虚假车牌车辆的识别方法、装置、电子设备及存储介质与流程

文档序号:32393655发布日期:2022-11-30 09:22阅读:126来源:国知局
虚假车牌车辆的识别方法、装置、电子设备及存储介质与流程

1.本发明涉及车辆识别技术领域,特别是涉及一种虚假车牌车辆的识别方法、装置、电子设备及存储介质。


背景技术:

2.随着现代交通业的飞速发展,机动车的数量越来越多,使用虚假车牌的车辆的数量也在急剧增加。例如,虚假车牌车辆通过安装其它车辆的车牌,进行交通违法行为,不仅损伤了该车牌的车主的利益,也扰乱了正常的交通秩序。因此,识别虚假车牌车辆已成为道路交通安全管理部门工作的重中之重。
3.常用的虚假车牌车辆的识别方法是通过路网最短过车时间进行判断的。基于路网中的两个卡口的位置信息和卡口间的最大车速,可以确定该两个卡口间的最短过车时间。卡口可以对过往车辆进行抓拍,以获取车辆经过该卡口的时间。如果车辆经过该两个卡口的过车时间小于最短过车时间,可以认为经过该两个卡口的车辆并非同一车辆,从而确定至少存在某一车辆使用了虚假车牌。
4.但是,由于路网中的卡口的位置信息可能不够准确,并且卡口对过往车辆进行抓拍的时间可能也不够准确,从而导致虚假车牌车辆的识别准确度偏低。


技术实现要素:

5.本发明实施例的目的在于提供一种虚假车牌车辆的识别方法、装置、电子设备及存储介质,以提高虚假车牌车辆的识别准确度。具体技术方案如下:
6.第一方面,本发明实施例提供了一种虚假车牌车辆的识别方法,所述方法包括:
7.基于历史过车数据,获取疑似车辆的行驶轨迹和非疑似车辆的采样轨迹,其中,所述行驶轨迹和所述采样轨迹包括相同卡口的位置信息;
8.根据所述行驶轨迹包括的各卡口的位置信息之间的关系,计算所述行驶轨迹对应的概率;
9.根据所述采样轨迹包括的各卡口的位置信息之间的关系,计算所述采样轨迹对应的概率;
10.基于所述行驶轨迹对应的概率与所述采样轨迹对应的概率之间的大小关系,确定所述疑似车辆是否为虚假车牌车辆。
11.可选的,所述基于历史过车数据,获取疑似车辆的行驶轨迹和非疑似车辆的采样轨迹的步骤,包括:
12.从所述历史过车数据中,获取疑似车辆的行驶轨迹,其中,所述行驶轨迹包括第一预设数量个连续卡口的位置信息;
13.从所述历史过车数据中,获取非疑似车辆的采样轨迹,其中,所述采样轨迹包括第二预设数量个连续卡口的位置信息,所述第二预设数量个连续卡口中位于非首尾位置的至少一个卡口与所述第一预设数量个连续卡口中位于非首尾位置的卡口相同。
14.可选的,所述第二预设数量个连续卡口中位于中间位置的卡口与所述第一预设数量个连续卡口中位于中间位置的卡口相同。
15.可选的,所述基于所述行驶轨迹对应的概率与所述采样轨迹对应的概率之间的大小关系,确定所述疑似车辆是否为虚假车牌车辆的步骤,包括:
16.当所述采样轨迹的数量为一个时,计算所述采样轨迹对应的概率与所述行驶轨迹对应的概率之间的差异度;
17.当所述采样轨迹的数量为多个时,基于各采样轨迹对应的概率计算平均概率,作为采样轨迹对应的概率,并计算所述采样轨迹对应的概率与所述行驶轨迹对应的概率之间的差异度;
18.基于所述差异度确定所述疑似车辆是否为虚假车牌车辆。
19.可选的,所述计算所述采样轨迹对应的概率与所述行驶轨迹对应的概率之间的差异度的步骤,包括:
20.计算所述采样轨迹对应的概率与所述行驶轨迹对应的概率之间的差值;
21.所述基于所述差异度确定所述疑似车辆是否为虚假车牌车辆的步骤,包括:
22.如果所述差值大于预设阈值,确定所述疑似车辆为虚假车牌车辆;
23.如果所述差值不大于所述预设阈值,确定所述疑似车辆不为虚假车牌车辆。
24.可选的,所述概率的计算方式,包括:
25.根据所述待处理轨迹包括的各卡口的位置信息之间的位置关系,估计由所述各卡口的位置信息作为元素组成完整元素序列的概率,作为所述待处理轨迹对应的概率,其中,所述待处理轨迹为所述行驶轨迹或所述采样轨迹。
26.可选的,所述根据所述待处理轨迹包括的各卡口的位置信息之间的位置关系,估计由所述各卡口的位置信息作为元素组成完整元素序列的概率的步骤,包括:
27.采用以下公式计算由所述各卡口的位置信息作为元素组成完整元素序列的概率p(x1,x2,x3…
xm):
28.p(x1,x2,x3…
xm)=p(x1)*p(x2|x1)*p(x3|x1,x2)

p(xm|x
m-2
,x
m-1
)
29.其中,x1,x2,x3…
xm为所述待处理轨迹包括的各卡口的位置信息,p(x1)为位置信息x1对应的概率,p(x2|x1)为位置信息x2对应的概率,p(x3|x1,x2)为位置信息x3对应的概率,p(xm|x
m-2
,x
m-1
)为位置信息xm对应的概率。
30.可选的,所述待处理轨迹中包括的由位置信息组成的n元组满足缺失条件时,该n元组对应的概率为预设值,其中,所述缺失条件为n元组中至少一个位置信息缺失。
31.第二方面,本发明实施例提供了一种虚假车牌车辆的识别装置,所述装置包括:
32.轨迹获取模块,用于基于历史过车数据,获取疑似车辆的行驶轨迹和非疑似车辆的采样轨迹,其中,所述行驶轨迹和所述采样轨迹包括相同卡口的位置信息;
33.第一概率计算模块,用于根据所述行驶轨迹包括的各卡口的位置信息之间的关系,计算所述行驶轨迹对应的概率;
34.第二概率计算模块,用于根据所述采样轨迹包括的各卡口的位置信息之间的关系,计算所述采样轨迹对应的概率;
35.虚假车牌车辆确定模块,用于基于所述行驶轨迹对应的概率与所述采样轨迹对应的概率之间的大小关系,确定所述疑似车辆是否为虚假车牌车辆。
36.可选的,所述轨迹获取模块包括:
37.第一获取单元,用于从所述历史过车数据中,获取疑似车辆的行驶轨迹,其中,所述行驶轨迹包括第一预设数量个连续卡口的位置信息;
38.第二获取单元,用于从所述历史过车数据中,获取非疑似车辆的采样轨迹,其中,所述采样轨迹包括第二预设数量个连续卡口的位置信息,所述第二预设数量个连续卡口中位于非首尾位置的至少一个卡口与所述第一预设数量个连续卡口中位于非首尾位置的卡口相同。
39.可选的,所述第二预设数量个连续卡口中位于中间位置的卡口与所述第一预设数量个连续卡口中位于中间位置的卡口相同。
40.可选的,所述虚假车牌车辆确定模块包括:
41.差异度确定单元,用于当所述采样轨迹的数量为一个时,计算所述采样轨迹对应的概率与所述行驶轨迹对应的概率之间的差异度;当所述采样轨迹的数量为多个时,基于各采样轨迹对应的概率计算平均概率,作为采样轨迹对应的概率,并计算所述采样轨迹对应的概率与所述行驶轨迹对应的概率之间的差异度;
42.虚假车牌车辆确定单元,用于基于所述差异度确定所述疑似车辆是否为虚假车牌车辆。
43.可选的,所述差异度确定单元包括:
44.差值计算子单元,用于计算所述采样轨迹对应的概率与所述行驶轨迹对应的概率之间的差值;
45.所述虚假车牌车辆确定单元包括:
46.第一确定子单元,用于如果所述差值大于预设阈值,确定所述疑似车辆为虚假车牌车辆;
47.第二确定子单元,用于如果所述差值不大于所述预设阈值,确定所述疑似车辆不为虚假车牌车辆。
48.可选的,所述第一概率计算模块或所述第二概率计算模块通过概率计算单元计算所述概率:
49.所述概率计算单元,用于根据所述待处理轨迹包括的各卡口的位置信息之间的位置关系,估计由所述各卡口的位置信息作为元素组成完整元素序列的概率,作为所述待处理轨迹对应的概率,其中,所述待处理轨迹为所述行驶轨迹或所述采样轨迹。
50.可选的,所述概率计算单元包括:
51.概率计算子单元,用于采用以下公式计算由所述各卡口的位置信息作为元素组成完整元素序列的概率p(x1,x2,x3…
xm):
52.p(x1,x2,x3…
xm)=p(x1)*p(x2|x1)*p(x3|x1,x2)

p(xm|x
m-2
,x
m-1
)
53.其中,x1,x2,x3…
xm为所述待处理轨迹包括的各卡口的位置信息,p(x1)为位置信息x1对应的概率,p(x2|x1)为位置信息x2对应的概率,p(x3|x1,x2)为位置信息x3对应的概率,p(xm|x
m-2
,x
m-1
)为位置信息xm对应的概率。
54.可选的,所述待处理轨迹中包括的由位置信息组成的n元组满足缺失条件时,该n元组对应的概率为预设值,其中,所述缺失条件为n元组中至少一个位置信息缺失。
55.第三方面,本发明实施例提供了一种电子设备,包括处理器、通信接口、存储器和
通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
56.存储器,用于存放计算机程序;
57.处理器,用于执行存储器上所存放的程序时,实现上述第一方面任一所述的方法步骤。
58.第四方面,本发明实施例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上述第一方面任一所述的方法步骤。
59.本发明实施例有益效果:
60.本发明实施例提供的方案中,电子设备可以基于历史过车数据,获取疑似车辆的行驶轨迹和非疑似车辆的采样轨迹,其中,行驶轨迹和采样轨迹包括相同卡口的位置信息。并根据行驶轨迹包括的各卡口的位置信息之间的关系,计算行驶轨迹对应的概率,根据采样轨迹包括的各卡口的位置信息之间的关系,计算采样轨迹对应的概率,进而可以基于行驶轨迹对应的概率与采样轨迹对应的概率之间的大小关系,确定疑似车辆是否为虚假车牌车辆。本方案中,分别计算疑似车辆的行驶轨迹和非疑似车辆的采样轨迹的概率,并将行驶轨迹的性概率与采样轨迹的概率进行比较,进而将与非疑似车辆的采样轨迹的概率相差较大的行驶轨迹对应的疑似车辆确定为虚假车牌车辆,由于非疑似车辆的采样轨迹是真实合理的,行驶轨迹和采样轨迹包括相同卡口的位置信息,也就是说,二者是车辆在相近位置区域的轨迹,那么如果疑似车辆不是虚假车牌车辆,那么其对应的概率应该与采样轨迹对应的概率相近,所以如果与非疑似车辆的采样轨迹的概率相差较大说明该行驶轨迹的真实性和合理性较差,很可能为虚假车牌车辆对应的行驶轨迹,所以可以准确确定虚假车牌车辆,减少了虚假车牌车辆的误判,大大提高了虚假车牌车辆的识别准确度。当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
61.为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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,还可以根据这些附图获得其他的实施例。
62.图1为本发明实施例所提供的一种虚假车牌车辆的识别方法的流程图;
63.图2为图1所示实施例中步骤s101的一种具体流程图;
64.图3为基于图1所示实施例的确定疑似车辆方式的一种流程图;
65.图4为图3所示实施例中步骤s301的一种具体流程图;
66.图5为基于图1所示实施例的一种识别虚假车牌车辆的流程图;
67.图6为本发明实施例所提供的一种虚假车牌车辆的识别装置的结构示意图;
68.图7为本发明实施例所提供的一种电子设备的结构示意图。
具体实施方式
69.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基于本技术所获得的所有其他实施例,都属于本发明保护的范围。
70.为了提高虚假车牌车辆的识别准确度,本发明实施例提供了一种虚假车牌车辆的识别方法、装置、电子设备、计算机可读存储介质以及计算机程序产品,下面首先对本发明实施例所提供的一种虚假车牌车辆的识别方法进行介绍。
71.本发明实施例所提供的一种虚假车牌车辆的识别方法可以应用于任意需要识别虚假车牌车辆的电子设备。例如,可以为道路交通安全管理系统中的用于识别虚假车牌车辆的服务器、虚假车牌车辆识别设备的处理器、控制器等,在此不做具体限定。为了描述清楚,后续称为电子设备。
72.如图1所示,一种虚假车牌车辆的识别方法,所述方法包括:
73.s101,基于历史过车数据,获取疑似车辆的行驶轨迹和非疑似车辆的采样轨迹;
74.其中,所述行驶轨迹和所述采样轨迹包括相同卡口的位置信息。
75.s102,根据所述行驶轨迹包括的各卡口的位置信息之间的关系,计算所述行驶轨迹对应的概率。
76.s103,根据所述采样轨迹包括的各卡口的位置信息之间的关系,计算所述采样轨迹对应的概率。
77.s104,基于所述行驶轨迹对应的概率与所述采样轨迹对应的概率之间的大小关系,确定所述疑似车辆是否为虚假车牌车辆。
78.可见,本发明实施例提供的方案中,电子设备可以基于历史过车数据,电子设备可以基于历史过车数据,获取疑似车辆的行驶轨迹和非疑似车辆的采样轨迹,其中,行驶轨迹和采样轨迹包括相同卡口的位置信息。并根据行驶轨迹包括的各卡口的位置信息之间的关系,计算行驶轨迹对应的概率,根据采样轨迹包括的各卡口的位置信息之间的关系,计算采样轨迹对应的概率,进而可以基于行驶轨迹对应的概率与采样轨迹对应的概率之间的大小关系,确定疑似车辆是否为虚假车牌车辆。本方案中,分别计算疑似车辆的行驶轨迹和非疑似车辆的采样轨迹的概率,并将行驶轨迹的性概率与采样轨迹的概率进行比较,进而将与非疑似车辆的采样轨迹的概率相差较大的行驶轨迹对应的疑似车辆确定为虚假车牌车辆,由于非疑似车辆的采样轨迹是真实合理的,行驶轨迹和采样轨迹包括相同卡口的位置信息,也就是说,二者是车辆在相近位置区域的轨迹,那么如果疑似车辆不是虚假车牌车辆,那么其对应的概率应该与采样轨迹对应的概率相近,所以如果与非疑似车辆的采样轨迹的概率相差较大,说明该行驶轨迹的真实性和合理性较差,很可能为虚假车牌车辆对应的行驶轨迹,减少了虚假车牌车辆的误判,大大提高了虚假车牌车辆的识别准确度。
79.由于路网中的卡口的位置信息可能不够准确,并且卡口对过往车辆进行抓拍的时间可能也不够准确,从而导致虚假车牌车辆的识别准确度偏低,对虚假车牌车辆的判断存在大量误判。因此通过上述方法识别出的虚假车牌车辆中不仅包括真正的虚假车牌车辆,还包括大量的被误判为虚假车牌车辆的车辆。
80.为了减少虚假车牌车辆的误判,提高虚假车牌车辆的识别准确度,在上述步骤s101中,电子设备可以基于历史过车数据,获取疑似车辆的行驶轨迹和非疑似车辆的采样轨迹。
81.本实施例中,路网中可以存在多个卡口,卡口可以用于获取过往车辆的过车数据,
进而电子设备可以获取多个车辆的历史过车数据。在一种实施方式中,路网中的每个卡口可以包括一个或多个摄像机,摄像机可以用于对过往车辆进行拍摄,从而可以获取该车辆的车牌号、车牌颜色等信息,进而确定该车辆的车牌信息;卡口也可以记录摄像机拍摄该车辆的时间,作为该车辆通过该卡口的过车时间;该卡口的位置信息可以是已知的,也即电子设备可以获取该卡口的位置信息。从而电子设备获取的历史过车数据中可以包括车辆的车牌信息、车辆通过卡口的过车时间以及卡口的位置信息。
82.疑似车辆可以为存在使用虚假车牌可能性的车辆,为了确定该疑似车辆是否为虚假车牌车辆,电子设备可以对该疑似车辆对应的行驶轨迹进行进一步的分析。疑似车辆对应的行驶轨迹可能并非该车辆的真实行驶轨迹,如果疑似车辆对应的行驶轨迹的合理性较低,说明其很有可能不是真实的轨迹,可以确定该疑似车辆为虚假车牌车辆;如果疑似车辆对应的行驶轨迹的合理性较高,该疑似车辆可能是由于卡口的位置信息不准确或获取的过车时间不准确,从而误判为存在使用虚假车牌可能性的车辆,该疑似车辆不为虚假车牌车辆。
83.本实施例中的获取疑似车辆的方式可以是多种形式的,在此不做具体限定。例如,可以为采用最短过车时间的方法确定疑似车辆,也即如果某车辆经过两个卡口的过车时间小于该两个卡口间的最短过车时间,可以将该车辆作为疑似车辆。又例如,道路交通安全管理部门的工作人员可以通过观察和分析,并基于工作经验认为某车辆的车牌安装方式不正确,或者某车辆的车牌存在字符不清晰等情况,为了进一步地准确判断该车辆是否为虚假车牌车辆,也可以将该车辆作为疑似车辆。
84.相应的,非疑似车辆可以为使用虚假车牌可能性极低或者不存在虚假车牌可能性的车辆,非疑似车辆的行驶轨迹为该车辆的真实行驶轨迹,可以用于辅助判断疑似车辆对应的行驶轨迹是否合理。其中,非疑似车辆可以通过已确定的车辆相关信息来确定,例如,基于某交通事件信息,可以确定该车联的车主、车牌等信息均是真实的,那么该车联不是虚假车牌车辆,可以作为非疑似车辆。
85.为了确定疑似车辆对应的行驶轨迹是否合理,电子设备可以基于历史过车数据,获取疑似车辆的行驶轨迹,并基于历史过车数据,获取非疑似车辆的采样轨迹。其中,非疑似车辆的数量可以为一个或多个,每一非疑似车辆对应的采样轨迹的数量也可以为一个或多个,可以根据虚假车牌车辆的识别准确度需求、电子设备的计算能力等实际情况进行设置,在此不做具体限定。行驶轨迹和采样轨迹可以包括对应的车辆按照时间顺序经过的多个卡口的位置信息。
86.由于路网中的不同位置的道路活跃度是不同的,如果行驶轨迹和采样轨迹所处位置的道路活跃度存在较大差异,那么行驶轨迹的合理性和采样轨迹的合理性判断也会受到很大影响,从而导致行驶轨迹对应的概率与采样轨迹对应的概率之间不具有可比性。因此,行驶轨迹和采样轨迹可以包括相同卡口的位置信息,从而,行驶轨迹所处位置与采样轨迹所处位置在空间上较为接近,对应的道路活跃度的差异也就较小。
87.进而在上述步骤s102中,电子设备可以根据行驶轨迹包括的各卡口的位置信息之间的关系,计算行驶轨迹对应的概率。
88.由于获取了疑似车辆的行驶轨迹,行驶轨迹包括该疑似车辆按照时间顺序经过的多个卡口的位置信息。电子设备可以根据行驶轨迹包括的各卡口的位置信息之间的关系,
计算行驶轨迹对应的概率,该概率用于表征行驶轨迹的合理性。在一种实施方式中,针对行驶轨迹中的相邻的两个卡口,电子设备可以基于该两个卡口的位置信息确定两者之间可能存储的多个连通路径,并基于每一连通路径的道路活跃度等道路交通信息,计算由该相邻的两个卡口组成的轨迹的可能性,作为该部分轨迹的概率。进而电子设备可以分别分析每一部分轨迹的可能性,进而得到整个行驶轨迹对应的概率。
89.相应的,在上述步骤s103中,电子设备可以根据采样轨迹包括的各卡口的位置信息之间的关系,计算采样轨迹对应的概率,作为采样轨迹对应的概率。由于获取了非疑似车辆的采样轨迹,采样轨迹包括该非疑似车辆按照时间顺序经过的多个卡口的位置信息。电子设备可以根据采样轨迹包括的各卡口的位置信息之间的关系,计算采样轨迹对应的概率。
90.进而电子设备可以基于行驶轨迹对应的概率与采样轨迹对应的概率之间的大小关系,确定疑似车辆是否为虚假车牌车辆,也即执行上述步骤s104。由于采样轨迹对应的概率表示的是非疑似车辆的行驶轨迹的概率,采样轨迹是真实合理的。所以如果行驶轨迹对应的概率与采样轨迹对应的概率的大小接近,也即疑似车辆对应的行驶轨迹与非疑似车辆的行驶轨迹的合理性差异较小,可以认为疑似车辆对应的行驶轨迹的真实性和合理性也较高,行驶轨迹是该疑似车辆的真实行驶轨迹,电子设备可以确定该疑似车辆不为虚假车牌车辆。
91.如果行驶轨迹对应的概率与采样轨迹对应的概率的大小相差很大,而采样轨迹是真实合理的,所以说明疑似车辆对应的行驶轨迹与非疑似车辆的行驶轨迹的合理性差异很大,那么该疑似车辆对应的行驶轨迹是真实合理的可能性就较低,其很可能并非真实行驶轨迹,电子设备可以确定该疑似车辆为虚假车牌车辆。例如,疑似车辆对应的行驶轨迹可能为:该虚假车牌车辆与对应的相同车牌号的真实车牌车辆经过的多个卡口的位置信息相互混合得到的轨迹,电子设备可以确定该疑似车辆为虚假车牌车辆。
92.采用本发明实施例所提供的方案,电子设备可以分别计算疑似车辆的行驶轨迹和非疑似车辆的采样轨迹的概率,并将行驶轨迹的性概率与采样轨迹的概率进行比较,进而将与非疑似车辆的采样轨迹的概率相差较大的行驶轨迹对应的疑似车辆确定为虚假车牌车辆,由于非疑似车辆的采样轨迹是真实合理的,行驶轨迹和采样轨迹包括相同卡口的位置信息,也就是说,二者是车辆在相近位置区域的轨迹,那么如果疑似车辆不是虚假车牌车辆,那么其对应的概率应该与采样轨迹对应的概率相近,所以如果与非疑似车辆的采样轨迹的概率相差较大,说明该行驶轨迹的真实性和合理性较差,很可能为虚假车牌车辆对应的行驶轨迹,减少了虚假车牌车辆的误判,大大提高了虚假车牌车辆的识别准确度。
93.作为本发明实施例的一种实施方式,如图2所示,上述基于历史过车数据,获取疑似车辆的行驶轨迹和非疑似车辆的采样轨迹的步骤,可以包括:
94.s201,从所述历史过车数据中,获取疑似车辆的行驶轨迹;
95.历史过车数据中可以包括车辆的车牌信息,因此针对该疑似车辆,电子设备可以确定其车牌信息,例如,该疑似车辆的车牌信息可以为“车牌颜色为蓝色,车牌号为xxxxxxx”。电子设备可以根据车牌颜色与车牌号,从历史过车数据中确定与该车牌信息相同的多项过车数据。
96.历史过车数据中还可以包括卡口的位置信息以及车辆通过卡口的过车时间等信
息。进而,电子设备可以从该多项过车数据中查找该疑似车辆经过第一预设数量个连续卡口的过车数据,作为第一过车数据。其中,该疑似车辆经过连续卡口的过车数据可以为:通过卡口的过车时间相连的多个卡口获取的该疑似车辆的过车数据,第一预设数量可以根据虚假车牌车辆的识别准确度需求、电子设备的计算能力等实际情况进行设置,例如,预设数量可以为5、6、7等,在此不做具体限定。
97.获取上述第一过车数据后,电子设备可以将第一过车数据包括的卡口的位置信息,按照时间顺序排序,得到疑似车辆的行驶轨迹。如果该疑似车辆为真实车牌车辆,行驶轨迹即为该真实车牌车辆的真实行驶轨迹;如果该疑似车辆为虚假车牌车辆,行驶轨迹可能为该虚假车牌车辆与对应的车牌号相同的真实车牌车辆经过的多个卡口的位置信息相互混合得到的轨迹,也就是不真实的轨迹,那么其对应的概率会与采样轨迹对应的概率相差较大。
98.s202,从所述历史过车数据中,获取非疑似车辆的采样轨迹。
99.其中,采样轨迹可以包括第二预设数量个连续卡口的位置信息,第二预设数量个连续卡口中位于非首尾位置的至少一个卡口与所述第一预设数量个连续卡口中位于非首尾位置的卡口相同。
100.第二预设数量可以与上述第一预设数量相同,也可以不同,在此不做具体限定。电子设备可以从历史过车数据中,查找非疑似车辆经过第二预设数量个连续卡口的过车数据,作为第二过车数据。进而,电子设备可以按照时间顺序,将该第二过车数据包括的卡口的位置信息进行排序,得到该非疑似车辆的采样轨迹。
101.由于在空间位置上距离越近的行驶轨迹和采样轨迹进行比较,可以更加准确地确定行驶轨迹是否为真实合理的,而如果两个轨迹中位于非首尾位置的卡口如果相同,那么该两个轨迹所在空间位置则越近,所以第二预设数量个连续卡口中位于非首尾位置的至少一个卡口可以与第一预设数量个连续卡口中位于非首尾位置的卡口相同。
102.例如,行驶轨迹和采样轨迹均包括10个卡口的位置信息,那么采样轨迹中第3个卡口可以与行驶轨迹中的第5个相同,或者,采样轨迹中第2个卡口可以与行驶轨迹中的第7个相同,或者,采样轨迹中第5个、第6个卡口可以分别与行驶轨迹中的第5个、第6个卡口相同,等等,在此不做具体限定。
103.在本实施例中,电子设备可以从历史过车数据中,获取疑似车辆的行驶轨迹,从历史过车数据中,获取非疑似车辆的采样轨迹,其中,采样轨迹包括第二预设数量个连续卡口的位置信息,第二预设数量个连续卡口中位于非首尾位置的至少一个卡口与第一预设数量个连续卡口中位于非首尾位置的卡口相同,这样,行驶轨迹和采样轨迹是在空间位置上距离越近的,可以进一步提高后续确定虚假车牌车辆的准确性。
104.作为本发明实施例的一种实施方式,上述第二预设数量个连续卡口中位于中间位置的卡口可以与第一预设数量个连续卡口中位于中间位置的卡口相同。
105.行驶轨迹与采样轨迹包括的位于中间位置的卡口相同,也就是说二者是以同一中心向外辐射所形成的轨迹,行驶轨迹对应的位置与采样轨迹对应的位置在空间上更加接近,对应的路网中的道路活跃度的差异也就更小,从而基于采样轨迹对应的概率和行驶轨迹对应的概率来判断行驶轨迹的真实性和合理性的准确度更高。
106.例如,第一预设数量为5,将该5个连续卡口按照时间顺序排序,得到该疑似车辆的
行驶轨迹中,卡口标识分别为a1、b1、c1、d1、e1。可以将卡口标识为c1的卡口,作为非疑似车辆经过的5个连续卡口中位于中间位置的卡口,进而按照非疑似车辆通过各卡口的过车时间顺序,向前查找2个卡口,其卡口标识分别为a2、b2;并向后查找2个卡口,其卡口标识分别为d2、e2。从而该非疑似车辆经过的5个连续卡口的卡口标识为a2、b2、c1、d2、e2。
107.在本实施例中,上述第二预设数量个连续卡口中位于中间位置的卡口可以与第一预设数量个连续卡口中位于中间位置的卡口相同,这样,行驶轨迹和采样轨迹是以同一中心向外辐射所形成的轨迹,行驶轨迹对应的位置与采样轨迹对应的位置在空间上更加接近,对应的路网中的道路活跃度的差异也就更小,从而基于采样轨迹对应的概率和行驶轨迹对应的概率来判断行驶轨迹的真实性和合理性的准确度更高。
108.作为本发明实施例的一种实施方式,上述基于所述行驶轨迹对应的概率与所述采样轨迹对应的概率之间的大小关系,确定所述疑似车辆是否为虚假车牌车辆的步骤,可以包括:
109.当所述采样轨迹的数量为一个时,计算所述采样轨迹对应的概率与所述行驶轨迹对应的概率之间的差异度;当所述采样轨迹的数量为多个时,基于各采样轨迹对应的概率计算平均概率,作为采样轨迹对应的概率,并计算所述采样轨迹对应的概率与所述行驶轨迹对应的概率之间的差异度;基于所述差异度确定所述疑似车辆是否为虚假车牌车辆。
110.当采样轨迹的数量为一个时,如果行驶轨迹对应的概率与该采样轨迹对应的概率的大小接近,可以认为疑似车辆对应的行驶轨迹的合理性也较高,该疑似车辆不为虚假车牌车辆;如果行驶轨迹对应的概率与该采样轨迹对应的概率的大小相差很大,可以认为疑似车辆对应的行驶轨迹的合理性较低,该疑似车辆为虚假车牌车辆。因此,电子设备可以计算该采样轨迹对应的概率与行驶轨迹对应的概率之间的差异度。
111.当采样轨迹的数量为多个时,那么采样轨迹的平均概率可以表示多个采样轨迹对应的概率的平均情况,也就是可能表征多个真实轨迹对应的平均合理性情况,可以更加准确的表示真实的轨迹对应的概率的情况。所以电子设备可以基于各采样轨迹对应的概率计算平均概率,作为采样轨迹对应的概率,并计算该采样轨迹对应的概率与行驶轨迹对应的概率之间的差异度。
112.其中,平均概率可以是多个采样轨迹对应的概率的算数平均值、加权平均值等任意能够表示多个采样轨迹对应的概率的平均水平的平均概率,在此不做具体限定。采样轨迹对应的概率与行驶轨迹对应的概率之间的差异度可以为差值等能够表示二者之间的差异程度的数值,在此也不做具体限定。
113.进而,电子设备则可以基于计算得到的差异度确定疑似车辆是否为虚假车牌车辆。如果该差异度表征二者之间的差异程度较大,可以确定疑似车辆为虚假车牌车辆;如果该差异度表征二者之间的差异程度较小,可以确定疑似车辆不为虚假车牌车辆。
114.本实施例中,当采样轨迹的数量为一个时,电子设备可以计算采样轨迹对应的概率与行驶轨迹对应的概率之间的差异度;当采样轨迹的数量为多个时,电子设备可以基于各采样轨迹对应的概率计算平均概率,作为采样轨迹对应的概率,并计算采样轨迹对应的概率与行驶轨迹对应的概率之间的差异度,进而基于差异度确定疑似车辆是否为虚假车牌车辆。无论采样轨迹的数量为一个还是多个,电子设备均可以准确确定采样轨迹对应的概率与行驶轨迹对应的概率之间的差异度,进而准确确定疑似车辆是否为虚假车牌车辆。
115.作为本发明实施例的一种实施方式,上述计算所述采样轨迹对应的概率与所述行驶轨迹对应的概率之间的差异度的步骤,可以包括:
116.计算所述采样轨迹对应的概率与所述行驶轨迹对应的概率之间的差值。
117.相应的,上述基于所述差异度确定所述疑似车辆是否为虚假车牌车辆的步骤,可以包括:
118.如果所述差值大于预设阈值,确定所述疑似车辆为虚假车牌车辆;如果所述差值不大于所述预设阈值,确定所述疑似车辆不为虚假车牌车辆。
119.由于两个数值之间的差值可以直观准确地表示二者之间的差异程度,所以电子设备可以计算上述采样轨迹对应的概率与行驶轨迹对应的概率之间的差值,来表征二者之间的差异度,如果差值大于预设阈值,说明该行驶轨迹的概率与采样轨迹对应的概率差异很大,那么该行驶轨迹的真实合理性则很低,可以确定该疑似车辆为虚假车牌车辆。如果差值不大于预设阈值,说明该行驶轨迹的概率与采样轨迹对应的概率差异较小,那么该行驶轨迹的真实合理性则较高,可以确定该疑似车辆不为虚假车牌车辆。
120.其中,预设阈值可以根据虚假车牌车辆的识别准确度需求进行设置,例如,预设阈值可以设置为0.5、0.6、0.8等,在此不做具体限定。
121.在本实施例中,电子设备可以计算采样轨迹对应的概率与行驶轨迹对应的概率之间的差值,如果差值大于预设阈值,确定疑似车辆为虚假车牌车辆;如果差值不大于预设阈值,确定疑似车辆不为虚假车牌车辆,由于两个数值之间的差值可以直观准确地表示二者之间的差异程度,所以电子设备可以更加快速且准确地基于采样轨迹对应的概率与行驶轨迹对应的概率之间的差值判断疑似车辆是否为虚假车牌车辆。
122.作为本发明实施例的一种实施方式,上述概率的计算方式,可以包括:
123.根据所述待处理轨迹包括的各卡口的位置信息之间的位置关系,估计由所述各卡口的位置信息作为元素组成完整元素序列的概率,作为所述待处理轨迹对应的概率。
124.对于一个轨迹来说,如果其为真实车牌车牌的轨迹,由于该轨迹为车辆在真实世界中行驶形成的轨迹,其是一个完整的序列,所以,针对待处理轨迹来说,如果其包括的各卡口的位置信息作为元素,能够组成一个完整元素序列,那么说明这个轨迹的真实合理性即为是较高的,所以电子设备可以根据待处理轨迹包括的各卡口的位置信息之间的位置关系,估计由各卡口的位置信息作为元素组成完整元素序列的概率,作为待处理轨迹对应的概率。该概率也就可以表示待处理轨迹的真实合理程度。
125.其中,待处理轨迹为行驶轨迹或采样轨迹,也就是说,电子设备可以根据行驶轨迹包括的各卡口的位置信息之间的位置关系,估计由各卡口的位置信息作为元素组成完整元素序列的概率,作为行驶轨迹对应的概率。可以根据采样轨迹包括的各卡口的位置信息之间的位置关系,估计由各卡口的位置信息作为元素组成完整元素序列的概率,作为采样轨迹对应的概率。
126.作为本发明实施例的一种实施方式,上述根据所述待处理轨迹包括的各卡口的位置信息之间的位置关系,估计由所述各卡口的位置信息作为元素组成完整元素序列的概率的步骤,可以包括:
127.采用以下公式计算由所述各卡口的位置信息作为元素组成完整元素序列的概率:
128.p(x1,x2,x3…
xm)=p(x1)*p(x2|x1)*p(x3|x1,x2)

p(xm|x
m-2
,x
m-1
)
129.其中,x1,x2,x3…
xm为所述待处理轨迹包括的卡口的位置信息,p(x1)为位置信息x1对应的概率,p(x2|x1)为位置信息x2对应的概率,p(x3|x1,x2)为位置信息x3对应的概率,p(xm|x
m-2
,x
m-1
)为位置信息xm对应的概率。
130.在本实施例中,由于各卡口的位置信息作为元素组成完整元素序列的概率是由其中每一卡口的位置信息的真实合理性决定的,也就是由其中每一卡口的位置信息对应的概率决定的,所以待处理轨迹对应的概率,可以通过依次计算行驶轨迹包括的每一卡口的位置信息对应的概率,进而将该多个位置信息对应的概率相乘得到。
131.例如,待处理轨迹包括的卡口的位置信息分别为x1、x2、x3…
xm,该行驶轨迹对应的概率为p(x1,x2,x3…
xm),依次计算得到每一卡口位置信息对应的概率分别为p(x1)、p(x2|x1)、p(x3|x1,x2)

p(xm|x
m-2
,x
m-1
,...,x1),那么可以得到该行驶轨迹对应的概率p(x1,x2,x3…
xm)=p(x1)*p(x2|x1)*p(x3|x1,x2)

p(xm|x
m-2
,x
m-1


,x1)。而直接这样计算所得难度是较大的,需要基于马尔可夫假设来计算待处理轨迹对应的概率。
132.根据马尔可夫假设,序列中第n个元素出现的概率,仅受其之前有限个元素影响,以有限个元素的数量为3进行举例说明,某序列中第n个元素wn出现的概率,仅受wn之前的3个元素w
n-1
、w
n-2
以及w
n-3
影响,也即p(wn|w1,...,w
n-1
)≈p(wn|w
n-3
,w
n-2
,w
n-1
)。因此,在本实施例中,可以认为:待处理轨迹中的每一卡口的位置信息的概率仅受其之前两个卡口的位置信息影响,从而可以将位置信息xm对应的概率p(xm|x
m-2
,x
m-1
,...,x1)转变为p(xm|x
m-2
,x
m-1
)。也就是可以采用以下公式计算待处理轨迹对应的概率:
133.p(x1,x2,x3…
xm)=p(x1)*p(x2|x1)*p(x3|x1,x2)

p(xm|x
m-2
,x
m-1
)
134.其中,针对第一个位置信息对应的概率,可以根据该位置信息对应的道路活跃度来确定,如果该该位置信息对应的道路活跃度较高,说明车辆出现在该位置信息的概率则较高,那么可以确定第一个位置信息对应的概率p高一些,例如,可以为0.7等。如果该该位置信息对应的道路活跃度较低,说明车辆出现在该位置信息的概率则较低,那么可以确定第一个位置信息对应的概率低一些,例如,可以为0.2等。后续的位置信息对应的概率则可以根据马尔可夫假设来计算得到。
135.在一种实施方式中,由于3-gram语言模型的处理原理即为基于马尔可夫假设来估算多个元素组成完整元素序列的概率,所以电子设备可以通过3-gram语言模型来计算得到待处理轨迹对应的概率。3-gram语言模型输出的结果通常为困惑度,困惑度用于表示根据3-gram语言模型中的每个元素的概率来估计完整序列出现的概率。困惑度实质上为概率的倒数,所以电子设备可以获取3-gram语言模型输出的困惑度,从而确定待处理轨迹的对应的概率,即为该困惑度的倒数,那么,困惑度越小,待处理轨迹的对应的概率则越大。
136.在一种实施方式中,由于待处理轨迹包括的卡口的位置信息对应的概率通常为小于1的数值,多个概率相乘之后得到的待处理轨迹对应的概率则为包括多位小数的数值,即会出现乘积下溢的问题,为了避免概率多次相乘造成乘积下溢,可以对该概率取对数处理,使其成为大于1的数值,便于计算。例如,以行驶轨迹对应的概率进行说明,可以对行驶轨迹包括的卡口的位置信息对应的概率,取以10为底的对数,得到处理后的行驶轨迹对应的概率为:
137.p

(x1,x2,x3…
xm)=lgp(x1)*lgp(x2|x1)*lgp(x3|x1,x2)

lgp(xm|x
m-2
,x
m-1
)
138.其中,x1,x2,x3…
xm为所述行驶轨迹包括的卡口的位置信息,lgp(x1)表示以10为
底,位置信息x1对应的概率的对数;lgp(x2|x1)表示以10为底,位置信息x2对应的概率的对数;lgp(x3|x1,x2)表示以10为底,位置信息x3对应的概率的对数;lgp(xm|x
m-2
,x
m-1
)表示以10为底位置信息,xm对应的概率的对数。
139.在本实施例中,电子设备可以通过上述公式计算得到行驶轨迹或采样轨迹对应的概率,可以量化且准确地确定行驶轨迹对应的概率和采样轨迹对应的概率,进一步减少了虚假车牌车辆的误判,大大提高了虚假车牌车辆判断的准确性,还可以降低识别过程的计算压力,结合大数据技术,可以提供了更强的计算能力。
140.作为本发明实施例的一种实施方式,上述待处理轨迹中包括由位置信息组成的n元组满足缺失条件时,该n元组对应的概率为预设值,其中,所述缺失条件为n元组中至少一个位置信息缺失。
141.路网中的卡口的位置信息可能会存在丢失的情况,为了在这种情况下顺利计算待处理轨迹对应的概率,电子设备可以在待处理轨迹中包括由位置信息组成的n元组满足缺失条件时,将该n元组对应的概率设置为预设值。例如,在行驶轨迹中包括的三元组(x
n+1
,xn,x
n-1
)满足x
n+1
、xn、x
n-1
中至少一个缺失时,设置p(x
n+1
|x
n-1
,xn)为预设值。当然n还可以为1、2等其他整数,在此不做具体限定。
142.其中,上述预设值可以为一个极小的数值,以避免因为预设值的加入扩大行驶轨迹对应的概率而造成识别结果不准确。例如,可以根据道路交通安全管理部门的工作人员的工作经验,设置该预设值的数量级为10-5
等,在此不做具体限定。
143.在一种实施方式中,电子设备可以对待处理轨迹包括的多个卡口的位置信息对应的概率进行平滑处理,以减小数据缺失对待处理轨迹对应的概率的影响。例如,可以采用add-one smooth(加1平滑)方法,也即是在计算每一卡口的位置信息对应的概率时,可以将该卡口的位置信息对应的事件出现的次数count(a)加1,并将该卡口的位置信息对应的总事件的次数count(total)加v,进而重新计算该卡口的位置信息对应的概率。那么该卡口的位置信息对应的原始概率为经过上述平滑处理得到的该卡口的位置信息对应的概率即为其中,v可以是预先设置的某一常数,在此不做具体限定。
144.在本实施例中,电子设备可以在待处理轨迹中包括的由位置信息组成的n元组满足缺失条件时,将该n元组对应的概率设置为预设值。从而避免了路网中的卡口的位置信息丢失时,造成的行驶轨迹或采样轨迹对应的概率不准确的问题,也可以对多个卡口的位置信息对应的概率进行平滑处理,从而大大降低了数据缺失对概率计算的影响。
145.作为本发明实施例的一种实施方式,如图3所示,在上述基于历史过车数据,获取疑似车辆的行驶轨迹和非疑似车辆的采样轨迹的步骤之前,上述方法还可以包括:
146.s301,采用最短过车时间筛选方式,从历史过车数据中筛选出可疑过车数据。
147.疑似车辆为存在使用虚假车牌可能性的车辆,在本实施例中,可以采用最短过车时间的方式,从历史过车数据中筛选出可疑过车数据。也即针对路网中的两个卡口,基于该两个卡口的位置信息确定卡口间的距离,并确定卡口间的最大车速,从而计算卡口间的距离与最大车速的比值,作为最短过车时间。电子设备获取的历史过车数据中可以包括车辆经过卡口的过车时间,由于最短过车时间已经是车辆以最大车速通过该两个卡口的时间,
如果某一车辆通过该两个卡口的过车时间的差值小于最短过车时间,可以认为该两个卡口的历史过车数据并不是同一车辆的过车数据。该车辆有使用虚假车牌的可能性,因此可以将对应的历史过车数据确定为可疑过车数据。
148.s302,将所述可疑过车数据所对应的车辆,确定为疑似车辆。
149.历史过车数据中可以包括车辆的车牌信息,例如,路网中的卡口可以获取经过该卡口的车辆的图像,并确定该车辆的车牌号、车牌颜色等信息,从而得到该车辆对应的车牌信息。电子设备可以确定可疑过车数据所包括的车牌信息,并将该车牌信息对应的车辆确定为疑似车辆。
150.在本实施例中,电子设备可以采用最短过车时间筛选方式,从历史过车数据中筛选出可疑过车数据,并将可疑过车数据所对应的车辆,确定为疑似车辆。得到的疑似车辆存在较大的使用虚假车牌的可能性,进而再结合该疑似车辆的行驶轨迹进行概率分析,可以更好地减少虚假车牌车辆的误判,大大提高了虚假车牌车辆的识别准确度。
151.作为本发明实施例的一种实施方式,如图4所示,上述采用最短过车时间筛选方式,从历史过车数据中筛选出可疑过车数据的步骤,可以包括:
152.s401,获取预设时间范围内的历史过车数据,并对所述历史过车数据进行数据清洗。
153.电子设备可以获取预设时间范围内的历史过车数据,预设时间范围可以根据虚假车牌车辆的识别准确度需求以及计算能力等实际情况进行设置,例如,可以为2天、3天、4天等,在此不做具体限定。电子设备可以对预设时间范围内的历史过车数据进行数据清洗,也即过滤出拍摄到了车辆的车牌号、车牌颜色等信息的历史过车数据,且该历史过车数据对应的卡口的位置信息不为空值或不确定的值。
154.在一种实施方式中,电子设备还可以对获取的过滤出的历史过车数据进行正则校验,正则校验为通过正则表达式匹配目标字符串,进而判断是否匹配。在本实施例中,可以预设车牌号的正则表达式,判断识别到的车牌号是否与预设的正则表达式匹配,例如,可以根据车牌号规则判断识别到的车牌号的首个字符是否为预设的多个汉字中的一个,可以判断识别到的车牌号的第二个字符是否英文字母等,在此不做具体限定。进而电子设备可以剔除正则校验过程中不匹配的车牌号对应的历史过车数据。
155.s402,针对每一车牌信息,将对应的历史过车数据按照过车时间顺序排序,得到排序后的历史过车数据。
156.电子设备可以基于历史过车数据包括的车辆的车牌号、车牌颜色等信息,确定出每一车牌信息,并针对每一车牌信息,将该车牌信息对应的历史过车数据按照过车时间顺序排序,从而可以得到每一车牌信息对应的排序后的历史过车数据。该排序后的历史过车数据中可以包括多个路网中多个卡口的位置信息,和该车牌信息对应的车辆经过该卡口的过车时间。
157.s403,将所述排序后的历史过车数据进行自关联,并计算相邻卡口间的最短过车时间。
158.电子设备可以将排序后的历史过车数据进行自关联,也即可以针对每一车牌信息,将该车牌信息对应的排序后的历史过车数据进行组合。例如,电子设备获取了3天内的历史过车数据,针对每一车牌信息,可以将每天获取的历史过车数据,按照过车时间顺序进
行组合,从而获取每一天内的排序后的历史过车数据。
159.在上述组合过程中,电子设备可以过滤掉卡口相同且获取时间相同的历史过车数据;也可以过滤掉获取时间大于预设间隔的历史过车数据。例如,由于路网中卡口可以包括多个抓拍机,卡口相同且获取时间相同的历史过车数据可能为多个抓拍机同时获取的过车数据,为了避免数据重复,电子设备可以过滤掉卡口相同且获取时间相同的历史过车数据。
160.针对获取时间大于预设间隔的历史过车数据,可以认为该历史过车数据不是基于车辆连续行驶获取的过车数据,也即车辆在行驶过程中有停止,那么通过最短过车时间判断该车辆是否为虚假车牌车辆是不准确的,电子设备可以过滤掉获取时间大于预设间隔的历史过车数据。其中,预设间隔可以基于路网中卡口的距离进行设置,例如,预设间隔可以为1.5小时、2小时、2.5小时等,在此不做具体限定。
161.进而,电子设备可以从每一天内的排序后的历史过车数据中,确定出过车时间相邻的卡口。并基于该相邻卡口的位置信息以及车辆经过前一卡口和后一卡口的过车时间,计算得到相邻卡口间的最短过车时间。
162.以卡口的位置信息为改卡口的经纬度进行举例说明,电子设备可以通过以下公式计算得到该相邻卡口的点位距离:
163.l=r*2*(sin((lat2-lat1)/2)2+cos(lat1)*cos(lat2)*sin((lon2-lon1)/2)2)
164.其中,r为地球半径,(lon1,lat1)为该相邻卡口中前一卡口的经纬度,(lon2,lat2)为该相邻卡口中后一卡口的经纬度。
165.进而电子设备可以计算该相邻卡口的点位距离与该相邻卡口之间的最大车速的比值,作为最短过车时间,最大车速为预先设置的车辆速度,例如,可以为该相邻卡口所在道路的所限制的最大车速,也可以为工作人员预先获取的该相邻卡口间车辆真实行驶过程中的最大速度,如35米每秒等,在此不做具体限定。
166.s404,从所述历史过车数据筛选出过车时间小于所述相邻卡口间的最短过车时间的过车数据,作为可疑过车数据。
167.由于确定了相邻卡口间的最短过车时间,基于历史过车数据,电子设备可以计算每一车辆在该相邻卡口间的过车时间,并判断该车辆的过车时间是否小于该最短过车时间,如果该车辆的过车时间小于该最短过车时间,可以认为,前一卡口的历史过车数据和后一卡口的历史过车数据并不是同一车辆的过车数据,电子设备可以将对应的历史过车数据作为可疑过车数据。
168.在一种实施方式中,电子设备可以计算相邻卡口间的最短过车时间与阈值调整比率的乘积,并筛选出过车时间小于该乘积的过车数据,作为可疑过车数据。其中,阈值调整比率可以根据路网中该相邻卡口所在位置的道路活跃度等实际情况进行设置。例如,当该位置的道路活跃度高时,车辆较多,最短过车时间相应的会变大,可以设置阈值调整比率为1.1;同理,当该位置的道路活跃度低时,可以设置阈值调整比率为0.9等,再次不做具体限定。
169.在本实施例中,电子设备可以获取预设时间范围内的历史过车数据,并对历史过车数据进行数据清洗。针对每一车牌信息,可以将对应的历史过车数据按照过车时间顺序排序,并将排序后的历史过车数据进行自关联,计算相邻卡口间的最短过车时间。进而可以从历史过车数据筛选出过车时间小于相邻卡口间的最短过车时间的过车数据,作为可疑过
车数据。通过上述方法,可以更加准确地获取可疑过车数据,从而确定的疑似车辆使用虚假车牌的可能性较大。
170.下面结合图5所示的一种识别虚假车牌车辆的流程图,对虚假车牌车辆的具体识别流程进行介绍。
171.s501,开始。
172.s502,历史过车数据清洗。
173.电子设备可以获取预设时间范围内的历史过车数据,并对历史过车数据进行数据清洗。
174.s503,生成车辆轨迹数据。
175.电子设备可以针对每一车牌信息,将对应的历史过车数据按照过车时间顺序排序,得到排序后的历史过车数据,进而可以基于历史过车数据包括的各卡口的位置信息,生成对应的车辆的轨迹。
176.s504,计算相邻卡口最短过车时间。
177.电子设备可以将排序后的历史过车数据进行自关联,并计算相邻卡口间的最短过车时间。
178.s505,过车时间是否小于最短过车时间*阈值调整比率。
179.电子设备可以判断每一车辆在该相邻卡口间的过车时间是否小于最短过车时间与阈值调整比率的乘积,如果不小于该乘积,电子设备可以执行步骤s506;如果小于该乘积,电子设备可以执行步骤s507。
180.s506,为非疑似车辆。
181.如果车辆在该相邻卡口间的过车时间不小于最短过车时间与阈值调整比率的乘积,电子设备可以确定该车辆为非疑似车辆。
182.s507,计算疑似车辆的行驶轨迹对应的概率。
183.如果车辆在该相邻卡口间的过车时间小于最短过车时间与阈值调整比率的乘积,电子设备可以确定该车辆为疑似车辆。并根据疑似车辆的行驶轨迹包括的各卡口的位置信息之间的关系,计算行驶轨迹对应的概率。
184.s508,获取非疑似车辆的采样轨迹,并计算对应的概率的平均值。
185.电子设备可以获取非疑似车辆的采样轨迹,并根据采样轨迹包括的各卡口的位置信息之间的关系,计算采样轨迹对应的概率,并计算多个采样轨迹对应的概率的平均值。
186.s509,两者概率差是否大于阈值。
187.电子设备可以计算多个采样轨迹对应的概率的平均值与行驶轨迹对应的概率之间的差值,并判断该差值是否大于预设阈值,如果不大于预设阈值,电子设备可以执行步骤s510;如果大于预设阈值,电子设备可以执行步骤s511。
188.s510,不为虚假车牌车辆。
189.如果多个采样轨迹对应的概率的平均值与行驶轨迹对应的概率之间的差值不大于预设阈值,电子设备可以确定该车辆不为虚假车牌车辆。
190.s511,为虚假车牌车辆。
191.如果多个采样轨迹对应的概率的平均值与行驶轨迹对应的概率之间的差值大于预设阈值,电子设备可以确定该车辆为虚假车牌车辆。
192.在本实施例中,电子设备可以采用最短过车时间的方式,确定疑似车辆和非疑似车辆,并计算疑似车辆的行驶轨迹对应的概率,计算非疑似车辆的采样轨迹对应的概率。进而基于采样轨迹对应的概率与行驶轨迹对应的概率的差值与预设阈值的大小关系,判断车辆是否为虚假车牌车辆。从而减少了虚假车牌车辆的误判,大大提高了虚假车牌车辆的识别准确度。
193.相应于上述虚假车牌车辆的识别方法,本发明实施例还提供了一种虚假车牌车辆的识别装置,下面对本发明实施例所提供的一种虚假车牌车辆的识别装置进行介绍。
194.如图6所示,一种虚假车牌车辆的识别装置,所述装置包括:
195.轨迹获取模块601,用于基于历史过车数据,获取疑似车辆的行驶轨迹和非疑似车辆的采样轨迹;
196.其中,所述行驶轨迹和所述采样轨迹包括相同卡口的位置信息。
197.第一概率计算模块602,用于根据所述行驶轨迹包括的各卡口的位置信息之间的关系,计算所述行驶轨迹对应的概率。
198.第二概率计算模块603,用于根据所述采样轨迹包括的各卡口的位置信息之间的关系,计算所述采样轨迹对应的概率。
199.虚假车牌车辆确定模块604,用于基于所述行驶轨迹对应的概率与所述采样轨迹对应的概率之间的大小关系,确定所述疑似车辆是否为虚假车牌车辆。
200.可见,本发明实施例提供的方案中,电子设备可以基于历史过车数据,获取疑似车辆的行驶轨迹和非疑似车辆的采样轨迹,其中,行驶轨迹和采样轨迹包括相同卡口的位置信息。并根据行驶轨迹包括的各卡口的位置信息之间的关系,计算行驶轨迹对应的概率,根据采样轨迹包括的各卡口的位置信息之间的关系,计算采样轨迹对应的概率,进而可以基于行驶轨迹对应的概率与采样轨迹对应的概率之间的大小关系,确定疑似车辆是否为虚假车牌车辆。本方案中,分别计算疑似车辆的行驶轨迹和非疑似车辆的采样轨迹的概率,并将行驶轨迹的性概率与采样轨迹的概率进行比较,进而将与非疑似车辆的采样轨迹的概率相差较大的行驶轨迹对应的疑似车辆确定为虚假车牌车辆,由于非疑似车辆的采样轨迹是真实合理的,行驶轨迹和采样轨迹包括相同卡口的位置信息,也就是说,二者是车辆在相近位置区域的轨迹,那么如果疑似车辆不是虚假车牌车辆,那么其对应的概率应该与采样轨迹对应的概率相近,所以如果与非疑似车辆的采样轨迹的概率相差较大说明该行驶轨迹的真实性和合理性较差,很可能为虚假车牌车辆对应的行驶轨迹,所以可以准确确定虚假车牌车辆,减少了虚假车牌车辆的误判,大大提高了虚假车牌车辆的识别准确度。
201.作为本发明实施例的一种实施方式,上述轨迹获取模块601可以包括:
202.第一获取单元,用于从所述历史过车数据中,获取疑似车辆的行驶轨迹,其中,所述行驶轨迹包括第一预设数量个连续卡口的位置信息;
203.第二获取单元,用于从所述历史过车数据中,获取非疑似车辆的采样轨迹。
204.其中,所述采样轨迹包括第二预设数量个连续卡口的位置信息,所述第二预设数量个连续卡口中位于非首尾位置的至少一个卡口与所述第一预设数量个连续卡口中位于非首尾位置的卡口相同。
205.作为本发明实施例的一种实施方式,上述第二预设数量个连续卡口中位于中间位置的卡口可以与所述第一预设数量个连续卡口中位于中间位置的卡口相同。
architecture,eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
227.通信接口用于上述电子设备与其他设备之间的通信。
228.存储器可以包括随机存取存储器(random access memory,ram),也可以包括非易失性存储器(non-volatile memory,nvm),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
229.上述的处理器可以是通用处理器,包括中央处理器(central processing unit,cpu)、网络处理器(network processor,np)等;还可以是数字信号处理器(digital signal processor,dsp)、专用集成电路(application specific integrated circuit,asic)、现场可编程门阵列(field-programmable gate array,fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
230.在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该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上述任一实施例所述的方法的步骤。
231.在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述任一实施例所述的方法步骤。
232.在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
233.需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物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、物品或者设备中还存在另外的相同要素。
234.本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备、计算机可读存储介质以及计算机程序产品实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
235.以上所述仅为本发明的较佳实施例,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1