CN110675639A - 基于卡口过车数据分析***所属真牌的方法 - Google Patents

基于卡口过车数据分析***所属真牌的方法 Download PDF

Info

Publication number
CN110675639A
CN110675639A CN201911217892.XA CN201911217892A CN110675639A CN 110675639 A CN110675639 A CN 110675639A CN 201911217892 A CN201911217892 A CN 201911217892A CN 110675639 A CN110675639 A CN 110675639A
Authority
CN
China
Prior art keywords
vehicle
fake
driver
bayonet
licensed
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
Application number
CN201911217892.XA
Other languages
English (en)
Other versions
CN110675639B (zh
Inventor
杜冬军
王开学
蔡青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Citms High-Tech Co Ltd
Wuhan Zhongke Tongda High New Technology Co Ltd
Original Assignee
Wuhan Citms High-Tech Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Citms High-Tech Co Ltd filed Critical Wuhan Citms High-Tech Co Ltd
Priority to CN201911217892.XA priority Critical patent/CN110675639B/zh
Publication of CN110675639A publication Critical patent/CN110675639A/zh
Application granted granted Critical
Publication of CN110675639B publication Critical patent/CN110675639B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G06F16/24552—Database cache management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2471—Distributed queries
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Fuzzy Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于卡口过车数据分析***所属真牌的方法，包括以下步骤：步骤1、建立车辆和驾驶人信息库；步骤2、获取卡口过车车辆图片信息和驾驶人人脸信息，基于车辆时空分析，判定出套牌嫌疑车辆；步骤3、获取套牌嫌疑车辆的驾驶人信息，自驾驶人关联车辆中找出与该套牌嫌疑车辆具有相同特征或相似度大于阈值的车辆并获取号牌号码，该号牌号码即为该套牌嫌疑车辆所对应的真实号牌。本发明具有缩小车辆特征信息查询范围，加快识别速度，提高识别效率，能够有效遏制***行为的有益效果。

Description

基于卡口过车数据分析***所属真牌的方法
技术领域
本发明涉及大数据分析领域。更具体地说，本发明涉及一种基于卡口过车数据分析***所属真牌的方法。
背景技术
***俗称克隆车，是指通过伪造或者非法套取其它车辆号牌及行驶证等手续上路行驶的车辆。我们认为使用伪造、变造的机动车号牌、使用其他车辆的机动车号牌、使用欺骗、贿赂手段取得机动车号牌的机动车均可以称为***。由于机动车、号牌管理不规范，套牌行为有愈演愈烈的趋势，从套用民牌发展到套用专用号牌、军牌、警牌；从改装、拼装车套牌发展到报废车、盗抢车套牌再到用欺骗、贿赂手段重新取得机动车号牌均有发生。
目前的***数据大多数是基于卡口过车数据的时空关系分析得出，能够一定程度上帮助交警做好车辆布控，但是抓捕效率低下，不能有效打击遏制***行为。
发明内容
本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。
本发明还有一个目的是提供一种基于卡口过车数据分析***所属真牌的方法，该方法首先建立车辆和驾驶人信息库，再通过卡口结构化识别，进行时空分析，筛选出套牌嫌疑车辆，再与六合一平台车辆信息库进行比对，判定出套牌嫌疑车辆，根据套牌嫌疑车辆驾驶人信息，找出与套牌嫌疑车辆相同或相似度大于阈值的车辆，并获取号牌号码，该号牌号码即为该套牌嫌疑车辆所对应的真实号牌号码，该方法缩小车辆特征信息查询范围，加快识别速度，提高识别效率，能够有效遏制***行为。
为了实现根据本发明的这些目的和其它优点，提供了一种基于卡口过车数据分析***所属真牌的方法，包括以下步骤：
步骤1、建立车辆和驾驶人信息库，其中，车辆和驾驶人信息库中同一车辆关联若干驾驶人；
步骤2、获取卡口过车车辆图片信息和驾驶人人脸信息，基于车辆时空分析，判定出套牌嫌疑车辆；
步骤3、获取套牌嫌疑车辆的驾驶人信息，自车辆和驾驶人信息库中获取该驾驶人关联的车辆，将该驾驶人关联的车辆按照该驾驶人的驾驶次数从高到低排列，并从高到低依次比对套牌嫌疑车辆与驾驶人关联的车辆的车辆特征，若只有一辆车辆特征匹配信息，则该车辆对应的号牌号码为套牌嫌疑车辆的真实号牌号码，若同时拥有多辆车辆特征匹配信息，继续判定车辆特征相似度，若车辆特征相似度大于阈值，则判定为该号牌号码为套牌嫌疑车辆的真实号牌号码。
优选的是，步骤1中车辆和驾驶人信息库基于车辆曾使用过真实号牌号码在路上行驶并且被卡口抓拍记录为前提，车辆和驾驶人信息库中驾驶人驾驶车辆的次数随卡口抓拍过车数据更新，具体建立方法为：
获取卡口过车数据，使用深瞐的算法对其进行图片结构化、视频结构化处理，提取车辆特征，基于交警六合一平台车辆信息库筛除已是***辆的车辆特征，保留有效车辆的车辆特征；
基于深瞐的人脸识别聚类技术，对有效车辆中的驾驶人进行人脸识别和聚类分析，提取驾驶人聚类ID，基于驾驶人图片从公安部人像1:N接口中找出对应的人员；
建立车辆特征与驾驶人特征的对应关系，形成车辆和驾驶人信息库。
优选的是，在六合一平台车辆信息库筛除已是***辆的车辆特征时，设计了缓存规则，具体为：
将已经从六合一平台车辆信息库查过的车辆信息缓存到Redis中，key为号牌号码和号牌种类，value为车辆信息，缓存有效期为7天；
对比车辆特征时先从Redis中找该号牌号码是否存在，如果不存在则从六合一平台车辆信息库中查询该车辆信息，缓存到Redis中；
进行车辆特征比对，排除特征不一致的车辆，不存入Neo4j数据库中。
优选的是，在获取卡口过车数据时，设计了一套过滤规则，具体为：
获取卡口抓拍车头数据，并对其进行结构化；
引入缓存组件memcache，接收过车抓拍车头图片；
收到过车抓拍车头图片时，先对车头图片按照预设的范围坐标进行切图，再将切图后的图片传给结构化服务器进行识别。
优选的是，驾驶人驾驶车辆的次数更新时，引入缓存组件Redis，使用hash结构进行存储，key为驾驶人聚类ID，hash key为号牌号码和号牌颜色，hash value存储驾驶次数，使用Redis的事务批量提交进行次数更新；
xx-job定时任务管理，每隔10分钟取Redis存储的数据，进行Neo4j驾驶次数更新。
优选的是，所述车辆特征包括车辆外形、车辆品牌、车辆颜色、号牌号码、号牌颜色、天窗、行李架、挂坠、备胎。
优选的是，步骤2中基于时空分析之前获取卡口过车车辆图片信息和驾驶人人脸信息之后，还包括判定卡口过车车辆有效号牌号码，具体为：将卡口过车车辆图片信息同时进行结构化识别和卡口识别，若结构化和卡口识别的车辆号牌号码一致，则判定为有效号牌号码，若结构化和卡口识别的车辆号牌号码不一致，则丢弃识别的号牌号码数据，将有效号牌号码的车辆进行时空分析。
优选的是，步骤2中判定出套牌嫌疑车辆的具体方法为：基于时空分析分析出套牌嫌疑车辆，将套牌嫌疑车辆图片信息进行结构化处理，将车辆号牌号码所对应的车辆特征与六合一平台车辆信息库进行比对，判定出套牌嫌疑车辆。
本发明至少包括以下有益效果：该方法可以缩小车辆特征信息查询范围，加快查询速度，提高识别效率，能够有效遏制***行为；
设立缓存规则，可以加快卡口采集的车辆和驾驶人图片与六合一平台车辆信息库的比对效率；
设立过滤规则，对卡口采集的车辆图片进行切图，可以提升车辆识别速度，引入缓存组件memcache，加快切图速度；
引入缓存组件Redis，批量更新驾驶人车辆驾驶次数，减轻数据库更新压力。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明基于卡口过车数据分析***所属真牌的方法的流程示意图；
图2为本发明步骤1中建立车辆和驾驶人信息库的流程结构示意图；
图3为本发明其中一个技术方案的卡口抓拍车辆的图片示例；
图4为本发明其中一个技术方案按预设坐标范围切图后的卡口抓拍车辆的图片示例；
图5为本发明步骤2中判定套牌嫌疑车辆的流程结构示意图；
图6为本发明步骤3中确定套牌嫌疑车辆的真实号牌号码的流程结构示意图。
具体实施方式
下面结合实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
本发明提供一种基于卡口过车数据分析***所属真牌的方法，如图1所示，包括以下步骤：
步骤1、建立车辆和驾驶人信息库，其中，车辆和驾驶人信息库中同一车辆关联若干驾驶人；车辆和驾驶人关系储存选择NoSQL图数据库Neo4j，用于存储驾驶人节点信息，车辆节点信息和人车之间的关系，可以实现更高效查询，可视化展示车辆和驾驶人的关系。
步骤1中车辆和驾驶人信息库基于车辆曾使用过真实号牌号码在路上行驶并且被卡口抓拍记录为前提，车辆和驾驶人信息库中驾驶人驾驶车辆的次数随卡口抓拍过车数据更新，具体建立方法为，如图2所示：
获取卡口过车数据，使用深瞐的算法对其进行图片结构化、视频结构化处理，提取车辆特征，基于交警六合一平台车辆信息库筛除已是***辆的车辆特征，保留有效车辆的车辆特征；
在六合一平台车辆信息库筛除已是***辆的车辆特征时，为了解决与六合一平台车辆信息库对比性能的问题，设计了缓存规则，具体为：
将已经从六合一平台车辆信息库查过的车辆信息缓存到Redis中，key为号牌号码和号牌种类，value为车辆信息，缓存有效期为7天；
对比车辆特征时先从Redis中找该号牌号码是否存在，如果不存在则从六合一平台车辆信息库中查询该车辆信息，缓存到Redis中；
进行车辆特征比对，排除特征不一致的车辆，不存入Neo4j数据库中。
车辆和驾驶人信息库在天津建立，天津每天的过车量达到4000万，由于卡口过车量很大，以目前的结构化服务器处理性能来计算，需要部署很多台结构化服务器，成本高。考虑到此情况，在获取卡口过车数据时，设计了一套过滤规则，具体为：
卡口分为抓拍车头、抓拍车尾两类；抓拍车尾的卡口过车数据不进行结构化，车尾提取不出驾驶人特征；
卡口设置车辆抓拍车道范围，一般卡口拍的图片范围较大，如图3所示，有一半的空白区域。通过设置每个卡口识别的车道范围，在收到过车图片时，先对图片按照设置好的范围坐标进行切图，切图后效果如图4所示，再将切图后的图片传给结构化服务器进行识别，可以大大提升识别速度；
由于切图前需要从磁盘读取图片，导致切图速度慢，因此，引入缓存组件memcache，缓存组件memcache在收到卡口上传的过车图片后，以图片路径+缓存节点为key，图片以二进制数据为值存入memcache，然后发送消息到消息队列。切图程序从消息队列取出数据后，取出缓存key，从memcache中读取图片，加快切图速度。
驾驶人驾驶车辆的次数更新时，如果每条过车数据进行数据库更新，数据库压力过大。为了解决更新频率引入缓存组件Redis，使用hash结构进行存储；key为驾驶人聚类ID（人脸识别识别出来的人像唯一ID），hashkey为号牌号码+号牌颜色，hashvalue存储驾驶次数，基于Redis的原子性自增特性，可以保证驾驶次数更新在高并发下不会出错。每1000条数据使用Redis的事务批量提交进行次数更新，解决单条更新Redis的带来的TCP连接问题。
xx-job定时任务管理，每隔10分钟取Redis存储的数据，进行Neo4j驾驶次数更新，解决更新频率问题。
基于深瞐的人脸识别聚类技术，对有效车辆中的驾驶人进行人脸识别和聚类分析，提取驾驶人聚类ID，基于驾驶人图片从公安部人像1:N接口中找出对应的人员。
建立车辆特征与驾驶人特征的对应关系，形成车辆和驾驶人信息库，其中，同一车辆关联若干驾驶人。
所述车辆特征包括车辆外形、车辆品牌、车辆颜色、号牌号码、号牌颜色、天窗、行李架、挂坠、备胎。
步骤2、获取卡口过车车辆图片信息和驾驶人人脸信息，基于车辆时空分析，判定出套牌嫌疑车辆，如图5所示；
步骤2中基于时空分析之前获取卡口过车车辆图片信息和驾驶人人脸信息之后，还包括判定卡口过车车辆有效号牌号码，具体为：将卡口过车车辆图片信息同时进行结构化识别和卡口识别，若结构化和卡口识别的车辆号牌号码一致，则判定为有效号牌号码，若结构化和卡口识别的车辆号牌号码不一致，则丢弃识别的号牌号码数据，将有效号牌号码的车辆进行时空分析；
基于车辆时空关系（同一辆车不可能相近时间内出现在距离较远的两个点，使用两个点空间距离除以时间算出的速度>速度阀值【市区阀值160 km/h，高速300 km/h】）分析出套牌嫌疑的过车数据；
基于时空关系分析出套牌嫌疑车辆，将套牌嫌疑车辆图片信息进行结构化处理，将车辆号牌号码所对应的车辆特征与六合一平台车辆信息库进行对比，判定出套牌嫌疑车辆。
步骤3、获取套牌嫌疑车辆的驾驶人信息，自驾驶人关联车辆中找出与该套牌嫌疑车辆具有相同特征或相似度大于阈值的车辆并获取号牌号码，该号牌号码即为该套牌嫌疑车辆所对应的真实号牌，如图6所示；
自驾驶人关联车辆中找出与该车辆具有相同特征的车辆并获取号牌号码的具体方法为：根据驾驶信息自车辆和驾驶人信息库中获取该驾驶人关联的车辆，将该驾驶人关联的车辆按照该驾驶人的驾驶次数从高到低排列，并从高到低依次比对套牌嫌疑车辆与驾驶人关联的车辆的车辆特征，车辆和驾驶人信息库中驾驶人员驾驶车辆的次数随卡口抓拍数据更新，若只有一辆车辆特征匹配信息，则该车辆对应的号牌号码为套牌嫌疑车辆的真实号牌号码，若同时拥有多辆车辆特征匹配信息，继续判定车辆特征相似度，若车辆特征相似度大于阈值，则判定为该号牌号码为套牌嫌疑车辆的真实号码。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的实施例。

Claims (8)

1.一种基于卡口过车数据分析***所属真牌的方法，其特征在于，包括以下步骤：
步骤1、建立车辆和驾驶人信息库，其中，车辆和驾驶人信息库中同一车辆关联若干驾驶人；
步骤2、获取卡口过车车辆图片信息和驾驶人人脸信息，基于车辆时空分析，判定出套牌嫌疑车辆；
步骤3、获取套牌嫌疑车辆的驾驶人信息，自车辆和驾驶人信息库中获取该驾驶人关联的车辆，将该驾驶人关联的车辆按照该驾驶人的驾驶次数从高到低排列，并从高到低依次比对套牌嫌疑车辆与驾驶人关联的车辆的车辆特征，若只有一辆车辆特征匹配信息，则该车辆对应的号牌号码为套牌嫌疑车辆的真实号牌号码，若同时拥有多辆车辆特征匹配信息，继续判定车辆特征相似度，若车辆特征相似度大于阈值，则判定为该号牌号码为套牌嫌疑车辆的真实号牌号码。
2.如权利要求1所述的基于卡口过车数据分析***所属真牌的方法，其特征在于，步骤1中车辆和驾驶人信息库基于车辆曾使用过真实号牌号码在路上行驶并且被卡口抓拍记录为前提，车辆和驾驶人信息库中驾驶人驾驶车辆的次数随卡口抓拍过车数据更新，具体建立方法为：
获取卡口过车数据，使用深瞐的算法对其进行图片结构化、视频结构化处理，提取车辆特征，基于交警六合一平台车辆信息库筛除已是***辆的车辆特征，保留有效车辆的车辆特征；
基于深瞐的人脸识别聚类技术，对有效车辆中的驾驶人进行人脸识别和聚类分析，提取驾驶人聚类ID，基于驾驶人图片从公安部人像1:N接口中找出对应的人员；
建立车辆特征与驾驶人特征的对应关系，形成车辆和驾驶人信息库。
3.如权利要求2所述的基于卡口过车数据分析***所属真牌的方法，其特征在于，在六合一平台车辆信息库筛除已是***辆的车辆特征时，设计了缓存规则，具体为：
将已经从六合一平台车辆信息库查过的车辆信息缓存到Redis中，key为号牌号码和号牌种类，value为车辆信息，缓存有效期为7天；
对比车辆特征时先从Redis中找该号牌号码是否存在，如果不存在则从六合一平台车辆信息库中查询该车辆信息，缓存到Redis中；
进行车辆特征比对，排除特征不一致的车辆，不存入Neo4j数据库中。
4.如权利要求2所述的基于卡口过车数据分析***所属真牌的方法，其特征在于，在获取卡口过车数据时，设计了一套过滤规则，具体为：
获取卡口抓拍车头数据，并对其进行结构化；
引入缓存组件memcache，接收过车抓拍车头图片；
收到过车抓拍车头图片时，先对车头图片按照预设的范围坐标进行切图，再将切图后的图片传给结构化服务器进行识别。
5.如权利要求2所述的基于卡口过车数据分析***所属真牌的方法，其特征在于，驾驶人驾驶车辆的次数更新时，引入缓存组件Redis，使用hash结构进行存储，key为驾驶人聚类ID，hash key为号牌号码和号牌颜色，hash value存储驾驶次数，使用Redis的事务批量提交进行次数更新；
xx-job定时任务管理，每隔10分钟取Redis存储的数据，进行Neo4j驾驶次数更新。
6.如权利要求2所述的基于卡口过车数据分析***所属真牌的方法，其特征在于，所述车辆特征包括车辆外形、车辆品牌、车辆颜色、号牌号码、号牌颜色、天窗、行李架、挂坠、备胎。
7.如权利要求1所述的基于卡口过车数据分析***所属真牌的方法，其特征在于，步骤2中基于时空分析之前获取卡口过车车辆图片信息和驾驶人人脸信息之后，还包括判定卡口过车车辆有效号牌号码，具体为：将卡口过车车辆图片信息同时进行结构化识别和卡口识别，若结构化和卡口识别的车辆号牌号码一致，则判定为有效号牌号码，若结构化和卡口识别的车辆号牌号码不一致，则丢弃识别的号牌号码数据，将有效号牌号码的车辆进行时空分析。
8.如权利要求2所述的基于卡口过车数据分析***所属真牌的方法，其特征在于，步骤2中判定出套牌嫌疑车辆的具体方法为：基于时空分析筛选出套牌嫌疑车辆，将套牌嫌疑车辆图片信息进行结构化处理，将车辆号牌号码所对应的车辆特征与六合一平台车辆信息库进行比对，判定出套牌嫌疑车辆。
CN201911217892.XA 2019-12-03 2019-12-03 基于卡口过车数据分析***所属真牌的方法 Active CN110675639B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911217892.XA CN110675639B (zh) 2019-12-03 2019-12-03 基于卡口过车数据分析***所属真牌的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911217892.XA CN110675639B (zh) 2019-12-03 2019-12-03 基于卡口过车数据分析***所属真牌的方法

Publications (2)

Publication Number Publication Date
CN110675639A true CN110675639A (zh) 2020-01-10
CN110675639B CN110675639B (zh) 2020-05-19

Family

ID=69088306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911217892.XA Active CN110675639B (zh) 2019-12-03 2019-12-03 基于卡口过车数据分析***所属真牌的方法

Country Status (1)

Country Link
CN (1) CN110675639B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111161546A (zh) * 2020-04-02 2020-05-15 武汉中科通达高新技术股份有限公司 一种用于交管***的重点车辆排查方法及***
CN112330967A (zh) * 2020-11-11 2021-02-05 浙江大华技术股份有限公司 ***辆的识别方法、装置、***和计算机设备
CN112614347A (zh) * 2020-12-22 2021-04-06 杭州海康威视***技术有限公司 套牌检测方法、装置、计算机设备及存储介质
CN113160565A (zh) * 2021-04-14 2021-07-23 北京掌行通信息技术有限公司 一种***辆的识别方法、装置、存储介质及终端
CN113239008A (zh) * 2020-12-10 2021-08-10 哈工大大数据集团四川有限公司 一种应急大数据研判***
CN113254686A (zh) * 2021-04-02 2021-08-13 青岛以萨数据技术有限公司 人员行为检测方法、装置及存储介质
CN114999171A (zh) * 2022-05-19 2022-09-02 杭州海康威视数字技术股份有限公司 一种变道监控处理方法、装置和***

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101359426A (zh) * 2008-09-19 2009-02-04 熊龙 汽车识别建档***、建档方法及在跟踪查询、车流量统计中的应用
CN101430764A (zh) * 2007-11-07 2009-05-13 刘业兴 机动车身份自动检测***及其检测方法
CN101587544A (zh) * 2009-06-24 2009-11-25 钟德胜 基于计算机视觉的机动车车载反跟踪装置
CN102426786A (zh) * 2011-11-15 2012-04-25 无锡港湾网络科技有限公司 一种自动识别***辆的智能视频分析***及方法
CN102509458A (zh) * 2011-10-19 2012-06-20 杭州华三通信技术有限公司 一种***辆识别方法和装置
CN104239881A (zh) * 2013-06-08 2014-12-24 杭州海康威视数字技术股份有限公司 监控视频中目标自动发现和注册方法及其***
CN105206061A (zh) * 2015-09-18 2015-12-30 成都融创智谷科技有限公司 依托采集rfid、视频来识别车牌的城市智能交通的方法
CN105575118A (zh) * 2015-12-25 2016-05-11 银江股份有限公司 一种失驾人员筛选方法
CN105653690A (zh) * 2015-12-30 2016-06-08 武汉大学 异常行为预警信息约束的视频大数据快速检索方法及***
KR20180011599A (ko) * 2016-07-25 2018-02-02 (주)코맥스시큐리티 차량 출입 관리시스템 및 차량 출입 관리방법
CN107967806A (zh) * 2017-12-01 2018-04-27 深圳云天励飞技术有限公司 车辆套牌检测方法、装置、可读存储介质及电子设备
CN108091140A (zh) * 2016-11-23 2018-05-29 杭州海康威视数字技术股份有限公司 一种确定***辆的方法和装置
CN108537140A (zh) * 2018-03-20 2018-09-14 浙江鼎奕科技发展有限公司 车内人员识别方法及***
EP3477536A1 (en) * 2017-10-28 2019-05-01 Leapsy International Ltd. Wearable device capable of recognizing human face and license plate

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101430764A (zh) * 2007-11-07 2009-05-13 刘业兴 机动车身份自动检测***及其检测方法
CN101359426A (zh) * 2008-09-19 2009-02-04 熊龙 汽车识别建档***、建档方法及在跟踪查询、车流量统计中的应用
CN101587544A (zh) * 2009-06-24 2009-11-25 钟德胜 基于计算机视觉的机动车车载反跟踪装置
CN102509458A (zh) * 2011-10-19 2012-06-20 杭州华三通信技术有限公司 一种***辆识别方法和装置
CN102426786A (zh) * 2011-11-15 2012-04-25 无锡港湾网络科技有限公司 一种自动识别***辆的智能视频分析***及方法
CN104239881A (zh) * 2013-06-08 2014-12-24 杭州海康威视数字技术股份有限公司 监控视频中目标自动发现和注册方法及其***
CN105206061A (zh) * 2015-09-18 2015-12-30 成都融创智谷科技有限公司 依托采集rfid、视频来识别车牌的城市智能交通的方法
CN105575118A (zh) * 2015-12-25 2016-05-11 银江股份有限公司 一种失驾人员筛选方法
CN105653690A (zh) * 2015-12-30 2016-06-08 武汉大学 异常行为预警信息约束的视频大数据快速检索方法及***
KR20180011599A (ko) * 2016-07-25 2018-02-02 (주)코맥스시큐리티 차량 출입 관리시스템 및 차량 출입 관리방법
CN108091140A (zh) * 2016-11-23 2018-05-29 杭州海康威视数字技术股份有限公司 一种确定***辆的方法和装置
EP3477536A1 (en) * 2017-10-28 2019-05-01 Leapsy International Ltd. Wearable device capable of recognizing human face and license plate
CN107967806A (zh) * 2017-12-01 2018-04-27 深圳云天励飞技术有限公司 车辆套牌检测方法、装置、可读存储介质及电子设备
CN108537140A (zh) * 2018-03-20 2018-09-14 浙江鼎奕科技发展有限公司 车内人员识别方法及***

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
THIDARAT PINTHONG ET.AL: ""License Plate Tracking Based on Template Matching Technique"", 《2018 18TH INTERNATIONAL SYMPOSIUM ON COMMUNICATIONS AND INFORMATION TECHNOLOGIES》 *
张帆: ""基于图像处理的***自动识别***的设计与实现"", 《中国优秀硕士学位论文全文数据库（电子期刊）信息科技辑》 *
时念锋: ""基于卡口图像的涉牌违法车辆智能检测"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111161546A (zh) * 2020-04-02 2020-05-15 武汉中科通达高新技术股份有限公司 一种用于交管***的重点车辆排查方法及***
CN112330967A (zh) * 2020-11-11 2021-02-05 浙江大华技术股份有限公司 ***辆的识别方法、装置、***和计算机设备
CN113239008A (zh) * 2020-12-10 2021-08-10 哈工大大数据集团四川有限公司 一种应急大数据研判***
CN112614347A (zh) * 2020-12-22 2021-04-06 杭州海康威视***技术有限公司 套牌检测方法、装置、计算机设备及存储介质
CN112614347B (zh) * 2020-12-22 2022-03-15 杭州海康威视***技术有限公司 套牌检测方法、装置、计算机设备及存储介质
CN113254686A (zh) * 2021-04-02 2021-08-13 青岛以萨数据技术有限公司 人员行为检测方法、装置及存储介质
CN113254686B (zh) * 2021-04-02 2023-08-01 青岛以萨数据技术有限公司 人员行为检测方法、装置及存储介质
CN113160565A (zh) * 2021-04-14 2021-07-23 北京掌行通信息技术有限公司 一种***辆的识别方法、装置、存储介质及终端
CN114999171A (zh) * 2022-05-19 2022-09-02 杭州海康威视数字技术股份有限公司 一种变道监控处理方法、装置和***

Also Published As

Publication number Publication date
CN110675639B (zh) 2020-05-19

Similar Documents

Publication Publication Date Title
CN110675639B (zh) 基于卡口过车数据分析***所属真牌的方法
EP2887333B1 (en) Privacy-preserving evidence in ALPR applications
CN110379176B (zh) 基于图像识别的无证驾驶违法行为预警拦截方法
CN107103314B (zh) 一种基于机器视觉的***辆检索识别***
CN104063712A (zh) 一种车辆信息提取方法和***
CN106251635A (zh) 一种套牌嫌疑车牌号的识别方法及***
CN106600977A (zh) 基于多特征识别的违停检测方法及***
CN108932849B (zh) 一种记录多台机动车低速行驶违法行为的方法及装置
CN101567041A (zh) 基于三维投影的机动车号牌图像的字符识别方法
CN106297304A (zh) 一种基于MapReduce面向大规模卡口数据的***识别方法
Johnson et al. Number-plate matching for automatic vehicle identification
CN108520528B (zh) 基于改进差分阈值和位移匹配模型的移动车辆跟踪方法
CN112115800A (zh) 一种基于深度学习目标检测的车辆组合识别***及方法
CN112115939A (zh) 车辆车牌的识别方法、装置
CN113505638A (zh) 车流量的监测方法、监测装置及计算机可读存储介质
Islam et al. Bangla license plate detection, recognition and authentication with morphological process and template matching
CN114926824A (zh) 一种不良驾驶行为判别方法
CN113408364B (zh) 一种临时车牌识别方法、***、装置及存储介质
CN111767776A (zh) 一种异常车牌推选方法及装置
CN110400469B (zh) 基于人车关联分析的准驾不符违法行为预警方法
Kumar et al. An Implementation of Automatic Number Plate Detection and Recognition using AI
CN111461124A (zh) 基于大数据的遮挡车牌识别方法、设备及存储介质
CN111985304A (zh) 巡防告警方法、***、终端设备及存储介质
CN113128540B (zh) 非机动车盗车行为的检测方法、装置及电子设备
CN104008176A (zh) 基于分布式处理和消息驱动模式的业务处理方法

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
GR01 Patent grant
GR01 Patent grant