CN103871247B - 一种自动获得各相机拍摄点间最小时间的方法和装置 - Google Patents
一种自动获得各相机拍摄点间最小时间的方法和装置 Download PDFInfo
- Publication number
- CN103871247B CN103871247B CN201410078877.2A CN201410078877A CN103871247B CN 103871247 B CN103871247 B CN 103871247B CN 201410078877 A CN201410078877 A CN 201410078877A CN 103871247 B CN103871247 B CN 103871247B
- Authority
- CN
- China
- Prior art keywords
- time
- camera shooting
- camera
- car plate
- minimum
- 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
Landscapes
- Traffic Control Systems (AREA)
- Closed-Circuit Television Systems (AREA)
- Studio Devices (AREA)
Abstract
本发明提供一种自动获得各相机拍摄点间最小时间的方法以及套***的方法。该自动得到最小时间的方法包括:A、针对历史车牌数据库,获取第一相机在第i个时间段内拍摄的车牌和拍摄时间点信息,并在该监控***其他相机拍摄的车牌中分别获取与该第i个时间段对应的时间段内该车牌的拍摄时间点信息;B、将各车牌在其他相机中的拍摄时间点减去在第一相机中的拍摄时间点得到的差值作为第一相机拍摄点到达各其他相机拍摄点的时间;C、分别对所述第一相机拍摄点到各其他相机拍摄点的时间进行过滤,确定该第i个时间段对应的第一相机拍摄点到各其他相机拍摄点的最小时间。本发明方法提高了套******的可用性、易用性和准确性。
Description
技术领域
本发明涉及视频监控技术领域,尤其涉及一种自动获得各相机拍摄点间最小时间的方法和装置。
背景技术
随着城市出租车的数量增长,出现越来越多的违法出租车,例如无照经营、假牌照、***等。这些假牌照、***违法行为日益猖獗,严重扰乱市场秩序和社会安全。随着智能交通管理***的快速发展,***辆的治理不再采用传统的人工盘查方法,而是通过车辆识别***将采集的车牌信息与监控中心预先保存的数据作比对,然后分析处理得到违章违法的车辆信息。最接近的现有技术。
在捕获***时,现有技术中采用视频监控***的相机拍摄车牌,并运用车牌拍摄时间进行轨迹碰撞分析。如果两个时刻在不同地点的相机拍摄到同一车牌,由于***与原车的轨迹一定不一样,所以根据两个拍摄时刻的时间差,并基于两个相机地点间车辆经过的最小时间,可判断出是否存在套牌的可能。即如果两个拍摄时刻的时间差比上述最小时间还小,则其中有一辆车很有可能就是***。该方法为后续分析真假套牌提供了重要的决策依据,提高管理部门的工作效率。
现有技术中上述两个相机地点间车辆经过的最小时间由人工进行配置。但在一个大型的监控***中,可能存在上千万个相机,所有相机两两间的最小时间各不相同,如果由人工进行最小时间的配置,工作量相当的大。并且,在一天、一周的不同时间,两个相机间的最小时间也可能有明显的差异,仅靠配置的一个最小时间来执行套***,可能会存在问题。所以该方法实际操作繁杂且准确度低,会造成上述套***方法的可用、易用和精确度问题。
发明内容
有鉴于此,本发明提供一种自动获得各相机拍摄点间最小时间的方法和装置。
该自动获得各相机拍摄点间最小时间的方法应用于监控***中的服务器,该方法包括:步骤A、针对历史车牌数据库,获取第一相机在第i个时间段内拍摄的车牌和拍摄时间点信息,并在该监控***其他相机拍摄的车牌中分别获取与该第i个时间段对应的时间段内该车牌的拍摄时间点信息;步骤B、将各车牌在其他相机中的拍摄时间点减去在第一相机中的拍摄时间点得到的差值作为第一相机拍摄点到达各其他相机拍摄点的时间;步骤C、分别对所述第一相机拍摄点到各其他相机拍摄点的时间进行过滤,确定该第i个时间段对应的第一相机拍摄点到各其他相机拍摄点的最小时间。
优选地,步骤C具体为:将第一相机拍摄点到各其他相机拍摄点的时间分别进行升序排列,分别将排序后的前n%的时间作为噪声数据进行过滤,将剩余的时间中最小的时间分别作为第一相机拍摄点到各其他相机拍摄点的最小时间;或者,步骤C具体为:将第一相机拍摄点到各其他相机拍摄点的时间分别进行升序或降序排列,获得排序后各组时间的中位值Nmid,将各中位值与r的乘积分别作为第一相机拍摄点到各其他相机拍摄点的最小时间,r为预设的常数;或者,该步骤C具体为:将第一相机拍摄点到各其他相机拍摄点的时间分别进行升序或降序排列,获得排序后的各组时间的中位值Nmid,将各组时间中小于Nmid-d和大于Nmid+d的数据过滤掉,将各组剩余的时间中最小的时间分别作为第一相机拍摄点到各其他相机拍摄点的最小时间;其中δ=3,N(i)为各组中的时间。
该自动获得各相机拍摄点间最小时间的装置应用于监控***中的服务器,该装置包括:车牌获取模块,用于针对历史车牌数据库,获取第一相机在第i个时间段内拍摄的车牌和拍摄时间点信息,并在该监控***其他相机拍摄的车牌中分别获取与该第i个时间段对应的时间段内该车牌的拍摄时间点信息;时间间隔计算模块,用于将各车牌在其他相机中的拍摄时间点减去在第一相机中的拍摄时间点得到的差值作为第一相机拍摄点到达各其他相机拍摄点的时间;最小时间确定模块,用于分别对所述第一相机拍摄点到各其他相机拍摄点的时间进行过滤,确定该第i个时间段对应的第一相机拍摄点到各其他相机拍摄点的最小时间。
优选地,该最小时间确定模块具体执行如下操作确定最小时间:将第一相机拍摄点到各其他相机拍摄点的时间分别进行升序排列,分别将排序后的前n%的时间作为噪声数据进行过滤,将剩余的时间中最小的时间分别作为第一相机拍摄点到各其他相机拍摄点的最小时间;或者,最小时间确定模块具体执行如下操作确定最小时间:将第一相机拍摄点到各其他相机拍摄点的时间分别进行升序或降序排列,获得排序后各组时间的中位值Nmid,将各中位值与r的乘积分别作为第一相机拍摄点到各其他相机拍摄点的最小时间,r为预设的常数;或者,所述最小时间确定模块具体执行如下操作确定最小时间:将第一相机拍摄点到各其他相机拍摄点的时间分别进行升序或降序排列,获得排序后的各组时间的中位值Nmid,将各组时间中小于Nmid-d和大于Nmid+d的数据过滤掉,将各组剩余的时间中最小的时间分别作为第一相机拍摄点到各其他相机拍摄点的最小时间;其中δ=3,N(i)为各组中的时间。
相较于现有技术,本发明方法提高了套******的可用性、易用性和准确性。
附图说明
图1是本发明实施例流程图。
图2是本发明另一实施例流程图。
图3是本发明实施例装置逻辑结构图。
图4是本发明另一实施里装置逻辑结构图。
具体实施方式
本发明提出一种基于大量交通数据自动学习获得车辆经过两个相机拍摄点最小时间的方法。该方法根据历史交通数据,自动学习任意两个相机间车辆经过的最小时间,并可根据历史交通数据的周期性灵活修正,不需要用户对两两相机间的最小时间一一固定配置,从而极大提高了该套******的可用性、易用性和准确性。以下结合具体实施例详细说明。
请参图1,该图给出了自动获得各相机拍摄点间最小时间方法的流程。该流程由计算机设备,比如监控服务器执行。
S11、针对历史车牌数据库,获取第一相机在第i个时间段内拍摄的车牌和拍摄时间点信息,并在该监控***其他相机拍摄的车牌中分别获取与该第i个时间段对应的时间段内该车牌的拍摄时间点信息;
S12、将各车牌在其他相机中的拍摄时间点减去在第一相机中的拍摄时间点得到的差值作为第一相机拍摄点到达各其他相机拍摄点的时间;
S13、分别对第一相机拍摄点到各其他相机拍摄点的时间进行过滤,确定该第i个时间段对应的第一相机拍摄点到各其他相机拍摄点的最小时间。
在对第一相机拍摄点到各其他相机拍摄点的时间进行过滤,确定某一时间段对应的第一相机拍摄点到各其他相机拍摄点的最小时间可以采用以下几种方法。
方法一、将第一相机拍摄点到各其他相机拍摄点的时间分别进行升序排列,分别将排序后的前n%的时间作为噪声数据进行过滤,将剩余的时间中最小的时间分别作为第一相机拍摄点到各其他相机拍摄点的最小时间。
方法二、将第一相机拍摄点到各其他相机拍摄点的时间分别进行升序或降序排列,获得排序后各组时间的中位值Nmid,将各中位值与r的乘积分别作为第一相机拍摄点到各其他相机拍摄点的最小时间,r为预设的常数。
方法三、将第一相机拍摄点到各其他相机拍摄点的时间分别进行升序或降序排列,获得排序后的各组时间的中位值Nmid,将各组时间中小于Nmid-d和大于Nmid+d的数据过滤掉,将各组剩余的时间中最小的时间分别作为第一相机拍摄点到各其他相机拍摄点的最小时间;其中δ=3,N(i)为各组中的时间。
历史车牌数据库中保存有整个监控***中所有监控相机拍摄的历史车牌数据。本发明自动学习获取两个监控相机拍摄地点之间的最小时间所利用的数据是历史数据。该自动学习的过程可以在服务器较空闲的时候,或者在线下服务器上进行自动学习,学习完成后将各监控相机拍摄点间的最小时间上传到监控***中正在运行的服务器上。每个相机的拍摄点也就是各相机安装的位置。
本发明实施例之所以按照不同时间段分别进行最小时间的学习主要是考虑不同时间段,车辆在两相机拍摄点间移动的最小时间差别很可能比较大。比如早高峰7点到9点时段从相机1拍摄点到相机2拍摄点的最小时间很可能大于10点到12点时段;又比如白天任一时段两个相机拍摄点之间车辆经过的最小时间很可能大于晚上任一时段;又比如工作日7点到9点两个相机拍摄点之间车辆经过的时间很可能大于周末同一时段。在进行两个相机拍摄点之间最小时间自动学习的时候,可以以半小时或者1小时或者其他时间粒度作为一个时间段分别进行最小时间的统计。
假设一个监控***有30个监控相机,现在需要获取每两个相机拍摄点在周一上午7点至7点半的最小时间。以相机1拍摄点到其他29个相机拍摄点的最小时间为例,首先获取相机1某一个周一上午7点到7点半所拍摄的所有车牌以及每个车牌拍摄时间点信息。假设获得的车牌数量为1000个,记为车牌1,车牌2……车牌999、车牌1000。其次,分别从其他29个相机拍摄的车牌中查找这1000个车牌。在从其他29个相机拍摄的车牌中查找这1000个车牌的时候最好设定一个与第一相机车牌获取时间对应的时间查找范围。这个对应的时间查找范围可以在第一相机车牌获取时间范围的基础上加上预设值。该预设值可以参考该监控***两相距最远的相机间的可达时间。比如该可达时间是1小时,则在其他29个相机中查找这1000个车牌的时候,设定查找时间范围为7点至8点半;假设从相机2拍摄的车牌中找到了车牌1~车牌788,则将车牌1在相机2中拍摄的时间点减去车牌1在相机1中拍摄的时间点得到相机1拍摄点到相机2拍摄点的时间1;将车牌2在相机2中拍摄的时间点减去车牌2在相机1中拍摄的时间点得到相机1到相机2拍摄点的时间2;用同样的方法计算出车牌3~车牌788所对应的另786个相机1到相机2拍摄点的时间;从而得到了一组相机1拍摄点到相机2拍摄点的时间信息,共788个数据。对于相机3,用同样的方法假设从其拍摄的车牌中找到了车牌1、车牌4、车牌19~车牌608,则将车牌1在相机3中拍摄的时间点减去车牌1在相机1中拍摄的时间点得到相机1到相机3拍摄点的时间1;将车牌4在相机3中拍摄的时间点减去车牌4在相机1中拍摄的时间点得到相机1到相机3拍摄点的时间2;同样的获得车牌19~608所对应的另589个相机1拍摄点到相机3拍摄点的时间;从而又得到了一组相机1拍摄点到相机3拍摄点的时间,共591个数据。用类似的方法,可以得到另27组相机1拍摄点到其他相机拍摄点的时间。当然有可能没有27组数据,比如说有些相机拍摄的车牌数据中没有上述1000个车牌的信息,这样就无法得到相机1拍摄点到该相机拍摄点的时间。另外,如果某一组获得数据非常少(比如说3个数据),则认为该组数据无效,同样也就无法得到对应的两个相机拍摄点间的最小时间。
假设获得了相机1拍摄点到其他29个相机拍摄点的29组时间数据,需要分别对每组数据进行处理,从而得到相机1拍摄点到相机2~相机30拍摄点的最小时间。
以相机1拍摄点到相机2拍摄点的一组,788个数据为例,说明如何得到相机1拍摄点到相机2拍摄点的最小时间。本实施例提供了三种方法。
方法一:将这788个数据按照从小到大的顺序进行排序,将排序后的前n%的时间作为噪声数据进行过滤,比如将前3%的数据去除掉,这里即将第1至23个数据滤除掉,将剩余的时间中最小的时间,即第24个数据作为相机1拍摄点到相机2拍摄点的最小时间。
方法二:将这788个数据分别进行升序或降序排列,获得排序后时间的中位值Nmid,假设该中位值为10分钟,将该中位值与r的乘积分别作为第一相机拍摄点到第二相机拍摄点的最小时间,r为预设的常数;比如说r为0.8,则第一相机拍摄点到第二相机拍摄点的最小时间为8分钟。
方法三、将这788个数据分别进行升序或降序排列,获得排序后时间的中位值Nmid,假设该中位值为10分钟,按照公式计算d值,假设计算得到d值为2分钟,则将该788个数据中时间小于Nmid-d和大于Nmid+d的数据过滤掉,即将小于8分钟,大于12分钟的时间过滤点,将该组剩余的时间中最小的时间分别作为第一相机拍摄点到第二相机拍摄点的最小时间。
通过上述方法就得到了周一上午7点~7点半相机1拍摄点到相机2拍摄点的最小时间。
利用同样的方法得到周一上午7点~7点半相机1拍摄点到相机3~30拍摄点的最小时间。
接着计算第2个时间段,即7点半~8点相机1拍摄点分别到达相机2~30这29个拍摄点的最小时间,直到一天所有的时间段全部计算完毕。实际上,时间段的划分可以比较灵活,比如,晚上的时间段可以比白天的时间段划分的粒度更大;一天中各时间段的间隔长度也可以根据其他需要进行不等长的设置。
上文描述的是周一每个时间段对应的最小时间,用同样的方法可以计算周二~周五每个时间段对应的最小时间。然后可以进一步将每个时间段对应的最小时间取平均,从而得到工作日每个时间段最终对应的最小时间。
对于周末可以类似的得到每个时间段对应的最小时间。
以上是以相机1作为每个时间段对应的最小时间的计算起点。对于其他相机,相机2~相机30用同样的方法计算出每个相机拍摄点到其他29个相机拍摄点不同时间段对应的最小时间。
本发明方案对于两个相机拍摄点间最小时间的获得,不用实际测量,增强了可用性;两个相机拍摄点的最小时间不用一一配置,由历史数据自动学习,非常方便:两个相机拍摄点在不同时间段的最小时间根据历史数据自动学习,避免了配置为一个时间的不准确。
基于上述方法所获得的最小时间,本发明还提供了一种套***的方法,该方法应用于监控***中的服务器。请参图2所示的本发明的实施流程。
步骤S21、获取第一车牌在各相机中的拍摄时间;
步骤S22、将该车牌在任意两个相机中的拍摄时间差△T与Q进行比较,如果△T<Q,则判断所述第一车牌存在套牌,否则该车牌不存在套牌;其中Q=aT,a是预设的系数,T是根据上述最小时间获取方案获得的两个相机拍摄点的最小时间。
在进行套***的时候,可以对一段时间内的车牌数据进行套***。比如说分析1月1日这一天,车牌1是否有套牌。服务器获取各相机拍得车牌1的时间,比如说,在相机A~H中,车牌1拍摄的时间点经过排序后分别为:06:30:00、06:32:36、06:37:40、06:41:06、06:44:00、06:45:36、06:46:16、06:47:56。车牌1在相机A和相机B中的时间差△T=2分36秒,假设相机1拍摄点到相机2拍摄点在6:30~7:00时间段对应的最小时间T为2分钟,系数a为0.8,则Q=1分钟36秒,所以当前车牌1没有套牌;继续计算车牌1在相机A和相机C中的时间差△T=7分40秒,假设相机1拍摄点到相机2拍摄点在6:30~7:00时间段对应的最小时间T为8分钟,则Q=6分24秒,所以仍然没有套牌。用同样的方法计算车牌1在其他任意两个相机中的时间差,并和这两个相机所对应的最小时间进行比较,判断是否套牌。
系数a可以根据误报忍受程度设置,比如a设置为0.8,表示时间差小于最小间隔80%时将上报套牌,这样会减少误报,但是准确度会小一些;若a设置为1.2,则表示时间差小于最小时间1.2倍时将上报套牌,这样会减少漏报,但是误报会多些;所以用户可以根据实际需要不同,灵活根据应用场景进行系数的配置。
基于同样的构思,本发明还提供了一种自动获得各相机拍摄点间最小时间的装置,该装置应用于监控***中的服务器。请参图3,该装置包括:车牌获取模块、时间间隔计算模块和最小时间确定模块。
其中,车牌获取模块,用于针对历史车牌数据库,获取第一相机在第i个时间段内拍摄的车牌和拍摄时间点信息,并在该监控***其他相机拍摄的车牌中分别获取与该第i个时间段对应的时间段内该车牌的拍摄时间点信息。
时间间隔计算模块,用于将各车牌在其他相机中的拍摄时间点减去在第一相机中的拍摄时间点得到的差值作为第一相机拍摄点到达各其他相机拍摄点的时间。
最小时间确定模块,用于分别对所述第一相机拍摄点到各其他相机拍摄点的时间进行过滤,确定该第i个时间段对应的第一相机拍摄点到各其他相机拍摄点的最小时间。
该最小时间确定模块可以按照如下三种方式之一执行以确定最小时间:
方式一、将第一相机拍摄点到各其他相机拍摄点的时间分别进行升序排列,分别将排序后的前n%的时间作为噪声数据进行过滤,将剩余的时间中最小的时间分别作为第一相机拍摄点到各其他相机拍摄点的最小时间。
方式二、将第一相机拍摄点到各其他相机拍摄点的时间分别进行升序或降序排列,获得排序后各组时间的中位值Nmid,将各中位值与r的乘积分别作为第一相机拍摄点到各其他相机拍摄点的最小时间,r为预设的常数。
方式三、将第一相机拍摄点到各其他相机拍摄点的时间分别进行升序或降序排列,获得排序后的各组时间的中位值Nmid,将各组时间中小于Nmid-d和大于Nmid+d的数据过滤掉,将各组剩余的时间中最小的时间分别作为第一相机拍摄点到各其他相机拍摄点的最小时间;其中δ=3,N(i)为各组中的时间。
本发明还提供一种利用上述自动获得各相机拍摄点间最小时间的装置进行套***的装置,该装置应用于监控***中的服务器。请参图4,该装置包括:拍摄时间获取模块、套牌判断模块。
其中,拍摄时间获取模块,用于获取第一车牌在各相机中的拍摄时间;该套牌判断模块,用于将该第一车牌在任意两个相机中的拍摄时间差△T与Q进行比较,如果△T<Q,则判断所述第一车牌存在套牌,否则第一车牌不存在套牌;其中Q=aT,a是预设的系数,T是这两个相机拍摄点的所述最小时间。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种自动获得各相机拍摄点间最小时间的方法,该方法应用于监控***中的服务器,其特征在于,该方法包括:
步骤A、针对历史车牌数据库,获取第一相机在第i个时间段内拍摄的车牌和拍摄时间点信息,并在该监控***其他相机拍摄的车牌中分别获取与该第i个时间段对应的时间段内该车牌的拍摄时间点信息;
步骤B、将各车牌在其他相机中的拍摄时间点减去在第一相机中的拍摄时间点得到的差值作为第一相机拍摄点到达各其他相机拍摄点的时间;
步骤C、分别对所述第一相机拍摄点到各其他相机拍摄点的时间进行过滤,确定该第i个时间段对应的第一相机拍摄点到各其他相机拍摄点的最小时间。
2.如权利要求1所述的方法,其特征在于,所述步骤C具体为:将第一相机拍摄点到各其他相机拍摄点的时间分别进行升序排列,分别将排序后的前n%的时间作为噪声数据进行过滤,将剩余的时间中最小的时间分别作为第一相机拍摄点到各其他相机拍摄点的最小时间。
3.如权利要求1所述的方法,其特征在于,所述步骤C具体为:将第一相机拍摄点到各其他相机拍摄点的时间分别进行升序或降序排列,获得排序后各组时间的中位值Nmid,将各中位值与r的乘积分别作为第一相机拍摄点到各其他相机拍摄点的最小时间,r为预设的常数。
4.如权利要求1所述的方法,其特征在于,所述步骤C具体为:将第一相机拍摄点到各其他相机拍摄点的时间分别进行升序或降序排列,获得排序后的各组时间的中位值Nmid,将各组时间中小于Nmid-d和大于Nmid+d的数据过滤掉,将各组剩余的时间中最小的时间分别作为第一相机拍摄点到各其他相机拍摄点的最小时间;其中δ=3,N(i)为各组中的时间;n为一组时间包含时间数据的总个数;i为一个时间数据在排序后的一组时间中的排列序号。
5.一种利用如权利要求1~4任一项方法得到最小时间进行套***的方法,该方法应用于监控***中的服务器,该方法包括:
A、获取第一车牌在各相机中的拍摄时间;
B、将该车牌在任意两个相机中的拍摄时间差△T与Q进行比较,如果△T<Q,则判断所述第一车牌存在套牌,否则第一车牌不存在套牌;其中Q=aT,a是预设的系数,T是这两个相机拍摄点的所述最小时间。
6.一种自动获得各相机拍摄点间最小时间的装置,该装置应用于监控***中的服务器,其特征在于,该装置包括:
车牌获取模块,用于针对历史车牌数据库,获取第一相机在第i个时间段内拍摄的车牌和拍摄时间点信息,并在该监控***其他相机拍摄的车牌中分别获取与该第i个时间段对应的时间段内该车牌的拍摄时间点信息;
时间间隔计算模块,用于将各车牌在其他相机中的拍摄时间点减去在第一相机中的拍摄时间点得到的差值作为第一相机拍摄点到达各其他相机拍摄点的时间;
最小时间确定模块,用于分别对所述第一相机拍摄点到各其他相机拍摄点的时间进行过滤,确定该第i个时间段对应的第一相机拍摄点到各其他相机拍摄点的最小时间。
7.如权利要求6所述的装置,其特征在于,所述最小时间确定模块具体执行如下操作确定最小时间:
将第一相机拍摄点到各其他相机拍摄点的时间分别进行升序排列,分别将排序后的前n%的时间作为噪声数据进行过滤,将剩余的时间中最小的时间分别作为第一相机拍摄点到各其他相机拍摄点的最小时间。
8.如权利要求6所述的装置,其特征在于,所述最小时间确定模块具体执行如下操作确定最小时间:
将第一相机拍摄点到各其他相机拍摄点的时间分别进行升序或降序排列,获得排序后各组时间的中位值Nmid,将各中位值与r的乘积分别作为第一相机拍摄点到各其他相机拍摄点的最小时间,r为预设的常数。
9.如权利要求6所述的装置,其特征在于,所述最小时间确定模块具体执行如下操作确定最小时间:
将第一相机拍摄点到各其他相机拍摄点的时间分别进行升序或降序排列,获得排序后的各组时间的中位值Nmid,将各组时间中小于Nmid-d和大于Nmid+d的数据过滤掉,将各组剩余的时间中最小的时间分别作为第一相机拍摄点到各其他相机拍摄点的最小时间;其中δ=3,N(i)为各组中的时间;n为一组时间包含时间数据的总个数;i为一个时间数据在排序后的一组时间中的排列序号。
10.一种利用如权利要求6~9任一项装置得到最小时间进行套***的装置,该装置应用于监控***中的服务器,该装置包括:
拍摄时间获取模块,用于获取第一车牌在各相机中的拍摄时间;
套牌判断模块,用于将该第一车牌在任意两个相机中的拍摄时间差△T
与Q进行比较,如果△T<Q,则判断所述第一车牌存在套牌,否则第一车牌不存在套牌;其中Q=aT,a是预设的系数,T是这两个相机拍摄点的所述最小时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410078877.2A CN103871247B (zh) | 2014-03-05 | 2014-03-05 | 一种自动获得各相机拍摄点间最小时间的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410078877.2A CN103871247B (zh) | 2014-03-05 | 2014-03-05 | 一种自动获得各相机拍摄点间最小时间的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103871247A CN103871247A (zh) | 2014-06-18 |
CN103871247B true CN103871247B (zh) | 2016-04-13 |
Family
ID=50909741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410078877.2A Active CN103871247B (zh) | 2014-03-05 | 2014-03-05 | 一种自动获得各相机拍摄点间最小时间的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103871247B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104517445A (zh) * | 2014-12-09 | 2015-04-15 | 浪潮电子信息产业股份有限公司 | 一种基于大数据的***辆识别方法 |
CN105261221B (zh) * | 2015-11-13 | 2017-12-15 | 浙江宇视科技有限公司 | 卡口最小过车时间差确定方法、套***方法及相关装置 |
CN108470449B (zh) * | 2017-02-23 | 2020-12-25 | 杭州海康威视数字技术股份有限公司 | 卡口间的过车时间阈值确定方法及装置 |
CN107886732B (zh) * | 2017-11-20 | 2020-09-08 | 江苏网进科技股份有限公司 | 一种违章抓拍控制***及其方法 |
CN109166321B (zh) * | 2018-09-05 | 2020-08-11 | 武汉万集信息技术有限公司 | 道路交通车辆监测方法和道路交通车辆监测*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004030136A (ja) * | 2002-06-25 | 2004-01-29 | Hitachi Ltd | 監視システムおよび監視サービ提供システム |
US7460028B2 (en) * | 2002-09-20 | 2008-12-02 | Elsag S.P.A. | Vehicle licence plates monitoring system |
CN101540105A (zh) * | 2009-04-15 | 2009-09-23 | 四川川大智胜软件股份有限公司 | 一种基于车辆牌照识别和网格化监控的***检测方法 |
CN101635093A (zh) * | 2009-05-22 | 2010-01-27 | 上海宝康电子控制工程有限公司 | 一种套牌机动车识别***以及方法 |
CN102436746A (zh) * | 2011-09-29 | 2012-05-02 | 杭州海康威视***技术有限公司 | 高效实时的车辆套牌嫌疑分析方法及其装置 |
CN102881169A (zh) * | 2012-09-26 | 2013-01-16 | 青岛海信网络科技股份有限公司 | ***的检测方法 |
CN102945605A (zh) * | 2012-11-06 | 2013-02-27 | 东软集团股份有限公司 | 一种***识别方法和*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4924407B2 (ja) * | 2007-12-25 | 2012-04-25 | 富士通株式会社 | センサ診断方法及びセンサ診断装置 |
KR101035122B1 (ko) * | 2009-03-19 | 2011-05-19 | (주)올웨이즈네트웍스 | 차종 시퀀스 패턴을 이용한 구간통행시간 계측방법 |
-
2014
- 2014-03-05 CN CN201410078877.2A patent/CN103871247B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004030136A (ja) * | 2002-06-25 | 2004-01-29 | Hitachi Ltd | 監視システムおよび監視サービ提供システム |
US7460028B2 (en) * | 2002-09-20 | 2008-12-02 | Elsag S.P.A. | Vehicle licence plates monitoring system |
CN101540105A (zh) * | 2009-04-15 | 2009-09-23 | 四川川大智胜软件股份有限公司 | 一种基于车辆牌照识别和网格化监控的***检测方法 |
CN101635093A (zh) * | 2009-05-22 | 2010-01-27 | 上海宝康电子控制工程有限公司 | 一种套牌机动车识别***以及方法 |
CN102436746A (zh) * | 2011-09-29 | 2012-05-02 | 杭州海康威视***技术有限公司 | 高效实时的车辆套牌嫌疑分析方法及其装置 |
CN102881169A (zh) * | 2012-09-26 | 2013-01-16 | 青岛海信网络科技股份有限公司 | ***的检测方法 |
CN102945605A (zh) * | 2012-11-06 | 2013-02-27 | 东软集团股份有限公司 | 一种***识别方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN103871247A (zh) | 2014-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103871247B (zh) | 一种自动获得各相机拍摄点间最小时间的方法和装置 | |
US9336450B2 (en) | Methods and systems for selecting target vehicles for occupancy detection | |
CN106887137B (zh) | 拥堵事件提示方法及装置 | |
CN110751828B (zh) | 一种路段拥堵测量方法、装置、计算机设备及存储介质 | |
CN108091140B (zh) | 一种确定***辆的方法和装置 | |
CN107645709B (zh) | 一种确定人员信息的方法及装置 | |
CN102902960B (zh) | 基于高斯建模与目标轮廓的遗留物检测方法 | |
CN105448092A (zh) | 一种关联车辆的分析方法及装置 | |
CN112818173B (zh) | 关联对象的识别方法、装置及计算机可读存储介质 | |
CN108230669B (zh) | 基于大数据和云分析的道路车辆违法检测方法及*** | |
CN112799826B (zh) | 智能分析算法选取方法、装置、***及电子设备 | |
CN112232178A (zh) | 基于人像聚档的区域落脚点判定方法、***、设备及介质 | |
CN109784220B (zh) | 一种确定路人轨迹的方法及装置 | |
CN108629982B (zh) | 一种基于旅行时间分布规律的路段车辆数估计方法 | |
CN113487877A (zh) | 一种道路车辆违规停车监控方法 | |
CN111369792B (zh) | 一种交通事件的分析方法、装置及电子设备 | |
CN111613056A (zh) | 一种交通异常事件检测方法及装置 | |
CN107862019B (zh) | 一种基于大数据分析昼伏夜出车辆的方法及装置 | |
KR20200124972A (ko) | 도로 교통 위반 차량 단속 시스템 및 이를 이용한 도로 교통 위반 차량 단속 방법 | |
CN113989715A (zh) | 车辆违停检测方法、装置、电子设备及存储介质 | |
CN111064924B (zh) | 一种基于人工智能的视频监控方法及*** | |
CN111526475A (zh) | 目标车辆的追踪方法、装置、电子设备和存储介质 | |
CN110415511B (zh) | 车辆信息管理方法、装置及存储介质 | |
CN110415512B (zh) | 车辆信息管理方法、装置及存储介质 | |
CN111325054A (zh) | 一种确定克隆车辆的方法、装置及计算设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Zhang Pengguo Inventor after: Zhang Lei Inventor after: Zhou Houqu Inventor before: Zhang Lei Inventor before: Zhou Houqu |