[发明专利]交通违章案件的鉴别方法、装置和计算机设备

说明书

本申请提出了一种交通违章案件的鉴别方法、装置和计算机设备，其中，上述交通违章案件的鉴别方法包括：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。本申请可以实现智能化地对交通违章案件的合规性进行鉴别，减少人工审核的成本，并可以对交通执法人员执法的规范性进行监督。

【技术领域】

本申请涉及计算机技术领域，尤其涉及一种交通违章案件的鉴别方法、 装置和计算机设备。

【背景技术】

随着经济的不断发展，人们的生活水平逐步提高，私家车的拥有量也急剧 上升，车辆交通违章案件的发生率也在不断提高。

对于车辆的违章行为，大多由交通执法人员来判断车辆是否违章，但是 如何对交通违章案件的合规性进行判断，相关技术中并未提供相应的解决方 案。

【发明内容】

本申请实施例提供了一种交通违章案件的鉴别方法、装置和计算机设备， 以实现智能化地对交通违章案件的合规性进行鉴别，减少人工审核的成本， 并可以对交通执法人员执法的规范性进行监督。

第一方面，本申请实施例提供了一种交通违章案件的鉴别方法，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所述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。

其中一种可能的实现方式中，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。

其中一种可能的实现方式中，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。

其中一种可能的实现方式中，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，获得训练好的深度神经网络 模型。

其中一种可能的实现方式中，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，获得训练好的深度神经网络模型。

其中一种可能的实现方式中，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。