CN114926795A - 信息关联性的确定方法、装置、设备及介质 - Google Patents
信息关联性的确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114926795A CN114926795A CN202210844778.5A CN202210844778A CN114926795A CN 114926795 A CN114926795 A CN 114926795A CN 202210844778 A CN202210844778 A CN 202210844778A CN 114926795 A CN114926795 A CN 114926795A
- Authority
- CN
- China
- Prior art keywords
- information
- identification code
- determining
- target
- candidate
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000000875 corresponding effect Effects 0.000 claims description 72
- 230000002159 abnormal effect Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- 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)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种信息关联性的确定方法、装置、设备及介质。该方法包括:当接收到待关联对象的基础信息时,确定待关联对象对应的至少一个目标现场设备;根据各目标现场设备采集的现场数据信息,确定待关联对象的目标轨迹信息,以及各目标现场设备中满足关联建立条件的候选对象的候选轨迹信息;根据目标轨迹信息及各候选对象的候选轨迹信息,确定待关联对象与各候选对象的关联结果。通过对目标现场设备采集的现场数据信息进行处理,获得待关联对象及各候选对象的轨迹信息,从而获取关联结果,实现了在目标道路场景中准确识别出待关联对象及各候选对象,实现了对车辆及各移动终端关联性快速、准确地确定。
Description
技术领域
本发明涉及信息识别技术领域,尤其涉及一种信息关联性的确定方法、装置、设备及介质。
背景技术
随着我们城市化进程的推进,城市间的人员、物资交流的增多,安全风险也会相应地增加。在城市安全体系中,对于车辆的监控、预警是非常重要的一环,如在侦查、防控场景中,常常需要将人员与车牌关联起来。
根据每个车辆,可以获取不同的车牌信息。同样的,在当今社会手机与人是强伴随关系,手机通常是不离身的,而每个手机均对应着一个识别码,则可以根据车牌信息及识别码的关联度,识别出车上有哪些人,或人坐过哪些车。而目前还没有很有效的方式实现对车牌信息及识别码关联度的确定。
发明内容
本发明提供了一种信息关联性的确定方法、装置、设备及介质,以实现对信息关联性的确定。
根据本发明的第一方面,提供了一种信息关联性的确定方法,包括:
当接收到待关联对象的基础信息时,确定所述待关联对象对应的至少一个目标现场设备;
根据各所述目标现场设备采集的现场数据信息,确定所述待关联对象的目标轨迹信息,以及各所述目标现场设备中满足关联建立条件的候选对象的候选轨迹信息;
根据所述目标轨迹信息及各所述候选对象的候选轨迹信息,确定所述待关联对象与各所述候选对象的关联结果。
根据本发明的第二方面,提供了一种信息关联性的确定装置,包括:
设备确定模块,用于当接收到待关联对象的基础信息时,确定所述待关联对象对应的至少一个目标现场设备;
信息确定模块,用于根据各所述目标现场设备采集的现场数据信息,确定所述待关联对象的目标轨迹信息,以及各所述目标现场设备中满足关联建立条件的候选对象的候选轨迹信息;
结果确定模块,用于根据所述目标轨迹信息及各所述候选对象的候选轨迹信息,确定所述待关联对象与各所述候选对象的关联结果。
根据本发明的第三方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的信息关联性的确定方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的信息关联性的确定方法。
本发明实施例的技术方案,当接收到待关联对象的基础信息时,确定待关联对象对应的至少一个目标现场设备;根据各目标现场设备采集的现场数据信息,确定待关联对象的目标轨迹信息,以及各目标现场设备中满足关联建立条件的候选对象的候选轨迹信息;根据目标轨迹信息及各候选对象的候选轨迹信息,确定待关联对象与各候选对象的关联结果。通过对目标现场设备采集的现场数据信息进行处理,获得待关联对象及各候选对象的轨迹信息,从而获取关联结果,实现了在目标道路场景中准确识别出待关联对象及各候选对象,实现了对车辆及各移动终端关联性快速、准确地确定。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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。
图1是根据本发明实施例一提供的一种信息关联性的确定方法的流程图;
图2是根据本发明实施例二提供的一种信息关联性的确定方法的流程图;
图3是根据本发明实施例二提供的一种信息关联性的确定方法的示例流程图;
图4是根据本发明实施例三提供的一种信息关联性的确定装置的结构示意图;
图5是实现本发明实施例的信息关联性的确定方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,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。
实施例一
图1为本发明实施例一提供了一种信息关联性的确定方法的流程图,本实施例可适用于对信息关联性的确定情况,该方法可以由信息关联性的确定装置来执行,该信息关联性的确定装置可以采用硬件和/或软件的形式实现,该信息关联性的确定装置可配置于设备中。如图1所示,该方法包括:
S110、当接收到待关联对象的基础信息时,确定待关联对象对应的至少一个目标现场设备。
在本实施例中,所述待关联对象可以是车辆或移动终端。基础信息可以理解为当待关联对象为车辆时,基础信息则对应着车牌号码等;当待关联对象为移动终端时,基础信息则对应着识别码,其中,每个移动终端会有一个唯一的识别码。
在本实施例中,现场设备可以理解为设置在具有监控、预警需求地目标现场中重点道路的相机及侦码设备。例如:召开大型运动会、大型博览会等场景下,需要将进出关键区域的道路作为重点道路进行监控,在该道路上设置现场设备。则目标现场设备可以理解采集到待关联对象的现场设备。
具体的,相关人员可以输入待关联对象的基础信息(如车牌号码或识别码)并发送至执行主体,执行主体接收待关联对象的基础信息。根据待关联对象的基础信息需要先找到其经过的设有现场设备的道路。当基础信息为车牌号码数据时,执行主体获取现场设备中的相机采集的图像数据,图像数据经过处理可以获得出现在该现场设备中多个车辆的车牌号码数据,从而确定该现场设备中是否有与基础信息的车牌号码相同的车辆;当基础信息为识别码数据时,执行主体获取目标现场设备中的侦码设备采集的识别码数据,由于现场中可能不止有一台移动终端,则确定该现场的多个识别码数据中是否有与基础信息的识别码数据相同的移动终端。从而确定待关联对象对应的至少一个目标现场设备。
S120、根据各目标现场设备采集的现场数据信息,确定待关联对象的目标轨迹信息,以及各目标现场设备中满足关联建立条件的候选对象的候选轨迹信息。
在本实施例中,现场数据信息可以理解为被目标现场设备采集到的多个车辆或移动终端的数据信息,包括现场图像数据及现场识别码数据。轨迹信息可以理解为车辆或移动终端移动的路线轨迹。关联建立条件可以理解为与待关联对象同时被目标现场设备采集,候选对象可以理解为包含车牌号码数据的车辆或包含识别码数据的移动终端。
具体的,由于目标现场设备均设置在不同道路,则所有目标现场设备首先将采集的现场数据信息传送至执行主体,执行主体可以将采集到与待关联对象的基础信息相同现场数据信息的目标现场设备进行汇总,从而得到待关联对象的运动轨迹,即为目标轨迹信息。在一个现场设备中可能有多个候选对象,执行主体可以根据接收的现场数据信息获得所有对象的数据信息,当其中包括待关联对象的数据信息时,认为其他对象均为候选对象,根据每个候选对象的数据信息,找出采集到这个候选对象的现场设备进行汇总,从而得到候选对象的运动轨迹,即为候选轨迹信息。
S130、根据目标轨迹信息及各候选对象的候选轨迹信息,确定待关联对象与各候选对象的关联结果。
在本实施例中,关联结果可以理解为待关联对象与个候选对象的关联概率。如待关联对象为车辆,则候选对象为识别码,则该车辆与识别码1的关联概率为90%,与识别码2的关联概率为50%,与识别码3的关联概率为20%等;待关联对象为识别码时,则候选对象为车辆,则该识别码与车辆1的关联概率为70%,与车辆2的关联概率为60%等。
具体的,将目标轨迹信息及各候选对象的候选轨迹信息输入至目标关联模型,经过模型的计算确定待关联对象与各候选对象的关联结果,可以将关联结果传送至相应的展示设备,按照相关人员设定的数量阈值进行展示。
示例性的,相关人员设定的数量阈值为4,则执行主体首先将各候选对象相对应的关联结果按照从高至低排序,将排名前3位的候选结果传送至相应的展示设备,供相关人员进行查看,如待关联对象为车辆时,则候选对象为识别码,则识别码1的关联概率为90%、识别码2的关联概率为86%、识别码3的关联概率为80%、识别码4的关联概率为72%。相关人员设定的数量阈值为2,当待关联对象为识别码时,则候选对象为车辆,则车辆1的关联概率为85%、车辆2的关联概率为78%。
本实施例一提供的一种信息关联性的确定方法,通过对目标现场设备采集的现场数据信息进行处理,获得待关联对象及各候选对象的轨迹信息,从而获取关联结果,实现了在目标道路场景中准确识别出待关联对象及各候选对象,实现了对车辆及各移动终端关联性快速、准确地确定。
实施例二
图2为本发明实施例二提供的一种信息关联性的确定方法的流程图,本实施例是对上述实施例的进一步优化。如图2所示,该方法包括:
S201、根据接收到的待关联对象的基础信息,查找包含基础信息的现场设备。
具体的,执行主体接收到相关设备发送的待关联对象的基础信息,其中基础信息可以是车辆的车牌号码,如A1234,或者是识别码,如67890。接收各现场设备传送的现场数据信息,可以将现场数据信息进行处理得到其中包括的所有车辆的车牌号码,将所有车牌号码与待关联对象的车牌号码进行对比,查找其中是否包含与待关联对象的车牌号码相同的车牌号码,如查找其中是否包含车牌号码A1234;或者可以将现场数据信息中包括的所有识别码信息与待关联对象的识别码进行对比,查找其中是否包含与待关联对象的识别码相同的识别码,如查找其中是否包含识别码67890。
S202、将现场设备确定为目标现场设备。
具体的,在接收的现场数据信息中可以包含传送该现场数据信息的现场设备的设备号,如果该现场数据信息中包括待关联对象的基础信息,执行主体可以根据设备号找出对应的现场设备,将该现场设备确定为目标现场设备。如现场设备2、现场设备3、现场设备5、现场设备8包括待关联对象的基础信息,则将现场设备2、现场设备3、现场设备5、现场设备8确定为目标现场设备。
S203、获取各目标现场设备中相机采集的现场图像数据集以及侦码设备采集的现场识别码数据集。
在本实施例中,相机可以理解为用于拍摄道路图像并对其进行处理的设备。现场图像数据集可以理解为包含多个目标现场设备传送的多个现场图像数据的集合,其中现场图像数据中可以包括:多个车辆的经纬度、速度及方向的等数据及现场图片。
在本实施例中,侦码设备可以理解为用于采集识别码并对其进行处理 的设备。现场识别码数据集可以理解为包含多个目标现场设备传送的多个现场识别码的集合,其中现场识别码数据中可以包括:多个识别码及其对应的经纬度、距离及方向等数据。
具体的,相机及侦码设备可以按照预先设定的参数进行相应数据的采集,自动将该采集间隔内的数据传送至执行主体,如设定了采集间隔为10min,则相机及侦码设备每隔10min传送一次这10min内的现场图像数据集和现场识别码数据集,执行主体接收各目标现场设备中相机采集的现场图像数据集以及侦码设备采集的现场识别码数据集。
S204、对现场图像数据集及现场识别码数据集进行处理,获得车牌号码数据、中间图像数据集和中间识别码数据集。
在本实施例中,中间图像数据集和中间识别码数据集可以理解为经过处理后的现场图像数据集及现场识别码数据集。
具体的,执行主体提取现场图像数据集中的各车牌图像数据,可以通过车辆相片OCR***对各车牌图像数据进行处理,获得车牌号码数据,再对车牌号码数据、图像数据集和识别码数据集中异常的数据判断,并删除异常数据,获得中间图像数据集和中间识别码数据集。
优选的,对现场图像数据集及现场识别码数据集进行处理,获得车牌号码数据、中间图像数据集和中间识别码数据集的步骤可以是:
a1、获取现场图像数据集中的各车牌图像数据。
在本实施例中,车牌图像数据可以理解为包含车辆的图片。
具体的,接收的现场图像数据集中包括车辆图像数据,由于车辆图像数据的格式区别于现场图像数据集中的其他数据,执行主体可以将各现场图像数据集中的车辆图像数据按照相应的格式进行提取,获取各车牌图像数据。
b1、对车牌图像数据进行处理得到的车牌号码数据。
具体的,可以将各车牌图像数据通过车辆相片OCR***,根据算法计算,识别现场图片中车辆的车牌号并转换为车牌号码数据。
示例性的,某一目标现场数据集中包含3个车牌图像数据,分别通过车辆相片OCR***后可以得到车辆1的车牌号码数据为A1234、车辆2的车牌号码数据为A2345、车辆3的车牌号码数据为A3456。
c1、删除异常现场图像数据以及异常车牌号码数据所对应的异常现场图像数据,获得中间图像数据集。
在本实施例中,异常现场图像数据可以理解为不符合设定条件的现场图像数据;异常车牌号码数据可以理解为车牌号码长度不符合条件的车牌号码数据。
具体的,对现场图像数据及车牌号码数据进行判断,可以根据现场设备设定地理位置确定经纬度的范围作为设定经纬度范围,可以根据设定经纬度范围判断,删除不属于该设定经纬度范围的经纬度所对应的现场图像数据,删除速度及方向等重要字段缺失的现场图像数据,删除车牌号码缺失或长度不符合设定条件的车牌号码数据,将剩余的现场图像数据确定为中间图像数据集。
示例性的,设定的经纬度范围可以是经度范围为116E-118E,纬度范围为38N-41N,设定的车牌号码数据长度为5,接收到的现场图像数据集中包括6个现场图像数据,其中,现场图像数据1中的经度值为10E、纬度为38N,不在该经度范围内,认为该现场图像数据是异常图像数据,则删除该异常现场图像数据;现场图像数据2中缺少速度数据,则删除现场图像数据2;现场图像数据3中缺少方向数据,则删除现场图像数据3;车牌号码数据1为A12,其长度为3少于设定的车牌号码数据长度5,则认为该车牌号码数据为异常车牌号码数据,则删除该车牌号码数据,删除该车牌号码数据对应的现场图像数据。则将现场图像数据4、现场图像数据5、现场图像数据6作为中间图像数据集。
d1、获取现场识别码数据集。
具体的,接收目标现场设备传送的现场识别码数据集。
e1、删除现场识别码数据集中的异常识别码数据,获得中间识别码数据集。
在本实施例中,异常识别码数据可以理解为不符合设定条件的识别码数据。
具体的,对获取的现场识别码数据集中的每个现场识别码数据均进行判断,删除其中经纬度不在设定的经纬度范围的现场识别码数据,删除距离、方向等重要字段缺失的现场识别码数据,将剩余的现场识别码数据确定为中间识别码数据集。
示例性的,设定的经纬度范围可以是经度范围为116E-118E,纬度范围为38N-41N,接收到的现场识别码数据集中包括4个现场识别码数据。现场识别码数据1的经度为116.5E、纬度为3N,纬度不在设定的经纬度范围,则认为现场识别码数据1为异常现场识别数据,删除现场识别码数据1;现场识别码数据2缺少距离数据,则认为现场识别码数据2为异常现场识别数据并删除现场识别码数据2;则将现场识别码数据3、现场识别码数据4作为中间识别码数据集。
S205、当待关联对象为车辆时,将移动终端确定为满足关联建立条件的候选对象,根据中间图像数据集确定车辆的目标轨迹信息,以及根据中间识别码数据集确定各移动终端的候选轨迹信息。
可以知道的是,移动终端的持有者可以坐在车辆上,则需要进行关联的对象可以是一个车辆对应一个或多个移动终端,也可以是一个移动终端对应一个或多个车辆。
具体的,当执行主体接收到的基础信息为车辆号码数据时,则认为待关联对象为车辆,则将满足关联建立条件的移动终端确定为候选对象。根据车辆的车牌号码数据找出包含该车牌号码数据的中间识别码数据集,从而确定该车辆的目标轨迹信息;由于每个移动终端均对应着不同的识别码,则可以确定在中间识别码数据集中包含的识别码,分别将包含各识别码的中间识别码数据进行汇总,从而确定各移动终端的候选轨迹信息。
优选的,根据中间图像数据集确定车辆的目标轨迹信息,以及根据中间识别码数据集确定各移动终端的候选轨迹信息的步骤可以包括:
a2、查找中间图像数据集中与车辆的车牌号码数据相同的中间图像数据,记为第一图像数据集。
具体的,执行主体根据传送的待关联车辆的车牌号码数据,对中间图像数据集中的车牌号码数据进行搜索,查找中间图像数据集中与该车牌号码数据相同的中间图像数据,并将其标记为第一图像数据集。
示例性的,待关联车辆的车牌号码数据为A1234,中间图像数据集中包括4个目标现场设备的相机采集的中间图像数据,其中,目标现场设备1对应的中间图像数据1、目标现场设备3对应的中间图像数据3、目标现场设备4对应的中间图像数据4中均包括车牌号码数据A1234,目标现场设备2对应的中间图像数据2中不包括车牌号码数据A1234,则将中间图像数据1、中间图像数据3和中间图像数据4标记为第一图像数据集。
b2、根据第一图像数据集确定车辆的目标轨迹信息。
具体的,可以根据第一图像数据集中的各中间图像数据所包含的相机设备号,获取各设备的参数信息、设置位置的道路信息等设备信息,根据各设备信息及第一图像数据确定目标轨迹信息。
示例性的,将第一图像数据集中的中间图像数据1及其对应的目标现场设备的设备信息确定为轨迹信息A;中间图像数据2及其对应的目标现场设备的设备信息确定为轨迹信息B;中间图像数据4及其对应的目标现场设备的设备信息确定为轨迹信息D。则车牌号码数据为A1234的车辆的目标轨迹信息则为A-B-D。
c2、对中间识别码数据集中识别码相同的中间识别码数据进行分组,确定第一识别码数据集。
在本实施例中,第一识别码数据集可以理解为每个识别码所对应的中间识别码数据。
可以知道的是,中间识别码数据集中可以包括多个中间识别码数据,每个中间识别码数据中可以包括多个识别码,每个中间识别码数据中包含传送该中间识别码数据的现场设备的设备号。
具体的,提取该中间识别码数据集中所有的识别码,找出每个识别码所对应的一个或多个中间识别码数据,将其确定为第一识别码数据集。
示例性的,中间识别码数据集中包括3个中间识别码数据,分别以Z1、Z2、Z3表示这三个中间识别码数据,中间识别码数据集中包括4个识别码:识别码1:678、识别码2:123、识别码3:124、识别码4:456。识别码1属于Z1及Z2,则将Z1及Z2确定为识别码1所对应的第一识别码数据集;识别码2属于Z1、Z2及Z3,则Z1、Z2、Z3确定为识别码2所对应的第一识别码数据集;识别码3属于Z2,则将Z2确定为识别码3所对应的第一识别码数据集;识别码4属于Z2及Z3,则将Z2及Z3确定为识别码1所对应的第一识别码数据集。
d2、根据各第一识别码数据集确定各移动终端的候选轨迹信息。
具体的,由于每个中间识别码数据中均包含传送该中间识别码数据的现场设备的设备号,可以根据各第一识别码数据集中各中间识别码数据所对应的设备号,获取各设备的参数信息、设置位置的道路信息等设备信息,从而根据各设备信息及第一识别码数据确定各移动终端的候选轨迹信息。
示例性的,将Z1及其对应的目标现场设备的设备信息确定为轨迹信息A、Z2及其对应的目标现场设备的设备信息确定为轨迹信息B、Z3及其对应的目标现场设备的设备信息确定为轨迹信息C。则识别码1所对应的候选轨迹信息为:A-B;识别码2所对应的候选轨迹信息为A-B-C;识别码3所对应的候选轨迹信息为B;识别码4所对应的候选轨迹信息为B-C。
S206、当待关联对象为移动终端时,将车辆确定为满足关联建立条件的候选对象,根据中间识别码数据集确定移动终端的目标轨迹信息,以及根据中间图像数据集确定各车辆的候选轨迹信息。
具体的,当执行主体接收到的基础信息为识别码数据时,则认为待关联对象为移动终端,则将满足关联建立条件的车辆确定为候选对象。根据移动终端的识别码数据找出包含该识别码数据的中间识别码数据集,从而确定该识别码的目标轨迹信息;由于每个车辆均对应着不同的车牌号码,则可以确定出中间图像数据集中所包括的所有车牌号码,将各车牌号码的中间图像数据进行汇总,从而确定各车辆的候选轨迹信息。
a3、查找中间识别码数据集中与移动终端的识别码相同的中间识别码数据,记为第二识别码数据集。
具体的,执行主体根据传送的待关联移动终端的识别码数据,对中间识别码数据集中的识别码数据进行搜索,查找中间识别码数据集中与该移动终端的识别码数据相同的中间识别码数据,并将其标记为第二识别码数据集。
示例性的,待关联移动终端的识别码为616,中间识别码数据集中包括5个目标现场设备的侦码设备采集的中间识别码数据,分别用D1、D2、D3、D4和D5表示。其中,D1、D3和D5中包含识别码616,则将D1、D3和D5标记为第二识别码数据集。
b3、根据第二识别码数据集确定移动终端的目标轨迹信息。
具体的,可以根据第二识别码数据集中的各中间识别码数据所包含的侦码设备的设备号,获取各设备的参数信息、设置位置的道路信息等设备信息,各设备信息及第二识别码数据确定目标轨迹信息。
示例性的,将D1及其对应的目标现场设备的设备信息确定为轨迹信息T,将D3及其对应的目标现场设备的设备信息确定为轨迹信息F,将D5及其对应的目标现场设备的设备信息确定为轨迹信息G,则识别码为616的移动终端的目标轨迹信息为T-F-G。
c3、根据中间图像数据集,将车牌号码数据相同的中间图像数据进行分组,确定第二图像数据集。
具体的,提取该中间图像数据集中所有的车牌号码数据,找出每个车牌号码数据所对应的一个或多个中间识别码数据,将其确定为第二图像数据集。
示例性的,中间图像数据集中包括4个中间图像数据,分别以Q1、Q2、Q3、Q4表示,中间图像数据集中包括5个车牌号码数据,分别以A1、A2、A3、A4、A5表示。A1属于Q1、Q2、Q3、Q4,则将中间图像数据Q1、Q2、Q3、Q4确定为车牌号码数据A1所对应的第二图像数据集;A2属于Q1、Q2、Q3,则将中间图像数据Q1、Q2、Q3确定为车牌号码数据A2所对应的第二图像数据集;A3属于Q1、Q3、Q4,则将中间图像数据Q1、Q3、Q4确定为车牌号码数据A3所对应的第二图像数据集;A4属于Q2、Q3,则将中间图像数据Q2、Q3确定为车牌号码数据A4所对应的第二图像数据集;A5属于Q3、Q4,则将中间图像数据Q3、Q4确定为车牌号码数据A5所对应的第二图像数据集。
d3、根据各第二图像数据集确定各车辆的候选轨迹信息。
具体的,由于每个中间图像数据中均包含传送该中间图像数据的现场设备的设备号,可以根据各第二图像数据集中各中间图像数据所对应的设备号,获取各设备的参数信息、设置位置的道路信息等设备信息,根据各设备信息及第二图像数据确定各移动终端的候选轨迹信息。
示例性的,将Q1及其对应的目标现场设备的设备信息确定为轨迹信息E、Q2及其对应的目标现场设备的设备信息确定为轨迹信息T、Q3及其对应的目标现场设备的设备信息确定为轨迹信息F、Q4及其对应的目标现场设备的设备信息确定为轨迹信息G。则车牌号码数据A1所对应的候选轨迹信息为E-T-F-G、A2所对应的候选轨迹信息为E-T-F、A3所对应的候选轨迹信息为E-F-G、A4所对应的候选轨迹信息为T-F、A5所对应的候选轨迹信息为F-G。
S207、针对每个候选对象,将候选轨迹信息及目标轨迹信息输入至预先构建的目标关联模型中。
具体的,根据候选轨迹信息及目标轨迹信息可以分别获得采集候选对象及待关联对象的两个目标现场设备的采集参数采集间隔、候选对象及待关联对象的速度差、目标现场设备所处的未知的道路信息、该道路汇入的其他车辆等,将这些信息输入至预先构建的目标关联模型的相应参数中。
S208、根据目标关联模型的输出结果,确定待关联对象与候选对象的关联结果。
具体的,目标关联模型根据输入的候选轨迹信息及目标轨迹信息进行计算,可以输出相应的候选对象及待关联对象的关联概率,从而确定待关联对象与候选对象的关联结果。其中,关联模型中所采用的先验概率公式,包括:车辆与识别码的采集间隔参数信息、车辆与识别码的速度差参数信息、道路信息参数信息、设备信息参数信息及汇入车辆过滤参数信息。
优选的,目标关联模型的建立步骤包括:
a4、根据现场设备采集的样本现场数据信息,确定概率参数的初始信息。
在本实施例中,样本现场数据信息可以理解为通过模拟布控需要进行测试的现场区域数次,获取的多个现场数据信息。其中,概率参数包括:采集间隔参数、速度差参数、道路信息参数、设备信息参数及汇入车辆过滤参数。
具体的,测试人员可以对现场区域进行模拟布控,对待关联对象及候选对象进行模拟,并通过现场设备采集样本现场数据信息,根据其中的道路、场景需求、设备信息等信息,确定概率参数的初始信息,则初始信息中包括:采集间隔参数、速度差参数、道路信息参数、设备信息参数及汇入车辆过滤参数。
b4、根据各概率参数之前预先设定的关联信息,结合各初始信息,构建初始关联模型。
在本实施例中,预先设定的关联信息可以理解为各参数之间是正相关或负相关。
具体的,建立初始关联模型,模型框架可以优选为贝叶斯模型,设定先验概率公式及参数,为了便于解释,将待关联对象及候选对象,即车辆与识别码简称为车码。首先根据道路、场景需求、设备信息等信息,设定先验概率。采集间隔、速度差、道路信息、设备信息为正相关,汇入车辆过滤为负相关,将预先设定的关联信息与各初始信息相结合,可以设定先验概率公式,可以表示为:Pc(车码关联)=f(车码采集间隔)+f(车码速度差)+f(道路信息)+f(设备信息)-f(汇入车辆过滤),Pc表示车码关联的概率,该模型中等式右边分为五项,代表五个打分规则。其中,车码采集间隔:车码时间戳越接近,越有可能相关;车码速度差:车码速度差越接近,越有可能相关;道路信息:根据道路信息具体分析,设定打分规则;设备信息:根据设备信息具体分析,设定打分规则;汇入车辆过滤:设定打分规则,将中途汇入的车辆分数降低。
c4、基于设定的参数优化公式,确定各初始参数对应的调试参数信息。
具体的,将各初始参数带入设定的参数优化公式,从而计算出各初始参数对应的调试参数信息。
参数优化公式可以是:
d4、将各调试参数信息输入初始关联模型,形成目标关联模型。
具体的,将各调试参数信息输入初始关联模型中对应的位置,形成目标关联模型。
本实施例二提供的一种信息关联性的确定方法,通过对目标现场设备采集的现场数据信息进行处理,获得待关联设备及候选对象的轨迹信息,通过位置、设备和道路信息建立先验概率并基于贝叶斯推断的模型框架建立初始关联模型,再基于现场的小批量实测数据和参数优化公式对初始关联概率模型自动进行修正,实现了针对不同的场景、不同的需求均可获取相应的目标概率模型,满足了差异化需求,实现了模型的快速迁移,保证了关联结果的准确性。
图3是本发明实施例二提供的一种信息关联性的确定方法的示例流程图,如图3所示,本实施例二采用下述步骤实现对信息关联性的确定。
S301、获取各目标现场设备中相机采集的现场图像数据集;
S302、获取现场图像数据集中的各车牌图像数据;
S303、对车牌图像数据进行处理得到的车牌号码数据;
S304、删除异常现场图像数据以及异常车牌号码数据所对应的异常现场图像数据,获得中间图像数据集;
S305、对中间图像数据集中车牌号码数据相同的中间图像数据进行分组,确定各车牌号码对应的轨迹信息;
S306、获取各目标现场设备中侦码设备采集的现场识别码数据集;
S307、删除现场识别码数据集中的异常识别码数据,获得中间识别码数据集;
S308、对中间识别码数据集中识别码相同的中间现场识别码数据进行分组,确定各识别码对应的轨迹信息;
S309、获取各候选轨迹信息及目标轨迹信息;
S310、针对每个候选对象,将候选轨迹信息及目标轨迹信息输入至预先构建的目标关联模型中;
S311、根据目标关联模型的输出结果,确定待关联对象与候选对象的关联结果。
实施例三
图4为本发明实施例三提供的一种信息关联性的确定装置的结构示意图。如图4所示,该装置包括:设备确定模块41、信息确定模块42、结果确定模块43。其中,
设备确定模块41,用于当接收到待关联对象的基础信息时,确定待关联对象对应的至少一个目标现场设备。
信息确定模块42,用于根据各目标现场设备采集的现场数据信息,确定待关联对象的目标轨迹信息,以及各目标现场设备中满足关联建立条件的候选对象的候选轨迹信息。
结果确定模块43,用于根据目标轨迹信息及各候选对象的候选轨迹信息,确定所关联对象与各候选对象的关联结果。
本实施例二提供的一种信息关联性的确定装置,通过对目标现场设备采集的现场数据信息进行处理,获得待关联对象及各候选对象的轨迹信息,从而获取关联结果,实现了在目标道路场景中准确识别出待关联对象及各候选对象,实现了对车辆及各移动终端关联性快速、准确地确定。
可选的,设备确定模块41具体用于:
根据接收到的待关联对象的基础信息,查找包含基础信息的现场设备;
将现场设备确定为目标现场设备。
可选的,信息确定模块42,包括:
第一获取单元,用于获取各目标现场设备中相机采集的现场图像数据集以及侦码设备采集的现场识别码数据集。
第二获取单元,用于对现场图像数据集及现场识别码数据集进行处理,获得车牌号码数据、中间图像数据集和中间识别码数据集。
第一确定单元,用于当待关联对象为车辆时,将移动终端确定为关联建立条件的候选对象,根据中间图像数据集确定车辆的目标轨迹信息,以及根据中间识别码数据集确定各移动终端的候选轨迹信息。
第二确定单元,用于当待关联对象为移动终端时,将车辆确定为关联建立条件的候选对象,根据中间识别码数据集确定移动终端的目标轨迹信息,以及根据中间图像数据集确定各车辆的候选轨迹信息。
其中,第二获取单元具体用于:
获取现场图像数据集中的各车牌图像数据;
对车牌图像数据进行处理得到的车牌号码数据;
删除异常现场图像数据以及异常车牌号码数据所对应的异常现场图像数据,获得中间图像数据集;
获取现场识别码数据集;
删除现场识别码数据集中的异常识别码数据,获得中间识别码数据集。
其中,第一确定单元具体用于:
查找中间图像数据集中与车辆的车牌号码数据相同的中间图像数据,记为第一图像数据集;
根据第一图像数据集确定车辆的目标轨迹信息;
对中间识别码数据集中识别码相同的中间识别码数据进行分组,确定第一识别码数据集;
根据各第一识别码数据集确定各移动终端的候选轨迹信息。
其中,第二确定单元具体用于:
查找中间识别码数据集中与移动终端的识别码相同的中间识别码数据,记为第二识别码数据集;
根据第二识别码数据集确定移动终端的目标轨迹信息;
根据中间图像数据集,将车牌号码数据相同的中间图像数据进行分组,确定第二图像数据集;
根据各第二图像数据集确定各车辆的候选轨迹信息。
可选地,结果确定模块43包括:
第三获取单元,用于针对每个候选对象,将候选轨迹信息及目标轨迹信息输入至预先构建的目标关联模型中,获取目标关联模型的输出结果。
第三确定单元,根据目标关联模型的输出结果,确定待关联对象与候选对象的关联结果。
其中,第三获取单元中的目标关联模型的建立步骤包括:
根据现场设备采集的样本现场数据信息,确定概率参数的初始信息,其中,概率参数包括:采集间隔参数、速度差参数、道路信息参数、设备信息参数及汇入车辆过滤参数;
根据各概率参数之前预先设定的关联信息,结合各初始信息,构建初始关联模型;
基于设定的参数优化公式,确定各初始参数对应的调试参数信息;
将各调试参数信息输入所述初始关联模型,形成目标关联模型。
本发明实施例所提供的一种信息关联性的确定装置可执行本发明任意实施例所提供的一种信息关联性的确定方法,具备执行方法相应的功能模块和有益效果。
实施例三
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如信息关联性的确定方法。
在一些实施例中,信息关联性的确定方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的信息关联性的确定方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行信息关联性的确定方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的***和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (11)
1.一种信息关联性的确定方法,其特征在于,包括:
当接收到待关联对象的基础信息时,确定所述待关联对象对应的至少一个目标现场设备;
根据各所述目标现场设备采集的现场数据信息,确定所述待关联对象的目标轨迹信息,以及各所述目标现场设备中满足关联建立条件的候选对象的候选轨迹信息;
根据所述目标轨迹信息及各所述候选对象的候选轨迹信息,确定所述待关联对象与各所述候选对象的关联结果。
2.根据权利要求1所述的方法,其特征在于,所述确定所述待关联对象对应的至少一个目标现场设备,包括:
根据接收到的待关联对象的基础信息,查找包含所述基础信息的现场设备;
将所述现场设备确定为目标现场设备。
3.根据权利要求1所述的方法,其特征在于,所述根据各所述目标现场设备采集的现场数据信息,确定所述待关联对象的目标轨迹信息,以及各所述目标现场设备中满足关联建立条件的候选对象的候选轨迹信息,包括:
获取各所述目标现场设备中相机采集的现场图像数据集以及侦码设备采集的现场识别码数据集;
对现场图像数据集及现场识别码数据集进行处理,获得车牌号码数据、中间图像数据集和中间识别码数据集;
当所述待关联对象为车辆时,将移动终端确定为满足关联建立条件的候选对象,根据所述中间图像数据集确定所述车辆的目标轨迹信息,以及根据所述中间识别码数据集确定各所述移动终端的候选轨迹信息;
当所述待关联对象为移动终端时,将车辆确定为满足关联建立条件的候选对象,根据所述中间识别码数据集确定所述移动终端的目标轨迹信息,以及根据所述中间图像数据集确定各所述车辆的候选轨迹信息。
4.根据权利要求3所述的方法,其特征在于,所述对现场图像数据集及现场识别码数据集进行处理,获得车牌号码数据、中间图像数据集和中间识别码数据集,包括:
获取现场图像数据集中的各车牌图像数据;
对所述车牌图像数据进行处理得到的车牌号码数据;
删除异常现场图像数据以及异常车牌号码数据所对应的异常现场图像数据,获得中间图像数据集;
获取现场识别码数据集;
删除所述现场识别码数据集中的异常识别码数据,获得中间识别码数据集。
5.根据权利要求3所述的方法,其特征在于,所述根据所述中间图像数据集确定所述车辆的目标轨迹信息,以及根据所述中间识别码数据集确定各所述移动终端的候选轨迹信息,包括:
查找所述中间图像数据集中与所述车辆的车牌号码数据相同的中间图像数据,记为第一图像数据集;
根据所述第一图像数据集确定所述车辆的目标轨迹信息;
对所述中间识别码数据集中识别码相同的中间识别码数据进行分组,确定第一识别码数据集;
根据各所述第一识别码数据集确定各所述移动终端的候选轨迹信息。
6.根据权利要求3所述的方法,其特征在于,所述根据所述中间识别码数据集确定所述移动终端的目标轨迹信息,以及根据所述中间图像数据集确定各所述车辆的候选轨迹信息,包括:
查找所述中间识别码数据集中与所述移动终端的识别码相同的中间识别码数据,记为第二识别码数据集;
根据所述第二识别码数据集确定所述移动终端的目标轨迹信息;
根据所述中间图像数据集,将车牌号码数据相同的中间图像数据进行分组,确定第二图像数据集;
根据各所述第二图像数据集确定各所述车辆的候选轨迹信息。
7.根据权利要求1所述的方法,其特征在于,所述根据所述目标轨迹信息及各所述候选对象的候选轨迹信息,确定所述待关联对象与各所述候选对象的关联结果,包括:
针对每个候选对象,将候选轨迹信息及目标轨迹信息输入至预先构建的目标关联模型中,其中,所述目标关联模型中所采用的先验概率公式,包括:车辆与识别码的采集间隔参数信息、车辆与识别码的速度差参数信息、道路信息参数信息、设备信息参数信息及汇入车辆过滤参数信息;
根据所述目标关联模型的输出结果,确定所述待关联对象与所述候选对象的关联结果。
8.根据权利要求7所述的方法,其特征在于,所述目标关联模型的建立步骤包括:
根据现场设备采集的样本现场数据信息,确定概率参数的初始信息,其中,所述概率参数包括:采集间隔参数、速度差参数、道路信息参数、设备信息参数及汇入车辆过滤参数;
根据各所述概率参数之前预先设定的关联信息,结合各所述初始信息,构建初始关联模型;
基于设定的参数优化公式,确定各初始参数对应的调试参数信息;
将各所述调试参数信息输入所述初始关联模型,形成目标关联模型。
9.一种信息关联性的确定装置,其特征在于,包括:
设备确定模块,用于当接收到待关联对象的基础信息时,确定所述待关联对象对应的至少一个目标现场设备;
信息确定模块,用于根据各所述目标现场设备采集的现场数据信息,确定所述待关联对象的目标轨迹信息,以及各所述目标现场设备中满足关联建立条件的候选对象的候选轨迹信息;
结果确定模块,用于根据所述目标轨迹信息及各所述候选对象的候选轨迹信息,确定所述待关联对象与各所述候选对象的关联结果。
10.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的信息关联性的确定方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-8中任一项所述的信息关联性的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210844778.5A CN114926795B (zh) | 2022-07-19 | 2022-07-19 | 信息关联性的确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210844778.5A CN114926795B (zh) | 2022-07-19 | 2022-07-19 | 信息关联性的确定方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114926795A true CN114926795A (zh) | 2022-08-19 |
CN114926795B CN114926795B (zh) | 2022-11-15 |
Family
ID=82815745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210844778.5A Active CN114926795B (zh) | 2022-07-19 | 2022-07-19 | 信息关联性的确定方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114926795B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115169588A (zh) * | 2022-09-06 | 2022-10-11 | 深圳前海中电慧安科技有限公司 | 电像计算时空轨迹车码关联方法、装置、设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106303962A (zh) * | 2016-08-17 | 2017-01-04 | 公安部道路交通安全研究中心 | 一种实现人‑车信息关联的方法和*** |
CN108694216A (zh) * | 2017-04-12 | 2018-10-23 | 杭州海康威视数字技术股份有限公司 | 一种多源对象关联方法及装置 |
CN109214320A (zh) * | 2018-08-23 | 2019-01-15 | 中国电子科技集团公司电子科学研究院 | 基于视频分析的人车关联方法及装置 |
CN110659560A (zh) * | 2019-08-05 | 2020-01-07 | 深圳市优必选科技股份有限公司 | 一种关联对象的识别方法及*** |
CN111954886A (zh) * | 2019-06-14 | 2020-11-17 | 北京嘀嘀无限科技发展有限公司 | 对象追踪的***和方法 |
CN112232567A (zh) * | 2020-10-16 | 2021-01-15 | 南京智慧航空研究院有限公司 | 不明意图飞行轨迹对航路影响概率预测方法 |
CN113095504A (zh) * | 2021-04-13 | 2021-07-09 | 中国人民解放军空军工程大学 | 一种目标轨迹预测***及预测方法 |
CN113327436A (zh) * | 2021-01-18 | 2021-08-31 | 兆边(上海)科技有限公司 | 一种基于轨迹数据的干线协调控制优化方法 |
CN114549873A (zh) * | 2022-02-28 | 2022-05-27 | 浙江大华技术股份有限公司 | 一种图像档案的关联方法、装置、电子设备及存储介质 |
CN114743165A (zh) * | 2022-03-22 | 2022-07-12 | 浙江大华技术股份有限公司 | 车辆轨迹线的确定方法、装置、存储介质及电子装置 |
-
2022
- 2022-07-19 CN CN202210844778.5A patent/CN114926795B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106303962A (zh) * | 2016-08-17 | 2017-01-04 | 公安部道路交通安全研究中心 | 一种实现人‑车信息关联的方法和*** |
CN108694216A (zh) * | 2017-04-12 | 2018-10-23 | 杭州海康威视数字技术股份有限公司 | 一种多源对象关联方法及装置 |
CN109214320A (zh) * | 2018-08-23 | 2019-01-15 | 中国电子科技集团公司电子科学研究院 | 基于视频分析的人车关联方法及装置 |
CN111954886A (zh) * | 2019-06-14 | 2020-11-17 | 北京嘀嘀无限科技发展有限公司 | 对象追踪的***和方法 |
CN110659560A (zh) * | 2019-08-05 | 2020-01-07 | 深圳市优必选科技股份有限公司 | 一种关联对象的识别方法及*** |
CN112232567A (zh) * | 2020-10-16 | 2021-01-15 | 南京智慧航空研究院有限公司 | 不明意图飞行轨迹对航路影响概率预测方法 |
CN113327436A (zh) * | 2021-01-18 | 2021-08-31 | 兆边(上海)科技有限公司 | 一种基于轨迹数据的干线协调控制优化方法 |
CN113095504A (zh) * | 2021-04-13 | 2021-07-09 | 中国人民解放军空军工程大学 | 一种目标轨迹预测***及预测方法 |
CN114549873A (zh) * | 2022-02-28 | 2022-05-27 | 浙江大华技术股份有限公司 | 一种图像档案的关联方法、装置、电子设备及存储介质 |
CN114743165A (zh) * | 2022-03-22 | 2022-07-12 | 浙江大华技术股份有限公司 | 车辆轨迹线的确定方法、装置、存储介质及电子装置 |
Non-Patent Citations (2)
Title |
---|
ZHENG TANG ET AL.: "Single-Camera and Inter-Camera Vehicle Tracking and 3D Speed Estimation Based on Fusion of Visual and Semantic Features", 《2018 IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION WORKSHOPS (CVPRW)》 * |
李万高等: "基于改进贝叶斯方法的轨迹预测算法研究", 《计算机应用》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115169588A (zh) * | 2022-09-06 | 2022-10-11 | 深圳前海中电慧安科技有限公司 | 电像计算时空轨迹车码关联方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114926795B (zh) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113205037B (zh) | 事件检测的方法、装置、电子设备以及可读存储介质 | |
CN102902960B (zh) | 基于高斯建模与目标轮廓的遗留物检测方法 | |
CN114782897A (zh) | 基于机器视觉及深度学习的危险行为检测方法及*** | |
CN112883236B (zh) | 一种地图更新方法、装置、电子设备及存储介质 | |
CN114926795B (zh) | 信息关联性的确定方法、装置、设备及介质 | |
CN112434260A (zh) | 一种公路的交通状态检测方法、装置、存储介质及终端 | |
CN111696203A (zh) | 一种紧急事件分级推送方法、***、装置和存储介质 | |
CN115346171A (zh) | 一种输电线路监控方法、装置、设备及存储介质 | |
CN114897329A (zh) | 一种输电线路巡检方法、装置、***及存储介质 | |
CN115272656A (zh) | 环境检测报警方法、装置、计算机设备及存储介质 | |
US20190018749A1 (en) | Data processing device, data processing method, and program recording medium | |
Chang et al. | Safety risk assessment of electric power operation site based on variable precision rough set | |
CN115801361B (zh) | 一种网络安全运维能力评估方法及*** | |
CN114419883B (zh) | 识别路口缺失交通限制信息的方法、装置和电子设备 | |
CN115908816A (zh) | 基于人工智能的积水识别方法、装置、设备及存储介质 | |
CN115240101A (zh) | 一种基于场景分析的医疗样本转送监督*** | |
CN115116130A (zh) | 一种通话动作识别方法、装置、设备以及存储介质 | |
CN115327497B (zh) | 雷达检测范围确定方法、装置、电子设备及可读介质 | |
WO2022142922A1 (zh) | 道路安全评估方法、视频处理中心及存储介质 | |
CN117615363B (zh) | 基于信令数据分析目标车辆内人员的方法、装置、设备 | |
CN114332706A (zh) | 目标事件的确定方法、装置、存储介质及电子装置 | |
CN114445711B (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN114416894A (zh) | 临时检查站生命周期的监测方法、装置、存储介质及终端 | |
CN116186549B (zh) | 模型的训练方法、装置、设备和介质 | |
CN115965648A (zh) | 一种离岗检测方法、装置、电子设备及存储介质 |
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 |