CN109785637B - 车辆违规的分析评价方法及装置 - Google Patents
车辆违规的分析评价方法及装置 Download PDFInfo
- Publication number
- CN109785637B CN109785637B CN201910078944.3A CN201910078944A CN109785637B CN 109785637 B CN109785637 B CN 109785637B CN 201910078944 A CN201910078944 A CN 201910078944A CN 109785637 B CN109785637 B CN 109785637B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- picture
- matching degree
- illegal parking
- street view
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Abstract
本发明提供一种车辆违规的分析评价方法及装置,其中所述方法包括:获取包含车辆图片、车辆位置和当前时间的车辆违规停车信息;根据所述车辆位置筛选出对应的车辆违规停车模型库,将所述车辆图片与所述车辆违规停车模型库进行匹配,判断是否违规;若是,判断所述当前时间是否在预设允许停车时间段内,若否,生成包含所述车辆图片和车辆位置的违规停车警告。本发明能够对各种复杂环境的车辆违停进行准确判断。
Description
技术领域
本发明涉及智能通信领域,尤其涉及一种车辆违规的分析评价方法及装置。
背景技术
对于街道乱停违章车辆,交警难以全面覆盖,特别是在无监控区域的违停车辆。
现有技术中存在基于举报照片判断违法停车的方法,但是判断结果不够准确,往往需要人工纠正。因此,并不能实现车辆违停现象的准确判断。
因此,有必要提供一种对判断准确度高的车辆违规的分析评价方法。
发明内容
为解决上述问题,特别是现有技术中对于违规车辆的判断不够准确的问题,本发明采用如下各方面的技术方案:
第一方面,本发明提供一种车辆违规的分析评价方法,所述方法包括:
获取包含车辆图片、车辆位置和当前时间的车辆违规停车信息;
根据所述车辆位置筛选出对应的车辆违规停车模型库,将所述车辆图片与所述车辆违规停车模型库进行匹配,判断是否违规;
若是,判断所述当前时间是否在预设允许停车时间段内,
若否,生成包含所述车辆图片和车辆位置的违规停车警告。
优选地,所述车辆位置通过以下方法确定:
获取终端位置和所述终端位置对应的街景地图;
将所述车辆图片与所述街景地图进行匹配,得到与所述车辆图片的匹配度最高的街景图片;所述街景图片对应设有街景点位置;
识别所述车辆在所述街景图片中对应的位置,作为目标位置,计算所述街景图片中所述目标位置的方向偏角θ;
根据所述街景点位置和所述方向偏角θ,推算出车辆位置。
优选地,所述生成包含所述车辆图片和车辆位置的违规停车警告,包括:
识别所述街景图片中的标志建筑物;
获取所述标志建筑物对应的标志建筑物位置信息;
生成包含所述标志建筑物位置信息的违规停车警告。优选地,所述车辆违规停车模型库通过以下方法生成:
采集车辆违规停车图片和车辆非违规停车图片;
分别对所述车辆违规停车图片和车辆非违规停车图片进行特征提取;所述特征包括路面特征和车辆环境关系特征;
基于提取的路面特征和车辆环境关系特征进行训练,得到车辆违规停车模型库。
优选地,所述将所述车辆图片与预先构建的车辆违规停车模型库进行匹配,判断是否违规,包括:
提取当前车辆图片的路面特征和车辆环境关系特征,将所述路面特征和车辆环境关系特征与所述车辆违规停车模型库进行匹配,得到匹配结果以及基于所述匹配结果得到的路面特征匹配度、车辆环境关系特征匹配度;
若所述路面特征匹配度小于等于第一预设阈值且所述车辆环境关系特征匹配度小于等于第二预设阈值,判断不违规;
若所述路面特征匹配度大于等于第三预设阈值且所述车辆环境关系特征匹配度大于等于第四预设阈值,判断违规;
若所述路面特征匹配度小于等于第一预设阈值且所述车辆环境关系特征匹配度大于第二预设阈值,或所述路面特征匹配度大于第一预设阈值且所述车辆环境关系特征匹配度小于等于第二预设阈值,或所述路面特征匹配度大于等于第三预设阈值且所述车辆环境关系特征匹配度小于第四预设阈值,或所述路面特征匹配度小于第三预设阈值且所述车辆环境关系特征匹配度大于等于第四预设阈值,基于所述路面特征匹配度和车辆环境关系特征匹配度,计算整体匹配度;
若所述整体匹配度是否大于等于第五预设阈值,判断违规;
否则,判断不违规。
优选地,所述基于所述路面特征匹配度和车辆环境关系特征匹配度,计算整体匹配度,包括:
根据所述路面特征匹配度,获得第一加权值;
根据所述车辆环境关系特征匹配度,获得第二加权值;
基于所述第一加权值与第二加权值,得到整体匹配度。
优选地,所述生成包含所述车辆图片和车辆位置的违规停车警告之后,包括:
基于预先建立的车主文明评价体系,扣算所述车辆对应车主的文明分值;
所述文明分值通过以下方法计算:
根据所述车辆照片获取车辆身份,以及所述车辆身份对应的车辆在预置时间段内的违规停车次数;
计算得到预置时间段内的违规停车频率;
根据所述违规停车次数和违规停车频率进行相应扣分计算。
第二方面,本发明提供一种车辆违规的分析评价装置,所述装置包括:
获取模块,用于获取包含车辆图片、车辆位置和当前时间的车辆违规停车信息;
匹配模块,根据所述车辆位置筛选出对应的车辆违规停车模型库,将所述车辆图片与所述车辆违规停车模型库进行匹配,判断是否违规;
判断模块,用于判断所述当前时间是否在预设允许停车时间段内;
生成模块,用于生成包含所述车辆图片和车辆位置的违规停车警告。
第三方面,本发明提供一种计算机设备,包括存储介质和处理器,所述存储介质中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如上述第一方面所述车辆违规的分析评价方法的步骤。
第四方面,本发明提供一种计算机可读存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如上述第一方面所述的车辆违规的分析评价方法的步骤。
相对于现有技术,本发明的技术方案至少具备如下优点:
1.通过预先建立车辆违规停车模型库,将车辆图片输入到车辆违规停车模型库中进行匹配判断是否违规,同时进一步判断当前时间是否在预设允许停车时间段内,以适应各种复杂环境的车辆违停判断。
2.结合街景地图对违停车辆位置进行校正,使得违停车辆的位置信息更加精准。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1为本发明车辆违规的分析评价方法一种实施例流程框图;
图2本发明车辆违规的分析评价装置一种实施例流程框图;
图3为本发明一个实施例中计算机设备的内部结构框图。
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如S11、S12等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
本领域普通技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本领域普通技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明所提供的一种车辆违规的分析评价方法,其中,具体的一种实施方式中,包括如下步骤:
S11、获取包含车辆图片、车辆位置和当前时间的车辆违规停车信息;
优选地,所述车辆位置通过以下方法确定:
获取终端位置和所述终端位置对应的街景地图;
将所述车辆图片与所述街景地图进行匹配,得到与所述车辆图片的匹配度最高的街景图片;所述街景图片对应设有街景点位置;
识别所述车辆在所述街景图片中对应的位置,作为目标位置,计算所述街景图片中所述目标位置的方向偏角θ;
根据所述街景点位置和所述方向偏角θ,推算出车辆位置。
由于终端位置与车辆位置之间往往存在一定的距离,以终端位置判断车辆位置不够准确,在本发明实施例中,通过将车辆图片与所述街景地图库进行识别匹配,得到对应的街景图片,并在街景图片中标记车辆所对应的位置,并计算街景图片中车辆所在位置的方向偏角θ,从而计算得到车辆位置。
街景(Street View)是使用专业相机拍摄的城市街道只取街道上的景点的360度全景图像,并使用专门的播放器把二维的平面图模拟成真实的三维图提供给用户。在本发明实施例中,预先建立具有精确地理坐标、结构化组织、数据量丰富的街景地图库,街景地图库包含全方位街景数据的可覆盖全视角的M张街景图片,每张街景图片带有自己的街景点位置和以该街景点位置为中心的全景图像。只要知道该街景图片中任意场景的方向偏角θ,就可以推算出该任意场景在该全景图中的位置。在本发明实施例中,将所述车辆图片与所述街景地图进行匹配,得到与所述车辆图片的匹配度最高的街景图片之后,进一步识别所述车辆在所述街景图片中对应的位置,作为目标位置,通过计算所述街景图片中所述目标位置的方向偏角θ,就可以推算出车辆位置在该街景图片中的位置(X,Y),该位置以像素坐标表示:
X=h/2; (1)
Y=w/2+(θ-heading)*w/360.
需要说明的是,该方向偏角θ或者heading、车辆位置信息等均是以相同的坐标系来衡量,在本发明实施例中,坐标系为地图坐标系,也即以某一街景点为中心或称坐标原点,正北方向X轴正方向,正南方向为X轴负方向,正西方向为Y轴负方向,正东方向为Y轴正方向。
本发明结合了街景地图对违停车辆位置进行校正,使得违停车辆的位置信息更加精准。
在本发明实施例中,为了排除恶意举报的情况,所述获取包含车辆图片、车辆位置和当前时间的车辆违规停车信息之后,包括:
获取终端位置,计算所述车辆位置与所述终端位置之间的距离;
判断所述车辆位置与所述终端位置之间的距离是否在预设距离范围内;
若是,获取所述车辆图片对应的拍照时间和当前时间,计算所述拍照时间与当前时间之间的时间差是否小于等于预设时间差;
若是,继续后续步骤;
否则,终止后续步骤。
S12、根据所述车辆位置筛选出对应的车辆违规停车模型库,将所述车辆图片与所述车辆违规停车模型库进行匹配,判断是否违规;
根据不同区域,以及不同类型的道路环境,建立不同的车辆违规停车模型库。比如,针对不同城市的车辆违规停车模型库,针对设有禁停标志路段、标线路段、施工路段、交叉路口、人行道等不同道路类型的车辆违规停车模型库,以及针对学校、医院、小区等不同区域的车辆违规停车模型库。建立不同的车辆违规停车模型库,适应于各种复杂停车情况,有利于提高违停分析结果的准确性。
所述车辆违规停车模型库通过以下方法生成:
采集车辆违规停车图片和车辆非违规停车图片;
分别对所述车辆违规停车图片和车辆非违规停车图片进行特征提取;所述特征包括路面特征和车辆环境关系特征;
基于提取的路面特征和车辆环境关系特征进行训练,得到车辆违规停车模型库。
优选地,车辆违规停车图片和车辆非违规停车图片采用车管部门的摆拍照片,特别地,针对不同的车辆类型、道路类型、不同的区域分别进行针对性的摆拍。路面特征指停车线、人行道线、路边道路线、“禁停”标志等局部特征;车辆环境关系特征指反映目标车辆与环境的相对关系的整体特征。预先对车辆违规停车模型库中的车辆违规停车图片和车辆非违规停车图片中的所有路面特征进行标记,每张图片对应多个路面特征。并且,基于对图片中车辆和环境的轮廓识别,得到车辆违规停车图片/车辆非违规停车图片对应的车辆环境关系特征,一般情况下,每张图片对应一种车辆环境关系特征。比如,针对在公共汽车站停车的车辆违规停车图片,其路面特征包括公交站牌、路面标线;车辆环境关系特征包括,车辆在公交站区域中的相对位置,比如车辆停在公交站的10米内。采用车管部门的摆拍照片完善了车辆违规停车模型库,保证模型库能够全面覆盖各种复杂的违规类型,提高车辆图片匹配结果的准确性。进一步地,通过对车辆图片局部特征和整体特征的提取,有利于从多方面对车辆图片进行综合评价,保证评价结果的可靠性。
具体地,所述将所述车辆图片与预先构建的车辆违规停车模型库进行匹配,判断是否违规,包括:
提取当前车辆图片的路面特征和车辆环境关系特征,将所述路面特征和车辆环境关系特征与所述车辆违规停车模型库进行匹配,得到匹配结果以及基于所述匹配结果得到的路面特征匹配度、车辆环境关系特征匹配度;
若所述路面特征匹配度小于等于第一预设阈值且所述车辆环境关系特征匹配度小于等于第二预设阈值,判断不违规;
若所述路面特征匹配度大于等于第三预设阈值且所述车辆环境关系特征匹配度大于等于第四预设阈值,判断违规;
若所述路面特征匹配度小于等于第一预设阈值且所述车辆环境关系特征匹配度大于第二预设阈值,或所述路面特征匹配度大于第一预设阈值且所述车辆环境关系特征匹配度小于等于第二预设阈值,或所述路面特征匹配度大于等于第三预设阈值且所述车辆环境关系特征匹配度小于第四预设阈值,或所述路面特征匹配度小于第三预设阈值且所述车辆环境关系特征匹配度大于等于第四预设阈值,基于所述路面特征匹配度和车辆环境关系特征匹配度,计算整体匹配度;
若所述整体匹配度是否大于等于第五预设阈值,判断违规;
否则,判断不违规。
所述基于所述路面特征匹配度和车辆环境关系特征匹配度,计算整体匹配度,包括:
根据所述路面特征匹配度,获得第一加权值;
根据所述车辆环境关系特征匹配度,获得第二加权值;
基于所述第一加权值与第二加权值,得到整体匹配度。
基于对车辆图片局部特征匹配和整体特征匹配度的判断和比较,能够更加准确地判断出车辆是否违规。
S13、若是,判断所述当前时间是否在预设允许停车时间段内,
对于一些设有停车时间段限制的区域,比如学校,仅仅判断停车行为往往不能判断是否违规。因此,可以在判断违规之后,进一步判断是否在允许停车的时间段内,如果否,则判断为违规。
S14、若否,生成包含所述车辆图片和车辆位置的违规停车警告。
所述生成包含所述车辆图片和车辆位置的违规停车警告,包括:
识别所述街景图片中的标志建筑物;
获取所述标志建筑物对应的标志建筑物位置信息;
生成包含所述标志建筑物位置信息的违规停车警告。
识别所述街景图片中的标志建筑物,比如店铺名称、道路名称等。获取所述标志建筑物的经纬度坐标,将所述标志建筑物及其经纬度坐标作为车辆位置,发送违停信息给附近交警。另外,在识别出标志建筑物后,还可以生成包含标志建筑物的违章提醒信息给车主,比如,“您的车辆在××路5号麦当劳门口违规停车”。
所述生成包含所述车辆图片和车辆位置的违规停车警告之后,包括:
基于预先建立的车主文明评价体系,扣算所述车辆对应车主的文明分值;
所述文明分值通过以下方法计算:
根据所述车辆照片获取车辆身份,以及所述车辆身份对应的车辆在预置时间段内的违规停车次数;
计算得到预置时间段内的违规停车频率;
根据所述违规停车次数和违规停车频率进行相应扣分计算。
对于一些不具有交通标识的社区等区域的违停举报,可以通过预先建立的车主文明评价体系,扣算车主的文明分值对车主进行惩罚。
所述生成包含所述车辆图片和车辆位置的违规停车警告之前,还包括:发送奖励信息。具体地,在成功举报违停之后,车管部门可以发送电子积分、电子优惠券等形式的奖励信息给举报用户。
请参考图2,本发明的实施例还提供一种车辆违规的分析评价装置,包括获取模块11、匹配模块12、判断模块13和生成模块14,其中:
获取模块11,用于获取包含车辆图片、车辆位置和当前时间的车辆违规停车信息;
优选地,所述车辆位置通过以下方法确定:
获取终端位置和所述终端位置对应的街景地图;
将所述车辆图片与所述街景地图进行匹配,得到与所述车辆图片的匹配度最高的街景图片;所述街景图片对应设有街景点位置;
识别所述车辆在所述街景图片中对应的位置,作为目标位置,计算所述街景图片中所述目标位置的方向偏角θ;
根据所述街景点位置和所述方向偏角θ,推算出车辆位置。
由于终端位置与车辆位置之间往往存在一定的距离,以终端位置判断车辆位置不够准确,在本发明实施例中,通过将车辆图片与所述街景地图库进行识别匹配,得到对应的街景图片,并在街景图片中标记车辆所对应的位置,并计算街景图片中车辆所在位置的方向偏角θ,从而计算得到车辆位置。
街景(Street View)是使用专业相机拍摄的城市街道只取街道上的景点的360度全景图像,并使用专门的播放器把二维的平面图模拟成真实的三维图提供给用户。在本发明实施例中,预先建立具有精确地理坐标、结构化组织、数据量丰富的街景地图库,街景地图库包含全方位街景数据的可覆盖全视角的M张街景图片,每张街景图片带有自己的街景点位置和以该街景点位置为中心的全景图像。只要知道该街景图片中任意场景的方向偏角θ,就可以推算出该任意场景在该全景图中的位置。在本发明实施例中,将所述车辆图片与所述街景地图进行匹配,得到与所述车辆图片的匹配度最高的街景图片之后,进一步识别所述车辆在所述街景图片中对应的位置,作为目标位置,通过计算所述街景图片中所述目标位置的方向偏角θ,就可以推算出车辆位置在该街景图片中的位置(X,Y),该位置以像素坐标表示:
X=h/2; (1)
Y=w/2+(θ-heading)*w/360.
需要说明的是,该方向偏角θ或者heading、车辆位置信息等均是以相同的坐标系来衡量,在本发明实施例中,坐标系为地图坐标系,也即以某一街景点为中心或称坐标原点,正北方向X轴正方向,正南方向为X轴负方向,正西方向为Y轴负方向,正东方向为Y轴正方向。
本发明结合了街景地图对违停车辆位置进行校正,使得违停车辆的位置信息更加精准。
在本发明实施例中,为了排除恶意举报的情况,所述获取包含车辆图片、车辆位置和当前时间的车辆违规停车信息之后,包括:
获取终端位置,计算所述车辆位置与所述终端位置之间的距离;
判断所述车辆位置与所述终端位置之间的距离是否在预设距离范围内;
若是,获取所述车辆图片对应的拍照时间和当前时间,计算所述拍照时间与当前时间之间的时间差是否小于等于预设时间差;
若是,继续后续步骤;
否则,终止后续步骤。
匹配模块12,根据所述车辆位置筛选出对应的车辆违规停车模型库,将所述车辆图片与所述车辆违规停车模型库进行匹配,判断是否违规;
根据不同区域,以及不同类型的道路环境,建立不同的车辆违规停车模型库。比如,针对不同城市的车辆违规停车模型库,针对设有禁停标志路段、标线路段、施工路段、交叉路口、人行道等不同道路类型的车辆违规停车模型库,以及针对学校、医院、小区等不同区域的车辆违规停车模型库。建立不同的车辆违规停车模型库,适应于各种复杂停车情况,有利于提高违停分析结果的准确性。
所述车辆违规停车模型库通过以下方法生成:
采集车辆违规停车图片和车辆非违规停车图片;
分别对所述车辆违规停车图片和车辆非违规停车图片进行特征提取;所述特征包括路面特征和车辆环境关系特征;
基于提取的路面特征和车辆环境关系特征进行训练,得到车辆违规停车模型库。
优选地,车辆违规停车图片和车辆非违规停车图片采用车管部门的摆拍照片,特别地,针对不同的车辆类型、道路类型、不同的区域分别进行针对性的摆拍。路面特征指停车线、人行道线、路边道路线、“禁停”标志等局部特征;车辆环境关系特征指反映目标车辆与环境的相对关系的整体特征。预先对车辆违规停车模型库中的车辆违规停车图片和车辆非违规停车图片中的所有路面特征进行标记,每张图片对应多个路面特征。并且,基于对图片中车辆和环境的轮廓识别,得到车辆违规停车图片/车辆非违规停车图片对应的车辆环境关系特征,一般情况下,每张图片对应一种车辆环境关系特征。比如,针对在公共汽车站停车的车辆违规停车图片,其路面特征包括公交站牌、路面标线;车辆环境关系特征包括,车辆在公交站区域中的相对位置,比如车辆停在公交站的10米内。采用车管部门的摆拍照片完善了车辆违规停车模型库,保证模型库能够全面覆盖各种复杂的违规类型,提高车辆图片匹配结果的准确性。进一步地,通过对车辆图片局部特征和整体特征的提取,有利于从多方面对车辆图片进行综合评价,保证评价结果的可靠性。
具体地,所述将所述车辆图片与预先构建的车辆违规停车模型库进行匹配,判断是否违规,包括:
提取当前车辆图片的路面特征和车辆环境关系特征,将所述路面特征和车辆环境关系特征与所述车辆违规停车模型库进行匹配,得到匹配结果以及基于所述匹配结果得到的路面特征匹配度、车辆环境关系特征匹配度;
若所述路面特征匹配度小于等于第一预设阈值且所述车辆环境关系特征匹配度小于等于第二预设阈值,判断不违规;
若所述路面特征匹配度大于等于第三预设阈值且所述车辆环境关系特征匹配度大于等于第四预设阈值,判断违规;
若所述路面特征匹配度小于等于第一预设阈值且所述车辆环境关系特征匹配度大于第二预设阈值,或所述路面特征匹配度大于第一预设阈值且所述车辆环境关系特征匹配度小于等于第二预设阈值,或所述路面特征匹配度大于等于第三预设阈值且所述车辆环境关系特征匹配度小于第四预设阈值,或所述路面特征匹配度小于第三预设阈值且所述车辆环境关系特征匹配度大于等于第四预设阈值,基于所述路面特征匹配度和车辆环境关系特征匹配度,计算整体匹配度;
若所述整体匹配度是否大于等于第五预设阈值,判断违规;
否则,判断不违规。
所述基于所述路面特征匹配度和车辆环境关系特征匹配度,计算整体匹配度,包括:
根据所述路面特征匹配度,获得第一加权值;
根据所述车辆环境关系特征匹配度,获得第二加权值;
基于所述第一加权值与第二加权值,得到整体匹配度。
基于对车辆图片局部特征匹配和整体特征匹配度的判断和比较,能够更加准确地判断出车辆是否违规。
判断模块13,用于判断所述当前时间是否在预设允许停车时间段内;
对于一些设有停车时间段限制的区域,比如学校,仅仅判断停车行为往往不能判断是否违规。因此,可以在判断违规之后,进一步判断是否在允许停车的时间段内,如果否,则判断为违规。
生成模块14,用于生成包含所述车辆图片和车辆位置的违规停车警告。
所述生成包含所述车辆图片和车辆位置的违规停车警告,包括:
识别所述街景图片中的标志建筑物;
获取所述标志建筑物对应的标志建筑物位置信息;
生成包含所述标志建筑物位置信息的违规停车警告。
识别所述街景图片中的标志建筑物,比如店铺名称、道路名称等。获取所述标志建筑物的经纬度坐标,将所述标志建筑物及其经纬度坐标作为车辆位置,发送违停信息给附近交警。另外,在识别出标志建筑物后,还可以生成包含标志建筑物的违章提醒信息给车主,比如,“您的车辆在××路5号麦当劳门口违规停车”。
所述生成包含所述车辆图片和车辆位置的违规停车警告之后,包括:
基于预先建立的车主文明评价体系,扣算所述车辆对应车主的文明分值;
所述文明分值通过以下方法计算:
根据所述车辆照片获取车辆身份,以及所述车辆身份对应的车辆在预置时间段内的违规停车次数;
计算得到预置时间段内的违规停车频率;
根据所述违规停车次数和违规停车频率进行相应扣分计算。
对于一些不具有交通标识的社区等区域的违停举报,可以通过预先建立的车主文明评价体系,扣算车主的文明分值对车主进行惩罚。
所述生成包含所述车辆图片和车辆位置的违规停车警告之前,还包括:发送奖励信息。具体地,在成功举报违停之后,车管部门可以发送电子积分、电子优惠券等形式的奖励信息给举报用户。
在一个实施例中,本发明还提出了一种计算机设备,所述计算机设备包括存储介质、处理器及存储在所述存储介质上并可在所述处理介质上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取包含车辆图片、车辆位置和当前时间的车辆违规停车信息;
根据所述车辆位置筛选出对应的车辆违规停车模型库,将所述车辆图片与所述车辆违规停车模型库进行匹配,判断是否违规;
若是,判断所述当前时间是否在预设允许停车时间段内,
若否,生成包含所述车辆图片和车辆位置的违规停车警告。
在一个实施例中,处理器执行计算机可读指令时还执行以下步骤:
基于预先建立的车主文明评价体系,扣算所述车辆对应车主的文明分值;
所述文明分值通过以下方法计算:
根据所述车辆照片获取车辆身份,以及所述车辆身份对应的车辆在预置时间段内的违规停车次数;
计算得到预置时间段内的违规停车频率;
根据所述违规停车次数和违规停车频率进行相应扣分计算。
请参考图3,图3为一个实施例中计算机设备的内部结构示意图。如图3所示,该计算机设备包括通过系统总线连接的处理器1、存储介质2、存储器3和网络接口4。其中,该计算机设备的存储介质2存储有操作系统、数据库和计算机可读指令,数据库中可存储有控件信息序列,该计算机可读指令被处理器1执行时,可使得处理器1实现一种车辆违规的分析评价方法,处理器1能实现图2所示实施例中的一种车辆违规的分析评价装置中的获取模块11、匹配模块12、判断模块13和生成模块14的功能。该计算机设备的处理器1用于提供计算和控制能力,支撑整个计算机设备的运行。该计算机设备的存储器3中可存储有计算机可读指令,该计算机可读指令被处理器1执行时,可使得处理器1执行一种车辆违规的分析评价方法。该计算机设备的网络接口4用于与终端连接通信。本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
此外,本发明还提出了一种存储有计算机可读指令的存储介质,该计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行以下步骤:
获取包含车辆图片、车辆位置和当前时间的车辆违规停车信息;
根据所述车辆位置筛选出对应的车辆违规停车模型库,将所述车辆图片与所述车辆违规停车模型库进行匹配,判断是否违规;
若是,判断所述当前时间是否在预设允许停车时间段内,
若否,生成包含所述车辆图片和车辆位置的违规停车警告。
在一个实施例中,处理器执行计算机可读指令时还执行以下步骤:
基于预先建立的车主文明评价体系,扣算所述车辆对应车主的文明分值;
所述文明分值通过以下方法计算:
根据所述车辆照片获取车辆身份,以及所述车辆身份对应的车辆在预置时间段内的违规停车次数;
计算得到预置时间段内的违规停车频率;
根据所述违规停车次数和违规停车频率进行相应扣分计算。
综合上述实施例可知,本发明最大的有益效果在于:
通过预先建立车辆违规停车模型库,将车辆图片输入到车辆违规停车模型库中进行匹配判断是否违规,同时进一步判断当前时间是否在预设允许停车时间段内,以适应各种复杂环境的车辆违停判断。同时,结合了街景地图对违停车辆位置进行校正,使得违停车辆的位置信息更加精准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种车辆违规的分析评价方法,其特征在于,所述方法包括:
获取包含车辆图片、车辆位置和当前时间的车辆违规停车信息;
获取终端位置,计算所述车辆位置与所述终端位置之间的距离;
当所述距离在预设距离范围内,则获取所述车辆图片对应的拍照时间,计算所述拍照时间与所述当前时间之间的时间差;
当所述时间差不大于预设时间差,则根据所述车辆位置筛选出对应的车辆违规停车模型库,将所述车辆图片与所述车辆违规停车模型库进行匹配,判断是否违规;
若是,判断所述当前时间是否在预设允许停车时间段内,
若否,生成包含所述车辆图片和车辆位置的违规停车警告;
其中,所述车辆位置通过以下方法确定:
获取终端位置和所述终端位置对应的街景地图;
将所述车辆图片与所述街景地图进行匹配,得到与所述车辆图片的匹配度最高的街景图片;所述街景图片对应设有街景点位置;
识别所述车辆在所述街景图片中对应的位置,作为目标位置,计算所述街景图片中所述目标位置的方向偏角θ;
根据所述街景点位置和所述方向偏角θ,推算出车辆位置。
2.根据权利要求1所述的车辆违规的分析评价方法,其特征在于,所述生成包含所述车辆图片和车辆位置的违规停车警告,包括:
识别所述街景图片中的标志建筑物;
获取所述标志建筑物对应的标志建筑物位置信息;
生成包含所述标志建筑物位置信息的违规停车警告。
3.根据权利要求1所述的车辆违规的分析评价方法,其特征在于,所述车辆违规停车模型库通过以下方法生成:
采集车辆违规停车图片和车辆非违规停车图片;
分别对所述车辆违规停车图片和车辆非违规停车图片进行特征提取;所述特征包括路面特征和车辆环境关系特征;
基于提取的路面特征和车辆环境关系特征进行训练,得到车辆违规停车模型库。
4.根据权利要求3所述的车辆违规的分析评价方法,其特征在于,所述将所述车辆图片与预先构建的车辆违规停车模型库进行匹配,判断是否违规,包括:
提取当前车辆图片的路面特征和车辆环境关系特征,将所述路面特征和车辆环境关系特征与所述车辆违规停车模型库进行匹配,得到匹配结果以及基于所述匹配结果得到的路面特征匹配度、车辆环境关系特征匹配度;
若所述路面特征匹配度小于等于第一预设阈值且所述车辆环境关系特征匹配度小于等于第二预设阈值,判断不违规;
若所述路面特征匹配度大于等于第三预设阈值且所述车辆环境关系特征匹配度大于等于第四预设阈值,判断违规;
若所述路面特征匹配度小于等于第一预设阈值且所述车辆环境关系特征匹配度大于第二预设阈值,或所述路面特征匹配度大于第一预设阈值且所述车辆环境关系特征匹配度小于等于第二预设阈值,或所述路面特征匹配度大于等于第三预设阈值且所述车辆环境关系特征匹配度小于第四预设阈值,或所述路面特征匹配度小于第三预设阈值且所述车辆环境关系特征匹配度大于等于第四预设阈值,基于所述路面特征匹配度和车辆环境关系特征匹配度,计算整体匹配度;
若所述整体匹配度是否大于等于第五预设阈值,判断违规;
否则,判断不违规。
5.根据权利要求4所述的车辆违规的分析评价方法,其特征在于,所述基于所述路面特征匹配度和车辆环境关系特征匹配度,计算整体匹配度,包括:
根据所述路面特征匹配度,获得第一加权值;
根据所述车辆环境关系特征匹配度,获得第二加权值;
基于所述第一加权值与第二加权值,得到整体匹配度。
6.根据权利要求1所述的车辆违规的分析评价方法,其特征在于,所述生成包含所述车辆图片和车辆位置的违规停车警告之后,包括:
基于预先建立的车主文明评价体系,扣算所述车辆对应车主的文明分值;
所述文明分值通过以下方法计算:
根据所述车辆图片获取车辆身份,以及所述车辆身份对应的车辆在预置时间段内的违规停车次数;
计算得到预置时间段内的违规停车频率;
根据所述违规停车次数和违规停车频率进行相应扣分计算。
7.一种车辆违规的分析评价装置,其特征在于,所述装置包括:
获取模块,用于获取包含车辆图片、车辆位置和当前时间的车辆违规停车信息;获取终端位置,计算所述车辆位置与所述终端位置之间的距离;当所述距离在预设距离范围内,则获取所述车辆图片对应的拍照时间,计算所述拍照时间与所述当前时间之间的时间差;其中,所述车辆位置通过以下方法确定:获取终端位置和所述终端位置对应的街景地图;将所述车辆图片与所述街景地图进行匹配,得到与所述车辆图片的匹配度最高的街景图片;所述街景图片对应设有街景点位置;识别所述车辆在所述街景图片中对应的位置,作为目标位置,计算所述街景图片中所述目标位置的方向偏角θ;根据所述街景点位置和所述方向偏角θ,推算出车辆位置;
匹配模块,用于当所述时间差不大于预设时间差,则根据所述车辆位置筛选出对应的车辆违规停车模型库,将所述车辆图片与所述车辆违规停车模型库进行匹配,判断是否违规;
判断模块,用于判断所述当前时间是否在预设允许停车时间段内;
生成模块,用于生成包含所述车辆图片和车辆位置的违规停车警告。
8.一种计算机设备,其特征在于,包括存储介质和处理器,所述存储介质中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至6中任一项所述车辆违规的分析评价方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至6中任一项所述车辆违规的分析评价方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910078944.3A CN109785637B (zh) | 2019-01-28 | 2019-01-28 | 车辆违规的分析评价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910078944.3A CN109785637B (zh) | 2019-01-28 | 2019-01-28 | 车辆违规的分析评价方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109785637A CN109785637A (zh) | 2019-05-21 |
CN109785637B true CN109785637B (zh) | 2022-07-08 |
Family
ID=66502717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910078944.3A Active CN109785637B (zh) | 2019-01-28 | 2019-01-28 | 车辆违规的分析评价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109785637B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766937B (zh) * | 2019-05-22 | 2020-10-20 | 滴图(北京)科技有限公司 | 停车点识别方法、装置、电子设备以及可读存储介质 |
CN112053465B (zh) * | 2019-06-05 | 2023-04-07 | 昆山研达电脑科技有限公司 | 停车行为评估方法及系统 |
CN110517502B (zh) * | 2019-07-12 | 2022-06-10 | 云宝宝大数据产业发展有限责任公司 | 一种单摄像机的违停车牌识别方法 |
CN110889388A (zh) * | 2019-12-03 | 2020-03-17 | 上海眼控科技股份有限公司 | 违章识别方法、装置、设备及存储介质 |
CN113299073B (zh) * | 2021-04-28 | 2023-05-23 | 北京百度网讯科技有限公司 | 识别车辆违章停车的方法、装置、设备和存储介质 |
CN113870551B (zh) * | 2021-08-16 | 2023-07-28 | 清华大学 | 一种能够鉴别危险和非危险驾驶行为的路侧监控系统 |
CN114822074A (zh) * | 2022-04-29 | 2022-07-29 | 耿玉泉 | 基于网络会员自治管理的停车管理系统及方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8625853B2 (en) * | 2011-08-11 | 2014-01-07 | International Business Machines Corporation | Parking lot information system using image technology for identifying available parking spaces |
CN106096053A (zh) * | 2016-06-29 | 2016-11-09 | 北京奇虎科技有限公司 | 驾驶信息数据查询方法、装置及辅助驾驶控制方法、装置 |
CN106205139B (zh) * | 2016-07-14 | 2019-03-08 | 浙江宇视科技有限公司 | 车辆出入管理方法及装置 |
CN106530009B (zh) * | 2016-11-10 | 2021-10-26 | 广州市沃希信息科技有限公司 | 一种基于乘客定位的广告方法及系统 |
CN107230346B (zh) * | 2017-08-01 | 2019-05-31 | 何永安 | 共享单车停车规范的确认方法、装置、服务器及存储介质 |
CN107958591A (zh) * | 2017-11-23 | 2018-04-24 | 四川启兴电子有限公司 | 一种基于路灯的路边停放管理系统 |
CN108346297A (zh) * | 2018-03-30 | 2018-07-31 | 合肥城市泊车投资管理有限公司 | 一种基于智能管理系统的违章停车管理控制方法 |
KR101917674B1 (ko) * | 2018-04-10 | 2018-11-13 | 주식회사 에스오넷 | 주차 상태 자기 분석 검지 방법을 적용한 지능형 불법 주정차 단속 시스템 및 방법 |
CN108921955A (zh) * | 2018-06-28 | 2018-11-30 | 西安艾润物联网技术服务有限责任公司 | 停车处理方法、装置及计算机可读存储介质 |
CN108806275A (zh) * | 2018-08-02 | 2018-11-13 | 成都秦川物联网科技股份有限公司 | 基于车联网的车辆行为监管方法及车联网系统 |
CN108847031B (zh) * | 2018-08-21 | 2021-02-02 | 深圳市广和通无线股份有限公司 | 交通行为监控方法、装置、计算机设备和存储介质 |
-
2019
- 2019-01-28 CN CN201910078944.3A patent/CN109785637B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109785637A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109785637B (zh) | 车辆违规的分析评价方法及装置 | |
CN110146097B (zh) | 自动驾驶导航地图的生成方法、系统、车载终端及服务器 | |
JP6781711B2 (ja) | 駐車ゾーンを自動的に認識する方法及びシステム | |
CN111652940A (zh) | 目标异常识别方法、装置、电子设备及存储介质 | |
TW201525512A (zh) | 一種定位方法及裝置 | |
US11734783B2 (en) | System and method for detecting on-street parking violations | |
US20230260154A1 (en) | Systems and Methods for Image-Based Location Determination and Parking Monitoring | |
JP7276446B2 (ja) | 路面検査装置、路面検査方法、およびプログラム | |
CN111582255A (zh) | 车辆超限检测方法、装置、计算机设备和存储介质 | |
CN109670431A (zh) | 一种行为检测方法及装置 | |
CN112950717A (zh) | 一种空间标定方法和系统 | |
JP2020021121A (ja) | 路面標示画像処理装置、路面標示画像処理方法及び路面標示画像処理プログラム | |
JP2012215442A (ja) | 自位置特定システム、自位置特定プログラム及び自位置特定方法 | |
JP2020160840A (ja) | 路面標示不具合検出装置、路面標示不具合検出方法及び路面標示不具合検出プログラム | |
CN113362610A (zh) | 识别违规交通参与对象的方法、系统和计算机可读存储介质 | |
EP4273501A1 (en) | Method, apparatus, and computer program product for map data generation from probe data imagery | |
CN108847035B (zh) | 车流量评估方法及装置 | |
JP2000231693A (ja) | 自動車通行監視・管理装置 | |
CN113902047B (zh) | 图像元素匹配方法、装置、设备以及存储介质 | |
CN111477013B (zh) | 一种基于地图影像的车辆测量方法 | |
JP7180827B2 (ja) | 一般物体認識システム | |
JP2019125234A (ja) | サービス管理装置及びサービス管理方法 | |
Hu et al. | Turning traffic surveillance cameras into intelligent sensors for traffic density estimation | |
JP2021124633A (ja) | 地図生成システム及び地図生成プログラム | |
CN112784707B (zh) | 一种信息融合方法、装置、一体化检测设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |