CN116721552B - 一种非机动车超速识别记录方法、装置、设备及存储介质 - Google Patents
一种非机动车超速识别记录方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116721552B CN116721552B CN202310691381.1A CN202310691381A CN116721552B CN 116721552 B CN116721552 B CN 116721552B CN 202310691381 A CN202310691381 A CN 202310691381A CN 116721552 B CN116721552 B CN 116721552B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- road
- passing
- sequence
- vehicles
- 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
- 238000000034 method Methods 0.000 title claims abstract description 98
- 238000005259 measurement Methods 0.000 claims abstract description 89
- 230000008569 process Effects 0.000 claims description 55
- 238000004891 communication Methods 0.000 claims description 24
- 238000001514 detection method Methods 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 238000013461 design Methods 0.000 description 18
- 239000003086 colorant Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
- G01S13/92—Radar or analogous systems specially adapted for specific applications for traffic control for velocity measurement
-
- 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种非机动车超速识别记录方法、装置、设备及存储介质,涉及智能交通技术领域。所述方法是先获取在同一单位时期采集的且来自射/视频识别模块的车辆信息、来自视频识别模块的视频数据和来自雷达测速模块的测速数据,然后基于视频数据和测速数据得到按车速顺序排列的车辆序列和车速序列,再然后通过对两序列进行相同顺序位匹配,确定出在车辆序列中各个非机动车的雷达测速值,最后在判定非机动车超速时从车辆信息及视频数据中提取出可有效追溯车主的违法证据并进行记录保存,如此可以非常适用于非机动车超速监测,并实现准确识别超速非机动车及进行违法证据链留存的目的,便于实际应用和推广。
Description
技术领域
本发明属于智能交通技术领域,具体涉及一种非机动车超速识别记录方法、装置、设备及存储介质。
背景技术
我国的非机动车保有量很多,特别是电动自行车保有量已达到3.5亿多辆。虽然非机动车具有数量多、种类多和易使用等特点,但是其也存在因交通违法取证难及追溯难而带来的违法交通治理难题,特别是因非机动车超速导致的交通事故量逐年增加,给城市道路交通带来巨大压力,因此非机动车超速违法治理已是刻不容缓。
目前,市面上还没有成熟可靠的且对非机动车进行测速的交通监控类产品或方法。而常见的且用于机动车交通测速的雷达测速方案或视频抓拍区间测速方案,在用于非机动车超速监测时会出现以下难以解决的问题:(1)由于非机动车不同于机动车可以通过车道来区分超速车辆,以及非机动车因车体小而在同一车道前后交错或左右并排行驶的几率很高,使得雷达无法认定是哪一辆车超速;(2)再加上非机动车的小车牌特点,使得车牌容易被遮挡污损,导致图像识别到的车牌号码准确率不高,无法根据车牌号追溯到车主;(3)即便能够追溯到车主,也无法提供有效完整的非机动车超速违法证据链,无法进行违法处罚。
发明内容
本发明的目的是提供一种非机动车超速识别记录方法、装置、计算机设备及计算机可读存储介质,用以解决现有雷达测速方案或视频抓拍区间测速方案无法单独适用于非机动车超速监测,导致存在无法准确识别超速非机动车以及进行违法证据链留存的问题。
为了实现上述目的,本发明采用以下技术方案:
第一方面,提供了一种非机动车超速识别记录方法,包括:
获取在同一单位时期采集的车辆信息、第一视频数据和测速数据,其中,所述车辆信息由布置在道路卡口的射频识别模块和/或视频识别模块对经过所述道路卡口的车辆采集而得,所述车辆信息包含有M个第一道卡经过车辆的车牌号,所述第一视频数据由所述视频识别模块对经过所述道路卡口的车辆采集而得,所述第一视频数据包含有所述M个第一道卡经过车辆通过道卡测速区域的过程信息,所述测速数据由布置在所述道路卡口的雷达测速模块对经过所述道路卡口的车辆采集而得,所述测速数据包含有N个第二道卡经过车辆的雷达识别车速,所述第一道卡经过车辆是指经过所述道路卡口的非机动车辆,所述第二道卡经过车辆是指通过所述道卡测速区域的车辆,所述道卡测速区域布置在所述道路卡口,M和N分别表示正整数;
针对在所述M个第一道卡经过车辆中的各个第一道卡经过车辆,根据在所述第一视频数据中的且对应车辆通过所述道卡测速区域的过程信息,确定对应的视频识别车速;
在M与N相等时,按照所述视频识别车速的特定顺序对所述M个第一道卡经过车辆进行依次排列,得到第一车辆序列,以及按照所述雷达识别车速的所述特定顺序对所述N个第二道卡经过车辆的雷达识别车速进行依次排列,得到车速序列,其中,所述特定顺序是指从大至小顺序或从小至大顺序;
对所述第一车辆序列与所述车速序列进行相同顺序位匹配,得到在所述第一车辆序列中的各个非机动车辆的车速;
针对所述各个非机动车辆,若判定对应的车速超过预设车速阈值,则从所述第一视频数据中提取出对应车辆通过所述道卡测速区域的过程信息,以及从所述车辆信息中提取出对应车辆的车牌号,并将该过程信息、该车牌号和对应的车速作为对应的超速证据数据予以记录保存。
基于上述发明内容,提供了一种融合射/视频识别技术和雷达测速技术的非机动车超速识别记录方案,即先获取在同一单位时期采集的且来自射/视频识别模块的车辆信息、来自视频识别模块的视频数据和来自雷达测速模块的测速数据,然后基于视频数据和测速数据得到按车速顺序排列的车辆序列和车速序列,再然后通过对两序列进行相同顺序位匹配,确定出在车辆序列中各个非机动车的雷达测速值,最后在判定非机动车超速时从车辆信息及视频数据中提取出可有效追溯车主的违法证据并进行记录保存,如此可以非常适用于非机动车超速监测,并实现准确识别超速非机动车及进行违法证据链留存的目的,便于实际应用和推广。
在一个可能的设计中,在M小于N时,所述方法还包括:
将所述第一视频数据导入基于目标检测算法的且预先完成训练的机动车辆识别模型,输出得到机动车辆识别结果,其中,所述机动车辆识别结果包含有识别出的N-M个机动车辆;
根据所述机动车辆识别结果,从所述第一视频数据中提取出在所述N-M个机动车辆中的各个机动车辆的且通过所述道卡测速区域的过程信息;
针对在所述N-M个机动车辆中的各个机动车辆,根据在所述第一视频数据中的且对应车辆通过所述道卡测速区域的过程信息,确定对应的视频识别车速;
按照所述视频识别车速的特定顺序对所述M个第一道卡经过车辆和所述N-M个机动车辆进行依次排列,得到第二车辆序列,以及按照所述雷达识别车速的所述特定顺序对所述N个第二道卡经过车辆的雷达识别车速进行依次排列,得到车速序列,其中,所述特定顺序是指从大至小顺序或从小至大顺序;
对所述第二车辆序列与所述车速序列进行相同顺序位匹配,得到在所述第二车辆序列中的各个非机动车辆的车速。
在一个可能的设计中,所述机动车辆识别模型包括有结合Opencv技术的YOLO目标检测模型。
在一个可能的设计中,当所述车辆信息是由布置在道路卡口的射频识别模块和视频识别模块对经过所述道路卡口的车辆采集而得时,所述车辆信息按照如下步骤获取:
获取在所述同一单位时期采集的第一车辆信息和第二视频数据,其中,所述第一车辆信息由布置在道路卡口的射频识别模块通过与经过所述道路卡口的非机动车辆的电子车牌进行的数据交互而得,所述第一车辆信息包含有至少一个非机动车辆的车牌号、所经过车道号、车辆类型和车辆颜色,所述第二视频数据由布置在所述道路卡口的视频识别模块对经过所述道路卡口的车辆采集而得;
将所述第二视频数据导入基于目标检测算法的且预先完成训练的非机动车辆信息识别模型,输出得到第二车辆信息,其中,所述第二车辆信息包含有至少一个非机动车辆的车牌号、所经过车道号、车辆类型和车辆颜色;
遍历所述第一车辆信息中的各个非机动车辆及所述第二车辆信息中的各个非机动车辆,计算得到车辆信息匹配率:
式中,i和j分别为正整数,VMij表示所述第一车辆信息中的第i个非机动车辆与所述第二车辆信息中的第j个非机动车辆的车辆信息匹配率,ηLP表示与车牌号对应的预设权重系数,LPij表示所述第i个非机动车辆与所述第j个非机动车辆的车牌号匹配率,ηCL表示与所经过车道号对应的预设权重系数,CLij表示所述第i个非机动车辆与所述第j个非机动车辆的所经过车道号匹配率,ηVT表示与车辆类型对应的预设权重系数,VTij表示所述第i个非机动车辆与所述第j个非机动车辆的车辆类型匹配率,ηVC表示与车辆颜色对应的预设权重系数,VCij表示所述第i个非机动车辆与所述第j个非机动车辆的车辆颜色匹配率;
汇总所有的所述车辆信息匹配率,得到匹配率集合;
根据所述匹配率集合,确定至少一对匹配车辆;
从所述第一车辆信息中提取出与所述至少一对匹配车辆一一对应的至少一个非机动车辆的车牌号作为所述车辆信息。
在一个可能的设计中,根据所述匹配率集合,确定至少一对匹配车辆,包括有如下步骤S151~S154:
S151.在当前的匹配率集合中查找出车辆信息匹配率最大值,然后执行步骤S152;
S152.判断所述车辆信息匹配率最大值是否大于预设的匹配率阈值,若是,则执行步骤S153,否则结束;
S153.将与所述车辆信息匹配率最大值对应的一对非机动车辆作为一对匹配车辆,然后执行步骤S154;
S154.在当前的匹配率集合中剔除与所述匹配车辆对应的所有车辆信息匹配率,得到新的匹配率集合,然后判断在所述新的匹配率集合中是否还有车辆信息匹配率,若是,则返回执行步骤S151,否则结束。
在一个可能的设计中,所述射频识别模块和所述视频识别模块构成射频视频一体机,其中,所述射频视频一体机布置在所述道路卡口的且在水平方向距离所述道卡测速区域的结束线20~30米的电警杆上。
在一个可能的设计中,所述雷达测速模块采用毫米波雷达,其中,所述毫米波雷达布置在所述道卡测速区域的结束线的左端路侧和/或右端路侧。
第二方面,提供了一种非机动车超速识别记录装置,包括有数据信息获取单元、车速确定单元、排序单元、匹配单元和超速取证单元;
所述数据信息获取单元,用于获取在同一单位时期采集的车辆信息、第一视频数据和测速数据,其中,所述车辆信息由布置在道路卡口的射频识别模块和/或视频识别模块对经过所述道路卡口的车辆采集而得,所述车辆信息包含有M个第一道卡经过车辆的车牌号,所述第一视频数据由所述视频识别模块对经过所述道路卡口的车辆采集而得,所述第一视频数据包含有所述M个第一道卡经过车辆通过道卡测速区域的过程信息,所述测速数据由布置在所述道路卡口的雷达测速模块对经过所述道路卡口的车辆采集而得,所述测速数据包含有N个第二道卡经过车辆的雷达识别车速,所述第一道卡经过车辆是指经过所述道路卡口的非机动车辆,所述第二道卡经过车辆是指通过所述道卡测速区域的车辆,所述道卡测速区域布置在所述道路卡口,M和N分别表示正整数;
所述车速确定单元,通信连接所述数据信息获取单元,用于针对在所述M个第一道卡经过车辆中的各个第一道卡经过车辆,根据在所述第一视频数据中的且对应车辆通过所述道卡测速区域的过程信息,确定对应的视频识别车速;
所述排序单元,分别通信连接所述车速确定单元和所述数据信息获取单元,用于在M与N相等时,按照所述视频识别车速的特定顺序对所述M个第一道卡经过车辆进行依次排列,得到第一车辆序列,以及按照所述雷达识别车速的所述特定顺序对所述N个第二道卡经过车辆的雷达识别车速进行依次排列,得到车速序列,其中,所述特定顺序是指从大至小顺序或从小至大顺序;
所述匹配单元,通信连接所述排序单元,用于对所述第一车辆序列与所述车速序列进行相同顺序位匹配,得到在所述第一车辆序列中的各个非机动车辆的车速;
所述超速取证单元,分别通信连接所述匹配单元和所述数据信息获取单元,用于针对所述各个非机动车辆,若判定对应的车速超过预设车速阈值,则从所述第一视频数据中提取出对应车辆通过所述道卡测速区域的过程信息,以及从所述车辆信息中提取出对应车辆的车牌号,并将该过程信息、该车牌号和对应的车速作为对应的超速证据数据予以记录保存。
在一个可能设计中,还包括有机动车识别单元和过程信息提取单元;
所述机动车识别单元,通信连接所述数据信息获取单元,用于在M小于N时,将所述第一视频数据导入基于目标检测算法的且预先完成训练的机动车辆识别模型,输出得到机动车辆识别结果,其中,所述机动车辆识别结果包含有识别出的N-M个机动车辆;
所述过程信息提取单元,通信连接所述机动车识别单元,用于根据所述机动车辆识别结果,从所述第一视频数据中提取出在所述N-M个机动车辆中的各个机动车辆的且通过所述道卡测速区域的过程信息;
所述车速确定单元,还通信连接所述过程信息提取单元,用于针对在所述N-M个机动车辆中的各个机动车辆,根据在所述第一视频数据中的且对应车辆通过所述道卡测速区域的过程信息,确定对应的视频识别车速;
所述排序单元,还用于按照所述视频识别车速的特定顺序对所述M个第一道卡经过车辆和所述N-M个机动车辆进行依次排列,得到第二车辆序列,以及按照所述雷达识别车速的所述特定顺序对所述N个第二道卡经过车辆的雷达识别车速进行依次排列,得到车速序列,其中,所述特定顺序是指从大至小顺序或从小至大顺序;
所述匹配单元,还用于对所述第二车辆序列与所述车速序列进行相同顺序位匹配,得到在所述第二车辆序列中的各个非机动车辆的车速。
第三方面,提供了一种计算机设备,包括有依次通信连接的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如第一方面或第一方面中任意可能设计所述的非机动车超速识别记录方法。
第四方面,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,当所述指令在计算机上运行时,执行如第一方面或第一方面中任意可能设计所述的非机动车超速识别记录方法。
第五方面,提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如第一方面或第一方面中任意可能设计所述的非机动车超速识别记录方法。
上述方案的有益效果:
(1)本发明创造提供了一种融合射/视频识别技术和雷达测速技术的非机动车超速识别记录方案,即先获取在同一单位时期采集的且来自射/视频识别模块的车辆信息、来自视频识别模块的视频数据和来自雷达测速模块的测速数据,然后基于视频数据和测速数据得到按车速顺序排列的车辆序列和车速序列,再然后通过对两序列进行相同顺序位匹配,确定出在车辆序列中各个非机动车的雷达测速值,最后在判定非机动车超速时从车辆信息及视频数据中提取出可有效追溯车主的违法证据并进行记录保存,如此可以非常适用于非机动车超速监测,并实现准确识别超速非机动车及进行违法证据链留存的目的,便于实际应用和推广;
(2)还可以在既有非机动车又有机动车通过道卡测速区域时,也能通过对两序列进行相同顺序位匹配,确定出在车辆序列中各个非机动车的雷达测速值,拓展适用场景,进一步提升实用性;
(3)还可以完美解决当前因非机动车的小车牌特点,使得车牌容易被遮挡污损进而导致图像识别到的车牌号码准确率不高的问题;
(4)还可以实现对超速非机动车在超速期间的轨迹跟踪录像,精准定位在同一车道中并排行驶的每一辆超速非机动车;
(5)相对视频识别到的车牌号,通过进行时空融合匹配,可纠正和补全因车牌污损或遮挡而造成视频识别错误和不全的车牌号码,并可以根据从电子车牌中提取到的车辆信息,实现对车主精准追溯;
(6)具体可在对非机动车进行的超速轨迹跟踪录像中用方框标出所有超速车辆,并在方框右上角外侧显示该车辆的车牌号,为交警进行违法处罚提供有效完整的证据链。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有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为本申请实施例提供的非机动车超速识别记录方法的流程示意图。
图2为本申请实施例提供的非机动车超速识别记录装置的结构示意图。
图3为本申请实施例提供的计算机设备的结构示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍,显而易见地,下面关于附图结构的描述仅仅是本发明的一些实施例,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。在此需要说明的是,对于这些实施例方式的说明用于帮助理解本发明,但并不构成对本发明的限定。
应当理解,尽管本文可能使用术语第一和第二等等来描述各种对象,但是这些对象不应当受到这些术语的限制。这些术语仅用于区分一个对象和另一个对象。例如可以将第一对象称作第二对象,并且类似地可以将第二对象称作第一对象,同时不脱离本发明的示例实施例的范围。
应当理解,对于本文中可能出现的术语“和/或”,其仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A、单独存在B或者同时存在A和B等三种情况;又例如,A、B和/或C,可以表示存在A、B和C中的任意一种或他们的任意组合;对于本文中可能出现的术语“/和”,其是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A或者同时存在A和B等两种情况;另外,对于本文中可能出现的字符“/”,一般表示前后关联对象是一种“或”关系。
如图1所示,本实施例第一方面提供的所述非机动车超速识别记录方法,可以但不限于由具有一定计算资源的且分别通信连接射频识别模块、视频识别模块和雷达测速模块的计算机设备执行,例如由智能路侧设备(Road Side Unit,RSU)、平台服务器、个人计算机(Personal Computer,PC,指一种大小、价格和性能适用于个人使用的多用途计算机;台式机、笔记本电脑到小型笔记本电脑和平板电脑以及超级本等都属于个人计算机)、智能手机、个人数字助理(Personal Digital Assistant,PDA)或可穿戴设备等电子设备执行。如图1所示,所述非机动车超速识别记录方法,可以但不限于包括有如下步骤S1~S5。
S1.获取在同一单位时期采集的车辆信息、第一视频数据和测速数据,其中,所述车辆信息由布置在道路卡口的射频识别模块和/或视频识别模块对经过所述道路卡口的车辆采集而得,所述车辆信息包含但不限于有M个第一道卡经过车辆的车牌号,所述第一视频数据由所述视频识别模块对经过所述道路卡口的车辆采集而得,所述第一视频数据包含但不限于有所述M个第一道卡经过车辆通过道卡测速区域的过程信息,所述测速数据由布置在所述道路卡口的雷达测速模块对经过所述道路卡口的车辆采集而得,所述测速数据包含但不限于有N个第二道卡经过车辆的雷达识别车速,所述第一道卡经过车辆是指经过所述道路卡口的非机动车辆,所述第二道卡经过车辆是指通过所述道卡测速区域的车辆,所述道卡测速区域布置在所述道路卡口,M和N分别表示正整数。
在所述步骤S1中,所述同一单位时期可以但不限于为同一分钟或同一秒等。所述车辆信息的具体获取方式可以但不限于有如下三种:(A)由布置在所述道路卡口的射频识别模块对经过所述道路卡口的车辆采集而得,具体即为由所述射频识别模块通过与经过所述道路卡口的非机动车辆的电子车牌进行的数据交互而得,由于所述电子车牌的内部有一个专用芯片来存储车辆的详细信息,比如车牌号、车辆类型、车辆颜色和备案日期等信息,因此可以通过所述射频识别模块与所述电子车牌的常规数据交互获取到所述第一道卡经过车辆的准确详细数据(例如车牌号);举例的,所述射频识别模块具体为现有射频视频一体机中的射频模块;(B)由布置在所述道路卡口的视频识别模块对经过所述道路卡口的车辆采集而得,具体即为先由所述视频识别模块对经过所述道路卡口的车辆进行视频数据采集,得到第二视频数据,然后将所述第二视频数据导入基于目标检测算法的且预先完成训练的非机动车辆信息识别模型,输出得到包含有车牌号的第二车辆信息;所述目标检测算法是一种用于在图片中将里面的物体识别出来且标记出物体位置的现有人工智能识别算法,具体可以但不限于采用Faster R-CNN(Faster Regions with Convolutional NeuralNetworks features,由何凯明等在2015年提出目标检测算法,该算法在2015年的ILSVRV和COCO竞赛中获得多项第一)目标检测算法、SSD(Single Shot MultiBox Detector,单镜头多盒检测器,是Wei Liu在ECCV 2016上提出的一种目标检测算法,是目前流行的主要检测框架之一)目标检测算法或YOLO(You only look once,目前最新已经发展到V4版本,在业界的应用也很广泛,其基本原理是:首先对输入图像划分成7x7的网格,对每个网格预测2个边框,然后根据阈值去除可能性比较低的目标窗口,最后再使用边框合并的方式去除冗余窗口,得出检测结果)目标检测算法等。因此具体的,所述非机动车辆信息识别模型包括但不限于有结合Opencv(其是一个基于Apache2.0许可/开源发行的跨平台计算机视觉和机器学习软件库,可以运行在Linux、Windows、Android和Mac OS操作系统上)技术的YOLO目标检测模型,以便在多车道且多辆车同时过车的过程中,可以实现同时完整地车辆识别并统计出过车数量以及已经识别出的车辆信息,解决当下视频识别无法同时完整地识别多辆过车数据的问题;举例的,所述视频识别模块具体为现有射频视频一体机中的摄像模块;(C)由布置在所述道路卡口的射频识别模块和视频识别模块对经过所述道路卡口的车辆采集而得,具体即为在前述方式(A)和(B)的基础上,对两者的采集结果进行融合匹配,得到最终的车牌号采集结果,如此可以对前述方式(A)和(B)进行取长补短,解决当前因非机动车的小车牌特点,使得车牌容易被遮挡污损进而导致图像识别到的车牌号码准确率不高的问题。
在所述步骤S1中,针对上述方式(A),优选的,当所述车辆信息是由布置在道路卡口的射频识别模块和视频识别模块对经过所述道路卡口的车辆采集而得时,所述车辆信息可以但不限于按照如下步骤S11~S16来获取得到。
S11.获取在所述同一单位时期采集的第一车辆信息和第二视频数据,其中,所述第一车辆信息由布置在道路卡口的射频识别模块通过与经过所述道路卡口的非机动车辆的电子车牌进行的数据交互而得,所述第一车辆信息包含但不限于有至少一个非机动车辆的车牌号、所经过车道号、车辆类型和车辆颜色等,所述第二视频数据由布置在所述道路卡口的视频识别模块对经过所述道路卡口的车辆采集而得。
在所述步骤S11中,所述所经过车道号是指非机动车辆在经过多车道路口时所具体经过某一车道的唯一编号,其可以通过常规的射频测向技术来进行确定。此外,所述第二视频数据可以但不限于通过H.265协议(即一种继H.264协议之后所制定的新的视频编码标准)拉取得到。
S12.将所述第二视频数据导入基于目标检测算法的且预先完成训练的非机动车辆信息识别模型,输出得到第二车辆信息,其中,所述第二车辆信息包含但不限于有至少一个非机动车辆的车牌号、所经过车道号、车辆类型和车辆颜色等。
S13.遍历所述第一车辆信息中的各个非机动车辆及所述第二车辆信息中的各个非机动车辆,计算得到车辆信息匹配率:
式中,i和j分别为正整数,VMij表示所述第一车辆信息中的第i个非机动车辆与所述第二车辆信息中的第j个非机动车辆的车辆信息匹配率,ηLP表示与车牌号对应的预设权重系数,LPij表示所述第i个非机动车辆与所述第j个非机动车辆的车牌号匹配率,ηCL表示与所经过车道号对应的预设权重系数,CLij表示所述第i个非机动车辆与所述第j个非机动车辆的所经过车道号匹配率,ηVT表示与车辆类型对应的预设权重系数,VTij表示所述第i个非机动车辆与所述第j个非机动车辆的车辆类型匹配率,ηVC表示与车辆颜色对应的预设权重系数,VCij表示所述第i个非机动车辆与所述第j个非机动车辆的车辆颜色匹配率。
在所述步骤S13中,具体的,车牌号匹配率LPij可以但不限于按照如下方式确定:根据预设的车牌号匹配规则(例如只匹配车牌号的后四位字符或者只匹配车牌号的前五位字符等),判断所述第i个非机动车辆的车牌号与所述第j个非机动车辆的车牌号是否匹配,若是,则使车牌号匹配率LPij为100%,否则使车牌号匹配率LPij为0%。同时所经过车道号匹配率CLij、车辆类型匹配率VTij和车辆颜色匹配率VCij也可以采用类似方式,通过常规改动得到。此外,为了确保所述车辆信息匹配率能够与所处时空情况相适配,优选的,预设权重系数ηLP、ηCL、ηVT或ηVC根据所述同一单位时期的不同所处时段、在所述同一单位时期所出现的不同天气情况和/或多车道路口的不同所处道路情况而预先设定为不同的数值;例如在早中晚三个时段,分别设有不同的预设权重系数ηLP、ηCL、ηVT和ηVC。
S14.汇总所有的所述车辆信息匹配率,得到匹配率集合。
在所述步骤S14中,假设所述第一车辆信息包含有X个非机动车辆的车牌号、所经过车道号、车辆类型和车辆颜色,所述第二车辆信息包含有Y个非机动车辆的车牌号、所经过车道号、车辆类型和车辆颜色,则通过步骤S13,将会得到X×Y个所述车辆信息匹配率,使得所述匹配率集合包含有X×Y个元素。
S15.根据所述匹配率集合,确定至少一对匹配车辆。
在所述步骤S15中,可以具体基于车辆信息匹配率与预设匹配率阈值的比较结果,来确定匹配车辆对。优选的,为了精准确定匹配车辆对,根据所述匹配率集合,确定至少一对匹配车辆,包括但不限于有如下步骤S151~S154。
S151.在当前的匹配率集合中查找出车辆信息匹配率最大值,然后执行步骤S152。
S152.判断所述车辆信息匹配率最大值是否大于预设的匹配率阈值,若是,则执行步骤S153,否则结束。
在所述步骤S152中,所述匹配率阈值举例为61.8%。
S153.将与所述车辆信息匹配率最大值对应的一对路口经过车辆作为一对匹配车辆,然后执行步骤S154。
在所述步骤S153之后,还可以将与所述一对匹配车辆对应的且在所述第一车辆信息中的车牌号、所经过车道号、车辆类型和车辆颜色作为与所述第二视频数据对应的验证数据;将所述第二视频数据及所述验证数据导入所述非机动车辆信息识别模型进行训练,得到新的非机动车辆信息识别模型,以便使所述非机动车辆信息识别模型能够不断自我学习,从而可逐渐建立完整的车辆信息模型数据库,进一步利于解决当下视频识别无法同时完整地识别多辆过车数据的问题。
S154.在当前的匹配率集合中剔除与所述匹配车辆对应的所有车辆信息匹配率,得到新的匹配率集合,然后判断在所述新的匹配率集合中是否还有车辆信息匹配率,若是,则返回执行步骤S151,否则结束。
在所述步骤S154中,举例的,若所述一对匹配车辆为车辆A和车辆B,则需要在当前的匹配率集合中剔除与车辆A对应的所有车辆信息匹配率,以及剔除与车辆B对应的所有车辆信息匹配率。
S16.从所述第一车辆信息中提取出与所述至少一对匹配车辆一一对应的至少一个非机动车辆的车牌号作为所述车辆信息。
由此基于前述步骤S11~S16,可以实现对前述方式(A)和(B)进行取长补短的目的,进而完美解决当前因非机动车的小车牌特点,使得车牌容易被遮挡污损进而导致图像识别到的车牌号码准确率不高的问题。此外,还可以极大地缩短匹配计算时间和CPU占用率;以及通过个性化的权重系数配置,可更加符合不同地方、不同时段、不同天气和/或不同路口的情况,避免出现同一个设备在不同的场景下识别违章率相差很大的情况,便于实际应用和推广。
在所述步骤S1中,所述第一视频数据具体可在所述第一道卡经过车辆跨过所述道卡测速区域的起始线时开始进行诸如图像抓拍或轨迹跟踪录像等常规方式的采集,以及在所述第一道卡经过车辆跨过所述道卡测速区域的结束线时结束采集,如此可以得到各个所述第一道卡经过车辆通过所述道卡测速区域的过程信息;具体的,所述过程信息包含但不限于有抓拍图像、录制视频帧图像、起始线跨过时间戳和结束线跨过时间戳等内容。此外,所述射频识别模块和所述视频识别模块优选构成射频视频一体机,其中,所述射频视频一体机布置在所述道路卡口的且在水平方向距离所述道卡测速区域的结束线20~30米的电警杆上。
在所述步骤S1中,所述第二道卡经过车辆可以是机动车辆,也可以是非机动车辆。所述测速数据的具体获取方式为现有技术内容;具体的,所述雷达测速模块优选采用毫米波雷达,其中,所述毫米波雷达布置在所述道卡测速区域的结束线的左端路侧和/或右端路侧。
S2.针对在所述M个第一道卡经过车辆中的各个第一道卡经过车辆,根据在所述第一视频数据中的且对应车辆通过所述道卡测速区域的过程信息,确定对应的视频识别车速。
在所述步骤S1中,具体的,由于所述过程信息包含有起始线跨过时间戳和结束线跨过时间戳等内容,因此可以使所述道卡测速区域的已知路程(即从起始线到结束线的距离)除以这两时间戳之差,得到所述视频识别车速。
S3.在M与N相等时,按照所述视频识别车速的特定顺序对所述M个第一道卡经过车辆进行依次排列,得到第一车辆序列,以及按照所述雷达识别车速的所述特定顺序对所述N个第二道卡经过车辆的雷达识别车速进行依次排列,得到车速序列,其中,所述特定顺序是指从大至小顺序或从小至大顺序。
在所述步骤S3中,由于雷达识别车速比视频识别车速要快很多,因此根据现场试验结果有:(1)在仅有非机动车通过所述道卡测速区域时,会有M等于N;(2)在既有非机动车又有机动车通过所述道卡测速区域时,会有M小于N;(3)至于M大于N的情况,还没有出现过,可忽略。如此在M与N相等时,可以通过后续的相同顺序位匹配方式确定各个非机动车辆的车速。
S4.对所述第一车辆序列与所述车速序列进行相同顺序位匹配,得到在所述第一车辆序列中的各个非机动车辆的车速。
在所述步骤S4中,所述相同顺序位匹配的具体方式举例如下:将在所述车速序列中的顺数第一个车速给予在所述第一车辆序列中的顺数第一个车辆;将在所述车速序列中的顺数第二个车速给予在所述第一车辆序列中的顺数第二个车辆,依次类推。此外,考虑视频识别测速值会因受识别时间影响而导致有误差,并且测速区间太短,导致速度均值会增大误差,而基于毫米波雷达的测速值准确率能达到99%,但毫米波雷达的测速值不能确定同一画面中并排行驶的多个车辆,到底是哪个车辆超速,所以本实施例是基于视频识别测速值给毫米波雷达测速值提供顺序位,以便确定超速的目标车辆,该超速车辆的超速值以毫米波雷达测速值为准。
S5.针对所述各个非机动车辆,若判定对应的车速超过预设车速阈值,则从所述第一视频数据中提取出对应车辆通过所述道卡测速区域的过程信息,以及从所述车辆信息中提取出对应车辆的车牌号,并将该过程信息、该车牌号和对应的车速作为对应的超速证据数据予以记录保存。
由此基于前述步骤S1~S5所描述的非机动车超速识别记录方法,提供了一种融合射/视频识别技术和雷达测速技术的非机动车超速识别记录方案,即先获取在同一单位时期采集的且来自射/视频识别模块的车辆信息、来自视频识别模块的视频数据和来自雷达测速模块的测速数据,然后基于视频数据和测速数据得到按车速顺序排列的车辆序列和车速序列,再然后通过对两序列进行相同顺序位匹配,确定出在车辆序列中各个非机动车的雷达测速值,最后在判定非机动车超速时从车辆信息及视频数据中提取出可有效追溯车主的违法证据并进行记录保存,如此可以非常适用于非机动车超速监测,并实现准确识别超速非机动车及进行违法证据链留存的目的,便于实际应用和推广。
本实施例在前述第一方面的技术方案基础上,还提供了一种在M小于N时如何准确识别非机动车的雷达测速值的可能设计一,即在M小于N时,所述方法还包括但不限于有如下步骤S61~S65。
S61.将所述第一视频数据导入基于目标检测算法的且预先完成训练的机动车辆识别模型,输出得到机动车辆识别结果,其中,所述机动车辆识别结果包含有识别出的N-M个机动车辆。
在所述步骤S61中,由于在既有非机动车又有机动车通过所述道卡测速区域时,才会有M小于N情况,因此所述第一视频数据也会包含有机动车辆的图像,进而可以通过所述机动车辆识别模型识别出机动车辆。此外,所述机动车辆识别模型同样包括但不限于有结合Opencv技术的YOLO目标检测模型。
S62.根据所述机动车辆识别结果,从所述第一视频数据中提取出在所述N-M个机动车辆中的各个机动车辆的且通过所述道卡测速区域的过程信息。
在所述步骤S62中,所述过程信息的具体提取方式,举例为:若某个抓拍图像识别出有某个机动车,并且在所述某个抓拍图像中发现所述某个机动车在跨过所述道卡测速区域的起始线或结束线,则可将所述某个抓拍图像的采集时间戳作为起始线跨过时间戳或结束线跨过时间戳,并纳入所述某个机动车的过程信息。
S63.针对在所述N-M个机动车辆中的各个机动车辆,根据在所述第一视频数据中的且对应车辆通过所述道卡测速区域的过程信息,确定对应的视频识别车速。
S64.按照所述视频识别车速的特定顺序对所述M个第一道卡经过车辆和所述N-M个机动车辆进行依次排列,得到第二车辆序列,以及按照所述雷达识别车速的所述特定顺序对所述N个第二道卡经过车辆的雷达识别车速进行依次排列,得到车速序列,其中,所述特定顺序是指从大至小顺序或从小至大顺序。
S65.对所述第二车辆序列与所述车速序列进行相同顺序位匹配,得到在所述第二车辆序列中的各个非机动车辆的车速。
前述步骤S63~S65的具体细节可参照在第一方面中的所述步骤S2~S4推导得到,于此不再赘述。此外,在所述步骤S65之后,即可执行在第一方面中的所述步骤S5。
由此基于前述的可能设计一,可以在既有非机动车又有机动车通过道卡测速区域时,也能通过对两序列进行相同顺序位匹配,确定出在车辆序列中各个非机动车的雷达测速值,拓展适用场景,进一步提升实用性。
如图2所示,本实施例第二方面提供了一种实现第一方面或第一方面中任一可能设计所述的非机动车超速识别记录方法的虚拟装置,包括有数据信息获取单元、车速确定单元、排序单元、匹配单元和超速取证单元;
所述数据信息获取单元,用于获取在同一单位时期采集的车辆信息、第一视频数据和测速数据,其中,所述车辆信息由布置在道路卡口的射频识别模块和/或视频识别模块对经过所述道路卡口的车辆采集而得,所述车辆信息包含有M个第一道卡经过车辆的车牌号,所述第一视频数据由所述视频识别模块对经过所述道路卡口的车辆采集而得,所述第一视频数据包含有所述M个第一道卡经过车辆通过道卡测速区域的过程信息,所述测速数据由布置在所述道路卡口的雷达测速模块对经过所述道路卡口的车辆采集而得,所述测速数据包含有N个第二道卡经过车辆的雷达识别车速,所述第一道卡经过车辆是指经过所述道路卡口的非机动车辆,所述第二道卡经过车辆是指通过所述道卡测速区域的车辆,所述道卡测速区域布置在所述道路卡口,M和N分别表示正整数;
所述车速确定单元,通信连接所述数据信息获取单元,用于针对在所述M个第一道卡经过车辆中的各个第一道卡经过车辆,根据在所述第一视频数据中的且对应车辆通过所述道卡测速区域的过程信息,确定对应的视频识别车速;
所述排序单元,分别通信连接所述车速确定单元和所述数据信息获取单元,用于在M与N相等时,按照所述视频识别车速的特定顺序对所述M个第一道卡经过车辆进行依次排列,得到第一车辆序列,以及按照所述雷达识别车速的所述特定顺序对所述N个第二道卡经过车辆的雷达识别车速进行依次排列,得到车速序列,其中,所述特定顺序是指从大至小顺序或从小至大顺序;
所述匹配单元,通信连接所述排序单元,用于对所述第一车辆序列与所述车速序列进行相同顺序位匹配,得到在所述第一车辆序列中的各个非机动车辆的车速;
所述超速取证单元,分别通信连接所述匹配单元和所述数据信息获取单元,用于针对所述各个非机动车辆,若判定对应的车速超过预设车速阈值,则从所述第一视频数据中提取出对应车辆通过所述道卡测速区域的过程信息,以及从所述车辆信息中提取出对应车辆的车牌号,并将该过程信息、该车牌号和对应的车速作为对应的超速证据数据予以记录保存。
在一个可能设计中,还包括有机动车识别单元和过程信息提取单元;
所述机动车识别单元,通信连接所述数据信息获取单元,用于在M小于N时,将所述第一视频数据导入基于目标检测算法的且预先完成训练的机动车辆识别模型,输出得到机动车辆识别结果,其中,所述机动车辆识别结果包含有识别出的N-M个机动车辆;
所述过程信息提取单元,通信连接所述机动车识别单元,用于根据所述机动车辆识别结果,从所述第一视频数据中提取出在所述N-M个机动车辆中的各个机动车辆的且通过所述道卡测速区域的过程信息;
所述车速确定单元,还通信连接所述过程信息提取单元,用于针对在所述N-M个机动车辆中的各个机动车辆,根据在所述第一视频数据中的且对应车辆通过所述道卡测速区域的过程信息,确定对应的视频识别车速;
所述排序单元,还用于按照所述视频识别车速的特定顺序对所述M个第一道卡经过车辆和所述N-M个机动车辆进行依次排列,得到第二车辆序列,以及按照所述雷达识别车速的所述特定顺序对所述N个第二道卡经过车辆的雷达识别车速进行依次排列,得到车速序列,其中,所述特定顺序是指从大至小顺序或从小至大顺序;
所述匹配单元,还用于对所述第二车辆序列与所述车速序列进行相同顺序位匹配,得到在所述第二车辆序列中的各个非机动车辆的车速。
本实施例第二方面提供的前述装置的工作过程、工作细节和技术效果,可以参见第一方面或第一方面中任一可能设计所述的非机动车超速识别记录方法,于此不再赘述。
如图3所示,本实施例第三方面提供了一种执行如第一方面或第一方面中任一可能设计所述的非机动车超速识别记录方法的计算机设备,包括有依次通信连接的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如第一方面或第一方面中任一可能设计所述的非机动车超速识别记录方法。具体举例的,所述存储器可以但不限于包括随机存取存储器(Random-Access Memory,RAM)、只读存储器(Read-Only Memory,ROM)、闪存(FlashMemory)、先进先出存储器(First Input First Output,FIFO)和/或先进后出存储器(First Input Last Output,FILO)等等;所述处理器可以但不限于采用型号为STM32F105系列的微处理器。此外,所述计算机设备还可以但不限于包括有电源模块、显示屏和其它必要的部件。
本实施例第三方面提供的前述计算机设备的工作过程、工作细节和技术效果,可以参见第一方面或第一方面中任一可能设计所述的非机动车超速识别记录方法,于此不再赘述。
本实施例第四方面提供了一种存储包含如第一方面或第一方面中任一可能设计所述的非机动车超速识别记录方法的指令的计算机可读存储介质,即所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面或第一方面中任一可能设计所述的非机动车超速识别记录方法。其中,所述计算机可读存储介质是指存储数据的载体,可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等计算机可读存储介质,所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程装置。
本实施例第四方面提供的前述计算机可读存储介质的工作过程、工作细节和技术效果,可以参见如第一方面或第一方面中任一可能设计所述的非机动车超速识别记录方法,于此不再赘述。
本实施例第五方面提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如第一方面或第一方面中任一可能设计所述的非机动车超速识别记录方法。其中,所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程装置。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种非机动车超速识别记录方法,其特征在于,包括:
获取在同一单位时期采集的车辆信息、第一视频数据和测速数据,其中,所述车辆信息由布置在道路卡口的射频识别模块和/或视频识别模块对经过所述道路卡口的车辆采集而得,所述车辆信息包含有M个第一道卡经过车辆的车牌号,所述第一视频数据由所述视频识别模块对经过所述道路卡口的车辆采集而得,所述第一视频数据包含有所述M个第一道卡经过车辆通过道卡测速区域的过程信息,所述测速数据由布置在所述道路卡口的雷达测速模块对经过所述道路卡口的车辆采集而得,所述测速数据包含有N个第二道卡经过车辆的雷达识别车速,所述第一道卡经过车辆是指经过所述道路卡口的非机动车辆,所述第二道卡经过车辆是指通过所述道卡测速区域的车辆,所述道卡测速区域布置在所述道路卡口,M和N分别表示正整数;
针对在所述M个第一道卡经过车辆中的各个第一道卡经过车辆,根据在所述第一视频数据中的且对应车辆通过所述道卡测速区域的过程信息,确定对应的视频识别车速;
在M与N相等时,按照所述视频识别车速的特定顺序对所述M个第一道卡经过车辆进行依次排列,得到第一车辆序列,以及按照所述雷达识别车速的所述特定顺序对所述N个第二道卡经过车辆的雷达识别车速进行依次排列,得到车速序列,其中,所述特定顺序是指从大至小顺序或从小至大顺序;
对所述第一车辆序列与所述车速序列进行相同顺序位匹配,得到在所述第一车辆序列中的各个非机动车辆的车速;
针对所述各个非机动车辆,若判定对应的车速超过预设车速阈值,则从所述第一视频数据中提取出对应车辆通过所述道卡测速区域的过程信息,以及从所述车辆信息中提取出对应车辆的车牌号,并将该过程信息、该车牌号和对应的车速作为对应的超速证据数据予以记录保存;
在M小于N时,所述方法还包括:将所述第一视频数据导入基于目标检测算法的且预先完成训练的机动车辆识别模型,输出得到机动车辆识别结果,其中,所述机动车辆识别结果包含有识别出的N-M个机动车辆;根据所述机动车辆识别结果,从所述第一视频数据中提取出在所述N-M个机动车辆中的各个机动车辆的且通过所述道卡测速区域的过程信息;针对在所述N-M个机动车辆中的各个机动车辆,根据在所述第一视频数据中的且对应车辆通过所述道卡测速区域的过程信息,确定对应的视频识别车速;按照所述视频识别车速的特定顺序对所述M个第一道卡经过车辆和所述N-M个机动车辆进行依次排列,得到第二车辆序列,以及按照所述雷达识别车速的所述特定顺序对所述N个第二道卡经过车辆的雷达识别车速进行依次排列,得到车速序列,其中,所述特定顺序是指从大至小顺序或从小至大顺序;对所述第二车辆序列与所述车速序列进行相同顺序位匹配,得到在所述第二车辆序列中的各个非机动车辆的车速。
2.根据权利要求1所述的非机动车超速识别记录方法,其特征在于,所述机动车辆识别模型包括有结合Opencv技术的YOLO目标检测模型。
3.根据权利要求1所述的非机动车超速识别记录方法,其特征在于,当所述车辆信息是由布置在道路卡口的射频识别模块和视频识别模块对经过所述道路卡口的车辆采集而得时,所述车辆信息按照如下步骤获取:
获取在所述同一单位时期采集的第一车辆信息和第二视频数据,其中,所述第一车辆信息由布置在道路卡口的射频识别模块通过与经过所述道路卡口的非机动车辆的电子车牌进行的数据交互而得,所述第一车辆信息包含有至少一个非机动车辆的车牌号、所经过车道号、车辆类型和车辆颜色,所述第二视频数据由布置在所述道路卡口的视频识别模块对经过所述道路卡口的车辆采集而得;
将所述第二视频数据导入基于目标检测算法的且预先完成训练的非机动车辆信息识别模型,输出得到第二车辆信息,其中,所述第二车辆信息包含有至少一个非机动车辆的车牌号、所经过车道号、车辆类型和车辆颜色;
遍历所述第一车辆信息中的各个非机动车辆及所述第二车辆信息中的各个非机动车辆,计算得到车辆信息匹配率:
式中,和/>分别为正整数,/>表示所述第一车辆信息中的第/>个非机动车辆与所述第二车辆信息中的第/>个非机动车辆的车辆信息匹配率,/>表示与车牌号对应的预设权重系数,/>表示所述第/>个非机动车辆与所述第/>个非机动车辆的车牌号匹配率,/>表示与所经过车道号对应的预设权重系数,/>表示所述第/>个非机动车辆与所述第/>个非机动车辆的所经过车道号匹配率,/>表示与车辆类型对应的预设权重系数,/>表示所述第/>个非机动车辆与所述第/>个非机动车辆的车辆类型匹配率,/>表示与车辆颜色对应的预设权重系数,/>表示所述第/>个非机动车辆与所述第/>个非机动车辆的车辆颜色匹配率;
汇总所有的所述车辆信息匹配率,得到匹配率集合;
根据所述匹配率集合,确定至少一对匹配车辆;
从所述第一车辆信息中提取出与所述至少一对匹配车辆一一对应的至少一个非机动车辆的车牌号作为所述车辆信息。
4.根据权利要求3所述的非机动车超速识别记录方法,其特征在于,根据所述匹配率集合,确定至少一对匹配车辆,包括有如下步骤S151~S154:
S151.在当前的匹配率集合中查找出车辆信息匹配率最大值,然后执行步骤S152;
S152.判断所述车辆信息匹配率最大值是否大于预设的匹配率阈值,若是,则执行步骤S153,否则结束;
S153.将与所述车辆信息匹配率最大值对应的一对非机动车辆作为一对匹配车辆,然后执行步骤S154;
S154.在当前的匹配率集合中剔除与所述匹配车辆对应的所有车辆信息匹配率,得到新的匹配率集合,然后判断在所述新的匹配率集合中是否还有车辆信息匹配率,若是,则返回执行步骤S151,否则结束。
5.根据权利要求3所述的非机动车超速识别记录方法,其特征在于,所述射频识别模块和所述视频识别模块构成射频视频一体机,其中,所述射频视频一体机布置在所述道路卡口的且在水平方向距离所述道卡测速区域的结束线20~30米的电警杆上。
6.根据权利要求1所述的非机动车超速识别记录方法,其特征在于,所述雷达测速模块采用毫米波雷达,其中,所述毫米波雷达布置在所述道卡测速区域的结束线的左端路侧和/或右端路侧。
7.一种非机动车超速识别记录装置,其特征在于,包括有数据信息获取单元、车速确定单元、排序单元、匹配单元和超速取证单元;
所述数据信息获取单元,用于获取在同一单位时期采集的车辆信息、第一视频数据和测速数据,其中,所述车辆信息由布置在道路卡口的射频识别模块和/或视频识别模块对经过所述道路卡口的车辆采集而得,所述车辆信息包含有M个第一道卡经过车辆的车牌号,所述第一视频数据由所述视频识别模块对经过所述道路卡口的车辆采集而得,所述第一视频数据包含有所述M个第一道卡经过车辆通过道卡测速区域的过程信息,所述测速数据由布置在所述道路卡口的雷达测速模块对经过所述道路卡口的车辆采集而得,所述测速数据包含有N个第二道卡经过车辆的雷达识别车速,所述第一道卡经过车辆是指经过所述道路卡口的非机动车辆,所述第二道卡经过车辆是指通过所述道卡测速区域的车辆,所述道卡测速区域布置在所述道路卡口,M和N分别表示正整数;
所述车速确定单元,通信连接所述数据信息获取单元,用于针对在所述M个第一道卡经过车辆中的各个第一道卡经过车辆,根据在所述第一视频数据中的且对应车辆通过所述道卡测速区域的过程信息,确定对应的视频识别车速;
所述排序单元,分别通信连接所述车速确定单元和所述数据信息获取单元,用于在M与N相等时,按照所述视频识别车速的特定顺序对所述M个第一道卡经过车辆进行依次排列,得到第一车辆序列,以及按照所述雷达识别车速的所述特定顺序对所述N个第二道卡经过车辆的雷达识别车速进行依次排列,得到车速序列,其中,所述特定顺序是指从大至小顺序或从小至大顺序;
所述匹配单元,通信连接所述排序单元,用于对所述第一车辆序列与所述车速序列进行相同顺序位匹配,得到在所述第一车辆序列中的各个非机动车辆的车速;
所述超速取证单元,分别通信连接所述匹配单元和所述数据信息获取单元,用于针对所述各个非机动车辆,若判定对应的车速超过预设车速阈值,则从所述第一视频数据中提取出对应车辆通过所述道卡测速区域的过程信息,以及从所述车辆信息中提取出对应车辆的车牌号,并将该过程信息、该车牌号和对应的车速作为对应的超速证据数据予以记录保存;
所述非机动车超速识别记录装置还包括有机动车识别单元和过程信息提取单元;
所述机动车识别单元,通信连接所述数据信息获取单元,用于在M小于N时,将所述第一视频数据导入基于目标检测算法的且预先完成训练的机动车辆识别模型,输出得到机动车辆识别结果,其中,所述机动车辆识别结果包含有识别出的N-M个机动车辆;
所述过程信息提取单元,通信连接所述机动车识别单元,用于根据所述机动车辆识别结果,从所述第一视频数据中提取出在所述N-M个机动车辆中的各个机动车辆的且通过所述道卡测速区域的过程信息;
所述车速确定单元,还通信连接所述过程信息提取单元,用于针对在所述N-M个机动车辆中的各个机动车辆,根据在所述第一视频数据中的且对应车辆通过所述道卡测速区域的过程信息,确定对应的视频识别车速;
所述排序单元,还用于按照所述视频识别车速的特定顺序对所述M个第一道卡经过车辆和所述N-M个机动车辆进行依次排列,得到第二车辆序列,以及按照所述雷达识别车速的所述特定顺序对所述N个第二道卡经过车辆的雷达识别车速进行依次排列,得到车速序列,其中,所述特定顺序是指从大至小顺序或从小至大顺序;
所述匹配单元,还用于对所述第二车辆序列与所述车速序列进行相同顺序位匹配,得到在所述第二车辆序列中的各个非机动车辆的车速。
8.一种计算机设备,其特征在于,包括有依次通信连接的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如权利要求1~6中任意一项所述的非机动车超速识别记录方法。
9.一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,当所述指令在计算机上运行时,执行如权利要求1~6中任意一项所述的非机动车超速识别记录方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310691381.1A CN116721552B (zh) | 2023-06-12 | 2023-06-12 | 一种非机动车超速识别记录方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310691381.1A CN116721552B (zh) | 2023-06-12 | 2023-06-12 | 一种非机动车超速识别记录方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116721552A CN116721552A (zh) | 2023-09-08 |
CN116721552B true CN116721552B (zh) | 2024-05-14 |
Family
ID=87874718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310691381.1A Active CN116721552B (zh) | 2023-06-12 | 2023-06-12 | 一种非机动车超速识别记录方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116721552B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117671972B (zh) * | 2024-02-01 | 2024-05-14 | 北京交通发展研究院 | 一种面向慢行交通系统的车辆速度检测方法及装置 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU4753602A (en) * | 2001-06-26 | 2003-01-02 | Transol Pty Ltd | Traffic violation detection system |
KR20050048341A (ko) * | 2003-11-19 | 2005-05-24 | (주)시그너스시스템 | 하나의 무인감시 카메라를 이용한 전차선 과속단속 시스템 |
KR100768135B1 (ko) * | 2007-02-03 | 2007-10-17 | (주) 인펙 | 복수차선 감시장치 |
CN102024136A (zh) * | 2010-12-10 | 2011-04-20 | 中兴通讯股份有限公司 | 一种识别车辆顺序的方法及装置 |
CN203759874U (zh) * | 2013-12-23 | 2014-08-06 | 安徽皖通科技股份有限公司 | 一种具有视频增强效果的交通违章信息采集系统 |
KR20160116686A (ko) * | 2015-03-31 | 2016-10-10 | (주)지우정보기술 | 레이저 센서와 저해상도 카메라를 이용한 fpga기반 다차선 과속 단속시스템 |
CN106710240A (zh) * | 2017-03-02 | 2017-05-24 | 公安部交通管理科学研究所 | 融合多目标雷达与视频信息的通行车辆跟踪测速方法 |
CN108596119A (zh) * | 2018-04-28 | 2018-09-28 | 江苏本能科技有限公司 | 射频识别与视频识别匹配方法及系统、设备、存储介质 |
CN108919256A (zh) * | 2018-07-24 | 2018-11-30 | 河北德冠隆电子科技有限公司 | 四维实景交通仿真车辆超速全程跟踪检测报警系统及方法 |
CN109102702A (zh) * | 2018-08-24 | 2018-12-28 | 南京理工大学 | 基于视频车辆检测和雷达信号融合的车辆测速方法 |
CN111899521A (zh) * | 2020-07-17 | 2020-11-06 | 南京师范大学泰州学院 | 一种高速公路的车辆违规行为检测方法 |
WO2021031338A1 (zh) * | 2019-08-19 | 2021-02-25 | 南京慧尔视智能科技有限公司 | 多雷达跨区域组网多目标跟踪识别方法及装置 |
CN112735149A (zh) * | 2020-12-25 | 2021-04-30 | 高新兴智联科技有限公司 | 基于双基识别的区间测速方法、装置及存储介质 |
CN113160575A (zh) * | 2021-03-15 | 2021-07-23 | 超级视线科技有限公司 | 一种非机动车辆及驾驶人的交通违法行为检测方法及系统 |
CN113658427A (zh) * | 2021-08-06 | 2021-11-16 | 深圳英飞拓智能技术有限公司 | 基于视觉与雷达的路况监控方法及系统、设备 |
CN115359665A (zh) * | 2022-08-17 | 2022-11-18 | 北京博宏科元信息科技有限公司 | 基于射频视频一体机的多通道违章车辆记录方法及装置 |
-
2023
- 2023-06-12 CN CN202310691381.1A patent/CN116721552B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU4753602A (en) * | 2001-06-26 | 2003-01-02 | Transol Pty Ltd | Traffic violation detection system |
KR20050048341A (ko) * | 2003-11-19 | 2005-05-24 | (주)시그너스시스템 | 하나의 무인감시 카메라를 이용한 전차선 과속단속 시스템 |
KR100768135B1 (ko) * | 2007-02-03 | 2007-10-17 | (주) 인펙 | 복수차선 감시장치 |
CN102024136A (zh) * | 2010-12-10 | 2011-04-20 | 中兴通讯股份有限公司 | 一种识别车辆顺序的方法及装置 |
CN203759874U (zh) * | 2013-12-23 | 2014-08-06 | 安徽皖通科技股份有限公司 | 一种具有视频增强效果的交通违章信息采集系统 |
KR20160116686A (ko) * | 2015-03-31 | 2016-10-10 | (주)지우정보기술 | 레이저 센서와 저해상도 카메라를 이용한 fpga기반 다차선 과속 단속시스템 |
CN106710240A (zh) * | 2017-03-02 | 2017-05-24 | 公安部交通管理科学研究所 | 融合多目标雷达与视频信息的通行车辆跟踪测速方法 |
CN108596119A (zh) * | 2018-04-28 | 2018-09-28 | 江苏本能科技有限公司 | 射频识别与视频识别匹配方法及系统、设备、存储介质 |
CN108919256A (zh) * | 2018-07-24 | 2018-11-30 | 河北德冠隆电子科技有限公司 | 四维实景交通仿真车辆超速全程跟踪检测报警系统及方法 |
CN109102702A (zh) * | 2018-08-24 | 2018-12-28 | 南京理工大学 | 基于视频车辆检测和雷达信号融合的车辆测速方法 |
WO2021031338A1 (zh) * | 2019-08-19 | 2021-02-25 | 南京慧尔视智能科技有限公司 | 多雷达跨区域组网多目标跟踪识别方法及装置 |
CN111899521A (zh) * | 2020-07-17 | 2020-11-06 | 南京师范大学泰州学院 | 一种高速公路的车辆违规行为检测方法 |
CN112735149A (zh) * | 2020-12-25 | 2021-04-30 | 高新兴智联科技有限公司 | 基于双基识别的区间测速方法、装置及存储介质 |
CN113160575A (zh) * | 2021-03-15 | 2021-07-23 | 超级视线科技有限公司 | 一种非机动车辆及驾驶人的交通违法行为检测方法及系统 |
CN113658427A (zh) * | 2021-08-06 | 2021-11-16 | 深圳英飞拓智能技术有限公司 | 基于视觉与雷达的路况监控方法及系统、设备 |
CN115359665A (zh) * | 2022-08-17 | 2022-11-18 | 北京博宏科元信息科技有限公司 | 基于射频视频一体机的多通道违章车辆记录方法及装置 |
Non-Patent Citations (1)
Title |
---|
高速公路事故多发路段监控系统设计;孙少瑾;《中国交通信息化》;20191130(第237期);第121-122页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116721552A (zh) | 2023-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108986465B (zh) | 一种车流量检测的方法、系统及终端设备 | |
CN110874362A (zh) | 一种数据关联分析方法及装置 | |
CN112085952B (zh) | 监控车辆数据方法、装置、计算机设备及存储介质 | |
CN109740420A (zh) | 车辆违法识别方法及相关产品 | |
CN116721552B (zh) | 一种非机动车超速识别记录方法、装置、设备及存储介质 | |
CN102902960B (zh) | 基于高斯建模与目标轮廓的遗留物检测方法 | |
CN110782120A (zh) | 一种交通流模型的评测方法、系统、设备及介质 | |
CN112837542B (zh) | 一种高速公路段交通量统计方法、装置、存储介质及终端 | |
CN112562330A (zh) | 评估道路运行指数的方法和装置、电子设备、存储介质 | |
CN111209880A (zh) | 车辆行为识别方法、装置 | |
CN110674887A (zh) | 一种基于视频分类的端到端道路拥堵检测算法 | |
CN115810178A (zh) | 人群异常聚集预警方法、装置、电子设备及介质 | |
CN116612417A (zh) | 利用视频时序信息的特殊场景车道线检测方法及装置 | |
CN113723176B (zh) | 一种目标对象确定方法、装置、存储介质和电子装置 | |
Singh et al. | Intelligent traffic management system | |
CN111967451B (zh) | 一种道路拥堵检测方法及装置 | |
CN110766938B (zh) | 路网拓扑结构的构建方法、装置、计算机设备及存储介质 | |
CN115359665A (zh) | 基于射频视频一体机的多通道违章车辆记录方法及装置 | |
CN114693722B (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
CN115131826B (zh) | 物品检测识别方法、网络模型的训练方法和装置 | |
CN111627224A (zh) | 车辆速度异常检测方法、装置、设备及存储介质 | |
CN112732446B (zh) | 一种任务处理方法、装置及存储介质 | |
CN114627319A (zh) | 目标数据的上报方法、装置、存储介质及电子装置 | |
CN109063675B (zh) | 车流密度计算方法、系统、终端及计算机可读存储介质 | |
CN112215070A (zh) | 无人机航拍视频车流量统计方法、主机及系统 |
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 |