CN111368616A - 从车的识别方法、装置及设备 - Google Patents

从车的识别方法、装置及设备 Download PDF

Info

Publication number
CN111368616A
CN111368616A CN201910669713.XA CN201910669713A CN111368616A CN 111368616 A CN111368616 A CN 111368616A CN 201910669713 A CN201910669713 A CN 201910669713A CN 111368616 A CN111368616 A CN 111368616A
Authority
CN
China
Prior art keywords
vehicle
passing data
data
passing
vehicle passing
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
CN201910669713.XA
Other languages
English (en)
Other versions
CN111368616B (zh
Inventor
卞晓骏
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.)
Hangzhou Hikvision System Technology Co Ltd
Original Assignee
Hangzhou Hikvision System Technology 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 Hangzhou Hikvision System Technology Co Ltd filed Critical Hangzhou Hikvision System Technology Co Ltd
Priority to CN201910669713.XA priority Critical patent/CN111368616B/zh
Publication of CN111368616A publication Critical patent/CN111368616A/zh
Application granted granted Critical
Publication of CN111368616B publication Critical patent/CN111368616B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • 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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2291—User-Defined Types; Storage management thereof
    • 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
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • 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
    • G06V20/63—Scene text, e.g. street names
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供的一种从车的识别方法、装置及设备，从多个过车数据中，获取主车的第一过车数据；根据第一过车数据，确定对主车进行跟踪的从车的跟车条件，并基于跟车条件，从多个过车数据中筛选作为主车的从车的第二过车数据；将筛选得到的第二过车数据中，所包含的第一车辆特征相同的各个第二过车数据，确定为一组候选嫌疑换牌车数据；针对每条嫌疑换牌车数据，从多个过车数据的除多个第二过车数据以外的数据中，检索与该嫌疑换牌车数据的车牌内容和过车时间点相同的过车数据；如果检索到，将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车。通过本方案，可以识别换牌跟踪的从车。

Description

从车的识别方法、装置及设备
技术领域
本发明涉及智慧交通技术领域，特别是涉及一种从车的识别方法、装置及设备。
背景技术
在交通领域中，在道路上行驶的车辆有被其他车辆进行跟踪的可能性。在某些场景下，存在对跟踪车辆的其他车辆进行识别的需求。其中，跟踪车辆的其他车辆称为从车，被跟踪的车辆称为主车。
相关技术中，可以将某一车辆看作可能会被跟踪的主车，根据主车的过车记录，确定跟踪主车的从车的过车记录所符合的跟车条件。在此基础上，可以根据各个车辆的过车记录，选择过车记录符合跟车条件的车辆，确定为从车。
尽管实现了从车的确定，但是，对于换牌跟踪的从车，无法识别。
发明内容
本发明实施例的目的在于提供一种从车的识别方法、装置及设备，以实现识别换牌跟踪的从车的效果。具体技术方案如下：
第一方面，本发明实施例提供了一种从车的识别方法，该方法包括：
从多个过车数据中，获取主车的第一过车数据；
根据所述第一过车数据，确定对所述主车进行跟踪的从车的跟车条件，并基于所述跟车条件，从所述多个过车数据中筛选作为所述主车的从车的第二过车数据；
将筛选得到的所述第二过车数据中，所包含的第一车辆特征相同的各个第二过车数据，确定为一组候选嫌疑换牌车数据；所述第一车辆特征为过车数据的车辆特征中除车牌内容以外的特征；
针对每条第二过车数据，从与该第二过车数据的第一车辆特征相同的一组候选嫌疑换牌车数据中，剔除该第二过车数据，得到该第二过车数据对应的嫌疑换牌车数据；
针对每条嫌疑换牌车数据，从所述多个过车数据的除所述多个第二过车数据以外的数据中，检索与该嫌疑换牌车数据的车牌内容和过车时间点相同的过车数据；
如果检索到，将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车。
可选的，所述过车数据包括：车辆通过卡口的卡口信息、过车时间点以及行车方向；
所述根据所述第一过车数据，确定对所述主车进行跟踪的从车的跟车条件的步骤，包括：
利用预设的过车时间点阈值，计算所述第一过车数据中的过车时间点对应的过车时间点范围；根据所述第一过车数据和所述过车时间点范围，确定对所述主车进行跟踪的从车的跟车条件；
其中，所述跟车条件包括：车牌内容与所述第一过车数据中的车牌内容不同、过车时间点属于所述过车时间点范围、卡口信息与所述第一过车数据中的卡口信息相同，以及行车方向与所述第一过车数据中的行车方向相同。
可选的，所述基于所述跟车条件，从所述多个过车数据中筛选作为所述主车的从车的第二过车数据，包括：
从所述多个过车数据中筛选符合所述跟车条件的过车数据；
按照预定的去重方式，对筛选得到的过车数据进行去重处理；
从去重处理之后剩余的过车数据中，选取作为所述主车的从车的第二过车数据。
可选的，所述按照预定的去重方式，对筛选得到的过车数据进行去重处理的步骤，包括：
按照所筛选得到的过车数据中的过车时间点，对所筛选得到的过车数据进行排序，得到排序后的过车数据；
针对所述排序后的过车数据中的每相邻两个过车数据，判断该相邻两个过车数据中的卡口信息和车牌内容是否相同，如果相同，计算该相邻两个过车数据的过车时间点之间的差值，并判断所述差值的绝对值是否小于预设的过车时间间隔阈值；如果小于，从该相邻两个过车数据中，剔除一个过车数据。
可选的，所述从去重处理之后剩余的过车数据中，选取作为所述主车的从车的第二过车数据，包括：
按照预定剔除方式，对去重处理之后剩余的过车数据进行剔除；将剔除后剩余的过车数据，作为所述主车的从车的第二过车数据；
其中，所述预定剔除方式包括：
将去重处理之后剩余的过车数据中，车牌内容相同的过车数据作为一组过车数据；
针对每组过车数据，统计该组过车数据的过车次数，并判断所述过车次数是否小于预设次数阈值，如果小于，从去重处理之后剩余的过车数据中，剔除该组过车数据。
可选的，所述过车数据的索引内容为过车时间点和过车数据标识；
所述从多个过车数据中，获取主车的第一过车数据的步骤，包括：
获取行车起止时间点以及主车的车牌内容；
根据所述行车起止时间点，确定查找时间范围；
从索引内容中，查找过车时间点属于所述查找时间范围的过车数据标识；
获取所查找到的过车数据标识对应的过车数据，作为所述多个过车数据；
将所述多个过车数据中，车牌内容与所述主车的车牌内容相同的过车数据，确定为所述主车的第一过车数据。
可选的，在所述将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车的步骤之后，所述方法还包括：
将各个所述第二过车数据中，车牌内容相同的过车数据，确定为一组过车数据；
统计每组过车数据的过车次数；
按照所述过车次数从大到小的顺序，对得到的多组过车数据进行排序以及输出。
可选的，在所述将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车的步骤之后，所述方法还包括：
基于所述第一过车数据和所述第二过车数据，确定所述主车对应的任务标识；
将所述第一过车数据和所述第二过车数据存储为所述任务标识对应的识别结果；
在所述从多个过车数据中，获取主车的第一过车数据的步骤之前，所述方法还包括：
获取所述主车对应的目标任务标识；
判断预存的任务标识中，是否存在所述目标任务标识；
如果不存在所述目标任务标识，执行所述从多个过车数据中，获取主车的第一过车数据的步骤，否则，查询已存储的任务结果中，是否存在所述目标任务标识的任务结果；
如果不存在所述目标任务标识的任务结果，执行所述从多个过车数据中，获取主车的第一过车数据的步骤。
第二方面，本发明实施例提供了一种从车的识别装置，该装置包括：
主车数据获取模块，用于从多个过车数据中，获取主车的第一过车数据；
从车数据获取模块，用于根据所述第一过车数据，确定对所述主车进行跟踪的从车的跟车条件，并基于所述跟车条件，从所述多个过车数据中筛选作为所述主车的从车的第二过车数据；
候选嫌疑换牌车数据获取模块，用于将筛选得到的所述第二过车数据中，所包含的第一车辆特征相同的各个第二过车数据，确定为一组候选嫌疑换牌车数据；所述第一车辆特征为过车数据的车辆特征中除车牌内容以外的特征；
嫌疑换牌车数据获取模块，用于针对每条第二过车数据，从与该第二过车数据的第一车辆特征相同的一组候选嫌疑换牌车数据中，剔除该第二过车数据，得到该第二过车数据对应的嫌疑换牌车数据；
换牌从车确定模块，用于针对每条嫌疑换牌车数据，从所述多个过车数据的除所述多个第二过车数据以外的数据中，检索与该嫌疑换牌车数据的车牌内容和过车时间点相同的过车数据；如果检索到，将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车。
可选的，所述过车数据包括：车辆通过卡口的卡口信息、过车时间点以及行车方向；
所述从车数据获取模块，具体用于：
利用预设的过车时间点阈值，计算所述第一过车数据中的过车时间点对应的过车时间点范围；根据所述第一过车数据和所述过车时间点范围，确定对所述主车进行跟踪的从车的跟车条件；
其中，所述跟车条件包括：车牌内容与所述第一过车数据中的车牌内容不同、过车时间点属于所述过车时间点范围、卡口信息与所述第一过车数据中的卡口信息相同，以及行车方向与所述第一过车数据中的行车方向相同。
可选的，所述从车数据获取模块，具体用于：
从所述多个过车数据中筛选符合所述跟车条件的过车数据；
按照预定的去重方式，对筛选得到的过车数据进行去重处理；
从去重处理之后剩余的过车数据中，选取作为所述主车的从车的第二过车数据。
可选的，所述从车数据获取模块，具体用于：
按照所筛选得到的过车数据中的过车时间点，对所筛选得到的过车数据进行排序，得到排序后的过车数据；
针对所述排序后的过车数据中的每相邻两个过车数据，判断该相邻两个过车数据中的卡口信息和车牌内容是否相同，如果相同，计算该相邻两个过车数据的过车时间点之间的差值，并判断所述差值的绝对值是否小于预设的过车时间间隔阈值；如果小于，从该相邻两个过车数据中，剔除一个过车数据。
可选的，所述从车数据获取模块，具体用于：
按照预定剔除方式，对去重处理之后剩余的过车数据进行剔除；将剔除后剩余的过车数据，作为所述主车的从车的第二过车数据；
其中，所述预定剔除方式包括：
将去重处理之后剩余的过车数据中，车牌内容相同的过车数据作为一组过车数据；
针对每组过车数据，统计该组过车数据的过车次数，并判断所述过车次数是否小于预设次数阈值，如果小于，从去重处理之后剩余的过车数据中，剔除该组过车数据。
可选的，所述过车数据的索引内容为过车时间点和过车数据标识；
所述主车数据获取模块，具体用于：
获取行车起止时间点以及主车的车牌内容；
根据所述行车起止时间点，确定查找时间范围；
从索引内容中，查找过车时间点属于所述查找时间范围的过车数据标识；
获取所查找到的过车数据标识对应的过车数据，作为所述多个过车数据；
将所述多个过车数据中，车牌内容与所述主车的车牌内容相同的过车数据，确定为所述主车的第一过车数据。
可选的，所述装置还包括输出模块；所述输出模块，用于：
在所述换牌从车确定模块将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车之后，将各个所述第二过车数据中，车牌内容相同的过车数据，确定为一组过车数据；
统计每组过车数据的过车次数；
按照所述过车次数从大到小的顺序，对得到的多组过车数据进行排序以及输出。
可选的，所述装置还包括任务存储模块；所述任务存储模块，用于：
在所述换牌从车确定模块将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车之后，基于所述第一过车数据和所述第二过车数据，确定所述主车对应的任务标识；将所述第一过车数据和所述第二过车数据存储为所述任务标识对应的识别结果；
所述主车数据获取模块，还用于：
在所述从多个过车数据中，获取主车的第一过车数据之前，获取所述主车对应的目标任务标识；
判断预存的任务标识中，是否存在所述目标任务标识；
如果不存在所述目标任务标识，执行所述从多个过车数据中，获取主车的第一过车数据，否则，查询已存储的任务结果中，是否存在所述目标任务标识的任务结果；如果不存在所述目标任务标识的任务结果，执行所述从多个过车数据中，获取主车的第一过车数据。
第三方面，本发明实施例提供了一种计算机设备，该设备包括：
处理器、通信接口、存储器和通信总线，其中，所述处理器，所述通信接口，所述存储器通过总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的程序，实现上述第一方面提供的从车的识别方法的步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，该存储介质内存储有计算机程序，该计算机程序被处理器执行时实现上述第一方面提供的从车的识别方法的步骤。
本发明实施例提供的方案中，对于存在换牌情况的从车而言，该从车的第二过车数据中，车辆特征中的车牌内容出现改变，并且，第一车辆特征是车辆特征中除车牌内容以外的特征。因此，可以将筛选得到的所述第二过车数据中，所包含第一车辆特征相同的各个第二过车数据，确定为一组候选嫌疑换牌车数据；候选嫌疑换牌车数据对应的车辆，为很可能存在换牌行为的车辆。在此基础上，可以针对每条第二过车数据，从与该第二过车数据的第一车辆特征相同的一组候选嫌疑换牌车数据中，剔除该第二过车数据，得到该第二过车数据对应的嫌疑换牌车数据，从而保证针对每条嫌疑换牌车数据，从多个过车数据中除所述多个第二过车数据以外的数据中，检索与该嫌疑换牌车数据的车牌内容和过车时间点相同的过车数据时，不会将该第二过车数据本身，检索为该第二过车数据的换牌车数据。由此，当检索到时，表明在同一过车时间点，存在车牌内容相同的不同车辆，因此，可以确定该嫌疑换牌车数据对应的从车为存在换牌行为的从车。可见，通过本方案，可以实现识别换牌跟踪的从车的效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明一实施例提供的从车的识别方法的流程示意图；
图2为本发明另一实施例提供的从车的识别方法的流程示意图；
图3为本发明一实施例提供的从车的识别装置的结构示意图；
图4为本发明另一实施例提供的从车的识别装置的结构示意图；
图5为本发明一实施例提供的计算机设备的结构示意图。
具体实施方式
为了使本领域技术人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面首先对本发明一实施例的从车的识别方法进行介绍。
本发明实施例提供的从车的识别方法，可以应用于能够进行数据处理的计算机设备，该设备具体可以包括台式计算机、便携式计算机、互联网电视，智能移动终端、可穿戴式智能终端以及服务器等，在此不作限定，任何可以实现本发明实施例的计算机设备，均属于本发明实施例的保护范围。
如图1所示，本发明一实施例的从车的识别方法的流程，该方法可以包括：
S101，从多个过车数据中，获取主车的第一过车数据。
在具体应用中，过车数据具体可以包括过车信息和车辆特征。其中，过车信息为能够表明车辆通过卡口的行为的相关信息。示例性的，过车信息可以包括车辆通过卡口的过车时间点、所通过卡口的卡口信息以及行车方向等等信息。其中，卡口信息为能够表明卡口唯一性的信息。举例而言，具体可以是卡口的名称、标识以及地理位置等等信息中的一种。车辆特征信息为能够表明车辆特征的相关信息。举例而言，具体可以是车牌内容，车牌颜色，车身颜色以及车辆品牌等等信息。其中，车辆品牌具体可以是车辆主品牌，和/车辆子品牌。举例而言，主品牌为通用，子品牌为雪佛兰，别克等等。
在本实施例中，过车数据的数据形式可以为多种。示例性的，过车数据的数据形式可以是过车信息和车辆特征的集合。或者，示例性的，过车数据的数据形式可以是提取过车信息和车辆特征中的字段“车牌内容”、“过车时间点”、“卡口信息”以及“行车方向”，组成过车数据“车牌内容，过车时间点，卡口信息，行车方向”。并且，当过车数据存储在Hbase(一个分布式的、面向列的开源数据库)中时，上述过车数据中还可以包括过车数据的标识rowkey。举例而言，rowkey可以包括过车时间点和过车数据ID。另外，在具体应用中，过车数据往往是海量的，例如，每天1.5亿条左右的的过车数据，数据大小为80G。因此，示例性的，为了利用Spark等专用于大规模数据处理的计算引擎处理海量过车数据，可以将任一条过车数据看作一个数据单元RDD(Resilient Distributed Datasets，弹性分布式数据集合)，Spark中的计算是基于RDD进行的，RDD是Spark计算的组成数据单元。
并且，从多个过车数据中，获取主车的第一过车数据的方式，具体可以是多种的。示例性的，可以从多个过车数据中，随机选择某一车辆的过车数据，作为主车的第一过车数据。此时，主车是随机选择的。或者，示例性的，可以从多个过车数据中，选择符合指定条件的过车数据，作为主车的第一过车数据。其中，指定条件可以包括指定的车牌内容和指定的过车时间点中至少一个。任何主车的第一过车数据的获取方式，均可用于本发明，本实施例对此不作限制。
S102，根据第一过车数据，确定对主车进行跟踪的从车的跟车条件，并基于跟车条件，从多个过车数据中筛选作为主车的从车的第二过车数据。
其中，第二过车数据为从车的过车数据，因此，从多个过车数据中筛选得到的符合跟车条件的过车数据，为第二过车数据。筛选出第二过车数据，相当于识别出对主车进行跟踪的从车。
在具体应用中，根据第一过车数据，确定对主车进行跟踪的从车的跟车条件，并从多个过车数据中筛选符合跟车条件的第二过车数据的方式，具体可以是多种的。为了便于理解和合理布局，后续以可选实施例的方式进行具体说明。
S103，将筛选得到的第二过车数据中，所包含的第一车辆特征相同的各个第二过车数据，确定为一组候选嫌疑换牌车数据；第一车辆特征为过车数据的车辆特征中除车牌内容以外的特征。
对于存在换牌行为的从车而言，该从车的第二过车数据的车辆特征中的车牌内容出现改变，其他车辆特征没有改变，因此，为了识别存在换牌行为的从车，可以将过车数据的车辆特征中除车牌内容以外的特征作为第一车辆特征。其中，举例而言，第一车辆特征具体可以包括车牌颜色，车身颜色以及车辆品牌等等。在此基础上，将筛选得到的第二过车数据中，所包含的第一车辆特征相同的各个第二过车数据，确定为一组候选嫌疑换牌车数据后，候选嫌疑换牌车数据包括从车换牌后产生的过车数据，以及从车换牌前产生的过车数据。因此，可以在后续步骤S104中，利用候选嫌疑换牌车数据，得到嫌疑换牌车数据。
在具体应用中，一组候选嫌疑换牌车数据的存储形式具体可以是多种的。示例性的，可以直接存储一组候选嫌疑换牌车数据。举例而言，一组候选嫌疑换牌车数据为：(“车牌颜色”、“车身颜色”、“车辆品牌”、“车辆子品牌”，“过车数据”的集合)。或者，示例性的，可以对一组候选嫌疑换牌车数据进行散列计算，例如进行哈希计算，得到该组候选嫌疑换牌车数据的key-value(键-值)，其中，该组候选嫌疑换牌车数据可以用得到的key表示，该数据具体的内容为key对应的值。可以理解的是，key-value形式存储可以节省存储空间。
S104，针对每条第二过车数据，从与该第二过车数据的第一车辆特征相同的一组候选嫌疑换牌车数据中，剔除该第二过车数据，得到该第二过车数据对应的嫌疑换牌车数据。
在具体应用中，针对每条第二过车数据，从与该第二过车数据的第一车辆特征相同的一组候选嫌疑换牌车数据中，剔除该第二过车数据，得到该第二过车数据对应的嫌疑换牌车数据的具体方式，可以是多种的，示例性的，可以针对每条第二过车数据，直接从与该第二过车数据的第一车辆特征相同的一组候选嫌疑换牌车数据中，剔除该第二过车数据，得到该第二过车数据对应的嫌疑换牌车数据。此时，对候选嫌疑换牌车数据直接进行剔除的操作。
或者，示例性的，可以针对每条第二过车数据，读取与该第二过车数据的第一车辆特征相同的一组候选嫌疑换牌车数据，得到候选嫌疑换牌车数据集合；剔除所得到的候选嫌疑换牌车数据集合中的该第二过车数据，得到该第二过车数据对应的嫌疑换牌车数据。此时，没有对候选嫌疑换牌车数据进行剔除的操作，而是对读取得到的候选嫌疑换牌车数据集合进行剔除的操作，可以保证原始的候选嫌疑换牌车数据的准确度，避免剔除操作可能引起的原始的候选嫌疑换牌车数据的异常。并且，示例性的，当过车数据存储在Hbase中时，可以利用Hbase的“get”函数，读取与该第二过车数据的第一车辆特征相同的一组候选嫌疑换牌车数据。
任何第二过车数据对应的嫌疑换牌车数据的获取方式，均可用于本发明，本实施例对此不作限制。
S105，针对每条嫌疑换牌车数据，从多个过车数据的除多个第二过车数据以外的数据中，检索与该嫌疑换牌车数据的车牌内容和过车时间点相同的过车数据。如果检索到，执行步骤S106。
嫌疑换牌车数据为存在换牌行为嫌疑的从车的数据，并且，一辆车有一个车牌，为了换牌，该从车更换后的车牌往往是套牌。因此，对于存在换牌行为嫌疑的从车，如果该从车确实存在换牌行为，那么该从车换牌后使用的车牌为套牌，使用套牌会导致在同一时间点，存在与该从车的车牌内容相同、且非该从车本身的车辆。由此，针对每条嫌疑换牌车数据，从多个过车数据的除多个第二过车数据以外的数据中，检索与该嫌疑换牌车数据的车牌内容和过车时间点相同的过车数据时，如果检索到，表明在同一时间点，除该嫌疑换牌车自身的过车数据以外，存在与该嫌疑换牌车数据的车牌内容相同的过车数据，该嫌疑换牌车数据的车牌内容为套牌，该嫌疑换牌车数据对应的从车，确实进行了换牌。因此，可以执行后续步骤S106。
S106，将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车。
当检索到时，表明该嫌疑换牌车数据的车牌内容为套牌，该嫌疑换牌车数据对应的从车，进行了换牌，因此，可以将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车。并且，从车与第二过车数据对应，第二过车数据与嫌疑换牌车数据对应，因此，嫌疑换牌车数据与从车对应。
另外，所检索到的与该嫌疑换牌车数据的车牌内容和过车时间点相同的过车数据，是存在换牌行为的从车的所更换的车牌的过车数据，可以看作是换牌车相关数据。因此，在将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车之后，还可以在该嫌疑换牌车数据对应的第二过车数据中，增加换牌车相关数据，以便后续输出第二过车数据时，可以展示换牌车数据，从而直接展示违法查询依据。
本发明实施例提供的方案中，对于存在换牌情况的从车而言，该从车的第二过车数据中，车辆特征中的车牌内容出现改变，并且，第一车辆特征是车辆特征中除车牌内容以外的特征。因此，可以将筛选得到的所述第二过车数据中，所包含第一车辆特征相同的各个第二过车数据，确定为一组候选嫌疑换牌车数据；候选嫌疑换牌车数据对应的车辆，为很可能存在换牌行为的车辆。在此基础上，可以针对每条第二过车数据，从与该第二过车数据的第一车辆特征相同的一组候选嫌疑换牌车数据中，剔除该第二过车数据，得到该第二过车数据对应的嫌疑换牌车数据，从而保证针对每条嫌疑换牌车数据，从多个过车数据中除所述多个第二过车数据以外的数据中，检索与该嫌疑换牌车数据的车牌内容和过车时间点相同的过车数据时，不会将该第二过车数据本身，检索为该第二过车数据的换牌车数据。由此，当检索到时，表明在同一过车时间点，存在车牌内容相同的不同车辆，因此，可以确定该嫌疑换牌车数据对应的从车为存在换牌行为的从车。可见，通过本方案，可以实现识别换牌跟踪的从车的效果。
如图2所示，本发明另一实施例的从车的识别方法的流程，该方法可以包括：
S201，获取主车对应的目标任务标识。
S202，判断预存的任务标识中，是否存在目标任务标识。如果不存在目标任务标识，执行步骤S203，否则，查询已存储的任务结果中，是否存在目标任务标识的任务结果。
由于在确定存在换牌行为的从车之后，执行步骤S209至S210，确定主车对应的任务标识，并将第一过车数据和第二过车数据存储为任务标识对应的识别结果，因此，可以在后续每次进行从车的识别时，通过执行步骤S201至S202，快速返回已经识别过的主车对应的从车的识别结果。
其中，主车对应的目标任务标识的获取可以是多种的。示例性的，可以接收用户输入的任务标识，作为主车对应的目标任务标识。或者，示例性的，可以从多个预存的任务标识中选取的一个任务标识，作为主车对应的目标任务标识。并且，预存的任务标识为将后续步骤S209中确定的主车对应的任务标识，进行存储得到的。如果不存在目标任务标识，表明该主车的任务标识未确定，该主车的从车很可能未识别完成，或者未存储相应的识别结果，因此，可以执行步骤S203。如果存在该目标任务标识，已存储的任务结果中不存在目标任务标识的任务结果，表明该主车的从车未识别完成，或者未存储相应的识别结果，因此，同样可以执行步骤S203，以实现对该主车的从车的识别，并获取相应的识别结果。
在具体应用中，可以将任务标识和相应的识别结果以key-value的形式存储在数据库，例如Redis数据库中。当判断任务标识taskId存在，可以查询Redis数据库中是否存在该任务标识taskId的key值，如果key值存在，可以直接利用该key值从Redis数据库中获取相应的识别结果value。
S203，从多个过车数据中，获取主车的第一过车数据。
S204，根据第一过车数据，确定对主车进行跟踪的从车的跟车条件，并基于跟车条件，从多个过车数据中筛选作为主车的从车的第二过车数据。
S205，将筛选得到的第二过车数据中，所包含的第一车辆特征相同的各个第二过车数据，确定为一组候选嫌疑换牌车数据；第一车辆特征为过车数据的车辆特征中除车牌内容以外的特征。
S206，针对每条第二过车数据，从与该第二过车数据的第一车辆特征相同的一组候选嫌疑换牌车数据中，剔除该第二过车数据，得到该第二过车数据对应的嫌疑换牌车数据。
S207，针对每条嫌疑换牌车数据，从多个过车数据的除多个第二过车数据以外的数据中，检索与该嫌疑换牌车数据的车牌内容和过车时间点相同的过车数据。如果检索到，执行步骤S208。
S208，将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车。
上述S203至S208与本发明图1实施例的S101至S106为相同的步骤，在此不再赘述，详见本发明图1实施例的描述。
S209，基于第一过车数据和第二过车数据，确定主车对应的任务标识。
S210，将第一过车数据和第二过车数据存储为任务标识对应的识别结果。
其中，基于第一过车数据和第二过车数据，确定主车对应的任务标识，具体可以包括：按照第一过车数据的过车时间和第二过车数据的过车时间，确定过车时间范围；针对不同的过车时间范围和主车，确定主车在该过车时间范围的任务标识。由于不同的过车时间范围可以识别不同的从车，并且，不同的主车存在不同的从车，因此，任务标识可以与主车和相应的过车时间范围对应。例如，任务标识task1对应在2019年1月1日00:00至2019年1月1日24:00的时间范围内，对主车MC1进行跟踪的从车的识别任务。
将第一过车数据和第二过车数据存储为任务标识对应的识别结果，可以包括：合并以及存储主车的第一过车数据与从车的第二过车数据，并将第一过车数据中的数据标记为1，第二过车数据中的数据标记为2，以便区分主从车。
在具体应用中，可以将任务标识和相应的识别结果以key-value的形式存储在数据库，例如Redis数据库中。从而后续的从车识别中，当判断任务标识taskId存在，可以查询Redis数据库中是否存在该任务标识taskId的key值，如果key值存在，可以直接利用该key值从Redis数据库中获取相应的识别结果value。
本发明图2实施例与本发明图1实施例相比，在确定存在换牌行为的从车之后，执行步骤S210至S211，确定主车对应的任务标识，并将第一过车数据和第二过车数据存储为任务标识对应的识别结果，从而可以在后续每次进行从车的识别时，通过执行步骤S201至S203，快速返回已经识别过的主车对应的从车的识别结果，提高识别结果的利用率，以及从车的识别效率。
可选的，在上述本发明图1或者图2实施例中，过车数据的索引内容为过车时间点和过车数据标识；
相应的，上述从多个过车数据中，获取主车的第一过车数据的步骤，具体可以包括：
获取行车起止时间点以及主车的车牌内容；
根据行车起止时间点，确定查找时间范围；
从索引内容中，查找过车时间点属于查找时间范围的过车数据标识；
获取所查找到的过车数据标识对应的过车数据，作为多个过车数据；
将多个过车数据中，车牌内容与主车的车牌内容相同的过车数据，确定为主车的第一过车数据。
在具体应用中，为了便于管理，可以设置过车数据的索引，并且，索引内容为过车时间点和过车数据标识，以便索引可以按照过车时间点的时间先后顺序存储，便于按时间轴的顺序管理相应的过车数据。在此基础上，为了扩大从车的筛选范围，减少细微的过车时间点差异引起的从车遗漏，可以获取行车起止时间点以及主车的车牌内容，以便根据行车起止时间点，确定查找时间范围。
其中，行车起止时间点以及主车的车牌内容的获取方式可以是多种的。示例性的，可以是用户输入的，或者，按预设的行车起止时间点的选取规则选取的。其中，预设的行车起止时间点的选取规则，可以包括，在上一次识别任务的行车起止时间点的基础上，按指定增量递增，或者，指定的起止时间点，例如，节假日，重要会议时间段等等。并且，根据行车起止时间点，确定查找时间范围，可以包括：将所获取的行车起止时间点中的行车起始时间点startTime、行车结束时间点endTime与预设的时间间隔阈值timeInterval，输入查找时间范围公式，计算得到查找时间范围。其中，查找时间范围公式为：查找时间范围＝(startTime-timeInterval,endTime+timeInterval)
另外，在获取所查找到的过车数据标识对应的过车数据之后，作为多个过车数据之前，可以从所获取的过车数据中过滤非法数据，如果为非法数据，输出参数错误信息，以提示用户检查更改。其中，非法数据为不合理的过车数据。举例而言，可以是格式不正确，内容不合理等等过车数据。例如，过滤掉车牌内容为“车牌”、“未知车牌”、“11111111”、“00000000”、“NoPlate”的过车数据。
可选的，在将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车的步骤之后，本发明实施例提供的从车的识别方法还可以包括如下步骤：
将各个第二过车数据中，车牌内容相同的过车数据，确定为一组过车数据；
统计每组过车数据的过车次数；
按照过车次数从大到小的顺序，对得到的多组过车数据进行排序以及输出。
在具体应用中，按照过车次数从大到小的顺序，对得到的多组过车数据进行排序以及输出，具体可以是多种的。示例性的，可以按照过车次数从大到小的顺序，输出得到的多组过车数据中，排在前指定数量位的过车数据。或者，示例性的，可以按照过车次数从大到小的顺序，输出所得到的多组过车数据。此时，如果过车数据过多，可以进行分页输出。
过车次数越大，表明具有该组过车数据的车牌内容的从车，对主车的跟踪时间相对而言越久，非法跟踪的嫌疑越大。因此，在本可选实施例中，对从车按车牌分类，并按照过车次数从大到小的顺序，对得到的多组过车数据进行排序以及输出，有利于快速查看非法跟踪嫌疑最大的从车。
对于上述本发明图1实施例的步骤S102，或者本发明图2实施例的步骤S202：根据第一过车数据，确定对主车进行跟踪的从车的跟车条件，并从多个过车数据中筛选符合跟车条件的第二过车数据的具体方式，可以包括多种。下面以可选实施例的形式进行具体说明。
在一种可选的实施例中，上述过车数据中的过车信息可以包括：车辆通过卡口的卡口信息、过车时间点以及行车方向；
相应的，上述根据第一过车数据，确定对主车进行跟踪的从车的跟车条件，具体可以包括：
步骤1，利用预设的过车时间点阈值，计算第一过车数据中的过车时间点对应的过车时间点范围；根据第一过车数据和过车时间点范围，确定对主车进行跟踪的从车的跟车条件；
步骤2，基于跟车条件，从多个过车数据中筛选作为主车的从车的第二过车数据。
其中，跟车条件包括：车牌内容与第一过车数据中的车牌内容不同、过车时间点属于过车时间点范围、卡口信息与第一过车数据中的卡口信息相同，以及行车方向与第一过车数据中的行车方向相同。
在具体应用中，利用预设的过车时间点阈值，计算第一过车数据中的过车时间点对应的过车时间点范围，可以包括：第一过车数据中的过车时间点对应的过车时间点范围＝(第一过车数据中的过车时间点-预设的过车时间点阈值，第一过车数据中的过车时间点+预设的过车时间点阈值)。
在对主车进行跟踪时，从车与主车的车牌内容不同，并且，通过相同的卡口时，行车方向一致，过车时间点相似，因此，为了确定从车的第二过车数据，从车的跟车条件可以设置为车牌内容与第一过车数据中的车牌内容不同、过车时间点属于过车时间点范围、卡口信息与第一过车数据中的卡口信息相同，以及行车方向与第一过车数据中的行车方向相同。
在本可选实施例中，利用预设的过车时间点阈值，计算得到过车时间点范围，从而根据第一过车数据和过车时间点范围，确定对主车进行跟踪的从车的跟车条件。与直接筛选与主车的过车时间点相似的过车数据相比，可以通过预设的过车时间点阈值调整过车时间点范围，从车的识别相对而言更加灵活。
在另一种可选的实施例中，上述可选实施例中的步骤2，具体可以包括如下步骤2.1至步骤2.3：
步骤2.1，从多个过车数据中筛选符合跟车条件的过车数据；
步骤2.2，按照预定的去重方式，对筛选得到的过车数据进行去重处理；
步骤2.3，从去重处理之后剩余的过车数据中，选取作为主车的从车的第二过车数据。
在具体应用中，可能存在过车信息重复的过车数据，即过车时间点、卡口信息以及车牌内容相同的过车数据。例如，某一过车数据D1录入两次，此时，保留其中一条过车数据即可，另一重复的过车数据为无效数据，可以过滤掉。
在本可选实施例中，对过车时间间隔相对而言较小，以及内容重复的过车数据进行了去重，从而可以在提高数据可用性的同时，减少重复数据对处理资源和存储资源的占用。
在又一种可选的实施例中，上述另一种可选实施例中的步骤2.2，具体可以包括：
按照所筛选得到的过车数据中的过车时间点，对所筛选得到的过车数据进行排序，得到排序后的过车数据；
针对排序后的过车数据中的每相邻两个过车数据，判断该相邻两个过车数据中的卡口信息和车牌内容是否相同，如果相同，计算该相邻两个过车数据的过车时间点之间的差值，并判断差值的绝对值是否小于预设的过车时间间隔阈值；如果小于，从该相邻两个过车数据中，剔除一个过车数据。
其中，对所筛选得到的过车数据进行排序，可以是多种的。示例性的，可以按照所筛选得到的过车数据中的过车时间点的大小，对所筛选得到的过车数据进行降序排序，或者，进行升序排序。并且，排序可以让过车时间点接近的数据相邻，提高去重效率。
在具体应用中，如果相邻两个过车数据中的卡口信息和车牌内容相同，表明这两个过车数据很可能是同一辆从车连续的过车数据，此时，为了避免相对而言过于连续的过车数据，所反映的过车信息重复，可以计算该相邻两个过车数据的过车时间点之间的差值，并判断差值的绝对值是否小于预设的过车时间间隔阈值。如果小于，表明该相邻两个过车数据是同一辆从车的过车信息相对而言过于相似，相当于重复的过车数据。因此，可以从该相邻两个过车数据中，剔除一个过车数据，实现去重的效果。其中，预设的过车时间间隔阈值，具体可以根据历史经验和用户需求设置，例如，可以为30秒，50秒以及70秒等等。
在再一种可选的实施例中，上述另一种可选实施例中的步骤2.3，具体可以包括如下步骤：
按照预定剔除方式，对去重处理之后剩余的过车数据进行剔除；将剔除后剩余的过车数据，作为主车的从车的第二过车数据；
其中，预定剔除方式可以包括：
将去重处理之后剩余的过车数据中，车牌内容相同的过车数据作为一组过车数据；
针对每组过车数据，统计该组过车数据的过车次数，并判断过车次数是否小于预设次数阈值，如果小于，从去重处理之后剩余的过车数据中，剔除该组过车数据。
在具体应用中，考虑到交通拥堵、行车路线引导等等因素，可能存在某一车辆跟随其他车辆行驶，但该跟随行为并不属于非法跟踪的情况。因此，可以将跟车次数小于预设次数阈值的车辆的过车数据，确定为很可能不是非法跟踪的过车数据，并进行剔除，以减少对非必要识别的数据的处理，减少数据的存储资源和处理资源的占用。
示例性的，可以将去重处理之后剩余的过车数据中，车牌内容相同的过车数据作为一组过车数据；针对每组过车数据，统计该组过车数据的过车次数，并判断过车次数是否小于预设次数阈值。如果小于，表明该组过车数据很可能不是非法跟踪的车辆的过车数据，因此，可以从去重处理之后剩余的过车数据中，剔除该组过车数据。
相应于上述方法实施例，本发明一实施例还提供了从车的识别装置。
如图3所示，本发明一实施例提供的从车的识别装置，该装置可以包括：
主车数据获取模块301，用于从多个过车数据中，获取主车的第一过车数据；
从车数据获取模块302，用于根据所述第一过车数据，确定对所述主车进行跟踪的从车的跟车条件，并基于所述跟车条件，从所述多个过车数据中筛选作为所述主车的从车的第二过车数据；
候选嫌疑换牌车数据获取模块303，用于将筛选得到的所述第二过车数据中，所包含的第一车辆特征相同的各个第二过车数据，确定为一组候选嫌疑换牌车数据；所述第一车辆特征为过车数据的车辆特征中除车牌内容以外的特征；
嫌疑换牌车数据获取模块304，用于针对每条第二过车数据，从与该第二过车数据的第一车辆特征相同的一组候选嫌疑换牌车数据中，剔除该第二过车数据，得到该第二过车数据对应的嫌疑换牌车数据；
换牌从车确定模块305，用于针对每条嫌疑换牌车数据，从所述多个过车数据的除所述多个第二过车数据以外的数据中，检索与该嫌疑换牌车数据的车牌内容和过车时间点相同的过车数据；如果检索到，将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车。
本发明实施例提供的方案中，由于过车数据包括过车信息和车辆特征，因此，从多个过车数据中，获取的主车的第一过车数据，可以用于确定对主车进行跟踪的从车的跟车条件；从而将多个过车数据中，符合跟车条件的过车数据，确定为从车的第二过车数据。在此基础上，针对每个从车，利用该从车的第二过车数据，判断多个过车数据中，是否存在除该从车自身以外，与该从车的车牌内容和过车时间点相同的过车数据；并且，此时与该从车的车牌内容和过车时间点相同的过车数据为除该从车自身以外的车辆的过车数据。因此，如果存在，表明在同一时空中，存在车牌相同的两辆不同车辆，因此，可以将该从车确定为存在换牌行为的从车。并且，换牌行为属于违法行为，因此，可以将换牌行为作为从车的违法查询依据。可见，通过本方案，可以实现在识别从车的同时，提供从车的违法查询依据的效果。
可选的，所述过车数据包括：车辆通过卡口的卡口信息、过车时间点以及行车方向；
所述从车数据获取模块302，具体用于：
利用预设的过车时间点阈值，计算所述第一过车数据中的过车时间点对应的过车时间点范围；根据所述第一过车数据和所述过车时间点范围，确定对所述主车进行跟踪的从车的跟车条件；
其中，所述跟车条件包括：车牌内容与所述第一过车数据中的车牌内容不同、过车时间点属于所述过车时间点范围、卡口信息与所述第一过车数据中的卡口信息相同，以及行车方向与所述第一过车数据中的行车方向相同。
可选的，所述从车数据获取模块302，具体用于：
从所述多个过车数据中筛选符合所述跟车条件的过车数据；
按照预定的去重方式，对筛选得到的过车数据进行去重处理；
从去重处理之后剩余的过车数据中，选取作为所述主车的从车的第二过车数据。
可选的，所述从车数据获取模块302，具体用于：
按照所筛选得到的过车数据中的过车时间点，对所筛选得到的过车数据进行排序，得到排序后的过车数据；
针对所述排序后的过车数据中的每相邻两个过车数据，判断该相邻两个过车数据中的卡口信息和车牌内容是否相同，如果相同，计算该相邻两个过车数据的过车时间点之间的差值，并判断所述差值的绝对值是否小于预设的过车时间间隔阈值；如果小于，从该相邻两个过车数据中，剔除一个过车数据。
可选的，所述从车数据获取模块302，具体用于：
按照预定剔除方式，对去重处理之后剩余的过车数据进行剔除；将剔除后剩余的过车数据，作为所述主车的从车的第二过车数据；
其中，所述预定剔除方式包括：
将去重处理之后剩余的过车数据中，车牌内容相同的过车数据作为一组过车数据；
针对每组过车数据，统计该组过车数据的过车次数，并判断所述过车次数是否小于预设次数阈值，如果小于，从去重处理之后剩余的过车数据中，剔除该组过车数据。
可选的，所述过车数据的索引内容为过车时间点和过车数据标识；
所述主车数据获取模块301，具体用于：
获取行车起止时间点以及主车的车牌内容；
根据所述行车起止时间点，确定查找时间范围；
从索引内容中，查找过车时间点属于所述查找时间范围的过车数据标识；
获取所查找到的过车数据标识对应的过车数据，作为所述多个过车数据；
将所述多个过车数据中，车牌内容与所述主车的车牌内容相同的过车数据，确定为所述主车的第一过车数据。
可选的，所述装置还包括任务存储模块；所述任务存储模块，用于：
在所述换牌从车确定模块305将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车之后，基于所述第一过车数据和所述第二过车数据，确定所述主车对应的任务标识；将所述第一过车数据和所述第二过车数据存储为所述任务标识对应的识别结果；
所述主车数据获取模块301，还用于：
在所述从多个过车数据中，获取主车的第一过车数据之前，获取所述主车对应的目标任务标识；
判断预存的任务标识中，是否存在所述目标任务标识；
如果不存在所述目标任务标识，执行所述从多个过车数据中，获取主车的第一过车数据，否则，查询已存储的任务结果中，是否存在所述目标任务标识的任务结果；如果不存在所述目标任务标识的任务结果，执行所述从多个过车数据中，获取主车的第一过车数据。
如图4所示，本发明另一实施例提供的从车的识别装置，该装置可以包括：
主车数据获取模块401，用于从多个过车数据中，获取主车的第一过车数据；
从车数据获取模块402，用于根据所述第一过车数据，确定对所述主车进行跟踪的从车的跟车条件，并基于所述跟车条件，从所述多个过车数据中筛选作为所述主车的从车的第二过车数据；
候选嫌疑换牌车数据获取模块403，用于将筛选得到的所述第二过车数据中，所包含的第一车辆特征相同的各个第二过车数据，确定为一组候选嫌疑换牌车数据；所述第一车辆特征为过车数据的车辆特征中除车牌内容以外的特征；
嫌疑换牌车数据获取模块404，用于针对每条第二过车数据，从与该第二过车数据的第一车辆特征相同的一组候选嫌疑换牌车数据中，剔除该第二过车数据，得到该第二过车数据对应的嫌疑换牌车数据；
换牌从车确定模块405，用于针对每条嫌疑换牌车数据，从所述多个过车数据的除所述多个第二过车数据以外的数据中，检索与该嫌疑换牌车数据的车牌内容和过车时间点相同的过车数据；如果检索到，将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车。
输出模块406，用于在所述换牌从车确定模块405将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车之后，将各个所述第二过车数据中，车牌内容相同的过车数据，确定为一组过车数据；统计每组过车数据的过车次数；按照所述过车次数从大到小的顺序，对得到的多组过车数据进行排序以及输出。
相应于上述实施例，本发明实施例还提供了一种计算机设备，如图5所示，该计算机设备可以包括：
处理器501、通信接口502、存储器503和通信总线504，其中，处理器501，通信接口502，存储器通503过通信总线504完成相互间的通信；
存储器503，用于存放计算机程序；
处理器501，用于执行上述存储器503上所存放的计算机程序时，实现上述实施例中任一从车的识别方法的步骤。
本发明实施例提供的方案中，由于过车数据包括过车信息和车辆特征，因此，从多个过车数据中，获取的主车的第一过车数据，可以用于确定对主车进行跟踪的从车的跟车条件；从而将多个过车数据中，符合跟车条件的过车数据，确定为从车的第二过车数据。在此基础上，针对每个从车，利用该从车的第二过车数据，判断多个过车数据中，是否存在除该从车自身以外，与该从车的车牌内容和过车时间点相同的过车数据；并且，此时与该从车的车牌内容和过车时间点相同的过车数据为除该从车自身以外的车辆的过车数据。因此，如果存在，表明在同一时空中，存在车牌相同的两辆不同车辆，因此，可以将该从车确定为存在换牌行为的从车。并且，换牌行为属于违法行为，因此，可以将换牌行为作为从车的违法查询依据。可见，通过本方案，可以实现在识别从车的同时，提供从车的违法查询依据的效果。
上述存储器可以包括RAM(Random Access Memory，随机存取存储器)，也可以包括NVM(Non-Volatile Memory，非易失性存储器)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离于上述处理器的存储装置。
上述处理器可以是通用处理器，包括CPU(Central Processing Unit，中央处理器)、NP(Network Processor，网络处理器)等；还可以是DSP(Digital Signal Processor，数字信号处理器)、ASIC(Application Specific Integrated Circuit，专用集成电路)、FPGA(Field-Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明一实施例提供的计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，该计算机程序被处理器执行时，实现上述施例中任一从车的识别方法的步骤。
本发明实施例提供的方案中，由于过车数据包括过车信息和车辆特征，因此，从多个过车数据中，获取的主车的第一过车数据，可以用于确定对主车进行跟踪的从车的跟车条件；从而将多个过车数据中，符合跟车条件的过车数据，确定为从车的第二过车数据。在此基础上，针对每个从车，利用该从车的第二过车数据，判断多个过车数据中，是否存在除该从车自身以外，与该从车的车牌内容和过车时间点相同的过车数据；并且，此时与该从车的车牌内容和过车时间点相同的过车数据为除该从车自身以外的车辆的过车数据。因此，如果存在，表明在同一时空中，存在车牌相同的两辆不同车辆，因此，可以将该从车确定为存在换牌行为的从车。并且，换牌行为属于违法行为，因此，可以将换牌行为作为从车的违法查询依据。可见，通过本方案，可以实现在识别从车的同时，提供从车的违法查询依据的效果。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的从车的识别方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、DSL(Digital Subscriber Line，数字用户线)或无线(例如：红外线、无线电、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如：DVD(Digital Versatile Disc，数字通用光盘))、或者半导体介质(例如：SSD(Solid StateDisk，固态硬盘))等。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置和计算机设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (18)

1.一种从车的识别方法，其特征在于，所述方法包括：
从多个过车数据中，获取主车的第一过车数据；
根据所述第一过车数据，确定对所述主车进行跟踪的从车的跟车条件，并基于所述跟车条件，从所述多个过车数据中筛选作为所述主车的从车的第二过车数据；
将筛选得到的所述第二过车数据中，所包含的第一车辆特征相同的各个第二过车数据，确定为一组候选嫌疑换牌车数据；所述第一车辆特征为过车数据的车辆特征中除车牌内容以外的特征；
针对每条第二过车数据，从与该第二过车数据的第一车辆特征相同的一组候选嫌疑换牌车数据中，剔除该第二过车数据，得到该第二过车数据对应的嫌疑换牌车数据；
针对每条嫌疑换牌车数据，从所述多个过车数据的除所述多个第二过车数据以外的数据中，检索与该嫌疑换牌车数据的车牌内容和过车时间点相同的过车数据；
如果检索到，将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车。
2.根据权利要求1所述的方法，其特征在于，所述过车数据包括：车辆通过卡口的卡口信息、过车时间点以及行车方向；
所述根据所述第一过车数据，确定对所述主车进行跟踪的从车的跟车条件的步骤，包括：
利用预设的过车时间点阈值，计算所述第一过车数据中的过车时间点对应的过车时间点范围；根据所述第一过车数据和所述过车时间点范围，确定对所述主车进行跟踪的从车的跟车条件；
其中，所述跟车条件包括：车牌内容与所述第一过车数据中的车牌内容不同、过车时间点属于所述过车时间点范围、卡口信息与所述第一过车数据中的卡口信息相同，以及行车方向与所述第一过车数据中的行车方向相同。
3.根据权利要求2所述的方法，其特征在于，所述基于所述跟车条件，从所述多个过车数据中筛选作为所述主车的从车的第二过车数据，包括：
从所述多个过车数据中筛选符合所述跟车条件的过车数据；
按照预定的去重方式，对筛选得到的过车数据进行去重处理；
从去重处理之后剩余的过车数据中，选取作为所述主车的从车的第二过车数据。
4.根据权利要求3所述的方法，其特征在于，所述按照预定的去重方式，对筛选得到的过车数据进行去重处理的步骤，包括：
按照所筛选得到的过车数据中的过车时间点，对所筛选得到的过车数据进行排序，得到排序后的过车数据；
针对所述排序后的过车数据中的每相邻两个过车数据，判断该相邻两个过车数据中的卡口信息和车牌内容是否相同，如果相同，计算该相邻两个过车数据的过车时间点之间的差值，并判断所述差值的绝对值是否小于预设的过车时间间隔阈值；如果小于，从该相邻两个过车数据中，剔除一个过车数据。
5.根据权利要求4所述的方法，其特征在于，所述从去重处理之后剩余的过车数据中，选取作为所述主车的从车的第二过车数据，包括：
按照预定剔除方式，对去重处理之后剩余的过车数据进行剔除；将剔除后剩余的过车数据，作为所述主车的从车的第二过车数据；
其中，所述预定剔除方式包括：
将去重处理之后剩余的过车数据中，车牌内容相同的过车数据作为一组过车数据；
针对每组过车数据，统计该组过车数据的过车次数，并判断所述过车次数是否小于预设次数阈值，如果小于，从去重处理之后剩余的过车数据中，剔除该组过车数据。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述过车数据的索引内容为过车时间点和过车数据标识；
所述从多个过车数据中，获取主车的第一过车数据的步骤，包括：
获取行车起止时间点以及主车的车牌内容；
根据所述行车起止时间点，确定查找时间范围；
从索引内容中，查找过车时间点属于所述查找时间范围的过车数据标识；
获取所查找到的过车数据标识对应的过车数据，作为所述多个过车数据；
将所述多个过车数据中，车牌内容与所述主车的车牌内容相同的过车数据，确定为所述主车的第一过车数据。
7.根据权利要求1-5任一项所述的方法，其特征在于，在所述将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车的步骤之后，所述方法还包括：
将各个所述第二过车数据中，车牌内容相同的过车数据，确定为一组过车数据；
统计每组过车数据的过车次数；
按照所述过车次数从大到小的顺序，对得到的多组过车数据进行排序以及输出。
8.根据权利要求1-5任一项所述的方法，其特征在于，在所述将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车的步骤之后，所述方法还包括：
基于所述第一过车数据和所述第二过车数据，确定所述主车对应的任务标识；
将所述第一过车数据和所述第二过车数据存储为所述任务标识对应的识别结果；
在所述从多个过车数据中，获取主车的第一过车数据的步骤之前，所述方法还包括：
获取所述主车对应的目标任务标识；
判断预存的任务标识中，是否存在所述目标任务标识；
如果不存在所述目标任务标识，执行所述从多个过车数据中，获取主车的第一过车数据的步骤，否则，查询已存储的任务结果中，是否存在所述目标任务标识的任务结果；
如果不存在所述目标任务标识的任务结果，执行所述从多个过车数据中，获取主车的第一过车数据的步骤。
9.一种从车的识别装置，其特征在于，所述装置包括：
主车数据获取模块，用于从多个过车数据中，获取主车的第一过车数据；
从车数据获取模块，用于根据所述第一过车数据，确定对所述主车进行跟踪的从车的跟车条件，并基于所述跟车条件，从所述多个过车数据中筛选作为所述主车的从车的第二过车数据；
候选嫌疑换牌车数据获取模块，用于将筛选得到的所述第二过车数据中，所包含的第一车辆特征相同的各个第二过车数据，确定为一组候选嫌疑换牌车数据；所述第一车辆特征为过车数据的车辆特征中除车牌内容以外的特征；
嫌疑换牌车数据获取模块，用于针对每条第二过车数据，从与该第二过车数据的第一车辆特征相同的一组候选嫌疑换牌车数据中，剔除该第二过车数据，得到该第二过车数据对应的嫌疑换牌车数据；
换牌从车确定模块，用于针对每条嫌疑换牌车数据，从所述多个过车数据的除所述多个第二过车数据以外的数据中，检索与该嫌疑换牌车数据的车牌内容和过车时间点相同的过车数据；如果检索到，将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车。
10.根据权利要求9所述的装置，其特征在于，所述过车数据包括：车辆通过卡口的卡口信息、过车时间点以及行车方向；
所述从车数据获取模块，具体用于：
利用预设的过车时间点阈值，计算所述第一过车数据中的过车时间点对应的过车时间点范围；根据所述第一过车数据和所述过车时间点范围，确定对所述主车进行跟踪的从车的跟车条件；
其中，所述跟车条件包括：车牌内容与所述第一过车数据中的车牌内容不同、过车时间点属于所述过车时间点范围、卡口信息与所述第一过车数据中的卡口信息相同，以及行车方向与所述第一过车数据中的行车方向相同。
11.根据权利要求10所述的装置，其特征在于，所述从车数据获取模块，具体用于：
从所述多个过车数据中筛选符合所述跟车条件的过车数据；
按照预定的去重方式，对筛选得到的过车数据进行去重处理；
从去重处理之后剩余的过车数据中，选取作为所述主车的从车的第二过车数据。
12.根据权利要求11所述的装置，其特征在于，所述从车数据获取模块，具体用于：
按照所筛选得到的过车数据中的过车时间点，对所筛选得到的过车数据进行排序，得到排序后的过车数据；
针对所述排序后的过车数据中的每相邻两个过车数据，判断该相邻两个过车数据中的卡口信息和车牌内容是否相同，如果相同，计算该相邻两个过车数据的过车时间点之间的差值，并判断所述差值的绝对值是否小于预设的过车时间间隔阈值；如果小于，从该相邻两个过车数据中，剔除一个过车数据。
13.根据权利要求12所述的装置，其特征在于，所述从车数据获取模块，具体用于：
按照预定剔除方式，对去重处理之后剩余的过车数据进行剔除；将剔除后剩余的过车数据，作为所述主车的从车的第二过车数据；
其中，所述预定剔除方式包括：
将去重处理之后剩余的过车数据中，车牌内容相同的过车数据作为一组过车数据；
针对每组过车数据，统计该组过车数据的过车次数，并判断所述过车次数是否小于预设次数阈值，如果小于，从去重处理之后剩余的过车数据中，剔除该组过车数据。
14.根据权利要求9-13任一项所述的装置，其特征在于，所述过车数据的索引内容为过车时间点和过车数据标识；
所述主车数据获取模块，具体用于：
获取行车起止时间点以及主车的车牌内容；
根据所述行车起止时间点，确定查找时间范围；
从索引内容中，查找过车时间点属于所述查找时间范围的过车数据标识；
获取所查找到的过车数据标识对应的过车数据，作为所述多个过车数据；
将所述多个过车数据中，车牌内容与所述主车的车牌内容相同的过车数据，确定为所述主车的第一过车数据。
15.根据权利要求9-13任一项所述的装置，其特征在于，所述装置还包括输出模块；所述输出模块，用于：
在所述换牌从车确定模块将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车之后，将各个所述第二过车数据中，车牌内容相同的过车数据，确定为一组过车数据；
统计每组过车数据的过车次数；
按照所述过车次数从大到小的顺序，对得到的多组过车数据进行排序以及输出。
16.根据权利要求9-13任一项所述的装置，其特征在于，所述装置还包括任务存储模块；所述任务存储模块，用于：
在所述换牌从车确定模块将该嫌疑换牌车数据对应的从车，确定为存在换牌行为的从车之后，基于所述第一过车数据和所述第二过车数据，确定所述主车对应的任务标识；将所述第一过车数据和所述第二过车数据存储为所述任务标识对应的识别结果；
所述主车数据获取模块，还用于：
在所述从多个过车数据中，获取主车的第一过车数据之前，获取所述主车对应的目标任务标识；
判断预存的任务标识中，是否存在所述目标任务标识；
如果不存在所述目标任务标识，执行所述从多个过车数据中，获取主车的第一过车数据，否则，查询已存储的任务结果中，是否存在所述目标任务标识的任务结果；如果不存在所述目标任务标识的任务结果，执行所述从多个过车数据中，获取主车的第一过车数据。
17.一种计算机设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，所述处理器，所述通信接口，所述存储器通过总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的程序，实现如权利要求1-8任一所述的方法步骤。
18.一种计算机可读存储介质，其特征在于，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-8任一所述的方法步骤。
CN201910669713.XA 2019-07-24 2019-07-24 从车的识别方法、装置及设备 Active CN111368616B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910669713.XA CN111368616B (zh) 2019-07-24 2019-07-24 从车的识别方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910669713.XA CN111368616B (zh) 2019-07-24 2019-07-24 从车的识别方法、装置及设备

Publications (2)

Publication Number Publication Date
CN111368616A true CN111368616A (zh) 2020-07-03
CN111368616B CN111368616B (zh) 2023-05-02

Family

ID=71212230

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910669713.XA Active CN111368616B (zh) 2019-07-24 2019-07-24 从车的识别方法、装置及设备

Country Status (1)

Country Link
CN (1) CN111368616B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115690765A (zh) * 2022-10-21 2023-02-03 中关村科学城城市大脑股份有限公司 车牌识别方法、装置、电子设备、可读介质和程序产品

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104462236A (zh) * 2014-11-14 2015-03-25 浪潮(北京)电子信息产业有限公司 一种基于大数据的伴随车辆识别方法和装置
CN104715612A (zh) * 2013-12-12 2015-06-17 南京中兴力维软件有限公司 基于行车轨迹匹配实现的嫌疑车辆跟踪方法及装置
JP2016151910A (ja) * 2015-02-18 2016-08-22 三菱電機株式会社 不審車両認識装置及び不審車両認識方法
CN109214345A (zh) * 2018-09-17 2019-01-15 公安部交通管理科学研究所 基于相似度比对查找换牌车辆的行驶轨迹的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104715612A (zh) * 2013-12-12 2015-06-17 南京中兴力维软件有限公司 基于行车轨迹匹配实现的嫌疑车辆跟踪方法及装置
CN104462236A (zh) * 2014-11-14 2015-03-25 浪潮(北京)电子信息产业有限公司 一种基于大数据的伴随车辆识别方法和装置
JP2016151910A (ja) * 2015-02-18 2016-08-22 三菱電機株式会社 不審車両認識装置及び不審車両認識方法
CN109214345A (zh) * 2018-09-17 2019-01-15 公安部交通管理科学研究所 基于相似度比对查找换牌车辆的行驶轨迹的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
方炜;李万清;俞东进;袁友伟;黄东发;: "时空大数据的伴随车高效挖掘算法研究" *
赵新勇;安实;: "伴随车检测技术应用研究" *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115690765A (zh) * 2022-10-21 2023-02-03 中关村科学城城市大脑股份有限公司 车牌识别方法、装置、电子设备、可读介质和程序产品
CN115690765B (zh) * 2022-10-21 2023-06-13 中关村科学城城市大脑股份有限公司 车牌识别方法、装置、电子设备、可读介质和程序产品

Also Published As

Publication number Publication date
CN111368616B (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
CN106384273B (zh) 恶意刷单检测***及方法
CN110428091B (zh) 基于数据分析的风险识别方法及相关设备
CN111680102A (zh) 基于人工智能的定位数据处理方法及相关设备
CN105550175A (zh) 恶意账户识别方法及装置
CN111367958A (zh) 一种数据分析方法、装置、电子设备及存储介质
CN106301979B (zh) 检测异常渠道的方法和***
CN107749164B (zh) 一种车辆聚集分析方法及装置
CN115145871A (zh) 文件查询方法、装置和电子设备
CN114780606B (zh) 一种大数据挖掘方法及***
CN111368617B (zh) 车辆出入数据处理方法及装置
CN111368616B (zh) 从车的识别方法、装置及设备
CN111367956A (zh) 数据统计方法及装置
CN113609389A (zh) 一种社区平台信息推送方法及***
CN111369790B (zh) 过车记录校正方法、装置、设备及存储介质
CN116228374A (zh) 物流行业市场单量数据预警方法、装置、设备及存储介质
CN111368868A (zh) 确定车辆套牌的方法、装置及设备
CN106446687B (zh) 恶意样本的检测方法及装置
CN114943479A (zh) 业务事件的风险识别方法、装置、设备及计算机可读介质
CN114154010A (zh) 数据处理方法、装置、设备、存储介质
CN110059272B (zh) 一种页面特征识别方法和装置
CN108629610B (zh) 推广信息曝光量的确定方法和装置
CN113327336A (zh) 人车关系的识别方法、装置和电子设备
CA2848996A1 (en) Search method and information managing apparatus
CN111813971A (zh) 哈希表构建及图像匹配方法和装置，存储介质和电子设备
CN110442656B (zh) 一种确定共同关联对象的方法及装置

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
GR01 Patent grant
GR01 Patent grant