新车型识别方法及其在套牌车辆鉴别中的应用

提出一种用于判决车辆类型的车灯定位识别方法,可解决套牌车辆鉴别问题。在车牌和车标识别基础上,以车牌中心点为准,选取相对完整的单个车灯,从靠近车标一方开始,截取车灯垂直幅值倍数的水平宽度作为有效区域,然后对其进行大小和方向归一化处理;接着使用图像的不变矩距离分类器在车标确定的车系中进行车灯识别,根据车灯识别结果确定车辆具体车型;最后结合车型识别结果和牌照信息在车辆信息库中比对,判断是否为套牌车辆。经交通卡口获取的实测图像进行测试结果表明,车型识别准确度为95.5%。

车辆假套牌识别、定位反馈装置研究

针对车辆假套牌问题,重点研究了车辆假套牌识别,定位反馈装置在打击假套牌车辆中的应用。详细分析了定位反馈装置的工作原理、技术要点以及在实际操作中的效果评估。研究结果表明,车辆假套牌、定位反馈装置能够有效提高假套牌车辆的识别率和追踪效率,为公安部门打击违法行为提供了一种新的技术手段。

基于多任务Faster R-CNN车辆假牌套牌的检测方法

针对现有车辆假牌套牌各种检测方法存在计算复杂度高、检测精度低、鲁棒性欠缺等问题,提出一种基于多任务的高速区域卷积神经网络(Faster R-CNN)车辆假牌套牌的检测方法。首先利用时空约束得到疑似套牌车辆,接着用Faster R-CNN定位分割出车辆前脸部分图像,然后对疑似套牌车辆的车脸公脸部分(车辆的基本特征)的特征进行比对;在此基础上再对高仿套牌车辆的车脸私脸部分(车检标)的细微特征进行检测比对。这种分层次的、从车辆宏观特征到微观特征的视觉检测方法,具有检测速度快、鲁棒性高、泛化能力强、实施部署方便、检测精度高等优点。实验研究表明,在Vehicle ID数据集和杭州卡口数据集中分别取得了99.39%、99.22%的检测精度。

基于Kafka和Storm的车辆套牌实时分析存储系统

城市机动车数量、出行量的增加,使得车辆套牌现象屡禁不止.交管部门为了解决套牌监测的难题,采用传统的识别方式(如基于人工识别、基于牌照识别、基于射频识别等).然而面对海量的日志记录,这些方式普遍存在效率低、实时性差的问题.为此引入大数据技术,提出一个基于Kafka和Storm的车辆套牌实时分析存储系统.Kafka可以作为中间件进行缓存,提高数据采集和数据分析的同步性,还能避免数据丢失;Storm框架可以实现日志信息的实时计算,然后将套牌车辆信息存入指定文档中.整个系统具有实时、分布式存储、稳定、可扩展等特性.

基于物联网的车辆套牌稽核系统

汽车给人们生活带来方便,成为人们的代步工具。大量的违法套牌车辆不断涌现,给交通执法部门带来很大的困扰。针对目前套牌车辆泛滥的现状,我们提出了一种基于物联网的车辆套牌稽核系统。采用了C#、Sql Server2014、MATLAB,结合最短路径算法、电子地图等方法,提出了车牌判定及车辆定位算法,并应用于该系统,验证了系统是可行的。

机动车套牌的违法特征及治理套牌车的法律适用

阵辆套牌损害国家、社会的经济利益，侵犯车牌所有人的合法权益，影响道路交通安全，扰乱正常的市场秩序，具有相当大的社会危害性。因此，若想有效打击套牌车，必须加强对车辆套牌的处罚力度，完善治理套牌车的法律依据。

基于多分支卷积神经网络的车辆图像比对方法

为了更有针对性地从车辆图像的不同区域提取出独特的图像特征,提出基于多分支卷积神经网络的车辆图像比对方法。首先,根据车牌定位结果获取比对车辆的车脸图像,并根据车脸图像的纹理丰富度将车脸图像划分为多个图像块;其次,使用多分支卷积神经网络分别提取各车脸图像块的深度特征;最后,通过计算车脸图像深度特征的相似度判定比对的车辆图像是否属于同种车型。实验表明,提出的方法能够提取有效的车辆图像各区域的深度特征,获得良好的车辆比对准确率,可用于套牌车辆识别。

射频与视频识别相结合的卡口系统

为了改善目前查缉套牌车辆方式的现状,创新性地研发了射频识别与视频识别相结合的卡口系统,阐述了该系统的功能及报警机制,并将其应用在套牌车辆查缉布控的工作中,取得了显著的效果。