CN103456175A - 基于车辆号牌识别和网格化监控的伴随车实时检测方法 - Google Patents

Abstract

本发明公开了一种基于车辆号牌识别和网格化监控的伴随车实时检测方法，属于图像识别、数据挖掘和智能交通领域。本方法是：a、获取所有卡口站点的信息和一段时间内的历史车辆信息；b、获取被测车辆的信息；c、求出被测车辆的行驶轨迹；d、判断被测车辆的轨迹点数是否小于最小伴随等级，是则转跳到步骤h，否则进入步骤e；e、求出原始伴随车辆集合；f、判断原始伴随车辆集合中车辆的数量是否小于2，是则转跳到步骤h，否则进入步骤g；g、根据被测车辆的行驶轨迹计算原始伴随车辆集合中各个车的轨迹；h、伴随程度分析并得出结果。本发明可以快速准确灵活地实时检测出与被检车辆的相伴随的车辆。

Description

基于车辆号牌识别和网格化监控的伴随车实时检测方法

技术领域

本发明涉及图像识别、数据挖掘和智能交通领域，尤其涉及一种基于车辆号牌识别和网格化监控的伴随车实时检测方法。

背景技术

随着我国经济的快速发展和社会机动车辆拥有量的急剧增加，涉车事件、案件成几何倍数增长。为了提升社会治安水平，降低涉车事件、案件的发生概率，针对机动车辆的检测和监控技术得到了广泛的研究，机动车辆数据分析技术得到了迅速的推广应用，被广泛应用于治安卡口、车辆信息实时分析、涉案嫌疑车拦截等交通场景中。

据刑侦统计，利用机动车进行违法、犯罪活动的嫌疑人采用结伴而行的方式较多，而且车辆盗窃或抢劫案件中通常也是多人伙同作案，犯罪嫌疑人及其同伙的车辆通常尾随在受害人车辆附近。伴随车是指在某一时间跨度内，与指定号牌车辆一起出现在至少三个以上卡点的车辆，且这些车辆经过同一卡点的时间差小于某时间阈值。在网格化的卡口站点上布置监控***，并实时对监控***获取的车辆信息进行伴随车检测，来寻找伙同犯罪的嫌疑车辆，可以及时向公安机关告警并提供有价值的破案线索，使人民的生命财产安全得到最大限度的保障。

发明内容

本发明的目的就在于克服现有技术的不足，提供一种基于车辆号牌识别和网格化监控的伴随车实时检测方法。

本发明的目的是这样实现的：

本发明为智能交通***中的卡口***提供一种实时车辆的行驶轨迹检测和分析方法，主要解决伴随车的实时检测和定位问题。

本发明使用“站点-时间段-车辆”三级链表缓存经过各个卡口站点的历史车辆信息，通过各卡口站点间的限速值计算出合理的时间范围，当有车经过某个卡口站点时，能够实时快速地检测出经过该车辆的行驶轨迹以及该车辆和哪些车辆相伴随。

一、基于车辆号牌识别和网格化监控的伴随车实时检测***（简称***）

本***包括工作环境：网格化监控平台、综合接入网关和伴随车实时检测服务器；

其连接关系是：网格化监控平台、综合接入网关和伴随车实时检测服务器依次连接。

工作原理

网格化监控平台的各个子监控平台建立在各个卡口站点上，当有车辆经卡口站点时，该卡口站点对应监控平台会自动获取该车辆的图像并计算得出该车辆的包括车牌号码、车辆经过卡口站点的时间等信息在内的车辆信息，然后把车辆信息通过综合接入网关发送给伴随车实时检测服务器，伴随车实时检测服务器根据接收到的车辆信息和服务器内缓存历史车辆信息通过本发明的方法实时检测出该车辆是否存在伴随车辆并提供伴随车辆的信息。

二、基于车辆号牌识别和网格化监控的伴随车实时检测方法（简称方法）

本方法主要包括一种基于数据挖掘的车辆行驶轨迹分析方法和一种车辆关联度分析方法。该方法通过卡口站点间的距离和限速值计算出各个卡口站点间的理论最小和最大行驶时间，在各个卡口站点的最小和最大行驶时间内查找目标车辆，来确定目标车辆的行驶轨迹。计算最小和最大行驶时间，缩小查找范围，达到快速查找的目的。然后通过目标车辆的行驶轨迹来查找各个轨迹点中与目标车辆在较小的时间差内通过的车辆，从而得到与目标车辆可能相伴随的车辆的行驶轨迹的集合，最后通过分析该车辆集合得到与目标车辆相伴随的所有车辆和车辆的行驶轨迹。

具体地说，本方法包括以下步骤：

a、获取所有卡口站点的信息和一段时间内的历史车辆信息；

b、获取被测车辆的信息；

c、求出被测车辆的行驶轨迹；

d、判断被测车辆的轨迹点数是否小于最小伴随等级，是则转跳到步骤h，否则进入步骤e；

e、求出原始伴随车辆集合；

f、判断原始伴随车辆集合中车辆的数量是否小于2，是则转跳到步骤h，否则进入步骤g；

g、根据被测车辆的行驶轨迹计算原始伴随车辆集合中各个车的轨迹；

h、伴随程度分析并得出结果。

本发明相比现有技术，具有下列优点和有益效果：

①可以快速准确地检测出被检车辆的行驶轨迹

在步骤a中使用“站点-时间段-车辆”三级链表缓存，在步骤c中会在各个卡口站点的最小和最大行驶时间内查找目标车辆，缩小了在三级链表中查找的范围，也降低的误判的可能性，达到快速准确查找的目的；

②检测的实时性强

当一辆车经过某个卡口站点时，通过该卡口站点获取到该车的信息后就可以立即实时地检测出该车辆是否有伴随车，提供情报更加及时；

③得出的结果信息更加丰富

分析结果中包含所有相伴随车辆的行驶轨迹及经过各个轨迹点的时间和速度等信息，为侦破车辆团伙犯罪提供更多的线索；

可以配置伴随车时间范围、伴随等级和伴随车个数

在步骤c、步骤e和步骤f中的最大伴随等级和最小伴随等级，原始伴随车辆集合中的车辆个数的最大限制以及伴随车查找时间范围都可以根据实际情况来定制后再应用到方法中，方法的流程不受这四个值的影响。

总之，本发明可以快速准确灵活地实时检测出与被检车辆的相伴随的车辆，适用于电子警察***、治安卡口***、异常车辆事件检测***、交通流信息检测***和涉案嫌疑车拦截***。

附图说明

图1是车辆缓存三级链表的结构图；

图2是本方法的流程图；

图3是计算车辆行驶轨迹的流程图；

图4是计算车辆集合中的各个车辆的行驶轨迹的流程图；

图5是***结构和方法应用示意图；

图中：

500—伴随车实时检测***，

510—伴随车实时检测服务器；

520—综合接入网关；

530—网格化监控平台，

531—第1监控平台，

532—第2监控平台，……

53N—第N监控平台，N是自然数；

    501—电子警察***；

    502—治安卡口***；

    503—车辆信息实时分析***；

    504—异常车辆事件检测***；

    505—交通流信息检测***；

506—涉案嫌疑车拦截***；

图6是伴随车举例示意图；

图中：

V0—被测车辆(实线表示其行驶轨迹)；

V1—第1伴随车辆(虚线表示其行驶轨迹)；

V2—第2伴随车辆(点划线表示其行驶轨迹)；

Ka—第1卡口站点；

Kb—第2卡口站点；

Kc—第3卡口站点；

Kd—第4卡口站点。

具体实施方式

下面结合附图和实施例详细说明：

一、***

1、总体

如图5，本***包括工作环境：综合接入网关520和网格化监控平台530；设置有伴随车实时检测服务器510；

其连接关系是：

网格化监控平台530、综合接入网关520和伴随车实时检测服务器510依次连接。

2、功能部件

1）伴随车实时检测服务器510

伴随车实时检测服务器510是伴随车实时检测的功能实体，在物理分布上对应一台服务器。其主要功能为： 

①接收网格化监控平台530发送过来的车辆信息并进行分析；

②实现本发明的伴随车实时检测方法。

2）综合接入网关520

实现网格化监控平台的统计接入。

3）网格化监控平台530

含有多个子监控平台，每个子监控平台均与某个卡口站点向对应，由于卡口站点呈网格化分布，所以称之为网格化监控平台。

3、工作机理

网格化监控平台530监控各个卡口站点的过车情况，对经过各个卡口站点的车辆进行车牌号码识别并获取包括车辆号码在内的车辆信息，然后把车辆信息通过综合接入网关520发送给伴随车实时检测服务器510。

二、方法

如图2，本方法包括下列步骤：

a、获取所有卡口站点的信息和一段时间内的历史车辆信息-201

获取网格中所有的卡口站点信息和网格中所有卡口站点一段时间内的历史车辆信息，构建车辆缓存三级链表来保存历史车辆信息；

车辆缓存三级链表的结果如图1所示，链表以车辆经过的卡口站点为缓存链表的一级节点，以车辆经过该卡口站点的时间段为缓存链表的二级节点，以在该时间段内经过该卡口站点的车辆的信息作为缓存链表的三级节点；车辆的信息又单独构成双向链表；存放卡口站点信息的链表和存放历史车辆信息的三级链表的一级节点链表有着同样的关键字和顺序；卡口站点信息的内容包含该卡口站点的最大行驶时间和最小行驶时间；

b、获取被测车辆的信息-202

当有某个车辆通过某一卡口站点时，该车辆就被视为被测车辆，从安装在其通过的卡口站点的监控***中实时获取到该车辆的号牌、经过时刻和行驶方向并把这些信息和其通过的卡口站点的信息一起发送给伴随车实时监测服务器；

c、求出被测车辆的行驶轨迹-203

行驶轨迹是指被测车辆连续经过的卡口站点按照时间顺序排列的合集，行驶轨迹包含的卡口站点（轨迹点）的数量不小于伴随等级的最小值（最小伴随等级），不大于最大伴随等级（伴随等级的最大值）；

具体而言，如图3，c步骤包括以下子步骤：

c1、记录被测车辆当前实时经过的卡口站点为被测车辆的一个轨迹点并把该卡口站点作为目标卡口站点-301；

c2、遍历与目标卡口站点直接相连且以目标卡口站点为终点的所有卡口站点，判断这些卡口站点在时间区间[T-t0，T-t1]内的机动车通行记录中是否存在被测车辆的记录-302，是则进入步骤c3-303，否则跳转到步骤c6-306，T表示被测车辆经过目标卡口站点的时刻，t0和t1分别表示各个卡口站点的理论最大和最小行驶时间，各个站点t0和t1的值不一定相同；

c3、把存在被测车辆的记录的卡口站点Ki记录为被测车辆的一个轨迹点-303，这里Ki表示与目标卡口站点直接相连且以目标卡口站点为终点且在时间区间[T-t0，T-t1]有被测车辆经过的卡口站点；

c4、判断被测车辆的轨迹点数是否大于最大伴随等级-304，是则跳转到步骤c6-306，否则进入步骤c5-305；

c5、把卡口站点Ki作为目标卡口站点-305，跳转到步骤c2-302；

c6、输出结果-306，流程结束；

d、判断被测车辆的轨迹点数是否小于最小伴随等级-204，是则转跳到步骤h-208，否则进入步骤e-205；

e、求出原始伴随车辆集合-205

原始伴随车辆集合也可以叫做一次伴随车辆集合，是指在一段时间内与被测车辆一起以相同的方向通过最后一个卡口站点的车辆结合；求出原始伴随车辆集合的具体方法是，遍历被测车辆当前实时经过的卡口站点在时间区间[T-△T，T+△T]内的车辆历史缓存，把行驶方向和被测车辆相同的车辆放入原始伴随车辆集合中，并去除重复；这里△T表示伴随车查找时间范围，T表示被测车辆经过卡口站点的时刻；

f、判断原始伴随车辆集合中车辆的数量是否小于2 -206，是则转跳到步骤h-208，否则进入步骤g-207；

g、根据被测车辆的行驶轨迹计算原始伴随车辆集合中各个车辆的轨迹-207；

具体而言，如图4，g步骤包括以下子步骤：

g1、令i=0，j=0 -401，i和j均为自然数，i的值介于1和L之间，L表示原始伴随车辆集合中的车辆总数，j的值介于1和N之间，N表示被测车辆V的行驶轨迹的轨迹点总数；

g2、从原始伴随车辆集合中取出车辆Vi-402，Vi表示原始伴随车辆集合中的第i辆车；

g3、从被测车辆V的行驶轨迹中取出一个轨迹点Pj-403，Pj表示被测车辆V的行驶轨迹中的第j个轨迹点；

g4、判断在时间区间[T-△T，T+△T]内，轨迹点Pj的过车记录缓存中是否存在车辆Vi的记录-404，是则进入步骤g5-405，否则跳转到步骤g8-408，T表示被测车辆通过轨迹点Pj的时间，△T表示伴随车查找时间；

g5、记录轨迹点Pj为车辆Vi的一个轨迹点-405；

g6、令j=j+1 -406；

g7、判断j是否大于N -407，是则进入步骤g10-410，否则跳转到步骤g3-403；

g8、判断车辆Vi的轨迹点数是否小于最小伴随等级-408，是则进入步骤g9-409，否则跳转到步骤g10-410；

g9、从原始伴随车辆集合中去掉车辆Vi-409；

g10、令i=i+1 -410；

g11、判断i是否大于L -411，是则进入步骤g12-412，否则跳转到步骤g2-402；

g12、输出结果-412，流程结束；

h、伴随程度分析并得出结果-208

具体方法为：若被测车辆的轨迹点数大于最小伴随等级并且原始伴随车辆集合内的车辆数量大于2，则统计原始伴随车辆集合内通过各个轨迹点的车辆，从而可以得到与被测车辆相伴随的车辆信息和伴随等级，否则检测结果为被测车辆无伴随车。

举例：如图6所示，设最小伴随等级为2，最大伴随等级为9；

如果通过车辆轨迹分析得知：被测车辆V0、第1伴随车辆V1和第2伴随车辆V2都一起经过了第1、2、3卡口站点Ka、Kb和Kc，并且被测车辆V0和第1伴随车辆V1还一起经过了第4卡口站点Kd，那么伴随车检测的结果就是：被测车辆V0和第1伴随车辆V1属于4次2车伴随，被测车辆V0、第1伴随车辆V1和第2伴随车辆V2属于3次3车伴随。

三、方法应用

如图5，本发明可以作为子模块或者子***应用到电子警察***501、治安卡口***502、车辆信息实时分析***503、异常车辆事件检测***504、交通流信息检测***505和涉案嫌疑车拦截***506等中，实现上述***数据分析和伴随车实时检测功能。

本发明提供了一种车辆的行驶轨迹检测和分析方法，依赖这两种方法提供了从实时的车辆信息和各监控站点的历史车辆信息中检测伴随车的方法，并提出了具有实用价值的伴随车实时检测应用方案。

Claims (1)

1.一种基于车辆号牌识别和网格化监控的伴随车实时检测方法，其特征在于包括以下步骤：

a、获取所有卡口站点的信息和一段时间内的历史车辆信息(201)

获取网格中所有的卡口站点信息和网格中所有卡口站点一段时间内的历史车辆信息，构建车辆缓存三级链表来保存历史车辆信息；

车辆缓存三级链表是：链表以车辆经过的卡口站点为缓存链表的一级节点，以车辆经过该卡口站点的时间段为缓存链表的二级节点，以在该时间段内经过该卡口站点的车辆的信息作为缓存链表的三级节点；车辆的信息又单独构成双向链表；存放卡口站点信息的链表和存放历史车辆信息的三级链表的一级节点链表有着同样的关键字和顺序；卡口站点信息的内容包含该卡口站点的最大行驶时间和最小行驶时间；

b、获取被测车辆的信息（202）

当有某个车辆通过某一卡口站点时，该车辆就被视为被测车辆，从安装在其通过的卡口站点的监控***中实时获取到该车辆的号牌、经过时刻和行驶方向并把这些信息和其通过的卡口站点的信息一起发送给伴随车实时监测服务器；

c、求出被测车辆的行驶轨迹（203）

行驶轨迹是指被测车辆连续经过的卡口站点按照时间顺序排列的合集，行驶轨迹包含的卡口站点（轨迹点）的数量不小于伴随等级的最小值，不大于最大伴随等级；

c1、记录被测车辆当前实时经过的卡口站点为被测车辆的一个轨迹点并把该卡口站点作为目标卡口站点（301）；

c2、遍历与目标卡口站点直接相连且以目标卡口站点为终点的所有卡口站点，判断这些卡口站点在时间区间[T-t0，T-t1]内的机动车通行记录中是否存在被测车辆的记录（302），是则进入步骤c3（303），否则跳转到步骤c6（306），T表示被测车辆经过目标卡口站点的时刻，t0和t1分别表示各个卡口站点的理论最大和最小行驶时间，各个站点t0和t1的值不一定相同；

c3、把存在被测车辆的记录的卡口站点Ki记录为被测车辆的一个轨迹点（303），这里Ki表示与目标卡口站点直接相连且以目标卡口站点为终点且在时间区间[T-t0，T-t1]有被测车辆经过的卡口站点；

c4、判断被测车辆的轨迹点数是否大于最大伴随等级（304），是则跳转到步骤c6（306），否则进入步骤c5（305）；

c5、把卡口站点Ki作为目标卡口站点（305），跳转到步骤c2（302）；

c6、输出结果（306），流程结束；

d、判断被测车辆的轨迹点数是否小于最小伴随等级（204），是则转跳到步骤h（208），否则进入步骤e（205）；

e、求出原始伴随车辆集合（205）

原始伴随车辆集合也可以叫做一次伴随车辆集合，是指在一段时间内与被测车辆一起以相同的方向通过最后一个卡口站点的车辆结合；求出原始伴随车辆集合的具体方法是，遍历被测车辆当前实时经过的卡口站点在时间区间[T-△T，T+△T]内的车辆历史缓存，把行驶方向和被测车辆相同的车辆放入原始伴随车辆集合中，并去除重复；这里△T表示伴随车查找时间范围，T表示被测车辆经过卡口站点的时刻；

f、判断原始伴随车辆集合中车辆的数量是否小于2 （206），是则转跳到步骤h（208），否则进入步骤g（207）；

g、根据被测车辆的行驶轨迹计算原始伴随车辆集合中各个车辆的轨迹（207）；

g1、令i=0，j=0 （401），i和j均为自然数，i的值介于1和L之间，L表示原始伴随车辆集合中的车辆总数，j的值介于1和N之间，N表示被测车辆V的行驶轨迹的轨迹点总数；

g2、从原始伴随车辆集合中取出车辆Vi（402），Vi表示原始伴随车辆集合中的第i辆车；

g3、从被测车辆V的行驶轨迹中取出一个轨迹点Pj（403），Pj表示被测车辆V的行驶轨迹中的第j个轨迹点；

g4、判断在时间区间[T-△T，T+△T]内，轨迹点Pj的过车记录缓存中是否存在车辆Vi的记录（404），是则进入步骤g5（405），否则跳转到步骤g8（408），T表示被测车辆通过轨迹点Pj的时间，△T表示伴随车查找时间；

g5、记录轨迹点Pj为车辆Vi的一个轨迹点（405）；

g6、令j=j+1（406）；

g7、判断j是否大于N -407，是则进入步骤g10（410），否则跳转到步骤g3（403）；

g8、判断车辆Vi的轨迹点数是否小于最小伴随等级（408），是则进入步骤g9（409），否则跳转到步骤g10（410）；

g9、从原始伴随车辆集合中去掉车辆Vi（409）；

g10、令i=i+1（410）；

g11、判断i是否大于L（411），是则进入步骤g12（412），否则跳转到步骤g2（402）；

g12、输出结果（412），流程结束；

h、伴随程度分析并得出结果（208）

若被测车辆的轨迹点数大于最小伴随等级并且原始伴随车辆集合内的车辆数量大于2，则统计原始伴随车辆集合内通过各个轨迹点的车辆，从而可以得到与被测车辆相伴随的车辆信息和伴随等级，否则检测结果为被测车辆无伴随车。

Images