一种隐匿车辆的确定方法、装置及电子设备与流程

本申请涉及视频监控技术领域，尤其涉及一种隐匿车辆的确定方法、装置及电子设备。

背景技术：

在刑侦领域，隐匿车是指在事件发生前，比较有规律地出现在道路上，但事件发生后，则较少出现，甚至消失不见的车辆，由此可见，隐匿车可能与事件具有关联关系，从而，隐匿车的确定对相关人员处理事件具有重要作用。

现有技术中，相关人员可以从存储有车辆过车数据的过车数据库中，采用直接过滤查找的方式确定隐匿车辆，但是，在一次确定隐匿车辆的过程中，可能需要从过车数据库中查找多个日期内采集到的车辆过车数据，还要基于查找到的车辆过车数据实时计算一些参数，当过车数据库中存储的车辆过车数据量较大时，这种从过车数据库中查找较多的车辆过车数据，并且实时计算的过程将耗时较长，同时加大服务器负荷，从而降低隐匿车辆确定效率。

技术实现要素：

有鉴于此，本申请提供一种隐匿车辆的确定方法、装置及电子设备，以解决现有技术中在确定隐匿车辆的过程中，从过车数据库中查找较多的车辆过车数据，并且实时计算一些参数导致耗时较长，同时加大服务器负荷，从而降低隐匿车辆确定的效率的问题。

根据本申请实施例的第一方面，提供一种隐匿车辆的确定方法，所述方法包括：

根据已获取的隐匿车筛选条件确定出满足所述隐匿车筛选条件的至少一个目标车辆；隐匿车筛选条件至少包括：事件起始时间t1、事件结束时间t2；

依据过车数据库中记录的车辆过车数据统计出各目标车辆分别在第一时间段和第二时间段内出现的次数，其中，第一时间段依据t1设置，第二时间段依据t2设置；

从统计数据库记录的各时间段内车辆的出现次数中获取各目标车辆分别在第三时间段和第四时间段内出现的次数，其中，所述第三时间段依据t1设置，第四时间段依据t2设置；

根据各目标车辆在所述第一时间段至所述第四时间段内出现的次数确定各目标车辆是否满足预设的隐匿车辆条件，若满足，则将所述目标车辆确定为隐匿车辆。

根据本申请实施例的第二方面，提供一种隐匿车辆的确定装置，所述装置包括：

筛选模块，用于根据已获取的隐匿车筛选条件确定出满足所述隐匿车筛选条件的至少一个目标车辆；隐匿车筛选条件至少包括：事件起始时间t1、事件结束时间t2；

第一统计模块，用于依据过车数据库中记录的车辆过车数据统计出各目标车辆分别在第一时间段和第二时间段内出现的次数，其中，第一时间段依据t1设置，第二时间段依据t2设置；

获取模块，用于从统计数据库记录的各时间段内车辆的出现次数中获取各目标车辆分别在第三时间段和第四时间段内出现的次数，其中，所述第三时间段依据t1设置，第四时间段依据t2设置；

确定模块，用于根据各目标车辆在所述第一时间段至所述第四时间段内出现的次数确定各目标车辆是否满足预设的隐匿车辆条件，若满足，则将所述目标车辆确定为隐匿车辆。

根据本申请实施例的第三方面，提供一种电子设备，所述设备包括可读存储介质和处理器；

其中，所述可读存储介质，用于存储机器可执行指令；

所述处理器，用于读取所述可读存储介质上的所述机器可执行指令，并执行所述指令以实现本申请提供的隐匿车辆的确定方法的步骤。

根据本申请实施例的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现本申请提供的隐匿车辆的确定方法的步骤。

应用本申请实施例，由于在一次隐匿车辆的确定过程中，仅依据过车数据库实时查询出少量的车辆过车数据，并实时计算出少量的参数，其余用于确定隐匿车辆的参数则可以从预处理得到的统计数据库中直接获取到，从而，缩短隐匿车辆确定的时长，降低服务器负荷，进而提高隐匿车辆确定的效率。

附图说明

图1为本申请一示例性实施例提供的一种为实现隐匿车辆的确定方法的组网架构图；

图2为隐匿车辆查询界面的一种示例；

图3为本申请一示例性实施例提供的一种隐匿车辆的确定方法的实施例流程图；

图4为本申请一示例性实施例中生成统计数据库的方法的实施例流程图；

图5为本申请一示例性实施例提供的隐匿车辆的确定装置的实施例框图；

图6为本申请根据一示例性实施例示出的一种计算机设备的硬件结构图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

为解决上述问题，本申请提出一种隐匿车辆的确定方法。在该方法中，将隐匿车辆的确定过程分为实时查询和预处理两部分，其中，实时查询部分相较于现有技术而言，可以减少从过车数据库中查找车辆过车数据的数据量，并减少参数计算过程，而预处理则是利用查询服务器资源空闲的时间进行。由此，则可以缩短隐匿车辆的确定时长，降低服务器负荷，提高隐匿车辆确定的效率。如下，对本申请提出的隐匿车辆的确定方法进行详细说明：

为便于理解本申请，在描述本申请之前，首先对本申请涉及的名词进行说明：

一、过车数据库、车辆过车数据：

如下述表1所示，为过车数据库的一种示例：

表1

上述表1中的每一行则表示一条车辆过车数据。

在表1所示例的车辆过车数据中，rowkey可以唯一地标识一条车辆过车数据，卡口标识可以表示出采集该条车辆过车数据的前端摄像机所位于的卡口，车牌号码和车牌颜色可以作为该条车辆过车数据所对应车辆的车辆标识，车辆颜色、车辆类型可以作为该条车辆过车数据所对应车辆的车辆特征，过车时刻则可以表示出该条车辆过车数据所对应车辆经过卡口标识所表示卡口的时间点。

例如，以表1中的第一行为例，该条车辆过车数据的rowkey为“170601”，该条车辆过车数据所对应车辆的车牌号码为“浙a12345”，车牌颜色为“蓝底白字”，车牌类型为“民用”，车辆颜色为“黑色”，车辆类型为“suv”，并且，该车辆在2019年5月1日上午10点30分(假设过车时间戳“1504283538815”对应的日期为2019年5月1日上午10点30分)经过卡口标识为“002”的卡口。

需要说明的是，上述表1仅仅是对过车数据库的示例性说明，在实际应用中，车辆过车数据还可以包括其他信息，例如车辆品牌、车辆行驶方向、驾驶员人脸特征、等等，本申请对此不做限制。

此外，本领域技术人员可以理解的是，hbase可基于各个道路卡口上报的车辆的过车日志生成车辆过车数据，并存储至表1所示例的过车数据库中，本申请实施例对该过车数据库的具体生成过程不再详细赘述。

二、统计数据库：

如下述表2所示，为统计数据库的一种示例：

表2

首先说明，上述表2中的每一行表示一条统计数据，该统计数据记录有其对应的车辆在第五时间段内出现的次数c1和第六时间段内出现的次数c2，其中，第五时间段依赖于该统计数据中的指定日期和s1，第六时间段依赖于该统计数据中的指定日期和s2。并且，在同一指定日期下，可以对应有多个不同的s1和s2，例如，上述表2中的第1行至第3行对应同一指定日期，但每一行中的s1和s2不完全相同。

在一个例子中，第五时间段可以为指定日期的前s1天内，第六时间段可以为指定日期的后s2天内。

以表2中的第一行为例来说：车辆标识为“浙a12345”的车辆，在2018年9月2日(180902表示2018年9月2日)的前7天内出现的次数为98，在2018年9月2日的后10天内出现的次数为101。

至于表2中的车辆标识仅仅以包括车牌号码为例，在实际应用中，其也可以如上述所说，车辆标识包括车牌号码和车牌颜色，本申请对此不做限制。需要说明的是，上述表2仅仅是对统计数据库的示例性说明，在实际应用中，统计数据还可以包括其他信息，例如车辆品牌、车辆行驶方向、驾驶员人脸特征、等等，本申请对此不做限制。

至于本申请实施例生成上述表2所示例的统计数据库的具体过程，在下文中进行描述，这里暂不赘述。

至此，完成对本申请涉及名词的相关说明。

其次，对本申请提出的隐匿车辆确定方法应用的组网结构进行说明：

参见图1，图1为本申请一示例性实施例提供的一种为实现隐匿车辆的确定方法的组网架构图。

如图1所示，该组网中包括用户终端110和隐匿车辆确定系统120。

在一个示例中，用户终端110提供隐匿车辆查询界面。这里，隐匿车辆查询界面用于用户在该隐匿车辆查询界面中输入隐匿车筛选条件。至于隐匿车辆查询界面的具体形式，本申请并不具体限定，图2举例示出了隐匿车辆查询界面的其中一种形式。

当用户在隐匿车辆查询界面中输入隐匿车筛选条件后，用户终端110会获取到用户在隐匿车辆查询界面中输入的隐匿车筛选条件。

作为一个示例，上述的隐匿车筛选条件可以至少包括：事件起始时间(记为t1)、事件结束时间(记为t2)。

作为另一个示例，上述的隐匿车筛选条件可以至少包括：事件起始时间t1、事件结束时间t2、查询时间范围。

作为再一个示例，上述的隐匿车筛选条件可以至少包括：事件起始时间t1、事件结束时间t2、车辆特征(为了描述方便，后续将隐匿车筛选条件中包括的车辆特征称为目标车辆特征)、查询时间范围。

在一个例子中，这里的事件起始时间t1和事件结束时间t2可以属于同一日，例如，在图2所示例的隐匿车筛选条件中，t1为2019年3月7日上午10点00分，t2为2019年3月7日下午12点30分；也可以属于不同日，例如，t1为2019年5月1日下午9点20分，t2为2019年5月2日上午10点30分，本申请对此不做限制。

在一个例子中，这里的车辆特征是指车辆相关信息，比如车辆颜色、车辆类型、车牌颜色、车牌类型。例如，在图2所示例的隐匿车筛选条件中，车辆颜色为白色，车牌类型为suv，车牌颜色为蓝底白字，车牌类型为民用。

在一个例子中，在隐匿车筛选条件不包括查询时间范围的情况下，在后续处理过程中可以采用默认的，即预先指定的查询时间范围。

在一个例子中，在隐匿车筛选条件包括查询时间范围的情况下，该隐匿车筛选条件包括的查询时间范围并非是用户随意定义的，而是在预设的多个查询时间范围内选择的。需要说明的是，该可供用户选择的多个查询时间范围与上述表2中的s1和s2相关。

在一个例子中，这里的查询时间范围包括两个关键的天数，为了描述方便，分别称为第一指定天数(记为m)、第二指定天数(记为n)。例如，在图2所示例的隐匿车筛选条件中，m为15，n为7。

之后，用户终端110将获取到的隐匿车筛选条件发送至隐匿车辆确定系统120。

在一个示例中，隐匿车辆确定系统120可包括查询服务器121、hbase122，以及elasticsearch123。其中，hbase122是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，elasticsearch123是一个基于lucene的搜索服务器，它提供了一个分布式多用户能力的全文搜索引擎，将其用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便等效果。

在用户终端110将获取到的隐匿车筛选条件发送给隐匿车辆确定系统120后，查询服务器121可以接收到该隐匿车筛选条件。查询服务器121在接收到该隐匿车筛选条件后，可以存储接收到的隐匿车筛选条件，并依据该隐匿车筛选条件与hbase122、elasticsearch123进行交互，以确定出满足用户输入的隐匿车筛选条件的隐匿车辆。

至于查询服务器121是如何与hbase122、elasticsearch123进行交互以确定出满足用户输入的隐匿车筛选条件的隐匿车辆的，在下文中进行描述，这里暂不赘述。

至此，完成对本申请提出的隐匿车辆确定方法应用的组网结构的相关说明。

后续，基于上述说明，示出下述实施例一，对本申请提出的隐匿车辆的确定方法进行详细说明：

实施例一：

请参见图3，为本申请一示例性实施例提供的一种隐匿车辆的确定方法的实施例流程图，该方法在上述图1所示例的组网架构的基础上，可以包括以下步骤：

步骤301：根据已获取的隐匿车筛选条件确定出满足隐匿车筛选条件的至少一个目标车辆，该隐匿车筛选条件至少包括：事件起始时间t1、事件结束时间t2。

在一个示例中，结合上述所描述的隐匿车筛选条件，以及表1所示例的过车数据库，在本申请实施例中，可以依据过车数据库记录的车辆过车数据中的过车时刻，查找过车时刻处于隐匿车筛选条件包括的t1和t2之间的车辆过车数据，将查找到的车辆过车数据确定为目标车辆过车数据。最后，将与目标车辆过车数据对应的车辆确定为满足隐匿车筛选条件的目标车辆。

在另一个示例中，在上述示例的基础上，可以先将查找到的过车时刻处于隐匿车筛选条件包括的t1和t2之间的车辆过车数据确定为候选车辆过车数据。

下一步，依据各候选车辆过车数据的车辆特征，从所有候选车辆过车数据中查找车辆特征与隐匿车筛选条件包括的目标车辆特征相匹配的候选车辆过车数据，将查找到的车辆特征与隐匿车筛选条件包括的目标车辆特征相匹配的候选车辆过车数据确定为目标车辆过车数据。

最后，将与目标车辆过车数据对应的车辆确定为满足隐匿车筛选条件的目标车辆。步骤302：依据过车数据库中记录的车辆过车数据统计出各目标车辆分别在第一时间段和第二时间段内出现的次数，其中，第一时间段依据t1设置，第二时间段依据t2设置。

在本申请实施例中，第一时间段可以依据t1设置，第二时间段可以依据t2设置。

在一个示例中，第一时间段可以以t1为结束时间，第二时间段可以以t2为起始时间。举例来说，假设t1为2019年5月1日上午8点20分，可以设置第一时间段为2019年5月1日0点至上午8点20分，假设t2为2019年5月1日上午10点30分，可以设置第二时间段为2019年5月1日上午10点30分至24点。

在另一个示例中，第一时间段可以以t1之后的，与t1间隔一预设的固定时长的时间点为结束时间，第二时间段可以以t2之前的，与t2间隔一预设的固定时长的时间段为起始时间。举例来说，假设预设的固定时长为20分钟，并假设t1为2019年5月1日上午8点20分，则可以设置第一时间段为2019年5月1日0点至上午8点40分，假设t2为2019年5月1日上午10点30分，可以设置第二时间段为2019年5月1日上午10点10分至24点。通过该种处理，可以扩大后续的查询范围，提高隐匿车辆的查询准确率。

需要说明的是，以上示例仅仅是举例性说明，本申请对此并不做限制。

在本申请实施例中，可以针对每一目标车辆，依据过车数据库记录的该目标车辆对应的目标车辆过车数据统计出该目标车辆分别在第一时间段和第二时间段内出现的次数。

在一个示例中，可以针对每一目标车辆，依据过车数据库记录的该目标车辆对应的目标车辆过车数据中的过车时刻，统计出过车时刻处于第一时间段的目标车辆过车数据的数量，记为k1，并将k1确定为该目标车辆在第一时间段内出现的次数。同理，依据过车数据库记录的该目标车辆对应的目标车辆过车数据中的过车时刻，统计出过车时刻处于第二时间段的目标车辆过车数据的数量，记为k2，并将k2确定为该目标车辆在第二时间段内出现的次数。

在另一个示例中，以统计目标车辆在第一时间段内出现的次数为例，可以针对每一目标车辆，依据过车数据库记录的该目标车辆对应的目标车辆过车数据中的过车时刻，查找到过车时刻处于第一时间段内的目标车辆过车数据，之后，对该查找到的目标车辆过车数据做“去重处理”，将“去重处理”之后的目标车辆过车数据的数量确定为该目标车辆在第一时间段内出现的次数。

其中，上述“去重处理”可以指，将查找到的目标车辆过车数据按照过车时刻进行排序，比较相邻的两个目标车辆过车数据中过车时刻之间的差值，若差值较小，例如，小于5分钟，则仅保留该相邻的两个目标车辆过车数据中的前者(或后者)。

步骤303：从统计数据库记录的各时间段内车辆的出现次数中获取各目标车辆分别在第三时间段和第四时间段内出现的次数，其中，第三时间段为t1所属日之前的时间段，第四时间段为t2所属日之后的时间段。

在本申请实施例中，第三时间段可以依赖t1设置，第四时间段可以依赖t2设置。

在一示例中，第三时间段为t1的所属日之前(不包括t1的所属日)的时间段，第四时间段为t2的所属日之后(不包括t2的所属日)的时间段。

同时，第三时间段的时长可以依赖隐匿车筛选条件中包括的m设置，第四时间段的时长则可以依赖隐匿车筛选条件中包括的n设置。在一示例中，第三时间段的时长可以为m，第四时间段的时长可以为n。

以图2示例的隐匿车筛选条件举例来说，可以设置第三时间段为2019年3月7日的前15天，设置第四时间段为2019年3月7日的后7天。

在本申请实施例中，针对各个目标车辆，可以以t1的所属日、该目标车辆的车辆标识，以及隐匿车筛选条件中包括的m和n作为关键字，查找表2所示例的统计数据库，以在该统计数据库中查找到包含该关键字的对应关系，为了描述方便，将查找到的包含该关键字的对应关系称为目标对应关系，之后，将该目标对应关系中的c1确定为该目标车辆在第三时间段内出现的次数，将该目标对应关系中的c2确定为该目标车辆在第四时间段内出现的次数。

其中，在上述所描述的查找过程中，将隐匿车筛选条件中包括的m与统计数据库中记录的对应关系中的s1做匹配，将隐匿车筛选条件中包括的n与统计数据库中记录的对应关系中的s2做匹配。

此外，需要说明的是，大多数情况下，事件起始时间t1和事件结束时间t2属于同一天，故而在上述所描述的查找过程中，仅将t1的所属日作为关键字之一。

举例来说，假设目标车辆的标识为“浙a12345”，t1的所属日为2018年9月3日，隐匿车筛选条件中携带的n为15，m为7，那么，按照上述描述，所确定出的目标车辆在第三时间段内的出现次数为105，在第四时间段内的出现次数为206。

步骤304：根据各目标车辆在第一时间段至第四时间段内出现的次数确定各目标车辆是否满足预设的隐匿车辆条件，若满足，则将目标车辆确定为隐匿车辆。

在一个示例中，可以基于隐匿车的定义设置隐匿车辆条件，例如，在事件发生前，出现的次数大于第一预设值，而在事件发生后，出现的次数小于第二预设值，其中，第一预设值大于第二预设值。

基于上述隐匿车辆条件，以及上述所描述的第一时间段、第二时间段、第三时间段，以及第四时间段的设置规则，则可以针对每一目标车辆，将该目标车辆在第一时间段和第三时间段内出现的次数进行第一设定运算得到第一值，将该目标车辆在第二时间段和第四时间段内出现的次数进行第二设定运算得到第二值，若第一值大于第一预设值，且第二值小于第二预设值，则可以确定该目标车辆满足隐匿车辆条件，否则，确定目标车辆不满足隐匿车辆条件。

在一个示例中，上述第一设定运算与第二设定运算可以相同，例如，均为求和运算，或者均为加权求和运算。

在另一个示例中，上述第一设定运算与第二设定运算可以不相同，例如，上述第一设定运算为求和运算，上述第二设定运算为加权求和运算，或者，上述第一设定运算为加权求和运算，上述第二设定运算为求和运算。

需要说明的是，以上示例仅仅是举例性说明，本申请对此并不做限制。

由上述实施例可见，由于在一次隐匿车辆的确定过程中，仅依据过车数据库实时查询出少量的车辆过车数据，并实时计算出少量的参数，其余用于确定隐匿车辆的参数则可以从预处理得到的统计数据库中直接获取到，从而，缩短隐匿车辆确定的时长，降低服务器负荷，进而提高隐匿车辆确定的效率。

至此，完成实施例一的相关描述。

以下，示出下述实施例二，对生成上述表2所示例的统计数据库的具体过程进行说明：

实施例二：

请参见图4，为本申请一示例性实施例中生成统计数据库的方法的实施例流程图，该方法包括以下步骤：

步骤401：针对预配置的每一条隐匿车阈值条件，从过车数据库中分别获取第一数据集合和第二数据集合。

首先说明，在本申请实施例中，可以预先设置定时任务，定时任务被触发时，即开始执行该生成统计数据库的方法。例如，可以在每一天的固定时刻，例如每一天的24点开始执行该生成统计数据库的方法。

在本申请实施例中，可以预先配置至少一条隐匿车阈值条件，以一条隐匿车阈值条件为例，该隐匿车阈值条件包括第一预设时间s1、第二预设时间s2、与该第一预设时间s1对应的第一预设次数阈值p1，以及与该第二预设时间s2对应的第二预设次数阈值p2。其中，不同的隐匿车阈值条件所包括的s1与s2并不完全相同。

在本申请实施例中，针对预先配置的每一隐匿车阈值条件，从上述图1所示例的过车数据库中分别获取过车时刻处于第五时间段内的车辆过车数据和过车时刻处于第六时间段内的车辆过车数据，并将获取到的过车时刻处于第五时间段内的车辆过车数据归入第一数据集合，将获取到的过车时刻处于第六时间段内的车辆过车数据归入第二数据集合。

在本申请实施例中，上述第五时间段可以依赖于该隐匿车阈值条件中的s1设置，上述第六时间段可以依赖于该隐匿车阈值条件中的s2设置。在一示例中中，上述第五时间段可以为指定日期的前s1天内，上述第六时间段可以为指定日期的后s2天内。

此外，在一本实施例中，每次执行该生成统计数据库的方法过程中所涉及到的指定日期可以各不相同。

步骤402：对第一数据集合和第二数据集合中所有的车辆过车数据进行分类，其中，同一车辆对应的车辆过车数据属于同一类别，不同车辆对应的车辆过车数据属于不同类别。

在本申请实施例中，可以对第一数据集合和第二数据集合中所有的车辆过车数据进行分类，以实现将同一车辆对应的车辆过车数据归入同一类别，将不同车辆对应的车辆过车数据归入不同的类别。

步骤403：针对每一类别，确定该类别中处于第一数据集合的车辆过车数据的数量为该类别对应的车辆在第五时间段内出现的次数c1，以及确定该类别中处于第二数据集合的车辆过车数据的数量为该类别对应的车辆在第六时间段出现的次数c2。

在本申请实施例中，针对每一类别，统计出该类别中处于第一数据集合的车辆过车数据的数量，并将该数量确定为该类别对应的车辆在第五时间段内出现的次数，记为c1；相应的，统计出该类别中处于第二数据集合的车辆过车数据的数量，并将该数量确定为该类别对应的车辆在第六时间段内出现的次数，记为c2。

步骤404：若c1大于第一预设次数阈值，且c2小于第二预设次数阈值，则将该类别对应的车辆的车辆标识、指定日期、s1、s2、c1，以及c2之间的对应关系保存在统计数据库中。

在本申请实施例中，若车辆在第五时间段内出现的次数c1大于第一预设次数阈值，且在第六时间段内出现的次数c2小于第二预设次数阈值，则可以将该车辆的车辆标识、指定日期、s1、s2、c1，以及c2之间的对应关系保存在上述表2所示例的统计数据库中。

由上述实施例可见，通过预处理得到统计数据库，可以使得在一次隐匿车辆的确定过程中，直接从该统计数据库中获取到部分参数，从而减少实时查询的数据量和计算量，缩短隐匿车辆确定的时长，降低服务器负荷，进而提高隐匿车辆确定的效率。

至此，完成实施例二的相关描述。

与前述隐匿车辆的确定方法的实施例相对应，本申请还提供了隐匿车辆的确定装置的实施例。

请参见图5，为本申请一示例性实施例提供的隐匿车辆的确定装置的实施例框图，该装置可以包括：筛选模块51、第一统计模块52、第一获取模块53，以及确定模块54。

其中，筛选模块51，可以用于根据已获取的隐匿车筛选条件确定出满足所述隐匿车筛选条件的至少一个目标车辆；隐匿车筛选条件至少包括：事件起始时间t1、事件结束时间t2；

第一统计模块52，可以用于依据过车数据库中记录的车辆过车数据统计出各目标车辆分别在第一时间段和第二时间段内出现的次数，其中，第一时间段依据t1设置，第二时间段依据t2设置；

第一获取模块53，可以用于从统计数据库记录的各时间段内车辆的出现次数中获取各目标车辆分别在第三时间段和第四时间段内出现的次数，其中，所述第三时间段依据t1设置，第四时间段依据t2设置；

确定模块54，可以用于根据各目标车辆在所述第一时间段至所述第四时间段内出现的次数确定各目标车辆是否满足预设的隐匿车辆条件，若满足，则将所述目标车辆确定为隐匿车辆。

在一实施例中，所述隐匿车筛选条件还可以包括：目标车辆特征；

所述筛选模块51可以包括(图5未示出)：

第一查找子模块，用于依据所述过车数据库记录的车辆过车数据中的过车时刻，查找过车时刻处于所述t1和所述t2之间的候选车辆过车数据；

第二查找子模块，用于从所有候选车辆过车数据中查找车辆特征与所述目标车辆特征相匹配的目标车辆过车数据；

第一确定子模块，用于将所述目标车辆过车数据对应的车辆确定为所述目标车辆。

在一实施例中，所述第一统计模块52可以具体用于：

针对每一目标车辆，依据所述过车数据库记录的该目标车辆对应的目标车辆过车数据中的过车时刻，统计出过车时刻处于所述第一时间段的目标车辆过车数据的数量k1，将k1确定为该目标车辆在第一时间段内出现的次数；以及，统计出过车时刻处于所述第二时间段内的目标车辆过车数据的数量k2，将k2确定为该目标车辆在第二时间段内出现的次数。

在一实施例中，所述确定模块54可以包括(图5未示出)：

运算子模块，用于针对每一目标车辆，将该目标车辆在第一时间段和第三时间段内出现的次数进行第一设定运算得到第一值，以及将该目标车辆在第二时间段和第四时间段内出现的次数进行第二设定运算得到第二值；

第二确定子模块，用于若所述第一值大于第一预设值，且所述第二值小于第二预设值，所述第一预设值大于所述第二预设值，则确定所述目标车辆满足预设的隐匿车辆条件，否则，确定所述目标车辆不满足所述预设的隐匿车辆条件；

在一实施例中，所述装置还可以包括(图5未示出)：

第二获取模块，用于针对预配置的每一隐匿车阈值条件，从所述过车数据库中分别获取第一数据集合和第二数据集合；所述隐匿车阈值条件包括第一预设时间s1、与所述s1对应的第一预设次数阈值p1、第二预设时间s2，以及与所述s2对应的第二预设次数阈值p2；第一数据集合包括：至少一个过车时刻处于第五时间段内的车辆过车数据，第二数据集合包括：至少一个过车时刻处于第六时间段内的车辆过车数据，所述第五时间段依据s1设置，所述第六时间段依据s2设置；

分类模块，用于对第一数据集合和第二数据集合中所有的车辆过车数据进行分类，其中，同一车辆对应的车辆过车数据属于同一类别，不同车辆对应的车辆过车数据属于不同类别；

第二统计模块，用于针对每一类别，确定该类别中处于第一数据集合的车辆过车数据的数量为该类别对应的车辆在所述第五时间段内出现的次数c1，以及确定该类别中处于第二数据集合的车辆过车数据的数量为该类别对应的车辆在所述第六时间段内出现的次数c2；

保存模块，用于若所述c1大于所述第一预设次数阈值，且所述c2小于所述第二预设次数阈值，则将该类别对应的车辆的车辆标识、指定日期、所述s1、s2、c1，以及c2之间的对应关系保存在统计数据库中。

在一实施例中，所述隐匿车筛选条件还可以包括：第一指定天数m、第二指定天数n；

所述第一获取模块可以包括(图5未示出)：

第三查找子模块，可以用于以所述t1的所属日、所述目标车辆的车辆标识，以及所述m、n作为关键字，在所述对应关系中查找包含该关键字的目标对应关系；

第三确定子模块，可以用于将所述目标对应关系中的c1确定为所述目标车辆在所述第三时间段内出现的次数；将所述目标对应关系中的c2确定为所述目标车辆在所述第四时间段内出现的次数。

请继续参见图6，本申请还提供一种计算机设备，包括处理器601、通信接口602、存储器603，以及通信总线604。

其中，处理器601、通信接口602、存储器603通过通信总线604进行相互间的通信；

存储器603，用于存放计算机程序；

处理器601，用于执行存储器603上所存放的计算机程序，处理器601执行所述计算机程序时实现本申请实施例提供的隐匿车辆的确定方法的步骤。

本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例提供的隐匿车辆的确定方法的步骤。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。