CN108764197A - 伴随车辆识别方法、装置、终端及计算机可读存储介质 - Google Patents
伴随车辆识别方法、装置、终端及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108764197A CN108764197A CN201810571504.7A CN201810571504A CN108764197A CN 108764197 A CN108764197 A CN 108764197A CN 201810571504 A CN201810571504 A CN 201810571504A CN 108764197 A CN108764197 A CN 108764197A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- monitoring point
- monitored
- frequent
- support
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
Abstract
公开了一种伴随车辆识别方法、装置、终端及计算机可读存储介质该方法包括：选取监测点；在给定的监测时间段内分别标记被监测车辆是否在监测点出现；根据被监测车辆在监测点出现的情况，获取被监测车辆，在监测监测点出现的概率，并记为支持度；依次迭代提取频繁1项集，频繁2项集，频繁3项集，…，频繁i项集，筛选出支持度≥给定支持度的车辆组；在给定的频繁项集数的条件下，获取置信度≥给定置信度阈值的车辆组，作为待排查伴随车辆组。该装置能够用于实现该方法。该终端及计算机可读存储介质上存储的伴随车辆识别程序被处理器执行时实现该伴随车辆识别的方法的步骤。其能够在车牌号未知的情况下，从海量的数据中识别出经常一起出现的车辆。
Description
技术领域
本发明涉及智能交通技术领域，特别是涉及一种伴随车辆识别方法、装置、终端及计算机可读存储介质。
背景技术
伴随车辆是指在一定时间内与追踪车辆以一定概率存在伴随关系的车辆。这种车辆具有相互掩护和团伙作案的重大嫌疑，及早监测和识别伴随车辆，能有效降低道路安全***中的危险因素，对预防和减少道路有关的治安和刑事案件，也具有十分重要的意义。
发明内容
有鉴于此，本发明提供了一种伴随车辆识别方法、装置、终端及计算机可读存储介质，其能够在车牌号未知的情况下，从海量的数据中识别出经常一起出现的车辆，作为待排查车辆组。从而更加适于实用。
为了达到上述第一个目的，本发明提供的伴随车辆识别方法的技术方案如下：
本发明提供的伴随车辆识别方法包括以下步骤：
选取监测点，分别为监测点1，监测点2，…，监测点m；
在给定的监测时间段内分别标记被监测车辆，包括车1，车2，…，车n是否在所述监测点，包括监测点1，监测点2，…，监测点m出现；
根据所述被监测车辆，包括车1，车2，…，车n在所述监测点，包括监测点1，监测点2，…，监测点m出现的情况，获取被监测车辆，包括车1，车2，…，车n在所述监测监测点，包括监测点1，监测点2，…，监测点m出现的概率，并记为支持度；
依次迭代提取频繁1项集，频繁2项集，频繁3项集，…，频繁i项集，筛选出支持度≥给定支持度的车辆组；
在给定的频繁项集数的条件下，获取置信度≥给定置信度阈值的车辆组，作为待排查伴随车辆组。
本发明提供的伴随车辆识别方法还可采用以下技术措施进一步实现。
作为优选，所述根据所述被监测车辆，包括车1，车2，…，车n在所述监测点，包括监测点1，监测点2，…，监测点m出现的情况，获取被监测车辆，包括车1，车2，…，车n在所述监测监测点，包括监测点1，监测点2，…，监测点m出现的概率，并记为支持度具体包括以下步骤：
以横坐标表示所述被监测车辆，包括车1，车2，…，车n；纵坐标表示所述监测点，包括监测点1，监测点2，…，监测点m，若所述被监测车辆出现在所述监测点，则对应的坐标标记为1；若所述被监测车辆未出现在所述监测点，则对应的坐标标记为0，获取所述被监测车辆，包括车1，车2，…，车n与所述监测点，包括监测点1，监测点2，…，监测点m之间的对应关系；
根据所述被监测车辆，包括车1，车2，…，车n与所述监测点，包括监测点1，监测点2，…，监测点m之间的对应关系，通过计算，获取被监测车辆，包括车1，车2，…，车n在所述监测监测点，包括监测点1，监测点2，…，监测点m出现的概率，并记为支持度。
作为优选，所述支持度的表达式为：
其中，support(A)—支持度，count(A)—被监测车辆出现在监测点，包括监测点1，监测点2，…，监测点m的次数，m—监测点的个数。
作为优选，
所述频繁1项集的结果形如{车1}，{车3}，{车6}…；
所述频繁2项集的结果形如{车1，车2}，{车1，车3}，{车3，车5}…；
所述频繁3项集的结果形如{车1，车2，车3}，{车3，车5，车6}，{车8，车11，车18}…；
以此类推，直至获得所述频繁i项集。
作为优选，频繁i+1项集是借助各所述频繁i项集获得。
作为优选，所述置信度的表达式为：
其中，
confidence(A->B)—被监测车辆A出现导致被监测车辆B出现的概率，support(A,B)—被监测车辆A和被监测车辆B同时出现的概率，support(A)—被监测车辆A出现的概率。
为了达到上述第二个目的，本发明提供的伴随车辆识别装置的技术方案如下：
本发明提供的伴随车识别装置包括：
照相机或者摄像机，布设在选取的监测点，用于对从所述选取的监测点通过的车辆进行拍照或者摄像，以获取从所述选取的监测点通过的车辆的车牌的图像；
图像识别单元，用于对从所述选取的监测点通过的车辆的车牌的图像进行识别后获取所述车牌图像中的车牌号；
被监测车辆标记单元，用于在给定的监测时间段内分别标记被监测车辆，包括车1，车2，…，车n是否在所述监测点，包括监测点1，监测点2，…，监测点m出现；
支持度获取单元，用于根据所述被监测车辆，包括车1，车2，…，车n在所述监测点，包括监测点1，监测点2，…，监测点m出现的情况，获取被监测车辆，包括车1，车2，…，车n在所述监测监测点，包括监测点1，监测点2，…，监测点m出现的概率，并记为支持度；
支持度筛选单元，用于依次迭代提取频繁1项集，频繁2项集，频繁3项集，…，频繁i项集，筛选出支持度≥给定支持度的车辆组；
待排查伴随车辆组获取单元，用于在给定的频繁项集数的条件下，获取置信度≥给定置信度阈值的车辆组，作为待排查伴随车辆组。
本发明提供的伴随车辆识别装置还可采用以下技术措施进一步实现。
作为优选，所述的伴随车识别装置还包括：
表格绘制单元，用于以横坐标表示所述被监测车辆，包括车1，车2，…，车n；纵坐标表示所述监测点，包括监测点1，监测点2，…，监测点m，若所述被监测车辆出现在所述监测点，则对应的坐标标记为1；若所述被监测车辆未出现在所述监测点，则对应的坐标标记为0，绘制所述被监测车辆，包括车1，车2，…，车n与所述监测点，包括监测点1，监测点2，…，监测点m之间的对应关系的表格。
为了达到上述第三个目的，本发明提供的伴随车辆识别终端的技术方案如下：
本发明提供的伴随车辆识别终端包括照相机或者摄像机、处理器、存储器及存储在所述存储器上并可在所述处理器上运行的伴随车辆识别程序，其中：
所述照相机或者摄像机，用于对从所述选取的监测点通过的车辆进行拍照或者摄像，以获取从所述选取的监测点通过的车辆的车牌的图像；
所述伴随车辆识别程序被所述处理器执行时实现本发明提供的伴随车辆识别的方法的步骤；
其中，
所述照相机或者摄像机能够将拍照或者摄像获取的从所述被监测点通过的车辆的车牌的图像上传所述处理器，所述伴随车辆识别程序能够通过对所述车牌的图像进行识别后获取所述车牌图像中的车牌号。
为了达到上述第四个目的，本发明提供的计算机可读存储介质的技术方案如下：
本发明提供的计算机可读存储介质上存储有伴随车辆识别程序，所述伴随车辆识别程序被处理器执行时实现本发明提供的伴随车辆识别的方法的步骤。
本发明提供的伴随车识别方法、装置、终端及计算机可读存储介质在选取的m个监测点于给定的时间段内监测从该m个监测点通过的n辆被监测车辆，然后，通过一次迭代提取n辆被监测车辆在m个监测点出现的频繁i项集，在给定的频繁项集数的条件下，以置信度大于或者等于给定置信度阈值的车辆组作为待排查伴随车辆组。该方法只需要在被选取的m个监测点设置用于监测车辆通行的照相机或者摄像机，并通过图像识别单元对由照相机或者摄像机获取的被监测车辆的图片或者视频资源中的车牌号进行识别，然后，通过计算即可得到待排查伴随车辆组，其操作设备简单、成本低廉。并且，由于应用本发明提供的伴随车识别方法的过程中，n量被监测车辆是通过设置于m个监测点的照相机或者摄像机随机拍摄的，其无需预先得知待排查车辆的车牌号，能够在车牌号未知的情况下，从海量的数据中识别出经常一起出现的车辆组。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本发明实施例一提供的伴随车辆识别方法的步骤流程图；
图2为本发明实施例一提供的伴随车辆识别方法的具体步骤流程图；
图3为本发明实施例二提供的伴随车辆识别装置的信号流向关系示意图；
图4为本发明实施例二提供的伴随车辆识别装置的具体信号流向关系示意图。
具体实施方式
本发明为解决现有技术存在的问题，提供一种伴随车辆识别方法、装置、终端及计算机可读存储介质，其能够在车牌号未知的情况下，从海量的数据中识别出经常一起出现的车辆，作为待排查车辆组。从而更加适于实用。
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本发明提出的伴随车辆识别方法、装置、终端及计算机可读存储介质，其具体实施方式、结构、特征及其功效，详细说明如后。在下述说明中，不同的“一实施例”或“实施例”指的不一定是同一实施例。此外，一或多个实施例中的特征、结构、或特点可由任何合适形式组合。
本文中术语“和/或”，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，具体的理解为：可以同时包含有A与B，可以单独存在A，也可以单独存在B，能够具备上述三种任一种情况。
实施例一
参见附图1和附图2，本发明实施例一提供的伴随车辆识别方法包括以下步骤：
步骤S1：选取监测点，分别为监测点1，监测点2，…，监测点m；
步骤S2：在给定的监测时间段内分别标记被监测车辆，包括车1，车2，…，车n是否在监测点，包括监测点1，监测点2，…，监测点m出现；
步骤S3：根据被监测车辆，包括车1，车2，…，车n在监测点，包括监测点1，监测点2，…，监测点m出现的情况，获取被监测车辆，包括车1，车2，…，车n在监测监测点，包括监测点1，监测点2，…，监测点m出现的概率，并记为支持度；具体而言：
根据被监测车辆，包括车1，车2，…，车n在监测点，包括监测点1，监测点2，…，监测点m出现的情况，获取被监测车辆，包括车1，车2，…，车n在监测监测点，包括监测点1，监测点2，…，监测点m出现的概率，并记为支持度具体包括以下步骤：
以横坐标表示被监测车辆，包括车1，车2，…，车n；纵坐标表示监测点，包括监测点1，监测点2，…，监测点m，若被监测车辆出现在监测点，则对应的坐标标记为1；若被监测车辆未出现在监测点，则对应的坐标标记为0，获取被监测车辆，包括车1，车2，…，车n与监测点，包括监测点1，监测点2，…，监测点m之间的对应关系；
根据被监测车辆，包括车1，车2，…，车n与监测点，包括监测点1，监测点2，…，监测点m之间的对应关系，通过计算，获取被监测车辆，包括车1，车2，…，车n在监测监测点，包括监测点1，监测点2，…，监测点m出现的概率，并记为支持度，例如：
给定监测时间段，将获得的数据做成如下表格，横坐标表示车辆，纵坐标表示监测点。车辆出现在某个监测点记为1，否则为0，如下表所示：
| 车1 | 车2 | … | 车n | |
| 监测点1 | 1 | 0 | … | 0 |
| 监测点2 | 1 | 0 | … | 1 |
| … | … | … | … | … |
| 监测点m | 1 | 1 | … | 0 |
步骤S4：依次迭代提取频繁1项集，频繁2项集，频繁3项集，…，频繁i项集，筛选出支持度≥给定支持度的车辆组；其中，支持度的表达式为：
其中，support(A)—支持度，count(A)—被监测车辆出现在监测点，包括监测点1，监测点2，…，监测点m的次数，m—监测点的个数。
具体而言：
(i)第1次迭代：提取频繁一项集
给定支持度，提取出所有满足大于等于支持度的车辆。如车1的支持度大于等于给定的support,则筛选出车辆1，以此类推。结果形如{车1}，{车3}，{车6}…
(ii)第2次迭代：提取频繁二项集
给定支持度，提取出所有满足大于等于支持度的同时出现的车辆组。如车1和车2同时出现的支持度大于等于给定的support,则筛选出来。结果形如{车1，车2}，{车1，车3}，{车3，车5}……
(iii)第3次迭代：提取频繁三项集
给定支持度，提取出所有满足大于等于支持度的同时出现的车辆组。如车1、车2、车3同时出现的支持度大于等于给定的support,则筛选出来。结果形如{车1，车2，车3}，{车3，车5，车6}……
(iv)以此类推……，直到提取出所有频繁项集为止。
说明：迭代i得到的所有项集结合在一起以便于迭代i+1次进行评估。如果在迭代1中{车1}、{车3}满足条件，而{车2}不满足条件，则迭代2中只需考虑{车1，车3}是否满足条件，不需考虑{车1，车2}、{车3，车2}，这样就减少了评估次数，节约时间。
步骤S5：在给定的频繁项集数的条件下，获取置信度≥给定置信度阈值的车辆组，作为待排查伴随车辆组，其中，置信度的表达式为：
其中，
confidence(A->B)—被监测车辆A出现导致被监测车辆B出现的概率，support(A,B)—被监测车辆A和被监测车辆B同时出现的概率，support(A)—被监测车辆A出现的概率；具体而言：
(i)给定一组频繁项集(即上述满足条件的伴随车辆组)，根据所有可能的子集产生规则.如{车1，车2}能产生的规则有{车1}->{车2}，{车2}->{车1}这表示车1是车2的伴随车或者车2是车1的伴随车。
(ii)给定最小的置信度阈值，将所有满足大于等于最小置信度的伴随车辆组提取出来。如confidence({车1，车3，车4}->{车2})大于等于给定的置信度，则将该规则提取出来。即认为车1、车3、车4、车2是伴随车辆组，且车1、车3、车4先出现后车2出现。
实施例二
参见附图3和附图4，本发明实施例二提供的伴随车识别装置包括：
照相机或者摄像机，布设在选取的监测点，用于对从选取的监测点通过的车辆进行拍照或者摄像，以获取从选取的监测点通过的车辆的车牌的图像；
图像识别单元，用于对从选取的监测点通过的车辆的车牌的图像进行识别后获取车牌图像中的车牌号；
被监测车辆标记单元，用于在给定的监测时间段内分别标记被监测车辆，包括车1，车2，…，车n是否在监测点，包括监测点1，监测点2，…，监测点m出现；
支持度获取单元，用于根据被监测车辆，包括车1，车2，…，车n在监测点，包括监测点1，监测点2，…，监测点m出现的情况，获取被监测车辆，包括车1，车2，…，车n在监测监测点，包括监测点1，监测点2，…，监测点m出现的概率，并记为支持度；其中，支持度获取单元中集成有表格绘制单元，用于以横坐标表示被监测车辆，包括车1，车2，…，车n；纵坐标表示监测点，包括监测点1，监测点2，…，监测点m，若被监测车辆出现在监测点，则对应的坐标标记为1；若被监测车辆未出现在监测点，则对应的坐标标记为0，绘制被监测车辆，包括车1，车2，…，车n与监测点，包括监测点1，监测点2，…，监测点m之间的对应关系的表格；具体而言：
根据被监测车辆，包括车1，车2，…，车n在监测点，包括监测点1，监测点2，…，监测点m出现的情况，获取被监测车辆，包括车1，车2，…，车n在监测监测点，包括监测点1，监测点2，…，监测点m出现的概率，并记为支持度具体包括以下步骤：
表格绘制单元以表格横坐标表示被监测车辆，包括车1，车2，…，车n；表格纵坐标表示监测点，包括监测点1，监测点2，…，监测点m，若被监测车辆出现在监测点，则对应的坐标标记为1；若被监测车辆未出现在监测点，则对应的坐标标记为0，获取被监测车辆，包括车1，车2，…，车n与监测点，包括监测点1，监测点2，…，监测点m之间的对应关系；
根据被监测车辆，包括车1，车2，…，车n与监测点，包括监测点1，监测点2，…，监测点m之间的对应关系，通过计算，获取被监测车辆，包括车1，车2，…，车n在监测监测点，包括监测点1，监测点2，…，监测点m出现的概率，并记为支持度，例如：
给定监测时间段，将获得的数据做成如下表格，横坐标表示车辆，纵坐标表示监测点。车辆出现在某个监测点记为1，否则为0，如下表所示：
| 车1 | 车2 | … | 车n | |
| 监测点1 | 1 | 0 | … | 0 |
| 监测点2 | 1 | 0 | … | 1 |
| … | … | … | … | … |
| 监测点m | 1 | 1 | … | 0 |
支持度筛选单元，用于依次迭代提取频繁1项集，频繁2项集，频繁3项集，…，频繁i项集，筛选出支持度≥给定支持度的车辆组；其中，支持度的表达式为：
其中，support(A)—支持度，count(A)—被监测车辆出现在监测点，包括监测点1，监测点2，…，监测点m的次数，m—监测点的个数。
具体而言：
(i)第1次迭代：提取频繁一项集
给定支持度，提取出所有满足大于等于支持度的车辆。如车1的支持度大于等于给定的support,则筛选出车辆1，以此类推。结果形如{车1}，{车3}，{车6}…
(ii)第2次迭代：提取频繁二项集
给定支持度，提取出所有满足大于等于支持度的同时出现的车辆组。如车1和车2同时出现的支持度大于等于给定的support,则筛选出来。结果形如{车1，车2}，{车1，车3}，{车3，车5}……
(iii)第3次迭代：提取频繁三项集
给定支持度，提取出所有满足大于等于支持度的同时出现的车辆组。如车1、车2、车3同时出现的支持度大于等于给定的support,则筛选出来。结果形如{车1，车2，车3}，{车3，车5，车6}……
(iv)以此类推……，直到提取出所有频繁项集为止。
说明：迭代i得到的所有项集结合在一起以便于迭代i+1次进行评估。如果在迭代1中{车1}、{车3}满足条件，而{车2}不满足条件，则迭代2中只需考虑{车1，车3}是否满足条件，不需考虑{车1，车2}、{车3，车2}，这样就减少了评估次数，节约时间。
待排查伴随车辆组获取单元，用于在给定的频繁项集数的条件下，获取置信度≥给定置信度阈值的车辆组，作为待排查伴随车辆组，其中，置信度的表达式为：
其中，
confidence(A->B)—被监测车辆A出现导致被监测车辆B出现的概率，support(A,B)—被监测车辆A和被监测车辆B同时出现的概率，support(A)—被监测车辆A出现的概率；具体而言：
(i)给定一组频繁项集(即上述满足条件的伴随车辆组)，根据所有可能的子集产生规则.如{车1，车2}能产生的规则有{车1}->{车2}，{车2}->{车1}这表示车1是车2的伴随车或者车2是车1的伴随车。
(ii)给定最小的置信度阈值，将所有满足大于等于最小置信度的伴随车辆组提取出来。如confidence({车1，车3，车4}->{车2})大于等于给定的置信度，则将该规则提取出来。即认为车1、车3、车4、车2是伴随车辆组，且车1、车3、车4先出现后车2出现。
本发明实施例三提供的伴随车辆识别终端本发明提供的伴随车辆识别终端包括照相机或者摄像机、处理器、存储器及存储在存储器上并可在处理器上运行的伴随车辆识别程序，其中：
照相机或者摄像机，用于对从选取的监测点通过的车辆进行拍照或者摄像，以获取从选取的监测点通过的车辆的车牌的图像；
伴随车辆识别程序被处理器执行时实现本发明提供的伴随车辆识别的方法的步骤；
其中，
照相机或者摄像机能够将拍照或者摄像获取的从被监测点通过的车辆的车牌的图像上传处理器，伴随车辆识别程序能够通过对车牌的图像进行识别后获取车牌图像中的车牌号。具体而言，
处理器还可以与车辆管理中心备案的车辆行驶证件的图像进行比对，以确定被监测车辆与其所携带的车牌号的统一性。在这种情况下，能够避免车辆换牌行驶，而导致对伴随车辆的准确识别造成干扰。
本发明实施例四提供的计算机可读存储介质上存储有伴随车辆识别程序，伴随车辆识别程序被处理器执行时实现本发明提供的伴随车辆识别的方法的步骤。
本发明实施例一提供的伴随车识别方法、实施例二提供的装置、实施例三提供的终端及实施例四计算机可读存储介质在选取的m个监测点于给定的时间段内监测从该m个监测点通过的n辆被监测车辆，然后，通过一次迭代提取n辆被监测车辆在m个监测点出现的频繁i项集，在给定的频繁项集数的条件下，以置信度大于或者等于给定置信度阈值的车辆组作为待排查伴随车辆组。该方法只需要在被选取的m个监测点设置用于监测车辆通行的照相机或者摄像机，并通过图像识别单元对由照相机或者摄像机获取的被监测车辆的图片或者视频资源中的车牌号进行识别，然后，通过计算即可得到待排查伴随车辆组，其操作设备简单、成本低廉。并且，由于应用本发明提供的伴随车识别方法的过程中，n量被监测车辆是通过设置于m个监测点的照相机或者摄像机随机拍摄的，其无需预先得知待排查车辆的车牌号，能够在车牌号未知的情况下，从海量的数据中识别出经常一起出现的车辆组。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种伴随车辆识别方法，其特征在于，包括以下步骤：
选取监测点，分别为监测点1，监测点2，…，监测点m；
在给定的监测时间段内分别标记被监测车辆，包括车1，车2，…，车n是否在所述监测点，包括监测点1，监测点2，…，监测点m出现；
根据所述被监测车辆，包括车1，车2，…，车n在所述监测点，包括监测点1，监测点2，…，监测点m出现的情况，获取被监测车辆，包括车1，车2，…，车n在所述监测监测点，包括监测点1，监测点2，…，监测点m出现的概率，并记为支持度；
依次迭代提取频繁1项集，频繁2项集，频繁3项集，…，频繁i项集，筛选出支持度≥给定支持度的车辆组；
在给定的频繁项集数的条件下，获取置信度≥给定置信度阈值的车辆组，作为待排查伴随车辆组。
2.根据权利要求1所述的伴随车识别方法，其特征在于，所述根据所述被监测车辆，包括车1，车2，…，车n在所述监测点，包括监测点1，监测点2，…，监测点m出现的情况，获取被监测车辆，包括车1，车2，…，车n在所述监测监测点，包括监测点1，监测点2，…，监测点m出现的概率，并记为支持度具体包括以下步骤：
以横坐标表示所述被监测车辆，包括车1，车2，…，车n；纵坐标表示所述监测点，包括监测点1，监测点2，…，监测点m，若所述被监测车辆出现在所述监测点，则对应的坐标标记为1；若所述被监测车辆未出现在所述监测点，则对应的坐标标记为0，获取所述被监测车辆，包括车1，车2，…，车n与所述监测点，包括监测点1，监测点2，…，监测点m之间的对应关系；
根据所述被监测车辆，包括车1，车2，…，车n与所述监测点，包括监测点1，监测点2，…，监测点m之间的对应关系，通过计算，获取被监测车辆，包括车1，车2，…，车n在所述监测监测点，包括监测点1，监测点2，…，监测点m出现的概率，并记为支持度。
3.根据权利要求1所述的伴随车辆识别方法，其特征在于，所
述支持度的表达式为：
其中，support(A)—支持度，count(A)—被监测车辆出现在监测点，包括监测点1，监测点2，…，监测点m的次数，m—监测点的个数。
4.根据权利要求1所述的伴随车辆识别方法，其特征在于，
所述频繁1项集的结果形如{车1}，{车3}，{车6}…；
所述频繁2项集的结果形如{车1，车2}，{车1，车3}，{车3，车5}…；
所述频繁3项集的结果形如{车1，车2，车3}，{车3，车5，车6}，{车8，车11，车18}…；
以此类推，直至获得所述频繁i项集。
5.根据权利要求4所述的伴随车辆识别方法，其特征在于，频繁i+1项集是借助各所述频繁i项集获得。
6.根据权利要求1所述的伴随车辆识别方法，其特征在于，所
述置信度的表达式为：
其中，
confidence(A->B)—被监测车辆A出现导致被监测车辆B出现的概率，support(A,B)—被监测车辆A和被监测车辆B同时出现的概率，support(A)—被监测车辆A出现的概率。
7.一种伴随车识别装置，其特征在于，包括：
照相机或者摄像机，布设在选取的监测点，用于对从所述选取的监测点通过的车辆进行拍照或者摄像，以获取从所述选取的监测点通过的车辆的车牌的图像；
图像识别单元，用于对从所述选取的监测点通过的车辆的车牌的图像进行识别后获取所述车牌图像中的车牌号；
被监测车辆标记单元，用于在给定的监测时间段内分别标记被监测车辆，包括车1，车2，…，车n是否在所述监测点，包括监测点1，监测点2，…，监测点m出现；
支持度获取单元，用于根据所述被监测车辆，包括车1，车2，…，车n在所述监测点，包括监测点1，监测点2，…，监测点m出现的情况，获取被监测车辆，包括车1，车2，…，车n在所述监测监测点，包括监测点1，监测点2，…，监测点m出现的概率，并记为支持度；
支持度筛选单元，用于依次迭代提取频繁1项集，频繁2项集，频繁3项集，…，频繁i项集，筛选出支持度≥给定支持度的车辆组；
待排查伴随车辆组获取单元，用于在给定的频繁项集数的条件下，获取置信度≥给定置信度阈值的车辆组，作为待排查伴随车辆组。
8.根据权利要求7所述的伴随车识别装置，其特征在于，还包括：
表格绘制单元，用于以横坐标表示所述被监测车辆，包括车1，车2，…，车n；纵坐标表示所述监测点，包括监测点1，监测点2，…，监测点m，若所述被监测车辆出现在所述监测点，则对应的坐标标记为1；若所述被监测车辆未出现在所述监测点，则对应的坐标标记为0，绘制所述被监测车辆，包括车1，车2，…，车n与所述监测点，包括监测点1，监测点2，…，监测点m之间的对应关系的表格。
9.一种伴随车辆识别终端，其特征在于，包括照相机或者摄像机、处理器、存储器及存储在所述存储器上并可在所述处理器上运行的伴随车辆识别程序，其中：
所述照相机或者摄像机，用于对从所述选取的监测点通过的车辆进行拍照或者摄像，以获取从所述选取的监测点通过的车辆的车牌的图像；
所述伴随车辆识别程序被所述处理器执行时实现权利要求1～6中任一所述的伴随车辆识别的方法的步骤；
其中，
所述照相机或者摄像机能够将拍照或者摄像获取的从所述被监测点通过的车辆的车牌的图像上传所述处理器，所述伴随车辆识别程序能够通过对所述车牌的图像进行识别后获取所述车牌图像中的车牌号。
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伴随车辆识别程序，所述伴随车辆识别程序被处理器执行时实现权利要求1～6中任一所述的伴随车辆识别的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810571504.7A CN108764197A (zh) | 2018-06-06 | 2018-06-06 | 伴随车辆识别方法、装置、终端及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810571504.7A CN108764197A (zh) | 2018-06-06 | 2018-06-06 | 伴随车辆识别方法、装置、终端及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108764197A true CN108764197A (zh) | 2018-11-06 |
Family
ID=64000071
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810571504.7A Pending CN108764197A (zh) | 2018-06-06 | 2018-06-06 | 伴随车辆识别方法、装置、终端及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108764197A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110718070A (zh) * | 2019-10-14 | 2020-01-21 | 深圳前海中电慧安科技有限公司 | 一种伴随车辆识别方法、装置、设备及存储介质 |
| CN110909263A (zh) * | 2019-11-29 | 2020-03-24 | 北京明略软件***有限公司 | 一种身份特征的伴随关系确定方法及装置 |
| CN112115305A (zh) * | 2019-06-21 | 2020-12-22 | 杭州海康威视数字技术股份有限公司 | 群体识别方法、装置及计算机可读存储介质 |
| CN112182121A (zh) * | 2020-10-27 | 2021-01-05 | 南威软件股份有限公司 | 一种涉车关系发现方法、装置、设备和介质 |
| CN112200472A (zh) * | 2020-10-15 | 2021-01-08 | 平安国际智慧城市科技股份有限公司 | 伴随车辆检测方法、装置、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104778245A (zh) * | 2015-04-09 | 2015-07-15 | 北方工业大学 | 基于海量车牌识别数据的相似轨迹挖掘方法及装置 |
| CN106021412A (zh) * | 2016-05-13 | 2016-10-12 | 上海市计算技术研究所 | 一种面向大规模过车数据的伴随车辆识别方法 |
| CN106781581A (zh) * | 2016-11-29 | 2017-05-31 | 深圳职业技术学院 | 基于人车耦合的安全驾驶行为监测预警***及方法 |
| CN106846801A (zh) * | 2017-02-06 | 2017-06-13 | 安徽新华博信息技术股份有限公司 | 一种基于车辆轨迹的区域徘徊异常行为检测方法 |
| US20170312614A1 (en) * | 2016-05-02 | 2017-11-02 | Bao Tran | Smart device |
-
2018
- 2018-06-06 CN CN201810571504.7A patent/CN108764197A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104778245A (zh) * | 2015-04-09 | 2015-07-15 | 北方工业大学 | 基于海量车牌识别数据的相似轨迹挖掘方法及装置 |
| US20170312614A1 (en) * | 2016-05-02 | 2017-11-02 | Bao Tran | Smart device |
| CN106021412A (zh) * | 2016-05-13 | 2016-10-12 | 上海市计算技术研究所 | 一种面向大规模过车数据的伴随车辆识别方法 |
| CN106781581A (zh) * | 2016-11-29 | 2017-05-31 | 深圳职业技术学院 | 基于人车耦合的安全驾驶行为监测预警***及方法 |
| CN106846801A (zh) * | 2017-02-06 | 2017-06-13 | 安徽新华博信息技术股份有限公司 | 一种基于车辆轨迹的区域徘徊异常行为检测方法 |
Non-Patent Citations (3)
| Title |
|---|
| 刘惠惠等: "基于Spark的FP-Growth伴随车辆发现与应用", 《计算机工程与应用》 * |
| 王路辉: "基于车牌流数据的伴随车发现方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
| 赵秋实等: "基于频繁集的伴随车辆检测算法研究", 《软件》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112115305A (zh) * | 2019-06-21 | 2020-12-22 | 杭州海康威视数字技术股份有限公司 | 群体识别方法、装置及计算机可读存储介质 |
| CN112115305B (zh) * | 2019-06-21 | 2024-04-09 | 杭州海康威视数字技术股份有限公司 | 群体识别方法、装置及计算机可读存储介质 |
| CN110718070A (zh) * | 2019-10-14 | 2020-01-21 | 深圳前海中电慧安科技有限公司 | 一种伴随车辆识别方法、装置、设备及存储介质 |
| CN110909263A (zh) * | 2019-11-29 | 2020-03-24 | 北京明略软件***有限公司 | 一种身份特征的伴随关系确定方法及装置 |
| CN110909263B (zh) * | 2019-11-29 | 2022-10-25 | 北京明略软件***有限公司 | 一种身份特征的伴随关系确定方法及装置 |
| CN112200472A (zh) * | 2020-10-15 | 2021-01-08 | 平安国际智慧城市科技股份有限公司 | 伴随车辆检测方法、装置、电子设备及存储介质 |
| CN112200472B (zh) * | 2020-10-15 | 2023-12-29 | 平安国际智慧城市科技股份有限公司 | 伴随车辆检测方法、装置、电子设备及存储介质 |
| CN112182121A (zh) * | 2020-10-27 | 2021-01-05 | 南威软件股份有限公司 | 一种涉车关系发现方法、装置、设备和介质 |
| CN112182121B (zh) * | 2020-10-27 | 2022-07-12 | 南威软件股份有限公司 | 一种涉车关系发现方法、装置、设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108764197A (zh) | 伴随车辆识别方法、装置、终端及计算机可读存储介质 | |
| CN105702048B (zh) | 基于行车记录仪的高速公路前车违法占道识别***及方法 | |
| CN105321350B (zh) | ***检测方法及装置 | |
| JP2013196682A (ja) | 人の集団検出方法、及び人の集団検出装置 | |
| CN110414459B (zh) | 建立人车关联的方法及装置 | |
| CN108492580B (zh) | 判断涉案嫌疑车辆的方法及*** | |
| CN108921083A (zh) | 基于深度学习目标检测的非法流动摊贩识别方法 | |
| CN106326835A (zh) | 一种用于加油站便利店的人脸数据采集统计***及方法 | |
| CN108694399A (zh) | 车牌识别方法、装置及*** | |
| CN109547748B (zh) | 对象落脚点确定方法、装置及存储介质 | |
| CN105989174A (zh) | 关注区域提取装置以及关注区域提取方法 | |
| DE112009005002T5 (de) | Techniken zum Erkennen von Videokopien | |
| CN109726733A (zh) | 一种基于帧间相关性的视频篡改检测方法 | |
| CN111753642B (zh) | 一种确定关键帧的方法及装置 | |
| CN111444840A (zh) | 一种***辆自动检测方法及*** | |
| CN108052931A (zh) | 一种车牌识别结果融合方法及装置 | |
| CN111639689A (zh) | 人脸数据处理方法、装置及计算机可读存储介质 | |
| CN111563105A (zh) | 归寝管理方法及装置、电子设备及存储介质 | |
| CN109359689B (zh) | 一种数据识别方法及装置 | |
| CN112580531B (zh) | 一种真假车牌的识别检测方法及*** | |
| CN106778765B (zh) | 一种车牌识别的方法及装置 | |
| CN107944352A (zh) | 一种基于图片检索方法的车牌识别***和方法 | |
| CN112489436A (zh) | 一种车辆身份识别方法、装置、***、以及电子装置 | |
| CN107025435A (zh) | 一种人脸识别处理方法和*** | |
| CN106611417A (zh) | 将视觉元素分类为前景或背景的方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181106 |
|
| RJ01 | Rejection of invention patent application after publication |