CN111368868B - 确定车辆套牌的方法、装置及设备 - Google Patents

确定车辆套牌的方法、装置及设备 Download PDF

Info

Publication number
CN111368868B
CN111368868B CN201910703054.7A CN201910703054A CN111368868B CN 111368868 B CN111368868 B CN 111368868B CN 201910703054 A CN201910703054 A CN 201910703054A CN 111368868 B CN111368868 B CN 111368868B
Authority
CN
China
Prior art keywords
vehicle
license plate
bayonet
track information
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910703054.7A
Other languages
English (en)
Other versions
CN111368868A (zh
Inventor
孙飞翔
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 CN201910703054.7A priority Critical patent/CN111368868B/zh
Publication of CN111368868A publication Critical patent/CN111368868A/zh
Application granted granted Critical
Publication of CN111368868B publication Critical patent/CN111368868B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • 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
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供一种确定车辆套牌的方法、装置及设备。该方法包括：通过获取第一车辆牌号码对应的第一轨迹集合，并针对第一轨迹集合中任意两个相邻的轨迹信息，获取任意两个相邻的轨迹信息分别对应的车牌集合，对任意两个相邻的轨迹信息分别对应的车牌集合进行相似度比较，再根据相似度比较结果，确定第一车辆是否存在套牌行为，通过对比第一车辆牌在第一轨迹集合中相邻时间通过的卡口的车辆集合，得到车辆集合的相似度的结果，确定第一车辆是否存在套牌行为，实现了在大数据中对第一车辆牌是否存在套牌进行高效的识别。

Description

确定车辆套牌的方法、装置及设备
技术领域
本申请涉及交通大数据技术领域，尤其涉及一种确定车辆套牌的方法、装置及设备。
背景技术
随着车辆保有量的持续上涨，车辆套牌这种违法行为也逐渐增多，所谓车辆套牌为套用别人的车牌，***即为克隆车，这种车是参照真牌车的型号和颜色，将号码相同的假牌套在同样型号和颜色的车上，车辆套牌为真牌车车主和社会带来了极大的经济损失和安全危害。
现有技术中，多为基于车管库确定车辆是否存在套牌行为，在车管库中存储了各机动车的车牌及对应的车辆信息，例如车辆颜色、车型、车辆品牌等，通过监控设备采集并识别车辆牌号码，与车管库中存储的该车辆牌号码的车辆信息进行对比，若车辆牌号码相同但车辆信息与车管库存储的信息不相符，则确定该车辆为***。
然而，在实际应用中，因监控设备在识别车辆的过程中难免存在误识别的几率，由于监控设备需要识别的数据量很大，导致该方法识别出的***中很多为误识别车辆，并且，将识别的车辆牌号码与车管库中存储的庞大的数据进行比对，耗时较长，可见，现有技术中对于***辆的识别技术准确性较差，且效率较低。
发明内容
本申请提供一种确定车辆套牌的方法、装置及设备，基于获取的多个卡口的过车数据，实现了对是否存在套牌行为进行高效、准确的确认。
第一方面，本申请提供一种确定车辆套牌的方法，包括：
获取第一车辆牌号码对应的第一轨迹集合，所述第一轨迹集合包括多个以时间顺序排序的轨迹信息，所述轨迹信息包括第一车辆经过卡口时的卡口信息以及时间，所述第一车辆为安装所述第一车辆牌号码的车辆；
针对所述第一轨迹集合中任意两个相邻的轨迹信息，获取所述任意两个相邻的轨迹信息分别对应的车牌集合，所述车牌集合包括至少一个跟随所述第一车辆经过相同卡口的车辆牌号码，对所述任意两个相邻的轨迹信息分别对应的车牌集合进行相似度比较；
根据相似度比较结果，确定所述第一车辆是否存在套牌行为。
在一种具体的实现方式中，所述根据相似度比较结果，确定所述第一车辆是否存在套牌行为，包括：
若在第一轨迹集合中，任意两个相邻的轨迹信息对应的车牌集合之间车辆牌号码交集为零的次数大于预设阈值，则确定所述第一车辆存在套牌行为；
否则，确定所述第一车辆不存在套牌行为。
进一步地，所述方法还包括：
根据预设区域内设置的多个卡口采集的过车数据，得到过车集合，所述过车数据包括经过每个卡口的车辆牌号码、时间，所述过车集合包括所述多个卡口的卡口信息和每个卡口对应的过车数据；
所述获取第一车辆牌号码对应的第一轨迹集合，包括：
根据所述过车集合和所述第一车辆牌号码，得到所述第一车辆牌号码对应的多个轨迹信息；
将所述多个轨迹信息以时间顺序排序，得到所述第一轨迹集合。
进一步地，所述方法还包括：
根据所述过车集合，获取多个车牌集合，每个车牌集合中包括一个规整时间、一个卡口信息，以及所述规整时间经过所述卡口信息对应的卡口的至少一个车辆的车辆牌号码，所述规整时间用于表示所述车辆经过所述卡口的时间所属的时间段。
可选的，在获取所述任意两个相邻的轨迹信息分别对应的车牌集合之前，所述方法还包括：
对所述任意两个相邻的轨迹信息的时间之差与预设间隔阈值进行比较；
若存在两个相邻的轨迹信息的时间之差小于间隔阈值，则执行获取所述任意两个相邻的轨迹信息分别对应的车牌集合。
第二方面，本申请提供一种确定车辆套牌的装置，所述装置包括：
获取模块，用于获取第一车辆牌号码对应的第一轨迹集合，所述第一轨迹集合中包括多个以时间顺序排序的轨迹信息，所述轨迹信息包括第一车辆经过每个卡口时的卡口信息以及时间，所述第一车辆为安装所述第一车辆牌号码的车辆；
处理模块，用于针对所述第一轨迹集合中任意两个相邻的轨迹信息，获取所述任意两个相邻的轨迹信息分别对应的车牌集合，所述车牌集合包括至少一个跟随所述第一车辆经过相同卡口的车辆牌号码，对所述任意两个相邻的轨迹信息分别对应的车牌集合进行相似度比较；
所述处理模块还用于根据相似度比较结果，确定所述第一车辆是否存在套牌行为。
在一种具体的实现方式中，所述处理模块具体用于：
若在第一轨迹集合中，任意两个相邻的轨迹信息对应的车牌集合之间车辆牌号码交集为零的次数大于预设阈值，则确定所述第一车辆存在套牌行为；
否则，确定不存在套牌行为。
进一步地，所述处理模块还用于：根据预设区域内设置的多个卡口采集的过车数据，得到过车集合，所述过车数据包括经过每个卡口的车辆牌号码、时间，所述过车集合包括所述多个卡口的卡口信息和每个卡口对应的过车数据；
所述获取模块具体用于：根据所述过车集合和所述第一车辆牌号码，得到所述第一车辆牌号码对应的多个轨迹信息；将所述多个轨迹信息以时间顺序排序，得到所述第一轨迹集合。
进一步地，所述获取模块还用于：
根据所述过车集合，获取多个车牌集合，每个车牌集合中包括一个规整时间、一个卡口信息，以及所述规整时间经过所述卡口信息对应的卡口的至少一个车辆的车辆牌号码，所述规整时间用于表示所述车辆经过所述卡口的时间所属的时间段。
可选的，所述处理模块还用于：
对所述任意两个相邻的轨迹信息的时间之差与预设间隔阈值进行比较；
若存在两个相邻的轨迹信息的时间之差小于间隔阈值，则执行获取所述任意两个相邻的轨迹信息分别对应的车牌集合。
第三方面，本申请提供一种电子设备，包括：存储器及处理器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如第一方面所述的确定车辆套牌的方法。
第四方面，本申请提供一种存储介质，包括：可读存储介质和计算机程序，所述计算机程序用于实现第一方面所述的确定车辆套牌的方法。
本申请实施例提供的确定车辆套牌的方法、装置及设备，通过获取第一车辆牌号码对应的第一轨迹集合，所述第一轨迹集合中包括多个以时间顺序排序的轨迹信息，所述轨迹信息包括第一车辆经过每个卡口时的卡口信息以及时间，所述第一车辆为安装所述第一车辆牌号码的车辆，并针对第一轨迹集合中任意两个相邻的轨迹信息，获取任意两个相邻的轨迹信息分别对应的车牌集合，所述车牌集合包括所述第一车辆牌号码以及至少一个跟随所述第一车辆经过相同卡口的车辆牌号码，对任意两个相邻的轨迹信息分别对应的车牌集合进行相似度比较，再根据相似度比较结果，确定第一车辆是否存在套牌行为，通过对比第一车辆牌在第一轨迹集合中相邻时间通过的卡口的车辆集合，得到两个车辆集合的相似度的结果，确定第一车辆是否存在套牌行为，实现了在大数据中对第一车辆牌是否存在套牌进行高效的识别。
附图说明
为了更清楚地说明本申请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一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种确定车辆套牌的方法实施例一的流程示意图；
图2为本申请实施例提供的一种确定车辆套牌的方法实施例二的流程示意图；
图3为本申请实施例提供的一种确定车辆套牌的方法实施例三的流程示意图；
图4为本申请实施例提供的一种处理得到规整时间实施例的示意图；
图5为本申请实施例提供的一种确定车辆套牌的方法实施例四的流程示意图；
图6为本申请实施例提供的一种确定车辆套牌的装置实施例一的结构示意图；
图7为本申请一实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本文中使用的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请的说明书中通篇提到的“一实施例”或“另一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一实施例中”或“本实施例中”未必一定指相同的实施例。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
本申请的执行主体为一种电子设备，该电子设备可以是任一具有数据处理能力的终端设备，如计算机，或者服务器。
本申请提供的一种确定车辆套牌的方法，不需要对大量路径关系进行数据处理，且不依赖于大量历史数据，具有更好的实时性，下面通过几个具体的实施例进行说明。
本方案中，可以将一个省、一个城市、一个商区、或者几条街道设定为预设区域，在预设区域内，设置有多个卡口，分别设置于城市道路中的多个路段，例如，可以设置于路口，或者，设置于路段中，每个路段可以有一至多个卡口，每个卡口安装有图像采集装置，对经过卡口的车辆进行图像采集，剔除车辆牌号码不清楚的图像，对采集的过车数据进行记录，所述过车数据包括车辆牌号码以及经过该卡口的时间。
图1为本申请实施例提供的一种确定车辆套牌的方法实施例一的流程示意图，如图1所示，该确定车辆套牌的方法包括：
S101：获取第一车辆牌号码对应的第一轨迹集合。
其中，第一轨迹集合中包括多个以时间顺序排序的轨迹信息，所述轨迹信息包括第一车辆经过每个卡口时的卡口信息以及时间，第一车辆为安装所述第一车辆牌号码的车辆。
获取第一车辆牌号码对应的第一轨迹集合，即为根据第一车辆牌号码，在每个卡口的过车数据中进行查询，找出第一车辆经过的每个卡口的卡口信息和时间，可选的，将每个卡口的卡口信息和时间对应起来组成该卡口的轨迹信息，例如，卡口信息表示为ci，经过该卡口的时间表示为ti，则将卡口信息和时间对应组成第一车辆的轨迹信息ci-ti，并将找出的第一车辆的每个轨迹信息按照时间顺序进行排列，形成第一车辆对应的第一轨迹集合，例如，第一车辆的轨迹L1的集合为[c1-t1，c2-t2，……，ci-ti]，每个卡口信息和时间组成的轨迹信息为轨迹L1集合中的一个元素，其中，时间顺序可以是时间升序或者时间降序。
S102：针对第一轨迹集合中任意两个相邻的轨迹信息，获取任意两个相邻的轨迹信息分别对应的车牌集合，对任意两个相邻的轨迹信息分别对应的车牌集合进行相似度比较。
车牌集合包括至少一个跟随第一车辆经过相同卡口的车辆牌号码，可选的，获取每个轨迹信息对应的车牌集合，即为根据每个轨迹信息的卡口信息和时间，在过车数据中进行查询，找到在相同时间或者相同时间段经过同一个卡口的除第一车辆以外的车辆的车辆牌号码的集合。
对两个轨迹信息对应的车牌集合进行相似度比较，具体为比较相邻两个时间下，经过两个卡口的车牌集合是否存在交集，其中，车牌集合包括所有跟随第一车辆经过相同卡口的车辆牌号码，在一些实施例中，车牌集合包括经过卡口第一车辆和至少一个跟随第一车辆经过相同卡口的车辆牌号码，则在比较相邻的轨迹信息分别对应的车牌集合是否存在交集时，需去除第一车辆的车辆牌号码，只对经过两个卡口的车辆牌号码集合中的第一车辆的跟车的车辆牌号码进行判断。
在一些实施例中，为了避免第一车辆在两个轨迹信息的卡口之间停留较长时间，而导致第一车辆在这两个卡口中的跟车发生明显的变化，影响最终相似度比较结果的准确性，需要对两个相邻的轨迹信息的时间间隔进行确认，若该时间间隔大于等于预设间隔阈值，则停止对两个轨迹信息对应的车牌集合进行相似度比较，若该时间间隔小于预设间隔阈值，则对两个轨迹信息分别对应的车牌集合进行相似度比较。
在一种具体的实现方式中，以相邻的两个轨迹信息的时间为t1和t2为例，在轨迹L1集合中，t1和t2对应的两个轨迹信息为c1-t1，c2-t2，假设t1和t2之间的间隔时间小于间隔阈值，则将时间t1和t2分别和对应的卡口信息组合成关键字(Key)，或者对时间t1和t2进行处理得到规整时间，将规整时间和对应的卡口信息组合成Key，例如Key1为0900-crossid1，Key2为0900-crossid2，根据K1和K2在MAP集合中查找对应的值(Value)V1和V2，其中，V1和V2分别为一组车牌集合，车牌集合中包括至少一个在相同规整时间跟随第一车辆经过相同卡口，也称作跟车，的车辆牌号码，比较V1和V2两个集合中的跟车的车辆牌号码，确定V1和V2两个车牌集合中的车辆牌号码的交集是否为零。
S103：根据相似度比较结果，确定第一车辆是否存在套牌行为。
对第一轨迹集合中每两个相邻的轨迹信息执行如步骤S102中所述的过程后，得到一个至多个相邻两个轨迹信息之间的相似度结果，根据该一个至多个相似度结果，确定是否存在***辆。
在一种具体的实现方式中，对第一轨迹集合中每两个相邻的轨迹信息执行如步骤S102中所述的过程中，累计每两个相邻的轨迹信息分别对应的车辆集合交集为零的次数，若该次数大于预设阈值，则确定第一车辆存在套牌行为，否则，确定第一车辆不存在套牌行为。
本申请实施例提供的确定车辆套牌的方法、装置及设备，通过获取第一车辆牌号码对应的第一轨迹集合，所述第一轨迹集合中包括多个以时间顺序排序的轨迹信息，所述轨迹信息包括第一车辆经过每个卡口时的卡口信息以及时间，所述第一车辆为安装所述第一车辆牌号码的车辆，并针对第一轨迹集合中任意两个相邻的轨迹信息，获取任意两个相邻的轨迹信息分别对应的车牌集合，所述车牌集合包括所述第一车辆牌号码以及至少一个跟随所述第一车辆经过相同卡口的车辆牌号码，对任意两个相邻的轨迹信息分别对应的车牌集合进行相似度比较，再根据相似度比较结果，确定第一车辆是否存在套牌行为，通过对比第一车辆牌在第一轨迹集合中相邻时间通过的卡口的车辆集合，得到两个车辆集合的相似度的结果，确定第一车辆是否存在套牌行为，实现了在大数据中对第一车辆牌是否存在套牌进行高效的识别。
在图1所示实施例的基础上，图2为本申请实施例提供的一种确定车辆套牌的方法实施例二的流程示意图，如图2所示，该确定车辆套牌的方法还包括：
S201：根据预设区域内设置的多个卡口采集的过车数据，得到过车集合。
其中，过车数据包括经过每个卡口的车辆牌号码、经过时间，过车集合包括多个卡口的卡口信息和每个卡口对应的过车数据。
预设区域是预先设定或者划定的一片区域，区域的大小可根据实际应用场景的需要设置，例如将一个省、一个城市、一个商区、或者几条街道设定为预设区域，在预设区域内设置有多个卡口，分别设置于城市道路中的多个路段，例如，可以设置于路口，或者，设置于路段中，每个路段可以有一至多个卡口，每个卡口安装有图像采集装置。
在本步骤中，可通过设置于卡口的图像采集装置采集经过卡口的车辆图像并记录图像采集的时间，对每个卡口采集的经过卡口的车辆图像进行处理，得到每个卡口采集的过车数据，过车数据包括经过每个卡口的车辆牌号码，以及这些车辆经过卡口的时间，应理解，每个卡口有对应的卡口信息，也称作卡口标识，将卡口信息和对应的过车数据作为过车集合的一个元素，例如，通过卡口信息为crossid1的卡口上安装的图像采集装置采集到车辆plateNo1在9：00经过该卡口，车辆plateNo2在9点04经过该卡口，则过车集合包括[crossid1-plateNo1-0900，crossid1-plateNo2-0904]，应理解，过车集合中每个元素的卡口信息、车辆牌号码和经过时间没有顺序要求。
在一种具体的实现方式中，图像采集装置是按照预设的时间间隔进行图像采集的，或者根据预设的触发条件进行图像采集的，在根据采集的车辆图像进行信息提取之前，需要对采集的车辆图像进行过滤，例如过滤掉车辆牌号码模糊的图像，或者缺少主车的车辆图像。进一步地，在对车辆图像的识别过程中，为避免从多张车辆图像中重复识别相同的车辆牌号码，仅识别车辆图像中的主车的车辆牌号码，主车可以是出现在车辆图像中正中位置的车辆，或者出现在车辆图像最前方的车辆，可以理解为，行驶至最靠近图形采集装置的车辆为主车，而图像采集装置采集的在主车之前或者之后的预设时间段内经过卡口的车辆为跟车车辆，在预设时间段内识别出的车辆牌号码可以互为跟车。
S202：根据过车集合和第一车辆牌号码，得到第一车辆牌号码对应的多个轨迹信息。
过车集合包括每个卡口的卡口信息、车辆牌号码、经过时间以及三个之间的对应关系。将第一车辆牌号码在过车集合中进行查找或者遍历，得到第一车辆经过的每个卡口的卡口信息，以及经过每个卡口的时间，并将经过每个卡口的卡口信息与经过该卡口时的时间对应组成轨迹信息，在实际应用场景中，第一车辆经过的卡口数量可以为一至多个，因此，轨迹信息的数量为一至多个。
可选的，为了保证相似度比较的准确性，需要对轨迹信息进行必要的筛选，假设第一车辆经过的卡口数量非常少，例如仅经过了两个卡口，那么第一车辆牌号码对应的轨迹信息的数量仅为两个，在判断主车的跟车车辆相似度时，会影响相似度结果的准确性，因此，在第一车辆牌号码对应的轨迹信息的数量小于预设轨迹长度阈值时，删除第一车辆牌号码对应的一至多个轨迹信息；在第一车辆牌号码对应的轨迹信息的数量大于等于预设轨迹长度阈值时，保留第一车辆牌号码对应的多个轨迹信息。
可选的，预设轨迹长度阈值可以为5。
S203：将多个轨迹信息以时间顺序排序，得到第一轨迹集合。
将步骤S202中得到的第一车辆牌号码对应的多个轨迹信息以时间顺序进行排序，得到第一轨迹集合。
应理解，在实际应用场景中，包括第一车辆牌号码在内的每个车辆牌号码均对应一个轨迹集合。
在一种具体的实现方式中，假设第一车辆为表1中的PlateNo1，将轨迹信息ci-ti按时间升序排列，得到排序后的轨迹信息，将排序后的轨迹信息的卡口信息ci和时间ti拼接成字符串并放入与Key PlateNo1对应的轨迹L列表，列表中数据格式为[c1-t1,c2-t2,…,ci-ti]，即得到第一轨迹集合，根据该方法可得到每个车辆牌号码对应的轨迹集合，如表1所示。
Key 轨迹L
PlateNo1 [c1-t1,c2-t2,…,ci-ti]
PlateNo2 [c1-t1,c2-t2,…,ci-ti]
…… ……
PlateNon [c1-t1,c2-t2,…,ci-ti]
表1
本实施例中，根据过车集合和第一车辆牌号码，得到第一车辆牌号码对应的多个轨迹信息，并将多个轨迹信息以时间顺序排序，得到第一轨迹集合，以便于根据第一轨迹集合中任意两个相邻的轨迹信息进行相似度比较，并且保证了相似度比较的准确性。
在图1所示实施例的基础上，图3为本申请实施例提供的一种确定车辆套牌的方法实施例三的流程示意图，如图3所示，该确定车辆套牌的方法还包括：
S301：根据预设区域内设置的多个卡口采集的过车数据，得到过车集合。
其中，过车数据包括经过每个卡口的车辆牌号码、经过时间，过车集合包括多个卡口的卡口信息和每个卡口对应的过车数据。
本步骤的具体实施过程与步骤S201类似，此处不再赘述。
S302：根据过车集合，获取多个车牌集合。
每个车牌集合中包括一个规整时间、一个卡口信息，以及所述规整时间经过所述卡口信息对应的卡口的至少一个车辆的车辆牌号码，所述规整时间用于表示所述车辆经过所述卡口的时间所属的时间段。
过车集合包括多个卡口的卡口信息和每个卡口对应的过车数据，每个卡口的过车数据包括卡口信息、车辆牌号码、经过时间以及三个之间的对应关系。
在本步骤中，首先，对经过时间进行规整得到规整时间，并得到多个数据集合，每个数据集合包括一个规整时间、一个卡口信息以及一个车辆牌号码，例如，遍历全部过车数据，取出过车时间(passTime),根据passTime在1小时时间分段内的位置将passTime进行规整处理,分段大小可配置，分段大小与设定的跟车时间δt相关，δt通常可以为3-5分钟，跟车时间用于表示将主车前后多长一段时间内出现的车辆确定为跟车车辆，下面为了表述简单，结合图4所示，图4为本申请实施例提供的一种处理得到规整时间实施例的示意图，以30分钟分段示例，即1小时分为2段，9：22位于1个小时内对应段，则将对应时间规整为9:00，以0900作为标识。其次，将规整时间与卡口信息组合成字符串例如，0900-crossid1，作为关键字(Key)，根据卡口信息、车辆牌号码、经过时间之间的对应关系，确定Key对应的值(Value)，Value的内容为车辆牌号码(plateNox为具体的车牌号)，参见表2所示，表2仅为一种示例。
Key Value
0900-crossid1 plateNo1
0900-crossid1 plateNo2
0900-crossid2 plateNo1
0900-crossid2 plateNo2
表2
其次，将相同规整时间和相同卡口信息对应的所有车辆牌号码作为一个车牌集合。应理解，车牌集合中的每个车辆牌号码均可以为主车，在对第一车辆牌号码的任一两个相邻的轨迹信息对应的车牌集合进行相似度比较时，应先去掉两个车牌集合中的第一车辆牌号码，仅对两个车牌集合中的跟车进行相似度比较。
本实施例中，对庞大的过车数据进行快速的数据处理，得到与每个轨迹信息对应的车牌集合，使得本方案能够应用得到的车牌集合，快速并且准确的判断是否存在套牌行为，提高了数据处理的效率。
在上述实施例的基础上，图5为本申请实施例提供的一种确定车辆套牌的方法实施例四的流程示意图，如图5所示，在获取所述任意两个相邻的轨迹信息分别对应的车牌集合之前，该方法还包括：
S401：对任意两个相邻的轨迹信息的时间之差与预设间隔阈值进行比较。
在第一轨迹集合中，遍历其中任意两个相邻的轨迹信息，确定两个相邻轨迹信息中时间的间隔大小，即两个轨迹信息的时间之差，若间隔时间过大，表明第一车辆在这两个相邻的轨迹信息对应的两个卡口之间停留了较长时间，这样容易导致第一车辆在这两个卡口中的跟车发生明显的变化，将会影响最终相似度比较结果的准确性，因此，需要通过对比任意两个相邻的轨迹信息的时间之差和预设间隔阈值，确定是否对两个相邻的轨迹信息对应的车牌集合进行相似度比较。
S402：若存在两个相邻的轨迹信息的时间之差小于间隔阈值，则执行获取任意两个相邻的轨迹信息分别对应的车牌集合。
将两个相邻的轨迹信息的时间之差与预设的间隔阈值进行比较，在时间之差大于预设的间隔阈值时，不进行卡口信息的相似度的比较，而对于两个相邻的轨迹信息的时间之差较小的，若小于间隔阈值，则执行获取任意两个相邻的轨迹信息分别对应的车牌集合，可选的，若车牌集合中包括第一车辆牌号码，先删除第一车辆牌号码。
在一种具体的实现方式中，结合表1可知，假设第一车辆牌号码为PlateNo1，对PlateNo1对应的第一轨迹集合进行遍历操作，过滤掉相邻的轨迹信息中时间之差不满足间隔阈值threadN的数据，threadN为可配置的参数，可选的，threadN＝5。具体的，遍历第一轨迹集合(表1中PlateNo1对应的轨迹集合)，取相邻两个轨迹信息，得到卡口信息ci、ci+1，时间ti、ti+1，当ti+1–ti>threadT，则不获取这两个相邻的轨迹信息分别对应的车牌集合，跳过下面比较这两个相邻的轨迹信息对应的车牌信息的相似度步骤，而若满足ti+1–ti<threadT，则获取这两个相邻的轨迹信息分别对应的车牌集合。
图6为本申请实施例提供的一种确定车辆套牌的装置实施例一的结构示意图，如图6所示，该确定车辆套牌的装置10包括：
获取模块11，用于获取第一车辆牌号码对应的第一轨迹集合，所述第一轨迹集合中包括多个以时间顺序排序的轨迹信息，所述轨迹信息包括第一车辆经过每个卡口时的卡口信息以及时间，所述第一车辆为安装所述第一车辆牌号码的车辆；
处理模块12，用于针对所述第一轨迹集合中任意两个相邻的轨迹信息，获取所述任意两个相邻的轨迹信息分别对应的车牌集合，所述车牌集合包括至少一个跟随所述第一车辆经过相同卡口的车辆牌号码，对所述任意两个相邻的轨迹信息分别对应的车牌集合进行相似度比较；
所述处理模块12还用于根据相似度比较结果，确定所述第一车辆是否存在套牌行为。
本申请实施例提供的确定车辆套牌的装置10包括：获取模块11和处理模块12，通过获取第一车辆牌号码对应的第一轨迹集合，所述第一轨迹集合中包括多个以时间顺序排序的轨迹信息，所述轨迹信息包括第一车辆经过每个卡口时的卡口信息以及时间，所述第一车辆为安装所述第一车辆牌号码的车辆，并针对第一轨迹集合中任意两个相邻的轨迹信息，获取任意两个相邻的轨迹信息分别对应的车牌集合，所述车牌集合包括所述第一车辆牌号码以及至少一个跟随所述第一车辆经过相同卡口的车辆牌号码，对任意两个相邻的轨迹信息分别对应的车牌集合进行相似度比较，再根据相似度比较结果，确定第一车辆是否存在套牌行为，通过对比第一车辆牌在第一轨迹集合中相邻时间通过的卡口的车辆集合，得到两个车辆集合的相似度的结果，确定第一车辆是否存在套牌行为，实现了在大数据中对第一车辆牌是否存在套牌进行高效的识别。
在一种可能的设计中，所述处理模块12具体用于：
若在第一轨迹集合中，任意两个相邻的轨迹信息对应的车牌集合之间车辆牌号码交集为零的次数大于预设阈值，则确定所述第一车辆存在套牌行为；
否则，确定不存在套牌行为。
在一种可能的设计中，所述处理模块12还用于根据预设区域内设置的多个卡口采集的过车数据，得到过车集合，所述过车数据包括经过每个卡口的车辆牌号码、时间，所述过车集合包括所述多个卡口的卡口信息和每个卡口对应的过车数据；
获取模块11具体用于：根据所述过车集合和所述第一车辆牌号码，得到所述第一车辆牌号码对应的多个轨迹信息；
将所述多个轨迹信息以时间顺序排序，得到所述第一轨迹集合。
在一种可能的设计中，所述获取模块11还用于：
根据所述过车集合，获取多个车牌集合，每个车牌集合中包括一个规整时间、一个卡口信息，以及所述规整时间经过所述卡口信息对应的卡口的至少一个车辆的车辆牌号码，所述规整时间用于表示所述车辆经过所述卡口的时间所属的时间段。
在一种可能的设计中，所述处理模块11还用于：
对所述任意两个相邻的轨迹信息的时间之差与预设间隔阈值进行比较；
若存在两个相邻的轨迹信息的时间之差小于间隔阈值，则执行获取所述任意两个相邻的轨迹信息分别对应的车牌集合。
本实施例提供的确定车辆套牌的装置，可以执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。
本申请实施例还提供一种电子设备，参见图7所示，本申请实施例仅以图7为例进行说明，并不表示本申请仅限于此。
图7为本申请一实施例提供的电子设备的硬件结构示意图。如图7所示，本实施例提供的电子设备20可以包括：存储器201、处理器202；可选的还可以包括总线203。其中，总线203用于实现各元件之间的连接。
所述存储器201存储计算机执行指令；
所述处理器202执行所述存储器201存储的计算机执行指令，使得所述处理器执行前述任一项实施例提供的确定车辆套牌的方法。
其中，存储器201和处理器202之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可以通过一条或者多条通信总线或信号线实现电性连接，如可以通过总线203连接。存储器201中存储有实现数据访问控制方法的计算机执行指令，包括至少一个可以软件或固件的形式存储于存储器201中的软件功能模块，处理器202通过运行存储在存储器201内的软件程序以及模块，从而执行各种功能应用以及数据处理。
存储器201可以是，但不限于，随机存取存储器(Random Access Memory，简称：RAM)，只读存储器(Read Only Memory，简称：ROM)，可编程只读存储器(ProgrammableRead-Only Memory，简称：PROM)，可擦除只读存储器(Erasable Programmable Read-OnlyMemory，简称：EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，简称：EEPROM)等。其中，存储器201用于存储程序，处理器202在接收到执行指令后，执行程序。进一步地，上述存储器201内的软件程序以及模块还可包括操作***，其可包括各种用于管理***任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动，并可与各种硬件或软件组件相互通信，从而提供其他软件组件的运行环境。
处理器202可以是一种集成电路芯片，具有信号的处理能力。上述的处理器202可以是通用处理器，包括中央处理器(Central Processing Unit，简称：CPU)、网络处理器(Network Processor，简称：NP)等。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。可以理解，图7的结构仅为示意，还可以包括比图7中所示更多或者更少的组件，或者具有与图7所示不同的配置。图7中所示的各组件可以采用硬件和/或软件实现。
本申请实施例还提供一种计算机可读存储介质，其上存储有计算机执行指令，计算机执行指令被处理器执行时可以实现上述任一方法实施例提供的确定车辆套牌的方法。
本实施例中的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，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)、或者半导体介质(例如SSD)等。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (12)

1.一种确定车辆套牌的方法，其特征在于，包括：
获取第一车辆牌号码对应的第一轨迹集合，所述第一轨迹集合包括多个以时间顺序排序的轨迹信息，所述轨迹信息包括第一车辆经过卡口时的卡口信息以及时间，所述第一车辆为安装所述第一车辆牌号码的车辆；
针对所述第一轨迹集合中任意两个相邻的轨迹信息，获取所述任意两个相邻的轨迹信息分别对应的车牌集合，所述车牌集合包括至少一个跟随所述第一车辆经过相同卡口的车辆牌号码，对所述任意两个相邻的轨迹信息分别对应的车牌集合进行相似度比较；
根据相似度比较结果，确定所述第一车辆是否存在套牌行为；
所述获取所述任意两个相邻的轨迹信息分别对应的车牌集合，包括：
根据所述第一轨迹集合中每个轨迹信息的卡口信息和时间，在过车数据中进行查询，找到在相同时间或者相同时间段经过同一个卡口的除第一车辆以外的车辆的车辆牌号码的集合；
所述对所述任意两个相邻的轨迹信息分别对应的车牌集合进行相似度比较，包括：
比较相邻两个时间下，经过两个卡口的车牌集合是否存在交集。
2.根据权利要求1所述的方法，其特征在于，所述根据相似度比较结果，确定所述第一车辆是否存在套牌行为，包括：
若在第一轨迹集合中，任意两个相邻的轨迹信息对应的车牌集合之间车辆牌号码交集为零的次数大于预设阈值，则确定所述第一车辆存在套牌行为；
否则，确定所述第一车辆不存在套牌行为。
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
根据预设区域内设置的多个卡口采集的过车数据，得到过车集合，所述过车数据包括经过每个卡口的车辆牌号码、时间，所述过车集合包括所述多个卡口的卡口信息和每个卡口对应的过车数据；
所述获取第一车辆牌号码对应的第一轨迹集合，包括：
根据所述过车集合和所述第一车辆牌号码，得到所述第一车辆牌号码对应的多个轨迹信息；
将所述多个轨迹信息以时间顺序排序，得到所述第一轨迹集合。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
根据所述过车集合，获取多个车牌集合，每个车牌集合中包括一个规整时间、一个卡口信息，以及所述规整时间经过所述卡口信息对应的卡口的至少一个车辆的车辆牌号码，所述规整时间用于表示所述车辆经过所述卡口的时间所属的时间段。
5.根据权利要求1或2所述的方法，其特征在于，在获取所述任意两个相邻的轨迹信息分别对应的车牌集合之前，所述方法还包括：
对所述任意两个相邻的轨迹信息的时间之差与预设间隔阈值进行比较；
若存在两个相邻的轨迹信息的时间之差小于间隔阈值，则执行获取所述任意两个相邻的轨迹信息分别对应的车牌集合。
6.一种确定车辆套牌的装置，其特征在于，所述装置包括：
获取模块，用于获取第一车辆牌号码对应的第一轨迹集合，所述第一轨迹集合中包括多个以时间顺序排序的轨迹信息，所述轨迹信息包括第一车辆经过每个卡口时的卡口信息以及时间，所述第一车辆为安装所述第一车辆牌号码的车辆；
处理模块，用于针对所述第一轨迹集合中任意两个相邻的轨迹信息，获取所述任意两个相邻的轨迹信息分别对应的车牌集合，所述车牌集合包括至少一个跟随所述第一车辆经过相同卡口的车辆牌号码，对所述任意两个相邻的轨迹信息分别对应的车牌集合进行相似度比较；
所述处理模块还用于根据相似度比较结果，确定所述第一车辆是否存在套牌行为；
所述获取所述任意两个相邻的轨迹信息分别对应的车牌集合，包括：
根据所述第一轨迹集合中每个轨迹信息的卡口信息和时间，在过车数据中进行查询，找到在相同时间或者相同时间段经过同一个卡口的除第一车辆以外的车辆的车辆牌号码的集合；
所述对所述任意两个相邻的轨迹信息分别对应的车牌集合进行相似度比较，包括：
比较相邻两个时间下，经过两个卡口的车牌集合是否存在交集。
7.根据权利要求6所述的装置，其特征在于，所述处理模块具体用于：
若在第一轨迹集合中，任意两个相邻的轨迹信息对应的车牌集合之间车辆牌号码交集为零的次数大于预设阈值，则确定所述第一车辆存在套牌行为；
否则，确定不存在套牌行为。
8.根据权利要求6或7所述的装置，其特征在于，
所述处理模块还用于：根据预设区域内设置的多个卡口采集的过车数据，得到过车集合，所述过车数据包括经过每个卡口的车辆牌号码、时间，所述过车集合包括所述多个卡口的卡口信息和每个卡口对应的过车数据；
所述获取模块具体用于：根据所述过车集合和所述第一车辆牌号码，得到所述第一车辆牌号码对应的多个轨迹信息；将所述多个轨迹信息以时间顺序排序，得到所述第一轨迹集合。
9.根据权利要求8所述的装置，其特征在于，所述获取模块还用于：
根据所述过车集合，获取多个车牌集合，每个车牌集合中包括一个规整时间、一个卡口信息，以及所述规整时间经过所述卡口信息对应的卡口的至少一个车辆的车辆牌号码，所述规整时间用于表示所述车辆经过所述卡口的时间所属的时间段。
10.根据权利要求6或7所述的装置，其特征在于，所述处理模块还用于：
对所述任意两个相邻的轨迹信息的时间之差与预设间隔阈值进行比较；
若存在两个相邻的轨迹信息的时间之差小于间隔阈值，则执行获取所述任意两个相邻的轨迹信息分别对应的车牌集合。
11.一种电子设备，其特征在于，包括：存储器及处理器；
所述存储器存储计算机执行指令；
所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如权利要求1至5任一项所述的确定车辆套牌的方法。
12.一种存储介质，其特征在于，包括：可读存储介质和计算机程序，所述计算机程序用于实现权利要求1至5任一项所述的确定车辆套牌的方法。
CN201910703054.7A 2019-07-31 2019-07-31 确定车辆套牌的方法、装置及设备 Active CN111368868B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910703054.7A CN111368868B (zh) 2019-07-31 2019-07-31 确定车辆套牌的方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910703054.7A CN111368868B (zh) 2019-07-31 2019-07-31 确定车辆套牌的方法、装置及设备

Publications (2)

Publication Number Publication Date
CN111368868A CN111368868A (zh) 2020-07-03
CN111368868B true CN111368868B (zh) 2024-01-09

Family

ID=71207940

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910703054.7A Active CN111368868B (zh) 2019-07-31 2019-07-31 确定车辆套牌的方法、装置及设备

Country Status (1)

Country Link
CN (1) CN111368868B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112309126B (zh) * 2020-10-30 2022-07-05 杭州海康威视数字技术股份有限公司 车牌检测方法、装置、电子设备及计算机可读存储介质
CN113160565B (zh) * 2021-04-14 2022-12-30 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

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017157119A1 (zh) * 2016-03-18 2017-09-21 中兴通讯股份有限公司 一种车辆异常行为的识别方法及装置
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
CN108230685A (zh) * 2016-12-22 2018-06-29 乐视汽车（北京）有限公司 套牌识别方法、智能车牌、智能车牌扫描装置、套牌判断装置及套牌识别***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI459332B (zh) * 2012-05-15 2014-11-01 Ind Tech Res Inst 整合多攝影機影像的車輛追蹤方法及系統

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017157119A1 (zh) * 2016-03-18 2017-09-21 中兴通讯股份有限公司 一种车辆异常行为的识别方法及装置
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
CN108230685A (zh) * 2016-12-22 2018-06-29 乐视汽车（北京）有限公司 套牌识别方法、智能车牌、智能车牌扫描装置、套牌判断装置及套牌识别***

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Li Y，et al..An approach to instantly detecting fake plates based on large-scale ANPR data.《2015 12th Wb Information System and Application Conference(WISA)》.2015,第287-292页. *
汤鑫.融合数据挖掘技术与车辆轨迹时空特征分析的***识别方法.《万方数据》.2018,全文. *
赵卓峰 ; 卢帅 ; 韩燕波 ; .基于海量车牌识别数据的相似轨迹查询方法.清华大学学报(自然科学版).2017,(第02期),全文. *

Also Published As

Publication number Publication date
CN111368868A (zh) 2020-07-03

Similar Documents

Publication Publication Date Title
CN108091140B (zh) 一种确定***辆的方法和装置
CN109615853B (zh) 识别高速公路疑似非法营运车辆的方法及设备
CN104766479A (zh) 基于超高频射频与视频图像双识别匹配的汽车身份识别方法及装置
CN111368868B (zh) 确定车辆套牌的方法、装置及设备
CN111369801B (zh) 车辆识别方法、装置、设备和存储介质
CN112509325B (zh) 一种基于视频深度学习的非现场违法自动甄别方法
CN104318327A (zh) 一种车辆轨迹预测分析方法
CN115080638B (zh) 微观仿真的多源数据融合分析方法、电子设备及存储介质
CN105528626A (zh) 一种rfid读写器和摄像机集成一体机及其应用
CN111476685B (zh) 行为分析方法、装置及设备
CN104637301A (zh) 一种交通信息采集装置及方法
CN113450578B (zh) 交通违章事件取证方法、装置、设备及***
CN111325054B (zh) 一种确定克隆车辆的方法、装置及计算设备
CN116310442A (zh) 轨迹点识别方法、装置及地图制作方法
CN114170836B (zh) 一种基于泊位信息的移动巡检停车管理方法及***
CN115718702A (zh) 一种自动驾驶测试场景库构建方法及***
CN111741267B (zh) 一种车辆延误的确定方法、装置、设备及介质
CN112330828B (zh) 停车场的车辆信息处理方法、装置、终端设备及存储介质
CN114202919A (zh) 一种非机动车电子车牌遮挡的识别方法、装置及***
CN113421351A (zh) 一种车辆无感支付方法及装置
CN205486190U (zh) 一种rfid读写器和摄像机集成一体机
CN111368616A (zh) 从车的识别方法、装置及设备
CN113505788B (zh) 获取路网信息的方法、装置及存储介质
CN105320704A (zh) 跨区域相似车辆检索方法及装置
CN111369800B (zh) 让行车辆识别方法和装置

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