[发明专利]一种辨别出租车是否为克隆车的方法及系统有效
申请号: | 201911211322.X | 申请日: | 2019-12-02 |
公开(公告)号: | CN110880244B | 公开(公告)日: | 2020-08-11 |
发明(设计)人: | 汪祖云;刘文平;董婉青;廖惠敏;杜勇;于海涛;杨雪;肖冉东;庞俊彪;吕龙龙;岳宇 | 申请(专利权)人: | 北京市交通信息中心执法总队分中心;北京市交通信息中心;北京工业大学 |
主分类号: | G08G1/017 | 分类号: | G08G1/017;G08G1/127;H04W4/029;H04W4/40 |
代理公司: | 北京科迪生专利代理有限责任公司 11251 | 代理人: | 邓治平 |
地址: | 100044 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 辨别 出租车 是否 克隆 方法 系统 | ||
1.一种识别车辆是否为克隆车的方法,其特征在于,包括如下步骤:
步骤1、使用不同位置的多个摄像头对车辆信息进行识别;
步骤2、将拍摄时间t,多个摄像头位置信息和车牌信息上传至信息中心;
步骤3、通过车牌信息查询所述车辆的GPS位置,并计算所述车辆与每个摄像头之间的距离;每辆车在多个摄像头下出现,得到多组车辆被拍摄时间前后三分钟的GPS数据向量,对每组GPS数据向量进行位数控制处理以及去漂移处理,然后按照时间的先后顺序进行排序,得到2×N的矩阵,经纬度数据有经度和维度2个数据,2作为矩阵行数,N代表车辆在N个摄像头下出现,N作为矩阵的列数,分别计算GPS矩阵的每维数据与摄像头之间的直线距离,得到1×N的距离向量,取该距离向量中最小值,将该数值记为di,其中i表示第i个摄像头;最终,对于每辆车得到与车辆在摄像头下出现的次数相等的最小直线距离个数;
所述位数控制处理是指:当车辆经过立交桥以及高大建筑物附近时,GPS信号会受到干扰,导致GPS数据出现丢失位的现象,将此类GPS数据做丢弃处理;
所述去漂移处理是指,用所在地区的地域GPS坐标范围对车辆的GPS数据进行校正;
步骤4、将所述车辆与每个摄像头之间的距离与阈值对比,构造[0,1]矩阵;
步骤5、将所述[0,1]矩阵作为输入特征,用众包算法得到车辆是克隆车的概率;
步骤6、将该结果中概率大于阈值的车牌取出;
步骤7、验证所述取出的车牌的GPS轨迹和摄像头位置以及车牌识别准确性。
2.根据权利要求1所述的一种识别车辆是否为克隆车的方法,其特征在于:
所述步骤1-2中,车辆经过摄像头架设地点时,摄像头对车辆进行拍照并识别车辆车牌号信息,具体包括:车辆车身颜色、车辆车牌信息、拍摄时间、拍摄地点;将识别得到的车辆车牌信息、拍摄时间以及拍摄地点上传至信息中心,所述拍摄地点用经纬度表示为其中ci表示第i个摄像头;根据摄像头识别得到的车辆车牌号在信息中心数据库中搜索相应车辆的GPS数据,取该车辆在被拍摄时间前后三分钟的GPS数据。
3.根据权利要求1所述的一种识别车辆是否为克隆车的方法,其特征在于:
所述步骤3中,通过得到每辆车在多个摄像头下出现时车辆与摄像头的最短距离,将车辆与摄像头之间的最短距离di与阈值S进行对比,构建[0,1]矩阵;
具体为当di>S时,记Labeli=1,表示该车辆的标签为1,即该车辆被第i个摄像头判断为克隆车;当di<S时,记Labeli=0,表示该车辆的标签为0,即该车辆被第i个摄像头判断为正常车;对每辆车而言,经过构建[0,1]矩阵后,得到一组仅包含0,1数值的1×N的向量,其中N为一辆车在摄像头下出现的次数。
4.根据权利要求1所述的一种识别车辆是否为克隆车的方法,其特征在于:
所述步骤5中,用众包算法对所述[0,1]矩阵进行判断处理,所述众包算法考虑车辆在摄像头下出现的次数、摄像头识别结果的可信程度、以及车辆真实的属性三个因素的影响,从而计算得到每辆车是克隆车的概率。
5.根据权利要求1所述的一种识别车辆是否为克隆车的方法,其特征在于:
所述摄像头的阈值为:计算所有在该摄像头下出现的车辆与摄像头之间的距离,并绘制高斯密度距离分布图,观察车辆和摄像头之间的距离集中范围,取距离集中范围的上限值,以此作为距离阈值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京市交通信息中心执法总队分中心;北京市交通信息中心;北京工业大学,未经北京市交通信息中心执法总队分中心;北京市交通信息中心;北京工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911211322.X/1.html,转载请声明来源钻瓜专利网。