CN111931808B - Rfid数据与图像数据的匹配方法、主控设备及*** - Google Patents
Rfid数据与图像数据的匹配方法、主控设备及*** Download PDFInfo
- Publication number
- CN111931808B CN111931808B CN202010600424.7A CN202010600424A CN111931808B CN 111931808 B CN111931808 B CN 111931808B CN 202010600424 A CN202010600424 A CN 202010600424A CN 111931808 B CN111931808 B CN 111931808B
- Authority
- CN
- China
- Prior art keywords
- image data
- vehicle
- image
- rfid
- buffer area
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000000872 buffer Substances 0.000 claims abstract description 132
- 238000013135 deep learning Methods 0.000 claims abstract description 16
- 230000004044 response Effects 0.000 claims description 16
- 230000005055 memory storage Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 5
- 230000007547 defect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003139 buffering effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G06F12/00—Accessing, addressing or allocating within memory systems or architectures
- G06F12/02—Addressing or allocation; Relocation
- G06F12/08—Addressing or allocation; Relocation in hierarchically structured memory systems, e.g. virtual memory systems
- G06F12/12—Replacement control
- G06F12/121—Replacement control using replacement algorithms
- G06F12/123—Replacement control using replacement algorithms with age lists, e.g. queue, most recently used [MRU] list or least recently used [LRU] list
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
- G06K7/10297—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves arrangements for handling protocols designed for non-contact record carriers such as RFIDs NFCs, e.g. ISO/IEC 14443 and 18092
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Toxicology (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Networks & Wireless Communication (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Security & Cryptography (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及了一种车辆的RFID数据与图像数据的匹配方法、主控设备和RFID数据与图像数据的匹配***，其中该方法包括：接收摄像装置发送的图像，基于深度学习模块对图像进行车辆检测后获得车辆图像，并根据LRU特性规则将车辆图像缓存于图像数据缓存区；当获取到车辆的RFID数据时，从图像数据缓存区回溯读取与所述RFID数据相匹配的目标车辆图像。实施本发明实施例，可以克服由于图像数据与RFID数据的获取时间无法做到绝对一致，导致二者难以匹配的技术缺陷，通过本发明实施例可以准确匹配同一车辆的图像数据与RFID数据，将图像数据与RFID数据匹配后，可以为机动车监管提供更加完整可靠的数据。
Description
技术领域
本发明涉及智能交通(Intelligent Transportation System，ITS)领域，尤其涉及一种车辆的RFID数据与图像数据的匹配方法、主控设备及RFID数据与图像数据的匹配***。
背景技术
随着智慧交通、智慧城市的不断发展，基于视频的深度学习方案被逐步应用于城市交通。而作为城市交通工具的电动自行车，由于遍布范围广、使用频繁，其安全性问题逐步引起人们的重视，对其进行有效地监管提出了要求与挑战。以街道卡口(如：十字路口，丁字路口等)为场景，基于视频的深度学习方案，通过摄像装置拍摄识别可以有效获取机动车(主要包括两轮电动自行车和四轮汽车等)的轨迹图片和车辆信息；而基于RFID视频识别方案，通过RFID天线设备可以读取机动车车牌中的RFID数据，该RFID数据包含车辆信息(主要为车牌号码信息)。
为了对违规行驶的机动车进行监管，需要将通过摄像装置拍摄得到的图像数据和通过RFID天线设备读取到的RFID数据进行匹配，如果机动车发生违章，需要获取该机动车的图像数据和RFID数据，以形成可信度较高的证据链数据。然而通过摄像装置拍摄得到的图像数据和通过RFID天线设备读取到的RFID数据无法在时间上绝对同步，难以准确地将图像数据与RFID数据进行准确匹配。
发明内容
本发明实施例提供一种车辆的RFID数据与图像数据的匹配方法，可以克服由于图像数据与RFID数据的获取时间无法做到绝对一致，导致二者难以匹配的技术缺陷，通过本发明实施例可以准确匹配同一车辆的图像数据与RFID数据，将图像数据与RFID数据匹配后，可以为机动车监管提供更加完整可靠的数据。
第一方面，提供一种车辆的RFID数据与图像数据的匹配方法，包括：接收摄像装置发送的图像，基于深度学习模块对所述图像进行车辆检测后获得车辆图像，并根据LRU特性规则将所述车辆图像缓存于图像数据缓存区；当获取到车辆的RFID数据时，从所述图像数据缓存区回溯读取与所述RFID数据相匹配的目标车辆图像。
该实施例中，由于图像数据与RFID数据的获取时间无法做到绝对一致，二者获取时间可能存在差异，不能直接进行匹配，因此本实施例对处理时间较长的图像数据进行缓存，即将摄像装置发送的图像经过深度学习模块处理后存储至图像数据缓存区。当通过RFID天线设备读取到RFID数据时，则从图像数据缓存区中获取与之相匹配的车辆图像。通过该实施例，可以准确匹配同一车辆的图像数据与RFID数据，将图像数据与RFID数据匹配后，可以为机动车监管提供更加完整可靠的数据
可选的实施例中，图像数据缓存区包括N级图像数据缓存区，N为大于1的正整数，根据LRU特性规则将车辆图像缓存于图像数据缓存区，具体包括：将车辆图像缓存于一级图像数据缓存区；若一级图像数据缓存区的存储空间不足，则将一级图像数据缓存区至N级图像数据缓存区中的图像数据按照存储时间的先后顺序依次向下一级转移，以使一级图像数据缓存区拥有足够的存储空间存储车辆图像。
实施本发明实施例，主控设备建立多级图像数据缓存区，图片回溯时优先获取最近缓存的图片，更满足LRU特性，使得读取图片数据的速度更快也更准确。
可选的实施例中，当上述N为2，一级图像数据缓存区为内存存储空间，用于以图片数据形式存储车辆图像；二级图像数据缓存区为磁盘存储空间，用于以文件形式存储车辆图像；其中，读写响应速度为：一级图像数据缓存区＞二级图像数据缓存区。
具体的，由于内存存储空间读取数据的速度优于从磁盘存储空间读取数据的速度，读取图片数据的速度优于读取文件的速度，因此一级图像数据缓存区的读写响应速度大于二级图像数据缓存区的读写响应速度。而通常情况下，RFID数据与最近存储的图像数据命中率最大，因此将最新的图像数据存储于一级图像数据缓存区，有利于后续加快回溯读取匹配速度。
实施本发明实施例，主控设备将车辆图像以不同的数据方式存储在不同的存储位置，使得各级图像数据缓存区的读写相应速度，既确保了足够大的存储空间，也便于后期回溯车辆图像时快速准确的匹配到目标车辆图像。
可选的实施例中，当上述N为4，一级图像数据缓存区为内存存储空间，用于以图片数据形式存储车辆图像；二级图像数据缓存区为磁盘存储空间，用于以文件形式存储车辆图像；三级图像数据缓存区为内存存储空间，用于以图片数据形式存储压缩后的车辆图像；四级图像数据缓存区为磁盘存储空间，用于以文件形式存储压缩后的车辆图像；其中，读写响应速度为：一级图像数据缓存区＞二级图像数据缓存区＞三级图像数据缓存区＞四级图像数据缓存区。
实施本发明实施例，主控设备在不同的缓存区域采用不同的图像数据存储方式，使得各级图像数据缓存区的读写响应速度不同。一方面，在主控设备在回溯读取车辆图像时，优先从读写响应速度最快的图像数据缓存区回溯读取车辆图像，可以快速准确地匹配到正确的目标车辆图像，另一方面，在确保回溯读取速度的同时，也最大限度地确保了缓存图像数据的容量。
可选的实施例中，从图像数据缓存区回溯读取与所述RFID数据相匹配的目标车辆图像，具体包括：按照一级图像数据缓存区至N级图像数据缓存区的回溯读取顺序，依次判断各级图像数据缓存区中的图像数据是否与RFID数据相匹配，若当前图像数据匹配，则停止回溯读取，将当前图像数据作为目标车辆图像。
具体的，主控设备根据读写响应速度的从快到慢的顺序从图像数据缓存区回溯读取车辆图像并进行匹配，当主控设备匹配到正确的车辆图像，主控设备停止回溯读取。
通常情况下，RFID数据与最近存储的图像数据命中率最大，即在一级图像缓存区成功匹配的概率最大，因此主控设备根据读写响应速度的从快到慢的顺序从图像数据缓存区回溯读取车辆图像，有利于提高匹配速度和匹配正确率。
可选的实施例中，RFID数据包括车牌信息，依次判断各级图像数据缓存区中的图像数据是否与RFID数据相匹配，具体为：依次读取各级图像数据缓存区中的图像数据通过深度学习模块识别得到的车牌信息；若当前图像数据中的车牌信息与RFID数据中的车牌信息相同或者相似度超过预设阈值，则确定当前图像数据为目标车辆图像。
实施本发明实施例，主控设备根据图像数据和RFID数据中车牌信息可以判定匹配是否正确，进而实现RFID数据与图像数据的匹配。
可选的实施例中，RFID数据包括RFID时间，RFID时间为主控设备获取RFID数据的时间，依次判断各级图像数据缓存区中的图像数据是否与RFID数据相匹配，具体为：
根据RFID时间，依次判断各级图像数据缓存区中的图像数据的拍摄时间是否与RFID时间相匹配；
若匹配，且当前图像数据中有且只有一个车辆，则确定当前图像数据为目标车辆图像。
实施本发明实施例，主控设备根据图像拍摄时间、RFID时间是否匹配，且当前图像数据中有且只有一个车辆时，则可以直接锁定图像数据与RFID数据相匹配，通过该方式可以进一步缩短了匹配时间，提高匹配效率。
可选的实施例中，在从图像数据缓存区回溯读取与RFID数据相匹配的目标车辆图像之后，上述方法还包括：根据目标车辆图像和RFID数据，形成车辆的证据链数据。
该实施例中，将图像数据与RFID数据匹配后，并绑定形成证据链数据，可以为机动车监管提供更加完整可靠且可信度高的数据。
第二方面，提供了一种主控设备，其特征在于，包括处理器和存储器，处理器和存储器相互连接，其中，存储器用于存储计算机程序，计算机程序包括程序指令，处理器被配置用于调用程序指令，执行如第一方面描述的方法。
第三方面，提供了一种车辆的RFID数据与图像数据的匹配***，该***包括第二方面描述的主控设备，与主控设备连接、且用于拍摄图像的摄像装置，与主控设备连接、且用于读取车辆的RFID数据的RFID天线设备
附图说明
为了更清楚地说明本发明实施例，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。附图中：
图1是本发明实施例提供的车辆的RFID数据与图像数据的匹配方法的场景示意图；
图2是本发明实施例提供的一种车辆的RFID数据与图像数据的匹配方法示意图；
图3是本发明实施例提供的一种N级图像数据缓存区示意图；
图4是本发明实施例提供的一种采用多级图像数据缓存的RFID数据与图像数据匹配方法示意图；
图5是本发明实施例提供的主控设备结构框图；
图6是本发明实施例提供的车辆的RFID数据与图像数据的匹配***结构示意图。
具体实施方式
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做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。
参见图1，图1是本发明实施例提供的RFID数据与图像数据的匹配方法的场景示意图。如图1所示，以十字路口红绿灯的交通状况举例进行说明。道路旁安装有主控设备、摄像装置和RFID天线设备，其中主控设备可以与摄像装置和RFID天线设备进行通信和数据传输。通过上述设备可以实现图像数据与RFID数据匹配，为机动车监管提供更加完整可靠的数据。这里机动车可以是汽车、两轮电动自行车等。在机动车上需要安装RFID标签，该标签内主要包括机动车的车牌信息，例如在电动自行车，其车牌内包括RFID标签。
为便于理解和描述，以下实施例均以电动自行车为例子展开描述，但应理解的，本发明对机动车的类型不作具体限定。
摄像装置用于在电动自行车行驶经过时，对电动自行车进行拍摄并将图像发送给主控设备。
RFID天线设备用于在电动自行车行驶经过时，通过电动自行车车牌上的RFID标签读取电动自行车RFID数据，RFID数据为电动自行车的车辆信息(例如车牌号、电动自行车型号)。RFID天线设备将电动自行车的RFID数据发送给主控设备。
优选的实施例中，RFID天线设备可以采用900M射频频段。
主控设备接收摄像装置发送的图像，基于深度学习模块对图像进行车辆检测获得车辆图像，其中车辆图像可以是标记了车辆位置信息和车辆信息的图像，在获得车辆图像后将这些车辆图像根据LRU特性规则存储在主控设备的图像数据缓存区。当主控设备接收到电动自行车的RFID数据时，从图像数据缓存区回溯读取与所述RFID数据相匹配的目标车辆图像。
需要说明的是，本发明实施例中的摄像装置和主控设备可以是两个分开的单独设备，也可以是集摄像功能和计算功能为一体的设备。
参加图2，图2是本发明实施例提供的一种车辆的RFID数据与图像数据的匹配方法示意图。如图2所示，该方法包括：
S201，主控设备接收摄像装置发送的图像，基于深度学习模块对所述图像进行车辆检测后获得车辆图像。
在一些实施例中，摄像装置可以持续不断拍摄图像，并将图像发送至主控模块，主控模块基于深度学习模块对摄像装置发送的图像进行车辆检测，从而过滤不包括电动自行车的图像，获得包括电动自行车的车辆图像，在该过程中，主控设备同时可以完成对车辆图像的标记，例如标记电动自行车的位置，和/或，相关车辆信息(例如车牌号码)。
在另一些实施例中，只有在电动自行车进入拍摄区域或者预设特定区域时，摄像装置才会被触发开启拍摄图像数据，此时拍摄得到的图像包括电动自行车，主控设备接收摄像装置发送的图像后，基于深度学习模块对该图像进行车辆检测获得车辆图像，该车辆图像为带位置标注信息，和/或，相关车辆信息的图像。
S202，主控设备根据LRU特性规则将车辆图像缓存于图像数据缓存区。
通常情况下，RFID数据与最近存储的图像数据命中率最大，后期主控设备在回溯读取图片时会优先获取最近缓存的图片，因此这里，在对图像进行缓存时，主控设备要根据LRU(Least Recently Used)特性规则对车辆图像进行缓存，以便于主控设备后续更快的读取车辆图像。
可选的实施例中，图像数据缓存区包括N级图像数据缓存区，N为大于1的正整数，根据LRU特性规则将车辆图像缓存于图像数据缓存区，具体包括：将车辆图像缓存于一级图像数据缓存区；若一级图像数据缓存区的存储空间不足，则将一级图像数据缓存区至N级图像数据缓存区中的图像数据按照存储时间的先后顺序依次向下一级转移，以使一级图像数据缓存区拥有足够的存储空间存储车辆图像。下一级图像数据缓存区比本级图像数据缓存区域高一级，例如二级图像数据缓存区为一级图像数据缓存区的下一级，三级图像数据缓存区为二级图像数据缓存区的下一级，依次类推。
参见图3，图3是本发明实施例提供的一种N级图像数据缓存区示意图。如图3所示，主控设备将数据缓存区分为N级图像数据缓存区。主控设备根据LRU特性将车辆图片数据存储在一级图像数据缓存区，因此时间最近的车辆图像缓存于一级图像数据缓存区上。当一级图像数据缓存区空间不足，主控设备将时间最早、缓存在一级图像数据缓存区最底端的车辆图像根据LUR特性向下一级即二级图像数据缓存区进行缓存，这样一级图像数据缓存区就会有足够的存储空间存储车辆图像。同样的，二级图像数据缓存区空间不足，主控设备将时间最早、缓存在二级图像数据缓存区最底端的车辆图像根据LUR特性向下一级即三级图像数据缓存区进行缓存，使得二级图像数据缓存区会有足够的存储空间存储车辆图像。图像数据缓存区最底端的数据意味着最早存储在该图像数据缓存区域的数据。
实施本发明实施例，主控设备建立多级图像数据缓存区，图片回溯时优先获取最近缓存的图片，更满足LRU特性，使得读取图片数据的速度更快也更准确。
可选的实施例中，当上述N为2，一级图像数据缓存区为内存存储空间，用于以图片数据形式存储车辆图像；二级图像数据缓存区为磁盘存储空间，用于以文件形式存储车辆图像；其中，读写响应速度为：一级图像数据缓存区大于二级图像数据缓存区，即本级数据缓存区域大于下一级图像数据缓存区。
具体的，由于内存存储空间读取数据的速度优于从磁盘存储空间读取数据的速度，读取图片数据的速度优于读取文件的速度，因此一级图像数据缓存区的读写响应速度大于二级图像数据缓存区的读写响应速度。而通常情况下，RFID数据与最近存储的图像数据命中率最大，因此将最新的图像数据存储于一级图像数据缓存区，有利于后续加快回溯读取匹配速度。
可选的实施例中，当上述N为3，一级图像数据缓存区为内存存储空间，用于以图片数据形式存储车辆图像；二级图像数据缓存区为磁盘存储空间，用于以文件形式存储车辆图像；三级图像数据缓存区为内存存储空间，用于以图片数据形式存储压缩后的车辆图像；其中，读写响应速度为：一级图像数据缓存区＞二级图像数据缓存区＞三级图像数据缓存区。
可选的实施例中，当上述N为4，一级图像数据缓存区为内存存储空间，用于以图片数据形式存储车辆图像；二级图像数据缓存区为磁盘存储空间，用于以文件形式存储车辆图像；三级图像数据缓存区为内存存储空间，用于以图片数据形式存储压缩后的车辆图像；四级图像数据缓存区为磁盘存储空间，用于以文件形式存储压缩后的车辆图像；其中，读写响应速度为：一级图像数据缓存区＞二级图像数据缓存区＞三级图像数据缓存区＞四级图像数据缓存区。
实施本发明实施例，主控设备将车辆图像以不同的数据方式存储在不同的存储位置，使得各级图像数据缓存区的读写相应速度，既确保了足够大的存储空间，也便于后期回溯车辆图像时快速准确的匹配到目标车辆图像。
除此以外，需要说明的，主控设备划分N级图像数据缓存区域可以根据多种划分规则，例如，根据压缩和无压缩的标准进行划分为两级图像数据缓存区。再例如，根据缓存区的存储类型可以划分为内存存储空间和磁盘存储空间。应理解，本发明对图像数据缓存区的划分规则不作具体限定，其他未列举划分规则应属于本发明保护范围。
S203，当获取到车辆的RFID数据时，主控设备从图像数据缓存区回溯读取与所述RFID数据相匹配的目标车辆图像。
具体的，RFID天线设备在电动自行车行驶经过时，通过电动车车牌上的RFID标签读取电动自行车RFID数据，RFID数据为电动自行车的车辆信息(例如车牌号、电动自行车型号)。RFID天线设备将电动自行车的RFID数据发送给主控设备。
可选的实施例中，按照一级图像数据缓存区至N级图像数据缓存区的回溯读取顺序，依次判断各级图像数据缓存区中的图像数据是否与RFID数据相匹配，若当前图像数据匹配，则停止回溯读取，将当前图像数据作为目标车辆图像。
通常情况下，RFID数据与最近存储的图像数据命中率最大，即在一级图像缓存区成功匹配的概率最大，因此主控设备根据读写响应速度的从快到慢的顺序从图像数据缓存区回溯读取车辆图像，有利于提高匹配速度和匹配正确率。
参见图4，图4是本发明实施例提供的一种采用多级图像数据缓存的RFID数据与图像数据匹配方法示意图。如图4所示，主控设备从图像数据缓存区回溯读取与RFID数据相匹配的目标车辆图像，具体包括：
S401，主控设备按照一级图像数据缓存区至N级图像数据缓存区的回溯读取顺序，依次判断各级图像数据缓存区中的图像数据是否与RFID数据相匹配。
可选的实施例中，RFID数据包括车牌信息，依次判断各级图像数据缓存区中的图像数据是否与RFID数据相匹配，具体为：依次读取各级图像数据缓存区中的图像数据通过深度学习模块识别得到的车牌信息；若当前图像数据中的车牌信息与RFID数据中的车牌信息相同或者相似度超过预设阈值，则确定当前图像数据为目标车辆图像。
例如，RFID数据的车牌信息为粤B0000，主控设备对图像数据缓存区中某一个图像数据基于深度学习识别车牌信息为粤B0008，此时图像数据中的车牌信息与RFID数据中的车牌信息的相似度为80％，若预设阈值为70％，则判定当前图像数据为目标车辆图像。
实施本发明实施例，主控设备根据图像数据和RFID数据中车牌信息可以判定匹配是否正确，进而实现RFID数据与图像数据的匹配。
可选的实施例中，RFID数据包括RFID时间，RFID时间为主控设备获取RFID数据的时间，依次判断各级图像数据缓存区中的图像数据是否与RFID数据相匹配，具体为：根据RFID时间，依次判断各级图像数据缓存区中的图像数据的拍摄时间是否与RFID时间相匹配；若匹配，且当前图像数据中有且只有一个车辆，则确定当前图像数据为目标车辆图像。
具体的，RFID时间表示RFID天线设备通过RFID标签获取车辆信息的时间，若以RFID时间为中心的一段时间内，如果回溯读取的当前图像数据的拍摄时间在前述时间范围内，则确定当前图像数据与RFID数据相匹配。这时如果当前图像数据内有且只有一个车辆时，则可以直接锁定当前图像数据与RFID数据相匹配，通过该方式可以进一步缩短了匹配时间，提高匹配效率。
在匹配的情况下，当前图像数据存在两种情况：
第一，当前图像数据中只有一个车辆；主控设备将该车辆图像确定为目标车辆图像。
第二，当前图像数据中存在多个车辆，此时主控设备对当前车辆图像基于深度学习得到图像数据中多个车辆的车辆信息，将多个车辆信息与RFID数据进行匹配，图像数据中对匹配成功的车辆进行标记之后将当前车辆图像确定为目标车辆图像。
若主控设备判定图像数据缓存区中的图像数据与RFID数据相匹配，执行步骤S402；若不匹配，执行步骤S403。
S402，主控设备停止回溯读取，将当前图像数据作为目标车辆图像。
可选的实施例中，主控设备在从图像数据缓存区回溯读取与RFID数据相匹配的目标车辆图像之后，还包括：根据目标车辆图像和RFID数据，形成车辆的证据链数据。
该实施例中，将图像数据与RFID数据匹配后，并绑定形成证据链数据，例如形成车辆违规证据链数据，通过本实施例可以为机动车监管提供更加完整可靠且可信度高的数据。
S403，主控设备确定当前是否在预设回溯时间内。
具体的，主控设备会提前设置回溯时间，避免主控设备匹配不到目标车辆图像而一直循环回溯，这样会导致主控长时间回溯，造成设备损坏。
若在预设回溯时间内，执行步骤S404；
若超过预设回溯时间，执行步骤S405。
步骤S404，主控设备继续回溯。
步骤S405，主控设备停止回溯。
本发明实施例中，主控设备接收摄像装置发送的图像，基于深度学习模块对图像进行车辆检测后获得车辆图像，并根据LRU特性规则将车辆图像缓存于图像数据缓存区；当获取到车辆的RFID数据时，主控设备从图像数据缓存区回溯读取与RFID数据相匹配的目标车辆图像。采用本实施例，可以克服由于图像数据与RFID数据的获取时间无法做到绝对一致，导致二者难以匹配的技术缺陷，通过本发明实施例可以准确匹配同一车辆的图像数据与RFID数据，将图像数据与RFID数据匹配后，可以为机动车监管提供更加完整可靠的数据。
参见图5，图5是本发明实施例提供的主控设备结构框图，该主控设备包括：处理器501和存储有计算机程序的存储器502，所述处理器在执行所述存储器中存储的计算机程序时实现图2或图4实施例的方法和步骤。
可能实施例中，主控设备还可以包括：一个或多个输入接口503，一个或多个输出接口504。
上述处理器501、输入接口503、输出接口504和存储器502通过总线505连接。存储器502用于存储指令，处理器501用于执行存储器502存储的指令，输入接口503用于接收数据，例如接收RFID数据和图像数据等，输出接口704用于输出数据，例如数据匹配结果等。
其中，处理器501被配置用于调用所述程序指令执行：图2或图4实施例的方法和步骤。实施例中涉及的车辆的RFID数据与图像数据方法步骤。应当理解，在本公开实施例中，所称处理器501可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
该存储器502可以包括只读存储器和随机存取存储器以及可读写可编程非易失性存储器，如计算机硬盘(例如固态硬盘或者机械硬盘)，U盘等，该存储器502向处理器501提供指令和数据。存储器502的一部分还可以包括非易失性随机存取存储器。例如，存储器502还可以存储接口类型的信息。
在一些实现方式中，本公开实施例中所描述的主控设备的上述各部件可用于图2或图4实施例的方法和步骤，为了简洁，这里不再赘述。
应当理解，在本公开实施例中，所称处理器501可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。
该存储器504可以包括只读存储器和随机存取存储器以及可读写可编程非易失性存储器，如计算机硬盘(例如固态硬盘或者机械硬盘)，U盘等，该存储器504向处理器501提供指令和数据。存储器504的一部分还可以包括非易失性随机存取存储器。例如，存储器504还可以存储接口类型的信息。
参见图6，图6是本发明实施例提供的车辆的RFID数据与图像数据的匹配***结构示意图。如图6所示，该***包括：如图5所示的主控设备601；与主控设备连接、且用于拍摄图像的摄像装置602；与主控设备连接、且用于读取车辆的RFID数据的RFID天线设备603。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何纂改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
Claims (8)
1.一种车辆的RFID数据与图像数据的匹配方法，其特征在于，包括：
接收摄像装置发送的图像，基于深度学习模块对所述图像进行车辆检测后获得车辆图像，并根据LRU特性规则将所述车辆图像缓存于图像数据缓存区；
当获取到车辆的RFID数据时，从所述图像数据缓存区回溯读取与所述RFID数据相匹配的目标车辆图像；
其中，所述图像数据缓存区包括N级图像数据缓存区，所述N为大于1的正整数，根据LRU特性规则将所述车辆图像缓存于图像数据缓存区，具体包括：将所述车辆图像缓存于一级图像数据缓存区；若所述一级图像数据缓存区的存储空间不足，则将所述一级图像数据缓存区至N级图像数据缓存区中的图像数据按照存储时间的先后顺序依次向下一级转移，以使所述一级图像数据缓存区拥有足够的存储空间存储所述车辆图像；
从所述图像数据缓存区回溯读取与所述RFID数据相匹配的目标车辆图像，具体包括：按照一级图像数据缓存区至N级图像数据缓存区的回溯读取顺序，在预设回溯时间内依次判断各级图像数据缓存区中的图像数据是否与所述RFID数据相匹配，若当前图像数据匹配，则停止回溯读取，将所述当前图像数据作为所述目标车辆图像。
2.根据权利要求1所述的车辆的RFID数据与图像数据的匹配方法，其特征在于，所述N为2，
一级图像数据缓存区为内存存储空间，用于存储所述车辆图像；
二级图像数据缓存区为磁盘存储空间，用于存储所述车辆图像；
其中，读写响应速度为：一级图像数据缓存区＞二级图像数据缓存区。
3.根据权利要求1所述的车辆的RFID数据与图像数据的匹配方法，其特征在于，所述N为4；
一级图像数据缓存区为内存存储空间，用于存储所述车辆图像；
二级图像数据缓存区为磁盘存储空间，用于存储所述车辆图像；
三级图像数据缓存区为内存存储空间，用于存储压缩后的所述车辆图像；
四级图像数据缓存区为磁盘存储空间，用于存储压缩后的所述车辆图像；
其中，读写响应速度为：一级图像数据缓存区＞二级图像数据缓存区＞三级图像数据缓存区＞四级图像数据缓存区。
4.根据权利要求1所述的车辆的RFID数据与图像数据的匹配方法，其特征在于，所述RFID数据包括车牌信息，依次判断各级图像数据缓存区中的图像数据是否与所述RFID数据相匹配，具体为：
依次读取所述各级图像数据缓存区中的图像数据通过所述深度学习模块识别得到的车牌信息；
若当前图像数据中的车牌信息与所述RFID数据中的车牌信息相同或者相似度超过预设阈值，则确定当前图像数据为所述目标车辆图像。
5.根据权利要求1所述的车辆的RFID数据与图像数据的匹配方法，其特征在于，所述RFID数据包括RFID时间，所述RFID时间为所述RFID数据的获取时间，依次判断各级图像数据缓存区中的图像数据是否与所述RFID数据相匹配，具体为：
根据所述RFID时间，依次判断各级图像数据缓存区中的图像数据的拍摄时间是否与所述RFID时间相匹配；
若匹配，且当前图像数据中有且只有一个车辆，则确定所述当前图像数据为所述目标车辆图像。
6.根据权利要求1所述的车辆的RFID数据与图像数据的匹配方法，其特征在于，在从所述图像数据缓存区回溯读取与所述RFID数据相匹配的目标车辆图像之后，所述方法还包括：
根据所述目标车辆图像和所述RFID数据，形成所述车辆的证据链数据。
7.一种主控设备，所述主控设备包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器在执行所述存储器中存储的计算机程序时实现权利要求1-6任一项所述的车辆的RFID数据与图像数据的匹配方法的步骤。
8.一种车辆的RFID数据与图像数据的匹配***，所述***包括：
权利要求7所述的主控设备；
与所述主控设备连接、且用于拍摄图像的摄像装置；
与所述主控设备连接、且用于读取所述车辆的RFID数据的RFID天线设备。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010600424.7A CN111931808B (zh) | 2020-06-28 | 2020-06-28 | Rfid数据与图像数据的匹配方法、主控设备及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010600424.7A CN111931808B (zh) | 2020-06-28 | 2020-06-28 | Rfid数据与图像数据的匹配方法、主控设备及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111931808A CN111931808A (zh) | 2020-11-13 |
| CN111931808B true CN111931808B (zh) | 2024-04-16 |
Family
ID=73316736
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010600424.7A Active CN111931808B (zh) | 2020-06-28 | 2020-06-28 | Rfid数据与图像数据的匹配方法、主控设备及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111931808B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1425985A (zh) * | 2001-12-12 | 2003-06-25 | 北京华文世纪科技有限公司 | 图像数据化存储方法 |
| CN101001311A (zh) * | 2006-01-09 | 2007-07-18 | 上海乐金广电电子有限公司 | 利用视频信号的动作效果提供和编辑***及其方法 |
| CN102855762A (zh) * | 2012-09-14 | 2013-01-02 | 广州市远望谷信息技术有限公司 | 车辆进出停车场的数据取得验证方法及装置 |
| CN104766479A (zh) * | 2015-01-27 | 2015-07-08 | 公安部交通管理科学研究所 | 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 |
| CN105160884A (zh) * | 2015-07-30 | 2015-12-16 | 北京工业大学 | 一种融合视频监控和rfid的车辆识别方法及装置 |
| CN108268018A (zh) * | 2018-02-06 | 2018-07-10 | 武汉轻工大学 | 一种基于rfid的机械制造车间生产进程信息采集*** |
| CN108875478A (zh) * | 2017-08-14 | 2018-11-23 | 北京旷视科技有限公司 | 人证合一核验方法、装置和***及存储介质 |
| CN108959345A (zh) * | 2018-04-11 | 2018-12-07 | 北京航星机器制造有限公司 | 一种安检图像记录快速回溯的方法和设备 |
| CN111145369A (zh) * | 2019-12-31 | 2020-05-12 | 深圳市金溢科技股份有限公司 | 开关调度方法、车辆收费方法、工控机及车辆收费*** |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7066388B2 (en) * | 2002-12-18 | 2006-06-27 | Symbol Technologies, Inc. | System and method for verifying RFID reads |
| US10091395B2 (en) * | 2015-12-08 | 2018-10-02 | Ricoh Company, Ltd. | Image forming apparatus, method, and computer-readable recording medium for login and logout management based on multiple user authentication factors |
-
2020
- 2020-06-28 CN CN202010600424.7A patent/CN111931808B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1425985A (zh) * | 2001-12-12 | 2003-06-25 | 北京华文世纪科技有限公司 | 图像数据化存储方法 |
| CN101001311A (zh) * | 2006-01-09 | 2007-07-18 | 上海乐金广电电子有限公司 | 利用视频信号的动作效果提供和编辑***及其方法 |
| CN102855762A (zh) * | 2012-09-14 | 2013-01-02 | 广州市远望谷信息技术有限公司 | 车辆进出停车场的数据取得验证方法及装置 |
| CN104766479A (zh) * | 2015-01-27 | 2015-07-08 | 公安部交通管理科学研究所 | 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 |
| CN105160884A (zh) * | 2015-07-30 | 2015-12-16 | 北京工业大学 | 一种融合视频监控和rfid的车辆识别方法及装置 |
| CN108875478A (zh) * | 2017-08-14 | 2018-11-23 | 北京旷视科技有限公司 | 人证合一核验方法、装置和***及存储介质 |
| CN108268018A (zh) * | 2018-02-06 | 2018-07-10 | 武汉轻工大学 | 一种基于rfid的机械制造车间生产进程信息采集*** |
| CN108959345A (zh) * | 2018-04-11 | 2018-12-07 | 北京航星机器制造有限公司 | 一种安检图像记录快速回溯的方法和设备 |
| CN111145369A (zh) * | 2019-12-31 | 2020-05-12 | 深圳市金溢科技股份有限公司 | 开关调度方法、车辆收费方法、工控机及车辆收费*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111931808A (zh) | 2020-11-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11120282B2 (en) | Traffic violation vehicle identification system, server and non-transitory recording medium in which vehicle control program is recorded | |
| US11216676B2 (en) | Information processing system and information processing method | |
| CN105355039A (zh) | 路况信息处理方法及设备 | |
| CN110580808B (zh) | 一种信息处理方法、装置、电子设备及智能交通*** | |
| US20170316284A1 (en) | Target object detection system and a method for target object detection | |
| JP2009175848A (ja) | ドライブレコーダ装置、ドライブレコード方法、プログラム、及び記録媒体 | |
| KR102306789B1 (ko) | 교행 다차로에서의 이상차량 인식방법 및 장치 | |
| JP2005114535A5 (zh) | ||
| CN111931808B (zh) | Rfid数据与图像数据的匹配方法、主控设备及*** | |
| CN103106400B (zh) | 一种人脸检测方法与装置 | |
| JP6244129B2 (ja) | 車載器 | |
| CN116824549B (zh) | 基于多检测网络融合的目标检测方法、装置及车辆 | |
| CN112435479B (zh) | 目标物体违章检测方法、装置、计算机设备及*** | |
| CN111563425B (zh) | 交通事件识别方法及电子设备 | |
| CN114264310A (zh) | 定位及导航方法、装置、电子设备、计算机存储介质 | |
| JP4932392B2 (ja) | 運行状況記憶装置および閾値設定方法 | |
| KR101039246B1 (ko) | 가변 임계값을 이용한 이벤트 저장 장치 및 방법 | |
| JP2015075838A (ja) | 車載器 | |
| KR20150031942A (ko) | 차량 정보를 수집하기 위한 시스템 및 그 방법 | |
| KR20210035360A (ko) | 교행 다차로를 위한 차량번호 인식방법 및 장치 | |
| KR101350561B1 (ko) | 주행 영상 데이터 저장 장치 | |
| CN112837529A (zh) | 数据处理方法及***、采集装置、处理器以及存储介质 | |
| CN112131935B (zh) | 一种机动车车厢载人识别方法、装置和计算机设备 | |
| TWI640960B (zh) | 一種道路影像處理方法與道路影像處理裝置 | |
| CN113689706B (zh) | 一种车辆管理方法、装置及停车管理*** |
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 |