CN117576642A - 车辆监管方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明实施例提供一种车辆监管方法，该方法包括：获取待识别车辆图像；基于待识别车辆图像以及车辆抢夺案件属性特征，在待识别车辆图像中确定出第一可疑车辆图像；根据车辆抢夺案件位置信息在第一可疑车辆图像中确定出第二可疑车辆图像，车辆抢夺案件位置信息由历史车辆抢夺案件信息确定；通过预设行为识别模型对第二可疑车辆图像进行车辆行为识别处理，在第二可疑车辆图像中确定出第三可疑车辆图像；将第三可疑车辆图像与案底车辆图像进行特征比对，确定第三可疑车辆图像中的车辆是否为实施车辆抢夺行为的车辆，并对实施车辆抢夺行为的车辆进行管理。通过上述方法对车辆进行监管，快速锁定可疑车辆，加快响应速度，提高车辆抢夺车辆的监管效率。

Description

车辆监管方法、装置、电子设备及存储介质

技术领域

本发明涉及智慧城市领域，尤其涉及一种车辆监管方法、装置、电子设备及存储介质。

背景技术

在许多城市中，车辆抢夺是一种常见的犯罪行为，这种犯罪行为给社会带来了极大的危害。在现有的监管技术中，车辆抢夺案件属性特征和位置信息的提取往往依赖于人工操作，这不仅增加了工作量，还会使得人工审核时出现误判等情况，并且在案情多的时候，人工审核则会导致工作量增加。因此，现有的车辆监管方法具有人工审核工作量大，判断不准确且效率低下的问题。

发明内容

本发明实施例提供一种车辆监管方法，旨在解决现有车辆监管方法具有人工审核工作量大，判断不准确且效率低下的问题。基于对历史车辆抢夺案件属性特征的提取，以使得深度学习模型能够对待识别车辆图像在时间、地点以及行为上的属性特征与车辆抢夺案件中的车辆的属性特征进行比对判断，确定待识别车辆是否为可疑车辆，并将可疑车辆与案件车辆进行属性特征对比，进一步确定可疑车辆是否为实施车辆抢夺行为的车辆，从而可以快速锁定可疑车辆辆，加快响应速度，提高对车辆抢夺车辆的监管效率。

第一方面，本发明实施例提供一种车辆监管方法，其特征在于，所述方法包括以下步骤：

获取待识别车辆图像；

基于所述待识别车辆图像以及车辆抢夺案件属性特征，在所述待识别车辆图像中确定出第一可疑车辆图像，所述车辆抢夺案件属性特征根据历史车辆抢夺案件信息提取得到；

根据车辆抢夺案件位置信息在所述第一可疑车辆图像中确定出第二可疑车辆图像，所述车辆抢夺案件位置信息由所述历史车辆抢夺案件信息确定；

通过预设行为识别模型对所述第二可疑车辆图像进行车辆行为识别处理，在所述第二可疑车辆图像中确定出第三可疑车辆图像；

将所述第三可疑车辆图像与案底车辆图像进行特征比对，确定所述第三可疑车辆图像中的车辆是否为实施车辆抢夺行为的车辆，并对所述实施车辆抢夺行为的车辆进行管理。

可选的，所述的车辆监管方法，其特征在于，所述基于所述待识别车辆图像以及车辆抢夺案件属性特征，在所述待识别车辆图像中确定出第一可疑车辆图像，包括：

对所述待识别车辆图像进行识别，得到所述待识别车辆图像中各个目标车辆的图像，一个所述目标车辆的图像包括至少一个目标车辆；

通过结构化引擎对所述各个目标车辆的图像进行特征提取，得到各个目标车辆的属性特征；

将所述各个目标车辆的属性特征与所述车辆抢夺案件属性特征进行比对；若所述目标车辆的属性特征与所述车辆抢夺案件属性特征比对成功，则将比对成功的目标车辆的图像确定为第一可疑车辆图像。

可选的，所述的车辆监管方法，其特征在于，所述根据车辆抢夺案件位置信息以及所述第一可疑车辆图像，确定第二可疑车辆图像之前，包括：

基于所述车辆抢夺案件的位置信息，确定案件位置附件点位；

根据所述附件点位的经纬度，确定点位集中的区域；

将所述点位集中的区域作为目标区域。

可选的，所述的车辆监管方法，其特征在于，所述根据车辆抢夺案件位置信息以及所述第一可疑车辆图像，确定第二可疑车辆图像，包括：

若所述第一可疑车辆图像中具有车牌，则通过第一可疑车辆图像中车辆的车牌在所述目标区域内进行第一次数检测，得到所述第一可疑车辆图像中车辆在所述目标区域内出现的次数；

若所述第一可疑车辆图像中不具有车牌，则通过所述第一可疑车辆图像中车辆的车辆特征在所述目标区域内进行第二次数检测，得到所述第一可疑车辆图像中车辆在所述目标区域内出现的次数；

基于所述第一可疑车辆图像中车辆在所述目标区域内出现的次数，在所述第一可疑车辆图像中确定出第二可疑车辆图像。

可选的，所述的车辆监管方法，其特征在于，所述通过预设行为识别模型对所述第二可疑车辆图像进行车辆行为识别处理，确定第三可疑车辆图像，包括：

获取预设的聚类时间，所述聚类时间可以根据目标区域的大小进行调整；

基于所述预设的聚类时间，采用滑动窗口算法对所述目标区域内的所述第二可疑车辆图像中的车辆进行统计，得到所述第二可疑车辆图像中的车辆的停留数据，所述停留数据为所述第二可疑车辆中的车辆在目标区域内被拍摄到的停留次数以及停留时被拍摄到的车辆图像；

基于预设停留阈值以及所述停留次数，在第二可疑车辆图像中确定出第三可疑车辆图像。

可选的，所述的车辆监管方法，其特征在于，所述将所述第三可疑车辆图像与案底车辆图像进行特征比对，确定所述第三可疑车辆图像中的车辆是否为实施车辆抢夺行为的车辆，包括：

将所述第三可疑车辆图像中车辆的车牌与所述案底车辆的车牌进行比对，得到第一比对结果；

将所述第三可疑车辆图像中车辆的车辆特征与所述案底车辆的车辆特征进行比对，得到第二比对结果；

基于所述第一比对结果和所述第二比对结果中至少一项，判断所述第三可疑车辆图像中车辆是否为实施车辆抢夺行为的车辆。

可选的，所述的车辆监管方法，其特征在于，所述对所述实施车辆抢夺行为的车辆进行管理，还包括：

若确定所述第三可疑车辆图像中的车辆为实施车辆抢夺行为的车辆，则将所述第三可疑车辆图像中的车辆特征输入底库并录入事发案件，以使得能够对实施车辆抢夺行为的车辆进行后续追踪；

若确定第三可疑车辆不为实施车辆抢夺行为的车辆，则将所述实施车辆抢夺行为的车辆的车辆特征作为失败属性，以使得对所述待识别车辆图像的属性特征的提取方法起到正反馈作用。

第二方面，本发明实施例还提供一种车辆监管装置，所述车辆监管装置包括：

第一获取模块，用于获取待识别车辆图像；

第一确定模块，用于基于所述待识别车辆图像以及车辆抢夺案件属性特征，在所述待识别车辆图像中确定出第一可疑车辆图像，所述车辆抢夺案件属性特征根据历史车辆抢夺案件信息提取得到；

第二确定模块，用于根据车辆抢夺案件位置信息在所述第一可疑车辆图像中确定出第二可疑车辆图像，所述车辆抢夺案件位置信息由所述历史车辆抢夺案件信息确定；

第三确定模块，用于通过预设行为识别模型对所述第二可疑车辆图像进行车辆行为识别处理，在所述第二可疑车辆图像中确定出第三可疑车辆图像；

管理模块，用于将所述第三可疑车辆图像与案底车辆图像进行特征比对，确定所述第三可疑车辆图像中的车辆是否为实施车辆抢夺行为的车辆，并对所述实施车辆抢夺行为的车辆进行管理。

第三方面，本发明实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例提供的车辆监管方法中的步骤。

第四方面，本发明实施例提供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计算机程序，所述计算机程序被处理器执行时实现发明实施例提供的车辆监管方法中的步骤。

本发明实施例中，获取待识别车辆图像；基于待识别车辆图像以及车辆抢夺案件属性特征，在待识别车辆图像中确定出第一可疑车辆图像；根据车辆抢夺案件位置信息在第一可疑车辆图像中确定出第二可疑车辆图像，车辆抢夺案件位置信息由历史车辆抢夺案件信息确定；通过预设行为识别模型对第二可疑车辆图像进行车辆行为识别处理，在第二可疑车辆图像中确定出第三可疑车辆图像；将第三可疑车辆图像与案底车辆图像进行特征比对，确定第三可疑车辆图像中的车辆是否为实施车辆抢夺行为的车辆，并对实施车辆抢夺行为的车辆进行管理。通过上述方法对车辆进行监管，快速锁定可疑车辆，加快响应速度，提高车辆抢夺车辆的监管效率。

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是本发明实施例提供的一种车辆监管方法的流程图；

图2是本发明实施例提供的另一种车辆监管方法的流程图；

图3是本发明实施例中提供的一种车辆监管装置的结构示意图；

图4是本发明实施例提供的一种电子设备的结构示意图。

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作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。

如图1所示，图1是本发明实施例提供的一种车辆监管方法的流程图，该车辆监管方法包括步骤：

101、获取待识别车辆图像。

在本发明实施例中，上述车辆监管方法可以应用于城市治安管理平台中，上述城市治安管理平台具有数据处理、数据收发以及数据存储等功能，且可以基于服务器或服务器集群进行构建，上述服务器或者服务器集群可以是具有图像处理、图像采集以及图像识别等功能的电子设备。

上述待识别车辆图像可以是通过上述城市治安管理平台附属的电子设备进行拍摄上传得到，一般来说，由于上述电子设备不止一个，所以得到的待识别车辆图像数量可以是至少一张，并且可以根据前端相机或者设置在路口和红绿灯的摄像头进行一定时间间距的拍摄得到，且拍摄的图像中可以包含摩托车图像，上述一定时间间距可以根据上述电子设备部署地区的车辆抢夺案件案发频率确定，一般来说，当车辆抢夺案件案发频率越高时，对应设置的时间间距越短。

上述车辆可以指机动车或者非机动车中任何能够实施车辆抢夺行为的车辆，例如摩托车、电动自行车、电瓶车等。

在本发明实施例中，上述城市治安管理平台通过附属电子设备对所在的地区或者街道上的车辆进行间断拍摄，得到拍摄到的图像数据，并存入数据库中。

102、基于待识别车辆图像以及车辆抢夺案件属性特征，在待识别车辆图像中确定出第一可疑车辆图像。

在本发明实施例中，上述第一可疑车辆图像可以包含但不限于摩托车图像以及各类机动车和非机动车图像。上述车辆抢夺案件可以包含但不限于飞车抢夺案件、飞车案件以及飞车暴力事件等。

上述车辆抢夺案件属性特征可以根据对历史车辆抢夺案件信息进行特征提取后，可以在历史车辆抢夺案件信息提取出与车辆抢夺相关的属性特征来作为车辆抢夺案件属性特征。具体的，上述历史车辆抢夺案件信息可以从当地公安机关或者立案机构中的案件数据库进行提取得到，一般来说，该数据库中的案件信息都是由已经发生的历史案件组成，可以根据具体的案件属性查询对应属性的案件信息，例如根据车辆抢夺关键词对上述车辆抢夺案件信息进行查询，其中，上述历史车辆抢夺案件信息可以包括案发位置、对应位置的点位经纬度以及对应距离等信息，并且包括但不限于犯罪人员的外貌特征以及作案工具的外貌特征等。上述车辆抢夺案件属性特征还可以指根据对上述飞车抢夺案件、飞车案件以及飞车暴力事件等案件的属性特征进行提取后的案件信息，例如对上述飞车抢夺案件的属性特征进行提取，得到双人双盔、衣服属性、携带物品、车辆特征等。

上述车辆抢夺案件属性特征可以包括但不限于双人双盔、衣服属性、携带物品、车辆特征等，其中双人双盔、衣服属性以及车辆特征属于车辆抢夺人员的前置条件，一般来说，当车辆图像中同时包含以上三种前置条件属性，则怀疑该车辆图像中的车辆存在进行车辆抢夺的可能性，因此可以将其设定为第一可疑车辆。

在本发明实施例中，上述城市治安管理平台对收集到的待识别车辆图像进行车辆属性特征识别，得到待识别车辆的车辆属性特征，并将其与上述车辆抢夺案件属性特征进行比对，将比对成功的待识别车辆设定为第一可疑车辆。

103、根据车辆抢夺案件位置信息在第一可疑车辆图像中确定出第二可疑车辆图像。

在本发明实施例中，上述第二可疑车辆图像可以从上述第一可疑车辆图像中得到，上述第二可疑车辆可以是通过车辆抢夺案件中的位置信息对上述第一可疑车辆图像中的车辆进行定位确认后得到的车辆。

上述车辆抢夺案件位置信息可以根据对上述历史车辆抢夺案件信息进行提取得到，具体的，可以通过对历史车辆抢夺案件信息中的案发位置、对应位置的点位经纬度以及对应距离等信息进行处理分析，得到各个地区内的案发频率，并将在高案发频率地区中获取到的第一可疑车辆图像设定为第二可疑车辆图像，以使得对第一可疑车辆图像中的车辆进行空间上的判断，其中，对于空间上的判断，需要划定一个空间区域对上述第一可疑车辆图像中的车辆是否出现在该空间区域内进行判断，上述空间区域可以根据管理人员的经验或者根据上述历史车辆抢夺案件信息进行划分。

在一种可能的实施例中，上述城市治安管理平台通过对历史车辆抢夺案件信息中的案发位置信息进行提取，并根据上述案发位置信息对获取到的第一可疑车辆图像进行筛选，确定第二可疑车辆图像。

在另一种可能的实施例中，上述城市治安管理平台通过将管理人员根据经验划分的区域以及历史车辆抢夺案件中的案发位置进行权重计算，得到上述空间区域，并对处于上述空间区域内的第一可疑车辆图像中的车辆，将第一可疑车辆图像设定为第二可疑车辆。

104、通过预设行为识别模型对第二可疑车辆图像进行车辆行为识别处理，在第二可疑车辆图像中确定出第三可疑车辆图像。

在本发明实施例中，上述第三可疑车辆图像可以从上述第二可疑车辆图像中得到，上述第三可疑车辆可以是通过上述预设行为识别模型对上述第二可疑车辆图像中的车辆进行行为识别且识别成功后的车辆。

上述预设行为识别模型可以是指能够对车辆进行徘徊行为识别的网络模型，具体的，上述预设行为识别模型可以根据预设时间间隔以及上述电子设备在部署区域内的部署数量，对目标车辆出现的次数进行统计，并根据出现的次数对目标车辆的行为进行分析，判断目标车辆是否有在该区域进行徘徊的行为，一般来说，具有上述车辆抢夺案件属性特征的车辆在案发频率高的地区进行徘徊，则可能存在车辆抢夺的可能性，因此需要对该目标车辆进行监管。

上述第三可疑车辆图像可以指通过上述预设行为识别模型对上述第二可疑车辆图像中的车辆进行徘徊行为识别筛选后的得到的图像。具体的，可以通过对第二可疑车辆图像中的车辆数据进行数据聚类处理，得到第二可疑车辆图像中的车辆的停留数据，最后根据停留数据对第二可疑车辆图像中的车辆进行判断，是否符合徘徊行为，将符合的第二可疑车辆图像设定为第三可疑车辆图像。上述停留数据可以指判断第二可疑车辆图像中的车辆在某一区域内进行徘徊的依据，根据停留数据来判断车辆是否有徘徊行为。

上述数据聚类处理可以指将拥有同一特征的数据类型进行统一分析处理，例如将含有第二可疑车辆的图像进行统一的徘徊行为分析，将图像中符合徘徊行为的第二可疑车辆确定为第三可疑车辆。

在一种可能的实施例中，上述城市治安管理平台通过预设行为识别模型对上述第二可疑车辆进行徘徊行为识别，得到第三可疑车辆，并将第三可疑车辆的车辆特征以及驾驶人员特征存入数据库中。

105、将第三可疑车辆图像与案底车辆图像进行特征比对，确定第三可疑车辆图像中的车辆是否为实施车辆抢夺行为的车辆，并对实施车辆抢夺行为的车辆进行管理。

在本发明实施例中，上述案底车辆图像可以是指上述历史车辆抢夺案件信息中记录在案的车辆图像，一般来说，上述城市治安管理平台可以通过读取上述当地公安机关或者立案机构中的案件数据库信息，得到在案车辆图像中车辆的车辆信息，并通过提取上述在案车辆图像中车辆的车辆信息，得到上述案底车辆图像中车辆的车辆特征。

上述实施车辆抢夺行为的车辆可以指通过上述案底车辆图像中车辆的车辆特征与上述第三可疑车辆图像中车辆的车辆特征进行对比成功的第三可疑车辆，具体的可以是机动车或者非机动车等任意能够实施车辆抢夺行为的车辆，例如摩托车、电动自行车等。

上述管理可以指将比对成功得到的第三可疑车辆图像中车辆的车辆特征进行存储至上述当地公安机关或者立案机构中的案件数据库的过程，也可以是将比对失败的第三可疑车辆图像中车辆的车辆特征以及获取过程中的方法参数进行优化的过程。

在一种可能的实施例中，当上述实施车辆抢夺行为的车辆与上述案底车辆图像中的车辆比对成功后，发现案底车辆根据上述案件信息已经捕获，则将上述实施车辆抢夺行为的车辆的车辆特征进行结构化拆分，得到更加细致的车辆特征，例如车辆轮胎磨损等，再与案底车辆图像中的车辆进行一次车辆特征比对，若还是比对成功，则将其发送至上述城市治安管理平台对应的展示终端展示给管理人员，由管理人员进行人工审核。上述展示终端可以是任一能够进行数据处理和收发的移动设备，如手机、手提电脑等。

在另一种可能的实施例中，当上述实施车辆抢夺行为的车辆与上述案底车辆比对失败后，则将上述实施车辆抢夺行为的车辆的车辆特征进行结构化拆分，得到更加细致的车辆特征，再与上述案底车辆图像中车辆的车辆特征进行比对。

本发明实施例中，获取待识别车辆图像；基于待识别车辆图像以及车辆抢夺案件属性特征，在待识别车辆图像中确定出第一可疑车辆图像；根据车辆抢夺案件位置信息在第一可疑车辆图像中确定出第二可疑车辆图像，车辆抢夺案件位置信息由历史车辆抢夺案件信息确定；通过预设行为识别模型对第二可疑车辆图像进行车辆行为识别处理，在第二可疑车辆图像中确定出第三可疑车辆图像；将第三可疑车辆图像与案底车辆图像进行特征比对，确定第三可疑车辆图像中的车辆是否为实施车辆抢夺行为的车辆，并对实施车辆抢夺行为的车辆进行管理。通过上述方法对车辆进行监管，快速锁定可疑车辆，加快响应速度，提高车辆抢夺车辆的监管效率。

可选的，在基于待识别车辆图像以及车辆抢夺案件属性特征，在待识别车辆图像中确定出第一可疑车辆图像的步骤中，还可以对各个待识别车辆图像进行识别，得到各个待识别车辆图像中各个目标车辆的图像，然后通过结构化引擎对各个目标车辆的图像进行特征提取，得到各个目标车辆的属性特征，最后将各个目标车辆属性特征与车辆抢夺案件属性特征进行比对，若目标车辆的属性特征与车辆抢夺案件属性特征比对成功，则将比对成功的目标车辆的图像确定为第一可疑车辆图像。

在本发明实施例中，上述结构化引擎可以指一种图像处理技术，通过网络模型对得到的图像进行特征提取。具体的，通过上述结构化引擎，对上述待识别车辆图像中的各个目标车辆进行车辆特征提取，得到各个目标车辆的属性特征，例如驾驶员的穿着、有无佩戴头盔、车辆颜色、车辆构造等信息。上述目标车辆可以指在上述待识别车辆图像中，能够被上述结构化引擎进行识别并且得到对应属性特征的车辆，其中，一个上述目标车辆的图像可以包括至少一个目标车辆。

具体的，可以将上述得到的目标车辆的属性特征与上述当地公安机关或者立案机构中的案件数据库中的车辆抢夺案件属性特征进行比对，根据比对相似度与相似度阈值作比较，当比对相似度大于或等于上述相似度阈值时，则将上述目标车辆作为第一可疑车辆。上述相似度阈值可以根据上述待识别车辆图像中，能够被上述结构化引擎识别到的车辆(即上述目标车辆)数量进行调整，一般来说，当上述目标车辆数量越多时，出现相似的概率越大，因此需要将上述相似度阈值进行提高，以保证进行比对的结果不会偏离实际情况，一般相似度阈值不会超过1。上述相似度可以是欧式距离相似度或者余弦相似度。

在一种可能的实施例中，上述城市治安管理平台通过对上述各个待识别车辆图像进行目标车辆识别，得到各个目标车辆的图像，并通过结构化引擎对上述各个目标车辆的图像中的车辆进行特征提取，得到各个目标车辆的属性特征，并将各个目标车辆的属性特征与车辆抢夺案件属性特征进行相似度比对，将比对成功的目标车辆作为第一可疑车辆。

可选的，在根据车辆抢夺案件位置信息以及第一可疑车辆图像，确定第二可疑车辆图像之前的步骤中，还可以基于车辆抢夺案件的位置信息，确定案件位置附件点位，然后根据附件点位的经纬度，确定点位集中的区域，将点位集中的区域作为目标区域。

在本发明实施例中，上述车辆抢夺案件的位置信息可以通过上述城市治安管理平台通过网络连接当地公安机关或者立案机构中的案件数据库进行提取得到，包括但不限于车辆抢夺案件的犯罪现场、相关人员的住址以及犯罪证据发现地址等信息。上述案件位置附件点位可以指上述车辆抢夺案件的犯罪现场的具体的坐标位置，可以精确值经纬度，一般来说可以根据地图或者GPS等方式，对上述车辆抢夺案件的犯罪现场的经纬度坐标进行确认，得到上述案件位置附件点位的经纬度。例如，可以通过对上述飞车抢夺案件的位置信息进行提取，得到飞车抢夺案件的犯罪现场、相关人员的住址以及犯罪证据发现地址等信息。

上述目标区域可以指通过对上述得到的案件位置附件点位的经纬度进行位置分布分析，得到上述车辆抢夺案件的分布位置，然后根据分布位置确定某区域内的车辆抢夺案件数量大与预警阈值，则将该区域作为目标区域。具体的，上述目标区域的范围可以根据车辆抢夺案件数量以及上述车辆抢夺案件的分布位置进行动态调整，一般来说，可以根据最小案件数量以及最集中案件分布来确定目标区域的范围，例如取案件数量达到3件，并且3件案件发生的位置之间不超过500m，将这3件案件发生的位置进行并集处理，将重复区域作为目标区域。例如，可以通过对上述飞车抢夺案件的分布位置进行分析，得到上述飞车抢夺案件的分布位置，并根据上述飞车抢夺案件的分布位置确定目标区域。

可选的，在根据车辆抢夺案件位置信息以及第一可疑车辆图像，确定第二可疑车辆图像的步骤中，若第一可疑车辆图像中具有车牌，则通过第一可疑车辆图像中车辆的车牌在目标区域内进行第一次数检测，得到第一可疑车辆图像中车辆在目标区域内出现的次数，若第一可疑车辆图像中不具有车牌，则通过第一可疑车辆图像中车辆的车辆特征在目标区域内进行第二次数检测，得到第一可疑车辆图像中车辆在目标区域内出现的次数，最后基于第一可疑车辆图像中车辆在目标区域内出现的次数，在第一可疑车辆图像中确定出第二可疑车辆图像。

在本发明实施例中，上述次数检测可以指通过上述城市治安管理平台中的数据计算模型，对第一可疑车辆图像中车辆在上述目标区域内出现的次数进行统计。具体的，上述第一次数检测可以建立在上述第一可疑车辆图像中车辆能够被识别到车牌的前提下，则将第一可疑车辆图像中车辆的车牌信息与目标区域内同一车牌在不同时间且不同地点出现的次数进行统计处理，得到上述第一可疑车辆图像中车辆在目标区域内出现的次数；上述第二次次数检测可以建立在上述第一可疑车辆图像中车辆无法被识别到车牌的前提下，则对上述第一可疑车辆图像中车辆的车辆特征在上述目标区域内相同车辆特征在不同时间且不同地点出现的次数进行统计处理，得到上述第一可疑车辆在目标区域内出现的次数。

在一种可能的实施例中，在进行上述次数检测时，需要在目标区域内设置拍摄时间T，拍摄时间T可以根据目标区域内的电子设备数量，如电子摄像头的数量来进行调整，计为N，上述城市治安管理平台通过N个电子设备在目标区域内，持续T时间段对第一可疑车辆图像中车辆的车牌或者车辆特征进行监测，并将通过车牌或者车辆特征计算得到的次数统计计入平台数据库中，将频繁出现的第一可疑车辆设定为第二可疑车辆。一般来说，若一辆车辆在某个区域内出现的次数多，且出现频率高，又具有上述车辆抢夺案件属性特征，则判断该车辆存在车辆抢夺的可能性，因此标记为第二可疑车辆。

可选的，在通过预设行为识别模型对第二可疑车辆图像进行车辆行为识别处理，确定第三可疑车辆图像的步骤中，还可以获取预设的聚类时间，然后基于预设的聚类时间，采用滑动窗口算法对目标区域内的第二可疑车辆图像中的车辆进行统计，得到第二可疑车辆图像中车辆的停留数据，第二可疑车辆图像中车辆的停留数据为第二可疑车辆图像中车辆在目标区域内被拍摄到的停留次数以及停留时被拍摄到的车辆图像，最后基于预设停留阈值以及停留次数，在第二可疑车辆图像中确定出第三可疑车辆图像。

在本发明实施中，上述聚类时间可以根据目标区域的大小进行调整，一般来说上述目标区域越大，则聚类时间可以设置相对越长，以保证进行数据聚类计算的数据够多，保证准确率。上述滑动窗口算法可以是根据上述聚类时间作为窗口大小，根据不同聚类时间对不同时间段的拍摄图像数据进行统计，并以此得到上述第二可疑车辆图像中车辆的停留数据。上述停留数据可以指上述第二可疑车辆图像中车辆在目标区域内被拍摄到的停留次数以及停留时拍摄到的车辆图像。上述预设停留阈值可以根据目标区域的大小进行动态调整，一般来说上述目标区域越大，则预设停留阈值越大。

在一种可能的实施例中，上述城市治安管理平台根据上述目标区域的大小，设置对应的聚类时间，一般按照目标区域每扩大100m，聚类时间增加10s进行设置，具体设置可以根据具体实施方案进行调整，然后根据上述聚类时间，对目标区域内的第二可疑车辆的出现次数进行统计，例如每十秒对所以电子设备拍摄到的第二可疑车辆图像进行统计，得到上述第二可疑车辆图像中车辆的停留次数，然后根据停留次数与上述预设停留阈值进行比对，若大与或等于上述预设停留阈值，则判断第二可疑车辆图像中车辆在目标区域内有徘徊行为，因此将第二可疑车辆图像作为第三可疑车辆图像。

可选的，在将第三可疑车辆图像与案底车辆图像进行特征比对，确定第三可疑车辆图像中的车辆是否为实施车辆抢夺行为的车辆的步骤中，还可以将第三可疑车辆图像中车辆的车牌与案底车辆的车牌进行比对，得到第一比对结果，然后将第三可疑车辆图像中车辆的车辆特征与案底车辆的车辆特征进行比对，得到第二比对结果，最后基于第一比对结果和第二比对结果中至少一项，判断第三可疑车辆是否为实施车辆抢夺行为的车辆。

在本发明实施例中，通过将案底车辆的车牌或者车辆特征与第三可疑车辆图像的车牌或者车辆特征进行比对，将比对成功的第三可疑车辆图像中车辆作为实施车辆抢夺行为的车辆，并将其进行入案件底库操作。

具体的，若上述第三可疑车辆图像中车辆在上述聚类数据计算时是通过车牌来进行次数统计的，则在本实施例中也通过车牌与案底车辆的车牌进行比对，得到第一比对结果，若第一比对结果为比对成功。则将第三可疑车辆作为实施车辆抢夺行为的车辆进行处理。

若上述第三可疑车辆图像中车辆在上述聚类数据计算时是通过车辆特征来进行次数统计的，则在本实施例中也通过车辆特征与案底车辆的车辆特征进行比对，得到第二比对结果，若第二比对结果为比对成功，则将比对成功的第三可疑车辆图像中车辆作为实施车辆抢夺行为的车辆进行处理。

在一种可能的实施例中，若上述第三可疑车辆图像中车辆具有车牌特征也有车辆特征，则将通过加权算法，对通过车牌比对得到的第一比对结果和通过车辆特征比对得到的第二比对结果进行计算，得到总比对结果，根据总比对结果，判断上述第三可疑车辆图像中车辆是否为实施车辆抢夺行为的车辆，具体的，由于车牌的唯一性特性，所以车牌在加权计算中一般占有0.7的权重，而车辆特征则占0.3的权重，例如当上述第三可疑车辆在通过车牌比对时，共与10张案底车辆的车牌进行比对，且有7张车牌图像比对成功，而在进行车辆特征比对时共有10张案底车辆的图像进行比对，且10张都比对失败，则按照权重比计算，仍然判断该第三可疑车辆图像中车辆与案底车辆比对成功。

再具体地，根据总比对结果与比对阈值进行比较，若比对结果大于或等于比对阈值，则判断第三可疑车辆图像中车辆与案底车辆属于同一特征属性，按照实施车辆抢夺行为的车辆进行处理。具体的比对阈值可以根据具体的聚类计算时间长度进行设置。

可选的，在将第三可疑车辆图像中车辆与案底车辆进行特征比对，确定第三可疑车辆图像中车辆是否为实施车辆抢夺行为的车辆，并对实施车辆抢夺行为的车辆进行管理的步骤中，若确定第三可疑车辆图像中车辆为实施车辆抢夺行为的车辆，则将第三可疑车辆图像中车辆的车辆特征输入底库并录入事发案件，以使得能够对实施车辆抢夺行为的车辆进行后续追踪，若确定第三可疑车辆图像中车辆不为实施车辆抢夺行为的车辆，则将实施车辆抢夺行为的车辆的车辆特征作为失败属性，以使得对待识别车辆图像的属性特征的提取方法起到正反馈作用。

在本发明实施例中，上述后续追踪可以指通过对犯罪车辆对应的案件属性进行提取，从而通过上述城市治安管理平台附属的电子设备根据案件属性对犯罪车辆进行侦查。上述失败属性可以是上述结构化引擎对属性特征进行提取时的参数，即第三可疑车辆图像中车辆与案底车辆比对失败时的前置参数，根据该前置参数对上述结构化引擎的特征提取方式进行优化，从而使得结构化引擎对于可疑车辆的特征提取能够更加精准。

在一种可能的实施例中，无论第三可疑车辆图像中车辆与案底车辆是否比对成功，都需要通过人工审核，对上述第三可疑车辆图像中车辆的额外车辆特征进行比对确定，从而判断第三可疑车辆图像中车辆是否真的属于实施车辆抢夺行为的车辆，上述额外车辆特征可以是通过上述结构化引擎无法识别出的，能够突出车辆犯罪特征的车辆特征，如手提包、棍棒器械等。

在另一种可能的实施例中，当第三可疑车辆图像中车辆与案底车辆比对失败后，在进行优化的过程中，还可以通过对上述聚类时间进行缩短，然后再进行聚类计算，例如从一开始设置的30分钟，递减为15分钟，10分钟或者5分钟进行一次聚类计算，从而使得到的数据更加集中，而不会错漏部分有用的数据特征，以此来优化上述结构化引擎对于车辆特征提取的过程。

在另一种可能的实施例中，当第三可疑车辆图像中车辆与案底车辆比对失败后，在进行优化的过程中，还可以通过对上述目标区域的范围进行缩小，从一开始整个目标区域缩小为1/4个目标区域，从而减少上述车辆识别的车流量，排除干扰点位，增加识别精度。

如图2所示，本发明实施例还提供另一种车辆监管方法的流程图，其特征在于，包括：

将前端相机抓拍的图片传送至结构化引擎，根据车辆抢夺的作案特性，对抓拍图片中的摩托车进行摩托车属性提取，得到各个目标摩托车的属性特征，其中有：双人双盔、上衣颜色、携带物、摩托车颜色、摩托车车牌、摩托车摩托车特征等。需要说明的是，双人双盔，服装颜色，摩托车颜色属于前置条件，满足双人双盔，摩托车颜色和服装颜色为深色即可进行下一步判断。随后通过重点区域过滤方法，将各个上述目标摩托车进行过滤，上述重点区域可以根据自己手动划分的区域，也可以根据民警得到的车辆抢夺的报案情况，提取案件中的属性，得到所有案件的案发位置附件点位，然后根据点位经纬度，计算出点位之间的距离，将相近的点位划分到一起，规定为一个重点区域。最后将上述目标摩托车根据区域点位进行过滤。再通过重点区域过滤后，将过滤后的数据分为有车牌特征和无车牌特征进行比对计算，(即将摩托车按照T时间内的N台设备进行出现次数统计，得到出现次数Q，让将Q与出现阈值进行比对，判断疑似摩托车是否为疑似摩托车)，然后对疑似摩托车进行抓拍数据聚类计算(即上述聚类计算，方法和设置过程与上述聚类计算相同)，将确定为徘徊摩托车的疑似摩托车与车牌或者特征底库中的特征进行比对，无论比对成功或者失败，都要进行再一次的人工审核，通过对摩托车在时间上的携带物特征变化进行比对，确定该徘徊摩托车是否为实施车辆抢夺行为的摩托车，若徘徊摩托车比对失败，则对徘徊摩托车进行特征提取的特征提取模型进行优化，具体的优化的方法可以根据以下得到：

1、将时间数据缩短，如30分钟，重新计算出现次数Q，再进行抓拍时间聚类的时间调整，如设置为15、20、25秒，得到徘徊次数。每张图片多次调整，可以得到一个相对准确的时间T，每张图片同样的操作，得到所有的时间T1、T2、T3....最终得到一个中位数，并进行验证，正确率好就应用于实际算法，准确率差就继续调整，最终得到一个相对准确的值。

2、统计区域的选择，通过查询区域所有设备的视频抓拍数据，划分流量大和小的区域，分别计算出只选择流量大的点位，流量小的点位，流量大和流量下的点位占比1/4，2/4，3/4，得到多种条件下的出现总次数和时间聚类数据，从而划分中位值，能更加的合理划分区域，排除干扰点位。

若上述徘徊车辆与案底车辆比对成功，则将其入库，导入新的案件。

如图3所示，本发明实施例还提供一种车辆监管装置，其特征在于，包括：

第一获取模块301，用于获取待识别车辆图像；

第一确定模块302，用于基于所述待识别车辆图像以及车辆抢夺案件属性特征，在所述待识别车辆图像中确定出第一可疑车辆图像，所述车辆抢夺案件属性特征根据历史车辆抢夺案件信息提取得到；

第二确定模块303，用于根据车辆抢夺案件位置信息在所述第一可疑车辆图像中确定出第二可疑车辆图像，所述车辆抢夺案件位置信息由所述历史车辆抢夺案件信息确定；

第三确定模块304，用于通过预设行为识别模型对所述第二可疑车辆图像进行车辆行为识别处理，在所述第二可疑车辆图像中确定出第三可疑车辆图像；

管理模块305，用于将所述第三可疑车辆图像与案底车辆图像进行特征比对，确定所述第三可疑车辆图像中的车辆是否为实施车辆抢夺行为的车辆，并对所述实施车辆抢夺行为的车辆进行管理。

可选的，上述第一确定模块302包括：

第一获取子模块，用于对各个所述待识别车辆图像进行识别，得到各个所述待识别车辆图像中各个目标车辆的图像，一个所述目标车辆的图像包括至少一个目标车辆；

第一提取子模块，用于通过结构化引擎对所述各个目标车辆的图像进行特征提取，得到各个目标车辆的属性特征；

第一比对子模块，用于将所述各个目标车辆属性特征与所述车辆抢夺案件属性特征进行比对；

第二比对子模块，用于若所述目标车辆的属性特征与所述车辆抢夺案件属性特征比对成功，则将比对成功的所述目标车辆的图像确定为第一可疑车辆图像。

可选的，上述装置还包括：

第四确定模块，用于基于所述车辆抢夺案件的位置信息，确定案件位置附件点位；

第五确定模块，用于根据所述附件点位的经纬度，确定点位集中的区域，将所述点位集中的区域作为目标区域。

可选的，上述第二确定模块303还包括：

第二获取子模块，用于若所述第一可疑车辆图像中具有车牌，则通过第一可疑车辆图像中车辆的车牌在所述目标区域内进行第一次数检测，得到所述第一可疑车辆图像中车辆在所述目标区域内出现的次数；

第三获取子模块，用于若所述第一可疑车辆图像中不具有车牌，则通过所述第一可疑车辆图像中车辆的车辆特征在所述目标区域内进行第二次数检测，得到所述第一可疑车辆图像中车辆在所述目标区域内出现的次数；

第一确定子模块，用于基于所述第一可疑车辆图像中车辆在所述目标区域内出现的次数，在所述第一可疑车辆图像中确定出第二可疑车辆图像。

可选的，上述第三确定模块304还包括：

第四获取子模块，用于获取预设的聚类时间，所述聚类时间可以根据目标区域的大小进行调整；

第五获取子模块，用于基于所述预设的聚类时间，采用滑动窗口算法对所述目标区域内的所述第二可疑车辆图像中的车辆进行统计，得到所述第二可疑车辆图像中车辆的停留数据，所述停留数据为所述第二可疑车辆图像中车辆在目标区域内被拍摄到的停留次数以及停留时被拍摄到的车辆图像；

第二确定子模块，用于基于预设停留阈值以及所述停留次数，在所述第二可疑车辆图像中确定出第三可疑车辆图像。

可选的，上述管理模块305包括：

第二比对子模块，用于将所述第三可疑车辆图像中车辆的车牌与所述案底车辆的车牌进行比对，得到第一比对结果；

第三比对子模块，用于将所述第三可疑车辆图像中车辆的车辆特征与所述案底车辆的车辆特征进行比对，得到第二比对结果；

判断子模块，用于基于所述第一比对结果和所述第二比对结果中至少一项，判断所述第三可疑车辆图像中车辆是否为实施车辆抢夺行为的车辆。

可选的，上述管理模块305还包括：

追踪子模块，用于若确定所述第三可疑车辆图像中的车辆为实施车辆抢夺行为的车辆，则将所述第三可疑车辆图像中的车辆特征输入底库并录入事发案件，以使得能够对实施车辆抢夺行为的车辆进行后续追踪；

反馈子模块，用于若确定第三可疑车辆图像中的车辆不为实施车辆抢夺行为的车辆，则将所述实施车辆抢夺行为的车辆的车辆特征作为失败属性，以使得对所述待识别车辆图像的属性特征的提取方法起到正反馈作用。

如图4所示，本发明实施例还提供一种电子设备，其特征在于，包括处理器，上述处理器可以执行上述任意一项车辆监管方法。

具体的，包括处理器401和存储器402以及存储在存储器402上并能在处理器401上运行的执行车辆监管方法的计算机程序，其中：

处理器401运行存储器402中所储存的车辆监管方法的计算器程序，执行如下步骤：

获取待识别车辆图像；

基于所述待识别车辆图像以及车辆抢夺案件属性特征，在所述待识别车辆图像中确定出第一可疑车辆图像，所述车辆抢夺案件属性特征根据历史车辆抢夺案件信息提取得到；

根据车辆抢夺案件位置信息在所述第一可疑车辆图像中确定出第二可疑车辆图像，所述车辆抢夺案件位置信息由所述历史车辆抢夺案件信息确定；

通过预设行为识别模型对所述第二可疑车辆图像进行车辆行为识别处理，在所述第二可疑车辆图像中确定出第三可疑车辆图像；

将所述第三可疑车辆图像与案底车辆图像进行特征比对，确定所述第三可疑车辆图像中的车辆是否为实施车辆抢夺行为的车辆，并对所述实施车辆抢夺行为的车辆进行管理。

可选的，所述的车辆监管方法，其特征在于，处理器401执行基于所述待识别车辆图像以及车辆抢夺案件属性特征，在所述待识别车辆图像中确定出第一可疑车辆图像，包括：

对各个所述待识别车辆图像进行识别，得到各个所述待识别车辆图像中各个目标车辆的图像，一个所述目标车辆的图像包括至少一个目标车辆；

通过结构化引擎对所述各个目标车辆的图像进行特征提取，得到各个目标车辆的属性特征；

将所述各个目标车辆属性特征与所述车辆抢夺案件属性特征进行比对，若所述目标车辆的属性特征与所述车辆抢夺案件属性特征比对成功，则将比对成功的所述目标车辆的图像确定为第一可疑车辆图像。

可选的，所述的车辆监管方法，其特征在于，处理器401执行所述根据车辆抢夺案件位置信息以及所述第一可疑车辆图像，确定第二可疑车辆图像之前，包括：

基于所述车辆抢夺案件的位置信息，确定案件位置附件点位；

根据所述附件点位的经纬度，确定点位集中的区域，将所述点位集中的区域作为目标区域。

可选的，所述的车辆监管方法，其特征在于，处理器401执行所述根据车辆抢夺案件位置信息以及所述第一可疑车辆图像，确定第二可疑车辆图像，包括：

若所述第一可疑车辆图像中具有车牌，则通过第一可疑车辆图像中车辆的车牌在所述目标区域内进行第一次数检测，得到所述第一可疑车辆图像中车辆在所述目标区域内出现的次数；

若所述第一可疑车辆图像中不具有车牌，则通过所述第一可疑车辆图像中车辆的车辆特征在所述目标区域内进行第二次数检测，得到所述第一可疑车辆图像中车辆在所述目标区域内出现的次数；

基于所述第一可疑车辆在所述目标区域内出现的次数，在所述第一可疑车辆图像中确定出第二可疑车辆图像。

可选的，所述的车辆监管方法，其特征在于，处理器401执行所述通过预设行为识别模型对所述第二可疑车辆图像进行车辆行为识别处理，确定第三可疑车辆图像，包括：

获取预设的聚类时间，所述聚类时间可以根据目标区域的大小进行调整；

基于所述预设的聚类时间，采用滑动窗口算法对所述目标区域内的所述第二可疑车辆图像中的车辆进行统计，得到所述第二可疑车辆的停留数据，所述停留数据为第二可疑车辆图像中车辆在目标区域内被拍摄到的停留次数以及停留时被拍摄到的车辆图像；

基于预设停留阈值以及所述停留次数，在所述第二可疑车辆图像中确定出第三可疑车辆图像。

可选的，所述的车辆监管方法，其特征在于，处理器401执行所述将所述第三可疑车辆图像与案底车辆图像进行特征比对，确定所述第三可疑车辆图像中的车辆是否为实施车辆抢夺行为的车辆，包括：

将所述第三可疑车辆图像图像中车辆的车牌与所述案底车辆图像中车辆的车牌进行比对，得到第一比对结果；

将所述第三可疑车辆图像图像中车辆的车辆特征与所述案底车辆图像中车辆的车辆特征进行比对，得到第二比对结果；

基于所述第一比对结果和所述第二比对结果中至少一项，判断第三可疑车辆是否为实施车辆抢夺行为的车辆。

可选的，所述的车辆监管方法，其特征在于，处理器401执行所述对所述实施车辆抢夺行为的车辆进行管理，还包括：

若确定所述第三可疑车辆图像中的车辆为实施车辆抢夺行为的车辆，则将所述第三可疑车辆图像中车辆的车辆特征输入底库并录入事发案件，以使得能够对实施车辆抢夺行为的车辆进行后续追踪；

若确定所述第三可疑车辆不为实施车辆抢夺行为的车辆，则将所述实施车辆抢夺行为的车辆的车辆特征作为失败属性，以使得对所述待识别车辆图像的属性特征的提取方法起到正反馈作用。

本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现本发明实施例提供的车辆监管方法或应用端车辆监管方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

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，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存取存储器(Random Access Memory，简称RAM)等。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种车辆监管方法，其特征在于，所述方法包括以下步骤：

获取待识别车辆图像；

基于所述待识别车辆图像以及车辆抢夺案件属性特征，在所述待识别车辆图像中确定出第一可疑车辆图像，所述车辆抢夺案件属性特征根据历史车辆抢夺案件信息提取得到；

根据车辆抢夺案件位置信息在所述第一可疑车辆图像中确定出第二可疑车辆图像，所述车辆抢夺案件位置信息由所述历史车辆抢夺案件信息确定；

通过预设行为识别模型对所述第二可疑车辆图像进行车辆行为识别处理，在所述第二可疑车辆图像中确定出第三可疑车辆图像；

将所述第三可疑车辆图像与案底车辆图像进行特征比对，确定所述第三可疑车辆图像中的车辆是否为实施车辆抢夺行为的车辆，并对所述实施车辆抢夺行为的车辆进行管理。

2.如权利要求1所述的车辆监管方法，其特征在于，所述基于所述待识别车辆图像以及车辆抢夺案件属性特征，在所述待识别车辆图像中确定出第一可疑车辆图像，包括：

对所述待识别车辆图像进行识别，得到所述待识别车辆图像中各个目标车辆的图像，一个所述目标车辆的图像包括至少一个目标车辆；

通过结构化引擎对所述各个目标车辆的图像进行特征提取，得到各个目标车辆的属性特征；

将所述各个目标车辆的属性特征与所述车辆抢夺案件属性特征进行比对；

若所述目标车辆的属性特征与所述车辆抢夺案件属性特征比对成功，则将比对成功的所述目标车辆的图像确定为第一可疑车辆图像。

3.如权利要求2所述的车辆监管方法，其特征在于，所述根据车辆抢夺案件位置信息以及所述第一可疑车辆图像，确定第二可疑车辆图像之前，包括：

基于所述车辆抢夺案件的位置信息，确定案件位置附件点位；

根据所述附件点位的经纬度，确定点位集中的区域；

将所述点位集中的区域作为目标区域。

4.如权利要求3所述的车辆监管方法，其特征在于，所述根据车辆抢夺案件位置信息以及所述第一可疑车辆图像，确定第二可疑车辆图像，包括：

若所述第一可疑车辆图像中具有车牌，则通过第一可疑车辆图像中车辆的车牌在所述目标区域内进行第一次数检测，得到所述第一可疑车辆图像中车辆在所述目标区域内出现的次数；

若所述第一可疑车辆图像中不具有车牌，则通过所述第一可疑车辆图像中车辆的车辆特征在所述目标区域内进行第二次数检测，得到所述第一可疑车辆图像中车辆在所述目标区域内出现的次数；

基于所述第一可疑车辆图像中车辆在所述目标区域内出现的次数，在所述第一可疑车辆图像中确定出第二可疑车辆图像。

5.如权利要求2至4任一所述的车辆监管方法，所述通过预设行为识别模型对所述第二可疑车辆图像进行车辆行为识别处理，确定第三可疑车辆图像，包括：

获取预设的聚类时间，所述聚类时间可以根据目标区域的大小进行调整；

基于所述预设的聚类时间，采用滑动窗口算法对所述目标区域内的所述第二可疑车辆图像中的车辆进行统计，得到所述第二可疑车辆图像中的车辆的停留数据，所述停留数据为所述第二可疑车辆中的车辆在目标区域内被拍摄到的停留次数以及停留时被拍摄到的车辆图像；

基于预设停留阈值以及所述停留次数，在所述第二可疑车辆图像中确定出第三可疑车辆图像。

6.如权利要求5所述的车辆监管方法，其特征在于，所述将所述第三可疑车辆图像与案底车辆图像进行特征比对，确定所述第三可疑车辆图像中的车辆是否为实施车辆抢夺行为的车辆，包括：

将所述第三可疑车辆图像中车辆的车牌与所述案底车辆图像中车辆的车牌进行比对，得到第一比对结果；

将所述第三可疑车辆图像中车辆的车辆特征与所述案底车辆图像中车辆的车辆特征进行比对，得到第二比对结果；

基于所述第一比对结果和所述第二比对结果中至少一项，判断所述第三可疑车辆图像中车辆是否为实施车辆抢夺行为的车辆。

7.如权利要求6所述的车辆监管方法，其特征在于，所述对所述实施车辆抢夺行为的车辆进行管理，还包括：

若确定所述第三可疑车辆图像中的车辆为实施车辆抢夺行为的车辆，则将所述第三可疑车辆图像中的车辆特征输入底库并录入事发案件，以使得能够对实施车辆抢夺行为的车辆进行后续追踪；

若确定第三可疑车辆图像中的车辆不为实施车辆抢夺行为的车辆，则将所述实施车辆抢夺行为的车辆的车辆特征作为失败属性，以使得对所述待识别车辆图像的属性特征的提取方法起到正反馈作用。

8.一种车辆监管装置，其特征在于，所述曳引组件监测装置包括：

第一获取模块，用于获取待识别车辆图像；

第一确定模块，用于基于所述待识别车辆图像以及车辆抢夺案件属性特征，在所述待识别车辆图像中确定出第一可疑车辆图像，所述车辆抢夺案件属性特征根据历史车辆抢夺案件信息提取得到；

第二确定模块，用于根据车辆抢夺案件位置信息在所述第一可疑车辆图像中确定出第二可疑车辆图像，所述车辆抢夺案件位置信息由所述历史车辆抢夺案件信息确定；

第三确定模块，用于通过预设行为识别模型对所述第二可疑车辆图像进行车辆行为识别处理，在所述第二可疑车辆图像中确定出第三可疑车辆图像；

管理模块，用于将所述第三可疑车辆图像与案底车辆图像进行特征比对，确定所述第三可疑车辆图像中的车辆是否为实施车辆抢夺行为的车辆，并对所述实施车辆抢夺行为的车辆进行管理。

9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的车辆监管方法中的步骤。

10.一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计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的车辆监管方法中的步骤。