[发明专利]非机动车交通违法判定方法、系统、装置及存储介质在审
申请号: | 202011510604.2 | 申请日: | 2020-12-18 |
公开(公告)号: | CN112560711A | 公开(公告)日: | 2021-03-26 |
发明(设计)人: | 谭双江 | 申请(专利权)人: | 深圳赛安特技术服务有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06F16/583 |
代理公司: | 北京鸿元知识产权代理有限公司 11327 | 代理人: | 袁文婷;王守梅 |
地址: | 518000 广东省深圳市前海深港合作区前*** | 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: | 非机动车 交通 违法 判定 方法 系统 装置 存储 介质 | ||
1.一种非机动车交通违法判定方法,应用于电子装置,其特征在于,所述方法包括:
从违章地的监控设备中获取非机动车的违章图片,并记录违章时间段;
对所述违章图片进行图像识别,以确定所述违章图片中的行为人的初步身份信息;
根据所述初步身份信息对所述违章地在所述违章时间段内的所有非机动车车主的人员信息表进行查询,以确定所述违章图片中的行为人的最终身份信息;其中,
所述人员信息表通过预设在非机动车上的定位装置配合与所述定位装置关联的定位系统中的非机动车的车主录入信息确定。
2.根据权利要求1所述的非机动车交通违法判定方法,其特征在于,对所述违章图片进行图像识别,以确定所述违章图片中的行为人的初步身份信息的过程包括:
通过神经网络提取所述违章图片中的脸部图像,以形成违章人脸特征集;
基于所述违章人脸特征集在预设的人脸特征数据库中进行匹配,以确定所述违章图片中的行为人的初步身份信息。
3.根据权利要求2所述的非机动车交通违法判定方法,其特征在于,所述人脸特征数据库中存储有本地域的所有候选人的人脸特征集;并且,基于所述违章人脸特征集在预设的人脸特征数据库中进行匹配,以确定所述违章图片中的行为人的初步身份信息的过程包括:
分别计算所述违章人脸特征集与所述人脸特征数据库中各候选人的人脸特征集的特征集相似度;
取所述特征集相似度大于预设相似度阈值的候选人的身份信息作为所述违章图片中的行为人的初步身份信息。
4.根据权利要求3所述的非机动车交通违法判定方法,其特征在于,计算所述违章人脸特征集与所述人脸特征数据库中各候选人的人脸特征集的特征集相似度的过程包括:
分别计算所述违章人脸特征集中的各违章人脸特征与各候选人的人脸特征集中的各人脸特征的单特征相似度;
将各单特征相似度乘以相应的预设偏好指数后进行求和,得到所述特征集相似度。
5.根据权利要求4所述的非机动车交通违法判定方法,其特征在于,计算所述违章人脸特征集中的各违章人脸特征与各候选人的人脸特征集中的各人脸特征的单特征相似度的过程包括:
分别计算所述违章人脸特征集中的各违章人脸特征与各候选人的人脸特征集中的各人脸特征的欧氏距离;
对各欧氏距离进行归一化处理,以得到所述单特征相似度。
6.根据权利要求2所述的非机动车交通违法判定方法,其特征在于,对所述违章图片进行图像识别,以确定所述违章图片中的行为人的初步身份信息的过程还包括:
对所述违章图片中的非机动车图像以及行为人服饰图像进行图像识别,以确定所述违章图片中行为人的所属单位;
基于所述所属单位对所述违章图片中的行为人的初步身份信息进行再次确认。
7.根据权利要求6所述的非机动车交通违法判定方法,其特征在于,对所述违章图片中的非机动车图像以及行为人服饰图像进行图像识别,以确定所述违章图片中行为人的所属单位的过程包括:
通过卷积神经网络提取所述非机动车图像以及所述行为人服饰图像中的降维特征集;
通过所述降维特征集确定非机动车类型和服饰类型;
基于所述非机动车类型和所述服饰类型确定所述违章图片中行为人的所属单位。
8.一种非机动车交通违法判定系统,其特征在于,所述系统包括:
图片获取单元,用于从违章地的监控设备中获取非机动车的违章图片,并记录违章时间段;
身份初步确定单元,用于对所述违章图片进行图像识别,以确定所述违章图片中的行为人的初步身份信息;
身份最终确定单元,用于根据所述初步身份信息对所述违章地在所述违章时间段内的所有非机动车车主的人员信息表进行查询,以确定所述违章图片中的行为人的最终身份信息;其中,
所述人员信息表通过预设在非机动车上的定位装置配合与所述定位装置关联的定位系统中的非机动车的车主录入信息确定。
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深圳赛安特技术服务有限公司,未经深圳赛安特技术服务有限公司许可,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/202011510604.2/1.html,转载请声明来源钻瓜专利网。