CN108230669A - 基于大数据和云分析的道路车辆违法检测方法及系统 - Google Patents

Abstract

本发明公开了基于大数据和云分析的道路车辆违法检测方法及系统。本发明的道路车辆违法检测方法包括：大数据服务器集群存储前端设备采集的过车数据并发送给云分析服务器集群，过车数据包括过车图片和前端设备所在的交通卡口编号；云分析服务器集群对过车图片进行分析处理，并根据预设的过滤条件筛选出体现违法行为的过车图片，生成相应的车辆违法行为信息；云分析服务器集群将车辆违法行为信息发送给大数据服务器集群；大数据服务器集群根据采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表，筛选出需要进行处理的车辆违法行为信息，生成相应的车辆违法行为记录。本发明灵活地适应了交通卡口对违法行为规定各有不同的实际需要。

Description

基于大数据和云分析的道路车辆违法检测方法及系统

技术领域

本发明涉及视频监控和分析技术领域，特别涉及基于大数据和云分析的道路车辆违法检测方法及系统。

背景技术

随着时代的发展，现在车辆越来越多，各种交通车辆违法行为及类型也随之增多，交通事故频发不止。

随着科技的发展，现在道路上各种检测车辆违法行为的方案也随之而生，做好违法监控能有效的防止交通事故，保护人们生命财产安全。

但是当前的检测方案要么需要大量的人力参与，要么不够智能，难以适应不同的执法要求和复杂的监控环境。

发明内容

有鉴于此，本发明实施例提供了基于大数据和云分析的道路车辆违法检测方法和系统，可以适应各个卡口的不同违法设定来检测车辆的违法行为。所述技术方案如下：

第一方面，一种道路车辆违法检测方法，应用于服务器集群，所述服务器集群包括大数据服务器集群和云分析服务器集群，所述方法包括：

大数据服务器集群存储前端设备采集的过车数据并发送给云分析服务器集群，所述过车数据包括过车图片和前端设备所在的交通卡口编号；

所述云分析服务器集群对所述过车图片进行分析处理，并根据预设的过滤条件筛选出体现违法行为的过车图片，生成相应的车辆违法行为信息；

所述云分析服务器集群将所述车辆违法行为信息发送给所述大数据服务器集群；

所述大数据服务器集群根据采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表，筛选出需要进行处理的车辆违法行为信息，生成相应的车辆违法行为记录。

可选择地，所述生成相应的车辆违法行为记录包括：

所述大数据服务器集群根据筛选出的车辆违法行为信息对应的过车图片生成违法证据图片，违法证据图片包括体现违法场景的全景图和体现车辆信息的车身图。

可选择地，所述云分析服务器集群生成并发送给所述大数据服务器集群的车辆违法行为信息包括车辆在过车图片中的位置，所述大数据服务器集群根据所述车辆在过车图片中的位置，在过车图片中截取车身图。

可选择地，所述车辆违法行为信息包括：违法行为类型和车牌号码。

可选择地，所述过车数据还包括行驶时间，所述违法行为列表包括对应的违法行为类型和时间段，所述大数据服务器集群根据采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表，筛选出需要进行处理的车辆违法行为信息包括：

所述大数据服务器集群提取车辆违法行为信息中的违法行为类型和对应的过车数据中的行驶时间，当对应的采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表中包括该违法行为类型，且该行驶时间处于该违法行为类型对应的时间段内时，确认该车辆违法行为信息需要进行处理。

可选择地，所述车辆违法行为信息还包括车辆类型，所述违法行为列表包括对应的违法行为类型和车辆类型，所述大数据服务器集群根据采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表，筛选出需要进行处理的车辆违法行为信息包括：

所述大数据服务器集群提取车辆违法行为信息中的违法行为类型和车辆类型，当对应的采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表中包括该违法行为类型，且该车辆类型属于该违法行为类型对应的车辆类型时，确认该车辆违法行为信息需要进行处理。

可选择地，所述过车数据还包括道路类型，所述违法行为列表包括对应的违法行为类型和道路类型，所述大数据服务器集群根据采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表，筛选出需要进行处理的车辆违法行为信息包括：

所述大数据服务器集群提取车辆违法行为信息中的违法行为类型和对应的过车数据中的道路类型，当对应的采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表中包括该违法行为类型，且该道路类型属于该违法行为类型对应的道路类型时，确认该车辆违法行为信息需要进行处理。

第二方面，一种道路车辆违法检测系统，该系统包括大数据服务器集群和云分析服务器集群，所述大数据服务器集群包括过车图片转发模块和违法车辆确定模块，所述云分析服务器集群包括违法车辆判断模块和违法信息发送模块，其中，

所述过车图片转发模块用于存储前端设备采集的过车数据并发送给云分析服务器集群，所述过车数据包括过车图片和前端设备所在的交通卡口编号；

所述违法车辆判断模块用于对所述过车图片进行分析处理，并根据预设的过滤条件筛选出体现违法行为的过车图片，生成相应的车辆违法行为信息；

所述违法信息发送模块用于将所述车辆违法行为信息发送给所述大数据服务器集群；

所述违法车辆确定模块用于根据采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表，筛选出需要进行处理的车辆违法行为信息，生成相应的车辆违法行为记录。

可选择地，所述违法车辆确定模块包括证据图片生成子模块，用于根据筛选出的车辆违法行为信息对应的过车图片生成违法证据图片，违法证据图片包括体现违法场景的全景图和体现车辆信息的车身图。

可选择地，所述违法车辆判断模块生成并发送给所述大数据服务器集群的车辆违法行为信息包括车辆在过车图片中的位置，所述证据图片生成子模块还用于根据所述车辆在过车图片中的位置，在对应的过车图中截取车身图。

可选择地，所述车辆违法行为信息包括：违法行为类型和车牌号码。

可选择地，所述过车数据还包括行驶时间，所述违法行为列表包括对应的违法行为类型和时间段，所述违法车辆确定模块具体用于提取车辆违法行为信息中的违法行为类型和对应的过车数据中的行驶时间，当对应的采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表中包括该违法行为类型，且该行驶时间处于对应的时间段内时，确认该车辆违法行为信息需要进行处理。

可选择地，所述车辆违法行为信息还包括车辆类型，所述违法行为列表包括对应的违法行为类型和车辆类型，所述违法车辆确定模块具体用于提取车辆违法行为信息中的违法行为类型和车辆类型，当对应的采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表中包括该违法行为类型，且该车辆类型属于该违法行为类型对应的车辆类型时，确认该车辆违法行为信息需要进行处理。

可选择地，所述过车数据还包括道路类型，所述违法行为列表包括对应的违法行为类型和道路类型，所述违法车辆确定模块具体用于提取车辆违法行为信息中的违法行为类型和对应的过车数据中的道路类型，当对应的采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表中包括该违法行为类型，且该道路类型属于该违法行为类型对应的道路类型时，确认该车辆违法行为信息需要进行处理。

本发明实施例提供的技术方案带来的有益效果是：

本发明利用大数据服务器存储过车数据，利用云分析服务器筛选过车数据中的违法行为和相应的违法信息，然后由大数据服务器根据交通卡口的违法行为列表而筛选出需要进行处理的违法行为，生成相应的车辆违法行为记录。因此，可以根据每个交通卡口的实际情况设定对违法行为的监控，只需要对违法行为列表进行设置即可，无需变动大数据服务器和云分析服务器的程序设置，因而简单易用，灵活地适应了交通卡口情况复杂多变而对违法行为规定各有不同的实际需要。本发明创造性地利用了大数据服务器的海量存储能力和云分析服务器的海量分析能力，能够达到实时准确的违法行为判断。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一种例示性实施环境的示意图；

图2是本发明一实施例提供的道路车辆违法检测方法的流程图；

图3是本发明另一实施例提供的道路车辆违法检测系统的模块框图；

图4是本发明提供的道路车辆违法检测系统中的服务器的结构框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

图1是实施本发明的一种例示性实施环境的示意图。参见图1，该实施环境中包括：大数据服务器集群10，云分析服务器集群11，前端设备13，大数据服务器集群10包括有一个或多个以上的大数据服务器102，云分析服务器集群12包括有一个或多个以上的云分析服务器112。

前端设备13安装在交通卡口上，用于对道路上的车辆进行监视摄像，并把拍摄的照片传给大数据服务器集群10。每个交通卡口有一个或多个前端设备13。

大数据服务器集群10将多个服务器102集中起来一起提供大数据服务，应该理解，在大数据服务器集群10中，大数据服务器102的数量为一个或一个以上。

云分析服务器集群11将多个服务器112集中起来一起提供大数据服务。应该理解，在云分析服务器集群11中，云分析服务器112的数量为一个或一个以上。

大数据服务器集群10和云分析服务器集群11可以共用服务器，或者使用专用服务器。

本发明一实施例提供了一种道路车辆违法检测方法，应用于服务器集群，该服务器集群包括大数据服务器集群和云分析服务器集群，如图2所述，该方法包括如下步骤：

步骤S21：大数据服务器集群存储前端设备采集的过车数据并发送给云分析服务器集群，过车数据包括过车图片和前端设备所在的交通卡口编号；

前端设备为安装在各个交通卡口的监控摄像设备，可以为枪机、球机等形式，当有车辆经过时，前端设备会拍摄若干张包括有该车辆图像的过车图片。前端设备可以定时拍摄照片，也可以满足一定预设条件才拍摄照片，对拍摄的照片可以进行筛选再发送给大数据服务器集群，也可以不经过筛选直接发送给大数据服务器集群。

前端设备发送给大数据服务器集群的过车数据包括过车图片和前端设备所在的交通卡口编号，还包括采集时间、卡口ID、道路类型等数据。

大数据服务器集群将过车数据存储到一个大数据服务器中，并转发给云分析服务器集群，本发明的一种实施方式中，这里转发的过车数据不需要包括过车数据中所有的数据，可以只包含过车图片或者过车图片的存储地址(云分析服务器再据此下载过车图片)，因为只需要云分析服务器集群对过车图片进行分析。

大数据服务器集群具有海量存储的能力，因此可以存储各个前端设备传输过来的过车数据。

步骤S22：云分析服务器集群对过车图片进行分析处理，并根据预设的过滤条件筛选出体现违法行为的过车图片，生成相应的车辆违法行为信息；

为了简便起见，一个交通卡口的前端设备拍摄的一个时段的过车图片可由云分析服务器集群中的一个服务器进行集中分析处理；当然云分析服务器集群也可以随机分配云分析服务器，或调度闲置的、或相对任务较少的云分析服务器来处理新传送过来的过车图片。

分析处理可以如此进行：通过过车图片中的车辆图像，识别其车辆号码、车辆颜色、车辆类型等车辆信息；且云分析服务器中设置有比对库，比对库中存储有海量的反映各种车辆违法行为的图片，将过车图片中的车辆图像与比对库中反映各种违法形态的车辆图片进行比对，根据比对结果就可获取到车辆本身违法行为和车内人员行为，车辆本身违法行为包括进入禁用车道、后车与前车车距过小、逆行等，车内人员行为包括是否系安全带、是否打手机等，由此可得到车辆违法行为的车辆违法行为类型。注意，这里的车辆违法行为并非是确定的车辆违法行为，而只是疑似，需要后续进一步确认是否为需要进行处理的违法行为。

通过分析处理，根据预设的过滤条件就可筛选出体现违法行为的过车图片，生成相应的车辆违法行为信息，包括在分析处理中获取的违法行为类型、车牌号码、车辆类型等的信息。与上面类似，这里的车辆违法行为信息只是表示疑似车辆违法行为的信息，需要后续进一步确认是否为需要进行处理的车辆违法行为信息。预设的过滤条件可以设置为各种违法行为的比对确认度，例如如果比对之后确认车辆涉嫌某违法行为超过预设的概率，则认定其体现该违法行为。

步骤S23：云分析服务器集群将车辆违法行为信息发送给大数据服务器集群；

该步骤中，云分析服务器集群将生成的车辆违法行为信息发送给大数据服务器集群。车辆违法行为信息中包括有对应的过车图片信息或其他信息以便大数据服务器集群定位到具体的过车数据，本发明的一种实施方式中，由于大数据服务器集群保存有所有的过车图片，因此这里的过车图片信息可以包括对应的过车图片的编号而不需要包括具体的过车图片。

发送的车辆违法行为信息可以包括违法行为类型和车牌号码，还可包括车辆类型。

步骤S24：大数据服务器集群根据采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表，筛选出需要进行处理的车辆违法行为信息，生成相应的车辆违法行为记录。

每个交通卡口根据实际情况，需要进行处理的车辆违法行为有所不同，或者有些违法行为在有些时段需要进行处理，但在另一些时段不需要进行处理，或者有些违法行为对于某些车辆类型需要处理，但对于另一些车辆类型不需要处理，或者有些违法行为发生在某些道路类型上需要处理，而发生在另一些道路类型上不需要处理。因此在大数据服务其中设置有每个交通卡口具有需要进行处理的违法行为列表，例如记录在哪些时段、哪些车辆类型或在哪些道路类型上的哪些违法行为需要进行处理。对于一些违法行为类型，违法行为列表记录了其对应的时间段、车辆类型和/或道路类型。

由于大数据服务器集群保存了每个过车图片的交通卡口编号，因此根据云分析服务器集群筛选出的过车图片，可以找到该过车图片的对应交通卡口的违法行为列表，如果从该过车图片中识别出的违法行为类型属于对应交通卡口的违法行为列表中需要进行处理的违法行为类型，则确认该车辆违法行为信息需要进行处理，从而生成相应的车辆违法行为记录。

对于某些违法行为类型，有些交通卡口只对在特定时段内发生的违法行为进行处理，因此在确定对应的采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表中包括该违法行为类型之后，还需要确认违法行为发生的行驶时间是否处于该违法行为类型对应的时间段内，当为是时则确认该车辆违法行为信息需要进行处理，从而生成相应的车辆违法行为记录。

对于某些违法行为类型，有些交通卡口对于某些车辆类型并不进行处理或只处理特定的车辆类型，因此在确定对应的采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表中包括该违法行为类型之后，还要确定该车辆类型是否属于该违法行为类型对应的车辆类型，当为是时则确认该车辆违法行为信息需要进行处理，从而生成相应的车辆违法行为记录。

对于某些违法行为类型，有些道路类型上并不进行处理或只处理特定的道路类型上的该违法行为，因此在确定对应的采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表中包括该违法行为类型之后，还要确定该违法行为发生的道路类型是否属于该违法行为类型对应的道路类型，当为是时则确认该车辆违法行为信息需要进行处理，从而生成相应的车辆违法行为记录。

违法行为记录可以包括文字和违法证据图片。文字可包括车牌号码、车辆类型、违法行为类型，违法时的行驶时间、行驶地点和行驶车道等。违法证据图片可以直接采用原始的过车图片。本发明的一种实施方式中，为了使得证据确凿，可以根据筛选出的车辆违法行为信息对应的过车图片生成违法证据图片，违法证据图片包括体现违法场景的全景图和体现车辆信息的车身图。

全景图可以直接选用过车图片或对过车图片进行适当裁剪和处理。

车身图可以如此生成：云分析服务器集群发送给大数据服务器集群的车辆违法行为信息中可包括车辆在过车图片中的位置，从而大数据服务器集群可根据车辆在过车图片中的位置，在过车图片中截取车身图。

全景图和车身图可以合成为一张图片，例如两张全景图和一张车身图平行拼接；或者两张全景图在上，一张车身图在下；或者两张全景图水平拼接，车身图嵌入到拼接图中。

由于车辆违法行为记录已经生成，因此后续可以根据记录对相应的车辆所属单位或个人进行相应的处理。

本实施例利用大数据服务器存储过车数据，利用云分析服务器筛选过车数据中的违法行为和相应的违法信息，然后由大数据服务器根据交通卡口的违法行为列表而筛选出需要进行处理的违法行为，生成相应的车辆违法行为记录。因此，可以根据每个交通卡口的实际情况设定对违法行为的监控，只需要对违法行为列表进行设置即可，无需变动大数据服务器和云分析服务器的程序设置，因而简单易用，灵活地适应了交通卡口情况复杂多变而对违法行为规定各有不同的实际需要。本实施例创造性地利用了大数据服务器的海量存储能力和云分析服务器的海量分析能力，能够达到实时准确的违法行为判断。

本发明另一实施例提供了一种道路车辆违法检测系统，如图3所示，该系统包括大数据服务器集群3A和云分析服务器集群3B，大数据服务器集群包括过车图片转发模块31和违法车辆确定模块34，云分析服务器集群包括违法车辆判断模块32和违法信息发送模块33，其中，

过车图片转发模块31用于存储前端设备采集的过车数据并发送给云分析服务器集群，过车数据包括过车图片和前端设备所在的交通卡口编号；

违法车辆判断模块32用于对过车图片进行分析处理，并根据预设的过滤条件筛选出体现违法行为的过车图片，生成相应的车辆违法行为信息；

违法信息发送模块33用于将车辆违法行为信息发送给大数据服务器集群；

违法车辆确定模块34用于根据采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表，筛选出需要进行处理的车辆违法行为信息，生成相应的车辆违法行为记录。

本实施例利用大数据服务器存储过车数据，利用云分析服务器筛选过车数据中的违法行为和相应的违法信息，然后由大数据服务器根据交通卡口的违法行为列表而筛选出需要进行处理的违法行为，生成相应的车辆违法行为记录。因此，可以根据每个交通卡口的实际情况设定对违法行为的监控，只需要对违法行为列表进行设置即可，无需变动大数据服务器和云分析服务器的程序设置，因而简单易用，灵活地适应了交通卡口情况复杂多变而对违法行为规定各有不同的实际需要。本实施例创造性地利用了大数据服务器的海量存储能力和云分析服务器的海量分析能力，能够达到实时准确的违法行为判断。

在一些可能的实施方式中，违法车辆确定模块34可包括证据图片生成子模块，用于根据筛选出的车辆违法行为信息对应的过车图片生成违法证据图片，违法证据图片包括体现违法场景的全景图和体现车辆信息的车身图。

在一些可能的实施方式中，违法车辆判断模块32生成并发送给大数据服务器集群的车辆违法行为信息包括车辆在过车图片中的位置，证据图片生成子模块还用于根据车辆在过车图片中的位置，在对应的过车图中截取车身图。

在一些可能的实施方式中，车辆违法行为信息包括：违法行为类型和车牌号码。

在一些可能的实施方式中，过车数据还包括行驶时间，所述违法行为列表包括对应的违法行为类型和时间段，违法车辆确定模块34具体用于提取车辆违法行为信息中的违法行为类型和对应的过车数据中的行驶时间，当对应的采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表中包括该违法行为类型，且该行驶时间处于该违法行为类型对应的时间段内时，确认该车辆违法行为信息需要进行处理。

在一些可能的实施方式中，车辆违法行为信息还包括车辆类型，所述违法行为列表包括对应的违法行为类型和车辆类型，违法车辆确定模块34具体用于提取车辆违法行为信息中的违法行为类型和车辆类型，当对应的采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表中包括该违法行为类型，且该车辆类型属于该违法行为类型对应的车辆类型时，确认该车辆违法行为信息需要进行处理。

在一些可能的实施方式中，所述过车数据还包括道路类型，所述违法行为列表包括对应的违法行为类型和道路类型，所述违法车辆确定模块具体用于提取车辆违法行为信息中的违法行为类型和对应的过车数据中的道路类型，当对应的采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表中包括该违法行为类型，且该道路类型属于该违法行为类型对应的道路类型时，确认该车辆违法行为信息需要进行处理。

上述所有可选技术方案，可以任意结合形成本公开的可选实施例，在此不再一一赘述。

本实施例中提供的令牌校验装置与上一实施例中提供的令牌校验方法属于同一发明构思，其具体实现过程及其说明详见上一实施例，在此不再赘述。

图4是本发明提供的道路车辆违法检测系统中的一种例示性服务器400的硬件框图，服务器400可以为大数据服务器或云分析服务器。参照图4，服务器400包括处理组件422，其进一步包括一个或多个处理器，以及由存储器432所代表的存储器资源，用于存储可由处理部件422的执行的指令，例如应用程序。存储器432中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件422被配置为执行指令，以执行道路车辆违法检测方法。

装置400还可以包括：电源组件426，被配置为执行装置400的电源管理；有线或无线网络接口450，被配置为将装置400连接到网络；和输入输出(I/O)接口458。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤、模块可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (14)

1.一种道路车辆违法检测方法，其特征在于，应用于服务器集群，所述服务器集群包括大数据服务器集群和云分析服务器集群，所述方法包括：

大数据服务器集群存储前端设备采集的过车数据并发送给云分析服务器集群，所述过车数据包括过车图片和前端设备所在的交通卡口编号；

所述云分析服务器集群对所述过车图片进行分析处理，并根据预设的过滤条件筛选出体现违法行为的过车图片，生成相应的车辆违法行为信息；

所述云分析服务器集群将所述车辆违法行为信息发送给所述大数据服务器集群；

所述大数据服务器集群根据采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表，筛选出需要进行处理的车辆违法行为信息，生成相应的车辆违法行为记录。

2.根据权利要求1所述的方法，其特征在于，所述生成相应的车辆违法行为记录包括：

所述大数据服务器集群根据筛选出的车辆违法行为信息对应的过车图片生成违法证据图片，违法证据图片包括体现违法场景的全景图和体现车辆信息的车身图。

3.根据权利要求2所述的方法，其特征在于，所述云分析服务器集群生成并发送给所述大数据服务器集群的车辆违法行为信息包括车辆在过车图片中的位置，所述大数据服务器集群根据所述车辆在过车图片中的位置，在过车图片中截取车身图。

4.根据权利要求2所述的方法，其特征在于，所述车辆违法行为信息包括：违法行为类型和车牌号码。

5.根据权利要求4所述的方法，其特征在于，所述过车数据还包括行驶时间，所述违法行为列表包括对应的违法行为类型和时间段，所述大数据服务器集群根据采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表，筛选出需要进行处理的车辆违法行为信息包括：

所述大数据服务器集群提取车辆违法行为信息中的违法行为类型和对应的过车数据中的行驶时间，当对应的采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表中包括该违法行为类型，且该行驶时间处于该违法行为类型对应的时间段内时，确认该车辆违法行为信息需要进行处理。

6.根据权利要求4所述的方法，其特征在于，所述车辆违法行为信息还包括车辆类型，所述违法行为列表包括对应的违法行为类型和车辆类型，所述大数据服务器集群根据采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表，筛选出需要进行处理的车辆违法行为信息包括：

所述大数据服务器集群提取车辆违法行为信息中的违法行为类型和车辆类型，当对应的采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表中包括该违法行为类型，且该车辆类型属于该违法行为类型对应的车辆类型时，确认该车辆违法行为信息需要进行处理。

7.根据权利要求4所述的方法，其特征在于，所述过车数据还包括道路类型，所述违法行为列表包括对应的违法行为类型和道路类型，所述大数据服务器集群根据采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表，筛选出需要进行处理的车辆违法行为信息包括：

所述大数据服务器集群提取车辆违法行为信息中的违法行为类型和对应的过车数据中的道路类型，当对应的采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表中包括该违法行为类型，且该道路类型属于该违法行为类型对应的道路类型时，确认该车辆违法行为信息需要进行处理。

8.一种道路车辆违法检测系统，其特征在于，该系统包括大数据服务器集群和云分析服务器集群，所述大数据服务器集群包括过车图片转发模块和违法车辆确定模块，所述云分析服务器集群包括违法车辆判断模块和违法信息发送模块，其中，

所述过车图片转发模块用于存储前端设备采集的过车数据并发送给云分析服务器集群，所述过车数据包括过车图片和前端设备所在的交通卡口编号；

所述违法车辆判断模块用于对所述过车图片进行分析处理，并根据预设的过滤条件筛选出体现违法行为的过车图片，生成相应的车辆违法行为信息；

所述违法信息发送模块用于将所述车辆违法行为信息发送给所述大数据服务器集群；

所述违法车辆确定模块用于根据采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表，筛选出需要进行处理的车辆违法行为信息，生成相应的车辆违法行为记录。

9.根据权利要求8所述的装置，其特征在于，所述违法车辆确定模块包括证据图片生成子模块，用于根据筛选出的车辆违法行为信息对应的过车图片生成违法证据图片，违法证据图片包括体现违法场景的全景图和体现车辆信息的车身图。

10.根据权利要求9所述的装置，其特征在于，所述违法车辆判断模块生成并发送给所述大数据服务器集群的车辆违法行为信息包括车辆在过车图片中的位置，所述证据图片生成子模块还用于根据所述车辆在过车图片中的位置，在对应的过车图中截取车身图。

11.根据权利要求9所述的装置，其特征在于，所述车辆违法行为信息包括：违法行为类型和车牌号码。

12.根据权利要求11所述的装置，其特征在于，所述过车数据还包括行驶时间，所述违法车辆确定模块具体用于提取车辆违法行为信息中的违法行为类型和对应的过车数据中的行驶时间，所述违法行为列表包括对应的违法行为类型和时间段，当对应的采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表中包括该违法行为类型，且该行驶时间处于该违法行为类型对应的时间段内时，确认该车辆违法行为信息需要进行处理。

13.根据权利要求11所述的装置，其特征在于，所述车辆违法行为信息还包括车辆类型，所述违法行为列表包括对应的违法行为类型和车辆类型，所述违法车辆确定模块具体用于提取车辆违法行为信息中的违法行为类型和车辆类型，当对应的采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表中包括该违法行为类型，且该车辆类型属于该违法行为类型对应的车辆类型时，确认该车辆违法行为信息需要进行处理。

14.根据权利要求11所述的装置，其特征在于，所述过车数据还包括道路类型，所述违法行为列表包括对应的违法行为类型和道路类型，所述违法车辆确定模块具体用于提取车辆违法行为信息中的违法行为类型和对应的过车数据中的道路类型，当对应的采集过车图片的前端设备所在交通卡口需要进行处理的违法行为列表中包括该违法行为类型，且该道路类型属于该违法行为类型对应的道路类型时，确认该车辆违法行为信息需要进行处理。