[发明专利]交通违章案件的鉴别方法、装置和计算机设备在审

专利信息
申请号: 201811003160.6 申请日: 2018-08-30
公开(公告)号: CN109325424A 公开(公告)日: 2019-02-12
发明(设计)人: 巢中迪;庄伯金;袁宏进;魏鑫;张玉鑫;肖京 申请(专利权)人: 平安科技(深圳)有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04;G08G1/01;G08G1/017
代理公司: 北京汇思诚业知识产权代理有限公司 11444 代理人: 冯晓平
地址: 518000 广东省深圳市福田区福*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 交通违章 关键要素 鉴别 案件 计算机设备 合规性 检测 图像 案件处理 交通执法 人工审核 智能化 违规 申请 监督
【权利要求书】:

1.一种交通违章案件的鉴别方法,其特征在于,包括:

获取交通违章案件的图像;

对所述图像中的关键要素进行检测;

对检测获得的所述关键要素中的信息进行识别;

根据检测获得的所述关键要素、所述关键要素之间的位置关系和识别获得的所述关键要素中的信息,确定所述交通违章案件的违规类型和所述交通违章案件处理的合规性。

2.根据权利要求1所述的方法,其特征在于,所述交通违章案件的图像包括:交通执法人员拍摄的交通违章案件的图像、布控抓拍的交通违章案件的图像和/或交通视频中的帧图像。

3.根据权利要求1或2所述的方法,其特征在于,所述对所述图像中的关键要素进行检测包括:

对所述图像的尺寸和颜色分布进行归一化处理;

利用预先训练的深度神经网络模型,对归一化处理后的图像进行图像识别,获得所述归一化处理后的图像中关键要素所在的区域和所述关键要素的类别,所述关键要素的类别包括以下之一或组合:车辆、所述车辆的车牌和车速检测结果、交通标志和罚单。

4.根据权利要求3所述的方法,其特征在于,所述利用预先训练的深度神经网络模型,对归一化处理后的图像进行图像识别之前,还包括:

利用训练图像和所述训练图像对应的标注文件,对训练模型进行训练,获得训练好的所述深度神经网络模型。

5.根据权利要求4所述的方法,其特征在于,所述利用训练图像和所述训练图像对应的标注文件,对训练模型进行训练包括:

将所述训练图像和所述训练图像对应的标注文件输入所述训练模型,利用深度神经网络算法对所述训练模型进行训练;所述训练图像对应的标注文件包括所述训练图像中关键要素所在的区域和所述关键要素的类别;

当所述训练模型输出的结果与所述训练图像对应的标注文件之间的误差小于预定阈值时,获得训练好的所述深度神经网络模型。

6.根据权利要求3所述的方法,其特征在于,所述关键要素中的信息包括以下之一或组合:所述车牌的车牌号码、所述车速检测结果中的车速数值、所述交通标志的指示和所述罚单中的处罚信息;

所述对检测获得的所述关键要素中的信息进行识别包括:

通过车牌识别技术对所述车牌的车牌号码进行识别;和/或,

通过光学字符识别对所述车速检测结果中的车速数值、所述交通标志的指示和所述罚单中的处罚信息之一或组合进行识别。

7.根据权利要求6所述的方法,其特征在于,所述根据检测获得的所述关键要素、所述关键要素之间的位置关系和识别获得的所述关键要素中的信息,确定所述交通违章案件的违规类型和所述交通违章案件处理的合规性包括:

对检测获得的车辆的完整性进行检测;

在确定所述车辆完整之后,确定检测获得的交通标志与所述车辆的位置关系;

根据所述位置关系,以及识别获得的所述关键要素中的信息,确定所述交通违章案件的违规类型;

将所述交通违章案件的违规类型与识别获得的罚单中的处罚信息进行对比,根据所述交通违章案件的违规类型与所述罚单中的处罚信息是否匹配,确定所述交通违章案件处理的合规性。

8.一种交通违章案件的鉴别装置,其特征在于,包括:

获取模块,用于获取交通违章案件的图像;

检测模块,用于对所述获取模块获取的图像中的关键要素进行检测;

识别模块,用于对所述检测模块检测获得的所述关键要素中的信息进行识别;

确定模块,用于根据检测获得的所述关键要素、所述关键要素之间的位置关系和识别获得的所述关键要素中的信息,确定所述交通违章案件的违规类型和所述交通违章案件处理的合规性。

9.一种计算机设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1-7中任一所述的方法。

10.一种非易失性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1-7中任一所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811003160.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top