得到的多角度的识别信息;所述多个预设识别区包括车侧识别区、车头识别区以及车尾识别区;所述多角度的识别信息中包括车侧识别信息、车头识别信息和车尾识别信息;
从所述多角度的识别信息中确定目标车侧识别信息;所述目标车侧识别信息包括目标车侧行驶速度和目标车侧识别时间;
基于所述目标车侧行驶速度确定第一位移时间,并基于所述第一位移时间和所述目标车侧识别时间,确定目标车头识别时间;所述第一位移时间是目标车辆从车头识别区移动到所述目标车侧识别信息对应的目标车侧识别区所经历的时间;
基于确定的目标车头识别时间,从所述多角度的识别信息中,确定与所述目标车侧识别信息相匹配的目标车头识别信息;
基于车侧车尾位移距离、所述目标车侧行驶速度和所述目标车侧识别时间,确定所述目标车侧识别信息对应的车尾识别时间;
基于确定的车尾识别时间,从所述多角度的识别信息中,确定与所述目标车侧识别信息匹配的目标车尾识别信息;
融合所述目标车侧识别信息、所述目标车头识别信息和所述目标车尾识别信息,得到目标车辆的车辆信息。
2.根据权利要求1所述的方法,其特征在于,所述基于所述目标车侧行驶速度确定第一位移时间包括:
获取所述目标车侧识别信息所对应的车头车侧位移距离;所述车头车侧位移距离是目标车辆从车头识别区移动到所述目标车侧识别信息对应的目标车侧识别区所经过的距离;
基于车头车侧位移距离和所述目标车侧行驶速度,确定第一位移时间。
3.根据权利要求2所述的方法,其特征在于,所述车头识别区为多个,每个车头识别区设置于相应的车道中;所述第一位移时间是目标车辆从同车道的车头识别区移动到所述目标车侧识别区所经历的时间;
所述基于所述第一位移时间和所述目标车侧识别时间,确定目标车头识别时间包括:
基于所述第一位移时间和所述目标车侧识别时间,预测所述目标车侧识别信息对应的车头识别时间区间;所述车头识别时间区间,是预估所述目标车辆在多个车道的车头识别区的车头识别时间所位于的时间范围;
从所述多角度的识别信息中,确定车头识别时间位于车头识别时间区间内、且与所述目标车侧识别信息匹配的车头识别信息。
4.根据权利要求3所述的方法,其特征在于,所述从所述多角度的识别信息中,确定车头识别时间位于车头识别时间区间内、且与所述目标车侧识别信息匹配的车头识别信息包括:
从所述多角度的识别信息中,确定车头识别时间属于车头识别时间区间的、且对应的车头识别区与所述目标车侧识别区同车道的候选车头识别信息;
若所述候选车头识别信息为多个,则根据多个候选车头识别信息中的车头识别时间与所述目标车侧识别时间之间的差值,从所述多个所述候选车头识别信息中确定与所述目标车侧识别信息匹配的车头识别信息。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对目标车头识别信息中的车头车牌信息和所述多角度的识别信息中的车尾车牌信息进行一致性验证,以基于与所述车头车牌信息一致的车尾车牌信息,确定与所述目标车侧识别信息匹配的目标车尾识别信息;
若所述多角度的识别信息中不存在与所述车头车牌信息一致的车尾车牌信息,则基于车侧车尾位移距离、所述目标车侧行驶速度和所述目标车侧识别时间,确定所述目标车侧识别信息对应的车尾识别时间;基于确定的车尾识别时间,从所述多角度的识别信息中,确定与所述目标车侧识别信息匹配的目标车尾识别信息。
6.根据权利要求5所述的方法,其特征在于,所述车尾识别区为多个,每个车尾识别区设置于相应的车道中;
所述若所述多角度的识别信息中不存在与所述车头车牌信息一致的车尾车牌信息,则基于车侧车尾位移距离、所述目标车侧行驶速度和所述目标车侧识别时间,确定所述目标车侧识别信息对应的车尾识别时间;基于确定的车尾识别时间,从所述多角度的识别信息中,确定与所述目标车侧识别信息匹配的车尾识别信息包括:
若所述多角度的识别信息中不存在与所述车头车牌信息一致的车尾车牌信息,则基于所述车侧车尾位移距离和所述目标车侧行驶速度确定第二位移时间;
基于所述第二位移时间和所述目标车侧识别时间,确定所述目标车侧识别信息对应的车尾识别时间区间;所述车尾识别时间区间,是预估所述目标车辆在所述多个车尾识别区的车尾识别时间所位于的时间范围;
从所述多角度的识别信息中,确定车尾识别时间位于车尾识别时间区间内、且与所述目标车侧识别信息匹配的车尾识别信息。
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述方法还包括:
在所述多角度的识别信息中确定出匹配的目标车头识别信息、但不存在匹配的目标车尾识别信息的情况下,强制触发车尾识别区采集车辆数据,以得到对车辆数据识别到的、且与所述目标车侧识别信息匹配的目标车尾识别信息。
8.一种车辆信息确定装置,其特征在于,所述装置包括:
获取模块,用于获取对多个预设识别区采集的车辆数据识别得到的多角度的识别信息;所述多个预设识别区包括车侧识别区、车头识别区以及车尾识别区;所述多角度的识别信息中包括车侧识别信息、车头识别信息和车尾识别信息;
确定模块,用于从所述多角度的识别信息中确定目标车侧识别信息;所述目标车侧识别信息包括目标车侧行驶速度和目标车侧识别时间;基于所述目标车侧行驶速度确定第一位移时间,并基于所述第一位移时间和所述目标车侧识别时间,确定目标车头识别时间;所述第一位移时间是目标车辆从车头识别区移动到所述目标车侧识别信息对应的目标车侧识别区所经历的时间;
融合模块,用于基于确定的目标车头识别时间,从所述多角度的识别信息中,确定与所述目标车侧识别信息相匹配的目标车头识别信息;基于车侧车尾位移距离、所述目标车侧行驶速度和所述目标车侧识别时间,确定所述目标车侧识别信息对应的车尾识别时间;基于确定的车尾识别时间,从所述多角度的识别信息中,确定与所述目标车侧识别信息匹配的目标车尾识别信息;融合所述目标车侧识别信息、所述目标车头识别信息和所述目标车尾识别信息,得到目标车辆的车辆信息。
9.根据权利要求8所述的装置,其特征在于,所述确定模块,还用于获取目标车侧识别信息所对应的车头车侧位移距离;车头车侧位移距离是目标车辆从车头识别区移动到目标车侧识别信息对应的目标车侧识别区所经过的距离;基于车头车侧位移距离和目标车侧行驶速度,确定第一位移时间。
10.根据权利要求9所述的装置,其特征在于,车头识别区为多个,每个车头识别区设置于相应的车道中;第一位移时间是目标车辆从同车道的车头识别区移动到目标车侧识别区所经历的时间;确定模块,还用于基于第一位移时间和目标车侧识别时间,预测目标车侧识别信息对应的车头识别时间区间;车头识别时间区间,是预估目标车辆在多个车道的车头识别区的车头识别时间所位于的时间范围;从多角度的识别信息中,确定车头识别时间位于车头识别时间区间内、且与目标车侧识别信息匹配的车头识别信息。
11.根据权利要求10所述的装置,其特征在于,所述确定模块,还用于从多角度的识别信息中,确定车头识别时间属于车头识别时间区间的、且对应的车头识别区与目标车侧识别区同车道的候选车头识别信息;若候选车头识别信息为多个,则根据多个候选车头识别信息中的车头识别时间与目标车侧识别时间之间的差值,从多个候选车头识别信息中确定与目标车侧识别信息匹配的车头识别信息。
12.根据权利要求8所述的装置,其特征在于,所述融合模块,还用于对目标车头识别信息中的车头车牌信息和所述多角度的识别信息中的车尾车牌信息进行一致性验证,以基于与所述车头车牌信息一致的车尾车牌信息,确定与所述目标车侧识别信息匹配的目标车尾识别信息;若多角度的识别信息中不存在与车头车牌信息一致的车尾车牌信息,则基于车侧车尾位移距离、目标车侧行驶速度和目标车侧识别时间,确定目标车侧识别信息对应的车尾识别时间;基于确定的车尾识别时间,从多角度的识别信息中,确定与目标车侧识别信息匹配的目标车尾识别信息。
13.根据权利要求12所述的装置,其特征在于,所述车尾识别区为多个,每个车尾识别区设置于相应的车道中;融合模块,还用于若多角度的识别信息中不存在与车头车牌信息一致的车尾车牌信息,则基于车侧车尾位移距离和目标车侧行驶速度确定第二位移时间;基于第二位移时间和目标车侧识别时间,确定目标车侧识别信息对应的车尾识别时间区间;车尾识别时间区间,是预估目标车辆在多个车尾识别区的车尾识别时间所位于的时间范围;从多角度的识别信息中,确定车尾识别时间位于车尾识别时间区间内、且与目标车侧识别信息匹配的车尾识别信息。
14.根据权利要求8至13任意一项所述的装置,其特征在于,所述融合模块,还用于在多角度的识别信息中确定出匹配的目标车头识别信息、但不存在匹配的目标车尾识别信息的情况下,强制触发车尾识别区采集车辆数据,以得到对车辆数据识别到的、且与目标车侧识别信息匹配的目标车尾识别信息。
15.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
16.一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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210437286.4A CN114550464B (zh) | 2022-04-25 | 2022-04-25 | 车辆信息确定方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210437286.4A CN114550464B (zh) | 2022-04-25 | 2022-04-25 | 车辆信息确定方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114550464A CN114550464A (zh) | 2022-05-27 |
CN114550464B true CN114550464B (zh) | 2022-07-26 |
Family
ID=81667288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210437286.4A Active CN114550464B (zh) | 2022-04-25 | 2022-04-25 | 车辆信息确定方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114550464B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013164803A (ja) * | 2012-02-13 | 2013-08-22 | Sumitomo Electric Ind Ltd | 違反車両検出装置、違反車両検出方法および違反車両検出プログラム |
CN110119726A (zh) * | 2019-05-20 | 2019-08-13 | 四川九洲视讯科技有限责任公司 | 一种基于YOLOv3模型的车辆品牌多角度识别方法 |
CN111091023A (zh) * | 2018-10-23 | 2020-05-01 | 中国移动通信有限公司研究院 | 一种车辆检测方法、装置及电子设备 |
CN111738228A (zh) * | 2020-08-04 | 2020-10-02 | 杭州智诚惠通科技有限公司 | 一种面向治超证据链校验的多视角车辆特征匹配方法 |
CN112115820A (zh) * | 2020-09-03 | 2020-12-22 | 上海欧菲智能车联科技有限公司 | 车载辅助驾驶方法及装置、计算机装置及可读存储介质 |
CN112966736A (zh) * | 2021-03-03 | 2021-06-15 | 北京航空航天大学 | 一种基于多视角匹配与局部特征融合的车辆再识别方法 |
CN113095311A (zh) * | 2021-03-05 | 2021-07-09 | 华为技术有限公司 | 车牌号码识别方法、装置及存储介质 |
CN113436279A (zh) * | 2021-07-23 | 2021-09-24 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法、装置及设备 |
CN113449541A (zh) * | 2020-03-24 | 2021-09-28 | 阿里巴巴集团控股有限公司 | 一种数据处理方法、设备及系统 |
-
2022
- 2022-04-25 CN CN202210437286.4A patent/CN114550464B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013164803A (ja) * | 2012-02-13 | 2013-08-22 | Sumitomo Electric Ind Ltd | 違反車両検出装置、違反車両検出方法および違反車両検出プログラム |
CN111091023A (zh) * | 2018-10-23 | 2020-05-01 | 中国移动通信有限公司研究院 | 一种车辆检测方法、装置及电子设备 |
CN110119726A (zh) * | 2019-05-20 | 2019-08-13 | 四川九洲视讯科技有限责任公司 | 一种基于YOLOv3模型的车辆品牌多角度识别方法 |
CN113449541A (zh) * | 2020-03-24 | 2021-09-28 | 阿里巴巴集团控股有限公司 | 一种数据处理方法、设备及系统 |
CN111738228A (zh) * | 2020-08-04 | 2020-10-02 | 杭州智诚惠通科技有限公司 | 一种面向治超证据链校验的多视角车辆特征匹配方法 |
CN112115820A (zh) * | 2020-09-03 | 2020-12-22 | 上海欧菲智能车联科技有限公司 | 车载辅助驾驶方法及装置、计算机装置及可读存储介质 |
CN112966736A (zh) * | 2021-03-03 | 2021-06-15 | 北京航空航天大学 | 一种基于多视角匹配与局部特征融合的车辆再识别方法 |
CN113095311A (zh) * | 2021-03-05 | 2021-07-09 | 华为技术有限公司 | 车牌号码识别方法、装置及存储介质 |
CN113436279A (zh) * | 2021-07-23 | 2021-09-24 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN114550464A (zh) | 2022-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9483944B2 (en) | Prediction of free parking spaces in a parking area | |
US10984275B1 (en) | Determining location coordinates of a vehicle based on license plate metadata and video analytics | |
CN114446056B (zh) | 车辆信息码的生成以及车辆通行控制方法、装置及设备 | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
CN110490108A (zh) | 一种违章状态的标记方法、装置、存储介质及电子装置 | |
CN108932849B (zh) | 一种记录多台机动车低速行驶违法行为的方法及装置 | |
CN107111940B (zh) | 交通违章管理系统和交通违章管理方法 | |
JP6252693B2 (ja) | 表示装置およびこれを備えた交通違反管理システム | |
CN113055823B (zh) | 一种基于路侧停车管理共享单车的方法及装置 | |
CN108932850B (zh) | 一种记录机动车低速行驶违法行为的方法及装置 | |
CN107004352B (zh) | 交通违章管理系统和交通违章管理方法 | |
TWI501196B (zh) | 車輛資料處理系統、車輛資料處理方法、車輛資料處理裝置、程式及記錄媒體 | |
CN114724122B (zh) | 一种目标追踪方法、装置、电子设备及存储介质 | |
CN114550464B (zh) | 车辆信息确定方法、装置、计算机设备和存储介质 | |
TWI494867B (zh) | 車號資料處理系統、車號資料處理方法、車號資料處理裝置、程式及紀錄媒體 | |
CN115331181A (zh) | 车辆图像融合方法、装置、计算机设备和存储介质 | |
US11010643B1 (en) | System and method to increase confidence of roadway object recognition through gamified distributed human feedback | |
CN114693722B (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
US11417098B1 (en) | Determining location coordinates of a vehicle based on license plate metadata and video analytics | |
CN114897686A (zh) | 车辆图像的拼接方法、装置、计算机设备和存储介质 | |
CN115273025A (zh) | 交通资产的盘点方法、装置、介质及电子设备 | |
CN114202919A (zh) | 一种非机动车电子车牌遮挡的识别方法、装置及系统 | |
CN113781792A (zh) | 停放检测系统、方法及相关设备 | |
KR101956008B1 (ko) | 궤적서비스제공장치 및 그 장치의 데이터구축방법 | |
CN114897682A (zh) | 车辆图片融合方法、装置、电子设备和存储介质 |
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 |