一种改装车识别方法、装置和计算机可读存储介质与流程

1.本技术实施例涉及车辆监控技术，尤指一种改装车识别方法、装置和计算机可读存储介质。


背景技术：

2.车辆非法改装是一种违法行为，除了修改机动车参数可能产生安全隐患外，发动机及排气装置的修改也会产生噪音，也就是常说的“炸街”，影响了人民群众的日常生活。
3.改装车的识别目前还处于人为识别的阶段，改装车的一种重要识别手段是依据声音识别，例如，辨认出修改发动机及排气装置后产生的特殊声音。
4.目前已有一种声音定位方法，需要2个以上的声音采集设备同时采集声音信息，根据两个拾音器所处的不同位置及它们收到声音反馈的时间不同，来判断特殊噪音的位置范围，再和视频捕获到的车辆位置结合，从车流中识别出改装车。但这种方式需要依赖具有声音定位功能的特殊相机或特制设备，且后端服务器也需要具备视频内容解析的能力以分析出车辆的物理位置，用来与声源位置对应，相机改造或场景搭建的成本偏高，不利于大规模推广和使用。


技术实现要素：

5.本技术实施例提供了一种改装车识别方法、装置和计算机可读存储介质，能够基于当前车辆监控设备在低成本下实现改装车识别，利于大规模推广和使用。
6.本技术实施例提供了一种改装车识别方法，可以包括：
7.获取包含声音分贝数大于或等于预设的分贝阈值的声音的目标视频；
8.获取所述目标视频中的所述声音的声波信号随时间变化的第一趋势；
9.获取所述目标视频中所有车辆的速度信息随时间变化的第二趋势；
10.将所述第一趋势和所述第二趋势满足预设的判断规则的车辆确定为改装车辆。
11.在本技术的示例性实施例中，所述声波信号可以包括：声波振荡频率；所述第一趋势可以包括声波振荡频率变化趋势；
12.所述速度信息可以包括：加速度；所述第二趋势可以包括加速度变化趋势。
13.在本技术的示例性实施例中，所述将所述第一趋势和所述第二趋势满足预设的判断规则的车辆确定为改装车辆，可以包括：
14.将所述声波振荡频率变化趋势和所述加速度变化趋势的变化时间节点一致的车辆确定为改装车辆。
15.在本技术的示例性实施例中，确定所述声波振荡频率变化趋势和所述加速度变化趋势的变化时间节点一致，可以包括：
16.获取所述加速度从零开始增加的第一时刻；
17.获取所述声波振荡频率开始提高的第二时刻；
18.获取所述加速度增加到最大加速度的第三时刻；
19.获取所述声波振荡频率提高到最大声波振荡频率的第四时刻；
20.当所述第一时刻和所述第二时刻重合，并且所述第三时刻和所述第四时刻重合时，确定所述声波振荡频率变化趋势和所述加速度变化趋势的变化时间节点一致。
21.在本技术的示例性实施例中，所述声波信号可以包括：声波振荡频率；所述第一趋势包括声波振荡频率变化趋势；
22.所述速度信息可以包括：加速度和速度；所述第二趋势包括加速度变化趋势和速度变化趋势。
23.在本技术的示例性实施例中，所述将所述第一趋势和所述第二趋势满足预设的判断规则的车辆确定为改装车辆，可以包括：
24.将所述声波振荡频率变化趋势和所述加速度变化趋势的变化时间节点一致，以及所述声波振荡频率变化趋势和所述速度变化趋势的相似度大于或等于预设的相似度阈值的车辆确定为改装车辆。
25.在本技术的示例性实施例中，获取所述声波振荡频率变化趋势和所述速度变化趋势的相似度，可以包括：
26.获取所述声波振荡频率变化趋势对应的第一曲线，以及所述速度变化趋势对应的第二曲线；
27.在所述声波振荡频率的变化时段内，比较每一个具有预设时长的时间切片内所述第一曲线和所述第二曲线的斜率；
28.获取同一时间切片内所述第一曲线和所述第二曲线的斜率均为正值或均为负值的第一时间切片个数；
29.计算所述第一时间切片个数占所述变化时段内全部时间切片个数的比例，作为所述第一曲线和所述第二曲线的相似度。
30.在本技术的示例性实施例中，获取所述声波振荡频率变化趋势和所述速度变化趋势的相似度，可以包括：
31.获取所述声波振荡频率变化趋势对应的第一曲线，以及所述速度变化趋势对应的第二曲线；
32.在所述声波振荡频率变化的第一时段和所述声波振荡频率停止变化的第二时段内，比较每一个具有预设时长的时间切片内所述第一曲线和所述第二曲线的斜率；
33.获取所述第一时段内所述第一曲线和所述第二曲线的斜率均为正值或均为负值的第二时间切片个数，与所述第二时段内所述第二曲线继续保持正值或负值的第三时间切片个数之和；
34.计算所述第二时间切片个数和所述第三时间切片个数之和占所述第一时段和所述第二时段内全部时间切片个数的比例，作为所述第一曲线和所述第二曲线的相似度。
35.本技术实施例还提供了一种改装车识别装置，可以包括处理器和计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令被所述处理器执行时，实现所述的改装车识别方法。
36.本技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的改装车识别方法。
37.与相关技术相比，本技术实施例可以包括：获取包含声音分贝数大于或等于预设
的分贝阈值的声音的目标视频；获取所述目标视频中的所述声音的声波信号随时间变化的第一趋势；获取所述目标视频中所有车辆的速度信息随时间变化的第二趋势；将所述第一趋势和所述第二趋势满足预设的判断规则的车辆确定为改装车辆。通过该实施例方案，实现了基于当前车辆监控设备在低成本下进行改装车识别，利于大规模推广和使用。
38.本技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术而了解。本技术的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。
附图说明
39.附图用来提供对本技术技术方案的理解，并且构成说明书的一部分，与本技术的实施例一起用于解释本技术的技术方案，并不构成对本技术技术方案的限制。
40.图1为本技术实施例的改装车识别方法流程图；
41.图2为本技术实施例的一个音调升高的振荡频率与时间关系趋势示意图；
42.图3为本技术实施例的一个加速过程中的车辆的速度和加速度与时间关系趋势示意图；
43.图4为本技术实施例的频率、速度和加速度的变化示意图；
44.图5为本技术实施例的根据声波振荡频率变化趋势和加速度变化趋势的变化时间节点一致性识别改装车的示意图；
45.图6为本技术实施例的根据速度曲线和振荡频率曲线识别改装车的示意图；
46.图7为本技术实施例的改装车识别装置组成框图。
具体实施方式
47.本技术描述了多个实施例，但是该描述是示例性的，而不是限制性的，并且对于本领域的普通技术人员来说显而易见的是，在本技术所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合，并在具体实施方式中进行了讨论，但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外，任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用，或可以替代任何其它实施例中的任何其他特征或元件。
48.本技术包括并设想了与本领域普通技术人员已知的特征和元件的组合。本技术已经公开的实施例、特征和元件也可以与任何常规特征或元件组合，以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合，以形成另一个由权利要求限定的独特的发明方案。因此，应当理解，在本技术中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此，除了根据所附权利要求及其等同替换所做的限制以外，实施例不受其它限制。此外，可以在所附权利要求的保护范围内进行各种修改和改变。
49.此外，在描述具有代表性的实施例时，说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而，在该方法或过程不依赖于本文所述步骤的特定顺序的程度上，该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的，其它的步骤顺序也是可能的。因此，说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此
外，针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤，本领域技术人员可以容易地理解，这些顺序可以变化，并且仍然保持在本技术实施例的精神和范围内。
50.本技术实施例提供了一种改装车识别方法，如图1所示，可以包括步骤s101-s104：
51.s101、获取包含声音分贝数大于或等于预设的分贝阈值的声音的目标视频。
52.在本技术的示例性实施例中，所述获取声音分贝数大于或等于预设的分贝阈值的目标视频，可以包括：
53.当测速相机上的拾音器采集到声音分贝数大于或等于预设的分贝阈值的声音时，向后端分析服务器发出噪音告警；
54.命令所述后端分析服务器截取噪音持续时间段内录下的视频，作为所述目标视频。
55.在本技术的示例性实施例中，当测速相机上的拾音器采集到分贝数高于一定数值(如上述的分贝阈值，该分贝阈值可以根据不同的应用场景自行定义，对于具体数值不做限定)的噪音时，可以产生噪音告警给后端分析服务器，后端分析服务器将噪音持续时间段内录下来的视频截取出来，作为该目标视频，以便后续回溯取证。
56.在本技术的示例性实施例中，所述方法还可以包括：
57.在所述后端分析服务器收到所述噪音告警以后，命令所述后端分析服务器采用深度学习算法对产生噪音告警的声音进行筛选，从所述声音中排除一种或多种预设声音。
58.在本技术的示例性实施例中，后端服务器可以用深度学习算法，对产生告警的声音进行筛选，例如，可以通过样本学习，预先收集多种日常常见的高分贝声音作为该预设声音，例如，汽笛声、高喊声、广播声等。通过将目标视频里的音频数据输入预设的深度学习模型，可以将汽笛声等干扰噪声排除掉，以提高对改装车噪音识别的精度。
59.s102、获取所述目标视频中所述声音的声波信号随时间变化的第一趋势。
60.在本技术的示例性实施例中，声音信息可以转换为音频数字信号，对数字信号进行分析，可以获取声波信号，例如，声波振荡频率、声波振动幅度、声波持续时长等。可以对获得的声波信号进行持续跟踪记录，获取该声波信号随时间变化的趋势，即第一趋势。
61.在本技术的示例性实施例中，本技术实施例方案可以主要取声波信号的振荡频率，也就是“音调”进行分析。声波信号的振荡频率越高，则音调的音阶越高，声波信号的振荡频率越低，则音调的音阶越低。这里可以记录所采集到的声音(可能为改装车噪音)的振荡频率随时间的变化趋势，作为该第一趋势。
62.在本技术的示例性实施例中，如图2所示，为一个音调升高的振荡频率与时间关系趋势示意图。
63.s103、获取所述目标视频中所有车辆的速度信息随时间变化的第二趋势。
64.在本技术的示例性实施例中，在前述方案中所采集到的目标视频中，可能存在多个车辆，此时还并不能确定改装车噪音来自于哪个车辆，因此可以进一步获取车辆的速度信息，为后续判断做准备。
65.在本技术的示例性实施例中，车辆的速度信息可以从现有的测速相机获取(可以包括但不限于雷达测速、视频测速等)，测速相机可以测出目标视频中出现车辆的速度信息。
66.在本技术的示例性实施例中，该速度信息可以包括速度和加速度，在获取每个车
辆的速度以后，可以根据该速度在一定时长内的变化情况获取对应的加速度。
67.在本技术的示例性实施例中，可以将速度和/或加速度随时间的变化趋势作为第二趋势。如图3所示，为一个加速过程中的车辆的速度和加速度与时间关系趋势示意图。
68.s104、将所述第一趋势和所述第二趋势满足预设的判断规则的车辆确定为改装车辆。
69.在本技术的示例性实施例中，一般来说，车辆在匀速行驶时，发动机产生的动力驱动车轮转动，轮胎与地面摩擦产生的行进力与车辆行驶的各项阻力相同，车辆加速度为0，保持行进速度不变。在路况不变的情况下，发动机的转速是定值，此时发动机排气的排放量和周期也相对固定，此时空气振动的频率、幅度等以每个排气周期为单位比较均相同，即所产生的噪音音调也周期性相同。
70.在本技术的示例性实施例中，当驾驶员加深油门时，发动机转速提高，车辆在加油门的瞬间因为行进力大于各项阻力产生了车辆加速度，加速度由0跃升，车辆速度随之提高，直至行进力和各项阻力再次抵消，加速度回落至0，速度再次趋于匀速。同时因油门加深，发动机转速提高，排气量提高，排气装置内空气流速加快，也可能激荡起了更多的驻波，此时空气的振荡频率提高，使得音调提高，对于人的听觉来说噪音更密集、更尖锐了，对于数字信号来说，声波的振荡频率提高了。所以对于改装车来说，发动机的不同转速所产生的速度和噪音，两者与时间的增减趋势，有一个相似性。具体关系如下所述。
71.在本技术的示例性实施例中，可以将转速(即车辆的速度)提高的时刻拆解成无限小的时间段，在发动机转速提高的瞬间t1，则有如图4所示的频率、速度和加速度的变化示意图。
72.在本技术的示例性实施例中，如图4所示，在t1时刻发动机转速提高，发动机排气增加，空气振动引起声波的振荡频率提高，行进动力上升，速度上升，直到t2时刻，行进动力和各项阻力相同，恢复匀速。加速度在转速提高的瞬间有跃迁，并且立刻衰减，在t2时刻回落至0。
73.在本技术的示例性实施例中，由图4可知，车辆加速时，发动机转速提高，声音振荡频率与车辆的速度和加速度的关系为：
74.①
在声音振荡频率提升的瞬间，加速度数值向上跃迁，并在此时刻以后向0靠近；
75.②
声音振荡频率提升的趋势和车辆的速度提升的趋势相似，但速度的提升有一定延迟。
76.在本技术的示例性实施例中，同理，车辆减速时，发动机转速下降，声音振荡频率与车辆的速度和加速度的关系为：
77.①
在声音振荡频率下降的瞬间，加速度数值向下跃迁(比如由0变负值)，并在此时刻以后向0靠近；
78.②
声音振荡频率下降的趋势和车辆的速度下降的趋势相似，但速度的下降有一定延迟。
79.在本技术的示例性实施例中，根据如上所述的声音振荡频率与车辆的速度和加速度的关系可知，可以将采集到的噪音的振荡频率与时间的变化趋势(即第一趋势)，与对应时间内所有车辆的速度/加速度与时间变化的趋势(即第二趋势)比较，将所述第一趋势和所述第二趋势满足预设的判断规则的车辆确定为改装车辆。
80.在本技术的示例性实施例中，具体地，可以筛选出加速度变化时间节点和噪音的振荡频率变化时间节点一致，且速度变化趋势曲线和振荡频率变化趋势曲线相似的车辆，认为该车即为改装车。
81.在本技术的示例性实施例中，因改装车的改装效果、发动机性能等因素有差异，速度变化趋势曲线和振荡频率变化趋势曲线的相似判断可能存在一定误差，因此，可以优选以判断振荡频率和加速度的变化趋势关系为标准进行改装车识别，也可以将振荡频率和加速度的变化趋势关系和速度变化趋势曲线和振荡频率变化趋势曲线相似度共同作为判断标准进行改装车识别。下面分别对两种方案进行介绍。
82.方案一、
83.在本技术的示例性实施例中，所述声波信号可以包括：声波振荡频率；所述第一趋势可以包括声波振荡频率变化趋势；
84.所述速度信息可以包括：加速度；所述第二趋势可以包括加速度变化趋势。
85.在本技术的示例性实施例中，所述将所述第一趋势和所述第二趋势满足预设的判断规则的车辆确定为改装车辆，可以包括：
86.将所述声波振荡频率变化趋势和所述加速度变化趋势的变化时间节点一致的车辆确定为改装车辆。
87.在本技术的示例性实施例中，由于不是同一辆车的加速度和噪音，所述声波振荡频率变化趋势中的频率变化时间节点和所述加速度变化趋势中的加速度变化时间节点很难保持一致，因此，如果能够确定获取的噪音的声波振荡频率变化趋势中的频率变化时间节点与某一车辆的加速度变化趋势中的加速度变化时间节点保持一致，则大概率该噪音由当前车辆发出，因此可以确定该车辆为改装车。
88.在本技术的示例性实施例中，确定所述声波振荡频率变化趋势和所述加速度变化趋势的变化时间节点一致，可以包括：
89.获取所述加速度从零开始增加的第一时刻；
90.获取所述声波振荡频率开始提高的第二时刻；
91.获取所述加速度增加到最大加速度的第三时刻；所述第三时刻是指所述加速度增加到一个加速度值的时刻，该加速度值在该时刻的后续预设时段内将开始下降；该加速度值为所述最大加速度；
92.获取所述声波振荡频率提高到最大声波振荡频率的第四时刻；所述第四时刻是指所述声波振荡频率增加到一个声波振荡频率值的时刻，该声波振荡频率值在该时刻的后续预设时段内将被保持；该声波振荡频率值为所述最大声波振荡频率；
93.当所述第一时刻和所述第二时刻重合，并且所述第三时刻和所述第四时刻重合时，确定所述声波振荡频率变化趋势和所述加速度变化趋势的变化时间节点一致。
94.在本技术的示例性实施例中，如图5所示，在t2时刻(即第一时刻和第二时刻)，噪音的振荡频率(图5中实线所示)开始提高，加速度(图5中虚线所示)有一个从0突然跃迁的突变，t2到t3时刻噪音的振荡频率逐步升高，加速度也逐渐升高。在t3时刻(即第三时刻和第四时刻)噪音的振荡频率不变，加速度向0回落，声波振荡频率变化趋势和加速度变化趋势的变化时间节点一致。
95.方案二、
96.在本技术的示例性实施例中，所述声波信号可以包括：声波振荡频率；所述第一趋势包括声波振荡频率变化趋势；
97.所述速度信息可以包括：加速度和速度；所述第二趋势包括加速度变化趋势和速度变化趋势。
98.在本技术的示例性实施例中，所述将所述第一趋势和所述第二趋势满足预设的判断规则的车辆确定为改装车辆，可以包括：
99.将所述声波振荡频率变化趋势和所述加速度变化趋势的变化时间节点一致，以及所述声波振荡频率变化趋势和所述速度变化趋势的相似度大于或等于预设的相似度阈值的车辆确定为改装车辆。
100.在本技术的示例性实施例中，该相似度阈值可以根据不同的应用场景自行定义，在此不做详细限定。
101.在本技术的示例性实施例中，因为速度变化和声波变化在数值上没有必然的函数关系，但在趋势上有隐含的关联性，所以本技术实施例方案仅比较速度和声波的变化趋势，不比较具体数值。
102.在本技术的示例性实施例中，在根据声波振荡频率变化趋势和加速度变化趋势的变化时间节点进行改装车识别的基础上，增加声波振荡频率变化趋势和速度变化趋势的相似度判断，可以进一步调高识别精度。
103.在本技术的示例性实施例中，为了保证方案二的可行性，需要准确判断声波振荡频率变化趋势和速度变化趋势的相似度，具体可以采用以下方案判断。
104.在本技术的示例性实施例中，获取所述声波振荡频率变化趋势和所述速度变化趋势的相似度，可以包括：
105.获取所述声波振荡频率变化趋势对应的第一曲线，以及所述速度变化趋势对应的第二曲线；
106.在所述声波振荡频率的变化时段内，比较每一个具有预设时长的时间切片内所述第一曲线和所述第二曲线的斜率；
107.获取同一时间切片内所述第一曲线和所述第二曲线的斜率均为正值或均为负值的第一时间切片个数；
108.计算所述第一时间切片个数占所述变化时段内全部时间切片个数的比例，作为所述第一曲线和所述第二曲线的相似度。
109.在本技术的示例性实施例中，该预设时长可以根据不同的应用场景自行定义，对于详细数值不做限定，例如，可以为1秒，即，可以设置为每1秒钟作为一个时间切片，获取该1秒钟内的曲线(第一曲线和第二曲线)进行比较。
110.在本技术的示例性实施例中，在振荡频率变化的时段内，可以比较每个时间切片内第一曲线和第二曲线各自的斜率，若在同一个时间切片内第一曲线和第二曲线的斜率同为正值或同为负值，则可以认为在该时间切片内的第一曲线和第二曲线相同。
111.在本技术的示例性实施例中，根据这一方案可以找出声波振荡频率的变化时段内的全部时间切片中第一曲线和第二曲线相同的时间切片，计算这些时间切片占全部时间切片的比例，将计算出的比值作为第一曲线和第二曲线的相似度。
112.在本技术的示例性实施例中，对于获取所述声波振荡频率变化趋势和所述速度变
化趋势的相似度，还可以采用下述方案实现。
113.在本技术的示例性实施例中，获取所述声波振荡频率变化趋势和所述速度变化趋势的相似度，可以包括：
114.获取所述声波振荡频率变化趋势对应的第一曲线，以及所述速度变化趋势对应的第二曲线；
115.在所述声波振荡频率变化的第一时段和所述声波振荡频率停止变化的第二时段内，比较每一个具有预设时长的时间切片内所述第一曲线和所述第二曲线的斜率；
116.获取所述第一时段内所述第一曲线和所述第二曲线的斜率均为正值或均为负值的第二时间切片个数，与所述第二时段内所述第二曲线继续保持正值或负值的第三时间切片个数之和；
117.计算所述第二时间切片个数和所述第三时间切片个数之和占全部时间切片个数的比例，作为所述第一曲线和所述第二曲线的相似度。
118.在本技术的示例性实施例中，该实施例方案将在振荡频率停止变化后的一定时段归到了相似度判断的时段内。在振荡频率停止变化后的一定时段内，速度曲线(即第二曲线)继续保持正值或负值的时间切片内的第一曲线和第二曲线也可以认为相同。基于该思想，扩展了判断相似度的时段，可以提高相似度计算的准确率。
119.在本技术的示例性实施例中，下面给出本技术实施例方案的两个具体实施例。
120.在本技术的示例性实施例中，如图5所示，某改装车噪音的振荡频率变化趋势的曲线如图5中的虚线所示，某车辆的加速度变化趋势的曲线如图5中的实线所示，在t2时刻，噪音的振荡频率提高，加速度有一个从0突然跃迁的突变，t2到t3时刻噪音的振荡频率逐步升高，加速度也逐渐升高。在t3时刻噪音的振荡频率不变，加速度向0回落，符合前文所述的声波振荡频率变化趋势和加速度变化趋势的变化时间节点一致的规则，因此可以认为该车辆为改装车。
121.在本技术的示例性实施例中，如图6所示，同样以图5中的车辆为例进行说明，该车辆的振荡频率变化曲线(即第一曲线)如图6中的虚线所示，该车辆的速度曲线(即第二曲线)如图6中的实线所示，设定允许速度继续变化的时间单位数量与频率变化的时间单位数量相同，在0至t4时刻，t5至t6时刻速度曲线和振荡频率曲线的变化趋势相同，t4到t5时刻速度曲线和振荡频率曲线的变化趋势不同，计算出当前速度曲线和振荡频率曲线的相似度为83％，如果此时预先设定的相似度阈值为70％，则可认为该车辆为改装车。
122.在本技术的示例性实施例中，在一个有多个车辆的车流中，各个车辆在视频中的每一个时刻都同时提速和减速的概率较低，因此通过本技术实施例方案，可以在多车辆的车流中，通过分析噪音的频率变化与车辆的加速度、速度变化来使改装车噪音与抓拍视频中的车辆形成绑定关系，从而实现了改装车的识别。
123.在本技术的示例性实施例中，以上为本技术实施例提出的基于音视频内容分析对多干扰目标的车流在后端进行改装车识别的方法，依据现有的已广泛应用建设的测速相机，测得车辆的车速及车辆加速度的变化；根据音视频采集，确定改装车的声音及其声音特征变化。通过两个维度(声音信息和速度信息)的变化趋势，使车辆和噪音相绑定，从而实现了对改装车的识别。
124.在本技术的示例性实施例中，本技术实施例方案至少具有以下优势：
125.1、无需使用专业的声源定位相机或声源定位装置，也无需后端服务器具备分析视频中车辆位置的视频内容解析能力，在测速相机已经大规模应用的社会背景下，仅在后端处理测速相机反馈回的数据即可关联噪音和车辆，在低成本下实现了改装车的识别，达到了建设成本低、识别效率高、应用性强的技术效果。
126.2、现有的改装车多依赖于群众举报和人工执法，本技术实施例方案提出的改装车识别方法解决了现有技术手段对改装车识别困难的问题。
127.本技术实施例还提供了一种改装车识别装置1，如图7所示，可以包括处理器11和计算机可读存储介质12，所述计算机可读存储介质12中存储有指令，当所述指令被所述处理器11执行时，实现所述的改装车识别方法。
128.在本技术的示例性实施例中，前述的方法实施例中的任意实施例均适用于该改装车识别装置实施例中，在此不再一一赘述。
129.本技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的改装车识别方法。
130.在本技术的示例性实施例中，前述的方法实施例中的任意实施例均适用于该计算机可读存储介质实施例中，在此不再一一赘述。
131.本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

技术特征：
1.一种改装车识别方法，其特征在于，所述方法包括：获取包含声音分贝数大于或等于预设的分贝阈值的声音的目标视频；获取所述目标视频中所述声音的声波信号随时间变化的第一趋势；获取所述目标视频中所有车辆的速度信息随时间变化的第二趋势；将所述第一趋势和所述第二趋势满足预设的判断规则的车辆确定为改装车辆。2.根据权利要求1所述的改装车识别方法，其特征在于，所述声波信号包括：声波振荡频率；所述第一趋势包括声波振荡频率变化趋势；所述速度信息包括：加速度；所述第二趋势包括加速度变化趋势。3.根据权利要求2所述的改装车识别方法，其特征在于，所述将所述第一趋势和所述第二趋势满足预设的判断规则的车辆确定为改装车辆，包括：将所述声波振荡频率变化趋势和所述加速度变化趋势的变化时间节点一致的车辆确定为改装车辆。4.根据权利要求3所述的改装车识别方法，其特征在于，确定所述声波振荡频率变化趋势和所述加速度变化趋势的变化时间节点一致，包括：获取所述加速度从零开始增加的第一时刻；获取所述声波振荡频率开始提高的第二时刻；获取所述加速度增加到最大加速度的第三时刻；获取所述声波振荡频率提高到最大声波振荡频率的第四时刻；当所述第一时刻和所述第二时刻重合，并且所述第三时刻和所述第四时刻重合时，确定所述声波振荡频率变化趋势和所述加速度变化趋势的变化时间节点一致。5.根据权利要求1所述的改装车识别方法，其特征在于，所述声波信号包括：声波振荡频率；所述第一趋势包括声波振荡频率变化趋势；所述速度信息包括：加速度和速度；所述第二趋势包括加速度变化趋势和速度变化趋势。6.根据权利要求5所述的改装车识别方法，其特征在于，所述将所述第一趋势和所述第二趋势满足预设的判断规则的车辆确定为改装车辆，包括：将所述声波振荡频率变化趋势和所述加速度变化趋势的变化时间节点一致，以及所述声波振荡频率变化趋势和所述速度变化趋势的相似度大于或等于预设的相似度阈值的车辆确定为改装车辆。7.根据权利要求6所述的改装车识别方法，其特征在于，获取所述声波振荡频率变化趋势和所述速度变化趋势的相似度，包括：获取所述声波振荡频率变化趋势对应的第一曲线，以及所述速度变化趋势对应的第二曲线；在所述声波振荡频率的变化时段内，比较每一个具有预设时长的时间切片内所述第一曲线和所述第二曲线的斜率；获取同一时间切片内所述第一曲线和所述第二曲线的斜率均为正值或均为负值的第一时间切片个数；计算所述第一时间切片个数占所述变化时段内全部时间切片个数的比例，作为所述第一曲线和所述第二曲线的相似度。
8.根据权利要求6所述的改装车识别方法，其特征在于，获取所述声波振荡频率变化趋势和所述速度变化趋势的相似度，包括：获取所述声波振荡频率变化趋势对应的第一曲线，以及所述速度变化趋势对应的第二曲线；在所述声波振荡频率变化的第一时段和所述声波振荡频率停止变化的第二时段内，比较每一个具有预设时长的时间切片内所述第一曲线和所述第二曲线的斜率；获取所述第一时段内所述第一曲线和所述第二曲线的斜率均为正值或均为负值的第二时间切片个数，与所述第二时段内所述第二曲线继续保持正值或负值的第三时间切片个数之和；计算所述第二时间切片个数和所述第三时间切片个数之和占所述第一时段和所述第二时段内全部时间切片个数的比例，作为所述第一曲线和所述第二曲线的相似度。9.一种改装车识别装置，其特征在于，包括处理器和计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令被所述处理器执行时，实现如权利要求1-8任意一项所述的改装车识别方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8任意一项所述的改装车识别方法。

技术总结
本申请实施例公开了一种改装车识别方法、装置和计算机可读存储介质，该方法包括：获取包含声音分贝数大于或等于预设的分贝阈值的声音的目标视频；获取目标视频中该声音的声波信号随时间变化的第一趋势；获取目标视频中所有车辆的速度信息随时间变化的第二趋势；将第一趋势和第二趋势满足预设的判断规则的车辆确定为改装车辆。通过该实施例方案，实现了基于当前车辆监控设备在低成本下进行改装车识别，利于大规模推广和使用。利于大规模推广和使用。利于大规模推广和使用。


技术研发人员：张佳瑞
受保护的技术使用者：浙江宇视科技有限公司
技术研发日：2021.12.30
技术公布日：2023/7/12