CN111462499A - 一种检测交通违法的方法及装置 - Google Patents

Abstract

本申请实施例公开了一种检测交通违法的方法及装置。本申请实施例方法包括：获取合成图，所述合成图由特写图以及多张有序的单图拼接而成；确定所述合成图中每张单图的目标车辆；根据所述目标车辆在所述有序单图中的行驶轨迹以及所对应的单图中的交通灯信息确定所述目标车辆是否交通违法。本申请实施例可提高判断车辆是否交通违法的效率。

Description

一种检测交通违法的方法及装置

技术领域

本申请实施例涉及数据处理领域，尤其涉及一种检测交通违法的方法及装置。

背景技术

目前车辆闯红灯违法判断流程主要包含两个步骤：1、在交通灯卡口安装摄像头，采用一定的规则抓拍四张图并将四张图合成一张大图作为闯红灯违法的依据；2、通过线下人工审核的方式，依据一定的规则判别合成图中目标车辆是否闯红灯违法。

采用人工审核的方法，需要细心的对比合成图，即使一个熟练的审核员也需要较多的时间进行判断，导致判断车辆是否交通违法的效率较低。

发明内容

本申请实施例提供了一种检测交通违法的方法及装置，能够提高判断车辆是否交通违法的效率。

本申请实施例中的一种检测交通违法的方法，包括：

获取合成图，所述合成图由特写图以及多张有序的单图拼接而成；

确定所述合成图中每张单图的目标车辆；

根据所述目标车辆在所述有序单图中的行驶轨迹以及所对应的单图中的交通灯信息确定所述目标车辆是否交通违法。

可选的，所述确定所述合成图中每张单图的目标车辆包括：

根据目标车牌以及所述合成图中每张单图所示的车辆的车牌信息确定目标车辆。

可选的，所述确定所述合成图中每张单图的目标车辆包括：

根据目标车牌以及所述特写图的车辆的车牌信息确定特写图中的目标车辆；

根据车辆REID算法模型确定其它单图的目标车辆。

可选的，所述确定所述合成图中每张单图的目标车辆包括：

根据目标车牌以及所述特写图的车辆的车牌信息确定特写图中的目标车辆；

根据跟踪定位算法模型以及所述合成图中单图的序列确定所述合成图中有序单图的目标车辆。

可选的，所述根据所述目标车辆在所述有序单图中的行驶轨迹以及所对应的单图中的交通灯信息确定所述目标车辆是否交通违法包括：

识别每张所述有序单图中的交通灯以及交通灯类别，若未识别出交通灯，则确定所述目标车辆为疑似交通违法。

可选的，所述方法还包括：

若识别出每张有序单图均有交通灯，则识别所述有序单图中的交通灯的颜色，若任意一张有序单图的交通灯颜色不为红色，则确定所述目标车辆未交通违法。

可选的，所述方法还包括：

若每张有序单图的交通灯颜色均为红色，则确定所述目标车辆在所述有序单图中的行驶轨迹；

根据所述目标车辆的行驶轨迹确定所述目标车辆是否交通违法。

可选的，所述确定所述目标车辆在所述有序单图中的行驶轨迹包括：

根据目标检测算法识别出所述目标车辆所在车道的导向线；

根据所述导向线的类型判断所述目标车辆的行驶轨迹。

可选的，所述确定所述目标车辆在所述有序单图中的行驶轨迹包括：

根据所述有序单图中所述目标车辆的相对位置确定所述目标车辆的行驶轨迹。

本申请实施例中一种检测交通违法的装置，包括：

获取单元，用于获取合成图，所述合成图由特写图以及多张有序的单图拼接而成；

确定单元，用于确定所述合成图中每张单图的目标车辆；

确定单元还用于，根据所述目标车辆在所述有序单图中的行驶轨迹以及所对应的单图中的交通灯信息确定所述目标车辆交通违法的情况。

从以上技术方案可以看出，本申请实施例具有以下优点：

本申请实施例的技术方案中，在通过摄像头抓拍到车辆的行驶信息后，则可以根据目标车牌，对拼接的合成图中确定目标车辆，再根据目标车辆的行驶轨迹和对应的交通灯信息判断该目标车辆是否交通违法。无需通过人工审核，提高了车辆交通违法判断的审核效率。

附图说明

图1为本申请实施例中检测交通违法的方法的一个实施例示意图；

图2为本申请实施例中检测交通违法的方法的另一实施例示意图；

图3为本申请实施例中检测交通违法的装置的一个实施例示意图。

具体实施方式

本申请实施例提供了一种检测交通违法的方法及装置，能够提高判断车辆交通违法的审核效率。

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

请参阅图1，本申请实施例中，检测交通违法的方法一个实施例包括：

需要说明的是，本申请实施例中，执行该检测交通违法的方法的主体可以为检测交通违法的装置，其具体可以是计算机，或者服务器，或者具备处理能力的其它终端，对此本申请不做限定。

101、获取合成图，所述合成图由特写图以及多张有序的单图拼接而成；

在进行交通违法检测之前，需要先获取通过交通灯卡口的摄像头所抓拍的多张图片所拼接的合成图，该合成图一般由四张单图(单张图片)组成，包括一张特写图以及三张有序单图。其中，特写图为对目标车辆放大的特写图。有序单图指的是：目标车辆经过交通灯之前为第一张单图，目标车辆路经过交通灯时为第二张单图，目标车辆经过交通灯之后为第三张单图。

确定四张单图中的特写图的方式可以为：通过需要检测的目标车牌确定四张单图中均存在的车辆，选择车辆面积最大的那张单图作为特写图。或者，分别计算四张单图中两两之间的直方图相似度，直方图相似度较低的为特写图。

102、确定所述合成图中每张单图的目标车辆；

由于该合成图中每张单图可能存在多辆车，因此，需要确定每张单图中需要进行违法检测的目标车辆。

103、根据所述目标车辆在所述有序单图中的行驶轨迹以及所对应的单图中的交通灯信息确定所述目标车辆是否交通违法。

在确定了每张单图的目标车辆后，则可以根据有序单图中目标车辆的行驶轨迹以及单独中对应的交通灯信息判断该目标车辆是否交通违法。

本申请实施例中，在通过摄像头抓拍到车辆的行驶信息后，则可以根据目标车牌，对拼接的合成图中确定目标车辆，再根据目标车辆的行驶轨迹和对应的交通灯信息判断该目标车辆是否交通违法。无需通过人工审核，提高了车辆交通违法判断的审核效率。

参阅图2所示，本申请实施例中，检测交通违法的方法另一实施例包括：

201、获取合成图，所述合成图由特写图以及多张有序的单图拼接而成；

在进行交通违法检测之前，需要先获取通过交通灯卡口的摄像头所抓拍的多张图片所拼接的合成图，该合成图一般由四张单图(单张图片)组成，包括一张特写图以及三张有序单图。其中，特写图为对目标车辆放大的特写图。有序单图指的是：目标车辆经过交通灯之前为第一张单图，目标车辆路经过交通灯时为第二张单图，目标车辆经过交通灯之后为第三张单图。

确定四张单图中的特写图的方式可以为：通过需要检测的目标车牌确定四张单图中均存在的车辆，选择车辆面积最大的那张单图作为特写图。或者，分别计算四张单图中两两之间的直方图相似度，直方图相似度较低的为特写图。

202、根据目标车牌以及所述合成图中每张单图所示的车辆的车牌信息确定目标车辆；

由于该合成图中每张单图可能存在多辆车，因此，需要确定每张单图中需要进行违法检测的目标车辆。其中最方便的确定方式为根据目标车牌匹配至每张单图中的车辆的车牌信息，从而确定每张单图的目标车辆。

由于有的单图车牌信息容易识别，比如特写图车牌信息容易识别，但是有的单图车牌信息难以识别，比如有序单图的车牌信息可能难以识别，因此，当车牌信息难以识别的情况下，本申请实施例还提供了如下两中确定目标车辆的方式：

第一种方式，根据目标车牌以及所述特写图的车辆的车牌信息确定特写图中的目标车辆；根据车辆REID算法模型确定其它单图的目标车辆。

第二种方式，根据目标车牌以及所述特写图的车辆的车牌信息确定特写图中的目标车辆；根据跟踪定位算法模型以及所述合成图中单图的序列确定所述合成图中有序单图的目标车辆。该跟踪定位算法可以为CSRT跟踪算法。

203、识别每张所述有序单图中是否存在交通灯，若否，则执行步骤204，若是，则执行步骤205；

可以通过目标检测算法模型定位交通灯位置，该目标检测算法具体可以为Yolov3检测算法。

204、确定所述目标车辆为疑似交通违法。

若某张有序单图中并未拍到交通灯，则不能确定该目标车辆是否存在交通违法，则可以将该目标车辆判定为疑似交通违法。

205、识别所述有序单图中的交通灯的颜色，判断任意一张有序单图的交通灯颜色是否不为红色，若是，则执行步骤206，若否，则执行步骤207；

206、确定所述目标车辆未交通违法。

若某张有序单图中的交通灯的颜色不为红色，则可以判定该目标车辆未存在交通违法。

207、确定所述目标车辆在所述有序单图中的行驶轨迹；

若每张有序单图中的交通灯颜色均为红色，则需要确定目标车辆的行驶轨迹判断该目标车辆属于哪种交通违法，具体包括左转向闯红灯违法、直行闯红灯交通违法以及右转向闯红灯交通违法。

具体的确定目标车辆的行驶轨迹的方式包括如下两种：

第一种，根据目标检测算法识别出所述目标车辆所在车道的导向线；根据所述导向线的类型判断所述目标车辆的行驶轨迹。

第二种，根据所述有序单图中所述目标车辆的相对位置确定所述目标车辆的行驶轨迹。相对位置指的是目标车辆在单图中的位置，比如目标车辆在单图中的左边，则初始化为直行或者左转，反之，则初始化为直行或者右转。假设目标车辆几乎在同一条直行上，则判定为直行，左转或者右转方向则根据目标车辆组成的三角形形状确定。

208、根据所述目标车辆的行驶轨迹确定所述目标车辆的交通违法情况。

在确定了目标车辆的行驶轨迹之后，则可以确定该目标车辆的交通违法情况，比如：假设目标车辆向左行驶，识别到圆红灯或者左转红灯，则判别目标车辆闯左转红灯；假设目标车辆向右行驶，识别到右转红灯，则判别目标车辆闯右转红灯；假设目标车辆向前直行行驶，识别到圆红灯或者直行红灯，则判别目标车辆闯直行红灯。

请参阅图3，本申请实施例中，检测交通违法的装置的一个实施例包括：

获取单元301，用于获取合成图，所述合成图由特写图以及多张有序的单图拼接而成；

确定单元302，用于确定所述合成图中每张单图的目标车辆；

确定单元302还用于，根据所述目标车辆在所述有序单图中的行驶轨迹以及所对应的单图中的交通灯信息确定所述目标车辆是否交通违法。

本申请实施例中，在通过摄像头抓拍到车辆的行驶信息后，则可以根据目标车牌，对拼接的合成图中确定目标车辆，再根据目标车辆的行驶轨迹和对应的交通灯信息判断该目标车辆是否交通违法。无需通过人工审核，提高了车辆交通违法判断的审核效率。

可选的，所述确定单元302具体用于：

根据目标车牌以及所述合成图中每张单图所示的车辆的车牌信息确定目标车辆。

可选的，所述确定单元302具体还用于：

根据目标车牌以及所述特写图的车辆的车牌信息确定特写图中的目标车辆；

根据车辆REID算法模型确定其它单图的目标车辆。

可选的，所述确定单元302具体还用于：

根据目标车牌以及所述特写图的车辆的车牌信息确定特写图中的目标车辆；

根据跟踪定位算法模型以及所述合成图中单图的序列确定所述合成图中有序单图的目标车辆。

可选的，所述确定单元具体还用于：

识别每张所述有序单图中的交通灯以及交通灯类别，若未识别出交通灯，则确定所述目标车辆为疑似交通违法。

可选的，所述确定单元具体还用于：

若识别出每张有序单图均有交通灯，则识别所述有序单图中的交通灯的颜色，若任意一张有序单图的交通灯颜色不为红色，则确定所述目标车辆未交通违法。

可选的，所述确定单元具体还用于：

若每张有序单图的交通灯颜色均为红色，则确定所述目标车辆在所述有序单图中的行驶轨迹；

根据所述目标车辆的行驶轨迹确定所述目标车辆是否交通违法。

可选的，所述确定单元具体还用于：

根据目标检测算法识别出所述目标车辆所在车道的导向线；

根据所述导向线的类型判断所述目标车辆的行驶轨迹。

可选的，所述确定单元具体还用于：

根据所述有序单图中所述目标车辆的相对位置确定所述目标车辆的行驶轨迹。

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。

在本申请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，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，机械或其它的行驶。

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，在本申请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行驶实现，也可以采用软件功能单元的行驶实现。

集成的单元如果以软件功能单元的行驶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，本申请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行驶体现出来，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)执行本申请各个实施例中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-Only Memory)、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。

Claims (10)

1.一种检测交通违法的方法，其特征在于，包括：

获取合成图，所述合成图由特写图以及多张有序的单图拼接而成；

确定所述合成图中每张单图的目标车辆；

根据所述目标车辆在所述有序单图中的行驶轨迹以及所对应的单图中的交通灯信息确定所述目标车辆是否交通违法。

2.根据权利要求1所述的方法，其特征在于，所述确定所述合成图中每张单图的目标车辆包括：

根据目标车牌以及所述合成图中每张单图所示的车辆的车牌信息确定目标车辆。

3.根据权利要求1所述的方法，其特征在于，所述确定所述合成图中每张单图的目标车辆包括：

根据目标车牌以及所述特写图的车辆的车牌信息确定特写图中的目标车辆；

根据车辆REID算法模型确定其它单图的目标车辆。

4.根据权利要求1所述的方法，其特征在于，所述确定所述合成图中每张单图的目标车辆包括：

根据目标车牌以及所述特写图的车辆的车牌信息确定特写图中的目标车辆；

根据跟踪定位算法模型以及所述合成图中单图的序列确定所述合成图中有序单图的目标车辆。

5.根据权利要求1所述的方法，其特征在于，所述根据所述目标车辆在所述有序单图中的行驶轨迹以及所对应的单图中的交通灯信息确定所述目标车辆是否交通违法包括：

识别每张所述有序单图中的交通灯以及交通灯类别，若未识别出交通灯，则确定所述目标车辆为疑似交通违法。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

若识别出每张有序单图均有交通灯，则识别所述有序单图中的交通灯的颜色，若任意一张有序单图的交通灯颜色不为红色，则确定所述目标车辆未交通违法。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

若每张有序单图的交通灯颜色均为红色，则确定所述目标车辆在所述有序单图中的行驶轨迹；

根据所述目标车辆的行驶轨迹确定所述目标车辆是否交通违法。

8.根据权利要求7所述的方法，其特征在于，所述确定所述目标车辆在所述有序单图中的行驶轨迹包括：

根据目标检测算法识别出所述目标车辆所在车道的导向线；

根据所述导向线的类型判断所述目标车辆的行驶轨迹。

9.根据权利要求7所述的方法，其特征在于，所述确定所述目标车辆在所述有序单图中的行驶轨迹包括：

根据所述有序单图中所述目标车辆的相对位置确定所述目标车辆的行驶轨迹。

10.一种检测交通违法的装置，其特征在于，包括：

获取单元，用于获取合成图，所述合成图由特写图以及多张有序的单图拼接而成；

确定单元，用于确定所述合成图中每张单图的目标车辆；

确定单元还用于，根据所述目标车辆在所述有序单图中的行驶轨迹以及所对应的单图中的交通灯信息确定所述目标车辆交通违法的情况。

Images