CN111401200A - 交通违法图片处理方法、装置及可读存储介质 - Google Patents

Abstract

本发明实施例公开了一种交通违法图片处理方法、装置及可读存储介质，方法包括：获取待处理的交通违法图片，并根据所述待处理的交通违法图片得到多张子图片；对每张所述子图片进行识别，以得到每张所述子图片中目标车辆的结构化信息；根据预设的违法判罚信息和所述结构化信息对多张所述子图片进行逻辑判断，以确定子图片中的目标车辆是否违法，并得到违法结果；根据所述违法结果对待处理的交通违法图片进行分类；将分类后的所述待处理的交通违法图片录入数据库，等待人工审核。本发明实施例采用智能分析技术，快速预审海量交通违法图片，对各类图片进行提纯，提高了违法图片的准确率，降低了人工审核工作量，提高了执法效率。

Description

交通违法图片处理方法、装置及可读存储介质

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种交通违法图片处理方法、装置及可读存储介质。

背景技术

随着我国智能交通基础设施建设的不断完善，智能前端设备层出不穷，通过它自动抓捕的违法行为数据也越来越多。但自动抓捕的违法行为数据中，不免掺杂大量误抓或不能用于判罚的数据，这样的图片需要经过人工审核确认后才能作为违法处罚依据。未经提纯的违法数据人工审核工作量极大，且工作量与产出量有很大悬殊。

发明内容

针对上述技术缺陷，本发明实施例的目的在于提供一种交通违法图片处理方法、装置及可读存储介质。

为实现上述目的，第一方面，本发明实施例提供了一种交通违法图片处理方法，应用于交通违法图片人工审核前的智能预审环节。其中，该方法包括：

获取待处理的交通违法图片，并根据所述待处理的交通违法图片得到多张子图片；

对每张所述子图片进行识别，以得到每张所述子图片中目标车辆的结构化信息；

根据预设的违法判罚信息和所述结构化信息对多张所述子图片进行逻辑判断，以确定子图片中的目标车辆是否违法，并得到违法结果；

根据所述违法结果对待处理的交通违法图片进行分类；

将分类后的所述待处理的交通违法图片录入数据库，等待人工审核。

作为本申请的一种具体实施方式，根据所述待处理的交通违法图片得到多张子图片，具体包括：

将所述待处理的交通违法图片还原到拼接前的状态，以得到多张子图片。

进一步地，所述方法还包括：

将所述违法结果和结构化信息录入数据库。

其中，所述违法结果包括确定违法、确定不违法和无法判别是否违法；所述结构化信息包括车辆号牌信息、车辆整体特征信息和车辆局部特征信息。

进一步地，所述车牌号信息包括车辆号牌类型和车牌号；所述车辆整体特征信息包括车辆类型、车身颜色、车头车尾和车辆角度；所述车辆局部特征信息包括：车内驾乘人员是否系安全带，驾驶员是否拨打电话和驾驶员是否抽烟。

第二方面，本发明实施例提供了一种交通违法图片处理装置，应用于交通违法图片人工审核前的智能预审环节。该装置包括：

获取模块，用于获取待处理的交通违法图片，并根据所述待处理的交通违法图片得到多张子图片；

识别模块，用于对每张所述子图片进行识别，以得到每张所述子图片中目标车辆的结构化信息；

判断模块，用于根据预设的违法判罚信息和所述结构化信息对多张所述子图片进行逻辑判断，以确定子图片中的目标车辆是否违法，并得到违法结果；

分类模块，用于根据所述违法结果对待处理的交通违法图片进行分类；录入模块，用于将分类后的所述待处理的交通违法图片录入数据库，等待人工审核。

进一步地，所述获取模块用于将所述待处理的交通违法图片还原到拼接前的状态，以得到多张子图片。

进一步地，所述录入模块还用于将所述违法结果和结构化信息录入数据库。

第三方面，本发明实施例提供了另一种交通违法图片处理装置，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面的方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。

实施本发明实施例，利用人工智能的方法在人工审核之前增加预审环节，经提纯后的违法数据，在人力有限的情况下，审核人员可以先审核提纯后的确定违法图片，这样审核过的图片基本都是产出，然后再审核无法判别的图片，最后再审核确定不违法的图片，从而提高了执法人员的工作效率及工作产出。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。

图1是本发明实施例提供的交通违法图片处理方法的示意流程图；

图2是确定逆行违法图片的原始拼接图；

图3和图4是图2拆分后的小图；

图5是确定不逆行违法图片的原始拼接图；

图6和图7是图5拆分后的小图；

图8是无法判别是否逆行违法图片的原始拼接图；

图9和图10是图8拆分后的小图；

图11是本发明实施例提供的交通违法图片处理装置的一种结构示意图；

图12是本发明实施例提供的交通违法图片处理装置的另一种结构示意图。

具体实施方式

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，显然，所描述的实施例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，本领域普通技术人员在没有做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。

本发明的发明构思是：在对交通违法图片进行人工审核前的预审环节，对原始拼接大图进行拆分以得到小图，对小图进行识别的以得到车辆结构化信息，根据该车辆结构化信息和预设的违法判罚信息对小图进行逻辑判断，以得到目标车辆的违法结果，从而实现对原始拼接大图进行分类。例如对当前原始拼接大图进行上述处理后，确定出小图中目标车辆的违法结果为确定违法，则将当前原始拼接大图分类为第一类，同理可将多张原始拼接大图进行分类。在分类之后，将多张原始拼接大图录入数据库，人工审核时，可通过筛选的方式得到所有的第一类(例如确定违法)的大图，从而提高审核效率。

请参考图1，本发明实施例提供的交通违法图片处理方法可以包括以下步骤：

S101，获取待处理的交通违法图片，并根据所述待处理的交通违法图片得到多张子图片。

对于某个前端抓拍设备，其违法图片的拼接方式是固定的，一般需要人工标注，确定好拼接规则，但不排除通过数字图像处理的方式智能地确定分割规则(即拼接规则)。在步骤S101中，其执行主体可理解为图片处理装置，该图片处理装置从另外的硬件设备(例如前述的前端抓拍设备)上获取待处理的交通违法图片，该待处理的交通违法图片是经过拼接的，例如如图2所示的确定逆行违法图片的原始拼接图。

进一步地，将待处理的交通违法图片还原到拼接前的状态，以得到多张子图片。例如，将图2的逆行违法图片的原始拼接图进行拆分，得到图3和图4所示的拼接前小图。

S102，对每张所述子图片进行识别，以得到每张所述子图片中目标车辆的结构化信息。

其中，识别出的车辆结构化信息包括但不仅限于：车辆号牌信息、车辆整体特征信息和车辆局部特征信息等。

检测到的车辆号牌信息包括车辆号牌类型和车牌号，车辆号牌类型包括：小型汽车号牌、大型汽车号牌、挂车号牌、领使馆汽车号牌、港澳出入境车号牌、教练车号牌、警用汽车号牌、新式军牌、新能源号牌、摩托车号牌和机动车临时号牌。

检测的车辆整体特征信息包括车辆类型、车身颜色、车头车尾和车辆角度；

检测的车辆类型包括：轿车、越野车、商务车、面包车、皮卡车、小型货车、大型货车、中小型客车、大型客车、危化品车、消防车、警车、救护车、油罐车、工程抢险车、渣土车、集装箱车、教练车、二轮车、三轮车和拖拉机；

检测的车身颜色包括：黑色、白色、灰色、银色、棕色、红色、金色、绿色、蓝色、黄色、紫色、粉色和橙色。

检测的车辆局部特征信息包括：车内驾乘人员是否系安全带，驾驶员是否拨打电话和驾驶员是否抽烟。

S103，根据预设的违法判罚信息和所述位置信息对多张所述子图片进行逻辑判断，以确定子图片中的目标车辆是否违法，并得到违法结果；

S104，根据所述违法结果对待处理的交通违法图片进行分类。

违法结果包括确定违法、确定不违法和无法判别是否违法。

其中，预设的违法判罚信息可根据如下方式得到：据某个前端抓拍设备，为每种违法类型人工标注车道信息，对应红绿灯区域，但不排除通过数字图像处理的方式智能确定上述信息。

S105，将分类后的所述待处理的交通违法图片、违法结果和结构化信息录入数据库，等待人工审核。

为更好地理解上述方法实施例，下面对车辆确定违法、确定不违法以及无法判别是否违法三种情况进行分别说明：

一、确定违法

图2为确定逆行违法图片的原始拼接图，对其进行还原拆分可得到如图3和图4所示的拼接前小图。对图3和图4进行识别，可得到违法车辆及其结构化信息为：图3和图4检测到的车辆结构化信息均为小型货车、车头、银色、小型汽车号牌和车牌号信息；进一步地，通过YOLO目标检测算法识别出当前车道导向箭头为驶离，则当前车道中不应有车头出现，因此该违法图片可判定为确定违法，并将判定结果及车辆的结构化信息录入数据库，等待进行人工审核。

二、确定不违法

图5为确定不逆行违法图片的原始拼接图，对其进行还原拆分可得到如图6和图7所示的拼接前小图。对图6和图7进行识别，可得到违法车辆及其结构化信息为：图6和图7检测到的车辆结构化信息均为轿车、车头、白色、小型汽车号牌和车牌号信息；进一步地，通过YOLO目标检测算法识别识别出当前车道导向箭头为驶向，则当前车道中应该出现车头，因此该违法图片可判定为确定不违法，并将判定结果及车辆的结构化信息录入数据库，等待进行人工审核。

三、无法判别

图8为无法判别是否逆行违法图片的原始拼接图，对其进行还原拆分可得到如图9和图10所示的拼接前小图。对图9和图10进行识别，可得到违法车辆及其结构化信息为：图9和图10检测到的车辆结构化信息均为面包车、车头、银色、小型汽车号牌和车牌号信息；进一步地，通过YOLO目标检测算法识别识别不到出当前车道的导向箭头，所以无法判定是否逆行，并将判定结果及车辆的结构化信息录入数据库，等待进行人工审核。

实施本发明实施例的方法，利用人工智能的方法在人工审核之前增加预审环节，经提纯后的违法数据，在人力有限的情况下，审核人员可以先审核提纯后的确定违法图片，这样审核过的图片基本都是产出，然后再审核无法判别的图片，最后再审核确定不违法的图片，从而提高了执法人员的工作效率及工作产出。

需要说明的是，上述方法可以处理的违法类型包括但不限于：不系安全带、不按导向行驶、机动车违反禁止标线指示、机动车违反禁令标志指示、驾驶机动车违反道路交通信号灯通行、机动车逆向行驶、违章停车和未停让人行横道上的行人。

基于相同的发明构思，本发明实施例提供了一种交通违法图片处理装置，应用于交通违法图片人工审核前的智能预审环节。如图11所示，该装置包括：

获取模块10，用于获取待处理的交通违法图片，并根据所述待处理的交通违法图片得到多张子图片；

识别模块11，用于对每张所述子图片进行识别，以得到每张所述子图片中目标车辆的结构化信息；

判断模块12，用于根据预设的违法判罚信息和所述结构化信息对多张所述子图片进行逻辑判断，以确定子图片中的目标车辆是否违法，并得到违法结果；

分类模块13，用于根据所述违法结果对待处理的交通违法图片进行分类；

录入模块14，用于将分类后的所述待处理的交通违法图片、违法结果和结构化信息录入数据库，等待人工审核。

进一步地，所述获取模块10用于将所述待处理的交通违法图片还原到拼接前的状态，以得到多张子图片。

进一步地，所述录入模块14还用于将违法结果和结构化信息录入数据库。

在本发明的另一优选实施例中，如图12所示，该处理装置可以包括：一个或多个处理器101、一个或多个输入设备102、一个或多个输出设备103和存储器104，上述处理器101、输入设备102、输出设备103和存储器104通过总线105相互连接。存储器104用于存储计算机程序，所述计算机程序包括程序指令，所述处理器101被配置用于调用所述程序指令执行上述方法实施例部分的方法。

应当理解，在本发明实施例中，所称处理器101可以是中央处理单元(CentralProcessing Unit，CPU)，深度学习显卡(如：华为NPU,英伟达GPU,谷歌TPU)该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，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、分立硬件组件等。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。

输入设备102可以包括键盘等，输出设备103可以包括显示器(LCD等)、扬声器等。

该存储器104可以包括只读存储器和随机存取存储器，并向处理器101提供指令和数据。存储器104的一部分还可以包括非易失性随机存取存储器。例如，存储器104还可以存储设备类型的信息。

具体实现中，本发明实施例中所描述的处理器101、输入设备102、输出设备103可执行本发明实施例提供的交通违法图片处理方法的实施例中所描述的实现方式，在此不再赘述。

需要说明的是，本发明实施例中处理装置的具体工作流程及相关细节，请参考前述方法实施例部分，在此不再赘述。

实施本发明实施例的交通违法图片处理装置，利用人工智能的方法在人工审核之前增加预审环节，经提纯后的违法数据，在人力有限的情况下，审核人员可以先审核提纯后的确定违法图片，这样审核过的图片基本都是产出，然后再审核无法判别的图片，最后再审核确定不违法的图片，从而提高了执法人员的工作效率及工作产出。即，本发明实施例采用智能分析技术，快速预审海量交通违法图片，对各类图片进行提纯，提高了违法图片的准确率，降低了人工审核工作量，提高了执法效率。

进一步地，本发明实施例还提供了一种可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时实现：上述交通违法图片处理方法。

所述计算机可读存储介质可以是前述任一实施例所述的系统的内部存储单元，例如系统的硬盘或内存。所述计算机可读存储介质也可以是所述系统的外部存储设备，例如所述系统上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述计算机可读存储介质还可以既包括所述系统的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述系统所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，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。另外，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，也可以是电的，机械的或其它的形式连接。

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发明实施例方案的目的。

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，也可以是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(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种交通违法图片处理方法，应用于交通违法图片人工审核前的智能预审环节，其特征在于，所述方法包括：

获取待处理的交通违法图片，并根据所述待处理的交通违法图片得到多张子图片；

对每张所述子图片进行识别，以得到每张所述子图片中目标车辆的结构化信息；

根据预设的违法判罚信息和所述结构化信息对多张所述子图片进行逻辑判断，以确定子图片中的目标车辆是否违法，并得到违法结果；

根据所述违法结果对待处理的交通违法图片进行分类；

将分类后的所述待处理的交通违法图片录入数据库，等待人工审核。

2.如权利要求1所述的交通违法图片处理方法，其特征在于，根据所述待处理的交通违法图片得到多张子图片，具体包括：

将所述待处理的交通违法图片还原到拼接前的状态，以得到多张子图片。

3.如权利要求1所述的交通违法图片处理方法，其特征在于，所述方法还包括：

将所述违法结果和结构化信息录入数据库。

4.如权利要求1所述的交通违法图片处理方法，其特征在于，所述违法结果包括确定违法、确定不违法和无法判别是否违法；所述结构化信息包括车辆号牌信息、车辆整体特征信息和车辆局部特征信息。

5.如权利要求4所述的交通违法图片处理方法，其特征在于，所述车牌号信息包括车辆号牌类型和车牌号；所述车辆整体特征信息包括车辆类型、车身颜色、车头车尾和车辆角度；所述车辆局部特征信息包括：车内驾乘人员是否系安全带，驾驶员是否拨打电话和驾驶员是否抽烟。

6.一种交通违法图片处理装置，应用于交通违法图片人工审核前的智能预审环节，其特征在于，所述装置包括：

获取模块，用于获取待处理的交通违法图片，并根据所述待处理的交通违法图片得到多张子图片；

识别模块，用于对每张所述子图片进行识别，以得到每张所述子图片中目标车辆的结构化信息；

判断模块，用于根据预设的违法判罚信息和所述结构化信息对多张所述子图片进行逻辑判断，以确定子图片中的目标车辆是否违法，并得到违法结果；

分类模块，用于根据所述违法结果对待处理的交通违法图片进行分类；

录入模块，用于将分类后的所述待处理的交通违法图片录入数据库，等待人工审核。

7.如权利要求6所述的交通违法图片处理装置，其特征在于，所述获取模块用于将所述待处理的交通违法图片还原到拼接前的状态，以得到多张子图片。

8.如权利要求6所述的交通违法图片处理装置，其特征在于，所述录入模块还用于将所述违法结果和结构化信息录入数据库。

9.一种交通违法图片处理装置，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-5任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-5任一项所述的方法。

Images