System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及高速检测,具体涉及一种基于高速公路的异常车辆检测方法及装置。
技术介绍
1、目前,取消高速公路省界收费站,收费模式改为分段计费方式,并通过etc设备直接进行交易,通过对车载obu的读写进行实时的自动交易。分段式计费方式,是对车辆在高速路中所经过的道桥、匝道等收费路段单独进行交易。在当前etc交易模式下,会存在一些逃费方式,比如直接蹭别人的etc或者采用屏蔽装置来对etc设备进行屏蔽干扰。这样不仅给公路运营收入带来了损失,而且给交通安全管理带来了隐患,无法满足高速公路收费现代化需求和交通智能化发展要求。因此,设计一种能够多方位进行异常车辆检测的方案成为本领域技术人员亟待解决的技术问题。
技术实现思路
1、针对所述缺陷,本专利技术实施例公开了一种基于高速公路的异常车辆检测方法,其能够提高高速公路异常车辆的检测的准确性。
2、本专利技术实施例第一方面公开了基于高速公路的异常车辆检测方法,包括:
3、通过设置于高速公路出入口处的第一摄像装置来对处于第一识别区域的各个车辆进行图像采集以得到相应的车辆图像信息;并对所述车辆图像信息进行图像识别以确定相应的车型信息;
4、若所述车型信息为第一车型信息,则控制处于第二识别区域的激光识别装置启动并通过所述激光识别装置来对相应的车辆进行激光扫描以得到车辆尺寸信息;
5、若所述车型信息为第二车型信息,则控制启动第二识别区域的红外热成像模块启动并通过所述红外热成像模块来获取相应车辆的热成像图像,
6、通过设置于高速公路出入口处的第二摄像装置来获取处于第三识别区域中属于第二车型信息的车辆运动信息,通过所述车辆运动信息来构建车辆运动特征,所述车辆运动特征包括车辆移动信息、车辆与前车距离信息、车辆前车的车型变化信息和车道信息;
7、将所述车辆运动特征输入到异常车辆识别模型中来进行检测以确定与所述车辆运动特征关联的车辆是否为异常车辆,若为异常车辆,则提醒相应车道收费人员;
8、将所述车辆尺寸信息以及人员统计信息与通过etc识别装置识别得到的etc信息进行匹配以确定车辆尺寸信息与人员统计信息是否合规,若不合规,则进行预警提醒。
9、作为一种可选的实施方式,在本专利技术实施例第一方面中,所述对所述车辆图像信息进行图像识别以确定相应的车型信息,包括:
10、对所述车辆图像信息进行图像识别以确定相应的车型信息以及车牌信息,并基于所述车牌信息生成虚拟标签以与后续车辆识别结果进行信息关联;
11、在所述将所述车辆运动特征输入到异常车辆识别模型中来进行检测以确定与所述车辆运动特征关联的车辆是否为异常车辆,若为异常车辆则提醒相应车道收费人员之后,还包括:
12、通过etc识别装置识别得到的etc信息并生成相应的入口流水信息,并将所述异常识别结果、车型信息和车牌信息与相应的入口流水信息关联;
13、基于所述异常识别结果、车型信息和车牌信息控制后续各个路段门架来启动图像抓拍功能以获取与车牌信息关联的抓拍图像信息,并基于各个路段门架获取到的抓拍图像信息与相应的入口流水信息进行关联。
14、作为一种可选的实施方式,在本专利技术实施例第一方面中,在所述对所述车辆图像信息进行图像识别以确定相应的车型信息以及车牌信息,并基于所述车牌信息生成虚拟标签以与后续车辆识别结果进行信息关联之后,还包括:
15、通过所述车牌信息与车辆信用评级数据库来进行匹配以确定与车牌信息关联的车辆的信用评分数据;所述车辆信用评价数据库通过对所有确认逃费车辆的流水记录进行获取评定得到;
16、获取一定区域内所有车辆的信用评分数据以及相应车辆的位置变化数据,并将所述信用评分数据、车型数据和位置数据输入至张量为n的全连接层来进行非线性化处理以得到相应的车辆信用特征;
17、将所述车辆信用特征输入至图卷积神经网络中来进行特征融合以得到相应的车辆信用融合信息,在图卷积神经网络中加入采样机制,对节点的邻居节点进行采样操作,使得在领域信息聚合操作时以实现邻居节点的差别处理;
18、将所述车辆信用融合信息输入至信用风险模型中来进行识别以得到相应的信用风险值,若所述信用风险值超过设定值则对该区域中的信用风险车辆进行标记。
19、作为一种可选的实施方式,在本专利技术实施例第一方面中,在所述将所述车辆运动特征输入到异常车辆识别模型中来进行检测以确定与所述车辆运动特征关联的车辆是否为异常车辆之前,还包括:
20、通过所述车牌信息与车辆信用评级数据库来进行匹配以确定与车牌信息关联的车辆的信用评分数据;所述车辆信用评价数据库通过对所有确认逃费车辆的流水记录进行获取评定得到;
21、获取一定区域内所有车辆的信用评分数据以及相应车辆的位置变化数据,并将所述信用评分数据、车型数据、车辆运动特征和位置数据输入至张量为n的全连接层来进行非线性化处理以得到相应的车辆信用特征;
22、将所述车辆信用特征输入至图卷积神经网络中来进行特征融合以得到相应的车辆信用融合信息,在图卷积神经网络中加入采样机制,对节点的邻居节点进行采样操作,使得在领域信息聚合操作时以实现邻居节点的差别处理;
23、将所述车辆信用融合信息输入至信用风险模型中来进行识别以得到相应的信用风险值,若所述信用风险值超过设定值则对该区域中的信用风险车辆进行标记。
24、作为一种可选的实施方式,在本专利技术实施例第一方面中,所述信用评分数据包括信用评级数据,所述信用评级数据包括a级信用、b级信用、c级信用和d级信用,其中,a级信用、b级信用、c级信用和d级信用各个数值区间依次降低;
25、在所述获取一定区域内所有车辆的信用评分数据以及相应车辆的位置变化数据,并将所述信用评分数据、车型数据和位置数据输入至张量为n的全连接层来进行非线性化处理以得到相应的车辆信用特征之后,还包括:
26、获取一定区域内各级信用评分数据的第一占比数据和在该区域最前方的大型车辆第二占比数据,根据所述第一占比数据和第二占比数据来对车辆信用融合信息进行更新操作。
27、作为一种可选的实施方式,在本专利技术实施例第一方面中,所述通过所述车辆运动信息来构建车辆运动特征,包括:
28、获取相应车辆在第一方向上的第一变化序列特征,所述第一变化序列特征包括在第一方向上车辆与前车距离信息、车道信息和车辆启停速度信息;所述第一行驶特征信息用于表征相应在行驶方向上的变化特征;
29、获取相应车辆在第二方向上的第二变化特征信息;所述第二变化序列特征包括车道变化信息和前车车型变化信息;所述第二行驶特征信息用于表征相应车辆在变道方向上的变化特征;
30、根据所述第一变化序列特征和第二变化序列特征来构建车辆运动特征。
31、作为一种可选的实施方式,在本专利技术实施例第一方面中,在所述通过设置于高速本文档来自技高网...
【技术保护点】
1.一种基于高速公路的异常车辆检测方法,其特征在于,包括:
2.如权利要求1所述的基于高速公路的异常车辆检测方法,其特征在于,所述对所述车辆图像信息进行图像识别以确定相应的车型信息,包括:
3.如权利要求2所述的基于高速公路的异常车辆检测方法,其特征在于,在所述对所述车辆图像信息进行图像识别以确定相应的车型信息以及车牌信息,并基于所述车牌信息生成虚拟标签以与后续车辆识别结果进行信息关联之后,还包括:
4.如权利要求2所述的基于高速公路的异常车辆检测方法,其特征在于,在所述将所述车辆运动特征输入到异常车辆识别模型中来进行检测以确定与所述车辆运动特征关联的车辆是否为异常车辆之前,还包括:
5.如权利要求3所述的基于高速公路的异常车辆检测方法,其特征在于,所述信用评分数据包括信用评级数据,所述信用评级数据包括A级信用、B级信用、C级信用和D级信用,其中,A级信用、B级信用、C级信用和D级信用各个数值区间依次降低;
6.如权利要求1所述的基于高速公路的异常车辆检测方法,其特征在于,所述通过所述车辆运动信息来构建车辆运动特征,包括
7.如权利要求6所述的基于高速公路的异常车辆检测方法,其特征在于,在所述通过设置于高速公路出入口处的第二摄像装置来获取处于第三识别区域中属于第二车型信息的车辆运动信息,通过所述车辆运动信息来构建车辆运动特征之后,还包括:
8.一种基于高速公路的异常车辆检测方法,其特征在于,包括:
9.一种电子设备,其特征在于,包括:存储有可执行程序代码的存储器;与所述存储器耦合的处理器;所述处理器调用所述存储器中存储的所述可执行程序代码,用于执行权利要求1至7任一项所述的基于高速公路的异常车辆检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机程序,其中,所述计算机程序使得计算机执行权利要求1至7任一项所述的基于高速公路的异常车辆检测方法。
...【技术特征摘要】
1.一种基于高速公路的异常车辆检测方法,其特征在于,包括:
2.如权利要求1所述的基于高速公路的异常车辆检测方法,其特征在于,所述对所述车辆图像信息进行图像识别以确定相应的车型信息,包括:
3.如权利要求2所述的基于高速公路的异常车辆检测方法,其特征在于,在所述对所述车辆图像信息进行图像识别以确定相应的车型信息以及车牌信息,并基于所述车牌信息生成虚拟标签以与后续车辆识别结果进行信息关联之后,还包括:
4.如权利要求2所述的基于高速公路的异常车辆检测方法,其特征在于,在所述将所述车辆运动特征输入到异常车辆识别模型中来进行检测以确定与所述车辆运动特征关联的车辆是否为异常车辆之前,还包括:
5.如权利要求3所述的基于高速公路的异常车辆检测方法,其特征在于,所述信用评分数据包括信用评级数据,所述信用评级数据包括a级信用、b级信用、c级信用和d级信用,其中,a级信用、b级信用、c级信用和d级信用各个数值区间...
【专利技术属性】
技术研发人员:周荣,陈斌华,莫少锋,
申请(专利权)人:广东南粤智慧交通科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。