CN111340003B - 一种针对电子警察盲区内违法变道行为的取证方法及系统 - Google Patents

一种针对电子警察盲区内违法变道行为的取证方法及系统 Download PDF

Info

Publication number
CN111340003B
CN111340003B CN202010223869.8A CN202010223869A CN111340003B CN 111340003 B CN111340003 B CN 111340003B CN 202010223869 A CN202010223869 A CN 202010223869A CN 111340003 B CN111340003 B CN 111340003B
Authority
CN
China
Prior art keywords
vehicle
lane
reverse
detected
snapshot
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
Application number
CN202010223869.8A
Other languages
English (en)
Other versions
CN111340003A (zh
Inventor
邱红桐
邱建东
牛红珍
李志林
杨爱辉
张爱国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Traffic Management Research Institute of Ministry of Public Security
Original Assignee
Traffic Management Research Institute of Ministry of Public Security
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Traffic Management Research Institute of Ministry of Public Security filed Critical Traffic Management Research Institute of Ministry of Public Security
Priority to CN202010223869.8A priority Critical patent/CN111340003B/zh
Publication of CN111340003A publication Critical patent/CN111340003A/zh
Application granted granted Critical
Publication of CN111340003B publication Critical patent/CN111340003B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53Querying
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/59Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168Feature extraction; Face representation
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/017Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种针对电子警察盲区内违法变道行为的取证方法,其无需新增设备,即可自动识别电子警察杆下面的盲区内车辆违法变道的违规行为,且保存证据提供给执法人员,以较低的成本减少了道路交通安全管理的安全盲区。在本发明的技术方案中,通过图像处理单元基于图像识别技术对正向抓拍设备、反向抓拍设备抓拍的图片进行分析识别,确定待检测车辆的车牌号码和所在车道,基于车牌号码,找到在正向抓拍设备、反向抓拍设备抓拍的图像中,处于不同车道的车辆,证明其在视频抓拍盲区发生变道行为,确认违法嫌疑车辆后,通过合成单元组织证据链发给执法人员;同时本发明还公开了一种针对电子警察盲区内违法变道行为的取证系统。

Description

一种针对电子警察盲区内违法变道行为的取证方法及系统
技术领域
本发明涉及智能交通控制技术领域,具体为一种针对电子警察盲区内违法变道行为的取证方法及系统。
背景技术
当前各地公安交通管理部门为规范道路交通通行秩序,按照《闯红灯自动记录系统通用技术条件》(GAT 496-2014)要求,在道路交叉口均建设了闯红灯自动记录系统(俗称电子警察),有效的遏制了交叉口的交通违法行为。
现有闯红灯自动记录系统通过摄像机抓拍车辆在交叉口的违法闯红灯、压线等违法行为,如图1和图2所示,道路6的停车线7附近设置高度为6m的竖杆1,电子警察杆5是横杆,固定在竖杆1上,反、正向设置的两台取证摄像机2、3、闪光灯4安装在电子警察杆5上;电子警察杆5下面,有着分布在电子警察杆5左右两侧、范围为10至15米的视频抓拍盲区8,因为摄像机的设置角度问题,在取证范围9内的道路区域内取证摄像机2、3可以取证,但是视频抓拍盲区8内取证摄像机2、3无法获取图像。
依据道路交通法规,在路口实线渠化段不允许变道,而电子警察杆5的下面视频抓拍盲区8内均为实线,不允许变道;但是因为是路口交通违法视频抓拍盲区,一些心存侥幸的驾驶员就利用这个漏洞,在电子警察杆下的视频抓拍盲区内的交叉口跨实线变道、加塞来逃避违法行为,比如:
(1)在电子警察杆5之下的视频抓拍盲区8内,一些车辆随意变道,如:左转车道并入直行车道、或者直行并入右转等等,在路口信号灯变化时,这种杆下实线变道,会因为车速过快,造成车辆刮擦等交通事故的发生;
(2)在电子警察杆5之下的视频抓拍盲区8内,会有一些车辆不想排队,加速并入其他车道,造成交通堵塞。
现有的解决方案中,主要是通过重新在附近区域设立杆件安装摄像机或在原有杆件上增设垂直地面的枪型摄像机来解决这个问题;但是,这种解决方案不但增加了建设成本,同时也提高了长期使用中的维护成本。
发明内容
为了解决现有技术中电子警察杆下面的盲区内车辆违法变道的违规行为取证成本高的问题,本发明提供一种针对电子警察盲区内违法变道行为的取证方法,其无需新增设备,即可自动识别电子警察杆下面的盲区内车辆违法变道的违规行为,且保存证据提供给执法人员,以较低的成本减少了道路交通安全管理的安全盲区。同时本发明还公开了一种针对电子警察盲区内违法变道行为的取证系统。
本发明的技术方案是这样的:一种针对电子警察盲区内违法变道行为的取证方法,其特征在于:其包括以下步骤:
S1:确定取证用抓拍设备;
其中,摄像头朝向停车线方向、对驶入交叉口的车辆尾部特征进行抓拍的取证摄像机设为正向抓拍设备;
与所述正向抓拍设备方向相反的,摄像头朝向来车方向、对驶入交叉口的驶来车辆的车头特征进行抓拍的取证摄像机设为反向抓拍设备;
S2:获取所述正向抓拍设备、所述反向抓拍设备拍摄的图像数据,作为待分析过车图像数据;
S3:基于图像识别技术对所述待分析过车图像数据进行图像识别,找到待检测车辆;获取每个所述检测车辆的车辆信息;
无法识别出所述待检测车辆的所述待分析过车图像数据作为无效数据舍弃;
S4:基于所述待检测车辆的所述待分析过车图像数据,识别所述待检测车辆所在的车道,获取对应的车道信息;
以道路中心线为起始点,设道路上存在的同向的车道数为n,n取值为自然数,则车道标号为:车道1、车道2...... 车道i......车道n,其中i为车道标号,1≤i≤n;
识别所述待分析过车图像数据中车辆所述在车道后,在所述待分析过车图像数据上标记所述待检测车辆对应的所述车道标号i;
S5:设所述正向抓拍设备、所述反向抓拍设备所在交叉口的信号周期为T;
基于所述正向抓拍设备抓取的所述待分析过车图像数据对应的车辆号牌,在其同车道的所述反向抓拍设备抓取的2个信号周期T内的所述待分析过车图像数据对应的车辆号牌中检索,确认是否存在相同车辆号牌的所述待检测车辆;
如果找到相同的车辆号牌,则配对成功,所述待检测车辆为正常通行车辆;继续比对下一个待检测车辆;执行步骤S6;
如果配对失败,执行步骤S7;
S6:循环执行S2~S6,持续执行取证操作;
S7:将每一个正向抓取的的配对失败的所述待分析过车图像数据对应的车辆号牌分别与反向抓取的配对失败的车辆号牌进行比对查找,在其他车道上找到相同的车牌号码后,说明其对应的所述待检测车辆存在违法变道的违法行为,所述待检测车辆即为违法嫌疑车辆;
S8:基于所述违法嫌疑车辆的车辆号牌,组织有效的违法证据资料,提供给执法人员进行后续非现场执法处置;
循环执行S2~S8,持续执行取证操作。
其进一步特征在于:
步骤S5中比较所述正向抓拍设备、所述反向抓拍设备抓取的所述待分析过车图像数据对应的车辆号牌的具体方法,包括:
a1:针对n个车道中的每一个车道,分别建立正向抓拍数据库和反向抓拍数据库,分别记做车道i正向抓拍数据库、车道i反向抓拍数据库;
将步骤S3和S4中获取的所述待检测车辆的车辆数据,按照其对应的车道标号分别存入到对应的所述车道i正向抓拍数据库、所述车道i反向抓拍数据库中;
所述待检测车辆的车辆数据包括:标记了所述车道标号的所述待分析过车图像数据、对应的所述车道信息、所述车辆信息;
a2:分别建立正向抓拍异常数据库、反向抓拍异常数据库;
a3:针对每一个车道的所述车道i正向抓拍数据库执行步骤a4;
针对每一个车道的所述车道i反向抓拍数据库执行步骤a7;
a4:逐个获取n个车道的所述车道i正向抓拍数据库中的每一个所述待检测车辆的车辆号牌,作为待检索车辆号牌;
以所述待检索车辆号牌对应的正向的所述待分析过车图像数据的生成时间作为时间终点,在其同车道的所述车道i反向抓拍数据库中获取2个信号周期T时间段内的所有反向的所述待检测车辆,取出对应的车辆号牌构成待配对车辆号牌组;
a5:在所述待配对车辆号牌组中,查询所述所述待检索车辆号牌;
如果可以检索到相同的车牌号码,则所述待检索车辆号牌对应的所述待检测车辆为正常通行车辆,将所述车道i正向抓拍数据库、所述车道i反向抓拍数据库中配对成功的所述待检测车辆的车辆数据标记为正常数据;
如果无法检索到相同的车牌号码,则把配对失败的所述车道i正向抓拍数据库中所述待检测车辆的车辆数据标记为异常数据;
a6:确认每一个所述车道i正向抓拍数据库中是否存在被标记为异常数据的所述待检测车辆的车辆数据;
如果所述车道i正向抓拍数据库中存在被标记为异常数据的所述待检测车辆的车辆数据,则执行a8;
如果不存在异常数据,则执行步骤S2,持续执行下一轮的取证操作;
a7: 获取每一个所述车道i反向抓拍数据库中的所述待检测车辆的车辆数据,确认是否存在以其抓拍时间为起点,在之后的2T时间内,还未被标记为正常数据的车辆数据;
如果存在,则以抓拍时间为起点,将在之后2T时间内的所有没被标记为正常数据的所述待检测车辆的车辆数据都标记为异常数据,然后执行a8;
如果不存在,则持续监测每一个所述车道i反向抓拍数据库,循环执行a7;
a8:获取所有的所述车道i正向抓拍数据库中标记为异常数据的所述待检测车辆,取得其对应的车牌号码,作为正向异常车牌号码,将所有的所述正向异常车牌号码放入所述正向抓拍异常数据库;
获取所有的所述车道i反向抓拍数据库中标记为异常数据的所述待检测车辆,取得其对应的车牌号码,作为反向异常车牌号码,将所有的所述反向异常车牌号码放入所述反向抓拍异常数据库;
步骤S7中,具体的步骤包括:
b1:逐个获取所述正向抓拍异常数据库中的所述正向异常车牌号码,作为待查询车辆号牌;
b2:以所述待查询车辆号牌对应的所述待分析过车图像数据生成时间为终点,在所述反向抓拍异常数据库中获取2个信号周期T时间段内的所有的所述反向异常车牌号码,构成待比对反向车牌数据组;
b3:在所述待比对反向车牌数据组中查询所述待查询车辆号牌,找到相同的车辆号牌;
找到相同的车辆号牌后,其对应的所述待检测车辆的车辆数据则记做违法嫌疑车辆数据,其对应的所述待检测车辆即为违法嫌疑车辆;
所述车辆信息包括:车辆驾驶人面部特征记录、车辆号牌、驶入、驶出进口道实线段时间,电警编号、方向、车辆类型、过车时间、车外廓长、号牌颜色、车辆类型、车辆外形、车身颜色、通行图片存储路径、通行图片;
所述车道信息包括:路口名称、进口道方向、进口道车道编号、每个车道的预制位编号;
所述车道的预制位编号是将待检测路段分区域后分别进行标记,用来在后续计算中明确所述待检测车辆在车道上的具体位置;
所述违法证据资料包括:从所述正向抓拍设备、所述反向抓拍设备连续抓拍的图片中提取的取证照片,基于所述违法嫌疑车辆的所述取证照片抽取的违法信息,与所述违法嫌疑车辆对应的所述车辆信息、所述车道信息,合成后组成的证据链;
所述取证照片包括:当所述违法嫌疑车辆驶入交叉口渠化段,通过所述反向抓拍设备拍摄的所述违法嫌疑车辆在进入视频抓拍盲区前的所在的区域的照片;以及当车辆通过所述视频抓拍盲区,进入所述正向抓拍设备的抓拍区域,而未驶过停车线前时,所述正向抓拍设备对所述违法嫌疑车辆的车辆尾部特征抓拍的照片;
所述违法信息包括:交通违法地点、违法时间;
从所述正向抓拍设备、所述反向抓拍设备连续抓拍的图片中提取取证照片时,提取标准为:所述取证照片中包括所述车辆信息、车道特征,所述车道特征包括:左、直、右道路转向标线;所述反向抓拍设备拍摄的所述取证照片还要包括所述驾驶室驾驶人脸部特征。
一种针对电子警察盲区内违法变道行为的取证系统,其包括:正向抓拍设备、反向抓拍设备、存储单元,与所述正向抓拍设备、所述反向抓拍设备通信连接的图像处理单元,与所述图像处理单元通信连接的后端管理子系统;所述正向抓拍设备、所述反向抓拍设备抓取的数据存入到所述存储单元中的数据库中;
其特征在于,其还包括:与所述图像处理单元通信连接的合成单元;
所述正向抓拍设备、所述反向抓拍设备将拍摄的图像数据,作为待分析过车图像数据传入到所述图像处理单元中;
在所述图像处理单元中,基于图像识别技术对所述待分析过车图像数据进行图像识别,找到待检测车辆;获取每个所述待检测车辆的车辆信息;基于所述待检测车辆的所述待分析过车图像数据,识别所述待检测车辆所在的车道,获得对应的车道信息;将每一个所述待分析过车图像数据的所述车辆信息、所述车道信息以其车辆号牌建立索引关系;所述图像处理单元在所述存储单元中为每一个车道分别建立正向抓拍数据库和反向抓拍数据库,分别记做车道i正向抓拍数据库、车道i反向抓拍数据库,同时还分别建立一个正向抓拍异常数据库、一个反向抓拍异常数据库;将所述待检测车辆的车辆数据,按照其对应的车道标号分别存入到对应的所述车道i正向抓拍数据库、所述车道i反向抓拍数据库中;所述待检测车辆的车辆数据包括:标记了所述车道标号的所述待分析过车图像数据、对应的所述车道信息、所述车辆信息;
使用每一个所述待分析过车图像数据对应的所述车辆号牌进行违法嫌疑车辆的识别,识别出所述违法嫌疑车辆后,将所述违法嫌疑车辆的所述车辆号牌送到所述合成单元中;
在所述合成单元中,基于所述违法嫌疑车辆的所述车辆号牌,在存储单元的数据库中检索其对应的所有的所述车辆信息、所述车道信息,按照预设的证据规则组织有效的违法证据资料,传输给所述后端管理子系统,以供执法人员进行后续非现场执法处置行动;
所述合成单元中组织的所述违法证据资料中包括取证照片,所述取证照片为所述图像处理单元存储在数据库中的通过所述正向抓拍设备、所述反向抓拍设备连续抓拍的图片;所述取证照片的提取标准为:其包括所述车辆信息、车道特征;所述车道特征包括:左、直、右道路转向标线;所述反向抓拍设备拍摄的所述取证照片还要包括所述驾驶室驾驶人脸部特征。
其进一步特征在于:
所述图像处理单元、所述合成单元内置在所述正向抓拍设备、所述反向抓拍设备中;
所述图像处理单元、所述合成单元单独安装在路口的现有的检测控制装置中。
本发明提供的一种针对电子警察盲区内违法变道行为的取证方法及系统,其利用现有的硬件装置,通过图像处理单元基于图像识别技术对正向抓拍设备、反向抓拍设备抓拍的图片进行分析识别,确定待检测车辆的车牌号码和所在车道,基于车牌号码,找到在正向抓拍设备、反向抓拍设备抓拍的图像中,处于不同车道的车辆,证明其在视频抓拍盲区发生变道行为,确认违法嫌疑车辆后,通过合成单元组织证据链发给执法人员;本发明的技术方案中,无需添加新的硬件,只需要对现有设备的软件部分中的图像处理单元、合成单元相关部分进行更新即可实现,不但成本低廉,且节约了大量后期维护的成本,同时可以不间断的监测视频抓拍盲区内违法变道行为,非常适于推广使用。
附图说明
图1为现有技术中盲区变道俯视的示意图;
图2为现有技术中盲区变道正视的示意图;
图3为针对电子警察盲区内违法变道行为的取证系统的结构示意图;
图4为本发明中针对电子警察盲区内违法变道行为的取证方法的流程示意图;
图5为实施例中违法嫌疑车辆的反向抓拍图片;
图6为实施例中违法嫌疑车辆的正向抓拍图片;
图7为实施例中通过正向抓拍图片和发现抓拍图片组成的取证照片。
具体实施方式
如图1~图3所示,本发明中一种针对电子警察盲区内违法变道行为的取证系统,其利用每个交叉口现有设置的正向抓拍设备3、反向抓拍设备2获取路况图片,在与正向抓拍设备3、反向抓拍设备2通信连接的图像处理单元10中添加本发明技术方案中使用的图像处理单元10,与图像处理单元10通信连接的合成单元11;图像处理单元10、合成单元11可以内置在正向抓拍设备3、反向抓拍设备2中,也可以单独安装在路口的现有的前端系统中,根据待检测交叉口现有的硬件情况进行设置;图像处理单元10和合成单元11通信连接后端管理子系统12,通过后端管理子系统12发送合成后的证据给对应的执法机构或者执法人员。
现有技术中的正向抓拍设备3、反向抓拍设备2大多为数字视频摄像机,配合同样设置在交叉口的网络通信设备、存储单元、闪光灯4、补光灯、防雷装置、电子警察杆5、竖杆1构成闯红灯自动记录系统中的前端系统,前端系统通过传输网络连接位于远程的后端管理子系统,后端管理子系统与其他的交通管理系统、执法系统进行数据通信连接。
正向抓拍设备3、反向抓拍设备2将拍摄的图像数据,首先存入存储单元15的数据库中,然后作为待分析过车图像数据传入到图像处理单元10中;在图像处理单元10中,基于图像识别技术对待分析过车图像数据进行图像识别,找到待检测车辆;获取每个检测车辆的车辆信息;基于待检测车辆的待分析过车图像数据,确定待检测车辆所在的车道,将车辆信息、车道信息存入存储单元15中的数据库中;将每一个待分析过车图像数据的车辆信息、车道信息以其车辆号牌建立索引;即,同一个车辆号牌信息同时会对应两组数据:正向待分析过车图像数据和反向待分析过车图像数据,也同时存在两个车辆信息、车道信息的存储路径;
假设存在n个车道,则图像处理单元10在存储单元15中为每一个车道分别建立正向抓拍数据库和反向抓拍数据库,分别记做车道i正向抓拍数据库、车道i反向抓拍数据库,同时还分别建立一个正向抓拍异常数据库、一个反向抓拍异常数据库,将待检测车辆的车辆数据,按照其对应的车道标号分别存入到对应的车道i正向抓拍数据库、车道i反向抓拍数据库中;待检测车辆的车辆数据包括:标记了车道标号的待分析过车图像数据、对应的车道信息、车辆信息;
基于正向抓拍设备3抓拍的待分析过车图像数据对应的车辆号牌,与反向抓拍设备2抓拍的待分析过车图像数据对应的车辆号牌进行配对,配对完成后,确认同一个车辆号牌对应的正向的待分析过车图像数据、反向的待分析过车图像数据所对应的车道信息是否一致,进而实现对违法嫌疑车辆的识别;识别出违法嫌疑车辆后,将违法嫌疑车辆的车辆号牌信息送到合成单元11中;在合成单元11中,基于违法嫌疑车辆的车牌号码,在数据库中检索其对应的车辆信息、车道信息,然后根据预设的证据规则组织有效的违法证据资料;将违法证据资料存入存储单元15中的数据库中之后,传输给后端管理子系统12,以供执法人员进行后续非现场执法行动;合成单元11对于取证照片的提取标准为:取证照片中包括车辆信息、车道特征,车道特征包括:左、直、右道路转向标线;反向抓拍设备2拍摄的取证照片还要包括驾驶室驾驶人脸部特征。
从正向抓拍设备3、反向抓拍设备2连续抓拍的图片中提取取证照片时,提取标准为:取证照片中包括车辆信息、车道特征,车道特征包括:左、直、右道路转向标线;反向抓拍设备2拍摄的取证照片还要包括驾驶室驾驶人脸部特征;如说明书附图的图4和图5所示。
本发明的技术方案,无需新增硬件装置,只需要升级现有硬件的内置软件,即可实施本发明的技术方案,不但节省了成本,且节省了后续的大量的维护成本,且不会因为新增硬件而导致路口土建施工影响交通,非常适于推广使用。
本发明中的一种针对电子警察盲区内违法变道行为的取证方法,参照说明书附图4,详细如下面所示。
S1:确定取证用抓拍设备;其中,摄像头朝向停车线方向、对驶入交叉口的车辆尾部特征进行抓拍的取证摄像机设为正向抓拍设备3;与正向抓拍设备3方向相反的,摄像头朝向来车方向、对驶入交叉口的驶来车辆的车头特征进行抓拍的取证摄像机设为反向抓拍设备2。
S2:获取正向抓拍设备3、反向抓拍设备2拍摄的图像数据,作为待分析过车图像数据。
S3:在图像处理单元10中,基于图像识别技术对待分析过车图像数据进行图像识别,找到待检测车辆;基于现有的交管部门的车辆信息库、地图库、道路信息库,基于待检测车辆的车辆号牌以及从待分析过车图像数据数据中提取的车辆特征获取每个检测车辆的车辆信息;
无法识别出待检测车辆的待分析过车图像数据作为无效数据舍弃。
S4:基于待检测车辆的待分析过车图像数据,识别待检测车辆所在的车道;
以道路中心线为起始点,设道路上存在的同向的车道数为n,n取值为自然数,则车道标号为:车道1、车道2...... 车道i......车道n,其中i为车道标号,1≤i≤n;
识别待分析过车图像数据中车辆在车道后,在待分析过车图像数据上标记待检测车辆对应的车道标号。
S5:设正向抓拍设备3、反向抓拍设备2所在交叉口的信号周期为T;正常情况下,行驶车辆会在一个信号周期T内通过视频抓拍盲区8,所以取一个信号周期T作为比对周期;对于因为交通阻塞、异常情况抛锚、违法停驻在视频抓拍盲区8内的车辆,因为会有其他的交通管理人员进行管理,不在本发明的技术方案内考虑,对于因这些异常情况导致的异常数据,本发明的技术方案内当做无效数据舍弃;
在同一车道上的同一个信号周期T内,将正向抓拍设备3抓取的待分析过车图像数据对应的车辆号牌在反向抓拍设备2抓取的待分析过车图像数据对应的车辆号牌中检索,确认是否存在相同的待检测车辆的车辆号牌;
如果找到相同的车辆号牌,则配对成功,待检测车辆为正常通行车辆;继续比对下一个待检测车辆;执行步骤S6;即同一个车道上在一个信号周期内,可以找到同一辆车的驶入驶出视频抓拍盲区8的图片,证明这个待检测车辆没有在视频抓拍盲区8内做违法变道;
如果配对失败,执行步骤S7。
步骤S5中,比较正向抓拍设备3、反向抓拍设备2抓取的待分析过车图像数据的具体方法,包括:
a1:针对n个车道中的每一个车道,分别建立正向抓拍数据库和反向抓拍数据库,分别记做车道i正向抓拍数据库、车道i反向抓拍数据库;
将步骤S3和S4中获取的待检测车辆的车辆数据,按照其对应的车道标号分别存入到对应的车道i正向抓拍数据库、车道i反向抓拍数据库中;
待检测车辆的车辆数据包括:标记了车道标号的待分析过车图像数据、对应的车道信息、车辆信息;
基于现有的地图库、道路信息库,获取车道信息,车道信息包括:路口名称、进口道方向、进口道车道编号、每个车道的预制位编号;为每个车道标记预制位编号,将待检测路段分区域后进行通过车道的预置编号分别标记,以便在后续计算中可以明确车辆在车道上的具体位置,如:本实施例中的阈值编号为区域13、频抓拍盲区8、区域14;具体含义为:车辆驶过交叉口的时候,依次经过刚驶入实线段区域设为区域13(由反向抓拍设备2抓拍)、视频抓拍盲区8、即将驶出段设为区域14(由正向抓拍设备3抓拍),具体位置参照说明书附图的图1;本实施例中,后继进行数据比对的时候,采用的即是区域13处的待分析过车图像数据和区域14出的待分析过车图像数据进行比对;这样的划分不但使计算更简单,且符合道路交通规定,易于理解;
a2:分别建立正向抓拍异常数据库、反向抓拍异常数据库;
a3:针对每一个车道的车道i正向抓拍数据库执行步骤a4;
针对每一个车道的车道i反向抓拍数据库执行步骤a7;
a4:逐个获取n个车道的车道i正向抓拍数据库中的每一个待检测车辆的车辆号牌,作为待检索车辆号牌;
以待检索车辆号牌对应的正向的待分析过车图像数据的生成时间作为时间终点,在其同车道的车道i反向抓拍数据库中获取2个信号周期T时间段内的所有反向的待检测车辆,取出对应的车辆号牌构成待配对车辆号牌组;
如果待检索车辆号牌对应的待分析过车图像数据的生成时间为9:30,1个信号周期T为1分钟,以9:30为终点向前找2个信号周期T,则在车道i反向抓拍数据库中获取9:28~9:30之间抓取的待分析过车图像数据对应的车辆号牌,构成待配对车辆号牌组;
a5:在待配对车辆号牌组中,查询待检索车辆号牌;
如果可以检索到相同的车牌号码,则待检索车辆号牌对应的待检测车辆为正常通行车辆,将车道i正向抓拍数据库、车道i反向抓拍数据库中配对成功的待检测车辆的车辆数据标记为正常数据;
如果无法检索到相同的车牌号码,则把配对失败的车道i正向抓拍数据库中待检测车辆的车辆数据标记为异常数据;
a6:确认每一个车道i正向抓拍数据库中是否存在被标记为异常数据的待检测车辆的车辆数据;
如果车道i正向抓拍数据库中存在被标记为异常数据的待检测车辆的车辆数据,则执行a8;
如果不存在异常数据,则执行步骤S2,持续执行下一轮的取证操作;
a7: 获取每一个车道i反向抓拍数据库中的待检测车辆的车辆数据,确认是否存在以其抓拍时间为起点,在之后的2T时间内,还未被标记为正常数据的车辆数据;
如果存在,则以抓拍时间为起点,在之后的2T时间内的所有没被标记为正常数据的待分析过车图像数据都标记为异常数据,然后执行a8;
随时监测所有的车道i反向抓拍数据库中的每一个待检测车辆的车辆数据;假设监测时间为9:30、T为1分钟,则以9:30为起点向后找2个信号周期T,在所有的车道i反向抓拍数据库中获取9: 30~9:32之间的待检测车辆的车辆数据;确认这些待检测车辆的车辆数据的是否被标记为正常数据,如果没有被标记为正常数据,则表明这些反向的待检测车辆的车辆数据在其抓拍之后的2分钟内没有被配对成功,即其对应的待检测车辆出现了异常,这些待检测车辆没有在2T时间段内出现在同车道的正向车道中,需要进一步检测是否出现在了其他车道的正向车道中;
如果不存在,则持续监测每一个车道i反向抓拍数据库,循环执行a7;
a8:获取所有的车道i正向抓拍数据库中标记为异常数据的待检测车辆,取得其对应的车牌号码,作为正向异常车牌号码,将所有的正向异常车牌号码放入正向抓拍异常数据库;
获取所有的车道i反向抓拍数据库中标记为异常数据的待检测车辆,取得其对应的车牌号码,作为反向异常车牌号码,将所有的反向异常车牌号码放入反向抓拍异常数据库;
先将n个同车道上的所有的可以配对成功的待检测车辆的车辆数据都找到,标记为正常数据退出后续计算;没有配对成功的数据作为异常数据,获取其对应的车辆号牌分别放入正向抓拍异常数据库、反向抓拍异常数据库中;进行异常数据配对查找时,不再根据车道进行区分,而在所有的正向和反向的异常数据,只通过车辆号牌中进行碰撞查找,因为车辆号牌是结构化数据,这样的设计方式简化了比对范围、比对流程,提高了系统的比对效率,提高了对违法嫌疑车辆的查找速度。
S6:循环执行S2~S6,持续执行取证操作。
S7:将每一个在本车道配对失败的正向抓取的待分析过车图像数据对应的车辆号牌分别与反向抓取的配对失败的车辆号牌进行比对查找,如果在其他车道上找到相同的车牌号码后,通过车辆号牌分别检索到其对应的正向和反向的待分析过车图像数据的车道号,即相同车牌号的车辆的正向待分析过车图像和反向待分析过车图像的车道号不一致,说明待检测车辆存在违法变道的违法行为,待检测车辆即为违法嫌疑车辆;具体的步骤包括:
b1:逐个获取正向抓拍异常数据库中的正向异常车牌号码作为待查询车辆号牌;
b2:以待查询车辆号牌对应的待分析过车图像数据生成时间为终点,在反向抓拍异常数据库中获取2个信号周期T时间段内的所有反向异常车牌号码,构成待比对反向车牌数据组;
b3:在待比对反向车牌数据组中查询待待查询车辆号牌,找到相同的车辆号牌;
找到相同的车辆号牌后,其对应的待检测车辆的车辆数据则记做违法嫌疑车辆数据,其对应的待检测车辆即为违法嫌疑车辆;
同一辆车辆的正向抓拍的待分析过车图像数据的时间必然晚于反向抓拍的待分析过车图像数据,所以在进行不同车道之间的异常数据查找的时候,以正向抓取的待查询图像数据的生成时间为时间终点,在反向抓拍异常数据库中获取2个信号周期T时间段内的所有待分析过车图像数据作为比对的对象,正常通行状态下的车辆在两个信号周期T内是可以通过视频抓拍盲区8区域的;所以本实施例中,以两个信号周期T为检测时间段,符合交管的实际情况的需求;
同一辆待检测车辆在两个信号周期T内,出现在不同的车道上,证明此待检测车辆在经过视频抓拍盲区8的时候,发生了违法变道行为,这个待检测车辆可以判断为违法嫌疑车辆;
对于因为交通阻塞、异常情况抛锚、违法停驻在视频抓拍盲区8内的车辆,因为会有其他的交通管理人员进行管理,不在本发明的技术方案内考虑,对于因这些异常情况导致的异常数据,本发明的技术方案内当做无效数据舍弃。
S8:在图像处理单元10中识别出违法嫌疑车辆后,将违法嫌疑车辆的车辆号牌送到合成单元11中;在合成单元11中基于违法嫌疑车辆的车辆号牌,组织有效的违法证据资料,通过后端管理子系统12发送给执法人员进行后续非现场执法行动;
违法证据资料包括:从正向抓拍设备3、反向抓拍设备2连续抓拍的图片中提取的取证照片,基于违法嫌疑车辆的取证照片抽取的违法信息,与违法嫌疑车辆对应的车辆信息、车道信息,合成后组成的证据链;违法证据资料中的图像所含信息符合《道路交通安全违法行为图像取证技术规范》(GA/T832)要求;
取证照片包括:当违法嫌疑车辆驶入交叉口渠化段(车道实线部分),通过反向抓拍设备2拍摄的违法嫌疑车辆在进入视频抓拍盲区前的所在的区域,即区域13处,的照片;以及当车辆通过视频抓拍盲区,进入正向抓拍设备3的抓拍区域、而未驶过停车线前时,即区域14处,正向抓拍设备3对违法嫌疑车辆的车辆尾部特征抓拍的照片;
车辆信息包括:车辆驾驶人面部特征记录、车辆号牌、驶入、驶出进口道实线段时间,电警编号、方向、车辆类型、过车时间、车外廓长、号牌颜色、车辆类型、车辆外形、车身颜色、通行图片存储路径、通行图片;
违法信息包括:交通违法地点、违法时间;
循环执行S2~S8,持续执行取证操作。
如说明书附图的图5为反向抓拍设备2抓拍到的违法嫌疑车辆的反向抓拍图片,以道路中心线为起始点,可见照片中白色圆圈所示的嫌疑车辆位于道路中心隔离栏开始的第四个车道上的区域13处,但是在违法嫌疑车辆驶过视频抓拍盲区8后,正向抓拍设备3抓拍到的图片如图6所示,以道路中心线为起始点,可见照片中白色圆圈所示的嫌疑车辆位于道路中心隔离栏开始的第三个车道上的区域14处,所以可知,违法嫌疑车辆在视频抓拍盲区8存在违法变道的行为。经过合成单元11将正向抓拍设备3、反向抓拍设备2抓拍的图片合成之后,构成违法证据资料中的取证照片,具体如说明书附图7所示。发送给执法人员时,将车辆信息、车道信息等信息同时与取证照片合并成证据链发送,构成符合相关法规的合规证据。
综上,使用本发明的技术方案后,不必增加新的硬件装置,无需另行安装,成本极低;且技术方案的思路简单,易于理解,符合现实生活中的交通规则,后续代码维护也非常简单,非常适于推广应用。

Claims (10)

1.一种针对电子警察盲区内违法变道行为的取证方法,其特征在于:其包括以下步骤:
S1:确定取证用抓拍设备;
其中,摄像头朝向停车线方向、对驶入交叉口的车辆尾部特征进行抓拍的取证摄像机设为正向抓拍设备;
与所述正向抓拍设备方向相反的,摄像头朝向来车方向、对驶入交叉口的驶来车辆的车头特征进行抓拍的取证摄像机设为反向抓拍设备;
S2:获取所述正向抓拍设备、所述反向抓拍设备拍摄的图像数据,作为待分析过车图像数据;
S3:基于图像识别技术对所述待分析过车图像数据进行图像识别,找到待检测车辆;获取每个所述检测车辆的车辆信息;
无法识别出所述待检测车辆的所述待分析过车图像数据作为无效数据舍弃;
S4:基于所述待检测车辆的所述待分析过车图像数据,识别所述待检测车辆所在的车道,获取对应的车道信息;
以道路中心线为起始点,设道路上存在的同向的车道数为n,n取值为自然数,则车道标号为:车道1、车道2...... 车道i......车道n,其中i为车道标号,1≤i≤n;
识别所述待分析过车图像数据中车辆所在车道后,在所述待分析过车图像数据上标记所述待检测车辆对应的所述车道标号i;
S5:设所述正向抓拍设备、所述反向抓拍设备所在交叉口的信号周期为T;
基于所述正向抓拍设备抓取的所述待分析过车图像数据对应的车辆号牌,在其同车道的所述反向抓拍设备抓取的2个信号周期T内的所述待分析过车图像数据对应的车辆号牌中检索,确认是否存在相同车辆号牌的所述待检测车辆;
如果找到相同的车辆号牌,则配对成功,所述待检测车辆为正常通行车辆;继续比对下一个待检测车辆;执行步骤S6;
如果配对失败,执行步骤S7;
S6:循环执行S2~S6,持续执行取证操作;
S7:将每一个正向抓取的配对失败的所述待分析过车图像数据对应的车辆号牌分别与反向抓取的配对失败的车辆号牌进行比对查找,在其他车道上找到相同的车牌号码后,说明其对应的所述待检测车辆存在违法变道的违法行为,所述待检测车辆即为违法嫌疑车辆;
S8:基于所述违法嫌疑车辆的车辆号牌,组织有效的违法证据资料,提供给执法人员进行后续非现场执法处置;
循环执行S2~S8,持续执行取证操作。
2.根据权利要求1所述一种针对电子警察盲区内违法变道行为的取证方法,其特征在于:步骤S5中比较所述正向抓拍设备、所述反向抓拍设备抓取的所述待分析过车图像数据对应的车辆号牌的具体方法,包括:
a1:针对n个车道中的每一个车道,分别建立正向抓拍数据库和反向抓拍数据库,分别记做车道i正向抓拍数据库、车道i反向抓拍数据库;
将步骤S3和S4中获取的所述待检测车辆的车辆数据,按照其对应的车道标号分别存入到对应的所述车道i正向抓拍数据库、所述车道i反向抓拍数据库中;
所述待检测车辆的车辆数据包括:标记了所述车道标号的所述待分析过车图像数据、对应的所述车道信息、所述车辆信息;
a2:分别建立正向抓拍异常数据库、反向抓拍异常数据库;
a3:针对每一个车道的所述车道i正向抓拍数据库执行步骤a4;
针对每一个车道的所述车道i反向抓拍数据库执行步骤a7;
a4:逐个获取n个车道的所述车道i正向抓拍数据库中的每一个所述待检测车辆的车辆号牌,作为待检索车辆号牌;
以所述待检索车辆号牌对应的正向的所述待分析过车图像数据的生成时间作为时间终点,在其同车道的所述车道i反向抓拍数据库中获取2个信号周期T时间段内的所有反向的所述待检测车辆,取出对应的车辆号牌构成待配对车辆号牌组;
a5:在所述待配对车辆号牌组中,查询所述待检索车辆号牌;
如果可以检索到相同的车牌号码,则所述待检索车辆号牌对应的所述待检测车辆为正常通行车辆,将所述车道i正向抓拍数据库、所述车道i反向抓拍数据库中配对成功的所述待检测车辆的车辆数据标记为正常数据;
如果无法检索到相同的车牌号码,则把配对失败的所述车道i正向抓拍数据库中所述待检测车辆的车辆数据标记为异常数据;
a6:确认每一个所述车道i正向抓拍数据库中是否存在被标记为异常数据的所述待检测车辆的车辆数据;
如果所述车道i正向抓拍数据库中存在被标记为异常数据的所述待检测车辆的车辆数据,则执行a8;
如果不存在异常数据,则执行步骤S2,持续执行下一轮的取证操作;
a7: 获取每一个所述车道i反向抓拍数据库中的所述待检测车辆的车辆数据,确认是否存在以其抓拍时间为起点,在之后的2T时间内,还未被标记为正常数据的车辆数据;
如果存在,则以抓拍时间为起点,将在之后2T时间内的所有没被标记为正常数据的所述待检测车辆的车辆数据都标记为异常数据,然后执行a8;
如果不存在,则持续监测每一个所述车道i反向抓拍数据库,循环执行a7;
a8:获取所有的所述车道i正向抓拍数据库中标记为异常数据的所述待检测车辆,取得其对应的车牌号码,作为正向异常车牌号码,将所有的所述正向异常车牌号码放入所述正向抓拍异常数据库;
获取所有的所述车道i反向抓拍数据库中标记为异常数据的所述待检测车辆,取得其对应的车牌号码,作为反向异常车牌号码,将所有的所述反向异常车牌号码放入所述反向抓拍异常数据库。
3.根据权利要求2所述一种针对电子警察盲区内违法变道行为的取证方法,其特征在于:步骤S7中,具体的步骤包括:
b1:逐个获取所述正向抓拍异常数据库中的所述正向异常车牌号码,作为待查询车辆号牌;
b2:以所述待查询车辆号牌对应的所述待分析过车图像数据生成时间为终点,在所述反向抓拍异常数据库中获取2个信号周期T时间段内的所有的所述反向异常车牌号码,构成待比对反向车牌数据组;
b3:在所述待比对反向车牌数据组中查询所述待查询车辆号牌,找到相同的车辆号牌;
找到相同的车辆号牌后,其对应的所述待检测车辆的车辆数据则记做违法嫌疑车辆数据,其对应的所述待检测车辆即为违法嫌疑车辆。
4.根据权利要求1所述一种针对电子警察盲区内违法变道行为的取证方法,其特征在于:所述车辆信息包括:车辆驾驶人面部特征记录、车辆号牌、驶入、驶出进口道实线段时间,电警编号、方向、车辆类型、过车时间、车外廓长、号牌颜色、车辆外形、车身颜色、通行图片存储路径、通行图片。
5.根据权利要求1所述一种针对电子警察盲区内违法变道行为的取证方法,其特征在于:所述车道信息包括:路口名称、进口道方向、进口道车道编号、每个车道的预制位编号;
所述车道的预制位编号是将待检测路段分区域后分别进行标记,用来在后续计算中明确所述待检测车辆在车道上的具体位置。
6.根据权利要求1所述一种针对电子警察盲区内违法变道行为的取证方法,其特征在于:所述违法证据资料包括:从所述正向抓拍设备、所述反向抓拍设备连续抓拍的图片中提取的取证照片,基于所述违法嫌疑车辆的所述取证照片抽取的违法信息,与所述违法嫌疑车辆对应的所述车辆信息、所述车道信息,合成后组成的证据链;
所述取证照片包括:当所述违法嫌疑车辆驶入交叉口渠化段,通过所述反向抓拍设备拍摄的所述违法嫌疑车辆在进入视频抓拍盲区前的所在的区域的照片;以及当车辆通过所述视频抓拍盲区,进入所述正向抓拍设备的抓拍区域,而未驶过停车线前时,所述正向抓拍设备对所述违法嫌疑车辆的车辆尾部特征抓拍的照片;
所述违法信息包括:交通违法地点、违法时间。
7.根据权利要求1所述一种针对电子警察盲区内违法变道行为的取证方法,其特征在于:从所述正向抓拍设备、所述反向抓拍设备连续抓拍的图片中提取取证照片时,提取标准为:所述取证照片中包括所述车辆信息、车道特征,所述车道特征包括:左、直、右道路转向标线;所述反向抓拍设备拍摄的所述取证照片还要包括驾驶室驾驶人脸部特征。
8.基于权利要求1~7中任意一种针对电子警察盲区内违法变道行为的取证方法实现取证的取证系统,其包括:正向抓拍设备、反向抓拍设备、存储单元,与所述正向抓拍设备、所述反向抓拍设备通信连接的图像处理单元,与所述图像处理单元通信连接的后端管理子系统;所述正向抓拍设备、所述反向抓拍设备抓取的数据存入到所述存储单元中的数据库中;
其特征在于,其还包括:与所述图像处理单元通信连接的合成单元;
所述正向抓拍设备、所述反向抓拍设备将拍摄的图像数据,作为待分析过车图像数据传入到所述图像处理单元中;
在所述图像处理单元中,基于图像识别技术对所述待分析过车图像数据进行图像识别,找到待检测车辆;获取每个所述待检测车辆的车辆信息;基于所述待检测车辆的所述待分析过车图像数据,识别所述待检测车辆所在的车道,获得对应的车道信息;将每一个所述待分析过车图像数据的所述车辆信息、所述车道信息以其车辆号牌建立索引关系;所述图像处理单元在所述存储单元中为每一个车道分别建立正向抓拍数据库和反向抓拍数据库,分别记做车道i正向抓拍数据库、车道i反向抓拍数据库,同时还分别建立一个正向抓拍异常数据库、一个反向抓拍异常数据库;将所述待检测车辆的车辆数据,按照其对应的车道标号分别存入到对应的所述车道i正向抓拍数据库、所述车道i反向抓拍数据库中;所述待检测车辆的车辆数据包括:标记了所述车道标号的所述待分析过车图像数据、对应的所述车道信息、所述车辆信息;
使用每一个所述待分析过车图像数据对应的所述车辆号牌进行违法嫌疑车辆的识别,识别出所述违法嫌疑车辆后,将所述违法嫌疑车辆的所述车辆号牌送到所述合成单元中;
在所述合成单元中,基于所述违法嫌疑车辆的所述车辆号牌,在存储单元的数据库中检索其对应的所有的所述车辆信息、所述车道信息,按照预设的证据规则组织有效的违法证据资料,传输给所述后端管理子系统,以供执法人员进行后续非现场执法处置行动;
所述合成单元中组织的所述违法证据资料中包括取证照片,所述取证照片为所述图像处理单元存储在数据库中的通过所述正向抓拍设备、所述反向抓拍设备连续抓拍的图片;所述取证照片的提取标准为:其包括所述车辆信息、车道特征;所述车道特征包括:左、直、右道路转向标线;所述反向抓拍设备拍摄的所述取证照片还要包括驾驶室驾驶人脸部特征。
9.根据权利要求8所述一种针对电子警察盲区内违法变道行为的取证方法实现取证的取证系统,其特征在于:所述图像处理单元、所述合成单元内置在所述正向抓拍设备、所述反向抓拍设备中。
10.根据权利要求8所述一种针对电子警察盲区内违法变道行为的取证方法实现取证的取证系统,其特征在于:所述图像处理单元、所述合成单元单独安装在路口的现有的检测控制装置中。
CN202010223869.8A 2020-03-26 2020-03-26 一种针对电子警察盲区内违法变道行为的取证方法及系统 Active CN111340003B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010223869.8A CN111340003B (zh) 2020-03-26 2020-03-26 一种针对电子警察盲区内违法变道行为的取证方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010223869.8A CN111340003B (zh) 2020-03-26 2020-03-26 一种针对电子警察盲区内违法变道行为的取证方法及系统

Publications (2)

Publication Number Publication Date
CN111340003A CN111340003A (zh) 2020-06-26
CN111340003B true CN111340003B (zh) 2022-06-24

Family

ID=71187438

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010223869.8A Active CN111340003B (zh) 2020-03-26 2020-03-26 一种针对电子警察盲区内违法变道行为的取证方法及系统

Country Status (1)

Country Link
CN (1) CN111340003B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112288695B (zh) * 2020-10-20 2021-06-15 新昌县鸿吉电子科技有限公司 工厂生产区域目标辨识系统
CN113240903B (zh) * 2021-03-26 2022-07-05 合肥学院 一种基于雷视监测的路口车辆加塞预警及管控方法
CN113591820A (zh) * 2021-09-30 2021-11-02 深圳市鑫道为科技有限公司 一种可提取肇事车牌信息的行车数据存储方法
CN114241765B (zh) * 2021-12-15 2023-01-03 重庆中信科信息技术有限公司 基于时空逻辑的定向车道交通违法分析方法、装置及存储介质
CN114999171A (zh) * 2022-05-19 2022-09-02 杭州海康威视数字技术股份有限公司 一种变道监控处理方法、装置和系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101313345A (zh) * 2005-11-18 2008-11-26 新科电子(资讯通信系统)私人有限公司 检测道路交通违章的系统和方法
CN109326126A (zh) * 2018-12-05 2019-02-12 公安部交通管理科学研究所 一种定点甄别违法车辆的方法及监控系统
CN109919069A (zh) * 2019-02-27 2019-06-21 浙江浩腾电子科技股份有限公司 基于深度学习的大型车辆分析系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101313345A (zh) * 2005-11-18 2008-11-26 新科电子(资讯通信系统)私人有限公司 检测道路交通违章的系统和方法
CN109326126A (zh) * 2018-12-05 2019-02-12 公安部交通管理科学研究所 一种定点甄别违法车辆的方法及监控系统
CN109919069A (zh) * 2019-02-27 2019-06-21 浙江浩腾电子科技股份有限公司 基于深度学习的大型车辆分析系统

Also Published As

Publication number Publication date
CN111340003A (zh) 2020-06-26

Similar Documents

Publication Publication Date Title
CN111340003B (zh) 一种针对电子警察盲区内违法变道行为的取证方法及系统
CN100507970C (zh) 基于数字摄像机的闯红灯检测系统及方法
CN113724416B (zh) 基于车路协同系统的车载视频处理方法、装置及存储介质
CN202077142U (zh) 一种车载智能视频侦测分析系统
CN203346814U (zh) 基于车牌识别技术的双车道一体化小区智能道闸管理系统
CN104766479A (zh) 基于超高频射频与视频图像双识别匹配的汽车身份识别方法及装置
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
CN103927886A (zh) 一种监管重点运输车辆超速违法的系统及方法
CN103903440B (zh) 一种电子警察抓拍方法及装置
CN112509325B (zh) 一种基于视频深度学习的非现场违法自动甄别方法
CN113470371B (zh) 识别违规车辆的方法、系统和计算机可读存储介质
CN112802344A (zh) 一种车载式智能联网实时交通违章监控装置及系统
CN105528626A (zh) 一种rfid读写器和摄像机集成一体机及其应用
CN202584429U (zh) 一种交通违法监控和处理系统
CN110379172A (zh) 交通规则的生成方法及装置、存储介质、电子装置
CN112668642A (zh) 一种机动车电子标识与视频结合系统及方法
CN103942962B (zh) 一种遮挡车牌的违章处理装置及方法
CN113870551B (zh) 一种能够鉴别危险和非危险驾驶行为的路侧监控系统
CN112907979B (zh) 一种基于多摄像头的机动车违法行驶轨迹跟踪系统及方法
CN109003457B (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
CN113362592A (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
CN101533558A (zh) 固定路口监控系统
KR100861572B1 (ko) 차량 탑재형 주,정차 금지구역 단속 시스템 및 방법
CN113129581A (zh) 车辆信息的传输系统及方法、存储介质、电子装置
CN202563686U (zh) 道路交通事件自动取证系统

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