[发明专利]一种可疑车辆检测方法

说明书

本发明涉及一种可疑车辆检测方法，包括以下步骤：步步骤S10：获取所有车辆的数据信息，包括位置数据、停车数据、设备上传数据时间等；步骤S20：对数据进行清洗，选择离线、停车或者设备有报警的车辆数据；步骤S30：设置白名单数据，白名单是指客户公司车库、等待安装地等。系统先过滤白名单数据，如果车辆位置在白名单列表中1公里以内则首先过滤排除掉；步骤S40：进行聚类运算，产生数据集合C，集合中相近的数据元素大于5；步骤S50：输出集合C中所有元素，即可疑车辆。本方法运用特殊的运算方法能够使检测的步骤降低，更能够较好的对车辆进行排查，同时对的位置数据、停车数据、设备上传数据时间进行同步跟踪能够使此方法更好的对车辆进行检测。

技术领域

本发明涉及于可疑车辆检测技术领域，具体为一种可疑车辆检测方法。

背景技术

目前，视频监控已经非常普遍，许多重要的场所都安装有多个摄像头，用于监视场所周界的状况，及时发现非法闯入的可疑人员或车辆。然而，由于大多监视室内都有许多监视屏幕，值班人员很难兼顾所有待监视场所，再加上值班人员疲劳或者疏忽，经常会遗漏许多可疑目标，给监视场所带来重大损失因此出现了可疑车辆检测方法，但传统的检测方法效果不好，不能更有效的对车辆进行排查。

针对上述问题，我们对传统的测量方法进行改进和创新，提出了一种可疑车辆检测方法，解决了现有工艺可靠性不高及现有现制饮品无法满足市场和消费升级需求的问题。

发明内容

为了解决上述问题，本发明的目的在于提供一种可疑车辆检测方法。

为实现上述目的，本发明提供如下技术方案：一种可疑车辆检测方法，包括以下步骤：步骤S10：获取所有车辆的数据信息，包括位置数据、停车数据、设备上传数据时间等；步骤S20：对数据进行清洗，选择离线、停车或者设备有报警的车辆数据；步骤S30：设置白名单数据，白名单是指客户公司车库、等待安装地等。系统先过滤白名单数据，如果车辆位置在白名单列表中1公里以内则首先过滤排除掉；步骤S40：进行聚类运算，产生数据集合C，集合中相近的数据元素大于5；步骤S50：输出集合C中所有元素，即可疑车辆。

优选的，在步骤S20的过程中离线是指设备在最近2天及以上没有上传过数据，设备已经被屏蔽或者被拆除，停车是指最近2天及以上车辆没有行驶过。

优选的，在步骤S30过程中，系统采用DBSCAN聚类算法，集合数据D＝(x_1，x_2，...，x_m)，MinPts为给定点在邻域内成为核心对象的最小邻域数，Eps为邻域半径。在系统中设定MinPts为5，Eps设定距离500米，9)

初始化核心对象集合初始化未访问样本集合Γ＝D，簇划

优选的，在步骤S40过程中，对于i＝1，2，…m按照下面步骤找出所有核心对象：

a、如果样本已经归入某个簇或标记为噪声返回计算下个样本。

b、通过距离计算，找到样本xi的邻域样本集合N_∈(xi)。

c如果邻域样本集合个数满足|N_∈(xi)|＜MinPts，标记对象为边界点或噪声点。

d、如果邻域样本集合个数满足|N_∈(xi)|≥MinPts，标记对象为核心点，并建立新簇C_cur，C＝C∪{C_cur}，对于N_∈(xi)中所有尚未被处理的对象计算N_∈(xi)，若N_∈(xi)包含至少MinPts个对象，则将N_∈(xi)中未归入任何一个簇的对象加入C。

优选的，所述的把数据根据经纬度初始化不同的Map，计算的时候选择相邻Map中的集合数据进行计算就可以得到Eps领域中样本集合N_∈(xi)。