CN113269060B - 一种车辆违法行为复审方法、装置、电子设备及存储介质 - Google Patents
一种车辆违法行为复审方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113269060B CN113269060B CN202110514020.0A CN202110514020A CN113269060B CN 113269060 B CN113269060 B CN 113269060B CN 202110514020 A CN202110514020 A CN 202110514020A CN 113269060 B CN113269060 B CN 113269060B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- illegal
- information
- lane
- review
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012552 review Methods 0.000 title claims abstract description 205
- 238000000034 method Methods 0.000 title claims abstract description 76
- 230000006399 behavior Effects 0.000 claims abstract description 120
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 57
- 238000001514 detection method Methods 0.000 claims description 23
- 230000015654 memory Effects 0.000 claims description 18
- 230000000694 effects Effects 0.000 claims description 17
- 238000013145 classification model Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000009022 Jinqi Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种车辆违法行为复审方法、装置、电子设备及存储介质,其中,方法包括如下步骤:获取待审核的车辆违法行为信息,所述车辆违法行为信息包括违法种类;根据所述违法种类,确定相应的违法行为复审算法;根据所述违法行为复审算法以及所述车辆违法行为信息,确定违法行为的复审结果。通过实施本发明,能够自动调用对应的复审算法实现自动复审,提高复审效率,减轻人工审核负担,降低了人力成本,而且能够避免人为复审时的主观因素,提高了复审准确度。
Description
技术领域
本发明涉及计算机图像处理领域,具体涉及一种车辆违法行为复审方法、装置、电子设备及存储介质。
背景技术
随着城市车辆的增多,前端设备持续更新,捕获的违法行为数据持续增多,但这些违法数据中,由于摄像机随时间变化摄像机发生变化,道路环境的复杂度增加,误拍非机动车及行人和特种车辆数据多,因此产生大量误判断数据。相关技术中,为了剔除误判断数据,需要配备大量人工进行人工审核,工作任务繁重,且存在大量重复工作,同时又极易出现复审错误现象。
发明内容
有鉴于此,本发明实施例提供了一种车辆违法行为复审方法、装置、电子设备及存储介质,以解决现有技术中为了剔除误判断数据,需要配备大量人工进行人工审核,工作任务繁重,且存在大量重复工作,同时又极易出现复审错误的缺陷。
根据第一方面,本发明实施例提供一种车辆违法行为复审方法,包括如下步骤:获取待审核的车辆违法行为信息,所述车辆违法行为信息包括违法种类;根据所述违法种类,确定相应的违法行为复审算法;根据所述违法行为复审算法以及所述车辆违法行为信息,确定违法行为的复审结果。
可选地,所述车辆违法行为信息包括获取到车辆违法行为的图像获取设备编号、多张待审核的车辆驾驶图像信息以及违法车辆车牌号信息,所述根据所述违法行为复审算法以及所述车辆违法行为信息,确定违法行为的复审结果,包括:提取所述车辆驾驶图像信息中的车牌号信息;当提取出的所述车牌号信息与所述违法车辆车牌号信息一致时,则根据所述图像获取设备编号,确定发生所述违法行为的车道线信息;根据所述违法行为复审算法对所述车道线信息以及多张待审核的车辆驾驶图像信息进行违法行为判定,得到违法行为的复审结果。
可选地,所述违法种类为不按导向线行驶,所述根据所述违法行为复审算法对所述车道线信息以及多张待审核的车辆驾驶图像信息进行违法行为判定,得到违法行为的复审结果,包括:根据多张待审核的车辆驾驶图像信息确定车辆驾驶路径;当所述车辆驾驶路径与所述车道线信息中的规则线有交点,则复审结果为车辆不按导向线行驶有效;或
所述违法种类为压线行驶时,所述根据所述违法行为复审算法对所述车道线信息以及多张待审核的车辆驾驶图像信息进行违法行为判定,得到违法行为的复审结果,包括:根据所述待审核的车辆驾驶图像信息确定车辆对角坐标与车道线的关系;当所述车辆对角坐标在车道线两端,则复审结果为车辆压线行驶有效。
可选地,所述违法种类为逆向行驶时,所述根据所述违法行为复审算法对所述车道线信息以及多张待审核的车辆驾驶图像信息进行违法行为判定,得到违法行为的复审结果,包括:根据多张待审核的车辆驾驶图像信息确定车辆驾驶方向;当所述车辆驾驶方向与所述车道信息中的车道线方向相反,则复审结果为车辆逆向行驶有效。
可选地,所述车辆违法行为信息包括获取到车辆违法行为的图像获取设备编号和多张待审核的车辆驾驶图像信息,所述根据所述违法行为复审算法以及所述车辆违法行为信息,确定违法行为的复审结果,包括:根据所述图像获取设备编号,确定发生所述违法行为的车道属性,所述车道属性包括目标车型限行车道、禁停车道、单行车道;当发生所述违法行为的车道属性与所述待审核的车辆违法行为信息中的车道属性不一致时,则复审结果为违法行为无效。
可选地,所述车辆违法行为信息还包括违法车辆车牌号信息,所述车道属性为目标车型限行车道,还包括:当发生所述违法行为的车道属性与所述待审核的车辆违法行为信息中的车道属性一致时,提取所述车辆驾驶图像信息中的车牌号信息以及车型信息;当所述车牌号信息与所述违法车辆车牌号信息一致,且所述车型信息与目标车型一致时,则复审结果为违法行为有效。
可选地,所述车辆违法行为信息还包括违法车辆车牌号信息,所述车道属性为禁停车道,还包括:当发生所述违法行为的车道属性与所述待审核的车辆违法行为信息中的车道属性一致时,提取所述车辆驾驶图像信息中的车牌号信息;当所述车牌号信息与所述违法车辆车牌号信息一致时,判断所述车牌号信息对应的车辆是否在多张所述车辆驾驶图像信息中都处于禁停区域;当所述车牌号信息对应的车辆在多张所述车辆驾驶图像信息中都处于禁停区域,则复审结果为违法行为有效。
可选地,所述车辆违法行为信息还包括违法车辆车牌号信息,所述车道属性为单行车道,还包括:当发生所述违法行为的车道属性与所述待审核的车辆违法行为信息中的车道属性一致时,提取所述车辆驾驶图像信息中的车牌号信息;当所述车牌号信息与所述违法车辆车牌号信息一致时,定位目标违法车辆;根据目标模型,确定所述目标违法车辆的车辆类型;当所述车辆类型不为目标车辆类型时,则复审结果为违法行为有效。
可选地,所述车辆违法行为信息包括多张待审核的车辆驾驶图像信息以及违法车辆车牌号信息,所述违法种类为闯红灯时,所述根据所述违法行为复审算法以及所述车辆违法行为信息,确定违法行为的复审结果,包括:提取所述车辆驾驶图像信息中的车牌号信息;当提取出的所述车牌号信息与所述违法车辆车牌号信息一致时,则根据所述车辆驾驶图像信息,判断红绿灯当前是否为红灯;当红绿灯当前为红灯,则判断所述车牌号信息对应的车辆位置是否超出检测区;当所述车牌号信息对应的车辆位置超出检测区,则复审结果为违法行为有效。
可选地,所述车辆违法行为信息包括多张待审核的车辆驾驶图像信息以及违法车辆车牌号信息,所述根据所述违法行为复审算法以及所述车辆违法行为信息,确定违法行为的复审结果,包括:提取所述车辆驾驶图像信息中的车牌号信息;当提取出的所述车牌号信息与所述违法车辆车牌号信息一致时,则根据目标车辆定位模型进行车辆检测,得到违法车辆车牌号信息对应的车辆图像;根据目标人员定位模型,对所述车辆图像进行人员位置检测,得到驾驶人员图像;将所述驾驶人员图像输入至人员行为分类模型,得到分类结果;根据所述分类结果,确定违法行为的复审结果。
根据第二方面,本发明实施例提供一种车辆违法行为复审装置,包括:信息获取模块,用于获取待审核的车辆违法行为信息,所述车辆违法行为信息包括违法种类;复审算法确定模块,用于根据所述违法种类,确定相应的违法行为复审算法;复审结果确定模块,用于根据所述违法行为复审算法以及所述车辆违法行为信息,确定违法行为的复审结果。
根据第三方面,本发明实施例提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现第一方面或第一方面任一实施方式所述的车辆违法行为复审方法的步骤。
根据第四方面,本发明实施例提供一种存储介质,其上存储有计算机指令,其特征在于,该指令被处理器执行时实现第一方面或第一方面任一实施方式所述的车辆违法行为复审方法的步骤。
本发明技术方案,具有如下优点:
本发明实施例提供的车辆违法行为复审方法/装置,根据待审核的车辆违法行为信息中的违法种类,确定相应的违法行为复审算法,根据对应的违法行为复审算法确定违法行为的复审结果,针对大量的误判断数据,能够自动调用对应的复审算法实现自动复审,提高复审效率,减轻人工审核负担,降低了人力成本,而且能够避免人为复审时的主观因素,提高了复审准确度。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中车辆违法行为复审方法的一个具体示例的流程图;
图2为本发明实施例中车辆违法行为复审装置的一个具体示例原理框图;
图3为本发明实施例中电子设备的一个具体示例的原理框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,还可以是两个元件内部的连通,可以是无线连接,也可以是有线连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本实施例提供一种车辆违法行为复审方法,如图1所示,包括如下步骤:
S101,获取待审核的车辆违法行为信息,车辆违法行为信息包括违法种类;
示例性地,待审核的车辆违法行为信息可以由前端相机获取得到,车辆违法行为信息可以包括前端相机的设备编号、车牌号码信息、违法时间、违法地点、至少一张违法图片信息、违法种类、车辆坐标、车牌坐标等等,其中,违法种类表征初步判定的违法行为种类,包括逆行、不按导向线行驶、闯红灯、压线行驶、违停、分心驾驶、未系安全带、违规上路等等,不同的违法种类可以用不同的编号予以区分,比如,逆行编号为1301,不按导向线行驶编号为1208,压线为1345,闯红灯编号为1625,未系安全带编号为6011,分心驾驶编号为1223,目标车型限行车道上行驶目标车型编号为1344、单行车道双向行驶编号为7074,禁停车道车辆停放编号为13441或13451等等。本实施例对车辆违法行为信息的种类以及违法种类不做限定,本领域技术人员可以根据需要确定。
具体的获取到的待审核的车辆违法行为信息可以包括:
{"Violation_xh":1201120001528031,#设备编号
"Xh":"",
"VioType":"Violation",
"Hphm":"津FAN788",#车牌号码
"Hpzl":"02",
"Wfsj":"2020-11-26 11:38:59",#违法时间
"Wfdd":"201050017320",#违法地点编号
"Wfdz":"津歧公路与昌盛路交口西向东",#违法地址
#违法行为代码
"Wfxw":"1208",
"Clsd":0,
"Clxs":0,
"Sjly":"1",
"Sfqj":"00",
"Qjys":0,
"Tztp1":"",
"Tztp2":"",
#违法图片
1"Zjwj1":"http://172.30.2.9/weifa/2020/11/26/201050017320/baf906ae541945909febe6e6c8ccee4b.jpg",
#违法图片
2"Zjwj2":"http://172.30.2.9/weifa/2020/11/26/201050017320/e0a118a22c6943899e0afb6f7ba41d01.jpg",
#违法图片
3"Zjwj3":"http://172.30.2.9/weifa/2020/11/26/201050017320/1ccfc21b165042ba83a2d51691fb15ac.jpg",
#违法图片4
"Zjwj4":"",
"Shbj":"00",
"Tblhy":0,
"Cjjg":"121200000000",
"Scbj":0,
"Cdbh":1,
"Cjsj":"2020-11-26 11:38:59",
"Csbl":0,
"Fxbh":"02",
"Cscs":0,
"Qjjl":0,
"Zdxs":0,
"Sbbh":"121200000000099998",
"Bdbj":0,
"Sbbj":1,
"Splj":"http://10.112.93.2:7777/hikvision/ch6/starttime=20201126T113855Z/endtime=20201126T113905Z/1.mp4",
"AiShbj":"00",
"AiClbj":"00"
#车辆坐标1
“Clzb1”:”**,**,**,**”
#车辆坐标2
“Clzb2”:”**,**,**,**”
#车辆坐标3
“Clzb3”:”**,**,**,**”
#车牌坐标1
“CPzb1”:”**,**,**,**”
#车牌坐标2
“CPzb2”:”**,**,**,**”
#车牌坐标3
“CPzb3”:”**,**,**,**”}
S102,根据违法种类,确定相应的违法行为复审算法;
示例性地,根据违法种类,确定相应的违法行为复审算法的方式可以是当检测到车辆违法行为信息中的违法种类时,自动调用预先存储的相应的违法行为复审算法。比如,当检测到违法种类编号为1301时,则调用逆行对应的复审算法。本实施例对根据违法种类,确定相应的违法行为复审算法的方式不做限定,本领域技术人员可以根据需要确定。
S103,根据违法行为复审算法以及车辆违法行为信息,确定违法行为的复审结果。
示例性地,以违法种类为逆行(检测到违法种类编号为1301)为例,逆行对应的复审算法可以是提取其中图像获取设备编号,在***数据库中预先存储有图像获取设备编号对应监控区域的画线配置信息。通过图像获取设备编号可以匹配数据库信息,得到对应当前图像获取设备编号监控区域的画线配置信息,从而得到车道线方向及车道检测区域信息。
然后提取车辆违法行为信息中的车牌坐标,截取车牌坐标局部图片进行车牌号码识别,核对图片中车牌字符和车辆违法行为信息中的车牌号结果是否相同;若不同,则返回逆行结果无效;若相同,根据多张违法事件对应的车牌坐标计算车辆行驶方向,判断其是否与车道线方向相反,进而判断是否违法,若相反,则逆行的复审结果为有效,若相同,则逆行的复审结果为无效。针对不同的违法行为,其复审算法不同,本实施例对此不做限定,本领域技术人员可以根据需要确定。经过试验证明,针对不同的违法种类,其复审结果准确度可达到95%及以上。
违法行为的复审结果输出格式可以表示为:
json{
#判定结果,有效(确实是违法事件):1,无效:0
jsonType:’AI’}
本实施例提供的车辆违法行为复审方法,根据待审核的车辆违法行为信息中的违法种类,确定相应的违法行为复审算法,根据对应的违法行为复审算法确定违法行为的复审结果,针对大量的误判断数据,能够自动调用对应的复审算法实现自动复审,提高复审效率,减轻人工审核负担,降低了人力成本,而且能够避免人为复审时的主观因素,提高了复审准确度。
作为本实施例一种可选的实施方式,车辆违法行为信息包括获取到车辆违法行为的图像获取设备编号、多张待审核的车辆驾驶图像信息以及违法车辆车牌号信息,根据违法行为复审算法以及车辆违法行为信息,确定违法行为的复审结果,包括:
首先,提取车辆驾驶图像信息中的车牌号信息;
示例性地,提取车辆驾驶图像信息中的车牌号信息的方式可以是将车辆驾驶图像信息输入至预先训练好的车牌号识别神经网络中,也可以是对图像进行预处理,采用车牌定位、分割以及字符分割、字符识别的方式。通过上述车牌识别方式,对车牌识别的准确率可高于98%。本实施例对提取车辆驾驶图像信息中的车牌号信息的方式不做限定,本领域技术人员可以根据需要确定。
其次,当提取出的车牌号信息与违法车辆车牌号信息一致时,则根据图像获取设备编号,确定发生违法行为的车道线信息;
示例性地,图像获取设备编号为与每个监控路段信息一一匹配的编号信息,比如,图像获取设备编号为1201120001528031,那么在***中对应的监控路段信息为XX街道XX路与XX路的道路信息,包括车道属性、车道线方向、车道线类型等等画线配置信息。由于图像获取设备可能由于遮挡物或者拍摄角度问题,导致无法直接从图像中获取车道线信息,本实施例中根据图像获取设备编号,确定发生违法行为的车道线信息的方式可以是在***中匹配图像获取设备编号对应的监控路段信息,从而在监控路段信息中提取出车道线信息。
再次,根据违法行为复审算法对车道线信息以及多张待审核的车辆驾驶图像信息进行违法行为判定,得到违法行为的复审结果。
示例性地,本实施例以违法种类为不按导向线行驶(检测到违法种类编号为1208)为例进行说明,根据违法行为复审算法对车道线信息以及多张待审核的车辆驾驶图像信息进行违法行为判定,得到违法行为的复审结果的方式可以是根据多张待审核的车辆驾驶图像信息确定车辆驾驶路径,具体包括:确定多张待审核的车辆驾驶图像信息中的车牌坐标中心,将车牌坐标中心相连,从而确定车辆驾驶路径,相比于基于视频段确定车辆驾驶路径的方式,本实施例通过多张图片即可对违法时间进行判断,减小了存储空间,降低了处理量。
当车辆驾驶路径与车道线信息中的规则线有交点,则复审结果为车辆不按导向线行驶有效;当车辆驾驶路径与车道线信息中的规则线无交点,则复审结果为车辆不按导向线行驶无效。针对不同的违法种类,其复审算法不同,本实施例对此不做限定,本领域技术人员可以根据需要确定。
本实施例提供的车辆违法行为复审方法,先提取图像信息中的车牌号信息,当车牌号信息与违法车辆车牌号信息一致时,才执行后续的审核,从而避免了车牌号信息与违法车辆车牌号信息不一致时,执行多余的判定过程,减小了复审的计算量,另外,根据图像获取设备编号,确定发生违法行为的车道线信息,能够避免图像获取设备由于遮挡物或者拍摄角度的偏移问题,导致无法直接从图像中获取准确的车道线信息的问题,提高了车辆违法行为复审的准确度。
作为本实施例一种可选的实施方式,违法种类为压线行驶时,根据违法行为复审算法对车道线信息以及多张待审核的车辆驾驶图像信息进行违法行为判定,得到违法行为的复审结果,包括:根据待审核的车辆驾驶图像信息确定车辆对角坐标与车道线的关系;当车辆对角坐标在车道线两端,则复审结果为车辆压线行驶有效。
示例性地,当违法种类为压线行驶(检测到违法种类编号为1345)时,根据多张待审核的车辆驾驶图像信息确定车辆驾驶路径的方式可以是提取待审核的车辆驾驶图像信息中的车辆坐标信息,判断车辆对角坐标是否在车道线两端,当车辆对角坐标在车道线两端,则复审结果为车辆压线行驶有效;当车辆对角坐标不在车道线两端,则复审结果为车辆压线行驶无效。
作为本实施例一种可选的实施方式,违法种类为逆向行驶(检测到违法种类编号为1301)时,根据违法行为复审算法对车道线信息以及多张待审核的车辆驾驶图像信息进行违法行为判定,得到违法行为的复审结果,包括:根据多张待审核的车辆驾驶图像信息确定车辆驾驶方向;当车辆驾驶方向与车道信息中的车道线方向相反,则复审结果为车辆逆向行驶有效。
示例性地,根据多张待审核的车辆驾驶图像信息确定车辆驾驶方向的方式可以是依据获取到车辆驾驶图像的时间顺序,对多张待审核的车辆驾驶图像信息中的车牌坐标或者车辆坐标进行计算,得到车辆驾驶方向。当车辆驾驶方向与车道信息中的车道线方向相反,则复审结果为车辆逆向行驶有效;当车辆驾驶方向与车道信息中的车道线方向相同,则复审结果为车辆逆向行驶无效。
作为本实施例一种可选的实施方式,车辆违法行为信息包括获取到车辆违法行为的图像获取设备编号和多张待审核的车辆驾驶图像信息,根据违法行为复审算法以及车辆违法行为信息,确定违法行为的复审结果,包括:根据图像获取设备编号,确定发生违法行为的车道属性,车道属性包括目标车型限行车道、禁停车道、单行车道;当发生违法行为的车道属性与待审核的车辆违法行为信息中的车道属性不一致时,则复审结果为违法行为无效。
示例性地,在***数据库中预先存储有图像获取设备编号对应监控区域的画线配置信息。根据图像获取设备编号,确定发生违法行为的车道属性的方式可以是通过图像获取设备编号匹配数据库信息,得到对应当前图像获取设备编号监控区域的画线配置信息,从而得到车道属性。车道属性包括目标车型限行车道、禁停车道、单行车道等等,其中,目标车型限行车道可以表征该车道或者该路段禁止目标车型行驶,比如大货车禁止行驶车道/路段;禁停车道可以表征该车道或者该路段或者某特定位置禁止停车;单行车道可以表征该车道或者该路段在某时间段内属于单行车道,或者该车道全时段为单行道。
当根据图像获取设备编号确定的发生违法行为的车道属性与待审核的车辆违法行为信息中的车道属性不一致时,则表示未发生如待审核的车辆违法行为信息中记录的违法行为,因此复审结果为违法行为无效。比如,当待审核的车辆违法行为信息中的车道属性为大货车禁止行驶车道,但根据图像获取设备编号确定的发生违法行为的车道属性不为大货车禁止行驶车道,则认为初始违法行为判断错误,复审结果为大货车上路违法行为无效。
作为本实施例一种可选的实施方式,车辆违法行为信息还包括违法车辆车牌号信息,车道属性为目标车型限行车道,还包括:当发生违法行为的车道属性与待审核的车辆违法行为信息中的车道属性一致时,提取车辆驾驶图像信息中的车牌号信息以及车型信息;当车牌号信息与违法车辆车牌号信息一致,且车型信息与目标车型一致时,则复审结果为违法行为有效。
示例性地,当检测到违法种类为目标车型限行车道上行驶目标车型,也即其违法种类编号为1344时,提取车辆驾驶图像信息中的车牌号信息以及车型信息,其方式可以是将车辆驾驶图像信息按照车牌坐标和车辆坐标进行截图,将截图后的车牌图像或者车辆图像输入至预先训练好的车牌号识别模型或者车型识别模型中,从而得到车牌号信息以及车型信息。本实施例对提取车辆驾驶图像信息中的车牌号信息以及车型信息的方式不做限定,本领域技术人员可以根据需要确定。
当车牌号信息与待审核的车辆违法行为信息中的违法车辆车牌号信息不一致时,则表明待审核的车辆违法行为信息不准确,复审结果为违法行为无效;当车牌号信息与待审核的车辆违法行为信息中的违法车辆车牌号信息一致,但车型信息与目标车型不一致时,则表明该车牌号信息对应的车辆在目标车型限行车道上的行驶并不属于违法行为,则复审结果为违法行为无效;当车牌号信息与待审核的车辆违法行为信息中的违法车辆车牌号信息一致,且车型信息与目标车型一致时,则表明该车牌号信息对应的目标车型车辆在目标车型限行车道上的行驶确实属于违法行为,复审结果为违法行为有效。
比如,该目标车型限行车道为大货车禁止行驶路段,在进行复审时,首先,提取多张待审核的车辆驾驶图像信息的多个车牌坐标,多张待审核的车辆驾驶图像信息可以是三张,截取车牌坐标局部图片,进行车牌号码识别,核对图片中车牌字符和前端设备识别结果是否相同;若不同,则返回预审无效;若相同,读取车辆坐标,提取车辆截图,判断车型是否为大货车,若是,则预审有效,若否,则为无效。
作为本实施例一种可选的实施方式,车辆违法行为信息还包括违法车辆车牌号信息,车道属性为禁停车道,还包括:
首先,当检测到违法种类为禁停车道车辆停放,也即其违法种类编号为13441或13451(两种编号对应的禁停区域其表征形式不同,比如,13441表征禁停区域为黄色交叉网格的特定区域,13451表征禁停区域为整个车道)时,则判断发生违法行为的车道属性与待审核的车辆违法行为信息中的车道属性是否一致,一致时,提取多张车辆驾驶图像信息中的车牌号信息;提取车辆驾驶图像信息中的车牌号信息的方式见上述实施例提取车牌号信息的内容,在此不再赘述。
其次,当车牌号信息与违法车辆车牌号信息一致时,判断车牌号信息对应的车辆是否在多张车辆驾驶图像信息中都处于禁停区域;当车牌号信息对应的车辆在多张车辆驾驶图像信息中都处于禁停区域,则复审结果为违法行为有效。
示例性地,禁停区域可以表征特定区域内禁止停车,也可以表征该车道为禁止停车车道,本实施例对禁停区域的设置不做限定,本领域技术人员可以根据需要确定。多张车辆驾驶图像信息可以是不同时间拍摄的图像信息,车辆驾驶图像信息的数量可以根据拍照的时间间隔以及停车时间阈值确定,停车时间阈值表征停车时长超过该阈值,则可判定为违法停车。比如,当停车时间阈值为1分钟,而拍照的时间间隔为20S一张时,那么车辆驾驶图像信息的数量可以为3张。当车牌号信息对应的车辆在多张车辆驾驶图像信息中都处于禁停区域,则复审结果为违法行为有效;当车牌号信息对应的车辆在多张车辆驾驶图像信息中不都处于禁停区域,则复审结果为违法行为无效。
作为本实施例一种可选的实施方式,车辆违法行为信息还包括违法车辆车牌号信息,车道属性为单行车道,还包括:
首先,当检测到违法种类为单行车道双向行驶,也即其违法种类编号为7074时,则判断发生违法行为的车道属性与待审核的车辆违法行为信息中的车道属性是否一致,一致时,则提取车辆驾驶图像信息中的车牌号信息,判断车牌号信息与违法车辆车牌号信息是否一致,当车牌号信息与违法车辆车牌号信息一致,则根据待审核的车辆违法行为信息中的车牌号信息,定位目标违法车辆。
示例性地,单行车道表征包括该车道或者该路段在某时间段内属于单行车道,或者该车道全时段为单行道。当单行车道表征该车道全时段为单行道时,判断发生违法行为的车道属性与待审核的车辆违法行为信息中的车道属性是否一致的方式可以是根据图像获取设备编号,匹配数据库中对应的车道属性信息,判断该车道属性信息是否为单行车道。当单行车道表征该车道或者该路段在某时间段内属于单行车道时,判断发生违法行为的车道属性的方式则还包括判断发生违法行为的时间是否在单行限制时间范围内,比如(7:00~19:00),若不在,则复审结果为违法行为无效。
当发生违法行为的车道属性与待审核的车辆违法行为信息中的车道属性一致时,也即当前发生违法行为的车道属性确实属于单行车道时,提取车辆驾驶图像信息中的车牌号信息,判断车牌号信息与待审核的车辆违法行为信息中的违法车辆车牌号信息是否一致,当检测出的车辆车牌号信息与待审核的车辆违法行为信息中的违法车辆车牌号信息不一致,则复审结果为违法行为无效;当检测出的车辆车牌号信息与待审核的车辆违法行为信息中的违法车辆车牌号信息一致,则进一步根据待审核的车辆违法行为信息中的车牌号信息,在车辆驾驶图像信息中定位目标违法车辆,定位目标违法车辆的方式可以是通过车辆结构化算法识别图片中各个车辆位置。其中,车辆驾驶图像可以有多张,比如3张图像组成,优先选取目标最大/最近的车辆驾驶图像,若第一张图片没有识别出该目标违法车辆,则取第2张图片,以此类推,直至识别出目标违法车辆。
其次,根据目标模型,确定目标违法车辆的车辆类型;
示例性地,目标模型可以是ResNet50机动车属性模型,目标违法车辆的车辆类型识别的准确率可达到98%及以上。根据目标模型,可以确定目标违法车辆的车辆类型。本实施例对目标模型不做限定,本领域技术人员可以根据需要确定。
再次,当车辆类型不为目标车辆类型时,则复审结果为违法行为有效。
示例性地,目标车辆类型可以是指不受单行车道规则限定的车辆,比如,公交车。当车辆类型不为公交车时,则复审结果为违法行为有效,从而避免了在进行单行车道违法行驶复审时,对不受单行车道规则限定的车辆进行误判断,提高了复审的准确性。
作为本实施例一种可选的实施方式,车辆违法行为信息包括多张待审核的车辆驾驶图像信息以及违法车辆车牌号信息,违法种类为闯红灯时(检测到违法种类编号为1625),根据违法行为复审算法以及车辆违法行为信息,确定违法行为的复审结果,包括:
首先,提取车辆驾驶图像信息中的车牌号信息;具体内容参见上述实施例对应部分,在此不再赘述。
其次,当提取出的车牌号信息与违法车辆车牌号信息一致时,则根据车辆驾驶图像信息,判断红绿灯当前是否为红灯;当红绿灯当前为红灯,则判断车牌号信息对应的车辆位置是否超出检测区。当车牌号信息对应的车辆位置超出检测区,则复审结果为违法行为有效。
示例性地,当提取出的车牌号信息与违法车辆车牌号信息一致时,则根据车辆驾驶图像信息,判断红绿灯当前是否为红灯;当提取出的车牌号信息与违法车辆车牌号信息不一致,则复审结果为违法行为无效。当红绿灯当前为红灯,则判断车牌号信息对应的车辆位置是否超出检测区,当车牌号信息对应的车辆位置超出检测区,则复审结果为违法行为有效;当红绿灯当前不为红灯时,则复审结果为违法行为无效。
作为本实施例一种可选的实施方式,车辆违法行为信息包括多张待审核的车辆驾驶图像信息以及违法车辆车牌号信息,当违法种类为分心驾驶或未系安全带驾驶时(检测到违法种类编号为1223或检测到违法种类编号为6011),根据违法行为复审算法以及车辆违法行为信息,确定违法行为的复审结果,包括:
首先,提取车辆驾驶图像信息中的车牌号信息;当提取出的车牌号信息与违法车辆车牌号信息一致时,则根据目标车辆定位模型进行车辆检测,得到违法车辆车牌号信息对应的车辆图像;
示例性地,提取车辆驾驶图像信息中的车牌号信息的方式参见上述实施例对应部分,在此不再赘述。一般而言,待审核的车辆驾驶图像由先后两帧的图片拼接而成,因此需要先裁剪出一半来进行车牌识别,当车牌识别的结果与违法车辆车牌号信息不一致时,则违法行为的复审结果为无效。当提取出的车牌号信息与违法车辆车牌号信息一致时,则根据目标车辆定位模型进行车辆检测,得到违法车辆车牌号信息对应的车辆图像。其中,目标车辆定位模型可以是YOLO V4。
其次,根据目标人员定位模型,对车辆图像进行人员位置检测,得到驾驶人员图像;
示例性地,当得到车辆图像时,可以将车辆图像输入到目标人员定位模型,目标人员定位模型可以是YOLO V3车窗模型,使用YOLOV3车窗模型检测到准确的车窗位置,并裁剪右半区域,得到驾驶人员图像。
然后,将驾驶人员图像输入至人员行为分类模型,得到分类结果;根据分类结果,确定违法行为的复审结果。
示例性地,当违法种类为分心驾驶时,人员行为分类模型可以是分心驾驶分类模型,当检测到驾驶人员在打电话,则得到的分类结果为驾驶人员在分心驾驶,那么违法行为的复审结果为有效,否则无效。
当违法种类为未系安全带时,人员行为分类模型可以是未系安全带分类模型,当检测到驾驶人员未系安全带时,则得到的分类结果为驾驶人员在未系安全带驾驶,那么违法行为的复审结果为有效,否则无效。
本实施例提供一种车辆违法行为复审装置,如图2所示,包括:
信息获取模块201,用于获取待审核的车辆违法行为信息,所述车辆违法行为信息包括违法种类;具体内容参见上述方法实施例对应部分,在此不再赘述。
复审算法确定模块202,用于根据所述违法种类,确定相应的违法行为复审算法;具体内容参见上述方法实施例对应部分,在此不再赘述。
复审结果确定模块203,用于根据所述违法行为复审算法以及所述车辆违法行为信息,确定违法行为的复审结果。具体内容参见上述方法实施例对应部分,在此不再赘述。
作为本实施例一种可选的实施方式,复审结果确定模块203,包括:
第一车牌号提取模块,用于提取所述车辆驾驶图像信息中的车牌号信息;具体内容参见上述方法实施例对应部分,在此不再赘述。
车道线确定模块,用于当提取出的所述车牌号信息与所述违法车辆车牌号信息一致时,则根据所述图像获取设备编号,确定发生所述违法行为的车道线信息;具体内容参见上述方法实施例对应部分,在此不再赘述。
第一复审结果确定子模块,用于根据所述违法行为复审算法对所述车道线信息以及多张待审核的车辆驾驶图像信息进行违法行为判定,得到违法行为的复审结果。具体内容参见上述方法实施例对应部分,在此不再赘述。
作为本实施例一种可选的实施方式,复审结果确定模块203,包括:
路径确定模块,用于根据多张待审核的车辆驾驶图像信息确定车辆驾驶路径;具体内容参见上述方法实施例对应部分,在此不再赘述。
不按导向线行驶复审模块,用于当所述车辆驾驶路径与所述车道线信息中的规则线有交点,则复审结果为车辆不按导向线行驶有效;具体内容参见上述方法实施例对应部分,在此不再赘述。或
复审结果确定模块203,包括:
车辆对角坐标关系确定模块,用于根据所述待审核的车辆驾驶图像信息确定车辆对角坐标与车道线的关系;具体内容参见上述方法实施例对应部分,在此不再赘述。
车辆压线复审模块,用于当所述车辆对角坐标在车道线两端,则复审结果为车辆压线行驶有效。具体内容参见上述方法实施例对应部分,在此不再赘述。
作为本实施例一种可选的实施方式,复审结果确定模块203,包括:
驾驶方向确定模块,用于根据多张待审核的车辆驾驶图像信息确定车辆驾驶方向;具体内容参见上述方法实施例对应部分,在此不再赘述。
逆行复审模块,用于当所述车辆驾驶方向与所述车道信息中的车道线方向相反,则复审结果为车辆逆向行驶有效。具体内容参见上述方法实施例对应部分,在此不再赘述。
作为本实施例一种可选的实施方式,复审结果确定模块203,包括:
车道属性确定模块,用于根据所述图像获取设备编号,确定发生所述违法行为的车道属性,所述车道属性包括目标车型限行车道、禁停车道、单行车道;具体内容参见上述方法实施例对应部分,在此不再赘述。
第二复审结果确定子模块,用于当发生所述违法行为的车道属性与所述待审核的车辆违法行为信息中的车道属性不一致时,则复审结果为违法行为无效。具体内容参见上述方法实施例对应部分,在此不再赘述。
作为本实施例一种可选的实施方式,车辆违法行为复审装置,还包括:
车牌车型提取模块,用于当发生所述违法行为的车道属性与所述待审核的车辆违法行为信息中的车道属性一致时,提取所述车辆驾驶图像信息中的车牌号信息以及车型信息;具体内容参见上述方法实施例对应部分,在此不再赘述。
目标车辆上路复审模块,用于当所述车牌号信息与所述违法车辆车牌号信息一致,且所述车型信息与目标车型一致时,则复审结果为违法行为有效。具体内容参见上述方法实施例对应部分,在此不再赘述。
作为本实施例一种可选的实施方式,车辆违法行为复审装置,还包括:
第二车牌号提取模块,用于当发生所述违法行为的车道属性与所述待审核的车辆违法行为信息中的车道属性一致时,提取所述车辆驾驶图像信息中的车牌号信息;具体内容参见上述方法实施例对应部分,在此不再赘述。
车辆位置判断模块,用于当所述车牌号信息与所述违法车辆车牌号信息一致时,判断所述车牌号信息对应的车辆是否在多张所述车辆驾驶图像信息中都处于禁停区域;具体内容参见上述方法实施例对应部分,在此不再赘述。
禁停复审模块,用于当所述车牌号信息对应的车辆在多张所述车辆驾驶图像信息中都处于禁停区域,则复审结果为违法行为有效。具体内容参见上述方法实施例对应部分,在此不再赘述。
作为本实施例一种可选的实施方式,车辆违法行为复审装置,还包括:
第三车牌号提取模块,用于当发生所述违法行为的车道属性与所述待审核的车辆违法行为信息中的车道属性一致时,提取所述车辆驾驶图像信息中的车牌号信息;具体内容参见上述方法实施例对应部分,在此不再赘述。
目标违法车辆定位模块,用于当所述车牌号信息与所述违法车辆车牌号信息一致时,定位目标违法车辆;具体内容参见上述方法实施例对应部分,在此不再赘述。
车辆类型确定模块,用于根据目标模型,确定所述目标违法车辆的车辆类型;具体内容参见上述方法实施例对应部分,在此不再赘述。
目标车辆复审模块,用于当所述车辆类型不为目标车辆类型时,则复审结果为违法行为有效。具体内容参见上述方法实施例对应部分,在此不再赘述。
作为本实施例一种可选的实施方式,复审结果确定模块203,包括:
第四车牌号提取模块,用于提取所述车辆驾驶图像信息中的车牌号信息;具体内容参见上述方法实施例对应部分,在此不再赘述。
红灯判断模块,用于当提取出的所述车牌号信息与所述违法车辆车牌号信息一致时,则根据所述车辆驾驶图像信息,判断红绿灯当前是否为红灯;具体内容参见上述方法实施例对应部分,在此不再赘述。
区域检测模块,用于当红绿灯当前为红灯,则判断所述车牌号信息对应的车辆位置是否超出检测区;具体内容参见上述方法实施例对应部分,在此不再赘述。
闯红灯复审模块,用于当所述车牌号信息对应的车辆位置超出检测区,则复审结果为违法行为有效。具体内容参见上述方法实施例对应部分,在此不再赘述。
作为本实施例一种可选的实施方式,复审结果确定模块203,包括:
第五车牌号提取模块,用于提取所述车辆驾驶图像信息中的车牌号信息;具体内容参见上述方法实施例对应部分,在此不再赘述。
车辆图像定位模块,用于当提取出的所述车牌号信息与所述违法车辆车牌号信息一致时,则根据目标车辆定位模型进行车辆检测,得到违法车辆车牌号信息对应的车辆图像;具体内容参见上述方法实施例对应部分,在此不再赘述。
目标人员定位模块,用于根据目标人员定位模型,对所述车辆图像进行人员位置检测,得到驾驶人员图像;具体内容参见上述方法实施例对应部分,在此不再赘述。
分类模块,用于将所述驾驶人员图像输入至人员行为分类模型,得到分类结果;具体内容参见上述方法实施例对应部分,在此不再赘述。
分类结果复审模块,用于根据所述分类结果,确定违法行为的复审结果。具体内容参见上述方法实施例对应部分,在此不再赘述。
本申请实施例还提供一种电子设备,如图3所示,处理器310和存储器320,其中处理器310和存储器320可以通过总线或者其他方式连接。
处理器310可以为中央处理器(Central Processing Unit,CPU)。处理器310还可以为其他通用处理器、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、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器320作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的车辆违法行为复审方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理。
存储器320可以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***、至少一个功能所需要的应用程序;存储数据区可存储处理器所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器320可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器320中,当被所述处理器310执行时,执行如图1所示实施例中的车辆违法行为复审方法。
上述电子设备的具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例1中车辆违法行为复审方法。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种车辆违法行为复审方法,其特征在于,包括如下步骤:
获取待审核的车辆违法行为信息,所述车辆违法行为信息包括违法种类、获取到车辆违法行为的图像获取设备编号、多张待审核的车辆驾驶图像信息以及违法车辆车牌号信息,所述违法种类包括:逆行、不按导向线行驶、闯红灯、压线行驶、违停、分心驾驶、未系安全带、违规上路,所述图像获取设备编号用于获取预先存储的与图像获取设备编号对应监控区域的车道线信息或车道属性,所述车道属性包括目标车型限行车道、禁停车道、单行车道;
根据所述违法种类,确定预先存储的与所述违法种类相应的违法行为复审算法;
根据所述违法行为复审算法以及所述车辆违法行为信息,确定违法行为的复审结果;
其中,提取所述车辆驾驶图像信息中的车牌号信息;当提取出的所述车牌号信息与所述违法车辆车牌号信息一致时,若所述违法种类为逆行、不按导向线行驶、压线行驶、违停或违规上路,则根据所述图像获取设备编号,确定发生所述违法行为的车道属性或车道线信息;根据所述违法行为复审算法对所述车道属性或车道线信息以及多张待审核的车辆驾驶图像信息进行违法行为判定,得到违法行为的复审结果;
若所述违法种类为闯红灯,则根据所述违法行为复审算法对所述车辆驾驶图像信息进行违法行为判定,包括:根据所述车辆驾驶图像信息,判断红绿灯当前是否为红灯;当红绿灯当前为红灯,则判断所述车牌号信息对应的车辆位置是否超出检测区;当所述车牌号信息对应的车辆位置超出检测区,则复审结果为违法行为有效;
若所述违法种类为分心驾驶或未系安全带驾驶,根据所述违法行为复审算法对所述车辆驾驶图像信息和违法车辆车牌号信息进行违法行为判定,包括:根据目标车辆定位模型进行车辆检测,得到违法车辆车牌号信息对应的车辆图像,根据目标人员定位模型,对所述车辆图像进行人员位置检测,得到驾驶人员图像,将所述驾驶人员图像输入至人员行为分类模型,得到分类结果,根据所述分类结果,确定违法行为的复审结果。
2.根据权利要求1所述的方法,其特征在于,若所述违法种类为不按导向线行驶,则根据所述违法行为复审算法对所述车道线信息以及多张待审核的车辆驾驶图像信息进行违法行为判定,得到违法行为的复审结果,包括:
根据多张待审核的车辆驾驶图像信息确定车辆驾驶路径;
当所述车辆驾驶路径与所述车道线信息中的规则线有交点,则复审结果为车辆不按导向线行驶有效;或
若所述违法种类为压线行驶时,则根据所述违法行为复审算法对所述车道线信息以及多张待审核的车辆驾驶图像信息进行违法行为判定,得到违法行为的复审结果,包括:
根据所述待审核的车辆驾驶图像信息确定车辆对角坐标与车道线的关系;
当所述车辆对角坐标在车道线两端,则复审结果为车辆压线行驶有效。
3.根据权利要求1所述的方法,其特征在于,若所述违法种类为逆向行驶时,则根据所述违法行为复审算法对所述车道线信息以及多张待审核的车辆驾驶图像信息进行违法行为判定,得到违法行为的复审结果,包括:
根据多张待审核的车辆驾驶图像信息确定车辆驾驶方向;
当所述车辆驾驶方向与所述车道线信息中的车道线方向相反,则复审结果为车辆逆向行驶有效。
4.根据权利要求1所述的方法,其特征在于,若所述违法种类为违停或违规上路,则根据所述违法行为复审算法对所述车道属性以及多张待审核的车辆驾驶图像信息进行违法行为判定,确定违法行为的复审结果,包括:
根据所述图像获取设备编号,确定发生所述违法行为的车道属性;
当发生所述违法行为的车道属性与所述待审核的车辆违法行为信息中的车道属性不一致时,则复审结果为违法行为无效。
5.根据权利要求4所述的方法,其特征在于,若所述车道属性为目标车型限行车道,还包括:
当发生所述违法行为的车道属性与所述待审核的车辆违法行为信息中的车道属性一致时,提取所述车辆驾驶图像信息中的车牌号信息以及车型信息;
当所述车牌号信息与所述违法车辆车牌号信息一致,且所述车型信息与目标车型一致时,则复审结果为违法行为有效。
6.根据权利要求4所述的方法,其特征在于,若所述车道属性为禁停车道,还包括:
当发生所述违法行为的车道属性与所述待审核的车辆违法行为信息中的车道属性一致时,提取所述车辆驾驶图像信息中的车牌号信息;
当所述车牌号信息与所述违法车辆车牌号信息一致时,判断所述车牌号信息对应的车辆是否在多张所述车辆驾驶图像信息中都处于禁停区域;
当所述车牌号信息对应的车辆在多张所述车辆驾驶图像信息中都处于禁停区域,则复审结果为违法行为有效。
7.根据权利要求4所述的方法,其特征在于,若所述车道属性为单行车道,还包括:
当发生所述违法行为的车道属性与所述待审核的车辆违法行为信息中的车道属性一致时,提取所述车辆驾驶图像信息中的车牌号信息;
当所述车牌号信息与所述违法车辆车牌号信息一致时,定位目标违法车辆;
根据目标模型,确定所述目标违法车辆的车辆类型;
当所述车辆类型不为目标车辆类型时,则复审结果为违法行为有效。
8.一种车辆违法行为复审装置,其特征在于,包括:
信息获取模块,用于获取待审核的车辆违法行为信息,所述车辆违法行为信息包括违法种类、获取到车辆违法行为的图像获取设备编号、多张待审核的车辆驾驶图像信息以及违法车辆车牌号信息,所述违法种类包括:逆行、不按导向线行驶、闯红灯、压线行驶、违停、分心驾驶、未系安全带、违规上路,所述图像获取设备编号用于获取预先存储的与图像获取设备编号对应监控区域的车道线信息或车道属性,所述车道属性包括目标车型限行车道、禁停车道、单行车道;
复审算法确定模块,用于根据所述违法种类,确定预先存储的与所述违法种类相应的违法行为复审算法;
复审结果确定模块,用于根据所述违法行为复审算法以及所述车辆违法行为信息,确定违法行为的复审结果;其中,提取所述车辆驾驶图像信息中的车牌号信息;当提取出的所述车牌号信息与所述违法车辆车牌号信息一致时,若所述违法种类为逆行、不按导向线行驶、压线行驶、违停,则根据所述图像获取设备编号,确定发生所述违法行为的车道线信息;根据所述违法行为复审算法对所述车道线信息以及多张待审核的车辆驾驶图像信息进行违法行为判定,得到违法行为的复审结果;若所述违法种类为闯红灯,则根据所述车辆驾驶图像信息,判断红绿灯当前是否为红灯,当红绿灯当前为红灯,则判断所述车牌号信息对应的车辆位置是否超出检测区,当所述车牌号信息对应的车辆位置超出检测区,则复审结果为违法行为有效;若所述违法种类为分心驾驶或未系安全带驾驶,则根据目标车辆定位模型进行车辆检测,得到违法车辆车牌号信息对应的车辆图像,根据目标人员定位模型,对所述车辆图像进行人员位置检测,得到驾驶人员图像,将所述驾驶人员图像输入至人员行为分类模型,得到分类结果,根据所述分类结果,确定违法行为的复审结果。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-7任一所述的车辆违法行为复审方法的步骤。
10.一种存储介质,其上存储有计算机指令,其特征在于,该指令被处理器执行时实现权利要求1-7任一所述的车辆违法行为复审方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110514020.0A CN113269060B (zh) | 2021-05-11 | 2021-05-11 | 一种车辆违法行为复审方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110514020.0A CN113269060B (zh) | 2021-05-11 | 2021-05-11 | 一种车辆违法行为复审方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113269060A CN113269060A (zh) | 2021-08-17 |
CN113269060B true CN113269060B (zh) | 2024-02-13 |
Family
ID=77230488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110514020.0A Active CN113269060B (zh) | 2021-05-11 | 2021-05-11 | 一种车辆违法行为复审方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113269060B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090090233A (ko) * | 2008-02-20 | 2009-08-25 | 국민대학교산학협력단 | 차량단속 시스템 및 그 구동방법 |
CN101826260A (zh) * | 2010-05-04 | 2010-09-08 | 清华大学 | 一种交通违法行为自动抓拍的方法和*** |
CN109658042A (zh) * | 2018-10-08 | 2019-04-19 | 平安科技(深圳)有限公司 | 基于人工智能的复审方法、装置、设备及存储介质 |
CN109949579A (zh) * | 2018-12-31 | 2019-06-28 | 上海眼控科技股份有限公司 | 一种基于深度学习的闯红灯违法自动审核方法 |
CN110969860A (zh) * | 2019-12-11 | 2020-04-07 | 上海眼控科技股份有限公司 | 交通违法行为后台审核***和方法 |
CN111339337A (zh) * | 2019-12-18 | 2020-06-26 | 贵州智诚科技有限公司 | 一种基于道路交通违法行为判罚标签化处理的方法 |
CN112435478A (zh) * | 2020-11-02 | 2021-03-02 | 北京市公安局公安交通管理局东城交通支队 | 基于路侧停车高位视频设备的非现场违法管理方法及*** |
-
2021
- 2021-05-11 CN CN202110514020.0A patent/CN113269060B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090090233A (ko) * | 2008-02-20 | 2009-08-25 | 국민대학교산학협력단 | 차량단속 시스템 및 그 구동방법 |
CN101826260A (zh) * | 2010-05-04 | 2010-09-08 | 清华大学 | 一种交通违法行为自动抓拍的方法和*** |
CN109658042A (zh) * | 2018-10-08 | 2019-04-19 | 平安科技(深圳)有限公司 | 基于人工智能的复审方法、装置、设备及存储介质 |
CN109949579A (zh) * | 2018-12-31 | 2019-06-28 | 上海眼控科技股份有限公司 | 一种基于深度学习的闯红灯违法自动审核方法 |
CN110969860A (zh) * | 2019-12-11 | 2020-04-07 | 上海眼控科技股份有限公司 | 交通违法行为后台审核***和方法 |
CN111339337A (zh) * | 2019-12-18 | 2020-06-26 | 贵州智诚科技有限公司 | 一种基于道路交通违法行为判罚标签化处理的方法 |
CN112435478A (zh) * | 2020-11-02 | 2021-03-02 | 北京市公安局公安交通管理局东城交通支队 | 基于路侧停车高位视频设备的非现场违法管理方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN113269060A (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107967806B (zh) | 车辆套牌检测方法、装置、可读存储介质及电子设备 | |
CN110321814B (zh) | 一种车辆违章取证方法、装置、电子设备及存储介质 | |
CN108806272B (zh) | 一种提醒多辆机动车车主违法停车行为的方法及装置 | |
CN109003455B (zh) | 一种提醒车主违法停车行为的方法及装置 | |
EP3026880B1 (en) | Damage recognition assist system | |
CN108932851B (zh) | 一种记录机动车违法停车行为的方法及装置 | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
CN108932849B (zh) | 一种记录多台机动车低速行驶违法行为的方法及装置 | |
CN111368612B (zh) | 超员检测***、人员检测方法及电子设备 | |
CN109383519B (zh) | 信息处理方法、信息处理***和记录介质 | |
CN111444798A (zh) | 电动自行车驾驶行为的识别方法、装置和计算机设备 | |
CN111028503B (zh) | 一种车辆变道监测方法及装置 | |
CN111292530A (zh) | 处理违章图片的方法、装置、服务器和存储介质 | |
CN108932850B (zh) | 一种记录机动车低速行驶违法行为的方法及装置 | |
CN108417045A (zh) | 一种礼让行人抓拍处理***及其方法 | |
CN112101202A (zh) | 一种施工场景识别方法、装置及电子设备 | |
CN114202936B (zh) | 一种交通指挥机器人及其控制方法 | |
CN111768630A (zh) | 一种违章废图检测方法、装置及电子设备 | |
CN109003457B (zh) | 一种记录多台机动车违法占用应急车道行为的方法及装置 | |
CN112861567A (zh) | 一种车型分类方法及装置 | |
CN103106400B (zh) | 一种人脸检测方法与装置 | |
CN113112813B (zh) | 违章停车检测方法及装置 | |
CN114141022B (zh) | 应急车道占用行为检测方法、装置、电子设备及存储介质 | |
CN113989715A (zh) | 车辆违停检测方法、装置、电子设备及存储介质 | |
CN113269060B (zh) | 一种车辆违法行为复审方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |