一种基于智能交通的换牌车辆检测方法及其系统的制作方法
【专利摘要】本发明涉及基于智能交通的换牌车辆检测方法，其包括以下步骤：(1)通过卡口相机抓拍车辆图片，并在所述车辆图片中识别车辆检测区域；(2)在所述车辆检测区域内提取车辆描述信息特征；(3)将所述车辆描述信息特征与车管所数据库中的数据进行比对，若比对结果不一致，则相应车辆为换牌车。此外，本发明还涉及基于智能交通的换牌车辆检测系统。本发明的基于智能交通的换牌车辆检测方法及其系统能够换牌车辆的迅速识别，并能够实现对嫌疑车辆的跟踪及抓捕。
【专利说明】
一种基于智能交通的换牌车辆检测方法及其系统
技术领域
[0001]本发明属于车辆检测技术领域，涉及一种换牌车辆检测方法及其系统，具体涉及一种基于智能交通的换牌车辆检测方法及其系统。
【背景技术】
[0002]依赖车牌信息、车架号等进行交通管制的技术，对于交通管制、公路布控、公路收费等具有深远的意义。但是，目前社会上存在大量的换牌车辆。如果不能对换牌车辆进行高效的识别，那么将严重影响交通管理技术的应用。
[0003]因此，针对目前存在的大量换牌车辆，如何快速高效的识别出换牌车是首先要解决的问题。此外，如何判定该换牌车为套牌车或者在逃嫌疑车也是急需解决的问题，尤其在越来越多的交通逃逸事件中，犯罪嫌疑人为逃避捕获，在逃逸途中通过更换车牌，扰乱视野，增加抓捕难度，扰乱社会治安。因此，如何独立于车牌实现对嫌疑车辆的跟踪及抓捕，已成为智能交通管理技术研究领域的一个新的挑战。
[0004]鉴于现有技术的上述技术缺陷，迫切需要研制一种新型的换牌车辆检测方法及其系统。
【发明内容】
[0005]本发明的目的在于克服现有技术中存在的缺点，提供一种基于智能交通的换牌车辆检测方法及其系统，该基于智能交通的换牌车辆检测方法及其系统能够换牌车辆的迅速识别，并能够实现对嫌疑车辆的跟踪及抓捕
[0006]为了实现上述目的，本发明提供如下技术方案:一种基于智能交通的换牌车辆检测方法，其特征在于，包括以下步骤:
[0007](I)通过卡口相机抓拍车辆图片，并在所述车辆图片中识别车辆检测区域；
[0008](2)在所述车辆检测区域内提取车辆描述信息特征；
[0009](3)将所述车辆描述信息特征与车管所数据库中的数据进行比对，若比对结果不一致，则相应车辆为换牌车。
[0010]进一步地，其中，所述车辆检测区域中设置有特征码，通过所述特征码提取所述车辆描述信息特征。
[0011]更进一步地，其中所述基于智能交通的换牌车辆检测方法还包括:(4)提取所述换牌车在多个其它卡口相机所抓拍车辆图片中的车辆描述信息特征；(5)将来自多个其它卡口相机所抓拍车辆图片中的车辆描述信息特征进行比对，若比对结果不一致，则将所述车辆描述信息特征与已布控的黑名单嫌疑车信息库数据进行比对，若比对结果一致，则所述换牌车为在逃嫌疑车，反之，所述换牌车为套牌车。
[0012]再进一步地，其中，所述基于智能交通的换牌车辆检测方法还包括:(6)根据所述套牌车或者在逃嫌疑车的车辆描述信息特征，获取其行车轨迹，并预估其逃逸方向。
[0013]再更进一步地，其中，所述车辆描述信息特征包括结构化特征和非结构化特征，所述结构化特征包括车牌号、车架号、车标、车型和车身颜色，所述非结构化特征包括纹理和形状。
[0014]此外，本发明还提供一种基于智能交通的换牌车辆检测系统，其特征在于，包括:
[0015]车辆检测区域识别模块，所述车辆检测区域识别模块用于在通过卡口相机抓拍的车辆图片中识别车辆检测区域；
[0016]车辆描述信息特征提取模块，所述车辆描述信息特征提取模块用于在所述车辆检测区域内提取车辆描述信息特征；
[0017]换牌车比对模块，所述换牌车比对模块用于将所述车辆描述信息特征与车管所数据库中的数据进行比对，若比对结果不一致，则相应车辆为换牌车。
[0018]进一步地，其中，所述车辆检测区域中设置有特征码，通过所述特征码提取所述车辆描述信息特征。
[0019]更进一步地，其中，所述基于智能交通的换牌车辆检测系统还包括:换牌车性质检测模块，所述换牌车性质检测模块用于提取所述换牌车在通过多个其它卡口相机抓拍的车辆图片中的车辆描述信息特征，并将来自多个其它卡口相机抓拍的车辆图片中的车辆描述信息特征进行比对，若比对结果不一致，则将所述车辆描述信息特征与已布控的黑名单嫌疑车信息库数据进行比对，若比对结果一致，则所述换牌车为在逃嫌疑车，反之，该换牌车为套牌车。
[0020]再进一步地，其中，所述基于智能交通的换牌车辆检测系统还包括:逃逸预估模块，所述逃逸预估模块用于根据所述套牌车或者在逃嫌疑车的车辆描述信息特征，获取其行车轨迹，并预估其逃逸方向。
[0021]再更进一步地，其中，所述车辆描述信息特征包括结构化特征和非结构化特征，所述结构化特征包括车牌号、车架号、车标、车型和车身颜色，所述非结构化特征包括纹理和形状。
[0022]本发明的基于智能交通的换牌车辆检测方法及其系统将交通管制与后端再录入数据有效结合，依赖前端卡口相机获取车辆的包含车牌在内的车辆描述信息特征，通过与车管所数据库中的信息一次比对，判定是否为换牌车辆，高效快速。此外，本发明的基于智能交通的换牌车辆检测方法及其系统在进一步确认该换牌车的性质时，结合各个卡口相机抓拍的图片中的车辆描述信息特征的比对，及数据分析来判定该换牌车为套牌车或者在逃嫌疑车，使得在有效抓捕套牌车辆的同时，也解决肇事逃逸途中因频换更换车牌而引发的目标难定位，捕获困难的问题。
【附图说明】
[0023]图1为本发明的基于智能交通的换牌车辆检测方法的流程示意图。
[0024]图2是本发明的基于智能交通的换牌车辆检测方法中的换牌车性质检测和逃逸预估的流程示意图。
[0025]图3是本发明的基于智能交通的换牌车辆检测系统的构成示意图。
【具体实施方式】
[0026]下面结合附图和实施例对本发明进一步说明，实施例的内容不作为对本发明的保护范围的限制。
[0027]图1示出了本发明的基于智能交通的换牌车辆检测方法的流程示意图。如图1所示，本发明的基于智能交通的换牌车辆检测方法包括以下步骤:
[0028]首先，通过卡口相机抓拍车辆图片，并在所述车辆图片中识别车辆检测区域。其中，所述车辆检测区域为在所述车辆图片中初始设定的一块封闭区域，在该区域内进行车辆检测，该区域以外的范围，不进行车辆检测。
[0029]在本发明中，优选地，在所述车辆图片中利用基于harr、acf或深度学习的车辆检测技术识别车辆检测区域。其中，基于Haar特征的检测技术为:haar特征为边缘、线性、中心等模板特征，通过不同模板特征的选取与组合和级联分类器来完成特定检测任务。基于ACF(Aggregate Channel Features)特征的检测技术为一种在基于Harr特征的检测技术上改进的快速高效的滑动窗检测器。基于深度学习的检测技术为:利用深层神经网络自主的提取感兴趣区域以及物体特征，端到端的完成整个检测流程。具体采用哪种检测技术，由用户根据需要进行选择。这种检测技术都是本领域的常用技术，并非本发明的重点所在，为了简化，在此不作详细描述。
[0030]其次，在所述车辆检测区域内提取车辆描述信息特征。在本发明中，优选地，所述车辆检测区域中设置有特征码，通过所述特征码提取所述车辆描述信息特征。具体地，所述特征码可以是一个类似于二维码的图形，通过扫描该二维码的图形即可获得所述车辆描述信息特征。通过在所述车辆检测区域中设置特征码，能够避免车架号等信息不易被排到的缺点，从而便于获得各种车辆描述信息特征。
[0031]在本发明中，所述车辆描述信息特征包括结构化特征和非结构化特征。所述结构化特征包括车牌号、车架号、车标、车型和车身颜色。所述非结构化特征包括纹理和形状。
[0032]在本发明中，对车辆描述信息特征的提取可采用基于深度学习网络的特征提取，亦可采用基于浅层机器学习的方法实现。其中，基于深度学习网络的特征提取为通过深层网络学习到的特征自主地提取图像特征。基于浅层机器学习的方法为通过人工设计的手工模板特征以及等效的浅层网络提取图像特征。具体采用哪种特征提取技术，由用户根据需要进行选择。这种特征提取技术都是本领域的常用技术，并非本发明的重点所在，为了简化，在此不作详细描述。
[0033]再次，将所述车辆描述信息特征与车管所数据库中的数据进行比对，若比对结果不一致，则相应车辆为换牌车;若比对结果一致，则相应车辆不是换牌车，可以进行下一帧车辆图片的检测，以检测下一辆车是否为换牌车。这样，即可实现换牌车的识别和检测。
[0034]由于每辆车正规挂牌上路前都需在车管库内进行车辆信息登记，在正常情况下应为一车一牌，绝对的一一对应。故基于车牌的车辆描述信息的比对，若出现同车一牌，而车辆的其他描述信息均不一致，则该车为换牌车。
[0035]本发明的基于智能交通的换牌车辆检测方法还可以包括检测换牌车的性质和逃逸预估。
[0036]图2示出了本发明的基于智能交通的换牌车辆检测方法中的换牌车性质检测和逃逸预估的流程示意图。如图2所示，在进行换牌车性质检测和逃逸预估时，首先是提取所述换牌车在多个其它卡口相机所抓拍车辆图片中的车辆描述信息特征。同理，通过特征码提取所述车辆描述信息特征。并且，所述车辆描述信息特征也包括结构化特征和非结构化特征。所述结构化特征包括车牌号、车架号、车标、车型和车身颜色。所述非结构化特征包括纹理和形状。此外，具体的提取技术可采用基于深度学习网络的特征提取，亦可采用基于浅层机器学习的方法实现。
[0037]其次，将来自多个其它卡口相机所抓拍车辆图片中的车辆描述信息特征进行比对，若比对结果不一致，则将所述车辆描述信息特征与已布控的黑名单嫌疑车信息库数据进行比对，若比对结果一致，则所述换牌车为在逃嫌疑车，反之，所述换牌车为套牌车。
[0038]再次，可以根据所述套牌车或者在逃嫌疑车的车辆描述信息特征，获取其行车轨迹，并预估其逃逸方向，以进行布控拦截该车辆，以便对该车进行处罚或抓捕。本发明中，具体地，若干个卡口相机分别分布在不同的地理位置，形成一个卡扣相机抓拍网络。每个卡口相机之间信息是互通的，通过比对技术，就可以获知嫌疑车辆在一段时间内通过哪些卡口相机，将这些点位连接起来，形成车辆在该段时间内的行驶轨迹，通过行驶轨迹，可以预估车辆的逃逸方向。
[0039]图3示出了本发明的基于智能交通的换牌车辆检测系统的构成示意图。如图3所示，本发明的基于智能交通的换牌车辆检测系统包括:车辆检测区域识别模块、车辆描述信息特征提取模块和换牌车比对模块。
[0040]其中，所述车辆检测区域识别模块用于在通过卡口相机抓拍的车辆图片中识别车辆检测区域。如前所述，可以利用基于harr、aCf或深度学习的车辆检测技术识别车辆检测区域。
[0041]所述车辆描述信息特征提取模块用于在所述车辆检测区域内提取车辆描述信息特征。同理，可以在所述车辆检测区域中设置有特征码，通过所述特征码提取所述车辆描述信息特征。并且，如前所述，所述车辆描述信息特征包括结构化特征和非结构化特征。所述结构化特征包括车牌号、车架号、车标、车型和车身颜色。所述非结构化特征包括纹理和形状。此外，对车辆描述信息特征的提取可采用基于深度学习网络的特征提取，亦可采用基于浅层机器学习的方法实现。
[0042]所述换牌车比对模块用于将所述车辆描述信息特征与车管所数据库中的数据进行比对，若比对结果不一致，则相应车辆为换牌车。具体地，由于每辆车正规挂牌上路前都需在车管库内进行车辆信息登记，在正常情况下应为一车一牌，绝对的一一对应。故基于车牌的车辆描述信息的比对，若出现同车一牌，而车辆的其他描述信息均不一致，则该车为换牌车。
[0043]此外，在本发明中，所述基于智能交通的换牌车辆检测系统还包括换牌车性质检测模块。其中，所述换牌车性质检测模块用于提取所述换牌车在通过多个其它卡口相机抓拍的车辆图片中的车辆描述信息特征，并将来自多个其它卡口相机抓拍的车辆图片中的车辆描述信息特征进行比对，若比对结果不一致，则将所述车辆描述信息特征与已布控的黑名单嫌疑车信息库数据进行比对，若比对结果一致，则所述换牌车为在逃嫌疑车，反之，该换牌车为套牌车。
[0044]最后，本发明的基于智能交通的换牌车辆检测系统还包括逃逸预估模块。所述逃逸预估模块用于根据所述套牌车或者在逃嫌疑车的车辆描述信息特征，获取其行车轨迹，并预估其逃逸方向。
[0045]本发明的基于智能交通的换牌车辆检测方法及其系统将交通管制与后端再录入数据有效结合，依赖前端卡口相机获取车辆的包含车牌在内的车辆描述信息特征，通过与车管所数据库中的信息一次比对，判定是否为换牌车辆，高效快速。
[0046]此外，本发明的基于智能交通的换牌车辆检测方法及其系统在进一步确认该换牌车的性质时，结合各个卡口相机抓拍的图片中的车辆描述信息特征的比对，及数据分析来判定该换牌车为套牌车或者在逃嫌疑车，使得在有效抓捕套牌车辆的同时，也解决肇事逃逸途中因频换更换车牌而引发的目标难定位，捕获困难的问题。
[0047]本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无法对所有的实施方式予以穷举。凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
【主权项】
1.一种基于智能交通的换牌车辆检测方法，其特征在于，包括以下步骤: (1)通过卡口相机抓拍车辆图片，并在所述车辆图片中识别车辆检测区域； (2)在所述车辆检测区域内提取车辆描述信息特征； (3)将所述车辆描述信息特征与车管所数据库中的数据进行比对，若比对结果不一致，则相应车辆为换牌车。2.根据权利要求1所述的基于智能交通的换牌车辆检测方法，其特征在于，所述车辆检测区域中设置有特征码，通过所述特征码提取所述车辆描述信息特征。3.根据权利要求2所述的基于智能交通的换牌车辆检测方法，其特征在于，还包括:(4)提取所述换牌车在多个其它卡口相机所抓拍车辆图片中的车辆描述信息特征；(5)将来自多个其它卡口相机所抓拍车辆图片中的车辆描述信息特征进行比对，若比对结果不一致，则将所述车辆描述信息特征与已布控的黑名单嫌疑车信息库数据进行比对，若比对结果一致，则所述换牌车为在逃嫌疑车，反之，所述换牌车为套牌车。4.根据权利要求3所述的基于智能交通的换牌车辆检测方法，其特征在于，还包括:(6)根据所述套牌车或者在逃嫌疑车的车辆描述信息特征，获取其行车轨迹，并预估其逃逸方向。5.根据权利要求1-5中任一项所述的基于智能交通的换牌车辆检测方法，其特征在于，所述车辆描述信息特征包括结构化特征和非结构化特征，所述结构化特征包括车牌号、车架号、车标、车型和车身颜色，所述非结构化特征包括纹理和形状。6.一种基于智能交通的换牌车辆检测系统，其特征在于，包括: 车辆检测区域识别模块，所述车辆检测区域识别模块用于在通过卡口相机抓拍的车辆图片中识别车辆检测区域； 车辆描述信息特征提取模块，所述车辆描述信息特征提取模块用于在所述车辆检测区域内提取车辆描述信息特征； 换牌车比对模块，所述换牌车比对模块用于将所述车辆描述信息特征与车管所数据库中的数据进行比对，若比对结果不一致，则相应车辆为换牌车。7.根据权利要求6所述的基于智能交通的换牌车辆检测系统，其特征在于，所述车辆检测区域中设置有特征码，通过所述特征码提取所述车辆描述信息特征。8.根据权利要求7所述的基于智能交通的换牌车辆检测系统，其特征在于，还包括:换牌车性质检测模块，所述换牌车性质检测模块用于提取所述换牌车在通过多个其它卡口相机抓拍的车辆图片中的车辆描述信息特征，并将来自多个其它卡口相机抓拍的车辆图片中的车辆描述信息特征进行比对，若比对结果不一致，则将所述车辆描述信息特征与已布控的黑名单嫌疑车信息库数据进行比对，若比对结果一致，则所述换牌车为在逃嫌疑车，反之，该换牌车为套牌车。9.根据权利要求8所述的基于智能交通的换牌车辆检测系统，其特征在于，还包括:逃逸预估模块，所述逃逸预估模块用于根据所述套牌车或者在逃嫌疑车的车辆描述信息特征，获取其行车轨迹，并预估其逃逸方向。10.根据权利要求6-9中任一项所述的基于智能交通的换牌车辆检测系统，其特征在于，所述车辆描述信息特征包括结构化特征和非结构化特征，所述结构化特征包括车牌号、车架号、车标、车型和车身颜色，所述非结构化特征包括纹理和形状。
【文档编号】G08G1/017GK106056916SQ201610475096
【公开日】2016年10月26日
【申请日】2016年6月23日
【发明人】康赟, 章文, 王伟, 周阳阳, 杨光
【申请人】安徽时旭智能科技有限公司