[发明专利]车辆信息采集方法及系统

权利要求书

1.一种车辆信息采集方法，其特征在于，包括：

获取摄像头采集的第一车辆图像，提取所述第一车辆图像中的第一车辆信息；

将所述第一车辆信息与预设的黑名单信息进行对比；

当所述第一车辆信息与所述黑名单信息具有映射关系时，控制车载终端的显示屏显示确认信息，其中，所述确认信息用于提示用户确认所述第一车辆信息与所述黑名单信息是否对应；

当获取到用户输入的确认指令时，将车载终端的定位模块采集得到的位置信息与所述第一车辆信息上传至服务器；

所述获取到第一车辆图像后，还包括识别车辆是否违章压线；

所述识别车辆是否违章压线包括：将第一车辆图像输入到已训练至收敛的神经网络模型中进行分类；根据分类结果判断所述第一车辆图像是否存在违章压线情况；当第一车辆图像中存在违章压线的情况时，提取其中的车辆信息，将车辆信息及第一车辆图像上传至服务器；

所述神经网络模型的训练方法包括：采用若干个训练样本集训练神经网络模型，其中，每个训练样本集包括同一压线情况的至少一张行驶图像；

在进行所述训练之前，对同一压线情况的至少一张行驶图像，采用已经训练至收敛的车辆判断模型对每个训练样本的压线信息期望值进行预判；

所述采用已经训练至收敛的车辆判断模型对每个训练样本的压线信息期望值进行预判包括：获取到同一压线情况的至少一张行驶图像的压线分类结果后，以压线信息分类值的大小关系，对至少一张行驶图像的压线信息分类值进行降幂排序；取排序表中位于中间位置的压线信息分类值，作为同一压线情况至少一张行驶图像的共同压线期望值；当同一压线情况的行驶图像为奇数个时，获取排序表中的中间值作为压线信息期望值；当一个人的行驶图像为偶数个时，获取排序表中的两个中间值的平均值作为压线信息期望值；

提取所述第一车辆图像中的第一车辆信息包括：

建立MTCNN模型，所述MTCNN模型包含P-Net子网络、R-Net子网络、O-Net子网络和F-Net子网络四个子网络，所述P-Net子网络、所述R-Net子网络和所述O-Net子网络用于检测所述第一车辆图像中的车牌，并输出车牌图像，所述F-Net子网络用于实现所述车牌图像的车牌识别，所述O-Net子网络的输出作为所述F-Net子网络的输入；

其中，用于训练所述F-Net子网络的损失函数为：

其中N为训练样本库的总的车牌类别，M为黑名单车牌特征管理库的总类别，MN；p_ij为输出层的概率，代表待识别车牌图像是否属于黑名单车牌特征管理库的概率；s_ij为图像标签，若待识别车牌图像属于黑名单车牌特征管理库中的图像，则s_ij为1，若不属于黑名单车牌特征管理库中的图像则为0；黑名单车牌特征管理库的总类别等于黑名单车牌特征管理库中的车牌数，训练样本库的总的车牌类别等于黑名单车牌特征管理库车牌数加上非黑名单车牌特征管理库的车牌数；

所述车辆信息采集方法还包括：

获取车辆信息集，并存储到指定的存储空间中，其中，所述车辆信息集为对摄像头采集到的图像进行提取后得到的图像内所有车辆的车辆信息的集合；

将所述第一车辆信息与所述车辆信息集中的车辆信息进行对比，判断所述第一车辆信息是否符合预设的违章条件；

当所述第一车辆信息符合所述违章条件时，控制所述摄像头采集第一录像数据，将所述第一录像数据第一车辆图像及第一车辆信息上传至服务器；

所述违章条件包括第一车辆信息与第二车辆信息的位置距离小于预设的距离值、车牌相同且采集时间间隔大于预设的时间间隔，其中，所述第二车辆信息为所述车辆信息集中其中一个车辆信息。

2.根据权利要求1所述的车辆信息采集方法，其特征在于，当所述存储空间中已经存储有车辆信息集时，所述获取到控制按键的第一触发信息后，清除所述存储空间中存储的车辆信息集。

3.根据权利要求1所述的车辆信息采集方法，其特征在于，当获取到控制按键的第二触发信息时，根据所述第二触发信息控制所述摄像头采集第二录像数据，其中，第二录像数据包括获取到所述第二触发信息前预设的第一时长的录像数据，以及获取到所述第二触发信息后的录像数据。