CN110046547A - 违章举报方法、系统、计算机设备及存储介质 - Google Patents
违章举报方法、系统、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110046547A CN110046547A CN201910166183.7A CN201910166183A CN110046547A CN 110046547 A CN110046547 A CN 110046547A CN 201910166183 A CN201910166183 A CN 201910166183A CN 110046547 A CN110046547 A CN 110046547A
- Authority
- CN
- China
- Prior art keywords
- regulations
- accused
- violating
- violation vehicle
- image data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 12
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000012550 audit Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000005086 pumping Methods 0.000 claims description 6
- 210000000056 organ Anatomy 0.000 claims description 5
- 230000006399 behavior Effects 0.000 claims description 3
- 239000000463 material Substances 0.000 description 11
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
- G06V20/47—Detecting features for summarising video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例公开了一种违章举报方法、系统、计算机设备及存储介质。本申请实施例方法包括：获取车载设备启动指令，对应触发所述车载设备拍摄涉嫌违章车辆的图像数据；对所述图像数据进行人工智能识别，识别出所述涉嫌违章车辆对应的车牌号并判断所述涉嫌违章车辆是否违章；若所述涉嫌违章车辆违章，则对应进行举报；若所述涉嫌违章车辆不违章，则不进行举报，从而能有效对违章车辆进行取证，覆盖范围大，带来了大大的方便。
Description
技术领域
本申请涉及汽车检测技术领域，尤其涉及一种违章举报方法、系统、计算机设备及存储介质。
背景技术
随着经济发展，汽车保有量越来越大，目前城市道路中，红绿灯路口会安装有高清摄像头，对车辆通过红绿灯路口的情况进行录像或抓拍。由于摄像头的拍摄距离、清晰度等限制，对车辆违章的取证，造成了很大的困难。而且，由于摄像头的位置基本集中于路口、高速出入口，无法做到全城覆盖，对于摄像头覆盖不到的区域，车辆的违章情况就无法进行取证。因此，现有技术还有待改进和提高。
发明内容
本申请实施例提供了一种违章举报方法、系统、计算机设备及存储介质，解决现有车辆违章取证困难的问题。
本申请实施例提供的违章举报方法，包括：
获取车载设备启动指令，对应触发所述车载设备拍摄涉嫌违章车辆的图像数据；
对所述图像数据进行人工智能识别，识别出所述涉嫌违章车辆对应的车牌号并判断所述涉嫌违章车辆是否违章；
若所述涉嫌违章车辆违章，则对应进行举报；若所述涉嫌违章车辆不违章，则不进行举报。
可选地，所述获取车载设备启动指令，对应触发所述车载设备拍摄涉嫌违章车辆的图像数据之后，还包括：
将所述图像数据发送给云端存储；
接收对存储在云端的图像数据的查看，对选取的涉嫌违章行为图片添加对应的违章信息并进行违章审核。
可选地，所述对所述图像数据进行人工智能识别，识别出所述涉嫌违章车辆对应的车牌号并判断所述涉嫌违章车辆是否违章，包括：
采用车牌识别技术识别出所述图像数据中涉嫌违章车辆的车牌号；
采用图像切割和图像识别技术，对所述图像数据进行视频抽帧，得到对应的涉嫌违章行为图片；
将抽帧得到的涉嫌违章行为图片作为输入，输入到基于TensorFlow开发的深度学习算法模型中进行智能判断，得出是否违章。
可选地，所述将抽帧得到的涉嫌违章行为图片作为输入，输入到基于TensorFlow开发的深度学习算法模型中进行智能判断，得出是否违章，还包括：
若判断所述涉嫌违章车辆违章，识别出对应的违章行为。
可选地，所述若所述涉嫌违章车辆违章，则对应进行举报，包括：
若所述涉嫌违章车辆违章，则将所述涉嫌违章车辆的车牌号对应的违章行为发送给公安机关交警部门对应进行举报。
可选地，在所述车载设备包括：行车记录仪、后视镜或车载录像装置。
可选地，所述图像数据包括：图片和/或视频。
本申请实施例提供的违章举报系统，包括：
车载设备启动模块，用于获取车载设备启动指令，对应触发所述车载设备拍摄涉嫌违章车辆的图像数据；
违章判断模块，用于对所述图像数据进行人工智能识别，识别出所述涉嫌违章车辆对应的车牌号并判断所述涉嫌违章车辆是否违章；
违章举报模块，用于若所述涉嫌违章车辆违章，则对应进行举报；若所述涉嫌违章车辆不违章，则不进行举报。
本申请实施例提供的计算机设备，包括存储器、处理器及存储在所述存储器上并可在处理器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如上所述的违章举报方法的步骤。
本申请实施例提供的计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的违章举报方法的步骤。
从以上技术方案可以看出，本申请实施例具有以下优点：
本实施例中，获取车载设备启动指令，对应触发所述车载设备拍摄涉嫌违章车辆的图像数据；对所述图像数据进行人工智能识别，识别出所述涉嫌违章车辆对应的车牌号并判断所述涉嫌违章车辆是否违章；若所述涉嫌违章车辆违章，则对应进行举报；若所述涉嫌违章车辆不违章，则不进行举报，从而能有效对违章车辆进行取证，覆盖范围大，带来了大大的方便。
附图说明
图1为本申请实施例中违章举报方法的一个实施例示意图；
图2为本申请实施例中违章举报系统的一个实施例示意图；
图3为本申请实施例中计算机设备的结构示意图。
具体实施方式
本申请实施例提供了一种违章举报方法、系统、计算机设备及存储介质，解决现有车辆违章取证困难的问题。为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。以上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。
下面对本申请实施例中的具体流程进行描述，请参阅图1，本申请实施例中违章举报方法的一个实施例包括：
110、获取车载设备启动指令，对应触发所述车载设备拍摄涉嫌违章车辆的图像数据。
具体来说，本实施例中，安装有智能车载设备的车辆，司机在驾驶车辆的过程中，如果通过肉眼识别到或者预判有车辆发生违章行为时，通过语音，或者蓝牙方控，或者AI智能图像识别算法，触发车载设备进行图像抓拍或者视频录制。所述车载设备为行车记录仪、后视镜或车载录像装置等，此处不做限定。当车辆的驾驶员发现有车辆违章时，可以按下按钮或识别车辆驾驶员的语音，例如识别出语音中是否包括“违章行为请取证”、“请取证违章”、“请违章拍照或录像”、或“违章”等指令，对应启动车载设备。当然还可以蓝牙方控的方式来启动车载设备。进而，通过行车记录仪或录像装置拍摄的包含涉嫌违章的图像数据，所述图像数据包括：图片和/或视频，譬如拍摄涉嫌违章车辆5～10秒的视频，或者抓拍涉嫌违章车辆的照片等。
在实际应用时，车辆上的车载设备，如记录仪、后视镜等，都带有高清摄像头，并且摄像头的拍摄范围大于司机的视野范围。司机驾驶车辆在道路上行驶时，如果视野范围内发生了车辆违章的行为，具备AI智能图像识别算法的设备，就会主动识别出此违章行为，并进行图像抓拍或者视频录制；不具备AI智能图像识别算法的车载设备，可以通过语音或者蓝牙方控，触发车载设备(如记录仪、后视镜等)进行图像抓拍或者视频录制，对正在发生的车辆违章行为进行取证。
优选地，所述获取车载设备启动指令，对应触发所述车载设备拍摄涉嫌违章车辆的图像数据之后，还包括：
将所述图像数据发送给云端存储；
接收对存储在云端的图像数据的查看，对选取的涉嫌违章行为图片添加对应的违章信息并进行违章审核。
具体来说，就是抓拍到的图片或者视频，通过3G/4G/WIFI网络上传到云端，云端对图片或者视频进行保存。考虑到存储大量图片和视频资料，需要云端提供足够大的存储空间，因此，云端采用分布式存储的方式，来对图片或者视频进行分布式存储。
驾驶员可通过手机App软件、微信小程序或微信公众号等方式对存储在云端的图片或者视频进行查看，选择清晰记录了违章行为的至少一张图片，同时补充违章信息，所述违章信息包括违章类型、违章时间、违章地点、车牌类型、车牌号码等信息，然后提交到后台进行审核。
120、对所述图像数据进行人工智能识别，识别出所述涉嫌违章车辆对应的车牌号并判断所述涉嫌违章车辆是否违章。
本实施例中，可在云端对所述图像数据进行AI识别，识别出其中的车牌号以及判断该车牌号的车辆是否违章。关于车牌号识别及车辆是否违章，现有技术有多种实现方式，此处不作详细描述。
本申请采用人工智能方式进行智能识别，优选地，所述对所述图像数据进行人工智能识别，识别出所述涉嫌违章车辆对应的车牌号并判断所述涉嫌违章车辆是否违章，包括：
采用车牌识别技术识别出所述图像数据中涉嫌违章车辆的车牌号；
采用图像切割和图像识别技术，对所述图像数据进行视频抽帧，得到对应的涉嫌违章行为图片；
将抽帧得到的涉嫌违章行为图片作为输入，输入到基于TensorFlow开发的深度学习算法模型中进行智能判断，得出是否违章。
具体来说，本申请接受到违章举报材料(譬如图像数据或涉嫌违章行为图片)，利用AI图像识别技术，对举报材料中的图像或者视频，进行智能化分析：利用OCR技术提取车牌信息，利用图像切割和图像识别技术，对压实线、违停、逆向行驶、压双黄线等违章行为，进行视频抽帧。将抽帧得到的图片，作为输入，输入到基于Tensor Flow开发的深度学习算法模型中，进行智能判断，得出是否属于违章。
优选地，所述将抽帧得到的涉嫌违章行为图片作为输入，输入到基于Tensor Flow开发的深度学习算法模型中进行智能判断，得出是否违章，还包括：
若判断所述涉嫌违章车辆违章，识别出对应的违章行为。
也就是说，通过基于Tensor Flow开发的深度学习算法模型，能够对涉嫌违章行为图片进行识别，并分类，分出对应的违章行为。
130、若所述涉嫌违章车辆违章，则对应进行举报；若所述涉嫌违章车辆不违章，则不进行举报。
具体来说，若所述涉嫌违章车辆违章，则将所述涉嫌违章车辆的车牌号对应的违章行为发送给公安机关交警部门对应进行举报；若不违章，则不处理。也就是说，如果对违章举报材料的审核通过，则将违章举报材料推送给公安机关交警部门；如果对违章举报材料的审核不通过，违章举报材料则不会推送给公安机关交警部门。优选地，驾驶员可通过手机App软件、微信小程序或微信公众号等方式查询违章举报信息的审核进展。
已知的现有违章取证技术，一个是取证地点存在很大局限，只有路口、高速出入口等；一个是需要人工进行拍照取证，人工进行违章材料审核。本申请将车辆上具备摄像头能力的车载设备，作为违章材料的采集点，这个突破了传统上的地点限制；将车辆上具备摄像头能力的车载设备，作为违章材料的采集点，某一地点会就有多个采集点，这将有效规避某一采集点设备损坏而造成无法进行违章取证的情况；利用AI智能图像识别技术，主动进行违章行为的判别，减少了人工的介入；利用AI智能图像识别技术，进行违章材料的审核，极大的降低了人力投入。
上面对本申请实施例中的违章举报方法进行了描述，下面对本申请实施例中的违章举报系统进行描述：
请参阅图2，本申请实施例中违章举报系统的一个实施例包括：
车载设备启动模块10，用于获取车载设备启动指令，对应触发所述车载设备拍摄涉嫌违章车辆的图像数据；
违章判断模块20，用于对所述图像数据进行人工智能识别，识别出所述涉嫌违章车辆对应的车牌号并判断所述涉嫌违章车辆是否违章；
违章举报模块30，用于若所述涉嫌违章车辆违章，则对应进行举报；若所述涉嫌违章车辆不违章，则不进行举报。
上面从模板化功能实体的角度对本申请实施例中的违章举报系统进行描述，具体可参照上述的违章举报方法对应的步骤，下面从硬件处理的角度对本申请实施例中的计算机设备控制进行描述。
请参阅图3，本申请实施例中的计算机设备可包括输入接口310、输出接口320、处理器330和存储器340。本申请实施例中的输入接口310和输出接口320可以是多种规格的现有接口。存储器340可以包括只读存储器和随机存取存储器，并向处理器330提供指令和数据。存储器340的一部分还可以包括非易失性随机存取存储器(non-volatile randomaccess memory，NVRAM)。存储器340存储了如下的元素，可执行模块或者数据结构，或者它们的子集，或者它们的扩展集:操作指令：包括各种操作指令，用于实现各种操作。操作系统：包括各种系统程序，用于实现各种基础业务以及处理基于硬件的任务。
本发明实施例中处理器330用于：
获取车载设备启动指令，对应触发所述车载设备拍摄涉嫌违章车辆的图像数据；
对所述图像数据进行人工智能识别，识别出所述涉嫌违章车辆对应的车牌号并判断所述涉嫌违章车辆是否违章；
若所述涉嫌违章车辆违章，则对应进行举报；若所述涉嫌违章车辆不违章，则不进行举报。
处理器330还可以称为中央处理单元(central processing unit，CPU)。存储器340可以包括只读存储器和随机存取存储器，并向处理器330提供指令和数据。存储器340的一部分还可以包括NVRAM。具体的应用中，计算机设备的各个组件通过总线系统350耦合在一起，其中总线系统350除包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见，在图中将各种总线都标为总线系统350。
上述本发明实施例揭示的违章举报方法可以应用于处理器330中，或者由处理器330实现。处理器330可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器330中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器330可以是通用处理器、数字信号处理器(digital signal processing，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现成可编程门阵列(field－programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件、单片机。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器340，处理器330读取存储器340中的信息，结合其硬件完成违章举报方法的步骤。
图3的相关描述可以参阅图1方法部分的相关描述和效果进行理解，本处不做过多赘述。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述违章举报方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种违章举报方法，其特征在于，包括：
获取车载设备启动指令，对应触发所述车载设备拍摄涉嫌违章车辆的图像数据；
对所述图像数据进行人工智能识别，识别出所述涉嫌违章车辆对应的车牌号并判断所述涉嫌违章车辆是否违章；
若所述涉嫌违章车辆违章，则对应进行举报；若所述涉嫌违章车辆不违章，则不进行举报。
2.根据权利要求1所述的方法，其特征在于，所述获取车载设备启动指令，对应触发所述车载设备拍摄涉嫌违章车辆的图像数据之后，还包括：
将所述图像数据发送给云端存储；
接收对存储在云端的图像数据的查看，对选取的涉嫌违章行为图片添加对应的违章信息并进行违章审核。
3.根据权利要求1所述的方法，其特征在于，所述对所述图像数据进行人工智能识别，识别出所述涉嫌违章车辆对应的车牌号并判断所述涉嫌违章车辆是否违章，包括：
采用车牌识别技术识别出所述图像数据中涉嫌违章车辆的车牌号；
采用图像切割和图像识别技术，对所述图像数据进行视频抽帧，得到对应的涉嫌违章行为图片；
将抽帧得到的涉嫌违章行为图片作为输入，输入到基于TensorFlow开发的深度学习算法模型中进行智能判断，得出是否违章。
4.根据权利要求3所述的方法，其特征在于，所述将抽帧得到的涉嫌违章行为图片作为输入，输入到基于TensorFlow开发的深度学习算法模型中进行智能判断，得出是否违章，还包括：
若判断所述涉嫌违章车辆违章，识别出对应的违章行为。
5.根据权利要求1所述的方法，其特征在于，所述若所述涉嫌违章车辆违章，则对应进行举报，包括：
若所述涉嫌违章车辆违章，则将所述涉嫌违章车辆的车牌号对应的违章行为发送给公安机关交警部门对应进行举报。
6.根据权利要求1所述的方法，其特征在于，所述车载设备包括：行车记录仪、后视镜或车载录像装置。
7.根据权利要求1所述的方法，其特征在于，所述图像数据包括：图片和/或视频。
8.一种违章举报系统，其特征在于，包括：
车载设备启动模块，用于获取车载设备启动指令，对应触发所述车载设备拍摄涉嫌违章车辆的图像数据；
违章判断模块，用于对所述图像数据进行人工智能识别，识别出所述涉嫌违章车辆对应的车牌号并判断所述涉嫌违章车辆是否违章；
违章举报模块，用于若所述涉嫌违章车辆违章，则对应进行举报；若所述涉嫌违章车辆不违章，则不进行举报。
9.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述违章举报方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述违章举报方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910166183.7A CN110046547A (zh) | 2019-03-06 | 2019-03-06 | 违章举报方法、系统、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910166183.7A CN110046547A (zh) | 2019-03-06 | 2019-03-06 | 违章举报方法、系统、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110046547A true CN110046547A (zh) | 2019-07-23 |
Family
ID=67274442
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910166183.7A Pending CN110046547A (zh) | 2019-03-06 | 2019-03-06 | 违章举报方法、系统、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110046547A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111047875A (zh) * | 2019-12-20 | 2020-04-21 | 北京看路科技有限公司 | 一种在行车时快速举报交通违法行为的系统及方法 |
| CN111613225A (zh) * | 2020-04-27 | 2020-09-01 | 深圳壹账通智能科技有限公司 | 基于语音及图像处理的道路违规自动上报方法及系统 |
| CN111898457A (zh) * | 2020-07-06 | 2020-11-06 | 信利光电股份有限公司 | 一种行车违章违法行为智能识别方法及设备 |
| CN112562348A (zh) * | 2020-12-02 | 2021-03-26 | 湖北文理学院 | 离散式交通违章检测网系统 |
| CN112954648A (zh) * | 2021-01-25 | 2021-06-11 | 华为技术有限公司 | 一种移动终端和车载终端的交互方法、终端以及系统 |
| CN113094528A (zh) * | 2021-04-30 | 2021-07-09 | 安徽江淮汽车集团股份有限公司 | 交通违章抓拍的上传系统及方法 |
| CN113286123A (zh) * | 2021-05-19 | 2021-08-20 | 深圳市发掘科技有限公司 | 一种违章事件上报方法和系统 |
| CN113920614A (zh) * | 2021-11-25 | 2022-01-11 | 山东新一代信息产业技术研究院有限公司 | 一种融合人工智能的电动车违章记录装置 |
| CN114078318A (zh) * | 2020-08-05 | 2022-02-22 | 上海汽车集团股份有限公司 | 一种车辆违章检测系统 |
| CN114694372A (zh) * | 2020-12-31 | 2022-07-01 | 宝能汽车集团有限公司 | 车辆违章的主动识别方法、车载多媒体和车辆违章的主动识别系统 |
| CN116092302A (zh) * | 2023-01-10 | 2023-05-09 | 山东浪潮科学研究院有限公司 | 一种基于fpga的智能抓拍系统及方法 |
| CN117115765A (zh) * | 2023-10-16 | 2023-11-24 | 东方电子股份有限公司 | 一种基于视觉的渔船进出港监管方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105469102A (zh) * | 2014-07-29 | 2016-04-06 | 小米科技有限责任公司 | 车辆行驶信息记录方法及装置 |
| CN106023596A (zh) * | 2016-07-21 | 2016-10-12 | 北京奇虎科技有限公司 | 基于行车视频的车辆违章检测方法、装置及系统 |
| CN205862590U (zh) * | 2016-08-08 | 2017-01-04 | 新港海岸(北京)科技有限公司 | 一种交通违章监控系统 |
| CN106530730A (zh) * | 2016-11-02 | 2017-03-22 | 重庆中科云丛科技有限公司 | 交通违规检测方法及系统 |
| CN106934378A (zh) * | 2017-03-16 | 2017-07-07 | 山东建筑大学 | 一种基于视频深度学习的汽车远光灯识别系统及方法 |
| CN106982319A (zh) * | 2016-01-19 | 2017-07-25 | 杭州羊道科技有限公司 | 一种违规违章违法抓拍举报系统 |
| US20180365504A1 (en) * | 2017-06-20 | 2018-12-20 | Baidu Online Network Technology (Beijing) Co., Ltd. | Obstacle type recognizing method and apparatus, device and storage medium |
| CN109190608A (zh) * | 2018-10-30 | 2019-01-11 | 长威信息科技发展股份有限公司 | 一种城市违章智能识别方法 |
-
2019
- 2019-03-06 CN CN201910166183.7A patent/CN110046547A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105469102A (zh) * | 2014-07-29 | 2016-04-06 | 小米科技有限责任公司 | 车辆行驶信息记录方法及装置 |
| CN106982319A (zh) * | 2016-01-19 | 2017-07-25 | 杭州羊道科技有限公司 | 一种违规违章违法抓拍举报系统 |
| CN106023596A (zh) * | 2016-07-21 | 2016-10-12 | 北京奇虎科技有限公司 | 基于行车视频的车辆违章检测方法、装置及系统 |
| CN205862590U (zh) * | 2016-08-08 | 2017-01-04 | 新港海岸(北京)科技有限公司 | 一种交通违章监控系统 |
| CN106530730A (zh) * | 2016-11-02 | 2017-03-22 | 重庆中科云丛科技有限公司 | 交通违规检测方法及系统 |
| CN106934378A (zh) * | 2017-03-16 | 2017-07-07 | 山东建筑大学 | 一种基于视频深度学习的汽车远光灯识别系统及方法 |
| US20180365504A1 (en) * | 2017-06-20 | 2018-12-20 | Baidu Online Network Technology (Beijing) Co., Ltd. | Obstacle type recognizing method and apparatus, device and storage medium |
| CN109190608A (zh) * | 2018-10-30 | 2019-01-11 | 长威信息科技发展股份有限公司 | 一种城市违章智能识别方法 |
Non-Patent Citations (3)
| Title |
|---|
| 公安部科技信息化局等编: "《公安物联网技术发展报告》", 31 August 2017, 北京：群众出版社 * |
| 周学广等: "《信息内容安全》", 30 November 2012, 武汉：武汉大学出版社 * |
| 黄孝平著: "《当代机器深度学习方法与应用研究》", 30 November 2017, 成都：电子科技大学出版社 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111047875A (zh) * | 2019-12-20 | 2020-04-21 | 北京看路科技有限公司 | 一种在行车时快速举报交通违法行为的系统及方法 |
| CN111613225A (zh) * | 2020-04-27 | 2020-09-01 | 深圳壹账通智能科技有限公司 | 基于语音及图像处理的道路违规自动上报方法及系统 |
| CN111898457A (zh) * | 2020-07-06 | 2020-11-06 | 信利光电股份有限公司 | 一种行车违章违法行为智能识别方法及设备 |
| CN114078318A (zh) * | 2020-08-05 | 2022-02-22 | 上海汽车集团股份有限公司 | 一种车辆违章检测系统 |
| CN112562348A (zh) * | 2020-12-02 | 2021-03-26 | 湖北文理学院 | 离散式交通违章检测网系统 |
| CN114694372A (zh) * | 2020-12-31 | 2022-07-01 | 宝能汽车集团有限公司 | 车辆违章的主动识别方法、车载多媒体和车辆违章的主动识别系统 |
| CN112954648A (zh) * | 2021-01-25 | 2021-06-11 | 华为技术有限公司 | 一种移动终端和车载终端的交互方法、终端以及系统 |
| CN112954648B (zh) * | 2021-01-25 | 2023-11-10 | 华为技术有限公司 | 一种移动终端和车载终端的交互方法、终端以及系统 |
| CN113094528A (zh) * | 2021-04-30 | 2021-07-09 | 安徽江淮汽车集团股份有限公司 | 交通违章抓拍的上传系统及方法 |
| CN113094528B (zh) * | 2021-04-30 | 2023-09-08 | 安徽江淮汽车集团股份有限公司 | 交通违章抓拍的上传系统及方法 |
| CN113286123A (zh) * | 2021-05-19 | 2021-08-20 | 深圳市发掘科技有限公司 | 一种违章事件上报方法和系统 |
| CN113920614A (zh) * | 2021-11-25 | 2022-01-11 | 山东新一代信息产业技术研究院有限公司 | 一种融合人工智能的电动车违章记录装置 |
| CN116092302A (zh) * | 2023-01-10 | 2023-05-09 | 山东浪潮科学研究院有限公司 | 一种基于fpga的智能抓拍系统及方法 |
| CN117115765A (zh) * | 2023-10-16 | 2023-11-24 | 东方电子股份有限公司 | 一种基于视觉的渔船进出港监管方法及系统 |
| CN117115765B (zh) * | 2023-10-16 | 2024-01-09 | 东方电子股份有限公司 | 一种基于视觉的渔船进出港监管方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110046547A (zh) | 违章举报方法、系统、计算机设备及存储介质 | |
| CN106600977B (zh) | 基于多特征识别的违停检测方法及系统 | |
| CN102592450B (zh) | 机动车斑马线不礼让行人行为抓拍系统及其方法 | |
| CN104952255A (zh) | 一种智能终端及其交通违章监督方法、系统 | |
| CN113515985B (zh) | 自助过磅系统、过磅检测方法、设备及存储介质 | |
| CN108806272A (zh) | 一种提醒多辆机动车车主违法停车行为的方法及装置 | |
| CN108932849B (zh) | 一种记录多台机动车低速行驶违法行为的方法及装置 | |
| CN111508269B (zh) | 一种基于图像识别的开放式停车位车辆判别方法与装置 | |
| CN205541425U (zh) | 一种基于车牌号码的实名认证违章查处系统 | |
| CN108156406A (zh) | 行车记录仪的信息处理方法和装置 | |
| KR102306789B1 (ko) | 교행 다차로에서의 이상차량 인식방법 및 장치 | |
| CN114170585B (zh) | 危险驾驶行为的识别方法、装置、电子设备及存储介质 | |
| CN111368617B (zh) | 车辆出入数据处理方法及装置 | |
| CN112364742A (zh) | 一种车位管理方法、装置、计算机设备及存储介质 | |
| CN113450578B (zh) | 交通违章事件取证方法、装置、设备及系统 | |
| CN106251622A (zh) | 车辆并道监控取证方法及其系统 | |
| CN107077785A (zh) | 一种不避让校车行为的取证方法、装置和一种校车 | |
| CN105427439A (zh) | 小区栏杆机管理系统 | |
| WO2023246720A1 (zh) | 路侧停车检测方法、系统及电子设备 | |
| CN109003457A (zh) | 一种记录多台机动车违法占用应急车道行为的方法及装置 | |
| CN113112813A (zh) | 违章停车检测方法及装置 | |
| CN202563684U (zh) | 机动车斑马线不礼让行人行为抓拍系统 | |
| WO2023071874A1 (zh) | 道路救援工作节点确定方法、装置及电子设备、存储介质 | |
| CN111985304A (zh) | 巡防告警方法、系统、终端设备及存储介质 | |
| CN115050110B (zh) | 一种etc防蹭卡的装置及方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190723 |