TWI617998B - System and method for car number identification data filtering - Google Patents
System and method for car number identification data filtering Download PDFInfo
- Publication number
- TWI617998B TWI617998B TW106123919A TW106123919A TWI617998B TW I617998 B TWI617998 B TW I617998B TW 106123919 A TW106123919 A TW 106123919A TW 106123919 A TW106123919 A TW 106123919A TW I617998 B TWI617998 B TW I617998B
- Authority
- TW
- Taiwan
- Prior art keywords
- car
- car number
- vehicle
- identification
- data
- Prior art date
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本發明係揭露一種車號辨識資料過濾的系統與方法,是針對已辨識出的一系列車號,以路口間關聯性、車號歷史軌跡資料為基礎,結合時窗(time window)切割概念,進行歷史行為特徵計算與車號相似度比對分析,自動過濾掉不合理的辨識車號。
Description
本發明屬於一種車號辨識資料過濾的系統與方法,尤指一種利用設備品質量測、用戶申告、修復歷史紀錄、及人工測試等多種網際網路服務供應商(Internet ServiceProvider,ISP)業者之資料源來組合建立高維度參數數量之分類模型。
路口車牌影像自動辨識系統是一種常見的城市交通與安防系統,主要是透過部署在路口的監視器記錄路口車流影像後,再利用車牌號碼辨識功能將車流影像轉為一系列的車號。警政單位在掌握路口的車流影像與辨識出的車號資料後,將可分析出有用的車輛行車軌跡資訊用來進行犯罪事件偵查與預警。然而,路口監視器可能因為各種環境因素(例如、下雨、光線、刮風等因素)影響,造成紀錄的車流影像不清楚或過於模糊,這些模糊不良的車流影像將導致車號辨識錯誤的情況大增,而錯誤的辨識結果將會造成分析出錯誤的行車軌跡結果,反而造成警方辦案與偵查的負擔。
一般為了提升正確車號被辨識出的機率,車牌號碼辨識功能通常會針對特定時間區間的所有靜止影像畫面(video frame)進行分析辨識,辨識出多個信心值較高的車號,車流影像會先切割為許多片段車流影像,例如、以秒為單位切
割影像,接著每個片段車流影像會轉換成多張靜止影像畫面,例如、轉換成16張靜止影像畫面後,車牌辨識模組會對上述16張靜止影像畫面分別進行辨識並各自產生一車號,所有的車號會進行數量統計並計算信心值(數量/16),之後將信心值大於門檻值的車號輸出作為該片段車流影像的車號辨識結果,最後產生兩組車號,如ABC128、ABC1234。雖然上述辨識技術能保證路口車輛車號都能盡可能被辨識出來,但是很明顯的是此方式將會產生多餘的錯誤車號,例如,假設ABC1234是真正經過該路口的車輛車號,那麼ABC128則是錯誤車號,而此錯誤的車號將會影響到行車軌跡分析結果,例如,剛好有車輛的車號是ABC128。為了解決多餘車號的問題,目前已知技術中,藉由加入第三方辨識系統,例如、ETC辨識系統進行雙方比對,將讀取到的ETC id透過ETC資料庫取得該id對應的車號,並與車辨系統辨識出的車號比對,將不合理的車號過濾,留下正確的車號。然而,透過第三方辨識系統雖然可以提高車號辨識正確性,但是卻需要付出極高的系統建置費用代價,同時也不見得所有車輛均會安裝ETC電子標籤。因此目前在實務上僅能在部份區域建置上述系統,尚無法推廣到所有縣市的路口端。
本案發明入鑑於上述習用方式所衍生的各項缺點,乃亟思加以改良創新,並經多年苦心孤詣潛心研究後,終於成功研發完成本車號辨識資料過濾的系統與方法。
本發明提出一種車號辨識資料過濾的系統與方法,為了解決上述之問題,本發明揭露一種車號辨識資料過濾的
系統與方法,無須透過第三方辨識系統,例如ETC等,即能將車辨系統辨識出的一系列連續的車號進行分析,透過路口關聯圖、車號歷史行車軌跡等資料進行即時運算後,將不合理的車號過濾掉,僅留下合理的車號。除了能節省路口端的建置費用外,只需要建置路口車辨系統,不需要加入第三方辨識系統,例如ETC,更能在提高車號正確辨識率的情況下,也維持行車軌跡分析結果正確性,更可降低資料數據分析量。
為達上述目的一種車號辨識資料過濾的系統,其包括複數個路口車辨系統,是以產生一系列的車號辨識事件資料,並傳送給車號過濾系統;車號過濾系統,是接收路口車辨系統傳送過來的系列車號辨識事件,並利用資料庫的資料進行運算並過濾掉各路口辨識錯誤的車號;資料庫,是提供車號過濾分析所需的資料;以及一緩存系統,是以暫存車號過濾系統產生的車號集資料與對應的車號辨識事件資料。
其中車號過濾系統,是另包含一車號辨識事件接收模組,是以接收前端路口車辨系統提供的車號辨識事件資料;一車號集產生模組,是以將每部路口車辨系統提供的一系列車號辨識事件依據時窗進行切割,產生一系列的車號集並寫入至緩存系統;一車號行為特徵計算模組,是存取資料庫的資料,用以計算車號集中的每個車號的合理車號評估值;一車號相似度計算模組,是以計算任二車號的相似程度,並產生一車號相似值;一車號分群模組,是依據兩兩車號相似值,將車號集內的車號分為1或多群;以及一合理車號挑選模組,是依據挑選機制從車號集的各分群中,挑出合理車號。
其中資料庫,是另包含一路口關聯圖資料庫,是以提供任兩路口是否相鄰以及路口車辨系統與路口對應關是資
料,並提供此資料給車號行為特徵計算模組進行計算用;以及一車號歷史軌跡資料庫,是以紀錄每個車號過去歷史軌跡資料,並提供資料給車號行為特徵計算模組進行計算用。
一種車號辨識資料過濾的方法,其包括:步驟一、接收複數個路口車辨系統傳送過來的車號辨識事件資料;步驟二、依據時間先後順序排序並以時窗預設值,將車號辨識事件資料轉換成多組車號集;步驟三、判斷車號集內車號數量是否為1,若為1,則依據接收到的車號,將對應的車號辨識事件寫入車輛歷史軌跡資料庫;步驟四、若為大於1,則將每組車號集資料與對應的車號辨識事件資料寫入緩存系統;步驟五、針對每一組車號集內的車號進行特徵行為計算,透過路口關聯資料庫與車號歷史軌跡資料庫的資料,計算出車號的合理車號評估值;步驟六、針對每個車號集的車號,兩兩進行車號相似度計算,並產生兩兩車號的車號相似值;步驟七、依據車號集內的兩兩車號相似值將車號分成1或多群,每群內的車號以車號評估值由大至小排序後,每群只留下前兩大車號評估值的車號,若車號評估值為0則不取;步驟八、判斷每群內的車號數量,若為1,則依據接收到的車號,將對應的車號辨識事件寫入車輛歷史軌跡資料庫;步驟九、若為2,則判斷該群內的兩個車號的車號評估值
是否相同,若為是,則依據接收到的車號,將對應的車號辨識事件寫入車輛歷史軌跡資料庫;步驟十、若為否,則計算該群中兩個車號(車號A與車號B)的車碼長度;步驟十一、判斷兩個車號(車號A與車號B)的長度是否不相同,若為是,則依據接收到的車號,將對應的車號辨識事件寫入車輛歷史軌跡資料庫;步驟十二、若為否,則計算車號A是否為車號B完全匹配的左或右子集,若為是,則輸出車號B,並依據接收到的車號,將對應的車號辨識事件寫入車輛歷史軌跡資料庫;步驟十三、若為否,則輸出車號A並依據接收到的車號,將對應的車號辨識事件寫入車輛歷史軌跡資料庫。
本發明所提供一種車號辨識資料過濾的系統與方法,與其他習用技術相互比較時,更具備下列優點:1.採用路口關聯性資料與車號歷史軌跡資料,即時運算一車號在特定路口出現的機率值(合理車號評估值);2.採用車號相似度演算法即時運算,將特定時窗內辨識出的車號分群;3.針對分群中的車號透過挑選機制將不合理車號過濾;4.本發明無須透過第三方辨識技術(例如、ETC),僅需利用車號歷史軌跡資料結合路口間的關聯資料,即可將辨識錯誤的車號過濾,僅保留合理的車號。
110‧‧‧路口車辨系統
120‧‧‧車號過濾系統
121‧‧‧車號辨識事件接收模組
122‧‧‧車號集產生模組
123‧‧‧車號行為特徵計算模組
124‧‧‧車號相似度計算模組
125‧‧‧車號分群模組
126‧‧‧合理車號挑選模組
130‧‧‧資料庫
131‧‧‧路口關聯圖資料庫
132‧‧‧車號歷史軌跡資料庫
140‧‧‧緩存系統
S210~S280‧‧‧流程
請參閱有關本發明之詳細說明及其附圖,將可進一步瞭解本發明之技術內容及其目的功效;有關附圖為:圖1為本發明車號辨識資料過濾的系統與方法之架構圖;圖2為本發明車號辨識資料過濾的系統與方法之流程圖;圖3為本發明車號辨識資料過濾的系統與方法之示意圖;圖4為本發明車號辨識資料過濾的系統與方法之車號相似度計算示意圖。
為了使本發明的目的、技術方案及優點更加清楚明白,下面結合附圖及實施例,對本發明進行進一步詳細說明。應當理解,此處所描述的具體實施例僅用以解釋本發明,但並不用於限定本發明。
以下,結合附圖對本發明進一步說明:請參閱圖1所示,為一種車號辨識資料過濾的系統與方法之架構圖,一種車號辨識資料過濾的系統,其包括複數個路口車辨系統110,是以產生一系列的車號辨識事件資料,並傳送給車號過濾系統120;車號過濾系統120,是接收路口車辨系統110傳送過來的系列車號辨識事件,並利用資料庫130的資料進行運算並過濾掉各路口辨識錯誤的車號;資料庫130,是提供車號過濾分析所需的資料;以及一緩存系統140,是以暫存車號過濾系統120產生的車號集資料與對應的車號
辨識事件資料。
其中車號過濾系統120,是另包含一車號辨識事件接收模組121,是以接收前端路口車辨系統110提供的車號辨識事件資料;一車號集產生模組122,是以將每部路口車辨系統110提供的一系列車號辨識事件依據時窗進行切割,產生一系列的車號集並寫入至緩存系統140;一車號行為特徵計算模組123,是存取資料庫130的資料,用以計算車號集中的每個車號的合理車號評估值(PV值);一車號相似度計算模組124,是以計算任二車號的相似程度,並產生一車號相似值;一車號分群模組125,是依據兩兩車號相似值,將車號集內的車號分為1或多群;以及一合理車號挑選模組126,是依據挑選機制從車號集的各分群中,挑出合理車號。
其中資料庫130,是另包含一路口關聯圖資料庫131,是以提供任兩路口是否相鄰以及路口車辨系統110與路口對應關是資料,並提供此資料給車號行為特徵計算模組123進行計算用;以及一車號歷史軌跡資料庫132,是以紀錄每個車號過去歷史軌跡資料,並提供資料給車號行為特徵計算模組123進行計算用。
其路口車辨系統,在本實施例中,一車號、一路口辨識系統編號、一車號辨識時間以及額外辨識資料能組成一筆車號辨識事件。一系列的車號辨識事件資料將透過網路傳送至車號過濾系統下的車號辨識事件接收模組。
車號過濾系統,與複數個路口車辨系統、資料庫以及緩存系統相連,用來接收複數個路口車辨系統的一系列車號辨識事件,以及挑選出合理的車號辨識事件後,將該車號辨識事件寫入至資料庫。
車號辨識事件接收模組,與複數個路口車辨系統相連,用於接收路口車辨系統傳送過來的一系列車號辨識事件,並將一系列的車號辨識事件依據路口車辨系統編號分類後,在同一類下的車號辨識事件再依據時間由遠至近進行排序。
車號集產生模組,與緩存系統相連,用來將車號辨識事件接收模組分類且排序過的一系列車號辨識事件依據時窗值進行切割,轉換成多組車號集。在本實施例中,車號集包含車號集編號、路口車辨系統編號、車號集合(至少包含一個車號)以及對應的車號辨識事件集合;產生的車號集將寫入至緩存系統。
車號行為特徵計算模組,係用來計算車號為合理車號的機率值。車號行為特徵計算模組,透過讀取路口關聯圖資料庫與車號歷史軌跡資料庫的資料,計算出車號的合理車號評估值(PV值)。
車號相似度計算模組相連,係用來計算兩個車號的相似程度,並產生車號相似值。
車號分群模組,與緩存系統相連,用於將車號集內的車號進行分群。車號分群模組讀入緩存系統中的每筆車號集,並透過車號相似度計算模組計算車號集內車號集合中兩兩車號的車號相似值,並依據此車號相似值將車號集合內的車號分成1或多群,產生車號集車號分群資料,每一群資料包含1或多個車號。
合理車牌號碼挑選模組,與緩存系統相連,係用來挑選合理的車號。合理車牌號碼挑選模組取得車號分群模組產生的車號集車號分群結果資料,針對每一群資料進行分析,
挑選出合理的車號並將該車號對應的車號辨識事件資料寫入車號歷史軌跡資料庫。
資料庫,與車號過濾系統相連,係用來提供車號過濾計算與分析所需資料,並儲存合理的車號辨識事件資料。
路口關聯圖資料庫,用於提供路口與路口車辨系統的對應關係以及路口間的相鄰關係。在本實施例中,路口關聯圖資料庫可儲存路口與路口車辨系統對應關係(路口編號、對應的路口車辨系統編號)以及路口相鄰路口資料(路口編號、相鄰的路口編號),但不限於此。
車號歷史軌跡資料庫,用於儲存每部車輛的歷史車號辨識事件資料。在本實施例中,車號歷史軌跡資料庫可儲存的資料包括車號、路口車辨系統編號、辨識時間以及額外辨識資料,但不限於此。
緩存系統,用於儲存車號集資料。在本實施例中,緩存系統可儲存的車號集資料包括車號集包含車號集編號、路口車辨系統編號、車號集合(至少包含一個車號)以及對應的車號辨識事件集合,但不限於此。
請參閱圖2所示,為一種車號辨識資料過濾的系統與方法之流程圖,一種車號辨識資料過濾的方法,其包括:步驟一、S210接收複數個路口車辨系統傳送過來的車號辨識事件資料;步驟二、S220依據時間先後順序排序並以時窗預設值,將車號辨識事件資料轉換成多組車號集;步驟三、S221判斷車號集內車號數量是否為1,若為1,則S270依據接收到的車號,將對應的車號辨識事件寫入車輛歷史軌跡資料庫;
步驟四、若為大於1,則S230將每組車號集資料與對應的車號辨識事件資料寫入緩存系統;步驟五、S240針對每一組車號集內的車號進行特徵行為計算,透過路口關聯資料庫與車號歷史軌跡資料庫的資料,計算出車號的合理車號評估值;步驟六、S250針對每個車號集的車號,兩兩進行車號相似度計算,並產生兩兩車號的車號相似值;步驟七、S260依據車號集內的兩兩車號相似值將車號分成1或多群,每群內的車號以車號評估值由大至小排序後,每群只留下前兩大車號評估值的車號,若車號評估值為0則不取;步驟八、S261判斷每群內的車號數量,若為1,則S280依據接收到的車號,將對應的車號辨識事件寫入車輛歷史軌跡資料庫;步驟九、若為2,則S262判斷該群內的兩個車號的車號評估值是否相同,若為是,則S280依據接收到的車號,將對應的車號辨識事件寫入車輛歷史軌跡資料庫;步驟十、若為否,則S270計算該群中兩個車號(車號A與車號B)的車碼長度;步驟十一、S271判斷兩個車號(車號A與車號B)的長度是否不相同,若為是,則S280依據接收到的車號,將對應的車號辨識事件寫入車輛歷史軌跡資料庫;步驟十二、若為否,則S272計算車號A是否為車號B完全匹配的左或右子集,若為是,則輸出車號B,
並S280依據接收到的車號,將對應的車號辨識事件寫入車輛歷史軌跡資料庫;步驟十三、若為否,則輸出車號A,並S270依據接收到的車號,將對應的車號辨識事件寫入車輛歷史軌跡資料庫。
由上述流程可知,在本實施例中,在S210接收各路口車辨系統傳送的一系列車號辨識事件資料,每一筆車號辨識事件資料可包含一路口車辨系統編號、一車號、一車號辨識時間以及額外辨識資料(車型、車色等資料),但不限於此;所有接收到的車號辨識事件首先會依據路口車辨系統編號分組,具有相同路口車辨系統編號的車號辨識事件會在同一組,接著每一組內的車號辨識事件再依據車號辨識時間由遠至近排序。
S220車號集產生模組接收車號辨識事件接收模組所傳送的一系列經過分組排序後的車號辨識事件,並依據時窗值進行切割轉換出多組的車號集資料。時窗值可依據實際需求調整,在本實施例中預設為1分鐘,一系列的車號辨識事件將以分鐘為單位,依據車號辨識事件內的辨識時間,將車號辨識事件資料切割為多個車號集,一系列的車號辨識事件轉換為車號集的表示如下表1與表2所示,表1的車號辨識事件資料將轉換為表2中的兩組車號集;S221再進行車號集內車號數量判斷,若車號集內的車號數量為1(如表2中的車號集2資料)則直接進入步驟S270;若車號集內的車號數量大於1,則進入下一步驟S230。
步驟S230,依據步驟S220提供的車號集資料,將所有接收到的車號集資料寫入到緩存系統中。在本實施例中,寫入到緩存系統的車號集資料至少需包含車號集編號、路口車辨系統編號、路口編號、車號集合以及對應的車號辨識事件集合,但不限於此。
步驟S240,從緩存系統中讀取一組車號集,針對該車號集內所有車號計算合理車號評估值(PV值)。在本實施例中,PV值計算是採用路口關聯圖資料庫以及車輛歷史軌跡資料庫進行計算,預設讀取該車號過去7日的軌跡資料進行分析,但不限於只讀取過去7日資料。以表2中的車號集1為例,將分別以車號A、車號B以及車號C過去7日的歷史軌跡資料計算各自車號的PV值。PV值計算公式,如下公式(1)所示:
其中代表該車號p過去7日出現且該天的車
號辨識事件數量為1的天數,則代表該車號p過去7日出現且該天的車號辨識事件數量大於1的天數,則代表該車號p過去7日出現在路口i的次數,代表該車號p過去7日出現在此路口i的第一層相鄰路口inter(i,NB1)的分數,代表該車號p過去7日出現在此路口i的第二層相鄰路口inter(i,NB2)的分數,其中相鄰路口的概念請參閱圖3所示,以圖3中路口1所示,路口1的第一層相鄰路口有路口2、路口3以及路口4,而路口1的第二層相鄰路口有路口5、路口6、路口7、路口8以及路口9。此外w 1 、w 2 、w 3 為權重值用來調整PV值的計算結果。透過上述公式計算,將可以得到車號p在路口i的合理車號評估值PV(p,i)。
此外,的分數計算可參考下列公式:
其中用來計算車號p過去7日內是否被路口i的第一層相鄰路口對應的車辨系統辨識到的次數,而則是用來計算是否車號p在過去7天內的車號軌跡剛好在路口i被對應的車辨系統辨識到後,接著在路口i的相鄰路口的對應車辨系統又被辨識到的次數;此外公式中的Path(p,1)與Path(p,2)分別表示車號p歷史軌跡的切割集合,其表示法與意義如下表3所示。例如車號p過去7天內的其中一天依時間順序分別經過路口1、2、3、4、5、2、1,那麼Path(p,1)代表將軌跡切割成一群單點路口的集合,而Path(p,2)則是將軌跡切割成一群兩路口點的集合。
此外,的分數計算可參考下列公式:
其中用來計算車號p過去7日內是否被路口i的第二層相鄰路口對應的車辨系統辨識到的次數,如下列所示公式:
而則是用來計算是否車號p在過去7天內的車號軌跡中剛好依時間序被路口i、路口i的第一層相鄰路口以及路口i的第二層相鄰路口對應的車辨系統辨識到的次數,如下列公式所示:
而Path(p,3)所表示內容可參考表3的說明。
在步驟S250,針對每組車號集內的車號進行兩兩相似度計算,並產生一車號相似值。在本實施例中,車號相似度值計算方式如下列公式所示: sim(A,B)=αLCS(A,B)+BLOC(A,B),where α+β=1 and α,β 0
係採用最大相同子串列(Longest common subsequence,LCS)與基於車號位置計算(Location calculation,LOC)兩種相似度因子計算得出車號相似值;LCS值計算方式請參閱圖4A所示,每組車號會被切割成一組車碼字元串列,例如、車號A為BC1284,車碼字元串列為[B,C,1,2,8,4],車
碼長度為6,而車號B為ABC1234,車碼字元串列為[A,B,C,1,2,3,4],車碼長度=7;而透過LCS計算,可以得到的最大相似字元串列為[B,C,1,2,4],其長度為5,車號B與車號A的LCS相似度值LCS(A,B)為5/6。該LOC相似度計算方式請參閱圖4B部份所示,以車號A的車碼字元串列為基礎,將車號B的車碼字元串列靠左對齊車號A的車碼字元串列,比較兩串列相同位置字元也相同的個數(結果=0);也將車號B的車碼字元串列靠右對齊車號A的車碼字元串列,比較兩串列相同位置字元也相同的個數(結果=5),從靠左LOC left (A,B)與靠右LOC right (A,B)兩組分數中選擇分數大者,如下列公式所示: LOC(A,B)=max{LOC left (A,B),LOC right (A,B)}
即可得出車號B與車號A的LOC相似度值LOC(A,B)為5/6。
步驟S260,針對車號集內的車號進行分群,分群依據是參考兩兩車號的相似度值。在本實施例中,若車號相似度值大於0.5則將分在同一群中;步驟S261會判斷該群車號數量,若車號數量=1則進入步驟S280,否則進入步驟S262;步驟S262會進行車號PV值比較,若兩個車號的PV值相同,將車號輸出,進入步驟S280,否則進入步驟S270。
步驟S270,計算該群中每個車號的車碼長度,並進入步驟S271。步驟S271,比較車碼長度與車號PV值關係,假設分群中依PV值由高至低排序的車號為車號A、車號B,步驟S271比較兩個車號是否不同,如車號A車碼長度是否大於或等於車號B的車碼長度,若是則輸出車號A並進入步驟S280;否則針對接收到的車號(車號為1或多組),分別至緩存系統取得對應的車號辨識事件資料後,將該筆資料寫入車號
歷史軌跡資料庫中。
在上述步驟S272,計算車號A的車碼[B,C,1,2,8,4]是否為車號B車碼[A,B,C,1,2,3,4]的左或右完全子集,其中,左或右的完全子集意義說明如下,假設以車號B為例,5碼字元串列[A,B,C,1,2]為車號B的左完全子集、[B,C,1,2,3,4]為車號B的右完全子集;若車號A是車號B的左或右完全子集,則輸出車號B並進入步驟S280,否則輸出車號A並進入步驟S280。
上列詳細說明乃針對本發明之一可行實施例進行具體說明,惟該實施例並非用以限制本發明之專利範圍,凡未脫離本發明技藝精神所為之等效實施或變更,均應包含於本案之專利範圍中。
綜上所述,本案不僅於技術思想上確屬創新,並具備習用之傳統方法所不及之上述多項功效,已充分符合新穎性及進步性之法定發明專利要件,爰依法提出申請,懇請 貴局核准本件發明專利申請案,以勵發明,至感德便。
Claims (4)
- 一種車號辨識資料過濾的系統,其包括:複數個路口車辨系統,係以產生一系列的車號辨識事件資料,並傳送給車號過濾系統;該車號過濾系統,係接收該路口車辨系統傳送過來的該系列車號辨識事件,並利用資料庫的資料進行運算並過濾掉各路口辨識錯誤的車號,該車號過濾系統包括:一車號分群模組,係依據兩兩車號相似值,將基於該車號辨識事件資料產生的車號集內的車號分為1或多群;以及一合理車號挑選模組,係依據挑選機制從該車號集的各該分群中,挑出合理車號;該資料庫,係提供車號過濾分析所需的資料;以及一緩存系統,係以暫存該車號過濾系統產生的該車號集資料與對應的車號辨識事件資料。
- 如申請專利範圍第1項所述之車號辨識資料過濾的系統,其中該車號過濾系統,係另包含:一車號辨識事件接收模組,係以接收前端路口車辨系統提供的車號辨識事件資料;一車號集產生模組,係以將每部路口車辨系統提供的一系列車號辨識事件依據時窗進行切割,產生一系列的車號集並寫入至緩存系統;一車號行為特徵計算模組,係存取資料庫的資料,用以計算車號集中的每個車號的合理車號評估值;一車號相似度計算模組,係以計算任二車號的相似程度,並產生一車號相似值;一車號分群模組,係依據兩兩車號相似值,將車號集內 的車號分為1或多群;以及一合理車號挑選模組,係依據挑選機制從車號集的各分群中,挑出合理車號。
- 如申請專利範圍第1項所述之車號辨識資料過濾的系統,其中該資料庫,係另包含:一路口關聯圖資料庫,係以提供任兩路口是否相鄰以及路口車辨系統與路口對應關係資料,並提供此資料給車號行為特徵計算模組進行計算用;以及一車號歷史軌跡資料庫,係以紀錄每個車號過去歷史軌跡資料,並提供資料給車號行為特徵計算模組進行計算用。
- 一種車號辨識資料過濾的方法,其包括:步驟一、接收複數個路口車辨系統傳送過來的車號辨識事件資料;步驟二、依據時間先後順序排序並以時窗,將車號辨識事件資料轉換成多組車號集;步驟三、判斷車號集內車號數量是否為1,若為1,則依據接收到的車號,將對應的車號辨識事件寫入車輛歷史軌跡資料庫;步驟四、若為大於1,則將每組車號集資料與對應的車號辨識事件資料寫入緩存系統;步驟五、針對每一組車號集內的車號進行特徵行為計算,透過路口關聯資料庫與車號歷史軌跡資料庫的資料,計算出車號的合理車號評估值;步驟六、針對每個車號集的車號,兩兩進行車號相似度計算,並產生兩兩車號的車號相似值; 步驟七、依據車號集內的兩兩車號相似值將車號分成1或多群,每群內的車號以車號評估值由大至小排序後,每群只留下前兩大車號評估值的車號,若車號評估值為0則不取;步驟八、判斷每群內的車號數量,若為1,則依據接收到的車號,將對應的車號辨識事件寫入車輛歷史軌跡資料庫;步驟九、若為2,則判斷該群內的兩個車號的車號評估值是否相同,若為是,則依據接收到的車號,將對應的車號辨識事件寫入車輛歷史軌跡資料庫;步驟十、若為否,則計算該群中兩個車號(車號A與車號B)的車碼長度;步驟十一、判斷兩個車號(車號A與車號B)的長度是否不相同,若為是,則依據接收到的車號,將對應的車號辨識事件寫入車輛歷史軌跡資料庫;步驟十二、若為否,則計算車號A是否為車號B完全匹配的左或右子集,若為是,則輸出車號B,並依據接收到的車號,將對應的車號辨識事件寫入車輛歷史軌跡資料庫;步驟十三、若為否,則輸出車號A並依據接收到的車號,將對應的車號辨識事件寫入車輛歷史軌跡資料庫。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW106123919A TWI617998B (zh) | 2017-07-18 | 2017-07-18 | System and method for car number identification data filtering |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW106123919A TWI617998B (zh) | 2017-07-18 | 2017-07-18 | System and method for car number identification data filtering |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI617998B true TWI617998B (zh) | 2018-03-11 |
TW201909031A TW201909031A (zh) | 2019-03-01 |
Family
ID=62189060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW106123919A TWI617998B (zh) | 2017-07-18 | 2017-07-18 | System and method for car number identification data filtering |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI617998B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507957A (zh) * | 2020-12-21 | 2021-03-16 | 北京百度网讯科技有限公司 | 一种车辆关联方法、装置、路侧设备及云控平台 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWM397335U (en) * | 2010-08-16 | 2011-02-01 | Oriental Inst Technology | Automobile identification warning device |
CN102192737A (zh) * | 2010-02-25 | 2011-09-21 | 株式会社日立制作所 | 位置推定装置 |
TW201346851A (zh) * | 2012-05-15 | 2013-11-16 | Ind Tech Res Inst | 整合多攝影機影像的車輛追蹤方法及系統 |
-
2017
- 2017-07-18 TW TW106123919A patent/TWI617998B/zh active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102192737A (zh) * | 2010-02-25 | 2011-09-21 | 株式会社日立制作所 | 位置推定装置 |
TWM397335U (en) * | 2010-08-16 | 2011-02-01 | Oriental Inst Technology | Automobile identification warning device |
TW201346851A (zh) * | 2012-05-15 | 2013-11-16 | Ind Tech Res Inst | 整合多攝影機影像的車輛追蹤方法及系統 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507957A (zh) * | 2020-12-21 | 2021-03-16 | 北京百度网讯科技有限公司 | 一种车辆关联方法、装置、路侧设备及云控平台 |
CN112507957B (zh) * | 2020-12-21 | 2023-12-15 | 阿波罗智联(北京)科技有限公司 | 一种车辆关联方法、装置、路侧设备及云控平台 |
Also Published As
Publication number | Publication date |
---|---|
TW201909031A (zh) | 2019-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111243277B (zh) | 基于车牌识别数据的通勤车辆时空轨迹重构方法及*** | |
CN111768618B (zh) | 基于城市画像的交通拥堵状态传播预测和预警***及方法 | |
WO2020238631A1 (zh) | 一种基于手机信令数据的人群类型识别方法 | |
EP3261022B1 (en) | Intelligent automatic license plate recognition for electronic tolling environments | |
WO2020220439A1 (zh) | 基于深度神经网络的高速公路交通流量状态识别方法 | |
CN111274886B (zh) | 一种基于深度学习的行人闯红灯违法行为分析方法及*** | |
CN111400533B (zh) | 图像筛选方法、装置、电子设备和存储介质 | |
CN113159149B (zh) | 一种企业办公地址的识别方法及装置 | |
AU2017261601B2 (en) | Intelligent automatic license plate recognition for electronic tolling environments | |
CN115830399B (zh) | 分类模型训练方法、装置、设备、存储介质和程序产品 | |
CN109191828B (zh) | 基于集成学习的交通参与者事故风险预测方法 | |
CN112417204A (zh) | 一种基于实时路况的音乐推荐*** | |
CN110674887A (zh) | 一种基于视频分类的端到端道路拥堵检测算法 | |
CN114771548A (zh) | 用于高级驾驶辅助***测试和验证的数据记录 | |
CN111897993A (zh) | 一种基于行人再识别的高效目标人物轨迹生成方法 | |
CN117455237A (zh) | 一种基于多源数据的道路交通事故风险预测方法 | |
TWI617998B (zh) | System and method for car number identification data filtering | |
CN112967410B (zh) | 一种基于最长公共子序列的偷逃通行费车辆识别方法 | |
TW202020724A (zh) | 影像適應性特徵提取法及其應用 | |
CN116384844B (zh) | 基于地理信息云平台的决策方法及装置 | |
CN112818668A (zh) | 气象灾情数据语义识别分析方法和*** | |
CN110097074B (zh) | 一种基于序列相似度的车辆轨迹压缩方法 | |
CN110610446A (zh) | 一种基于两步聚类思路的县域城镇分类方法 | |
CN116310988A (zh) | 一种基于级联注意力机制的弱监督时序动作检测方法 | |
CN113192340B (zh) | 高速公路施工车辆的识别方法、装置、设备及存储介质 |