一種基于大數據平臺的虛擬卡口管理方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及基于大數據平臺的虛擬卡口管理方法，視頻源模塊實時采集視頻監(jiān)控圖像發(fā)送至虛擬卡口一體機；虛擬卡口一體機對視頻監(jiān)控圖像進行處理，將車輛圖片、車牌信息發(fā)送至大數據平臺，將黑名單比對結果發(fā)送至應用系統(tǒng)模塊；大數據平臺提取車輛的其他特征信息，存儲車輛圖片、車牌信息、其他特征信息；大數據平臺接收應用系統(tǒng)模塊的任務請求，并將計算分析結果反饋至應用系統(tǒng)模塊；應用系統(tǒng)模塊與終端用戶進行信息交互。本發(fā)明還公開了基于大數據平臺的虛擬卡口管理系統(tǒng)。虛擬卡口一體機部署在前端監(jiān)控點的背包箱中，在前端實現(xiàn)車輛識別及車輛圖片抓取，能快速及時響應，在后端利用大數據平臺來支撐車輛特征的進一步提取，大大提高了處理速度。
【專利說明】一種基于大數據平臺的虛擬卡口管理方法及系統(tǒng)

【技術領域】
[0001]本發(fā)明涉及智能交通【技術領域】，尤其是一種基于大數據平臺的虛擬卡口管理方法及系統(tǒng)。

【背景技術】
[0002]近年來，隨著社會經濟的快速發(fā)展，國內機動車數量迅速增長，交通管理現(xiàn)狀和需求的矛盾進一步加劇，與交通相關的刑事和治安案件也逐年上升，城市重要出入口以及主干道路上高清卡口系統(tǒng)的架設正是為了解決上述問題。常規(guī)卡口系統(tǒng)通過地感線圈、雷達或視頻觸發(fā)，對過往車輛進行感知，利用專用相機及前端處理系統(tǒng)拍攝車輛圖片并進行分析，獲取車輛相關特征數據，并傳輸到后臺進行數據存儲、查詢、比對等處理?？谙到y(tǒng)建設及應用面臨以下問題:1)施工復雜，需要單獨架設嵌入智能分析的高清攝像機和車輛檢測器，同時還要破壞路面以埋設線圈；2)卡口系統(tǒng)設備易損壞、壽命短、成本高，如閃光燈等每3-5個月就需要更換；3)卡口數量有限，可用的卡口數量占比較低，難以形成有效的監(jiān)控網絡；4)卡口產生大量的車輛信息數據，然而在嫌疑車輛自動識別報警、信息遠程比對、關聯(lián)查詢等應用方面，系統(tǒng)功效并不顯著。
[0003]為了改善現(xiàn)有卡口存在的問題，相關專家學者進行了大量研究，并取得一定成果，目前研究出了虛擬卡口、智能卡口、復合卡口等。然而，這些研究出的卡口系統(tǒng)雖然可以基于虛擬線圈實現(xiàn)車輛的視頻檢測，但均是在后端管理中心通過視頻檢測算法檢測車輛并提取車輛特征信息，在這種情況下對于車輛布控應用來說，需要將視頻傳回后端管理中心，然后利用算法識別車輛并提取車輛特征后再完成比對，嚴重影響了響應的實時性。另外，基于過車數據的分析應用隨著數據規(guī)模的日積月累，處理速度將嚴重下降。


【發(fā)明內容】

[0004]本發(fā)明的首要目的在于提供一種在前端實現(xiàn)車輛識別及車輛圖片抓取，響應的實時性好，大大提高處理速度的基于大數據平臺的虛擬卡口管理方法，該方法包括下列順序的步驟:
(1)視頻源模塊實時采集視頻監(jiān)控圖像，并將視頻監(jiān)控圖像發(fā)送至虛擬卡口一體機；
(2)虛擬卡口一體機對視頻監(jiān)控圖像進行抽幀、抓拍圖片、號牌提取、黑名單比對處理，處理后將抓拍的車輛圖片、提取的車牌信息發(fā)送至大數據平臺，同時將黑名單比對結果發(fā)送至應用系統(tǒng)模塊；
(3)大數據平臺對車輛圖片進行二次特征提取獲取車輛的其他特征信息，對車輛圖片、車牌信息、其他特征信息進行關聯(lián)存儲；
(4)大數據平臺接收應用系統(tǒng)模塊的任務請求，并將計算分析結果反饋至應用系統(tǒng)模塊；
(5)應用系統(tǒng)模塊與終端用戶之間進行信息交互，接收用戶的查詢、統(tǒng)計、分析和布控請求，并根據大數據平臺和虛擬卡口一體機反饋的結果向用戶進行可視化展示。
[0005]所述視頻源模塊在實時采集視頻監(jiān)控圖像的同時，將所采集的視頻監(jiān)控圖像一路存入其視頻存儲單元內，另一路則輸入虛擬卡口一體機中。
[0006]所述虛擬卡口一體機對接收到的視頻監(jiān)控圖像進行解碼，在視監(jiān)控頻圖像的窗口中設定虛擬線圈，利用基于背景建模的算法檢測視頻監(jiān)控圖像中的運動目標，提取目標圖像幀；提取視頻監(jiān)控圖像中運動目標的特征，利用基于模版匹配的算法識別目標圖像幀中的車輛，抓取相應的車輛圖片；利用基于非標定視角的車牌檢測算法提取所抓取到的車輛圖片中的車牌號信息，并與其內黑名單數據庫中的車牌信息進行比對，并將比對結果發(fā)送至應用系統(tǒng)模塊，若比對成功，則輸出告警信息至應用系統(tǒng)模塊，由應用系統(tǒng)模塊報警。
[0007]所述大數據平臺基于Hadoop架構,利用Map/Reduce并行計算方法分析抓取的車輛圖片，提取車輛的其他特征信息，車輛的其他特征信息包括車牌顏色、車身顏色、車標、車型、車速、行駛方向的信息。
[0008]所述虛擬線圈是指在視頻源模塊的視頻鏡頭范圍內，用戶所指定的檢測區(qū)域。
[0009]本發(fā)明的另一目的在于提供一種基于大數據平臺的虛擬卡口管理系統(tǒng)，包括: 視頻源模塊，通過路面上的普通視頻監(jiān)控攝像機采集視頻監(jiān)控圖像；
虛擬卡口一體機，安裝在前端監(jiān)控點的背包箱中，實現(xiàn)視頻抽幀、車輛檢測、車輛圖片抓取、車牌號碼識別及黑名單比對；
大數據平臺，利用虛擬卡口一體機發(fā)送的車輛圖片提取車輛的其他特征信息；存儲海量車輛圖片、車牌信息、其他特征信息；對存儲的海量過車記錄提供大數據計算處理功能，為應用系統(tǒng)模塊提供支撐，根據應用系統(tǒng)模塊的請求對任務進行分解、執(zhí)行、合并，再將計算結果反饋給應用系統(tǒng)模塊進行結果展現(xiàn)；
應用系統(tǒng)模塊，根據終端用戶的訪問請求向大數據平臺發(fā)出查詢、統(tǒng)計、分析的任務請求，并接收大數據平臺分析處理后反饋的結果，通過可視化處理后向用戶展現(xiàn)結果。
[0010]所述視頻源模塊為監(jiān)控攝像機，監(jiān)控攝像機采用球形攝像機、半球攝像機、槍型攝像機、一體化攝像機中的任意一種。
[0011]所述視頻源模塊通過第一接入交換機與虛擬卡口一體機相連，第一接入交換機通過防火墻與核心交換機相連，核心交換機通過第二接入交換機分別與大數據平臺、應用系統(tǒng)模塊和終端用戶相連。
[0012]所述虛擬卡口一體機包括:
視頻接入模塊，接收由視頻源模塊輸入的視頻流；
標準化轉換模塊，將接收到的視頻流標準化，以便對視頻流進行進一步處理；
視頻分析模塊，對標準化后的視頻流進行運動目標檢測、車輛目標識別、車牌檢測和黑名單比對；
告警輸出模塊，若與黑名單比對一致，則輸出告警信息至應用系統(tǒng)模塊；
數據上傳模塊，將車輛圖像、車牌信息上傳至大數據平臺。
[0013]由上述技術方案可知，本發(fā)明是集視頻接入、車輛檢測與識別、車牌提取、黑名單比對、網絡傳輸為一體的一體化硬件設備，從攝像機拍攝的實時視頻序列中提取運動目標圖像幀，再進一步從目標圖像幀中識別車輛并抓取車輛圖片，進而完成車牌號碼的提取和基于車牌號碼的黑名單比對功能，最后將車輛圖片、車牌號碼、比對結果通過網絡傳輸到后端應用系統(tǒng)。從物理位置來看，虛擬卡口一體機部署在前端監(jiān)控點的背包箱中，通過這種前置策略在前端實現(xiàn)車輛識別及車輛圖片抓取，改變原來需要將帶寬占用很大的視頻資源傳輸到中心端再進行分析的模式，能快速及時響應，同時本發(fā)明在后端利用大數據平臺來支撐車輛特征的進一步提取，從而大大提高了處理速度。

【專利附圖】

【附圖說明】
[0014]圖1為本發(fā)明的方法流程圖。
[0015]圖2為本發(fā)明的系統(tǒng)結構框圖。
[0016]圖3為本發(fā)明的系統(tǒng)網絡拓撲圖。
[0017]圖4為本發(fā)明中虛擬卡口一體機的工作流程示意圖。
[0018]圖5為本發(fā)明的車輛識別示意圖。

【具體實施方式】
[0019]一種基于大數據平臺的虛擬卡口管理方法，首先，視頻源模塊I實時采集視頻監(jiān)控圖像，并將視頻監(jiān)控圖像發(fā)送至虛擬卡口一體機2 ;其次，虛擬卡口一體機2對視頻監(jiān)控圖像進行抽幀、抓拍圖片、號牌提取、黑名單比對處理，處理后將抓拍的車輛圖片、提取的車牌信息發(fā)送至大數據平臺3，同時將黑名單比對結果發(fā)送至應用系統(tǒng)模塊4;接著，大數據平臺3對車輛圖片進行二次特征提取獲取車輛的其他特征信息，對車輛圖片、車牌信息、其他特征信息進行關聯(lián)存儲；再次，大數據平臺3接收應用系統(tǒng)模塊4的任務請求，并將計算分析結果反饋至應用系統(tǒng)模塊4 ;最后，應用系統(tǒng)模塊4與終端用戶5之間進行信息交互，接收用戶的查詢、統(tǒng)計、分析和布控請求，并根據大數據平臺3和虛擬卡口一體機2反饋的結果向用戶進行可視化展示，如圖1所示。采集視頻后，進行視頻解碼和車輛識別，提取車牌后一方面與布控信息、黑名單信息進行比對，比對成功后給出告警信息；另一方面車輛圖片和車牌信息上傳至大數據平臺3，進行車輛其他特征的提取，并為用戶提供相應的應用服務，將結果反饋給用戶。
[0020]如圖1、4所示，所述虛擬卡口一體機2對接收到的視頻監(jiān)控圖像進行解碼，在視監(jiān)控頻圖像的窗口中設定虛擬線圈，利用基于背景建模的算法檢測視頻監(jiān)控圖像中的運動目標，提取目標圖像幀；提取視頻監(jiān)控圖像中運動目標的特征，利用基于模版匹配的算法識別目標圖像幀中的車輛，抓取相應的車輛圖片；利用基于非標定視角的車牌檢測算法提取所抓取到的車輛圖片中的車牌號信息，并與其內黑名單數據庫中的車牌信息進行比對，并將比對結果發(fā)送至應用系統(tǒng)模塊4，若比對成功，則輸出告警信息至應用系統(tǒng)模塊4，由應用系統(tǒng)模塊4報警。所述虛擬線圈是指在視頻源模塊I的視頻鏡頭范圍內，用戶所指定的檢測區(qū)域。
[0021]如圖1所示,所述大數據平臺3基于Hadoop架構,利用Map/Reduce并行計算方法分析抓取的車輛圖片，提取車輛的其他特征信息，車輛的其他特征信息包括車牌顏色、車身顏色、車標、車型、車速、行駛方向等信息。所述視頻源模塊I在實時采集視頻監(jiān)控圖像的同時，將所采集的視頻監(jiān)控圖像一路存入其視頻存儲單元Ib內，另一路則輸入虛擬卡口一體機中。
[0022]如圖2所示，本系統(tǒng)包括:視頻源模塊1，通過路面上的普通視頻監(jiān)控攝像機Ia采集視頻監(jiān)控圖像；虛擬卡口一體機2，安裝在前端監(jiān)控點的背包箱中，實現(xiàn)視頻抽幀、車輛檢測、車輛圖片抓取、車牌號碼識別及黑名單比對；大數據平臺3，利用虛擬卡口一體機2發(fā)送的車輛圖片提取車輛的其他特征信息；存儲海量車輛圖片、車牌信息、其他特征信息；對存儲的海量過車記錄提供大數據計算處理功能，為應用系統(tǒng)模塊4提供支撐，根據應用系統(tǒng)模塊4的請求對任務進行分解、執(zhí)行、合并，再將計算結果反饋給應用系統(tǒng)模塊4進行結果展現(xiàn)；應用系統(tǒng)模塊4，根據終端用戶5的訪問請求向大數據平臺3發(fā)出查詢、統(tǒng)計、分析的任務請求，并接收大數據平臺3分析處理后反饋的結果，通過可視化處理后向用戶展現(xiàn)結果。所述視頻源模塊I為監(jiān)控攝像機la，監(jiān)控攝像機Ia采用球形攝像機、半球攝像機、槍型攝像機、一體化攝像機中的任意一種。
[0023]如圖2所示，由虛擬卡口一體機2對視頻圖像進行抽巾貞、抓拍圖片、號牌提取、黑名單比對等處理，處理后將抓拍的車輛圖片、提取的車牌信息傳給大數據平臺3，而將黑名單比對的結果傳給應用系統(tǒng)模塊4 ;大數據平臺3接收虛擬卡口一體機2模塊產生的車輛圖片和車牌號碼，由大數據計算處理模塊對車輛圖片進行二次特征提取獲取車身顏色、車標、車型、車速、行駛方向等特征信息，再由大數據存儲模塊對車牌信息、車輛圖片、其他特征信息進行關聯(lián)存儲，另外大數據平臺3接收應用系統(tǒng)模塊4的任務請求，包括過車信息檢索、過車信息統(tǒng)計、黑名單比對、軌跡分析、頻度分析、區(qū)間分析和套牌分析，并將計算分析的結果反饋給應用系統(tǒng)模塊4。
[0024]如圖3所示，所述視頻源模塊I通過第一接入交換機6與虛擬卡口一體機2相連，第一接入交換機6通過防火墻7與核心交換機8相連，核心交換機8通過第二接入交換機9分別與大數據平臺3、應用系統(tǒng)模塊4和終端用戶5相連。監(jiān)控攝像機Ia通過第一接入交換機6與視頻存儲單元lb、虛擬卡口一體機2相連,將拍攝到的監(jiān)控視頻一路送入視頻存儲單元Ib進行存儲，另一路則發(fā)送至虛擬卡口一體機2進行處理。虛擬卡口一體機2通過第一接入交換機6與防火墻7聯(lián)通，通過防火墻7來提高網絡安全性，經核心交換機8與大數據平臺3和應用系統(tǒng)模塊4進行通信。為了提高網絡的可靠性，兩臺核心交換機8做雙機策略。大數據平臺3中的管理節(jié)點、數據節(jié)點通過網線接入網絡，應用系統(tǒng)模塊4中的服務器以集群方式對外提供服務，同樣通過網線接入網絡，終端用戶5通過電腦接入系統(tǒng)。
[0025]如圖4所示，所述虛擬卡口一體機2包括:視頻接入模塊，接收由視頻源模塊輸入的視頻流；標準化轉換模塊，將接收到的視頻流標準化，以便對視頻流進行進一步處理；視頻分析模塊，對標準化后的視頻流進行運動目標檢測、車輛目標識別、車牌檢測和黑名單比對；告警輸出模塊，若與黑名單比對一致，則輸出告警信息至應用系統(tǒng)模塊4 ;數據上傳模塊，將車輛圖像、車牌信息上傳至大數據平臺3。虛擬卡口一體機2接收前端的監(jiān)控攝像機Ia采集上傳的視頻資源，解碼以后進行目標檢測、車輛識別、車片檢測、黑名單比對等操作，然后將檢測結果和抓取的車輛圖片上傳，并輸出比對成功的告警信息。
[0026]如圖5所示，虛擬卡口一體機2解碼視頻后，抽取視頻序列幀，檢測其中的各種目標，提取目標的特征，與樣本庫中的樣本進行比對，對所檢測到的目標進行分類判斷，識別其中的車輛目標。
[0027]以下結合圖1至5對本發(fā)明作進一步的說明。
[0028]舉例說明，本系統(tǒng)所識別的車牌號碼為符合“GA36-92”(92式牌照)和“GA36.1-2001” (02式牌照)標準的民用車牌照和04式新軍車牌照與07式新武警車牌照的漢字、字母、數字、顏色等信息；系統(tǒng)所別的車牌及車身顏色包括白色、銀色、黑色、紅色、紫色、藍色、黃色、綠色、褐色、粉紅色、灰色；系統(tǒng)所識別的車輛類型包括大、中、小三種；系統(tǒng)可識別多個廠家標志；系統(tǒng)可識別的異常行為包括逆向行駛、變更車道等。
[0029]應用系統(tǒng)模塊4的軌跡分析是指在指定的時間、指定的區(qū)域內對指定車輛進行軌跡分析，根據車輛經過虛擬卡口的時間次序，繪制出車輛的行駛軌跡；套牌嫌疑車輛分析是指利用虛擬卡口系統(tǒng)獲取的過往車輛信息，進行人工排查，確認套牌嫌疑車輛，并以列表的方式將嫌疑的車輛信息進行展示，包括車型信息、經過的虛擬卡口位置時間等信息；黑名單管理是指實現(xiàn)對黑名單車輛的信息管理；快速檢索功能是指對從視頻中提取的車輛特征信息進行查詢，實現(xiàn)海量特征數據的快速檢索；布控是指可以實現(xiàn)手工批量及單點布、撤控，布控記錄實時下發(fā)，布控類型包括:被盜搶車輛布控、套牌車布控、事故逃逸車輛布控、違法犯罪車輛布控。
[0030]虛擬卡口一體機2利用高性能的X86架構，采用嵌入式全模塊化設計，最大支持四路視頻輸入。虛擬卡口一體機2部署在監(jiān)控前端的背包箱中，配置兩個互為備份的千兆網口，通過第一接入交換機6獲取監(jiān)控攝像機Ia輸入的監(jiān)控視頻資源，并基于視頻分析算法識別車輛、提取車牌號特征信息和實現(xiàn)黑名單比對功能。
[0031]大數據平臺3中的管理節(jié)點用于管理數據節(jié)點的索引、訪問策略等，而真實數據利用Hadoop軟件實現(xiàn)分布式存儲于數據節(jié)點的本地磁盤上。大數據平臺3由2臺管理節(jié)點和多臺數據節(jié)點構建，數據節(jié)點的節(jié)點數量根據數據存儲量和數據分析的性能需要配備，可完成計算分析任務。2臺管理節(jié)點部署NoSQL非關系型數據庫，用于保存大數據索引信息，數據節(jié)點上同時部署NoSQL非關系型數據庫，用于保存提取的特征信息和圖片信息。
[0032]應用系統(tǒng)模塊4采用服務器負載均衡技術，讓服務器通過彼此的協(xié)同作業(yè)，提供統(tǒng)一的服務，用于提升服務或應用程序的可靠性和可擴展性。當群集內的一臺服務器宕機以后，服務請求會自動轉給其它群集內的節(jié)點，以達到不間斷的提供服務。應用系統(tǒng)模塊4采用3臺服務器搭建集群環(huán)境，并部署Windows server 2008/2003中的NLB網絡負載平衡服務。其中一臺作為集群的管理節(jié)點，另外兩臺根據NLB配置成一個虛擬IP地址對外提供服務，客戶端可以通過這個虛擬IP地址連接到NLB群集。
[0033]基于以上設置，本發(fā)明可實現(xiàn)以下技術指標:
車輛捕獲率.》99%
抓拍車輛車速范圍:20-120km/h ；
測速精度:誤差< 12%
號牌識別率:白天彡88%，晚上彡75% ；
一體機并發(fā)能力:單臺一體機支撐2路視頻虛擬觸發(fā)；
車輛檢車時間:在獲取視頻流的情況下，一體機檢測車輛的時間響應需小于40毫秒；大數據平臺3并發(fā)能力:在計算資源能力支撐下大數據平臺3實現(xiàn)至少100個虛擬卡口實時同步偵測；
檢索時間:在指定過車時間或車牌號碼前提下，實現(xiàn)億條車牌特征數據查詢的毫秒級響應；
響應時間:從前端抓拍到布控報警I分鐘內完成。
[0034]綜上所述，本發(fā)明的虛擬卡口一體機2部署在前端監(jiān)控點的背包箱中，通過這種前置策略在前端實現(xiàn)車輛識別及車輛圖片抓取，改變原來需要將帶寬占用很大的視頻資源傳輸到中心端再進行分析的模式，響應的實時性好，同時本發(fā)明在后端利用大數據平臺3來支撐車輛特征的進一步提取，從而大大提高了處理速度。
【權利要求】
1.一種基于大數據平臺的虛擬卡口管理方法，該方法包括下列順序的步驟: (1)視頻源模塊實時采集視頻監(jiān)控圖像，并將視頻監(jiān)控圖像發(fā)送至虛擬卡口一體機； (2)虛擬卡口一體機對視頻監(jiān)控圖像進行抽幀、抓拍圖片、號牌提取、黑名單比對處理，處理后將抓拍的車輛圖片、提取的車牌信息發(fā)送至大數據平臺，同時將黑名單比對結果發(fā)送至應用系統(tǒng)模塊； (3)大數據平臺對車輛圖片進行二次特征提取獲取車輛的其他特征信息，對車輛圖片、車牌信息、其他特征信息進行關聯(lián)存儲； (4)大數據平臺接收應用系統(tǒng)模塊的任務請求，并將計算分析結果反饋至應用系統(tǒng)模塊； (5)應用系統(tǒng)模塊與終端用戶之間進行信息交互，接收用戶的查詢、統(tǒng)計、分析和布控請求，并根據大數據平臺和虛擬卡口一體機反饋的結果向用戶進行可視化展示。
2.根據權利要求1所述的基于大數據平臺的虛擬卡口管理方法，其特征在于:所述視頻源模塊在實時采集視頻監(jiān)控圖像的同時，將所采集的視頻監(jiān)控圖像一路存入其視頻存儲單元內，另一路則輸入虛擬卡口一體機中。
3.根據權利要求1所述的基于大數據平臺的虛擬卡口管理方法，其特征在于:所述虛擬卡口一體機對接收到的視頻監(jiān)控圖像進行解碼，在視監(jiān)控頻圖像的窗口中設定虛擬線圈，利用基于背景建模的算法檢測視頻監(jiān)控圖像中的運動目標，提取目標圖像幀；提取視頻監(jiān)控圖像中運動目標的特征，利用基于模版匹配的算法識別目標圖像幀中的車輛，抓取相應的車輛圖片；利用基于非標定視角的車牌檢測算法提取所抓取到的車輛圖片中的車牌號信息，并與其內黑名單數據庫中的車牌信息進行比對，并將比對結果發(fā)送至應用系統(tǒng)模塊，若比對成功，則輸出告警信息至應用系統(tǒng)模塊，由應用系統(tǒng)模塊報警。
4.根據權利要求1所述的基于大數據平臺的虛擬卡口管理方法，其特征在于:所述大數據平臺基于Hadoop架構,利用Map/Reduce并行計算方法分析抓取的車輛圖片,提取車輛的其他特征信息，車輛的其他特征信息包括車牌顏色、車身顏色、車標、車型、車速、行駛方向的信息。
5.根據權利要求3所述的基于大數據平臺的虛擬卡口管理方法，其特征在于:所述虛擬線圈是指在視頻源模塊的視頻鏡頭范圍內，用戶所指定的檢測區(qū)域。
6.實施權利要求1至5中任一項所述的虛擬卡口管理方法的系統(tǒng)，其特征在于:包括: 視頻源模塊，通過路面上的普通視頻監(jiān)控攝像機采集視頻監(jiān)控圖像； 虛擬卡口一體機，安裝在前端監(jiān)控點的背包箱中，實現(xiàn)視頻抽幀、車輛檢測、車輛圖片抓取、車牌號碼識別及黑名單比對； 大數據平臺，利用虛擬卡口一體機發(fā)送的車輛圖片提取車輛的其他特征信息；存儲海量車輛圖片、車牌信息、其他特征信息；對存儲的海量過車記錄提供大數據計算處理功能，為應用系統(tǒng)模塊提供支撐，根據應用系統(tǒng)模塊的請求對任務進行分解、執(zhí)行、合并，再將計算結果反饋給應用系統(tǒng)模塊進行結果展現(xiàn)； 應用系統(tǒng)模塊，根據終端用戶的訪問請求向大數據平臺發(fā)出查詢、統(tǒng)計、分析的任務請求，并接收大數據平臺分析處理后反饋的結果，通過可視化處理后向用戶展現(xiàn)結果。
7.根據權利要求6所述的系統(tǒng)，其特征在于:所述視頻源模塊為監(jiān)控攝像機，監(jiān)控攝像機采用球形攝像機、半球攝像機、槍型攝像機、一體化攝像機中的任意一種。
8.根據權利要求6所述的系統(tǒng)，其特征在于:所述視頻源模塊通過第一接入交換機與虛擬卡口一體機相連，第一接入交換機通過防火墻與核心交換機相連，核心交換機通過第二接入交換機分別與大數據平臺、應用系統(tǒng)模塊和終端用戶相連。
9.根據權利要求6所述的系統(tǒng)，其特征在于:所述虛擬卡口一體機包括: 視頻接入模塊，接收由視頻源模塊輸入的視頻流； 標準化轉換模塊，將接收到的視頻流標準化，以便對視頻流進行進一步處理； 視頻分析模塊，對標準化后的視頻流進行運動目標檢測、車輛目標識別、車牌檢測和黑名單比對； 告警輸出模塊，若與黑名單比對一致，則輸出告警信息至應用系統(tǒng)模塊； 數據上傳模塊，將車輛圖像、車牌信息上傳至大數據平臺。
【文檔編號】G08G1/017GK104200671SQ201410454436
【公開日】2014年12月10日 申請日期:2014年9月9日 優(yōu)先權日:2014年9月9日
【發(fā)明者】王佐成, 任子暉, 王漢林, 馬韻潔, 張麗君, 張凱, 王衛(wèi), 范聯(lián)偉, 周小將 申請人:安徽四創(chuàng)電子股份有限公司