[发明专利]一种基于深度学习的套牌车分析方法

摘要

本发明适用于套牌车辆识别的技术领域，公开了一种基于深度学习的套牌车分析方法，该方法基于车辆识别系统获取结构化过车记录及获取记录的位置，利用时空规则，提取出疑似套牌车；并根据疑似套牌车的车辆图片，通过二次识别，根据分类判别方法判定出套牌车。本发明一种基于深度学习的套牌车分析方法，采用时空规则和深度学习相结合的方法来达到套牌车辆的准确识别，解决了仅采用时空规则分析导致的准确度较低，无法排除车牌识别错误的问题，导致误判的情况；而仅采用车辆特征的识别，导致数据庞大，记标速度受限，识别较慢，通过时空规则和深度学习两者的结合，提高了识别的准确度和识别速度，提高套牌车辆的识别效果。

主权项

一种基于深度学习的套牌车分析方法，其特征在于：该方法基于车辆识别系统获取结构化过车记录及获取记录的位置，利用时空规则，提取出疑似套牌车；并根据疑似套牌车的车辆图片，通过二次识别，根据分类判别方法判定出套牌车，具体步骤如下：A）、初始化：从车辆识别系统中获取相同车牌的结构化过车记录和记录的位置，并输出一对结构化数据，车辆识别系统包括卡口系统，当车辆识别系统为卡口系统时，所述的记录的位置为卡口设置的地理位置；B）、疑似套牌车提取：根据步骤一中的一对结构化数据，利用时空规则提取出疑似套牌车，时空规则为，所述的为步骤一中过车记录的位置之间的最短路程，所述的为步骤一中过车记录之间的时间差，所述的为设定的阈值，当过车记录的位置之间的最短路程与过车记录之间的时间差之比大于设定的阈值时，则可以判定为疑似套牌车，是由相关道路的最高限速信息所设定的最大行驶速度；C）、车辆二次识别：从车辆识别系统中获取疑似套牌车的车辆图片，并提取出对应疑似套牌车的图片特征，包括车牌颜色、车辆颜色、车辆车标、车头灯轮廓、车前脸轮廓、外形轮廓，将疑似套牌车的图片特征作为二次识别的特征，分别与车辆管理部门该车牌所对应注册的车辆图片特征比对，进行疑似套牌车的二次识别，二次识别采用深度学习法，并采用分类判别的方法判定疑似套牌车是否为套牌车，并输出判定结果，分类判别方法具体步骤为：a）、根据车辆管理部门该车牌所对应注册的车辆图片特征建立特征模型，并设定特征相似度阈值；b）、根据疑似套牌车的车牌颜色、车辆颜色、车辆车标、车头灯轮廓、车前脸轮廓、外形轮廓图片特征建立疑似套牌车模型；c）、将疑似套牌车模型与特征模型一一进行比对，计算各特征的相似度；d）、累计各特征的相似度，得到疑似套牌车模型的总特征相似度，若总特征相似度小于特征相似度阈值，则判定该疑似套牌车为套牌车辆；若比对总特征相似度大于等于特征相似度阈值，则判定该车辆不为套牌车辆。