伴随车辆检测方法、装置、电子设备及存储介质

技术领域

本发明涉及数据处理技术领域，尤其涉及一种伴随车辆检测方法、装置、电子设备及存储介质。

背景技术

伴随车辆是指在一定时间内与追踪车辆以一定概率存在伴随关系的车辆。通过对伴随车辆的检测能够为公安部门办案中的犯罪嫌疑车辆提供参考。目前通过时间窗结构优化算法计算出伴随车辆，这种方式需要事先知道涉案车辆的车牌号，然而实际情况中往往并不知道涉案车辆的车牌号，导致无法快速确定出伴随车辆，为了提高伴随车辆的检测效率，通过计算车辆的轨迹相似度并以此确定伴随车辆，这种方式有较大可能排除真实的伴随车辆，导致无法准确确定出伴随车辆。

发明内容

鉴于以上内容，有必要提供一种伴随车辆检测方法、装置、电子设备及存储介质，不仅能够提高伴随车辆的确定准确度，还能够提高伴随车辆的确定效率。

一方面，本发明提出一种伴随车辆检测方法，所述伴随车辆检测方法包括：

当接收到伴随车辆检测请求时，根据所述伴随车辆检测请求确定多个检测卡点；

确定经过所述多个检测卡点的检测车辆，并获取所述检测车辆经过所述多个检测卡点的时间；

根据所述检测车辆及获取到的时间确定每个检测卡点在预设时间间隔内的过车，得到每个检测卡点的车辆集合；

根据所述车辆集合计算每个车辆经过所述多个检测卡点的第一支持度，并根据所述第一支持度及第一预设阈值确定频繁车辆单项集；

当所述频繁车辆单项集有多个时，根据多个所述频繁车辆单项集构建多项集，并计算所述多项集的支持度，得到第二支持度；

根据所述第二支持度大于第二预设阈值的多项集构建待确定车辆集，所述第二预设阈值大于所述第一预设阈值；

计算所述待确定车辆集中每个车辆的置信度，并根据所述置信度从所述待确定车辆集中提取伴随车辆。

根据本发明优选实施例，所述根据所述伴随车辆检测请求确定多个检测卡点包括：

解析所述伴随车辆检测请求的报文，得到所述伴随车辆检测请求携带的数据信息；

从配置标签库中获取第一预设标签及第二预设标签，所述第一预设标签用于指示位置信息，所述第二预设标签用于指示卡点标识；

从所述数据信息中获取与所述第一预设标签对应的信息作为存储位置，并从所述数据信息中获取与所述第二预设标签对应的信息作为卡点编号；

从所述存储位置中获取与所述卡点编号对应的卡点作为所述多个检测卡点。

根据本发明优选实施例，所述根据所述检测车辆及获取到的时间确定每个检测卡点在预设时间间隔内的过车，得到每个检测卡点的车辆集合包括：

从所述检测车辆中筛选出经过同一检测卡点的初筛车辆；

从所述获取到的时间中确定出所述初筛车辆的经过时间；

将所述经过时间的中位数确定为目标时间，并根据所述目标时间与所述预设时间间隔确定时间范围；

从所述初筛车辆中提取出所述经过时间处于所述时间范围的目标车辆，得到每个检测卡点的所述车辆集合。

根据本发明优选实施例，所述根据所述车辆集合计算每个车辆经过所述多个检测卡点的第一支持度，并根据所述第一支持度及第一预设阈值确定频繁车辆单项集包括：

计算所述车辆集合中每个车辆经过的卡点数量，并计算所述多个检测卡点的总数量；

将每个卡点数量除以所述总数量，得到每个车辆的第一支持度；

将所述第一支持度与所述第一预设阈值进行比较，并将大于所述第一预设阈值的第一支持度对应的车辆确定为目标车辆；

将每个目标车辆构建为所述频繁车辆单项集。

根据本发明优选实施例，所述计算所述多项集的支持度包括：

提取所述多项集中的多个测算车辆；

根据每个检测卡点的所述车辆集合确定所述多个测算车辆同时出现的测算卡点数量；

将所述测试卡点数量除以所述总数量，得到所述多项集的支持度。

根据本发明优选实施例，所述根据所述第二支持度大于第二预设阈值的多项集构建待确定车辆集包括：

融合所述第二支持度大于第二预设阈值的多项集，得到初级集合；

确定所述初级集合中的重复车辆；

将所述重复车辆从所述初级集合中删除，并将删除掉所述重复车辆后的初级集合确定为所述待确定车辆集。

根据本发明优选实施例，所述计算所述待确定车辆集中每个车辆的置信度，并根据所述置信度从所述待确定车辆集中提取伴随车辆包括：

将所述待确定车辆集中的任意车辆确定为待确定对象；

确定所述待确定对象的第三支持度，并确定所述待确定车辆集的第四支持度；

将所述第四支持度除以所述第三支持度，得到所述待确定对象的置信度；

将所述置信度大于第三预设阈值的待确定对象确定为所述伴随车辆。

另一方面，本发明还提出一种伴随车辆检测装置，所述伴随车辆检测装置包括：

确定单元，用于当接收到伴随车辆检测请求时，根据所述伴随车辆检测请求确定多个检测卡点；

获取单元，用于确定经过所述多个检测卡点的检测车辆，并获取所述检测车辆经过所述多个检测卡点的时间；

所述确定单元，还用于根据所述检测车辆及获取到的时间确定每个检测卡点在预设时间间隔内的过车，得到每个检测卡点的车辆集合；

所述确定单元，还用于根据所述车辆集合计算每个车辆经过所述多个检测卡点的第一支持度，并根据所述第一支持度及第一预设阈值确定频繁车辆单项集；

计算单元，用于当所述频繁车辆单项集有多个时，根据多个所述频繁车辆单项集构建多项集，并计算所述多项集的支持度，得到第二支持度；

构建单元，用于根据所述第二支持度大于第二预设阈值的多项集构建待确定车辆集，所述第二预设阈值大于所述第一预设阈值；

提取单元，用于计算所述待确定车辆集中每个车辆的置信度，并根据所述置信度从所述待确定车辆集中提取伴随车辆。

另一方面，本发明还提出一种电子设备，所述电子设备包括：

存储器，存储计算机可读指令；及

处理器，执行所述存储器中存储的计算机可读指令以实现所述伴随车辆检测方法。

另一方面，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现所述伴随车辆检测方法。

由以上技术方案可以看出，由于所述车辆集合中记载了每个车辆经过的检测卡点以及每个车辆经过检测卡点的时间，因此，利用所述车辆集合能够准确确定出所述第一支持度，进而准确确定出所述频繁车辆单项集，通过设置大于所述第一预设阈值的所述第二预设阈值，能够缩小所述车辆集合的范围，提高所述待确定车辆集的确定效率，进而通过所述置信度的计算，并利用所述置信度分析所述待确定车辆集，能够提高了所述伴随车辆的检测准确度。本发明在无需指定涉案车辆的前提下，通过支持度的计算确定出待确定车辆集，由于所述待确定车辆集的确定无需多次扫描数据库，提高了所述待确定车辆集的确定效率，进而提高了伴随车辆的检测效率，此外，通过置信度的确定比较，能够准确确定出伴随车辆。本发明还应用于智慧安防和智慧交通场景中，从而推动智慧城市的建设。

附图说明

图1是本发明伴随车辆检测方法的较佳实施例的流程图。

图2是本发明确定车辆集合的一实施例的流程图。

图3是本发明构建待确定车辆集的一实施例的流程图。

图4是本发明伴随车辆检测装置的较佳实施例的功能模块图。

图5是本发明实现伴随车辆检测方法的较佳实施例的电子设备的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

如图1所示，是本发明伴随车辆检测方法的较佳实施例的流程图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。

所述伴随车辆检测方法应用于智慧安防和智慧交通场景中，从而推动智慧城市的建设。所述伴随车辆检测方法应用于一个或者多个电子设备中，所述电子设备是一种能够按照事先设定或存储的计算机可读指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(DigitalSignal Processor，DSP)、嵌入式设备等。

所述电子设备可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(Internet Protocol Television，IPTV)、智能穿戴式设备等。

所述电子设备可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络电子设备、多个网络电子设备组成的电子设备组或基于云计算(CloudComputing)的由大量主机或网络电子设备构成的云。

所述电子设备所处的网络包括，但不限于：互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。

S10，当接收到伴随车辆检测请求时，根据所述伴随车辆检测请求确定多个检测卡点。

在本发明的至少一个实施例中，所述伴随车辆检测请求可以在预设时间内自动触发，也可以由用户触发。进一步地，所述预设时间可以是一个时间点，也可以是一个时间段，本发明对所述预设时间的取值不作限制。

在本发明的至少一个实施例中，所述伴随车辆检测请求中携带的数据信息包括，但不限于：第一预设标签、第二预设标签、存储位置、卡点编号等。

在本发明的至少一个实施例中，所述多个检测卡点是指道路上的检测点，例如：所述多个检测卡点可以是如高速入口或者高速出口的位置。

在本发明的至少一个实施例中，所述电子设备根据所述伴随车辆检测请求确定多个检测卡点包括：

解析所述伴随车辆检测请求的报文，得到所述伴随车辆检测请求携带的数据信息；

从配置标签库中获取第一预设标签及第二预设标签，所述第一预设标签用于指示位置信息，所述第二预设标签用于指示卡点标识；

从所述数据信息中获取与所述第一预设标签对应的信息作为存储位置，并从所述数据信息中获取与所述第二预设标签对应的信息作为卡点编号；

从所述存储位置中获取与所述卡点编号对应的卡点作为所述多个检测卡点。

其中，所述配置标签库中存储多个预先定义好的标签，例如，所述配置标签库中存储第一预设标签等。

通过解析所述伴随车辆检测请求的报文，由于无需解析整个伴随车辆检测请求，因此，能够提高所述伴随车辆检测请求的解析效率，通过第一预设标签与位置信息的映射关系，以及第二预设标签与卡点标识的映射关系，能够准确确定出所述多个检测卡点。

S11，确定经过所述多个检测卡点的检测车辆，并获取所述检测车辆经过所述多个检测卡点的时间。

在本发明的至少一个实施例中，所述检测车辆是指在车管所上牌的车辆。

在本发明的至少一个实施例中，所述电子设备确定经过所述多个检测卡点的检测车辆包括以下一种或者多种方式的组合：

确定与所述多个检测卡点对应的摄像装置，确定与所述摄像装置对应的图像库，从所述图像库中获取经过所述多个检测卡点的车辆图像，从所述车辆图像中识别出车牌号，并确定与所述车牌号对应的车辆作为所述检测车辆；及/或

其中，所述摄像装置用于在任意车辆经过所述多个检测卡点时，对所述任意车辆的车尾进行拍摄。

通过上述实施方式，由于所述摄像装置用于拍摄任意车辆的车尾，因此，所述图像库中存储的图像均包含车牌，有利于所述车牌号的识别，进而能够准确检测出所述检测车辆。

确定与所述多个检测卡点对应的车牌检测装置，确定与所述车牌检测装置对应的车牌库，从所述车牌库中获取所有车牌号，并确定与所述车牌号对应的车辆作为所述检测车辆。

其中，所述车牌检测装置用于在所述任意车辆经过所述多个检测卡点时，对所述任意车辆的车牌进行识别检测。

通过上述实施方式，由于所述车牌检测装置直接对所述任意车辆的车牌进行识别，因此，所述车牌库中存储所有经过所述多个检测卡点的车牌，进而能够快速从所述车牌库中获取所述所有车牌号，进而能够快速确定出所述检测车辆。

在本发明的至少一个实施例中，所述电子设备获取所述检测车辆经过所述多个检测卡点的时间包括以下一种或者多种方式的组合：

从所述图像库中获取所述车辆图像的摄像时间，并将所述摄像时间确定为所述检测车辆经过所述多个检测卡点的时间；及/或

从所述车牌库中获取所述所有车牌号的检测时间，并将所述检测时间确定为所述检测车辆经过所述多个检测卡点的时间。

通过上述实施方式，能够快速确定出所述检测车辆经过所述多个检测卡点的时间。

S12，根据所述检测车辆及获取到的时间确定每个检测卡点在预设时间间隔内的过车，得到每个检测卡点的车辆集合。

在本发明的至少一个实施例中，所述车辆集合是指所述检测车辆经过每个检测卡点的集合，不同车辆集合中包括的元素可以相同。例如：经过所述检测卡点1的车辆集合为{车1，车2，车3，车4}，经过所述检测卡点2的车辆集合为{车1，车2，车3}。

参见图2，图2是本发明确定车辆集合的一实施例的流程图。在本发明的至少一个实施例中，所述电子设备根据所述检测车辆及获取到的时间确定每个检测卡点在预设时间间隔内的过车，得到每个检测卡点的车辆集合包括：

S120，从所述检测车辆中筛选出经过同一检测卡点的初筛车辆。

其中，所述初筛车辆是指在指定时间经过同一检测卡点的检测车辆。

S121，从所述获取到的时间中确定出所述初筛车辆的经过时间。

其中，所述经过时间是指所述初筛车辆经过检测卡点的时间。

S122，将所述经过时间的中位数确定为目标时间，并根据所述目标时间与所述预设时间间隔确定时间范围。

其中，所述预设时间间隔可以根据应用场景配置，本发明对所述预设时间间隔的取值不作限定，例如：所述预设时间间隔可以是5s。

S123，从所述初筛车辆中提取出所述经过时间处于所述时间范围的目标车辆，得到每个检测卡点的所述车辆集合。

其中，所述目标车辆作为所述车辆集合的元素。

通过确定出所述初筛车辆，能够缩小所述检测车辆的范围，进而根据所述经过时间与所述时间范围的匹配，能够准确确定出经过每个检测卡点的车辆集合。

S13，根据所述车辆集合计算每个车辆经过所述多个检测卡点的第一支持度，并根据所述第一支持度及第一预设阈值确定频繁车辆单项集。

在本发明的至少一个实施例中，所述频繁车辆单项集中有且唯一包含一个车辆元素。例如：所述频繁车辆单项集为{车1}、{车2}。

在本发明的至少一个实施例中，所述电子设备根据所述车辆集合计算每个车辆经过所述多个检测卡点的第一支持度，并根据所述第一支持度及第一预设阈值确定频繁车辆单项集包括：

计算所述车辆集合中每个车辆经过的卡点数量，并计算所述多个检测卡点的总数量；

将每个卡点数量除以所述总数量，得到每个车辆的第一支持度；

将所述第一支持度与所述第一预设阈值进行比较，并将大于所述第一预设阈值的第一支持度对应的车辆确定为目标车辆；

将每个目标车辆构建为所述频繁车辆单项集。

例如：所述多个检测卡点分别为：检测卡点1、检测卡点2、检测卡点3、检测卡点4。经过所述检测卡点1的车辆集合为{车1，车2，车3，车4}，经过所述检测卡点2的车辆集合为{车1，车2，车3}，经过所述检测卡点3的车辆集合为{车1，车2}，计算车1经过的卡点数量为3个，车2经过的卡点数量为3个，车3经过的卡点数量为2个，车4经过的卡点数量为1个，经计算，得到车1的第一支持度为0.75，得到车2的第一支持度为0.75，得到车3的第一支持度为0.5，得到车4的第一支持度为0.25，若所述第一预设阈值为0.7，则确定出的频繁车辆单项集为{车1}、{车2}。

通过上述实施方式，能够准确确定出每个车辆的第一支持度，并根据所述第一支持度与所述第一预设阈值的比较分析，能够准确构建出所述频繁车辆单项集。

S14，当所述频繁车辆单项集有多个时，根据多个所述频繁车辆单项集构建多项集，并计算所述多项集的支持度，得到第二支持度。

在本发明的至少一个实施例中，所述电子设备将所述多个频繁车辆单项集中的任意频繁车辆单项集进行融合，得到所述多项集。

例如：所述多个频繁车辆单项集包括{车1}、{车2}、{车5}，经融合构建，得到所述多项集为：{车1，车2}、{车1，车5}、{车2，车5}、{车1，车2，车5}。

在本发明的至少一个实施例中，所述电子设备计算所述多项集的支持度包括：

提取所述多项集中的多个测算车辆；

根据每个检测卡点的所述车辆集合确定所述多个测算车辆同时出现的测算卡点数量；

将所述测试卡点数量除以所述总数量，得到所述多项集的支持度。

例如：所述多项集为{车6，车7，车8}，提取得到所述多个测算车辆为车6、车7、车8，从根据每个检测卡点的所述车辆集合确定出车6、车7、车8同时出现的测算卡点数量为3个，所述总数量为10，经计算，得到所述多项集的支持度为0.3。

通过上述实施方式，能够快速确定出所述多项集的支持度。

S15，根据所述第二支持度大于第二预设阈值的多项集构建待确定车辆集，所述第二预设阈值大于所述第一预设阈值。

在本发明的至少一个实施例中，通过设置大于所述第一预设阈值的所述第二预设阈值，能够缩小所述车辆集合的范围，提高所述待确定车辆集的确定效率。

参见图3，图3是本发明构建待确定车辆集的一实施例的流程图。在本发明的至少一个实施例中，所述电子设备根据所述第二支持度大于第二预设阈值的多项集构建待确定车辆集包括：

S150，融合所述第二支持度大于第二预设阈值的多项集，得到初级集合。

例如：所述多项集包括第二支持度为0.8的{车1，车3，车5}、第二支持度为0.9的{车1，车2，车3}、第二支持度为0.3的{车1，车7，车10}，第二预设阈值为0.6，因此，得到第二支持度大于所述第二预设阈值的多项集为{车1，车3，车5}、{车1，车2，车3}，并融合构建得到所述初级集合为{车1，车3，车5，车1，车2，车3}。

S151，确定所述初级集合中的重复车辆。

承接上述例子，确定出所述初级集合中的重复车辆有车1和车3。

S152，将所述重复车辆从所述初级集合中删除，并将删除掉所述重复车辆后的初级集合确定为所述待确定车辆集。

承接上述例子，将车1和车3从{车1，车3，车5，车1，车2，车3}中删除，得到所述待确定车辆集为{车1，车3，车5，车2}。

通过上述实施方式，能够生成不包含重复车辆的待确定车辆集，便于快速从所述待确定车辆集中确定伴随车辆。

S16，计算所述待确定车辆集中每个车辆的置信度，并根据所述置信度从所述待确定车辆集中提取伴随车辆。

需要强调的是，为进一步保证上述伴随车辆的私密和安全性，上述伴随车辆还可以存储于一区块链的节点中。

在本发明的至少一个实施例中，所述伴随车辆是指在一定时间内以一定概率存在伴随关系的车辆。

在本发明的至少一个实施例中，所述电子设备计算所述待确定车辆集中每个车辆的置信度，并根据所述置信度从所述待确定车辆集中提取伴随车辆包括：

将所述待确定车辆集中的任意车辆确定为待确定对象；

确定所述待确定对象的第三支持度，并确定所述待确定车辆集的第四支持度；

将所述第四支持度除以所述第三支持度，得到所述待确定对象的置信度；

将所述置信度大于第三预设阈值的待确定对象确定为所述伴随车辆。

其中，所述第三预设阈值是根据应用场景设置的。

通过上述实施方式，由于所述待确定车辆集是进一步缩小范围后得到的，因此，能够快速确定出所述伴随车辆，此外，利用置信度与所述第三预设阈值进行比较，能够准确确定出所述伴随车辆。

由以上技术方案可以看出，由于所述车辆集合中记载了每个车辆经过的检测卡点以及每个车辆经过检测卡点的时间，因此，利用所述车辆集合能够准确确定出所述第一支持度，进而准确确定出所述频繁车辆单项集，通过设置大于所述第一预设阈值的所述第二预设阈值，能够缩小所述车辆集合的范围，提高所述待确定车辆集的确定效率，进而通过所述置信度的计算，并利用所述置信度分析所述待确定车辆集，能够提高了所述伴随车辆的检测准确度。本发明在无需指定涉案车辆的前提下，通过支持度的计算确定出待确定车辆集，由于所述待确定车辆集的确定无需多次扫描数据库，提高了所述待确定车辆集的确定效率，进而提高了伴随车辆的检测效率，此外，通过置信度的确定比较，能够准确确定出伴随车辆。本发明还应用于智慧安防和智慧交通场景中，从而推动智慧城市的建设。

如图4所示，是本发明伴随车辆检测装置的较佳实施例的功能模块图。所述伴随车辆检测装置11包括确定单元110、获取单元111、计算单元112、构建单元113及提取单元114。本发明所称的模块/单元是指一种能够被处理器13所获取，并且能够完成固定功能的一系列计算机可读指令段，其存储在存储器12中。在本实施例中，关于各模块/单元的功能将在后续的实施例中详述。

当接收到伴随车辆检测请求时，确定单元110根据所述伴随车辆检测请求确定多个检测卡点。

在本发明的至少一个实施例中，所述伴随车辆检测请求可以在预设时间内自动触发，也可以由用户触发。进一步地，所述预设时间可以是一个时间点，也可以是一个时间段，本发明对所述预设时间的取值不作限制。

在本发明的至少一个实施例中，所述伴随车辆检测请求中携带的数据信息包括，但不限于：第一预设标签、第二预设标签、存储位置、卡点编号等。

在本发明的至少一个实施例中，所述多个检测卡点是指道路上的检测点，例如：所述多个检测卡点可以是如高速入口或者高速出口的位置。

在本发明的至少一个实施例中，所述确定单元110根据所述伴随车辆检测请求确定多个检测卡点包括：

解析所述伴随车辆检测请求的报文，得到所述伴随车辆检测请求携带的数据信息；

从配置标签库中获取第一预设标签及第二预设标签，所述第一预设标签用于指示位置信息，所述第二预设标签用于指示卡点标识；

从所述数据信息中获取与所述第一预设标签对应的信息作为存储位置，并从所述数据信息中获取与所述第二预设标签对应的信息作为卡点编号；

从所述存储位置中获取与所述卡点编号对应的卡点作为所述多个检测卡点。

其中，所述配置标签库中存储多个预先定义好的标签，例如，所述配置标签库中存储第一预设标签等。

通过解析所述伴随车辆检测请求的报文，由于无需解析整个伴随车辆检测请求，因此，能够提高所述伴随车辆检测请求的解析效率，通过第一预设标签与位置信息的映射关系，以及第二预设标签与卡点标识的映射关系，能够准确确定出所述多个检测卡点。

获取单元111确定经过所述多个检测卡点的检测车辆，并获取所述检测车辆经过所述多个检测卡点的时间。

在本发明的至少一个实施例中，所述检测车辆是指在车管所上牌的车辆。

在本发明的至少一个实施例中，所述获取单元111确定经过所述多个检测卡点的检测车辆包括以下一种或者多种方式的组合：

确定与所述多个检测卡点对应的摄像装置，确定与所述摄像装置对应的图像库，从所述图像库中获取经过所述多个检测卡点的车辆图像，从所述车辆图像中识别出车牌号，并确定与所述车牌号对应的车辆作为所述检测车辆；及/或

其中，所述摄像装置用于在任意车辆经过所述多个检测卡点时，对所述任意车辆的车尾进行拍摄。

通过上述实施方式，由于所述摄像装置用于拍摄任意车辆的车尾，因此，所述图像库中存储的图像均包含车牌，有利于所述车牌号的识别，进而能够准确检测出所述检测车辆。

确定与所述多个检测卡点对应的车牌检测装置，确定与所述车牌检测装置对应的车牌库，从所述车牌库中获取所有车牌号，并确定与所述车牌号对应的车辆作为所述检测车辆。

其中，所述车牌检测装置用于在所述任意车辆经过所述多个检测卡点时，对所述任意车辆的车牌进行识别检测。

通过上述实施方式，由于所述车牌检测装置直接对所述任意车辆的车牌进行识别，因此，所述车牌库中存储所有经过所述多个检测卡点的车牌，进而能够快速从所述车牌库中获取所述所有车牌号，进而能够快速确定出所述检测车辆。

在本发明的至少一个实施例中，所述获取单元111获取所述检测车辆经过所述多个检测卡点的时间包括以下一种或者多种方式的组合：

从所述图像库中获取所述车辆图像的摄像时间，并将所述摄像时间确定为所述检测车辆经过所述多个检测卡点的时间；及/或

从所述车牌库中获取所述所有车牌号的检测时间，并将所述检测时间确定为所述检测车辆经过所述多个检测卡点的时间。

通过上述实施方式，能够快速确定出所述检测车辆经过所述多个检测卡点的时间。

所述确定单元110根据所述检测车辆及获取到的时间确定每个检测卡点在预设时间间隔内的过车，得到每个检测卡点的车辆集合。

在本发明的至少一个实施例中，所述车辆集合是指所述检测车辆经过每个检测卡点的集合，不同车辆集合中包括的元素可以相同。例如：经过所述检测卡点1的车辆集合为{车1，车2，车3，车4}，经过所述检测卡点2的车辆集合为{车1，车2，车3}。

在本发明的至少一个实施例中，所述确定单元110根据所述检测车辆及获取到的时间确定每个检测卡点在预设时间间隔内的过车，得到每个检测卡点的车辆集合包括：

从所述检测车辆中筛选出经过同一检测卡点的初筛车辆。

其中，所述初筛车辆是指在指定时间经过同一检测卡点的检测车辆。

从所述获取到的时间中确定出所述初筛车辆的经过时间。

其中，所述经过时间是指所述初筛车辆经过检测卡点的时间。

将所述经过时间的中位数确定为目标时间，并根据所述目标时间与所述预设时间间隔确定时间范围。

其中，所述预设时间间隔可以根据应用场景配置，本发明对所述预设时间间隔的取值不作限定，例如：所述预设时间间隔可以是5s。

从所述初筛车辆中提取出所述经过时间处于所述时间范围的目标车辆，得到每个检测卡点的所述车辆集合。

其中，所述目标车辆作为所述车辆集合的元素。

通过确定出所述初筛车辆，能够缩小所述检测车辆的范围，进而根据所述经过时间与所述时间范围的匹配，能够准确确定出经过每个检测卡点的车辆集合。

所述确定单元110根据所述车辆集合计算每个车辆经过所述多个检测卡点的第一支持度，并根据所述第一支持度及第一预设阈值确定频繁车辆单项集。

在本发明的至少一个实施例中，所述频繁车辆单项集中有且唯一包含一个车辆元素。例如：所述频繁车辆单项集为{车1}、{车2}。

在本发明的至少一个实施例中，所述确定单元110根据所述车辆集合计算每个车辆经过所述多个检测卡点的第一支持度，并根据所述第一支持度及第一预设阈值确定频繁车辆单项集包括：

计算所述车辆集合中每个车辆经过的卡点数量，并计算所述多个检测卡点的总数量；

将每个卡点数量除以所述总数量，得到每个车辆的第一支持度；

将所述第一支持度与所述第一预设阈值进行比较，并将大于所述第一预设阈值的第一支持度对应的车辆确定为目标车辆；

将每个目标车辆构建为所述频繁车辆单项集。

例如：所述多个检测卡点分别为：检测卡点1、检测卡点2、检测卡点3、检测卡点4。经过所述检测卡点1的车辆集合为{车1，车2，车3，车4}，经过所述检测卡点2的车辆集合为{车1，车2，车3}，经过所述检测卡点3的车辆集合为{车1，车2}，计算车1经过的卡点数量为3个，车2经过的卡点数量为3个，车3经过的卡点数量为2个，车4经过的卡点数量为1个，经计算，得到车1的第一支持度为0.75，得到车2的第一支持度为0.75，得到车3的第一支持度为0.5，得到车4的第一支持度为0.25，若所述第一预设阈值为0.7，则确定出的频繁车辆单项集为{车1}、{车2}。

通过上述实施方式，能够准确确定出每个车辆的第一支持度，并根据所述第一支持度与所述第一预设阈值的比较分析，能够准确构建出所述频繁车辆单项集。

当所述频繁车辆单项集有多个时，计算单元112根据多个所述频繁车辆单项集构建多项集，并计算所述多项集的支持度，得到第二支持度。

在本发明的至少一个实施例中，所述计算单元112将所述多个频繁车辆单项集中的任意频繁车辆单项集进行融合，得到所述多项集。

例如：所述多个频繁车辆单项集包括{车1}、{车2}、{车5}，经融合构建，得到所述多项集为：{车1，车2}、{车1，车5}、{车2，车5}、{车1，车2，车5}。

在本发明的至少一个实施例中，所述计算单元112计算所述多项集的支持度包括：

提取所述多项集中的多个测算车辆；

根据每个检测卡点的所述车辆集合确定所述多个测算车辆同时出现的测算卡点数量；

将所述测试卡点数量除以所述总数量，得到所述多项集的支持度。

例如：所述多项集为{车6，车7，车8}，提取得到所述多个测算车辆为车6、车7、车8，从根据每个检测卡点的所述车辆集合确定出车6、车7、车8同时出现的测算卡点数量为3个，所述总数量为10，经计算，得到所述多项集的支持度为0.3。

通过上述实施方式，能够快速确定出所述多项集的支持度。

构建单元113根据所述第二支持度大于第二预设阈值的多项集构建待确定车辆集，所述第二预设阈值大于所述第一预设阈值。

在本发明的至少一个实施例中，通过设置大于所述第一预设阈值的所述第二预设阈值，能够缩小所述车辆集合的范围，提高所述待确定车辆集的确定效率。

在本发明的至少一个实施例中，所述构建单元113根据所述第二支持度大于第二预设阈值的多项集构建待确定车辆集包括：

融合所述第二支持度大于第二预设阈值的多项集，得到初级集合。

例如：所述多项集包括第二支持度为0.8的{车1，车3，车5}、第二支持度为0.9的{车1，车2，车3}、第二支持度为0.3的{车1，车7，车10}，第二预设阈值为0.6，因此，得到第二支持度大于所述第二预设阈值的多项集为{车1，车3，车5}、{车1，车2，车3}，并融合构建得到所述初级集合为{车1，车3，车5，车1，车2，车3}。

确定所述初级集合中的重复车辆。

承接上述例子，确定出所述初级集合中的重复车辆有车1和车3。

将所述重复车辆从所述初级集合中删除，并将删除掉所述重复车辆后的初级集合确定为所述待确定车辆集。

承接上述例子，将车1和车3从{车1，车3，车5，车1，车2，车3}中删除，得到所述待确定车辆集为{车1，车3，车5，车2}。

通过上述实施方式，能够生成不包含重复车辆的待确定车辆集，便于快速从所述待确定车辆集中确定伴随车辆。

提取单元114计算所述待确定车辆集中每个车辆的置信度，并根据所述置信度从所述待确定车辆集中提取伴随车辆。

需要强调的是，为进一步保证上述伴随车辆的私密和安全性，上述伴随车辆还可以存储于一区块链的节点中。

在本发明的至少一个实施例中，所述伴随车辆是指在一定时间内以一定概率存在伴随关系的车辆。

在本发明的至少一个实施例中，所述提取单元114计算所述待确定车辆集中每个车辆的置信度，并根据所述置信度从所述待确定车辆集中提取伴随车辆包括：

将所述待确定车辆集中的任意车辆确定为待确定对象；

确定所述待确定对象的第三支持度，并确定所述待确定车辆集的第四支持度；

将所述第四支持度除以所述第三支持度，得到所述待确定对象的置信度；

将所述置信度大于第三预设阈值的待确定对象确定为所述伴随车辆。

其中，所述第三预设阈值是根据应用场景设置的。

通过上述实施方式，由于所述待确定车辆集是进一步缩小范围后得到的，因此，能够快速确定出所述伴随车辆，此外，利用置信度与所述第三预设阈值进行比较，能够准确确定出所述伴随车辆。

由以上技术方案可以看出，由于所述车辆集合中记载了每个车辆经过的检测卡点以及每个车辆经过检测卡点的时间，因此，利用所述车辆集合能够准确确定出所述第一支持度，进而准确确定出所述频繁车辆单项集，通过设置大于所述第一预设阈值的所述第二预设阈值，能够缩小所述车辆集合的范围，提高所述待确定车辆集的确定效率，进而通过所述置信度的计算，并利用所述置信度分析所述待确定车辆集，能够提高了所述伴随车辆的检测准确度。本发明在无需指定涉案车辆的前提下，通过支持度的计算确定出待确定车辆集，由于所述待确定车辆集的确定无需多次扫描数据库，提高了所述待确定车辆集的确定效率，进而提高了伴随车辆的检测效率，此外，通过置信度的确定比较，能够准确确定出伴随车辆。本发明还应用于智慧安防和智慧交通场景中，从而推动智慧城市的建设。

如图5所示，是本发明实现伴随车辆检测方法的较佳实施例的电子设备的结构示意图。

在本发明的一个实施例中，所述电子设备1包括，但不限于，存储器12、处理器13，以及存储在所述存储器12中并可在所述处理器13上运行的计算机可读指令，例如伴随车辆检测程序。

本领域技术人员可以理解，所述示意图仅仅是电子设备1的示例，并不构成对电子设备1的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。

所述处理器13可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器13是所述电子设备1的运算核心和控制中心，利用各种接口和线路连接整个电子设备1的各个部分，及执行所述电子设备1的操作系统以及安装的各类应用程序、程序代码等。

示例性的，所述计算机可读指令可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器13执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段，该计算机可读指令段用于描述所述计算机可读指令在所述电子设备1中的执行过程。例如，所述计算机可读指令可以被分割成确定单元110、获取单元111、计算单元112、构建单元113及提取单元114。

所述存储器12可用于存储所述计算机可读指令和/或模块，所述处理器13通过运行或执行存储在所述存储器12内的计算机可读指令和/或模块，以及调用存储在存储器12内的数据，实现所述电子设备1的各种功能。所述存储器12可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。存储器12可以包括非易失性和易失性存储器，例如：硬盘、内存、插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他存储器件。

所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地，所述存储器12可以是具有实物形式的存储器，如内存条、TF卡(Trans-flash Card)等等。

所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一计算机可读存储介质中，该计算机可读指令在被处理器执行时，可实现上述各个方法实施例的步骤。

其中，所述计算机可读指令包括计算机可读指令代码，所述计算机可读指令代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机可读指令代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

结合图1，所述电子设备1中的所述存储器12存储计算机可读指令实现一种伴随车辆检测方法，所述处理器13可执行所述计算机可读指令从而实现：

当接收到伴随车辆检测请求时，根据所述伴随车辆检测请求确定多个检测卡点；

确定经过所述多个检测卡点的检测车辆，并获取所述检测车辆经过所述多个检测卡点的时间；

根据所述检测车辆及获取到的时间确定每个检测卡点在预设时间间隔内的过车，得到每个检测卡点的车辆集合；

根据所述车辆集合计算每个车辆经过所述多个检测卡点的第一支持度，并根据所述第一支持度及第一预设阈值确定频繁车辆单项集；

当所述频繁车辆单项集有多个时，根据多个所述频繁车辆单项集构建多项集，并计算所述多项集的支持度，得到第二支持度；

根据所述第二支持度大于第二预设阈值的多项集构建待确定车辆集，所述第二预设阈值大于所述第一预设阈值；

计算所述待确定车辆集中每个车辆的置信度，并根据所述置信度从所述待确定车辆集中提取伴随车辆。

具体地，所述处理器13对上述计算机可读指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述计算机可读存储介质上存储有计算机可读指令，其中，所述计算机可读指令被处理器13执行时用以实现以下步骤：

当接收到伴随车辆检测请求时，根据所述伴随车辆检测请求确定多个检测卡点；

确定经过所述多个检测卡点的检测车辆，并获取所述检测车辆经过所述多个检测卡点的时间；

根据所述检测车辆及获取到的时间确定每个检测卡点在预设时间间隔内的过车，得到每个检测卡点的车辆集合；

根据所述车辆集合计算每个车辆经过所述多个检测卡点的第一支持度，并根据所述第一支持度及第一预设阈值确定频繁车辆单项集；

当所述频繁车辆单项集有多个时，根据多个所述频繁车辆单项集构建多项集，并计算所述多项集的支持度，得到第二支持度；

根据所述第二支持度大于第二预设阈值的多项集构建待确定车辆集，所述第二预设阈值大于所述第一预设阈值；

计算所述待确定车辆集中每个车辆的置信度，并根据所述置信度从所述待确定车辆集中提取伴随车辆。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。