具体实施方式

为了能够更清楚地理解本申请的上述目的、特征和优点，下面结合附图和具体实施例对本申请进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本申请，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。

本发明实施例提供的身份识别方法由计算机设备执行，相应地，身份识别装置运行于计算机设备中。

图1是本申请第一实施方式的身份识别方法的流程图。所述身份识别方法可用于对交通工具进行身份识别，所述交通工具可以为电动单车等，在此不做限制。如图1所示，所述身份识别方法可以包括如下步骤，根据不同的需求，该流程图中步骤的顺序可以改变，某些可以省略：

S11，采集特定区域内的目标车辆的视频图像。

在本申请的至少一实施例中，在对电动单车进行身份识别时，需要先建立电动单车基础数据库，所述电动单车基础数据库中用于存储若干电动单车的人员、车辆以及车牌等信息，对于一辆电动单车来说，其应满足一个电动单车存在一位人员以及一个车牌。可选地，所述建立电动单车基础数据库包括：

获取预购买车辆的基础信息，并基于预先训练好的车辆标准判断模型对所述基础信息进行自动化分析，以判定所述预购买车辆符合国家车辆标准，并针对所述基础信息生成目标二维码；

确定所述预购买车辆的人员信息，并基于人脸识别技术检测人员信息是否正确；

当检测结果为人员信息正确时，通过所述目标二维码确定所述预购买车辆的基础信息，并将所述人员信息与所述基础信息绑定，生成车辆号牌；

在所述预购买车辆安装好所述车辆号牌后，获取所述预购买车辆对应的预设角度的车辆照片，并将所述车辆照片输入至对应所述预设角度的照片检测模型中，以判定所述车辆照片符合照片检测要求。

其中，购买车辆的人员会输入姓名身份证号码、上传身份证正面、身份证反面以及头像信息。所述基于人脸识别技术检测人员信息是否正确主要包括以下两个步骤：

首先，对上传的身份证正面进行OCR识别，识别出姓名、身份证号码，与用户输入的姓名、身份证进行比较，比较一致则通过验证；

其次，利用大量的人脸大头照片、身份证照片，进行标注，标注出人脸在照片上的位置，进行数据建模、训练、深度学习，从而达到能准确的从这类照片中检测出人脸。利用大量人脸照片，对人脸部分进行多特征的提取，特征提取的过程进行大量的训练。利用事先标注好的同一人的两张照片，进行多特征的相似度计算，相似度计算过程利用大量同一人的两张照片进行训练，从而得到同一人较高的相似度，相似度大于某一阀值，则判断为是同一人。

其中，所述通过所述目标二维码确定所述预购买车辆的基础信息，并将所述人员信息与所述基础信息绑定，生成车辆号牌可以包括如下步骤：

利用车辆的唯一“二维码”自动带出车辆的信息，进入备案页面。在备案页面，用户需要补充用户信息，备案所需信息都提交到系统后，系统利用预先训练的算法，进行人员信息的比对，人员信息比对完全正确的话，系统自动审核通过，并根据车辆类型自动生成号牌。所述车辆号牌是唯一用于标识电动单车身份的信息。

其中，所述预设角度为预先设置的用于标识电动单车的外观信息的角度，示例性的，所述预设角度可以为整车编码照片、车辆前方45度照片、车辆后方45度照片、上牌照片等4张照片。

在本申请的至少一实施例中，所述特定区域是指安装有若干电子监控的区域，所述电子监控用于监控该区域内行驶的电动单车的视频图像，所述视频图像中包含驾驶电动单车的人员信息、车辆信息以及车牌信息。所述目标车辆的数量可以为1个，也可以为多个，在此不做限制。

S12，预处理所述视频图像，得到所述目标车辆的车辆照片与人脸照片，其中，所述车辆照片包括车辆号牌照片以及若干拍摄角度的车辆外观照片。

在本申请的至少一实施例中，所述视频图像中包含驾驶电动单车的人员信息、车辆信息以及车牌信息，通过预处理所述视频图像，将所述视频图像拆分为人员视频图像、车辆视频图像以及车牌视频图像，分别对所述人员视频图像进行特征提取，得到人脸照片；对所述车辆视频图像进行特征提取，得到若干拍摄角度的车辆外观照片；对所述车牌视频图像进行特征提取，得到车辆号牌照片。

可选地，预处理所述视频图像，得到所述目标车辆的车辆照片与人脸照片包括：

按照预设帧率拆分所述视频图像，得到由若干帧轨迹图像组成的轨迹图像集；

检测所述轨迹图像集中是否存在人脸图像与车牌图像；

当检测结果为所述轨迹图像集中存在人脸图像与车牌图像时，选取图像清晰度大于预设清晰度阈值的目标人脸图像与目标车牌图像；

从所述轨迹图像集中选取若干拍摄角度的目标车辆图像；

组合所述目标人脸图像、所述目标车牌图像与所述目标车辆图像，得到目标图像集。

其中，所述预设帧率是指预先设置的用于抽取所述视频图像中若干帧图像的频率，将视频图像通过预设帧率抽取得到若干轨迹图像，继而对轨迹图像进行车辆识别或者人脸识别，得到车辆照片与人脸照片，能够提高照片获取的速率与准确性。

可选地，所述从所述轨迹图像集中选取若干拍摄角度的目标车辆图像包括：

确定预先训练好的照片检测模型对应的模型训练角度，所述模型训练角度与所述拍摄角度存在映射关系；

将所述目标车辆按照目标角度为基准角度进行定位，并计算所述模型训练角度与所述目标角度的角度差值；

选取所述角度差值处对应的车辆图像作为与所述模型训练角度对应的若干拍摄角度的目标车辆图像。

其中，所述照片检测模型的数量为多个，每个所述照片检测模型用于检测若干拍摄角度的车辆照片，得到车辆特征数据。所述拍摄角度为预先设置的用于标识电动单车的外观信息的角度，示例性的，所述拍摄角度可以为整车编码照片、车辆前方45度照片、车辆后方45度照片、上牌照片等4张照片。以上述四个角度为例训练所述照片检测模型预先准备整车编码照片、车辆前方45度照片、车辆后方45度照片、上牌照片四个场景的大量的各自照片，对4个场景分别进行数据建模、训练、深度学习，得到能检测4个场景的照片检测模型。所述模型训练角度与所述拍摄角度存在映射关系。所述目标角度是指预先设置的用于对拍摄角度起到参照作用的角度。

S13，计算所述车辆外观照片的拍摄角度，并根据所述拍摄角度查询预先设置的拍摄角度与照片检测模型的映射关系，得到目标照片检测模型。

在本申请的至少一实施例中，对于选取的若干拍摄角度的车辆外观照片，均添加预设标签用于标识所述车辆外观照片的拍摄角度，通过查询每一张所述车辆外观照片携带的所述预设标签，能够得到所述车辆外观照片的拍摄角度。其中，所述预设标签可以为数字标签等，在此不做限制。

S14，调用所述目标照片检测模型处理所述车辆号牌照片以及所述拍摄角度对应的车辆外观照片，得到车辆特征数据，其中，所述车辆特征数据包括车辆号牌数据与车辆外观数据。

在本申请的至少一实施例中，调用所述照片检测模型处理所述车辆照片，得到车辆特征数据，其中，所述车辆特征数据包括车辆号牌数据与车辆外观数据。

可选地，所述调用所述目标照片检测模型处理所述车辆号牌照片以及所述拍摄角度对应的车辆外观照片，得到车辆特征数据包括：

获取所述车辆号牌照片中的车牌区域，并特征提取所述车牌区域的特征数据，得到车辆号牌数据；

获取所述车辆外观照片，并计算所述车辆外观照片的拍摄角度；

确定与所述拍摄角度对应的目标照片检测模型，调用所述目标检测模型处理相应角度的车辆外观照片，得到车辆外观数据。

S15，调用人脸识别模型处理所述人脸照片，得到人员特征数据。

在本申请的至少一实施例中，所述人员特征数据是指人员的脸部特征数据，例如，人脸的宽度数据、五官所在的位置数据以及五官的形状数据等，通过分析所述人员特征数据，能够得到人员的身份信息，以判断其是否为基础数据库中存储的与车辆特征数据匹配的人员。

可选地，所述调用人脸识别模型处理所述人脸照片，得到人员特征数据包括：

定位所述人脸照片中的人脸区域；

特征提取所述人脸区域的目标特征数据；

将所述目标特征数据按照预设数据格式进行存储，得到人员特征数据。

其中，所述目标特征数据是指人员的人脸的宽度数据、五官所在的位置数据以及五官的形状数据等数据，所述预设数据格式是指预先设置的用于存储多个目标特征数据的格式，在此不做限制。

在一实施例中，可能存在人脸被遮挡的情况(例如，带口罩或者戴头盔等情况)，当检测到人脸被遮挡时，还可以通过驾驶所述目标车辆的人员的形体特征与衣着特征综合分析，得到人员特征数据。可选地，当检测到人脸被遮挡时，所述方法还包括：

预处理所述视频图像，得到用户对应的行为视频，并从所述行为视频中选取用户的形体数据与衣着数据；调用预先训练好的形体计算模型处理所述形体数据，得到形体特征；

调用预先训练好的衣着计算模型处理所述衣着数据，得到衣着特征；

根据所述形体特征与所述衣着特征确定用户的人员特征数据。

其中，所述行为视频是指用户在驾驶目标车辆时的视频，所述行为视频中包含用户的形体数据与衣着数据，所述形体数据可以是指用户各部分长度的比值，例如，肩宽比等数据；所述衣着数据可以是衣着的款式(例如，连衣裙等)、颜色等。所述人员特征数据可以是根据所述形体特征与所述衣着特征得到的用户的性别数据与人脸数据。可以理解的是，预先建立细粒度的所述形体特征、所述衣着特征与所述人脸特征的矩阵，通过查询该细粒度矩阵，能够得到与所述形体特征以及所述衣着特征相对应的所述人脸特征。

S16，检测所述车辆特征数据与所述人员特征数据是否匹配，当检测结果为所述车辆特征数据与所述人员特征数据不匹配时，执行步骤S17。

在本申请的至少一实施例中，检测所述车辆特征数据与所述人员特征数据是否匹配，也即从基础数据库中获取与所述车辆特征数据一致的相关信息，所述相关信息包括车辆号牌信息、车辆外观信息以及购车人员信息。所述车辆号牌信息、车辆外观信息以及购车人员信息之间存在一一对应的映射关系，以符合国家规定的“一人一车一牌”的要求。

可选地，所述检测所述车辆特征数据与所述人员特征数据是否匹配包括：

获取所述车辆特征数据；

根据所述车辆特征数据遍历预先设置的车辆特征与人员特征的映射关系，得到目标人员特征数据；

检测所述目标人员特征数据与所述人员特征数据是否一致；

当检测结果为所述目标人员特征数据与所述人员特征数据一致时，确定所述车辆特征数据与所述人员特征数据匹配；

当检测结果为所述目标人员特征数据与所述人员特征数据不一致时，确定所述车辆特征数据与所述人员特征数据不匹配。

其中，所述车辆特征数据包括车辆号牌数据与车辆外观数据，在所述检测所述车辆特征数据与所述人员特征数据是否匹配之前，所述方法还包括：检测所述车辆号牌数据与所述车辆外观数据是否匹配。可选地，所述检测所述车辆号牌数据与所述车辆外观数据是否匹配包括：

获取所述车辆号牌数据；

根据所述车辆号牌数据遍历预先设置的车辆号牌与车辆外观的映射关系，得到目标车辆外观数据；

检测所述目标车辆外观数据与所述车辆外观数据是否一致；

当检测结果为所述目标车辆外观数据与所述车辆外观数据一致时，确定所述车辆号牌数据与所述车辆外观数据匹配；

当检测结果为所述目标车辆外观数据与所述车辆外观数据不一致时，确定所述车辆号牌数据与所述车辆外观数据不匹配。

S17，输出告警提示。

在本申请的至少一实施例中，当检测结果为所述车辆特征数据与所述人员特征数据匹配时，确定目标车辆满足一人一车一牌的规定；当检测结果为所述车辆特征数据与所述人员特征数据不匹配时，输出告警提示。

本申请实施例提供的上述身份识别方法，通过对特定区域内的目标车辆采集视频图像，对所述视频进行预处理，得到所述目标车辆的车辆照片与人脸照片，其中，所述车辆照片包括车辆号牌照片以及若干拍摄角度的车辆外观照片，实现对目标车辆的人员、车牌与车辆外观三者进行匹配，确定电动单车的使用符合一人一车一牌的规定；此外，本申请旨在对车辆照片进行处理时，选取对应车辆照片角度的照片检测模型完成照片处理，使得特定角度的车辆照片能够调用合适的照片检测模型，提高照片处理的准确性，继而提高电动单车身份识别的准确性。本申请可应用于智慧政务、智慧交通等智慧城市的各个功能模块中，比如智慧政务的身份识别模块等，能够促进智慧城市的快速发展。

图2是本申请实施例二提供的身份识别装置的结构图。

在一些实施例中，所述身份识别装置20可以包括多个由计算机程序段所组成的功能模块。所述身份识别装置20中的各个程序段的计算机程序可以存储于计算机设备的存储器中，并由至少一个处理器所执行，以执行(详见图1描述)模型训练处理的功能。

本实施例中，所述身份识别装置20根据其所执行的功能，可以被划分为多个功能模块。所述功能模块可以包括：视频采集模块201、视频处理模块202、角度计算模块203、车辆数据获取模块204、人员数据获取模块205、数据检测模块206以及告警提示模块207。本申请所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。

所述视频采集模块201用于采集特定区域内的目标车辆的视频图像。

在本申请的至少一实施例中，在对电动单车进行身份识别时，需要先建立电动单车基础数据库，所述电动单车基础数据库中用于存储若干电动单车的人员、车辆以及车牌等信息，对于一辆电动单车来说，其应满足一个电动单车存在一位人员以及一个车牌。可选地，所述建立电动单车基础数据库包括：

获取预购买车辆的基础信息，并基于预先训练好的车辆标准判断模型对所述基础信息进行自动化分析，以判定所述预购买车辆符合国家车辆标准，并针对所述基础信息生成目标二维码；

确定所述预购买车辆的人员信息，并基于人脸识别技术检测人员信息是否正确；

当检测结果为人员信息正确时，通过所述目标二维码确定所述预购买车辆的基础信息，并将所述人员信息与所述基础信息绑定，生成车辆号牌；

在所述预购买车辆安装好所述车辆号牌后，获取所述预购买车辆对应的预设角度的车辆照片，并将所述车辆照片输入至对应所述预设角度的照片检测模型中，以判定所述车辆照片符合照片检测要求。

其中，购买车辆的人员会输入姓名身份证号码、上传身份证正面、身份证反面以及头像信息。所述基于人脸识别技术检测人员信息是否正确主要包括以下两个步骤：

首先，对上传的身份证正面进行OCR识别，识别出姓名、身份证号码，与用户输入的姓名、身份证进行比较，比较一致则通过验证；

其次，利用大量的人脸大头照片、身份证照片，进行标注，标注出人脸在照片上的位置，进行数据建模、训练、深度学习，从而达到能准确的从这类照片中检测出人脸。利用大量人脸照片，对人脸部分进行多特征的提取，特征提取的过程进行大量的训练。利用事先标注好的同一人的两张照片，进行多特征的相似度计算，相似度计算过程利用大量同一人的两张照片进行训练，从而得到同一人较高的相似度，相似度大于某一阀值，则判断为是同一人。

其中，所述通过所述目标二维码确定所述预购买车辆的基础信息，并将所述人员信息与所述基础信息绑定，生成车辆号牌可以包括如下步骤：

利用车辆的唯一“二维码”自动带出车辆的信息，进入备案页面。在备案页面，用户需要补充用户信息，备案所需信息都提交到系统后，系统利用预先训练的算法，进行人员信息的比对，人员信息比对完全正确的话，系统自动审核通过，并根据车辆类型自动生成号牌。所述车辆号牌是唯一用于标识电动单车身份的信息。

其中，所述预设角度为预先设置的用于标识电动单车的外观信息的角度，示例性的，所述预设角度可以为整车编码照片、车辆前方45度照片、车辆后方45度照片、上牌照片等4张照片。

在本申请的至少一实施例中，所述特定区域是指安装有若干电子监控的区域，所述电子监控用于监控该区域内行驶的电动单车的视频图像，所述视频图像中包含驾驶电动单车的人员信息、车辆信息以及车牌信息。所述目标车辆的数量可以为1个，也可以为多个，在此不做限制。

所述视频处理模块202用于预处理所述视频图像，得到所述目标车辆的车辆照片与人脸照片，其中，所述车辆照片包括车辆号牌照片以及若干拍摄角度的车辆外观照片。

在本申请的至少一实施例中，所述视频图像中包含驾驶电动单车的人员信息、车辆信息以及车牌信息，通过预处理所述视频图像，将所述视频图像拆分为人员视频图像、车辆视频图像以及车牌视频图像，分别对所述人员视频图像进行特征提取，得到人脸照片；对所述车辆视频图像进行特征提取，得到若干拍摄角度的车辆外观照片；对所述车牌视频图像进行特征提取，得到车辆号牌照片。

可选地，预处理所述视频图像，得到所述目标车辆的车辆照片与人脸照片包括：

按照预设帧率拆分所述视频图像，得到由若干帧轨迹图像组成的轨迹图像集；

检测所述轨迹图像集中是否存在人脸图像与车牌图像；

当检测结果为所述轨迹图像集中存在人脸图像与车牌图像时，选取图像清晰度大于预设清晰度阈值的目标人脸图像与目标车牌图像；

从所述轨迹图像集中选取若干拍摄角度的目标车辆图像；

组合所述目标人脸图像、所述目标车牌图像与所述目标车辆图像，得到目标图像集。

其中，所述预设帧率是指预先设置的用于抽取所述视频图像中若干帧图像的频率，将视频图像通过预设帧率抽取得到若干轨迹图像，继而对轨迹图像进行车辆识别或者人脸识别，得到车辆照片与人脸照片，能够提高照片获取的速率与准确性。

可选地，所述从所述轨迹图像集中选取若干拍摄角度的目标车辆图像包括：

确定预先训练好的照片检测模型对应的模型训练角度，所述模型训练角度与所述拍摄角度存在映射关系；

将所述目标车辆按照目标角度为基准角度进行定位，并计算所述模型训练角度与所述目标角度的角度差值；

选取所述角度差值处对应的车辆图像作为与所述模型训练角度对应的若干拍摄角度的目标车辆图像。

其中，所述照片检测模型的数量为多个，每个所述照片检测模型用于检测若干拍摄角度的车辆照片，得到车辆特征数据。所述拍摄角度为预先设置的用于标识电动单车的外观信息的角度，示例性的，所述拍摄角度可以为整车编码照片、车辆前方45度照片、车辆后方45度照片、上牌照片等4张照片。以上述四个角度为例训练所述照片检测模型预先准备整车编码照片、车辆前方45度照片、车辆后方45度照片、上牌照片四个场景的大量的各自照片，对4个场景分别进行数据建模、训练、深度学习，得到能检测4个场景的照片检测模型。所述模型训练角度与所述拍摄角度存在映射关系。所述目标角度是指预先设置的用于对拍摄角度起到参照作用的角度。

所述角度计算模块203用于计算所述车辆外观照片的拍摄角度，并根据所述拍摄角度查询预先设置的拍摄角度与照片检测模型的映射关系，得到目标照片检测模型。

在本申请的至少一实施例中，对于选取的若干拍摄角度的车辆外观照片，均添加预设标签用于标识所述车辆外观照片的拍摄角度，通过查询每一张所述车辆外观照片携带的所述预设标签，能够得到所述车辆外观照片的拍摄角度。其中，所述预设标签可以为数字标签等，在此不做限制。

所述车辆数据获取模块204用于调用所述目标照片检测模型处理所述车辆号牌照片以及所述拍摄角度对应的车辆外观照片，得到车辆特征数据，其中，所述车辆特征数据包括车辆号牌数据与车辆外观数据。

在本申请的至少一实施例中，调用所述照片检测模型处理所述车辆照片，得到车辆特征数据，其中，所述车辆特征数据包括车辆号牌数据与车辆外观数据。

可选地，所述调用所述目标照片检测模型处理所述车辆号牌照片以及所述拍摄角度对应的车辆外观照片，得到车辆特征数据包括：

获取所述车辆号牌照片中的车牌区域，并特征提取所述车牌区域的特征数据，得到车辆号牌数据；

获取所述车辆外观照片，并计算所述车辆外观照片的拍摄角度；

确定与所述拍摄角度对应的目标照片检测模型，调用所述目标检测模型处理相应角度的车辆外观照片，得到车辆外观数据。

所述人员数据获取模块205用于调用人脸识别模型处理所述人脸照片，得到人员特征数据。

在本申请的至少一实施例中，所述人员特征数据是指人员的脸部特征数据，例如，人脸的宽度数据、五官所在的位置数据以及五官的形状数据等，通过分析所述人员特征数据，能够得到人员的身份信息，以判断其是否为基础数据库中存储的与车辆特征数据匹配的人员。

可选地，所述调用人脸识别模型处理所述人脸照片，得到人员特征数据包括：

定位所述人脸照片中的人脸区域；

特征提取所述人脸区域的目标特征数据；

将所述目标特征数据按照预设数据格式进行存储，得到人员特征数据。

其中，所述目标特征数据是指人员的人脸的宽度数据、五官所在的位置数据以及五官的形状数据等数据，所述预设数据格式是指预先设置的用于存储多个目标特征数据的格式，在此不做限制。

在一实施例中，可能存在人脸被遮挡的情况(例如，带口罩或者戴头盔等情况)，当检测到人脸被遮挡时，还可以通过驾驶所述目标车辆的人员的形体特征与衣着特征综合分析，得到人员特征数据。可选地，当检测到人脸被遮挡时，所述人员数据获取模块205还包括：

预处理所述视频图像，得到用户对应的行为视频，并从所述行为视频中选取用户的形体数据与衣着数据；调用预先训练好的形体计算模型处理所述形体数据，得到形体特征；

调用预先训练好的衣着计算模型处理所述衣着数据，得到衣着特征；

根据所述形体特征与所述衣着特征确定用户的人员特征数据。

其中，所述行为视频是指用户在驾驶目标车辆时的视频，所述行为视频中包含用户的形体数据与衣着数据，所述形体数据可以是指用户各部分长度的比值，例如，肩宽比等数据；所述衣着数据可以是衣着的款式(例如，连衣裙等)、颜色等。所述人员特征数据可以是根据所述形体特征与所述衣着特征得到的用户的性别数据与人脸数据。可以理解的是，预先建立细粒度的所述形体特征、所述衣着特征与所述人脸特征的矩阵，通过查询该细粒度矩阵，能够得到与所述形体特征以及所述衣着特征相对应的所述人脸特征。

所述数据检测模块206用于检测所述车辆特征数据与所述人员特征数据是否匹配。

在本申请的至少一实施例中，检测所述车辆特征数据与所述人员特征数据是否匹配，也即从基础数据库中获取与所述车辆特征数据一致的相关信息，所述相关信息包括车辆号牌信息、车辆外观信息以及购车人员信息。所述车辆号牌信息、车辆外观信息以及购车人员信息之间存在一一对应的映射关系，以符合国家规定的“一人一车一牌”的要求。

可选地，所述检测所述车辆特征数据与所述人员特征数据是否匹配包括：

获取所述车辆特征数据；

根据所述车辆特征数据遍历预先设置的车辆特征与人员特征的映射关系，得到目标人员特征数据；

检测所述目标人员特征数据与所述人员特征数据是否一致；

当检测结果为所述目标人员特征数据与所述人员特征数据一致时，确定所述车辆特征数据与所述人员特征数据匹配；

当检测结果为所述目标人员特征数据与所述人员特征数据不一致时，确定所述车辆特征数据与所述人员特征数据不匹配。

其中，所述车辆特征数据包括车辆号牌数据与车辆外观数据，在所述检测所述车辆特征数据与所述人员特征数据是否匹配之前，所述数据检测模块206还包括：检测所述车辆号牌数据与所述车辆外观数据是否匹配。可选地，所述检测所述车辆号牌数据与所述车辆外观数据是否匹配包括：

获取所述车辆号牌数据；

根据所述车辆号牌数据遍历预先设置的车辆号牌与车辆外观的映射关系，得到目标车辆外观数据；

检测所述目标车辆外观数据与所述车辆外观数据是否一致；

当检测结果为所述目标车辆外观数据与所述车辆外观数据一致时，确定所述车辆号牌数据与所述车辆外观数据匹配；

当检测结果为所述目标车辆外观数据与所述车辆外观数据不一致时，确定所述车辆号牌数据与所述车辆外观数据不匹配。

所述告警提示模块207用于当检测结果为所述车辆特征数据与所述人员特征数据不匹配时，输出告警提示。

在本申请的至少一实施例中，当检测结果为所述车辆特征数据与所述人员特征数据匹配时，确定目标车辆满足一人一车一牌的规定；当检测结果为所述车辆特征数据与所述人员特征数据不匹配时，输出告警提示。

参阅图3所示，为本申请实施例三提供的计算机设备的结构示意图。在本申请较佳实施例中，所述计算机设备3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。

本领域技术人员应该了解，图3示出的计算机设备的结构并不构成本申请实施例的限定，既可以是总线型结构，也可以是星形结构，所述计算机设备3还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置。

在一些实施例中，所述计算机设备3是一种能够按照事先设定或存储的指令，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、可编程门阵列、数字处理器及嵌入式设备等。所述计算机设备3还可包括客户设备，所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式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、数码相机等。

需要说明的是，所述计算机设备3仅为举例，其他现有的或今后可能出现的电子产品如可适应于本申请，也应包含在本申请的保护范围以内，并以引用方式包含于此。

在一些实施例中，所述存储器31中存储有计算机程序，所述计算机程序被所述至少一个处理器32执行时实现如所述的身份识别方法中的全部或者部分步骤。所述存储器31包括只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable Read-OnlyMemory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

进一步地，所述计算机可读存储介质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等；存储数据区可存储根据区块链节点的使用所创建的数据等。

本申请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。

在一些实施例中，所述至少一个处理器32是所述计算机设备3的控制核心(Control Unit)，利用各种接口和线路连接整个计算机设备3的各个部件，通过运行或执行存储在所述存储器31内的程序或者模块，以及调用存储在所述存储器31内的数据，以执行计算机设备3的各种功能和处理数据。例如，所述至少一个处理器32执行所述存储器中存储的计算机程序时实现本申请实施例中所述的身份识别方法的全部或者部分步骤；或者实现身份识别装置的全部或者部分功能。所述至少一个处理器32可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。

在一些实施例中，所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。

尽管未示出，所述计算机设备3还可以包括给各个部件供电的电源(比如电池)，优选的，电源可以通过电源管理装置与所述至少一个处理器32逻辑相连，从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述计算机设备3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。

上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，计算机设备，或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的部分。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，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，既可以位于一个地方，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，在本申请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。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。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，本申请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申请内。不应将权利要求中的任何附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，单数不排除复数。说明书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。第一，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申请的技术方案而非限制，尽管参照较佳实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或等同替换，而不脱离本申请技术方案的精神和范围。