CN105070061A - 车辆违章取证稽查方法及其系统 - Google Patents

Abstract

本发明公开了车辆违章取证稽查方法及其系统，该方法包括当存在违章车辆，获取当前环境的地理位置；根据地理位置，获取当前环境在交通规章中存在的多个违章项目；根据违章车辆当前的违章行为，选择至少一个违章项目；获取违章车辆在当前环境的违章图像和/或违章视频；根据违章图像和/或违章视频，提取违章车辆的车牌号和违章车辆所在路面的指示标线；判断车牌号和指示标线是否清晰：若车牌号和指示标线均清晰，则上传违章图像和/或违章视频、车牌号和违章车辆所在地理位置至交警系统；若车牌号和指示标线任一者不清晰，提醒重新获取违章车辆在当前环境的违章图像和/或违章视频。

Description

车辆违章取证稽查方法及其系统

技术领域

本发明属于车辆管理领域，具体涉及车辆违章取证稽查方法及其系统。

背景技术

随着经济的发展，人们的生活水平不断提高，车辆迅速普及，同时也给交通管理带来了诸多问题。其中，对违法停车车辆的管理问题是最普遍的一类问题。

对于违法停车车辆登记，目前执法人员(执勤的执法人员必须对执勤街道位置非常熟悉)通过携带的数码相机对违法停车的车辆牌照取证，然后手工填写违法停车告知单，最后通过人工录入将违法车辆的信息记录到数据库存储；使得违法稽查过程给执法人员带来很大的不便和很大的工作量。

发明内容

针对现有技术中的上述不足，本发明提供了一种可以全民参与交通执法的车辆违章取证稽查方法及其系统，其可以直接通过网络将采集的车辆违章信息上传至交警系统。

为了达到上述发明目的，本发明采用的技术方案为：

第一方面，提供一种车辆违章取证稽查方法，其包括以下步骤：

当存在违章车辆，获取当前环境的地理位置；

根据地理位置，获取当前环境在交通规章中存在的多个违章项目；

根据违章车辆当前的违章行为，选择至少一个违章项目；

获取违章车辆在当前环境的违章图像和/或违章视频；

根据违章图像和/或违章视频，提取违章车辆的车牌号和违章车辆所在路面的指示标线；

判断车牌号和指示标线是否清晰：

若车牌号和指示标线均清晰，则上传违章图像和/或违章视频、车牌号和违章车辆所在地理位置至交警系统；

若车牌号和指示标线任一者不清晰，提醒重新获取违章车辆在当前环境的违章图像和/或违章视频。

第二方面，提供一种车辆违章取证稽查系统，其包括：

定位模块，当存在违章车辆，获取当前环境的地理位置；

信息筛选模块，根据地理位置，获取当前环境在交通规章中存在的多个违章项目；

违章项目设置模块，根据违章车辆当前的违章行为，选择至少一个违章项目；

图像采集模块，获取违章车辆在当前环境的违章图像和/或违章视频；

图像处理模块，根据违章图像和/或违章视频，提取违章车辆的车牌号和违章车辆所在路面的指示标线；

图像识别模块，判断车牌号和指示标线是否清晰，若车牌号和指示标线任一者不清晰，提醒重新获取违章车辆在当前环境的违章图像和/或违章视频；

数据信息发送模块，若车牌号和指示标线均清晰，则上传违章图像和/或违章视频、车牌号和违章车辆所在地理位置至交警系统和保险公司管理平台。

本发明的有益效果为：公民可以通过安装有车辆违章取证稽查系统的移动终端获取违反交通规章的车辆信息，并通过网络传输给交警系统，达到对违章车辆的违章行为进行实时的处理；通过该系统和方法，任何公民都可以参与交通执法，降低了国家对交通管理的执法成本，对交通违法起到一定的遏制作用；

当若车牌号和指示标线均清晰，还可以将采集的相关数据传输给保险公司管理平台，这样保险公司可以分析上传的数据，对对赔付信息进行处理。

公民在初步断定车辆存在违章时，通过该系统的定位功能获取当前路段存在哪些交通违章项目，这样设置可以对车辆违章进行预判断，以避免公民出现误判的情况。

附图说明

图1为车辆违章取证稽查方法一个实施例的流程图；

图2为车辆违章取证稽查方法另一个实施例的流程图；

图3为车辆违章取证稽查系统一个实施例示意性原理框图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

参考图1，图1示出了车辆违章取证稽查方法一个实施例100的流程图；该方法100包括步骤101至步骤106。

在步骤101中，当存在违章车辆，获取当前环境的地理位置。具体地为，当公民发现当前环境中存在违章的车辆时，启动具有车辆违章取证稽查系统的移动终端，系统开始对当前环境的具体地理位置进行定位以获得当前环境的准确坐标。

在步骤102中，根据地理位置，获取当前环境在交通规章中存在的多个违章项目；违章项目可以为违章停车和轻微交通事故。违章停车又可以划分为侵占应急车道、当前路段不能长时间停车和等情形。

在系统中下载有每条道路在交通规章中可能存在的违章项目，比如当前路段不能长时间停车、不能侵占非机动车道、不能调头和禁止超车等违章项目。当系统定位出当前环境的准确坐标后，系统就能够根据当前环境的准确坐标在系统中搜索当前环境可能存在的多个违章项目。

在步骤103中，根据违章车辆当前的违章行为，选择至少一个违章项目；假设当前车辆侵占应急车道，并在应急车道上发生了轻微车祸，那么公民可以直接选择侵占应急车道和发生轻微交通事故这两项。

公民点击上述两项违章项目后，系统会自动提醒如何获取违章车辆的信息。比如侵占应急车道应该从那个角度拍摄照片，在拍摄过程中至少要包括一张能够完整看到违章车辆的车牌号和违章车辆所在路面上的指示标线。

在步骤104中，根据上述的提示，公民采用移动终端的拍照功能获取违章车辆在当前环境的违章图像和/或违章视频。

在本发明的一个实施例中，当存在违章车辆在当前环境的违章图像采集时，在提取所述违章车辆的车牌号和违章车辆所在路面的指示标线之前进一步包括，对获取的违章图像进行图像增强处理：

计算所述违章图像灰度分布的概率密度；

$P\left(k\right)=\frac{n_k}{N},k=0,...,L-1,L=2,...,4096$

其中，P(k)为第k级灰度分布的概率密度，L为灰度等级的级数，k为在L个灰度等级中的任一灰度等级，n_k为违章图像中第k级灰度的像素个数，N为违章图像中灰度的总数；

扩展所述灰度分布的概率密度：

$P_q\left(k\right)={\left(\frac{P\left(k\right)}{P_{\max }}\right)}^q*P_{max},0<q<1$

其中，P_q(k)为第k个灰度等级扩展后的概率密度；P_max为违章图像灰度分布的概率密度的最大值，q为灰度概率密度分布的因子；

根据直方图均衡化原理，对违章图像的灰度进行增强：

$F\left(k\right)=(L-1)\frac{\underset{i=0}{\overset{k}{\&Sigma;}}{P}_q\left(i\right)}{\underset{i=0}{\overset{L-1}{\&Sigma;}}{P}_q\left(i\right)},k=0,...,L-1,L=2,...,4096$

其中，F(k)为违章图像增强后的灰度。

在步骤105中，根据违章图像和/或违章视频，提取违章车辆的车牌号和违章车辆所在路面的指示标线。

其中，提取违章车辆的车牌号和违章车辆所在路面的指示标线的具体做法为：

将车牌号区域和指示线区域从庞杂的背景中提取出来；

将提取的车牌号区域和指示线区域转化为灰度图像，进行直方图均衡化；

将处理后的车牌号区域和指示线区域进行去噪，二值化，形态学操作和轮廓查找；

采用TesseractOCR提取完整的车牌号和指示标线。

在步骤106中，判断车牌号和指示标线是否清晰：

若车牌号和指示标线均清晰，则上传违章图像和/或违章视频、车牌号和违章车辆所在地理位置至交警系统；

在本发明的一个实施例中，若车牌号和指示标线均清晰时，还可以将违章图像和/或违章视频、车牌号和违章车辆所在地理位置上次至保险公司管理平台。这样保险公司可以直接通过这些数据对交通事故的情况进行判断，以进行相关赔付。

若车牌号和指示标线中任一者不清晰，提醒重新获取违章车辆在当前环境的违章图像和/或违章视频。

其中，判断车牌号和指示标线是否清晰的具体做法是：

将提取的车牌号的每个字符与预设的数字和字母进行对比，若存在该字母和数字，则表明车牌号清晰；

将提取的指示标线与违章项目中的指标示线进行对比，若存在相同的指示标线，则表示指示标线清晰。

由于违章信息是公民采集的，若不在违章车辆违章的那段时间内及时通知他/她，时间一旦相隔越久，违章车主会对执法行为的可信度产生怀疑，为了规避这种情况，本车辆违章取证稽查方法还包括：在车牌号清晰的情况下，根据车牌号搜索系统内部存储的车主的联系方式，并将违章信息发送给相应车主。

参考图2，图2示出了车辆违章取证稽查方法另一个实施例200的流程图；该方法200包括步骤201至步骤207。

在步骤201中，当存在违章车辆，获取当前环境的地理位置。该步骤与图1所示方法100中的步骤101类似，这里不再赘述。

在步骤202中，判断当前环境是否存在多个违章项目。

由于交通管理部门对每条道路的管理情况不一样，比如有的路段可以长时间停车，有的路段则禁止长时间停车，若不是交通管理人员，对当前路段可能存在的违章项目难以准确把握。

于是在系统中下载有每条道路在交通规章中可能存在的违章项目，比如当前路段不能长时间停车、不能侵占非机动车道、不能调头和禁止超车等违章项目。当系统定位出当前环境的准确坐标后，系统就能够根据当前环境的准确坐标在系统中搜索当前环境可能存在的多个违章项目。

由于公民对当前路段的交通规章不是很清楚，在进行违章车辆稽查时就有可能出现误判的现象，而本系统先采用定位后，搜索当前环境可能存在的多个违章项目能够对公民首次认为的违章情形进行预判，若是搜索结果不存在公民认为的违章项目或者此路段没有违章停车的违章项目，则终止该次稽查方法，若存在公民认为的违章项目，则进入步骤203中。

在步骤203中，根据违章车辆当前的违章行为，选择至少一个违章项目。该步骤与图1所示方法100中的步骤203类似，这里不再赘述。

在步骤204中，公民采用移动终端的拍照功能获取违章车辆的违章图像和/或违章视频。此处拍摄的图像需严格按照系统提醒的角度进行获取。

在步骤205中，根据违章图像和/或违章视频，提取违章车辆的车牌号和违章车辆所在路面的指示标线。

其中，提取违章车辆的车牌号和违章车辆所在路面的指示标线的具体做法为：将车牌号区域和指示线区域从庞杂的背景中提取出来；将提取的车牌号区域和指示线区域转化为灰度图像，进行直方图均衡化；将处理后的车牌号区域和指示线区域进行去噪，二值化，形态学操作和轮廓查找；采用TesseractOCR提取完整的车牌号和指示标线。

在步骤206中，判断车牌号和指示标线是否清晰：将提取的车牌号的每个字符与预设的数字和字母进行对比，若存在该字母和数字，则表明车牌号清晰；将提取的指示标线与违章项目中的指标示线进行对比，若相同，则表示指示标线清晰。

若车牌号和指示标线均清晰，进入步骤207；若是车牌号和指示标线任一者不清晰，进入步骤204重新进行拍摄。

在步骤207，当若车牌号和指示标线均清晰，上传违章图像和/或违章视频、车牌号和违章车辆所在地理位置至交警系统和保险公司管理平台。

至此描述了根据本发明实施例的车辆违章取证稽查的方法。

参考图3，图3示出了车辆违章取证稽查系统一个实施例示意性原理框图。

如图3所示，该系统300包括定位模块301，当存在违章车辆，获取当前环境的地理位置；信息筛选模块302，根据地理位置，获取当前环境在交通规章中存在的多个违章项目；违章项目设置模块303，根据违章车辆当前的违章行为，选择至少一个违章项目；图像采集模块304，获取违章车辆在当前环境的违章图像和/或违章视频；图像处理模块305，根据违章图像和/或违章视频，提取违章车辆的车牌号和违章车辆所在路面的指示标线；图像识别模块306，判断车牌号和指示标线是否清晰，若车牌号和指示标线任一者不清晰，提醒重新获取违章车辆在当前环境的违章图像和/或违章视频；数据信息发送模块307，若车牌号和指示标线均清晰，则上传违章图像和/或违章视频、车牌号和违章车辆所在地理位置至交警系统和保险公司管理平台。

虽然结合附图对本发明的具体实施方式进行了详细地描述，但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内，本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。

Claims (8)

1.车辆违章取证稽查方法，其特征在于，包括以下步骤：

当存在违章车辆，获取当前环境的地理位置；

根据所述地理位置，获取当前环境在交通规章中存在的多个违章项目；

根据违章车辆当前的违章行为，选择至少一个违章项目；

获取违章车辆在当前环境的违章图像和/或违章视频；

根据所述违章图像和/或违章视频，提取所述违章车辆的车牌号和违章车辆所在路面的指示标线；

判断车牌号和指示标线是否清晰：

若车牌号和指示标线均清晰，则上传违章图像和/或违章视频、车牌号和违章车辆所在地理位置至交警系统；

若车牌号和指示标线任一者不清晰，提醒重新获取违章车辆在当前环境的违章图像和/或违章视频。

2.根据权利要求1所述的车辆违章取证稽查方法，其特征在于，若车牌号和指示标线均清晰时，还包括将所述违章图像和/或违章视频、车牌号和违章车辆所在地理位置上传至保险公司管理平台。

3.根据权利要求1或2所述的车辆违章取证稽查方法，其特征在于，当存在违章车辆在当前环境的违章图像采集时，在所述提取所述违章车辆的车牌号和违章车辆所在路面的指示标线之前进一步包括，对获取的违章图像进行图像增强处理：

计算所述违章图像灰度分布的概率密度；

$P\left(k\right)=\frac{n_k}{N},k=0,...,L-1,L=2,...,4096$

其中，P(k)为第k级灰度分布的概率密度，L为灰度等级的级数，k为在L个灰度等级中的任一灰度等级，n_k为违章图像中第k级灰度的像素个数，N为违章图像中灰度的总数；

扩展所述灰度分布的概率密度：

$P_q\left(k\right)={\left(\frac{P\left(k\right)}{P_{\max }}\right)}^q*P_{max},0<q<1$

其中，P_q(k)为第k个灰度等级扩展后的概率密度；P_max为违章图像灰度分布的概率密度的最大值，q为灰度概率密度分布的因子；

根据直方图均衡化原理，对违章图像的灰度进行增强：

$F\left(k\right)=(L-1)\frac{\underset{i=0}{\overset{k}{\&Sigma;}}{P}_q\left(i\right)}{\underset{i=0}{\overset{L-1}{\&Sigma;}}{P}_q\left(i\right)},k=0,...,L-1,L=2,...,4096$

其中，F(k)为违章图像增强后的灰度。

4.根据权利要求3所述的车辆违章取证稽查方法，其特征在于，所述根据所述违章图像和/或违章视频，提取所述违章车辆的车牌号和违章车辆所在路面的指示标线进一步包括：

将车牌号区域和指示线区域从庞杂的背景中提取出来；

将提取的车牌号区域和指示线区域转化为灰度图像，进行直方图均衡化；

将处理后的车牌号区域和指示线区域进行去噪，二值化，形态学操作和轮廓查找；

采用TesseractOCR提取完整的车牌号和指示标线。

5.根据权利要求4所述的车辆违章取证稽查方法，其特征在于，所述判断车牌号和指示标线是否清晰进一步包括：

将提取的车牌号的每个字符与预设的数字和字母进行对比，若存在该字母和数字，则表明车牌号清晰；

将提取的指示标线与违章项目中的指示标线进行对比，若存在相同的指示标线，则表示指示标线清晰。

6.根据权利要求1、2、4或5所述的车辆违章取证稽查方法，其特征在于，还包括：

若车牌号清晰，根据车牌号获取车主的联系方式，并将违章信息发送给相应车主。

7.根据权利要求6所述的车辆违章取证稽查方法，其特征在于，所述违章项目为违章停车和轻微交通事故。

8.一种权利要求1-7任一所述的车辆违章取证稽查系统，其特征在于，包括：

定位模块，当存在违章车辆，获取当前环境的地理位置；

信息筛选模块，根据所述地理位置，获取当前环境在交通规章中存在的多个违章项目；

违章项目设置模块，根据违章车辆当前的违章行为，选择至少一个违章项目；

图像采集模块，获取违章车辆在当前环境的违章图像和/或违章视频；

图像处理模块，根据所述违章图像和/或违章视频，提取所述违章车辆的车牌号和违章车辆所在路面的指示标线；

图像识别模块，判断车牌号和指示标线是否清晰，若车牌号和指示标线任一者不清晰，提醒重新获取违章车辆在当前环境的违章图像和/或违章视频；

数据信息发送模块，若车牌号和指示标线均清晰，则上传违章图像和/或违章视频、车牌号和违章车辆所在地理位置至交警系统和保险公司管理平台。