CN104715612A - 基于行车轨迹匹配实现的嫌疑车辆跟踪方法及装置 - Google Patents
基于行车轨迹匹配实现的嫌疑车辆跟踪方法及装置 Download PDFInfo
- Publication number
- CN104715612A CN104715612A CN201310683874.7A CN201310683874A CN104715612A CN 104715612 A CN104715612 A CN 104715612A CN 201310683874 A CN201310683874 A CN 201310683874A CN 104715612 A CN104715612 A CN 104715612A
- Authority
- CN
- China
- Prior art keywords
- wheelpath
- vehicle
- target line
- line wheel
- bayonet socket
- 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.)
- Granted
Links
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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于行车轨迹匹配实现的嫌疑车辆跟踪方法、装置、设备及***，本发明提供的方法，首先通过检测在交通地图上的目标行车轨迹输入，之后依据输入的时间限定条件从卡口数据库中获取与所述目标行车轨迹上离散卡口位置标签相匹配的行车记录，之后再依据所述行车记录形成多条嫌疑行车轨迹，并最终将所述嫌疑行车轨迹与目标行车轨迹进行匹配，在满足两者的重合率大于预设门限值的条件时，即输出与该嫌疑行车轨迹相对应的车牌信息。采用本发明无需穷举处于起点卡口与终点卡口之间的海量行车轨迹，大幅降低了运算的复杂度，具有更好的可用性。
Description
技术领域
本发明涉及车辆跟踪技术领域，具体而言，涉及一种可用于智能交通领域、公安领域或平安城市领域的基于行车轨迹匹配实现的嫌疑车辆跟踪方法、装置、设备及***。
背景技术
当前，大量的交通检测设备被部署在各级公路之上，用以实时监控并采集来往车辆信息。一般而言，此类信息可为公安刑侦、交通执法等具体应用提供基础依据，例如对于车辆盗窃、交通肇事逃逸、嫌疑车辆逃窜等具体应用场景。
在现有技术中，专利（申请号：CN201010283254.0，发明名称：一种基于碰撞分析的嫌疑车分析方法）首先根据嫌疑车辆的起点和终点，然后再提取依据所述起点和终点所能够获取到的每条行驶路径上的完整卡口信息，最后结合目标嫌疑车辆的过车图像以及车辆登记信息分析嫌疑车辆与这些众多行驶路径的匹配程度，以最终判定哪些记录符合嫌疑车辆的特征。
然而，如图1所示，处于指定的起点卡口和终点卡口之间的卡口数量往往较多，以致由该起点卡口和终点卡口而能够获得的行驶路径数量非常大，当采用该技术方案对每条行驶路径上的完整卡口信息结合目标嫌疑车辆的过车图像及车辆登记信息对嫌疑车辆进行匹配分析时，导致运算复杂度高、程序耗时很长。
发明内容
为了解决现有技术中存在的嫌疑车辆匹配分析时，运算复杂度高、程序耗时长的缺陷，本发明实施例的目的在于提供一种基于行车轨迹匹配实现的嫌疑车辆跟踪方法、装置、设备及***。
为了达到上述目的，本发明实施例采用以下技术方案实现：
一种基于行车轨迹匹配实现的嫌疑车辆跟踪方法，其包括：
检测在交通地图上的目标行车轨迹输入，以及获取用户输入的时间限定条件；
获取处在所述目标行车轨迹之上的离散卡口位置标签，并依据所述时间限定条件从卡口数据库中获取与所述离散卡口位置标签相符的行车记录集，其中，所述行车记录包含车辆的车牌信息、行车时间信息，以及卡口位置信息；
依据车牌信息对所述行车记录集中的行车记录进行分组，并对每个分组中的行车记录依照时间顺序进行排序，之后依据排好序的卡口位置信息获取与车牌信息对应的嫌疑行车轨迹；
将所述嫌疑行车轨迹与目标行车轨迹进行匹配，当两者的重合率大于预设门限值时，输出与所述嫌疑行车轨迹相对应的车牌信息。
优选地，所述行车记录还包括行车图像、行车速度、行驶方向、违法属性、车牌类别、车牌颜色、车辆大小、车辆用途、车辆颜色、车辆型号、驾驶员身份、驾驶员驾龄、驾驶员性别、驾驶员联系方式、驾驶员驾照类别、驾驶员驾驶证发证机关，车辆发证机关、驾驶员驾驶证发证日期、车辆发证日期、车辆年检记录、车辆登记类别、车辆座位数。
优选地，检测在交通地图上的目标行车轨迹输入包括：
检测与显示有交通地图的触敏屏的接触；
依据所述接触的接触轨迹，获取目标行车轨迹输入。
优选地，检测在交通地图上的目标行车轨迹输入包括：
检测在交通地图上的选择图标对象滑动；
依据所述滑动获取目标行车轨迹输入。
优选地，检测在交通地图上的目标行车轨迹输入包括：
检测在交通地图上的激活鼠标指针的移动；
依据所述移动获取目标行车轨迹输入。
一种基于行车轨迹匹配实现的嫌疑车辆跟踪装置，其包括：
检测模块，用于检测在交通地图上的目标行车轨迹输入；
获取模块，用于获取用户输入的时间限定条件；
信息提取模块，用于获取处在所述目标行车轨迹之上的离散卡口位置标签，并依据所述时间限定条件从卡口数据库中获取与所述离散卡口位置标签相符的行车记录集，其中，所述行车记录包含车辆的车牌信息、行车时间信息，以及卡口位置信息；
轨迹分析模块，用于依据车牌信息对所述行车记录集中的行车记录进行分组，并对每个分组中的行车记录依照时间顺序进行排序，之后依据排好序的卡口位置信息获取与车牌信息对应的嫌疑行车轨迹；
匹配跟踪模块，用于将所述嫌疑行车轨迹与目标行车轨迹进行匹配，当两者的重合率大于预设门限值时，将与所述嫌疑行车轨迹相对应的车牌信息提供给显示模块；
显示模块，用于显示所述车牌信息。
优选地，所述行车记录还包括行车图像、行车速度、行驶方向、违法属性、车牌类别、车牌颜色、车辆大小、车辆用途、车辆颜色、车辆型号、驾驶员身份、驾驶员驾龄、驾驶员性别、驾驶员联系方式、驾驶员驾照类别、驾驶员驾驶证发证机关，车辆发证机关、驾驶员驾驶证发证日期、车辆发证日期、车辆年检记录、车辆登记类别、车辆座位数。
优选地，所述显示模块为触敏屏，所述检测模块包括：
第一检测子单元，用于检测与显示有交通地图的触敏屏的接触；
第一轨迹获取子单元，用于依据所述接触的接触轨迹，获取目标行车轨迹输入。
优选地，所述检测模块包括：
第二检测子单元，用于检测在交通地图上的选择图标对象滑动；
第二轨迹获取子单元，用于依据所述滑动获取目标行车轨迹输入。
优选地，所述检测模块包括：
第三检测子单元，用于检测在交通地图上的激活鼠标指针的移动；
第三轨迹获取子单元，用于依据所述移动获取目标行车轨迹输入。
一种电子设备，其包括如上所述的基于行车轨迹匹配实现的嫌疑车辆跟踪装置，所述装置包括：
检测模块，用于检测在交通地图上的目标行车轨迹输入；
获取模块，用于获取用户输入的时间限定条件；
信息提取模块，用于获取处在所述目标行车轨迹之上的离散卡口位置标签，并依据所述时间限定条件从卡口数据库中获取与所述离散卡口位置标签相符的行车记录集，其中，所述行车记录包含车辆的车牌信息、行车时间信息，以及卡口位置信息；
轨迹分析模块，用于依据车牌信息对所述行车记录集中的行车记录进行分组，并对每个分组中的行车记录依照时间顺序进行排序，之后依据排好序的卡口位置信息获取与车牌信息对应的嫌疑行车轨迹；
匹配跟踪模块，用于将所述嫌疑行车轨迹与目标行车轨迹进行匹配，当两者的重合率大于预设门限值时，将与所述嫌疑行车轨迹相对应的车牌信息提供给显示模块；
显示模块，用于显示所述车牌信息。
一种基于行车轨迹匹配实现的嫌疑车辆跟踪***，其包括：
如上所述的电子设备；
以及，与所述电子设备进行数据交互的数据库服务器，所述数据库服务器用于维护卡口数据库；
其中，所述电子设备包括基于行车轨迹匹配实现的嫌疑车辆跟踪装置，所述装置包括：
检测模块，用于检测在交通地图上的目标行车轨迹输入；
获取模块，用于获取用户输入的时间限定条件；
信息提取模块，用于获取处在所述目标行车轨迹之上的离散卡口位置标签，并依据所述时间限定条件从卡口数据库中获取与所述离散卡口位置标签相符的行车记录集，其中，所述行车记录包含车辆的车牌信息、行车时间信息，以及卡口位置信息；
轨迹分析模块，用于依据车牌信息对所述行车记录集中的行车记录进行分组，并对每个分组中的行车记录依照时间顺序进行排序，之后依据排好序的卡口位置信息获取与车牌信息对应的嫌疑行车轨迹；
匹配跟踪模块，用于将所述嫌疑行车轨迹与目标行车轨迹进行匹配，当两者的重合率大于预设门限值时，将与所述嫌疑行车轨迹相对应的车牌信息提供给显示模块；
显示模块，用于显示所述车牌信息。
本发明首先通过检测在交通地图上的目标行车轨迹输入，之后依据输入的时间限定条件从卡口数据库中获取与所述目标行车轨迹上离散卡口位置标签相匹配的行车记录，之后再依据所述行车记录形成多条嫌疑行车轨迹，并最终将所述嫌疑行车轨迹与目标行车轨迹进行匹配，在满足两者的重合率大于预设门限值的条件时，即输出与该嫌疑行车轨迹相对应的车牌信息。采用本发明无需穷举处于起点卡口与终点卡口之间的海量行车轨迹，大幅降低了运算的复杂度，具有更好的可用性。
附图说明
图1为现有技术中依据起点与终点获得行驶路径的示意图；
图2为本发明实施例提供的基于行车轨迹匹配实现的嫌疑车辆跟踪方法流程示意图；
图3为本发明实施例提供的基于行车轨迹匹配实现的嫌疑车辆跟踪装置结构示意图。
本发明目的的实现、功能特点及优异效果，下面将结合具体实施例以及附图做进一步的说明。
具体实施方式
下面结合附图和具体实施例对本发明所述技术方案作进一步的详细描述，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
如图2所示，本发明实施例提供的一种基于行车轨迹匹配实现的嫌疑车辆跟踪方法，其包括如下步骤：
S10、检测在交通地图上的目标行车轨迹输入，以及获取用户输入的时间限定条件；
S20、获取处在所述目标行车轨迹之上的离散卡口位置标签，并依据所述时间限定条件从卡口数据库中获取与所述离散卡口位置标签相符的行车记录集，其中，所述行车记录包含车辆的车牌信息、行车时间信息，以及卡口位置信息；
S30、依据车牌信息对所述行车记录集中的行车记录进行分组，并对每个分组中的行车记录依照时间顺序进行排序，之后依据排好序的卡口位置信息获取与车牌信息对应的嫌疑行车轨迹；
S40、将所述嫌疑行车轨迹与目标行车轨迹进行匹配，当两者的重合率大于预设门限值时，输出与所述嫌疑行车轨迹相对应的车牌信息。
对于所述步骤S10，所述交通地图为诸如百度地图、GOOGLE地图等具有导航指引、地理位置识别、道路交通识别性质的应用程序。
基于交通地图输入目标行车轨迹的方式有多种多样，例如对于具有触敏屏的设备而言，在所述交通地图的提示作用下，采用手指或触控笔规划出相应的目标行车轨迹。
具体地，一种具体实施方式中，检测在交通地图上的目标行车轨迹输入包括：
S101、检测与显示有交通地图的触敏屏的接触；
S102、依据所述接触的接触轨迹，获取目标行车轨迹输入。
另一种具体实施方式中，检测在交通地图上的目标行车轨迹输入包括：
S103、检测在交通地图上的选择图标对象滑动，其中，所述选择图标对象基于鼠标指针的拖动而滑动，或者所述选择图标对象基于用户手势而滑动；
S104、依据所述滑动获取目标行车轨迹输入。
所述选择图标对象为图形交互式用户界面对象。
又或者，在某些其他实施方式中，检测在交通地图上的目标行车轨迹输入包括：
S105、检测在交通地图上的激活鼠标指针的移动；
S106、依据所述移动获取目标行车轨迹输入。
例如，所述鼠标指针在用户长按或点击鼠标左键/右键时，其状态为激活鼠标指针状态。
对于所述步骤S20，本实施例中，所述行车记录除了包括车辆的车牌信息、行车时间信息，以及卡口位置信息之外，还可以包括行车图像、行车速度、行驶方向、违法属性、车牌类别、车牌颜色、车辆大小、车辆用途、车辆颜色、车辆型号、驾驶员身份、驾驶员驾龄、驾驶员性别、驾驶员联系方式、驾驶员驾照类别、驾驶员驾驶证发证机关，车辆发证机关、驾驶员驾驶证发证日期、车辆发证日期、车辆年检记录、车辆登记类别、车辆座位数。
这些海量的行车记录的存储载体是数据库，例如可以包括单机数据库、分布式数据库、文件数据库等类型，还可以包括分散在一系列联网计算机的其他数据存储载体，即云存储。
卡口位置信息是经过预先编码的一系列地理位置信息，在公路的相应卡口地点，通过安装具有行车信息提取功能的专用设备，如摄像机、传感线圈、雷达等。当车辆行经此地时，采集并记录该车辆的车牌信息（其中，所述车牌信息为车牌号码信息）、行车时间、行车经过的卡口位置等信息。
所述行车轨迹是由至少两个卡口位置信息组成的轨迹序列，例如，卡口位置可以采用卡口位置标签的形式予以表示，所述卡口位置标签至少记录了相应卡口所在位置的详细地理位置信息。
在该步骤S20中，数据库应用程序从海量行车记录中，预先选择出行车时间位于指定时间段、并且行车经过地点在目标行车轨迹条件中的所有行车记录的集合，以初步过滤与离散卡口位置标签以及时间限定条件相符的数据，把大量的无关数据滤除，提高后续计算的效率。
通过该处理，可以使得在后续的计算过程中不会混入较多无关的行车记录，从而降低计算的复杂性，提高计算效率。
在本发明步骤1中，如果输入的行车轨迹条件中有更多的行车经过地点，运算复杂度数量级不变。
在程序实现上，该步骤的实现方式在不同的存储载体上会有所不同，例如对关系型数据库而言可以采用SQL（Structured Query Language，结构化查询语言）语句，语法为select…from…where…，条件语句写在where部分。判断行车时间位于指定时间段，需要把行车记录的行车时间字段跟输入条件中的时间段做数值比较。判断行车经过地点（即卡口位置信息）在指定目标行车轨迹中，需要把行车记录中的卡口位置信息字段跟输入条件中的目标行车轨迹中的离散卡口位置标签做元素-集合的归属运算。例如，记行车记录中的行车时间字段为pass_time，卡口位置信息字段为site，输入条件中的时间限定条件为time1->time2，输入条件中的目标行车轨迹的离散卡口位置标签依次为(地点1，地点2，地点3)，则SQL语句表述的where过滤条件就是：
where pass_time between time1and time2
and site in(地点1，地点2，地点3，..)
对于所述步骤S30，数据库应用程序对步骤S20得到的行车记录集进一步按照车牌信息（其中，所述车牌信息为车牌号码信息）分组，然后对每个分组内的行车记录按照时间从早到晚升序排列，再将分组内所有行车记录的卡口位置（即行车经过地点）串联，得到各个与车牌信息唯一对应的车辆在该时间限定条件下的行车经过地点序列，即嫌疑行车轨迹。
对行车记录集按照车牌信息分组的操作中，假定车牌号码字段名为plate，那么对应的SQL语句片段为：
group by rollup(plate)having grouping(plate)=0；
在具体程序实现时，例如对分组内行车记录按照时间升序排列、将卡口位置连接、从而得到各个车牌在此时间限定条件下的行车经过地点序列（嫌疑行车轨迹）的操作，可以使用一个对象类型和一个聚集函数来实现。所述对象类型的输入数据是分组内行车记录的“行车时间-卡口位置”信息组合而成的字符串，聚集过程输出数据是分组内行车记录经过时间升序排列后的行车经过地点序列（嫌疑行车轨迹）。用Oracle语言的实现如下：
定义内存表类型SiteTable，表示行车经过地点序列。
create or replace type SiteTable as table of varchar(20);
定义内存表类型TimeTable，表示时间序列。
create or replace type TimeTable as table of date;
定义为实现聚集函数所需的对象类型TimeSiteConType，语句：
create or replace type TimeSiteConType as object(
dateTable TimeTable,--暂存时间序列
retSiteTable SiteTable,--要返回的行车经过地点序列
static function odciaggregateinitialize(sctx in out TimeSiteConType)returnnumber,
member function odciaggregateiterate(self in out TimeSiteConType,value invarchar2)return number,
member function odciaggregateterminate(self in TimeSiteConType,returnvalue out SiteTable,flags in number)return number,
member function odciaggregatemerge(self in out TimeSiteConType,ctx2inTimeSiteConType)return number
)
在TimeSiteConType类型声明中，成员变量dateTable用于暂存时间序列，成员变量retSiteTable用于保存返回的行车经过地点序列。
成员函数odciaggregateiterate和odciaggregateterminate需要实现，其中，函数odciaggregateiterate用于循环处理各个输入数据，实现获取分组内行车记录按照时间升序排列后的行车经过地点序列，具体实现方法如下：
步骤一，从输入的字符串型“行车时间-卡口位置”数据，分离出此行车记录的行车时间和卡口位置信息。此过程只需要对输入的字符串型“行车时间-卡口位置”数据经过特定字符分割一次即得到。
步骤二，计算步骤一得到的行车时间在暂存时间序列dateTable中的正确排序位置，需保证***此行车时间后，dateTable仍按时间升序排列。
步骤三，将步骤一得到的行车时间，***到暂存时间序列dateTable中，此***位置来自于步骤二所得的排序位置。
步骤四，将步骤一得到的卡口位置信息，***到要返回的行车经过地点序列retSiteTable中，***位置来自于第二步得到的排序位置。
另外，函数odciaggregateterminate用于返回输出结果，即retSiteTable变量。
声明聚集函数，用于计算分组内行车记录经过时间升序排列后的行车经过地点序列，其语句为：
create or replare function GetSiteSequence(
timeSite in varchar2)
return SiteTable
aggregate
using TimeSiteConType;
其中，所述GetSiteSequence函数的功能是：定义一种针对varchar2型输入数据的聚集算法，具体算法在对象类型TimeSiteConType的成员函数中定义，前文已有叙述。
对于所述步骤S40，数据库应用程序将所述嫌疑行车轨迹与目标行车轨迹进行匹配，当两者的重合率大于预设门限值时，输出与所述嫌疑行车轨迹相对应的车牌信息。在本实施例中，所述门限值可以设置为100%，由于所述嫌疑行车轨迹为由多个卡口位置信息形成的行车经过地点序列，以及所述目标行车轨迹由多个离散卡口位置标签串联形成，在该判断过程中，如果所述嫌疑行车轨迹的多个卡口位置与所述目标行车轨迹的多个离散卡口位置标签能够一一匹配的话，则输出与所述嫌疑行车轨迹相对应的车牌信息。
下面用Oracle讲述此实现过程。判断所述嫌疑行车轨迹与目标行车轨迹是否匹配的函数名设为IsSiteSequenceMatch，其原型为：
create or replace IsSiteSequenceMatch(
siteCollection in SiteTable,
matchSites in SiteTable)
returns number
其中，第一个参数siteCollection1表示嫌疑行车轨迹，第二个参数matchSites表示目标行车轨迹，返回值为数字，1表示序列符合，0表示序列不符合。
判断过程可以表示如下：
group by rollup(plate)
having grouping(plate)=0and
IsSiteSequenceMatch(GetSiteSequence(to_char(pass_time,'yyyy-MM-ddhh24:mi:ss')||’,’||site),matchSites)=1
连同上述步骤S20、步骤S30和步骤S40，整个的处理过程简要表示如下:
select plate from[表名]
where pass_time between time1and time2
and site in(地点1，地点2，地点3，..)
group by rollup(plate)
having grouping(plate)=0and
IsSiteSequenceMatch(GetSiteSequence(to_char(pass_time,'yyyy-MM-ddhh24:mi:ss')||’,’||site),matchSites)=1
数据库应用程序判断嫌疑行车轨迹是否跟目标行车轨迹符合的步骤包括：
首先判断嫌疑行车轨迹中的元素（即卡口位置）个数跟目标行车轨迹中的元素（离散卡口位置标签）个数是否相等，如果不相等，则判断结论为不符合；否则，进一步判断嫌疑行车轨迹中的所有元素是否跟目标行车轨迹在相同位置的元素取值相等，如果相等，则判断结论为符合；否则，判断结论为不符合。
用此方法实现的判断过程IsSiteSequenceMatch执行逻辑如下，
之后，数据库应用程序输出所有符合的车牌信息，例如将包含有车牌信息的相应行车记录按照车牌号码升序或者降序、行车时间升序排列好之后呈现给用户。
如图3所示，本发明实施例还相应地提供了一种基于行车轨迹匹配实现的嫌疑车辆跟踪装置，其包括：
检测模块10，用于检测在交通地图上的目标行车轨迹输入；
获取模块20，用于获取用户输入的时间限定条件；
信息提取模块30，用于获取处在所述目标行车轨迹之上的离散卡口位置标签，并依据所述时间限定条件从卡口数据库40中获取与所述离散卡口位置标签相符的行车记录集，其中，所述行车记录包含车辆的车牌信息、行车时间信息，以及卡口位置信息；
轨迹分析模块50，用于依据车牌信息对所述行车记录集中的行车记录进行分组，并对每个分组中的行车记录依照时间顺序进行排序，之后依据排好序的卡口位置信息获取与车牌信息对应的嫌疑行车轨迹；
匹配跟踪模块60，用于将所述嫌疑行车轨迹与目标行车轨迹进行匹配，当两者的重合率大于预设门限值时，将与所述嫌疑行车轨迹相对应的车牌信息提供给显示模块70；
显示模块70，用于显示所述车牌信息。
其中，所述行车记录除包含车辆的车牌信息、行车时间信息，以及卡口位置信息之外，还包括行车图像、行车速度、行驶方向、违法属性、车牌类别、车牌颜色、车辆大小、车辆用途、车辆颜色、车辆型号、驾驶员身份、驾驶员驾龄、驾驶员性别、驾驶员联系方式、驾驶员驾照类别、驾驶员驾驶证发证机关，车辆发证机关、驾驶员驾驶证发证日期、车辆发证日期、车辆年检记录、车辆登记类别、车辆座位数。
一种实施方式下，所述显示模块70为触敏屏，所述检测模块10包括：
第一检测子单元，用于检测与显示有交通地图的触敏屏的接触；
第一轨迹获取子单元，用于依据所述接触的接触轨迹，获取目标行车轨迹输入。
另一种实施方式下，所述检测模块10包括：
第二检测子单元，用于检测在交通地图上的选择图标对象滑动，其中，所述选择图标对象基于鼠标指针的拖动而滑动；
第二轨迹获取子单元，用于依据所述滑动获取目标行车轨迹输入。
或者在某些其他实施方式中，所述检测模块10包括：
第三检测子单元，用于检测在交通地图上的激活鼠标指针的移动；
第三轨迹获取子单元，用于依据所述移动获取目标行车轨迹输入。
除此之外，本发明实施例还提供了一种电子设备，例如所述电子设备为具有触敏屏的便携终端，其包括如上所述的基于行车轨迹匹配实现的嫌疑车辆跟踪装置，参考图3所示，所述装置包括：
检测模块10，用于检测在交通地图上的目标行车轨迹输入；
获取模块20，用于获取用户输入的时间限定条件；
信息提取模块30，用于获取处在所述目标行车轨迹之上的离散卡口位置标签，并依据所述时间限定条件从卡口数据库40中获取与所述离散卡口位置标签相符的行车记录集，其中，所述行车记录包含车辆的车牌信息、行车时间信息，以及卡口位置信息；
轨迹分析模块50，用于依据车牌信息对所述行车记录集中的行车记录进行分组，并对每个分组中的行车记录依照时间顺序进行排序，之后依据排好序的卡口位置信息获取与车牌信息对应的嫌疑行车轨迹；
匹配跟踪模块60，用于将所述嫌疑行车轨迹与目标行车轨迹进行匹配，当两者的重合率大于预设门限值时，将与所述嫌疑行车轨迹相对应的车牌信息提供给显示模块70；
显示模块70，用于显示所述车牌信息。
对于所述基于行车轨迹匹配实现的嫌疑车辆跟踪装置的具体描述可参考上文所述，这里不做重复记述。
除此之外，本发明实施例还提供了一种基于行车轨迹匹配实现的嫌疑车辆跟踪***，其包括：
如上所述的电子设备；
以及，与所述电子设备进行数据交互的数据库服务器，所述数据库服务器用于维护卡口数据库40；
在某些具体应用中，所述数据库服务器为至少两个，其呈分布式部署，其通过应用软件集合起来协同工作，共同对外提供卡口数据存储和业务访问功能。
其中，所述电子设备包括基于行车轨迹匹配实现的嫌疑车辆跟踪装置，继续参考图3所示，所述装置包括：
检测模块10，用于检测在交通地图上的目标行车轨迹输入；
获取模块20，用于获取用户输入的时间限定条件；
信息提取模块30，用于获取处在所述目标行车轨迹之上的离散卡口位置标签，并依据所述时间限定条件从卡口数据库40中获取与所述离散卡口位置标签相符的行车记录集，其中，所述行车记录包含车辆的车牌信息、行车时间信息，以及卡口位置信息；
轨迹分析模块50，用于依据车牌信息对所述行车记录集中的行车记录进行分组，并对每个分组中的行车记录依照时间顺序进行排序，之后依据排好序的卡口位置信息获取与车牌信息对应的嫌疑行车轨迹；
匹配跟踪模块60，用于将所述嫌疑行车轨迹与目标行车轨迹进行匹配，当两者的重合率大于预设门限值时，将与所述嫌疑行车轨迹相对应的车牌信息提供给显示模块70；
显示模块70，用于显示所述车牌信息。
同样地，对于所述基于行车轨迹匹配实现的嫌疑车辆跟踪装置的具体描述可参考上文所述，这里不做重复记述。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (12)
1.一种基于行车轨迹匹配实现的嫌疑车辆跟踪方法，其特征在于，包括：
检测在交通地图上的目标行车轨迹输入，以及获取用户输入的时间限定条件；
获取处在所述目标行车轨迹之上的离散卡口位置标签，并依据所述时间限定条件从卡口数据库中获取与所述离散卡口位置标签相符的行车记录集，其中，所述行车记录包含车辆的车牌信息、行车时间信息，以及卡口位置信息；
依据车牌信息对所述行车记录集中的行车记录进行分组，并对每个分组中的行车记录依照时间顺序进行排序，之后依据排好序的卡口位置信息获取与车牌信息对应的嫌疑行车轨迹；
将所述嫌疑行车轨迹与目标行车轨迹进行匹配，当两者的重合率大于预设门限值时，输出与所述嫌疑行车轨迹相对应的车牌信息。
2.如权利要求1所述的基于行车轨迹匹配实现的嫌疑车辆跟踪方法，其特征在于，所述行车记录还包括行车图像、行车速度、行驶方向、违法属性、车牌类别、车牌颜色、车辆大小、车辆用途、车辆颜色、车辆型号、驾驶员身份、驾驶员驾龄、驾驶员性别、驾驶员联系方式、驾驶员驾照类别、驾驶员驾驶证发证机关，车辆发证机关、驾驶员驾驶证发证日期、车辆发证日期、车辆年检记录、车辆登记类别、车辆座位数。
3.如权利要求1所述的基于行车轨迹匹配实现的嫌疑车辆跟踪方法，其特征在于，检测在交通地图上的目标行车轨迹输入包括：
检测与显示有交通地图的触敏屏的接触；
依据所述接触的接触轨迹，获取目标行车轨迹输入。
4.如权利要求1所述的基于行车轨迹匹配实现的嫌疑车辆跟踪方法，其特征在于，检测在交通地图上的目标行车轨迹输入包括：
检测在交通地图上的选择图标对象滑动；
依据所述滑动获取目标行车轨迹输入。
5.如权利要求1所述的基于行车轨迹匹配实现的嫌疑车辆跟踪方法，其特征在于，检测在交通地图上的目标行车轨迹输入包括：
检测在交通地图上的激活鼠标指针的移动；
依据所述移动获取目标行车轨迹输入。
6.一种基于行车轨迹匹配实现的嫌疑车辆跟踪装置，其特征在于，包括：
检测模块，用于检测在交通地图上的目标行车轨迹输入；
获取模块，用于获取用户输入的时间限定条件；
信息提取模块，用于获取处在所述目标行车轨迹之上的离散卡口位置标签，并依据所述时间限定条件从卡口数据库中获取与所述离散卡口位置标签相符的行车记录集，其中，所述行车记录包含车辆的车牌信息、行车时间信息，以及卡口位置信息；
轨迹分析模块，用于依据车牌信息对所述行车记录集中的行车记录进行分组，并对每个分组中的行车记录依照时间顺序进行排序，之后依据排好序的卡口位置信息获取与车牌信息对应的嫌疑行车轨迹；
匹配跟踪模块，用于将所述嫌疑行车轨迹与目标行车轨迹进行匹配，当两者的重合率大于预设门限值时，将与所述嫌疑行车轨迹相对应的车牌信息提供给显示模块；
显示模块，用于显示所述车牌信息。
7.如权利要求6所述的基于行车轨迹匹配实现的嫌疑车辆跟踪装置，其特征在于，所述行车记录还包括行车图像、行车速度、行驶方向、违法属性、车牌类别、车牌颜色、车辆大小、车辆用途、车辆颜色、车辆型号、驾驶员身份、驾驶员驾龄、驾驶员性别、驾驶员联系方式、驾驶员驾照类别、驾驶员驾驶证发证机关，车辆发证机关、驾驶员驾驶证发证日期、车辆发证日期、车辆年检记录、车辆登记类别、车辆座位数。
8.如权利要求6所述的基于行车轨迹匹配实现的嫌疑车辆跟踪装置，其特征在于，所述显示模块为触敏屏，所述检测模块包括：
第一检测子单元，用于检测与显示有交通地图的触敏屏的接触；
第一轨迹获取子单元，用于依据所述接触的接触轨迹，获取目标行车轨迹输入。
9.如权利要求6所述的基于行车轨迹匹配实现的嫌疑车辆跟踪装置，其特征在于，所述检测模块包括：
第二检测子单元，用于检测在交通地图上的选择图标对象滑动；
第二轨迹获取子单元，用于依据所述滑动获取目标行车轨迹输入。
10.如权利要求6所述的基于行车轨迹匹配实现的嫌疑车辆跟踪装置，其特征在于，所述检测模块包括：
第三检测子单元，用于检测在交通地图上的激活鼠标指针的移动；
第三轨迹获取子单元，用于依据所述移动获取目标行车轨迹输入。
11.一种电子设备，其特征在于，包括如权利要求6-10任一项所述的基于行车轨迹匹配实现的嫌疑车辆跟踪装置。
12.一种基于行车轨迹匹配实现的嫌疑车辆跟踪***，其特征在于，包括：
如权利要求11所述的电子设备；
以及，与所述电子设备进行数据交互的数据库服务器，所述数据库服务器用于维护卡口数据库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310683874.7A CN104715612B (zh) | 2013-12-12 | 2013-12-12 | 基于行车轨迹匹配实现的嫌疑车辆跟踪方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310683874.7A CN104715612B (zh) | 2013-12-12 | 2013-12-12 | 基于行车轨迹匹配实现的嫌疑车辆跟踪方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104715612A true CN104715612A (zh) | 2015-06-17 |
| CN104715612B CN104715612B (zh) | 2019-02-12 |
Family
ID=53414898
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310683874.7A Active CN104715612B (zh) | 2013-12-12 | 2013-12-12 | 基于行车轨迹匹配实现的嫌疑车辆跟踪方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104715612B (zh) |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105206062A (zh) * | 2015-10-23 | 2015-12-30 | 浪潮(北京)电子信息产业有限公司 | 查找方法及装置 |
| CN105389974A (zh) * | 2015-11-19 | 2016-03-09 | 深圳市赛格导航科技股份有限公司 | 基于车辆历史行驶数据追踪车辆的方法及*** |
| CN105448092A (zh) * | 2015-12-23 | 2016-03-30 | 浙江宇视科技有限公司 | 一种关联车辆的分析方法及装置 |
| CN105788271A (zh) * | 2016-05-17 | 2016-07-20 | 厦门市美亚柏科信息股份有限公司 | 通过轨迹匹配识别目标移动对象的方法和装置 |
| CN105931467A (zh) * | 2016-06-06 | 2016-09-07 | 广东中星电子有限公司 | 一种跟踪目标的方法及装置 |
| CN106097708A (zh) * | 2016-06-06 | 2016-11-09 | 浙江宇视科技有限公司 | 一种跟车确定方法及装置 |
| CN106251633A (zh) * | 2016-08-09 | 2016-12-21 | 成都联众智科技有限公司 | 车牌自动识别与跟踪*** |
| WO2017092418A1 (zh) * | 2015-12-04 | 2017-06-08 | 杭州海康威视数字技术股份有限公司 | 过车记录处理方法和装置 |
| CN107016584A (zh) * | 2016-01-27 | 2017-08-04 | 滴滴（中国）科技有限公司 | 订单筛选方法和装置 |
| CN108171976A (zh) * | 2017-12-29 | 2018-06-15 | 合肥工业大学 | 基于在途数据的车辆用途识别方法 |
| CN108255947A (zh) * | 2017-12-13 | 2018-07-06 | 太极计算机股份有限公司 | 刻画人员运动轨迹的方法、装置、移动终端和存储介质 |
| CN109495849A (zh) * | 2018-12-19 | 2019-03-19 | 东软睿驰汽车技术（沈阳）有限公司 | 一种识别跟踪车辆的方法及装置 |
| CN110019402A (zh) * | 2017-12-26 | 2019-07-16 | 浙江宇视科技有限公司 | 数据分析方法、装置及可读存储介质 |
| CN110264730A (zh) * | 2019-06-05 | 2019-09-20 | 上海易点时空网络有限公司 | 基于行车记录的追踪逃逸车辆的方法及*** |
| CN110517495A (zh) * | 2019-09-05 | 2019-11-29 | 四川东方网力科技有限公司 | 车辆轨迹类别的确认方法、装置、设备和存储介质 |
| CN110838232A (zh) * | 2019-09-27 | 2020-02-25 | 浙江工业大学 | 基于过车电警数据的单一车辆od获取方法 |
| CN111354194A (zh) * | 2018-12-20 | 2020-06-30 | ***通信集团山东有限公司 | 一种高速公路车辆识别方法及装置 |
| CN111368616A (zh) * | 2019-07-24 | 2020-07-03 | 杭州海康威视***技术有限公司 | 从车的识别方法、装置及设备 |
| CN111652912A (zh) * | 2020-06-10 | 2020-09-11 | 北京嘀嘀无限科技发展有限公司 | 车辆计数方法和***、数据处理设备及智能拍摄设备 |
| CN111667697A (zh) * | 2019-03-06 | 2020-09-15 | 北京京东尚科信息技术有限公司 | 异常车辆识别方法和装置、计算机可读存储介质 |
| CN111950471A (zh) * | 2020-08-14 | 2020-11-17 | 杭州海康威视***技术有限公司 | 目标对象识别方法及装置 |
| CN113343880A (zh) * | 2021-06-21 | 2021-09-03 | 广州大学 | 一种车辆遮挡号牌的识别方法、装置、设备及介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101210959A (zh) * | 2006-12-25 | 2008-07-02 | ***通信集团公司 | 移动终端导航***及方法 |
| CN101944292A (zh) * | 2010-09-16 | 2011-01-12 | 公安部交通管理科学研究所 | 基于轨迹碰撞的嫌疑车辆分析方法 |
| CN202563577U (zh) * | 2012-05-04 | 2012-11-28 | 山东卡尔电气股份有限公司 | 一种车辆智能监控管理*** |
| WO2013038266A1 (fr) * | 2011-09-15 | 2013-03-21 | Michelin Travel Partner | Procédé et système de navigation avec serveur centralisé |
| KR20130053493A (ko) * | 2011-11-14 | 2013-05-24 | 나비스오토모티브시스템즈 주식회사 | 주행경로 상의 중복경로를 안내하는 네비게이션 장치 및 그 방법 |
| EP2610782A1 (en) * | 2011-12-27 | 2013-07-03 | Magneti Marelli S.p.A. | Method for planning the route of a vehicle |
-
2013
- 2013-12-12 CN CN201310683874.7A patent/CN104715612B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101210959A (zh) * | 2006-12-25 | 2008-07-02 | ***通信集团公司 | 移动终端导航***及方法 |
| CN101944292A (zh) * | 2010-09-16 | 2011-01-12 | 公安部交通管理科学研究所 | 基于轨迹碰撞的嫌疑车辆分析方法 |
| WO2013038266A1 (fr) * | 2011-09-15 | 2013-03-21 | Michelin Travel Partner | Procédé et système de navigation avec serveur centralisé |
| KR20130053493A (ko) * | 2011-11-14 | 2013-05-24 | 나비스오토모티브시스템즈 주식회사 | 주행경로 상의 중복경로를 안내하는 네비게이션 장치 및 그 방법 |
| EP2610782A1 (en) * | 2011-12-27 | 2013-07-03 | Magneti Marelli S.p.A. | Method for planning the route of a vehicle |
| CN202563577U (zh) * | 2012-05-04 | 2012-11-28 | 山东卡尔电气股份有限公司 | 一种车辆智能监控管理*** |
Cited By (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105206062A (zh) * | 2015-10-23 | 2015-12-30 | 浪潮(北京)电子信息产业有限公司 | 查找方法及装置 |
| CN105389974A (zh) * | 2015-11-19 | 2016-03-09 | 深圳市赛格导航科技股份有限公司 | 基于车辆历史行驶数据追踪车辆的方法及*** |
| WO2017092418A1 (zh) * | 2015-12-04 | 2017-06-08 | 杭州海康威视数字技术股份有限公司 | 过车记录处理方法和装置 |
| US10810870B2 (en) | 2015-12-04 | 2020-10-20 | Hangzhou Hikvision Digital Technology Co., Ltd. | Method of processing passage record and device |
| CN105448092A (zh) * | 2015-12-23 | 2016-03-30 | 浙江宇视科技有限公司 | 一种关联车辆的分析方法及装置 |
| CN107016584A (zh) * | 2016-01-27 | 2017-08-04 | 滴滴（中国）科技有限公司 | 订单筛选方法和装置 |
| CN105788271A (zh) * | 2016-05-17 | 2016-07-20 | 厦门市美亚柏科信息股份有限公司 | 通过轨迹匹配识别目标移动对象的方法和装置 |
| CN106097708A (zh) * | 2016-06-06 | 2016-11-09 | 浙江宇视科技有限公司 | 一种跟车确定方法及装置 |
| CN105931467A (zh) * | 2016-06-06 | 2016-09-07 | 广东中星电子有限公司 | 一种跟踪目标的方法及装置 |
| CN105931467B (zh) * | 2016-06-06 | 2019-06-21 | 广东中星电子有限公司 | 一种跟踪目标的方法及装置 |
| CN106097708B (zh) * | 2016-06-06 | 2019-06-11 | 浙江宇视科技有限公司 | 一种跟车确定方法及装置 |
| CN106251633A (zh) * | 2016-08-09 | 2016-12-21 | 成都联众智科技有限公司 | 车牌自动识别与跟踪*** |
| CN108255947A (zh) * | 2017-12-13 | 2018-07-06 | 太极计算机股份有限公司 | 刻画人员运动轨迹的方法、装置、移动终端和存储介质 |
| CN110019402A (zh) * | 2017-12-26 | 2019-07-16 | 浙江宇视科技有限公司 | 数据分析方法、装置及可读存储介质 |
| CN110019402B (zh) * | 2017-12-26 | 2021-09-28 | 浙江宇视科技有限公司 | 数据分析方法、装置及可读存储介质 |
| CN108171976A (zh) * | 2017-12-29 | 2018-06-15 | 合肥工业大学 | 基于在途数据的车辆用途识别方法 |
| CN109495849A (zh) * | 2018-12-19 | 2019-03-19 | 东软睿驰汽车技术（沈阳）有限公司 | 一种识别跟踪车辆的方法及装置 |
| CN111354194A (zh) * | 2018-12-20 | 2020-06-30 | ***通信集团山东有限公司 | 一种高速公路车辆识别方法及装置 |
| CN111667697A (zh) * | 2019-03-06 | 2020-09-15 | 北京京东尚科信息技术有限公司 | 异常车辆识别方法和装置、计算机可读存储介质 |
| CN110264730A (zh) * | 2019-06-05 | 2019-09-20 | 上海易点时空网络有限公司 | 基于行车记录的追踪逃逸车辆的方法及*** |
| CN111368616A (zh) * | 2019-07-24 | 2020-07-03 | 杭州海康威视***技术有限公司 | 从车的识别方法、装置及设备 |
| CN111368616B (zh) * | 2019-07-24 | 2023-05-02 | 杭州海康威视***技术有限公司 | 从车的识别方法、装置及设备 |
| CN110517495A (zh) * | 2019-09-05 | 2019-11-29 | 四川东方网力科技有限公司 | 车辆轨迹类别的确认方法、装置、设备和存储介质 |
| CN110838232A (zh) * | 2019-09-27 | 2020-02-25 | 浙江工业大学 | 基于过车电警数据的单一车辆od获取方法 |
| CN111652912A (zh) * | 2020-06-10 | 2020-09-11 | 北京嘀嘀无限科技发展有限公司 | 车辆计数方法和***、数据处理设备及智能拍摄设备 |
| CN111652912B (zh) * | 2020-06-10 | 2021-02-26 | 北京嘀嘀无限科技发展有限公司 | 车辆计数方法和***、数据处理设备及智能拍摄设备 |
| CN111950471A (zh) * | 2020-08-14 | 2020-11-17 | 杭州海康威视***技术有限公司 | 目标对象识别方法及装置 |
| CN111950471B (zh) * | 2020-08-14 | 2024-02-13 | 杭州海康威视***技术有限公司 | 目标对象识别方法及装置 |
| CN113343880A (zh) * | 2021-06-21 | 2021-09-03 | 广州大学 | 一种车辆遮挡号牌的识别方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104715612B (zh) | 2019-02-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104715612A (zh) | 基于行车轨迹匹配实现的嫌疑车辆跟踪方法及装置 | |
| Chen et al. | A survey of traffic data visualization | |
| Zhang et al. | City brain: practice of large‐scale artificial intelligence in the real world | |
| US20140254879A1 (en) | Location Classification Based on License Plate Recognition Information | |
| US20070291118A1 (en) | Intelligent surveillance system and method for integrated event based surveillance | |
| Yan et al. | Towards Semantic Trajectory Data Analysis: A Conceptual and Computational Approach. | |
| CN106846801A (zh) | 一种基于车辆轨迹的区域徘徊异常行为检测方法 | |
| CN105448092A (zh) | 一种关联车辆的分析方法及装置 | |
| CN109376178A (zh) | 时空大数据轨迹分析平台、方法、服务器及存储介质 | |
| CN104199903A (zh) | 一种基于路径关联的车辆数据查询***及方法 | |
| CN112132033B (zh) | 车型识别方法、装置、电子设备及存储介质 | |
| CN111274283A (zh) | 一种轨迹显示方法及装置 | |
| Ge et al. | Light-weighted vehicle detection network based on improved YOLOv3-tiny | |
| CN116662839A (zh) | 基于多维智能采集的关联大数据聚类分析方法及装置 | |
| Cervera-Uribe et al. | U19-Net: a deep learning approach for obstacle detection in self-driving cars | |
| Fei et al. | Multi-component fusion temporal networks to predict vehicle exhaust based on remote monitoring data | |
| Huang et al. | Enabling versatile analysis of large scale traffic video data with deep learning and HiveQL | |
| CN113190703A (zh) | 视频图像的智能检索方法、装置、电子设备及存储介质 | |
| Lee et al. | A framework for detecting vehicle occupancy based on the occupant labeling method | |
| Noh et al. | SafetyCube: Framework for potential pedestrian risk analysis using multi-dimensional OLAP | |
| CN112052405A (zh) | 一种基于司机经验的寻客区域推荐方法 | |
| Hu et al. | An image-based crash risk prediction model using visual attention mapping and a deep convolutional neural network | |
| CN116524210A (zh) | 自动驾驶数据筛选方法、***、电子设备和存储介质 | |
| Ojala et al. | Motion detection and classification: ultra-fast road user detection | |
| CN114202919A (zh) | 一种非机动车电子车牌遮挡的识别方法、装置及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |