国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種交通卡口車牌識別準(zhǔn)確性評價方法

      文檔序號:10726726閱讀:465來源:國知局
      一種交通卡口車牌識別準(zhǔn)確性評價方法
      【專利摘要】本發(fā)明屬于大數(shù)據(jù)分析領(lǐng)域,特別涉及一種交通卡口車牌識別準(zhǔn)確性評價方法。本發(fā)明首先將采集到的過車數(shù)據(jù)存儲到數(shù)據(jù)集群的分布式數(shù)據(jù)庫HBase中,分布式數(shù)據(jù)庫HBase將車牌識別準(zhǔn)確性評價算法和過車數(shù)據(jù)傳送至分布式計算系統(tǒng)MapReduce中,分布式計算系統(tǒng)MapReduce執(zhí)行所述車牌識別準(zhǔn)確性評價算法,所述分布式計算系統(tǒng)MapReduce將識別錯誤的車牌以及所述過車數(shù)據(jù)輸出至關(guān)系數(shù)據(jù)庫Oracle中,通過Web應(yīng)用程序讀取所述關(guān)系數(shù)據(jù)庫Oracle中的識別錯誤的車牌以及所述過車數(shù)據(jù),將所述車牌識別錯誤的數(shù)量與參與識別的樣本總數(shù)相比,比值即為車牌識別準(zhǔn)確性的性能指標(biāo),通過本車牌識別準(zhǔn)確性評價方法能夠準(zhǔn)確地評判車牌識別的準(zhǔn)確性,而且極大地避免了人工成本的耗費、效率較高。
      【專利說明】
      一種交通卡口車牌識別準(zhǔn)確性評價方法
      技術(shù)領(lǐng)域
      [0001] 本發(fā)明屬于大數(shù)據(jù)分析領(lǐng)域,特別涉及一種交通卡口車牌識別準(zhǔn)確性評價方法。
      【背景技術(shù)】
      [0002] Hadoop是一個Java語言開發(fā)的針對集群上大數(shù)據(jù)集分布式存儲和分布式運算開 源的軟件框架,該軟件框架為用戶提供了系統(tǒng)底層細(xì)節(jié)透明的分布式基礎(chǔ)架構(gòu),Hadoop提 供的分布式編程模型允許用戶在不了解分布式系統(tǒng)底層細(xì)節(jié)的情況下開發(fā)并行應(yīng)用程序, 因此用戶可以利用Hadoop輕松地組織計算機資源,從而搭建自己的分布式計算平臺,并且 可以充分利用集群的計算和存儲能力,完成海量的數(shù)據(jù)處理。
      [0003] 卡口車牌識別錯誤通常分為兩種,分別為將非車牌的物體識別成車牌號和車牌識 別錯誤;第一類錯誤一般由車牌識別方法自身缺陷導(dǎo)致將欄桿、廣告牌等識別成車牌;第二 類錯誤常見于將車牌號中相似的字符識別錯誤。
      [0004] 目前對于交通卡口車牌識別方法的準(zhǔn)確性進行評價主要依靠人工檢視和抽樣檢 查,這兩種方法在進行車牌識別準(zhǔn)確性評價時大大地耗費了人力和時間,因此,亟需提出一 種能夠減少人力和時間浪費的車牌識別準(zhǔn)確性評價方法。

      【發(fā)明內(nèi)容】

      [0005] 本發(fā)明為了克服上述現(xiàn)有技術(shù)的不足,提供了一種交通卡口車牌識別準(zhǔn)確性評價 方法,本發(fā)明中提出的車牌識別準(zhǔn)確性評價方法能夠準(zhǔn)確地評判車牌識別的準(zhǔn)確性,而且 極大地避免了人工成本的耗費、效率較高。
      [0006] 為實現(xiàn)上述目的,本發(fā)明采用了以下技術(shù)措施:
      [0007] -種交通卡口車牌識別準(zhǔn)確性評價方法,具體包括以下步驟:
      [0008] S1、卡口攝像機將采集到的過車數(shù)據(jù)存儲到數(shù)據(jù)集群的分布式數(shù)據(jù)庫HBase中;
      [0009] S2、所述分布式數(shù)據(jù)庫HBase將車牌識別準(zhǔn)確性評價算法和所述過車數(shù)據(jù)傳送至 Hadoop的分布式計算系統(tǒng)MapReduce中;
      [0010] S3、所述分布式計算系統(tǒng)MapReduce執(zhí)行所述車牌識別準(zhǔn)確性評價算法;
      [0011] S4、所述分布式計算系統(tǒng)MapReduce將識別錯誤的車牌以及所述過車數(shù)據(jù)輸出至 關(guān)系數(shù)據(jù)庫Oracle中;
      [0012] S5、通過Web應(yīng)用程序讀取所述關(guān)系數(shù)據(jù)庫Oracle中的識別錯誤的車牌以及所述 過車數(shù)據(jù),并將所述識別錯誤的車牌以及所述過車數(shù)據(jù)展示在網(wǎng)頁上;
      [0013] S6、將所述車牌識別錯誤的數(shù)量與參與識別的樣本總數(shù)相比,比值即為車牌識別 準(zhǔn)確性的性能指標(biāo)。
      [0014] 優(yōu)選的,步驟S3中的車牌識別準(zhǔn)確性評價算法具體包括以下步驟:
      [0015] S31、對每輛車的過車數(shù)據(jù)均按照過車時間進行排列,并根據(jù)所述過車數(shù)據(jù)中的卡 口經(jīng)度和卡口煒度得出卡口的具體位置;
      [0016] S32、取出現(xiàn)在任意兩個不同卡口位置的同一車牌號,并計算出同一車牌號經(jīng)過兩 個不同卡口的過車時間的時間差值,再通過兩個不同卡口的具體位置之間的相距路程,根 據(jù)所述相距路程與所述時間差值的比值,估算出此輛車的行車速度;
      [0017] S33、若估算速度超過設(shè)定速度時,則此輛車的車牌識別錯誤。
      [0018] 優(yōu)選的,所述過車數(shù)據(jù)至少包括過車時間、卡口編號、卡口經(jīng)度、卡口煒度、車牌 號、車牌圖片。
      [0019] 優(yōu)選的,操作步驟S33之前,若所述時間差值超過城市中距離最遠(yuǎn)的兩個交通卡口 在車輛正常行駛時所需要的最長時間,則此輛車不參與計算。
      [0020] 進一步的,所述相距路程為曼哈頓距離。
      [0021] 進一步的,所述車牌識別錯誤包括將非車牌的物體識別成車牌號和車牌號識別錯 誤。
      [0022] 進一步的,所述設(shè)定速度為200~250Km/h。
      [0023] 本發(fā)明的有益效果在于:
      [0024] 1)、本發(fā)明通過取出現(xiàn)在任意兩個不同卡口位置的同一車牌號,并計算出同一車 牌號經(jīng)過兩個不同卡口的過車時間的時間差值,通過兩個不同卡口的所述具體位置之間的 相距路程,根據(jù)所述相距路程與所述時間差值的比值,估算出此輛車的行車速度,估算速度 超過設(shè)定速度時,則此輛車的車牌識別錯誤。通過本車牌識別準(zhǔn)確性評價方法能夠準(zhǔn)確地 評判車牌識別的準(zhǔn)確性,而且極大地避免了人工成本的耗費、效率較高,而且本方法使用簡 單、易于操作。
      [0025] 2)、若所述時間差值超過城市中距離最遠(yuǎn)的兩個交通卡口在車輛正常行駛時所需 要的最長時間,則此輛車不參與計算,大大地增加了本發(fā)明的車牌識別的效率;所述相距路 程為曼哈頓距離,使所得到的相距路程的準(zhǔn)確度更高。
      【附圖說明】
      [0026]圖1為本發(fā)明的結(jié)構(gòu)原理圖;
      [0027] 圖2為本發(fā)明的交通卡口車牌識別準(zhǔn)確性評價方法的具體結(jié)構(gòu)流程圖;
      [0028] 圖3為本發(fā)明的車牌識別準(zhǔn)確性評價算法的結(jié)構(gòu)流程圖。
      【具體實施方式】
      [0029]下面將結(jié)合本發(fā)明實施例中的附圖,對本發(fā)明實施例中的技術(shù)方案進行清楚、完 整地描述,顯然,所描述的實施例僅僅是本發(fā)明一部分實施例,而不是全部的實施例。基于 本發(fā)明中的實施例,本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他 實施例,都屬于本發(fā)明保護的范圍。
      [0030] 如圖1、2所示,一種交通卡口車牌識別準(zhǔn)確性評價方法,具體包括以下步驟:
      [0031] S1、卡口攝像機將采集到的過車數(shù)據(jù)存儲到大數(shù)據(jù)集群的分布式數(shù)據(jù)庫HBase中;
      [0032] S2、所述分布式數(shù)據(jù)庫HBase將車牌識別準(zhǔn)確性評價算法和所述過車數(shù)據(jù)傳送至 Hadoop的分布式計算系統(tǒng)MapReduce中;
      [0033] S3、所述分布式計算系統(tǒng)MapReduce執(zhí)行所述車牌識別準(zhǔn)確性評價算法;
      [0034] S4、所述分布式計算系統(tǒng)MapReduce將識別錯誤的車牌以及所述過車數(shù)據(jù)輸出至 關(guān)系數(shù)據(jù)庫Oracle中;
      [0035] S5、通過Web應(yīng)用程序讀取所述關(guān)系數(shù)據(jù)庫Oracle中的識別錯誤的車牌以及所述 過車數(shù)據(jù),并將所述識別錯誤的車牌以及所述過車數(shù)據(jù)展示在網(wǎng)頁上;
      [0036] S6、將所述車牌識別錯誤的數(shù)量與參與識別的樣本總數(shù)相比,比值即為車牌識別 準(zhǔn)確性的性能指標(biāo)。
      [0037] 步驟S3中的車牌識別準(zhǔn)確性評價算法具體包括以下步驟:
      [0038] S31、實際操作時,通常取一段時間為單位,這里取一天為單位,來對每輛車的過車 數(shù)據(jù)均按照過車時間進行排列,并根據(jù)所述過車數(shù)據(jù)中的卡口經(jīng)度和卡口煒度得出卡口的 具體位置;
      [0039] S32、取出現(xiàn)在任意兩個不同卡口位置的同一車牌號,并計算出同一車牌號經(jīng)過兩 個不同卡口的過車時間的時間差值,再通過兩個不同卡口的具體位置之間的相距路程,根 據(jù)所述相距路程與所述時間差值的比值,估算出此輛車的行車速度;
      [0040] S33、若估算速度超過設(shè)定速度時,則此輛車的車牌識別錯誤。
      [0041 ]下面結(jié)合附圖3來說明車牌識別準(zhǔn)確性評價算法的具體步驟:
      [0042] S31、對于每輛車的過車數(shù)據(jù)均按照所述過車時間進行排列,如表1所示,表1為一 輛車的過車數(shù)據(jù)按照所述過車時間順序排列,并根據(jù)所述過車數(shù)據(jù)中的卡口經(jīng)度和卡口煒 度得出卡口的具體位置;
      [0043] S32、取出現(xiàn)在任意兩個不同卡口位置的同一車牌號,并計算出同一車牌號經(jīng)過兩 個不同卡口的過車時間的時間差值,過車時間的時間差值為T2-T1,再通過兩個不同卡口的 具體位置之間的相距路程,所述相距路程為曼哈頓距離,通過曼哈頓距離估算任意兩個不 同卡口(卡口編號分別為A1、A2)之間的相距路程,則A1-A2之間的曼哈頓距離為:
      [0044] dm = do( (lngl,latl),(lngl,lat2) )+do( (lng2,lat2),(lngl,lat2)),其中do表 示任意兩個不同卡口之間的歐幾里得距離,根據(jù)表1可知,lngl,latl分別為卡口編號A1的 卡口經(jīng)度、卡口煒度;lng2,lat2分別為卡口編號A2的卡口經(jīng)度、卡口煒度;
      [0045] 根據(jù)所述相距路程與所述時間差值的比值,估算出此輛車的行車速度,則估算速 度 V = dm/(T2-Tl);
      [0046] 進一步,若所述時間差值超過城市中距離最遠(yuǎn)的兩個交通卡口在車輛正常行駛時 所需要的最長時間,則此輛車不參與計算;
      [0047]車輛正常行駛指的是車輛在公路上行駛不超過所要求的最高速度。
      [0048] S33、若估算速度超過210Km/h時,則此輛車的車牌識別錯誤。
      [0049] 表1:
      [0051] 城市交通條件所限制機動車的實際能夠運行的最高時速往往較低,因此所述設(shè)定 速度為200~250Km/h。
      [0052] 更進一步,所述車牌識別錯誤包括將非車牌的物體識別成車牌號和車牌號識別錯 誤。
      [0053]本車牌識別準(zhǔn)確性評價方法能夠準(zhǔn)確地評判車牌識別的準(zhǔn)確性,而且極大地避免 了人工成本的耗費、效率較高,而且本方法使用簡單、易于操作,可以被廣泛的應(yīng)用于交通 領(lǐng)域中。
      【主權(quán)項】
      1. 一種交通卡口車牌識別準(zhǔn)確性評價方法,其特征在于,具體包括以下步驟: 51、 卡口攝像機將采集到的過車數(shù)據(jù)存儲到數(shù)據(jù)集群的分布式數(shù)據(jù)庫HBase中; 52、 所述分布式數(shù)據(jù)庫HBase將車牌識別準(zhǔn)確性評價算法和所述過車數(shù)據(jù)傳送至 Hadoop的分布式計算系統(tǒng)MapReduce中; 53、 所述分布式計算系統(tǒng)MapReduce執(zhí)行所述車牌識別準(zhǔn)確性評價算法; 54、 所述分布式計算系統(tǒng)MapReduce將識別錯誤的車牌以及所述過車數(shù)據(jù)輸出至關(guān)系 數(shù)據(jù)庫Oracle中; 55、 通過Web應(yīng)用程序讀取所述關(guān)系數(shù)據(jù)庫Oracle中的識別錯誤的車牌以及所述過車 數(shù)據(jù),并將所述識別錯誤的車牌以及所述過車數(shù)據(jù)展示在網(wǎng)頁上; 56、 將所述車牌識別錯誤的數(shù)量與參與識別的樣本總數(shù)相比,比值即為車牌識別準(zhǔn)確 性的性能指標(biāo)。2. 如權(quán)利要求1所述的一種交通卡口車牌識別準(zhǔn)確性評價方法,其特征在于,步驟S3中 的車牌識別準(zhǔn)確性評價算法具體包括以下步驟: 531、 對每輛車的過車數(shù)據(jù)均按照過車時間進行排列,并根據(jù)所述過車數(shù)據(jù)中的卡口經(jīng) 度和卡口煒度得出卡口的具體位置; 532、 取出現(xiàn)在任意兩個不同卡口位置的同一車牌號,并計算出同一車牌號經(jīng)過兩個不 同卡口的過車時間的時間差值,再通過兩個不同卡口的具體位置之間的相距路程,根據(jù)所 述相距路程與所述時間差值的比值,估算出此輛車的行車速度; 533、 若估算速度超過設(shè)定速度時,則此輛車的車牌識別錯誤。3. 如權(quán)利要求2所述的一種交通卡口車牌識別準(zhǔn)確性評價方法,其特征在于:所述過車 數(shù)據(jù)至少包括過車時間、卡口編號、卡口經(jīng)度、卡口煒度、車牌號、車牌圖片。4. 如權(quán)利要求2所述的一種交通卡口車牌識別準(zhǔn)確性評價方法,其特征在于:操作步驟 S33之前,若所述時間差值超過城市中距離最遠(yuǎn)的兩個交通卡口在車輛正常行駛時所需要 的最長時間,則此輛車不參與計算。5. 如權(quán)利要求2所述的一種交通卡口車牌識別準(zhǔn)確性評價方法,其特征在于:所述相距 路程為曼哈頓距離。6. 如權(quán)利要求2所述的一種交通卡口車牌識別準(zhǔn)確性評價方法,其特征在于:所述車牌 識別錯誤包括將非車牌的物體識別成車牌號和車牌號識別錯誤。7. 如權(quán)利要求2所述的一種交通卡口車牌識別準(zhǔn)確性評價方法,其特征在于:所述設(shè)定 速度為200~250Km/h。
      【文檔編號】G08G1/017GK106097720SQ201610379877
      【公開日】2016年11月9日
      【申請日】2016年5月27日
      【發(fā)明人】周春寅, 劉春琿, 范聯(lián)偉, 余保華, 張躍, 展昭, 陳釗, 徐金鳳, 周敏月, 陳潤忠
      【申請人】安徽四創(chuàng)電子股份有限公司
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1