[發明專利]一種異常車牌推選方法及裝置在審
| 申請號： | 201911384960.1 | 申請日： | 2019-12-28 |
| 公開（公告）號： | CN111767776A | 公開（公告）日： | 2020-10-13 |
| 發明（設計）人： | 吳帥君 | 申請（專利權）人： | 西安宇視信息科技有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G08G1/017 |
| 代理公司： | 杭州君度專利代理事務所(特殊普通合伙) 33240 | 代理人： | 楊天嬌 |
| 地址： | 710199 陜西省西安市國家民*** | 國省代碼： | 陜西;61 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 異常 車牌 推選 方法 裝置 | ||
1.一種異常車牌推選方法，其特征在于，所述方法包括：
獲取目標車輛特征，進行軌跡搜索，利用軌跡特征判斷模型判斷是否存在車牌變更行為；
在判斷存在車牌變更行為時，對分析條件內的所有過車記錄按照車牌變更行為類型分別進行分析，提取分析命中目標的特征；
將命中目標的特征與目標車輛特征進行比對，在存在關聯時，將關聯的過車記錄作為異常車牌推選結果保存。
2.根據權利要求1所述的異常車牌推選方法，其特征在于，所述進行軌跡搜索，利用軌跡特征判斷模型判斷是否存在車牌變更行為，包括：
判斷軌跡中出現的點位總數是否小于等于第一數量閾值，如果是，則統計軌跡中抓拍卡口數量，
當抓拍卡口數量大于第二數量閾值時，判斷存在車牌變更行為；
當抓拍卡口數量小于等于第二數量閾值，或軌跡中出現的點位總數大于第一數量閾值時，計算最后出現的點位和案發地的距離，以及最后出現的時間與當前分析時間的時間差；
判斷最后出現的點位和案發地的距離是否小于第一距離閾值，且時間差是否大于第一時間閾值，如果否，則判斷不存在車牌變更行為；如果是，則根據抓拍卡口數量、最后出現的點位和案發地的距離、時間差計算存在車牌變更行為的概率；
當存在異常車牌的概率大于預設概率閾值時，判斷存在車牌變更行為。
3.根據權利要求2所述的異常車牌推選方法，其特征在于，所述根據抓拍卡口數量、最后出現的點位和案發地的距離和時間差計算存在車牌變更行為的概率，包括：
求取抓拍卡口數量、最后出現的點位和案發地的距離、時間差的倒數與對應權重的乘積的和，作為存在車牌變更行為的概率。
4.根據權利要求1所述的異常車牌推選方法，其特征在于，所述進行軌跡搜索，利用軌跡特征判斷模型判斷是否存在車牌變更行為，包括：
根據軌跡搜索結果，計算最后出現的點位和案發地的距離，以及最后出現的時間與當前分析時間的時間差；
最后出現的點位和案發地的距離小于第一距離閾值，且時間差大于第一時間閾值，則認為存在車牌變更行為，否則認為不存在車牌變更行為。
5.根據權利要求1所述的異常車牌推選方法，其特征在于，所述分析條件，包括案發區域和時段，以及各個已知目標車輛的點位附近區域和時段。
6.一種異常車牌推選裝置，其特征在于，所述裝置包括：
軌跡搜索模塊，用于獲取目標車輛特征，進行軌跡搜索，利用軌跡特征判斷模型判斷是否存在車牌變更行為；
過車記錄分析模塊，用于在判斷存在車牌變更行為時，對分析條件內的所有過車記錄按照車牌變更行為類型分別進行分析，提取分析命中目標的特征；
比對模塊，用于將命中目標的特征與目標車輛特征進行比對，在存在關聯時，將關聯的過車記錄作為異常車牌推選結果保存。
7.根據權利要求6所述的異常車牌推選裝置，其特征在于，所述軌跡搜索模塊進行軌跡搜索，利用軌跡特征判斷模型判斷是否存在車牌變更行為，執行如下操作：
判斷軌跡中出現的點位總數是否小于等于第一數量閾值，如果是，則統計軌跡中抓拍卡口數量，
當抓拍卡口數量大于第二數量閾值時，判斷存在車牌變更行為；
當抓拍卡口數量小于等于第二數量閾值，或軌跡中出現的點位總數大于第一數量閾值時，計算最后出現的點位和案發地的距離，以及最后出現的時間與當前分析時間的時間差；
判斷最后出現的點位和案發地的距離是否小于第一距離閾值，且時間差是否大于第一時間閾值，如果否，則判斷不存在車牌變更行為；如果是，則根據抓拍卡口數量、最后出現的點位和案發地的距離、時間差計算存在車牌變更行為的概率；
當存在異常車牌的概率大于預設概率閾值時，判斷存在車牌變更行為。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于西安宇視信息科技有限公司，未經西安宇視信息科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201911384960.1/1.html，轉載請聲明來源鉆瓜專利網。
