CN113012438A - 一种基于大数据的***辆识别警示方法及*** - Google Patents
一种基于大数据的***辆识别警示方法及*** Download PDFInfo
- Publication number
- CN113012438A CN113012438A CN202110256355.7A CN202110256355A CN113012438A CN 113012438 A CN113012438 A CN 113012438A CN 202110256355 A CN202110256355 A CN 202110256355A CN 113012438 A CN113012438 A CN 113012438A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- image
- fake
- license plate
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000010191 image analysis Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 7
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 7
- 238000012806 monitoring device Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 6
- 238000005457 optimization Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
- G07B15/06—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll 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
- G06V20/625—License plates
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于大数据的***辆识别警示方法及***,包括步骤:通过在道路上设置的图像采集设备获取车辆图像;从车辆图像中提取车牌号码,并将车牌号码作为该车辆图像的标签;打标后的车辆图像送入中央管理服务器进行分析处理,在中央管理服务器中通过车辆图像分析模型进行车辆信息识别,获取识别数据;将识别数据和打标后的车辆图像形成待检测数据包;将所述待检测数据包根据车牌号码送入所属管辖区服务器,从管辖区服务器的数据库中调取该车辆的登记信息,将车辆的登记信息和识别数据进行匹配比对分。本发明能够精确锁定***辆为重点检测对象,能够快速且有效的发现***辆,并有效对***辆进行监管,便于管理人员快速找到该车辆。
Description
技术领域
本发明属于交通管理技术领域,特别是涉及一种基于大数据的***辆识别警示方法及***。
背景技术
当汽车行驶在道路上时,车牌是该车的唯一身份标识,是交通部门管理车辆的重要凭证。***的存在具有极大的危害,其严重影响了正常的道路交通秩序。现有技术对于***辆的识别效果较差,无法精确的锁定***辆。并且由于车辆数据信息基数大,运行资源占用空间大,现有的方式无法实现快速实时响应,且由于信息的分散性强,现有方式无法实现数据的及时更新,从而造成***辆识别具有较多的漏洞。尤其是在高速路段,驾驶人员为了进行超速行驶等问题而逃避惩罚责任,经常发生将车辆进行套牌的情况。
发明内容
为了解决上述问题,本发明提出了一种基于大数据的***辆识别警示方法及***,能够精确锁定***辆为重点检测对象,能够快速且有效的发现***辆,并有效对***辆进行监管,便于管理人员快速找到该车辆。
为达到上述目的,本发明采用的技术方案是:一种基于大数据的***辆识别警示方法,包括步骤:
S100,通过在道路上设置的图像采集设备获取车辆图像;从车辆图像中提取车牌号码,并将车牌号码作为该车辆图像的标签;
S200,打标后的车辆图像送入中央管理服务器进行分析处理,在中央管理服务器中通过车辆图像分析模型进行车辆信息识别,获取识别数据;将识别数据和打标后的车辆图像形成待检测数据包;
S300,将所述待检测数据包根据车牌号码送入所属管辖区服务器,从管辖区服务器的数据库中调取该车辆的登记信息,将车辆的登记信息和识别数据进行匹配比对分析,若匹配失败则认定该车辆为***,并向相关管理部门发送警示信息。
进一步的是,在所述步骤S100中,从车辆图像中提取车牌信息,包括步骤:
S101,对所述车辆图像进行特征提取,识别车牌边界点位,形成车牌提取框;
S102,利用车牌提取框对车辆图像进行分割,提取该车辆的车牌图像;
S103,对车牌图像提取文字特征,通过语义识别模型提取车牌号码。
能够从车辆图像中精确的,在图像角度、大小等质量不是很好的状态下仍然能够快速、有效的识别出车牌号码。
进一步的是,收集大量的各个车型、品牌的车辆样本图像,通过神经网络模型进行训练,输出其车型、车标和颜色信息,通过训练从而构建处车辆图像分析模型。保证模型的实时更新,提高模型实时性,能够精准且快速的确定***辆信息。
进一步的是,在中央管理服务器中通过车辆图像分析模型进行车辆信息识别,识别车辆的车型、车标和颜色作为识别数据。能够精准且快速的确定***辆信息。
进一步的是,对上市新车进行车辆样本图像,并将新车的车辆样本图像发送至中央管理服务器,在中央管理服务器中对其车辆图像分析模型进行更新训练。便于对各种型号类别车辆的集中管理,能够有效避免新上市车辆的识别漏洞。
进一步的是,对新登记车辆进行基本信息录入,包括将车辆的车型、车标和颜色的车辆登记信息录入所属管辖区服务器的数据库。通过中央管理和分散管辖的相互配合,有利于提高信息匹配的更新程度,精准定位;能够有效避免新登记车辆的识别漏洞。
进一步的是,为了适应高速公路的***监管,在高速公路闸口获取车辆图像;从车辆图像中提取车牌号码,并将车牌号码作为该车辆图像的标签;
打标后的车辆图像送入中央管理服务器进行分析处理,在中央管理服务器中通过车辆图像分析模型进行车辆信息识别,获取识别数据;将识别数据和打标后的车辆图像形成待检测数据包;
将所述待检测数据包根据车牌号码送入所属管辖区服务器,从管辖区服务器的数据库中调取该车辆的登记信息,将车辆的登记信息和识别数据进行匹配比对分析,若匹配失败则认定该车辆为***;通过车辆上携带的车辆监测设备通过北斗卫星定位模块实时获取该***辆轨迹信息,并将车辆轨迹信息向该高速路段管理部门和各个高速闸口发送警示信息。
进一步的是,所述车辆监测设备集成在ETC设备中,或者所述车辆监测设备集成在高速计费卡片中。
另一方面,本发明还提供了一种基于大数据的***辆识别警示***,包括图像采集设备、中央管理服务器和管辖区服务器;
所述图像采集设备获取车辆图像;从车辆图像中提取车牌号码,并将车牌号码作为该车辆图像的标签;
所述中央管理服务器,接收各个图像采集设备上传的数据,与多个管辖区服务器相互通信连接;通过车辆图像分析模型进行车辆信息识别,获取识别数据;将识别数据和打标后的车辆图像形成待检测数据包;
将所述待检测数据包根据车牌号码送入所属管辖区服务器,从管辖区服务器的数据库中调取该车辆的登记信息,将车辆的登记信息和识别数据进行匹配比对分析,若匹配失败则认定该车辆为***,并向相关管理部门发送警示信息。
进一步的是,还包括高速闸口采集设备,在高速公路闸口获取车辆图像;高速闸口终端,接收***警示信息;车辆监测设备,通过车辆上携带的车辆监测设备通过北斗卫星定位模块实时获取车辆轨迹信息。
采用本技术方案的有益效果:
本发明通过对采集到的车辆图像,先进行车牌号码提取,再通过模型进行识别;同时通过中央服务器进行集中分析,便于模型的集中统一更新;之后再,分散至管辖区域;有利于提高信息匹配的更新程度,精准定位,避免判别漏洞,同时能够有效缓解中央服务器的工作压力,实现快速实时响应。本发明能够通过对车辆进行图像采取分析获得***检测结果,通过大数据计算,快速获取区域内是否为***并发出警示,锁定***辆为重点检测对象。能够快速且有效的发现***辆,并有效对***辆进行监管,便于管理人员快速找到该车辆。
附图说明
图1为本发明的一种基于大数据的***辆识别警示方法的流程示意图;
图2为本发明的一种基于大数据的***辆识别警示***的一种结构示意图;
图3为本发明的一种基于大数据的***辆识别警示***的另一种结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作进一步阐述。
在本实施例中,参见图1所示,本发明提出了一种基于大数据的***辆识别警示方法,包括步骤:
S100,通过在道路上设置的图像采集设备获取车辆图像;从车辆图像中提取车牌号码,并将车牌号码作为该车辆图像的标签;
S200,打标后的车辆图像送入中央管理服务器进行分析处理,在中央管理服务器中通过车辆图像分析模型进行车辆信息识别,获取识别数据;将识别数据和打标后的车辆图像形成待检测数据包;
S300,将所述待检测数据包根据车牌号码送入所属管辖区服务器,从管辖区服务器的数据库中调取该车辆的登记信息,将车辆的登记信息和识别数据进行匹配比对分析,若匹配失败则认定该车辆为***,并向相关管理部门发送警示信息。
作为上述实施例的优化方案1,在所述步骤S100中,从车辆图像中提取车牌信息,包括步骤:
S101,对所述车辆图像进行特征提取,识别车牌边界点位,形成车牌提取框;
S102,利用车牌提取框对车辆图像进行分割,提取该车辆的车牌图像;
S103,对车牌图像提取文字特征,通过语义识别模型提取车牌号码。
能够从车辆图像中精确的,在图像角度、大小等质量不是很好的状态下仍然能够快速、有效的识别出车牌号码。
作为上述实施例的优化方案2,收集大量的各个车型、品牌的车辆样本图像,通过神经网络模型进行训练,输出其车型、车标和颜色信息,通过训练从而构建处车辆图像分析模型。保证模型的实时更新,提高模型实时性,能够精准且快速的确定***辆信息。
在中央管理服务器中通过车辆图像分析模型进行车辆信息识别,识别车辆的车型、车标和颜色作为识别数据。能够精准且快速的确定***辆信息。
作为上述实施例的优化方案3,对上市新车进行车辆样本图像,并将新车的车辆样本图像发送至中央管理服务器,在中央管理服务器中对其车辆图像分析模型进行更新训练。便于对各种型号类别车辆的集中管理,能够有效避免新上市车辆的识别漏洞。
对新登记车辆进行基本信息录入,包括将车辆的车型、车标和颜色的车辆登记信息录入所属管辖区服务器的数据库。通过中央管理和分散管辖的相互配合,有利于提高信息匹配的更新程度,精准定位;能够有效避免新登记车辆的识别漏洞。
作为上述实施例的优化方案4,为了适应高速公路的***监管,在高速公路闸口获取车辆图像;从车辆图像中提取车牌号码,并将车牌号码作为该车辆图像的标签;
打标后的车辆图像送入中央管理服务器进行分析处理,在中央管理服务器中通过车辆图像分析模型进行车辆信息识别,获取识别数据;将识别数据和打标后的车辆图像形成待检测数据包;
将所述待检测数据包根据车牌号码送入所属管辖区服务器,从管辖区服务器的数据库中调取该车辆的登记信息,将车辆的登记信息和识别数据进行匹配比对分析,若匹配失败则认定该车辆为***;通过车辆上携带的车辆监测设备通过北斗卫星定位模块实时获取该***辆轨迹信息,并将车辆轨迹信息向该高速路段管理部门和各个高速闸口发送警示信息。
其中,所述车辆监测设备集成在ETC设备中,或者所述车辆监测设备集成在高速计费卡片中。
为配合本发明方法的实现,基于相同的发明构思,如图2所示,本发明还提供了统,包括图像采集设备、中央管理服务器和管辖区服务器;
所述图像采集设备获取车辆图像;从车辆图像中提取车牌号码,并将车牌号码作为该车辆图像的标签;
所述中央管理服务器,接收各个图像采集设备上传的数据,与多个管辖区服务器相互通信连接;通过车辆图像分析模型进行车辆信息识别,获取识别数据;将识别数据和打标后的车辆图像形成待检测数据包;
将所述待检测数据包根据车牌号码送入所属管辖区服务器,从管辖区服务器的数据库中调取该车辆的登记信息,将车辆的登记信息和识别数据进行匹配比对分析,若匹配失败则认定该车辆为***,并向相关管理部门发送警示信息。
作为上述实施例的优化方案5,如图3所示,还包括高速闸口采集设备,在高速公路闸口获取车辆图像;高速闸口终端,接收***警示信息;车辆监测设备,通过车辆上携带的车辆监测设备通过北斗卫星定位模块实时获取车辆轨迹信息。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种基于大数据的***辆识别警示方法,其特征在于,包括步骤:
S100,通过在道路上设置的图像采集设备获取车辆图像;从车辆图像中提取车牌号码,并将车牌号码作为该车辆图像的标签;
S200,打标后的车辆图像送入中央管理服务器进行分析处理,在中央管理服务器中通过车辆图像分析模型进行车辆信息识别,获取识别数据;将识别数据和打标后的车辆图像形成待检测数据包;
S300,将所述待检测数据包根据车牌号码送入所属管辖区服务器,从管辖区服务器的数据库中调取该车辆的登记信息,将车辆的登记信息和识别数据进行匹配比对分析,若匹配失败则认定该车辆为***,并向相关管理部门发送警示信息。
2.根据权利要求1所述的一种基于大数据的***辆识别警示方法,其特征在于,在所述步骤S100中,从车辆图像中提取车牌信息,包括步骤:
S101,对所述车辆图像进行特征提取,识别车牌边界点位,形成车牌提取框;
S102,利用车牌提取框对车辆图像进行分割,提取该车辆的车牌图像;
S103,对车牌图像提取文字特征,通过语义识别模型提取车牌号码。
3.根据权利要求1所述的一种基于大数据的***辆识别警示方法,其特征在于,在所述步骤S200中,收集大量的各个车型、品牌的车辆样本图像,通过神经网络模型进行训练,输出其车型、车标和颜色信息,通过训练从而构建处车辆图像分析模型。
4.根据权利要求3所述的一种基于大数据的***辆识别警示方法,其特征在于,在中央管理服务器中通过车辆图像分析模型进行车辆信息识别,识别车辆的车型、车标和颜色作为识别数据。
5.根据权利要求3或4所述的一种基于大数据的***辆识别警示方法,其特征在于,对上市新车进行车辆样本图像,并将新车的车辆样本图像发送至中央管理服务器,在中央管理服务器中对其车辆图像分析模型进行更新训练。
6.根据权利要求5所述的一种基于大数据的***辆识别警示方法,其特征在于,对新登记车辆进行基本信息录入,包括将车辆的车型、车标和颜色的车辆登记信息录入所属管辖区服务器的数据库。
7.根据权利要求1所述的一种基于大数据的***辆识别警示方法,其特征在于,在高速公路闸口获取车辆图像;从车辆图像中提取车牌号码,并将车牌号码作为该车辆图像的标签;
打标后的车辆图像送入中央管理服务器进行分析处理,在中央管理服务器中通过车辆图像分析模型进行车辆信息识别,获取识别数据;将识别数据和打标后的车辆图像形成待检测数据包;
将所述待检测数据包根据车牌号码送入所属管辖区服务器,从管辖区服务器的数据库中调取该车辆的登记信息,将车辆的登记信息和识别数据进行匹配比对分析,若匹配失败则认定该车辆为***;通过车辆上携带的车辆监测设备通过北斗卫星定位模块实时获取该***辆轨迹信息,并将车辆轨迹信息向该高速路段管理部门和各个高速闸口发送警示信息。
8.根据权利要求7所述的一种基于大数据的***辆识别警示方法,其特征在于,所述车辆监测设备集成在ETC设备中,或者所述车辆监测设备集成在高速计费卡片中。
9.一种基于大数据的***辆识别警示***,其特征在于,包括图像采集设备、中央管理服务器和管辖区服务器;
所述图像采集设备获取车辆图像;从车辆图像中提取车牌号码,并将车牌号码作为该车辆图像的标签;
所述中央管理服务器,接收各个图像采集设备上传的数据,与多个管辖区服务器相互通信连接;通过车辆图像分析模型进行车辆信息识别,获取识别数据;将识别数据和打标后的车辆图像形成待检测数据包;
将所述待检测数据包根据车牌号码送入所属管辖区服务器,从管辖区服务器的数据库中调取该车辆的登记信息,将车辆的登记信息和识别数据进行匹配比对分析,若匹配失败则认定该车辆为***,并向相关管理部门发送警示信息。
10.根据权利要求9所述的一种基于大数据的***辆识别警示***,其特征在于,还包括高速闸口采集设备,在高速公路闸口获取车辆图像;高速闸口终端,接收***警示信息;车辆监测设备,通过车辆上携带的车辆监测设备通过北斗卫星定位模块实时获取车辆轨迹信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110256355.7A CN113012438A (zh) | 2021-03-09 | 2021-03-09 | 一种基于大数据的***辆识别警示方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110256355.7A CN113012438A (zh) | 2021-03-09 | 2021-03-09 | 一种基于大数据的***辆识别警示方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113012438A true CN113012438A (zh) | 2021-06-22 |
Family
ID=76403133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110256355.7A Pending CN113012438A (zh) | 2021-03-09 | 2021-03-09 | 一种基于大数据的***辆识别警示方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113012438A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102521986A (zh) * | 2011-12-05 | 2012-06-27 | 沈阳聚德视频技术有限公司 | 一种***辆自动检测***及其控制方法 |
CN205680278U (zh) * | 2016-05-25 | 2016-11-09 | 江苏三棱智慧物联发展股份有限公司 | 基于大数据的智能交通分析管控*** |
CN106427818A (zh) * | 2016-12-06 | 2017-02-22 | 北京石油化工学院 | 一种具有车辆追踪功能的电子车牌 |
CN110889964A (zh) * | 2019-11-01 | 2020-03-17 | 北京智慧中网科技有限公司 | 一种基于电子车牌的***精准报警***及方法 |
-
2021
- 2021-03-09 CN CN202110256355.7A patent/CN113012438A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102521986A (zh) * | 2011-12-05 | 2012-06-27 | 沈阳聚德视频技术有限公司 | 一种***辆自动检测***及其控制方法 |
CN205680278U (zh) * | 2016-05-25 | 2016-11-09 | 江苏三棱智慧物联发展股份有限公司 | 基于大数据的智能交通分析管控*** |
CN106427818A (zh) * | 2016-12-06 | 2017-02-22 | 北京石油化工学院 | 一种具有车辆追踪功能的电子车牌 |
CN110889964A (zh) * | 2019-11-01 | 2020-03-17 | 北京智慧中网科技有限公司 | 一种基于电子车牌的***精准报警***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106373426B (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
CN101645806B (zh) | Dpi和dfi相结合的网络流量分类***及分类方法 | |
CN111444848A (zh) | 一种基于联邦学习的特定场景模型升级方法和*** | |
CN110837807A (zh) | 一种***辆的识别方法及*** | |
Yan et al. | A high performance license plate recognition system based on the web technique | |
CN101741744A (zh) | 一种网络流量识别方法 | |
CN108806003B (zh) | 一种基于机器学习的收费公路绿通车检测方法 | |
CN106331636A (zh) | 基于行为事件触发的输油管道智能视频监控***及方法 | |
CN106384513A (zh) | 一种基于智能交通的***捕捉***及方法 | |
CN112751835B (zh) | 一种流量预警方法、***、设备和存储介质 | |
CN112651293B (zh) | 一种公路违法设摊事件视频检测方法 | |
CN103914682A (zh) | 一种车牌识别方法及*** | |
CN110011962A (zh) | 一种车联网业务数据的识别方法 | |
CN107705544A (zh) | 一种运营车辆公共监督管理*** | |
CN112712707A (zh) | 车辆碳排放监测***及方法 | |
CN110620760A (zh) | 一种SVM和贝叶斯网络的FlexRay总线融合入侵检测方法和检测装置 | |
CN116168356A (zh) | 一种基于计算机视觉的车辆损伤判别方法 | |
CN106327876B (zh) | 一种基于行车记录仪的***捕捉***及方法 | |
CN110991442A (zh) | 一种高速公路车牌云端高精准识别方法 | |
CN112712706B (zh) | 一种车牌的识别方法 | |
CN113012438A (zh) | 一种基于大数据的***辆识别警示方法及*** | |
CN116543242B (zh) | 基于高速收费数据的车型检测方法、装置、设备及介质 | |
CN110379173A (zh) | 一种基于共享单车多模态数据的非机动车交通违规行为识别方法 | |
CN114999166B (zh) | 车辆识别方法、装置、电子设备及计算机可读存储介质 | |
CN107591003B (zh) | 基于车辆识别数据的城市路网消散能力提取方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210622 |