[发明专利]一种基于区块链的交通警务处置方法及系统

权利要求书

1.一种基于区块链的交通警务处置方法，其特征在于，其包括：

S1，获取车辆的行驶图像以及驾驶所述车辆的人员的脸部图像；

S2，将所述行驶图像输入到预先训练好的神经网络模型中进行违章识别，判断所述车辆是否存在违章行为，若是，则根据所述行驶图像和所述脸部图像生成违章行为信息；

S3，将所述违章行为信息发送到审核终端进行人工审核，并接收所述审核终端反馈的审核结果，所述审核结果包括违章行为信息是否正确和人工审核结果；

S4，若违章行为信息正确，则将所述违章行为信息输入到区块链节点中进行存储，若违章行为信息不正确，则将所述人工审核结果输入到区块链节点中进行存储；

所述将所述行驶图像输入到预先训练好的神经网络模型中进行违章识别，包括：

对所述行驶图像进行光照调节处理，获得光照调节图像；

对所述光照调节图像进行灰度化处理，获得灰度化图像；

对所述灰度化图像进行降噪处理，获得降噪图像；

将所述降噪图像输入到预先训练好的神经网络模型中进行违章识别；

所述对所述行驶图像进行光照调节处理，获得光照调节图像，包括：

S11，对于当前正在进行光照调节的像素点，判断其所属的处理类型；

S12，根据所述处理类型，选择相应的光照调节函数对所述像素点进行光照调节处理；

S13，对行驶图像中所有的像素点进行S11和S12的处理，从而得到光照调节图像；

所述对于当前正在进行光照调节的像素点，判断其所属的处理类型，包括：

计算所述像素点分类指数；

若所述分类指数大于0，则所述像素点属于第一处理类型；

若所述分类指数小于等于0，则所述像素点属于第二处理类型；

所述分类指数通过如下方式进行计算：

式中，clusti表示所述像素点的分类指数，gbma表示所述行驶图像在Lab颜色空间中的L分量的最大值，gbmi表示所述行驶图像在Lab颜色空间中的L分量的最小值，gama和gami分别表示对所述行驶图像进行高斯滤波处理后的得到的滤波图像在Lab颜色空间中的L分量的最大值和最小值，gpb表示所述像素点在所述行驶图像对应的Lab颜色空间中的L分量的像素值，gpa表示所述像素点在所述滤波图像像对应的Lab颜色空间中的L分量的像素值；gw表示光照调节系数，gw∈[0.34,0.7]，w表示所述行驶图像在Lab颜色空间中的L分量的中间值；

第一处理类型的像素点，其光照调节参数如下：

式中，oneg表示第一处理类型的像素点的光照调节参数，j1和j2表示预设的比例系数，j1与j2的和为1，gpb(nei)表示所述像素点的b×b大小的邻域中的所有像素点在所述行驶图像对应的Lab颜色空间中的L分量的像素值的均值，gpa(nei)表示所述像素点的b×b大小的邻域中的所有像素点在所述滤波图像对应的Lab颜色空间中的L分量的像素值的均值，onexs表示第一处理类型像素点的修正参数，a1表示预设的权重参数；

对于第二处理类型的像素点，其光照调节参数如下：

式中，j3和j4表示预设的比例系数，j3与j4的和为1，twog表示第二处理类型的像素点的光照调节参数；

根据所述处理类型，选择相应的光照调节参数对所述像素点进行光照调节处理，包括：

将所述像素点在行驶图像对应的Lab颜色空间中的像素值记为f(t)；

若所述像素点属于第一处理类型，则其光照调节如下：

af(t)＝st[f(t)×oneg]

式中，af(t)为对f(t)进行光照调节的中间结果，st表示限制函数，若f(t)×oneg大于100，则st[f(t)×oneg]的值为100，若f(t)×oneg小于等于100，则st[f(t)×oneg]的值为f(t)×oneg；

将af(t)从Lab颜色空间转换到RGB颜色空间，从而得到对所述像素点的最终处理结果；

若所述像素点属于第二处理类型，则其光照调节如下：

af(t)＝st[f(t)×twog]

式中，af(t)为对f(t)进行光照调节的中间结果，st表示限制函数，若f(t)×twog大于100，则st[f(t)×twog]的值为100，若f(t)×twog小于等于100，则st[f(t)×twog]的值为f(t)×oneg；

将af(t)从Lab颜色空间转换到RGB颜色空间，从而得到对所述像素点的最终处理结果。