CN111539317A - 车辆违规行驶检测方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及人工智能技术领域，尤其涉及一种车辆违规行驶检测方法、装置、计算机设备和存储介质。所述方法包括：获取待检测图像，待检测图像携带有图像信息；对待检测图像进行车牌信息的提取，得到多个车牌识别信息；对图像信息进行解析，得到目标车牌信息；判断多个识别车牌信息中是否存在与目标车牌信息对应的车牌识别信息；当多个识别车牌信息中存在与目标车牌信息对应的车牌识别信息时，则对待检测图像进行违规行驶行为检测，并基于违规行驶行为检测的检测结果确定对应目标车牌信息的目标车辆是否违规行驶。采用本方法能够提升车辆违规行驶检测的处理效率。

Description

车辆违规行驶检测方法、装置、计算机设备和存储介质

技术领域

本申请涉及人工智能技术领域，特别是涉及一种车辆违规行驶检测方法、装置、计算机设备和存储介质。

背景技术

随着现代社会经济的快速发展和城市化的普及，汽车作为一种重要的交通工具，其数量呈井喷式增长。汽车数量的增长给人们带来便利的同时，也引发了一系列的交通违规行驶问题，例如，车门或者车厢后盖未关闭行驶等。

目前，在电子警察相机抓拍到违规行驶的图像后，还需要进行二次审核，传统的方式是以人工操作进行审核。

但是，通过人工操作进行审核，数据处理不够智能化，并且处理效率较低。

发明内容

基于此，有必要针对上述技术问题，提供一种提升处理效率的车辆违规行驶检测方法、装置、计算机设备和存储介质。

一种车辆违规行驶检测方法，所述方法包括：

获取待检测图像，待检测图像携带有图像信息；

对待检测图像进行车牌信息的提取，得到多个车牌识别信息；

对图像信息进行解析，得到目标车牌信息；

判断多个识别车牌信息中是否存在与目标车牌信息对应的车牌识别信息；

当多个识别车牌信息中存在与目标车牌信息对应的车牌识别信息时，则对待检测图像进行违规行驶行为检测，并基于违规行驶行为检测的检测结果确定对应目标车牌信息的目标车辆是否违规行驶。

在其中一个实施例中，对待检测图像进行车牌信息的提取，得到多个车牌识别信息，包括：

对待检测图像进行车辆图像检测，得到待检测图像中的车辆图像；

对车辆图像进行车牌信息的识别，得到多个车牌识别信息；

对待检测图像进行违规行驶检测，包括：

对与目标车牌信息对应的车牌识别信息对应的车辆图像进行违规行驶检测。

在其中一个实施例中，对待检测图像的图像信息进行解析，得到目标车牌信息，包括：

获取图像信息的生成规则；

基于生成规则对图像信息进行解析，得到目标车牌信息。

在其中一个实施例中，对待检测图像进行违规行驶行为检测，并基于违规行驶行为检测的检测结果确定对应目标车牌信息的目标车辆是否违规行驶，包括：

对待检测图像进行车辆未关门和/或车厢未关闭的违规行驶行为检测；

当检测到对应目标车牌信息的目标车辆存在车辆未关门和/或车厢未关闭中至少一种违规行驶行为时，则确定目标车辆违规行驶。

在其中一个实施例中，获取待检测图像之前，还包括：

接收终端上传的拼接图像，拼接图像由多张待检测图像拼接组成；

对拼接图像进行切割，得到多张待检测图像；

对待检测图像进行车牌信息的提取，包括：

分别对得到的各待检测图像进行车牌信息的提取；

判断多个车牌识别信息中是否存在与目标车牌信息对应的车牌识别信息，包括：

分别判断多张待检测图像所识别的多个车牌识别信息中是否存在与目标车牌信息对应的车牌识别信息；

当至少一张待检测图像所识别的多个车牌识别信息中存在与目标车牌信息对应的车牌识别信息时，则判定多个识别车牌信息中存在与目标车牌信息对应的车牌识别信息；

当多张待检测图像所识别的多个车牌识别信息中均不存在与目标车牌信息对应的车牌识别信息时，则判定多个识别车牌信息中不存在与目标车牌信息对应的车牌识别信息。

在其中一个实施例中，对拼接图像进行切割，得到多张待检测图像，包括：

通过识别框滑动遍历拼接图像，获取拼接图像的感兴趣区域；

采用二分类网络对感兴趣区域进行边界以及非边界的判定；

根据所得到的边界以及非边界确定拼接图像的拼接方式，并通过对应拼接方式的图像切割方式对拼接图像进行切割，得到多张待检测图像。

一种车辆违规行驶检测装置，所述装置包括：

待检测图像获取模块，用于获取待检测图像，待检测图像携带有图像信息；

车牌信息提取模块，用于对待检测图像进行车牌信息的提取，得到多个车牌识别信息；

解析模块，用于对图像信息进行解析，得到目标车牌信息；

判断模块，用于判断多个识别车牌信息中是否存在与目标车牌信息对应的车牌识别信息；

违规行驶行为检测模块，用于当多个识别车牌信息中存在与目标车牌信息对应的车牌识别信息时，则对待检测图像进行违规行驶行为检测，并基于违规行驶行为检测的检测结果确定对应目标车牌信息的目标车辆是否违规行驶。

在其中一个实施例中，车牌信息提取模块，包括：

车辆检测子模块，用于对待检测图像进行车辆图像检测，得到待检测图像中的车辆图像；

车牌信息识别子模块，用于对车辆图像进行车牌信息的识别，得到多个车牌识别信息；

违规行驶行为检测模块用于对与目标车牌信息对应的车牌识别信息对应的车辆图像进行违规行驶检测。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。

一种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上述任一项所述方法的步骤。

上述车辆违规行驶检测方法、装置、计算机设备和存储介质，通过获取待检测图像，待检测图像携带有图像信息，对待检测图像进行车牌信息的提取，得到多个车牌识别信息，然后对图像信息进行解析，得到目标车牌信息，进一步判断多个识别车牌信息中是否存在与目标车牌信息对应的车牌识别信息，并当多个车牌识别信息中存在与目标车牌信息对应的车牌识别信息，则对待检测图像进行违规行驶行为检测，并基于检测结果确定对应目标车牌信息的目标车辆是否违规行驶。从而，可以无需人工参与对电子警察相机抓拍到违规行驶图像进行二次判定，可以使车辆违规行驶检测判断更加智能化，进而可以提升处理效率。

附图说明

图1为一个实施例中车辆违规行驶检测方法的应用场景图；

图2为一个实施例中车辆违规行驶检测方法的流程示意图；

图3为另一个实施例中车辆违规行驶检测方法的流程示意图；

图4为一个实施例中车辆违规行驶的示意图；

图5为一个实施例中不同拼接方式的拼接图像的示意图；

图6为一个实施例中车辆违规行驶检测装置的结构框图；

图7为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的车辆违规行驶检测方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。终端102可以采集到对应的待检测图像，并传送至服务器104，服务器104获取待检测图像后，可以对待检测图像进行车牌信息的提取，得到多个车牌识别信息，并且，对待检测图像携带的图像信息进行解析，得到目标车牌信息，然后服务器104判断多个识别车牌信息中是否存在与目标车牌信息对应的车牌识别信息，并在当多个识别车牌信息中存在与目标车牌信息对应的车牌识别信息时，则对待检测图像进行违规行驶行为检测，并基于违规行驶行为检测的检测结果确定对应目标车牌信息的目标车辆是否违规行驶。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种数据处理方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

步骤S202，获取待检测图像，待检测图像携带有图像信息。

其中，待检测图像可以是电子警察相机拍摄的禁止违章区域的图像，或者也可以是由电子警察相机采集的禁止违章区域的视频中截取出来的图像。

图像信息是指待检测图像携带的信息，可以包括采集路口信息、车牌信息、采集设备编号信息、车道编号信息、以及采集时间信息等。

步骤S204，对待检测图像进行车牌信息的提取，得到多个车牌识别信息。

其中，车牌信息是指与车辆的车牌相关的信息，例如，可以是车牌号码等信息。

具体地，待检测图像中可以包括多个车辆，服务器可以分别对各车辆的车牌信息进行提取，基于提取结果，得到多个车牌识别信息。

步骤S206，对图像信息进行解析，得到目标车牌信息。

其中，目标车牌信息是指需要进行车辆违章二次审核的车辆的车牌信息，如目标车牌号码。

在本实施例中，电子警察相机抓拍到违章视频或者违章图像后，可以通过终端进行初次违章检测。终端可以通过图像识别技术等，对违章图像进行初次违章检测，以获取违章图像中车辆的车牌号码。

进一步，终端可以将得到的车牌信息、采集路口、采集设备编号、车道编号、以及采集时间等信息进行打包，并作为附件信息添加到待检测图像中。以发送至服务器，以由服务器对车联是否违停进行二次审核。

可选地，服务器对待检测图像进行车牌信息的提取，得到多个车牌识别信息，以及对图像信息进行解析，得到目标车牌信息，可以是通过两个线程并行同时进行，从而使得解析与车牌信息的提取互不干扰，节约处理时间，提升处理效率。

步骤S208，判断多个识别车牌信息中是否存在与目标车牌信息对应的车牌识别信息。

具体地，服务器在得到车牌识别信息以及目标车牌信息后，可以对车牌识别信息以及目标车牌信息进行匹配，以判断多个识别车牌信息中是否存在与目标车牌信息对应的车牌识别信息，例如，比对车牌号码是否一致。

在本实施例中，当各识别车牌信息与目标车牌信息均不一致时，则确定识别车牌信息中不存在对应目标车牌信息匹配的车牌识别信息，当至少一个识别车牌信息与目标车牌信息一致时，则确定多个识别车牌信息中存在对应目标车牌信息匹配的车牌识别信息。

本领域技术人员可以理解的是，通过车牌号码进行车牌信息匹配时，是按照车牌号码的位置顺序，依次对每一位置顺序的车牌识别号码与目标车牌号码进行匹配，在确定前一位置顺序的号码一致时，在进行后一位置顺序号码的匹配，当不一致时，则匹配中止。可选的，也可以是并列对多个位置顺序的号码同时进行匹配，以较短时间完成对车牌号码的匹配。

在本实施例中，当多个识别车牌信息中不存在与目标车牌信息对应的车牌识别信息，则确定目标车牌信息对应的目标车辆未违规行驶，多个识别车牌信息中存在与目标车牌信息对应的车牌识别信息，则需要对于目标车牌信息对应的车牌识别信息对应的车辆进行进一步的判定。

步骤S210，当多个识别车牌信息中存在与目标车牌信息对应的车牌识别信息时，则对待检测图像进行违规行驶行为检测，并基于违规行驶行为检测的检测结果确定对应目标车牌信息的目标车辆是否违规行驶。

其中，违规行驶是指车辆行驶过程中的违规行为，例如，开车门行驶、未关闭后备箱行驶、在道路中间停车开门下车等行为。

具体地，服务器在判定存在与目标车牌信息对应的车牌识别信息时，则可以进一步对待检测图像进行违规行驶行为的检测，当检测到违规行驶行为时，则生成对应的检测结果，例如，开门行驶、未检测到违规行驶行为等。然后基于检测结果，确定对应目标车辆是否违规行驶，例如，如检测结果为“开门行驶”，则可以确定目标车辆违规行驶，为检测结果为“未检测到违规行驶行为”，则可以确定目标车辆未违规行驶。

上述车辆违规行驶检测方法中，通过获取待检测图像，待检测图像携带有图像信息，对待检测图像进行车牌信息的提取，得到多个车牌识别信息，然后对图像信息进行解析，得到目标车牌信息，进一步判断多个识别车牌信息中是否存在与目标车牌信息对应的车牌识别信息，并当多个车牌识别信息中存在与目标车牌信息对应的车牌识别信息，则对待检测图像进行违规行驶行为检测，并基于检测结果确定对应目标车牌信息的目标车辆是否违规行驶。从而，可以无需人工参与对电子警察相机抓拍到违规行驶图像进行二次判定，可以使车辆违规行驶检测判断更加智能化，进而可以提升处理效率。

在其中一个实施例中，参考图3，对待检测图像进行车牌信息的提取，得到多个车牌识别信息，可以包括：对待检测图像进行车辆图像检测，得到待检测图像中的车辆图像；对车辆图像进行车牌信息的识别，得到多个车牌识别信息。

其中，车辆图像是指仅包括车辆的图像，车牌识别信息是指对车辆图像进行识别后得到的车牌信息，例如，可以是车牌号等。

具体地，服务器可以先通过车辆检测模型对待检测图像中车辆图像进行检测，并将得到的车辆图像输入车牌检测模型，以进行车牌信息的识别检测，得到车牌识别信息。

在本实施例中，车辆检测模型可以是基于Center Net目标检测算法的模型，服务器可以通过Center Net目标检测算法对待检测图像进行车辆的检测。

进一步，服务器通过车牌检测模型对车牌信息进行识别检测可以包括：首先，采用多尺度目标检测框架(Single Shot Multi Box Detector，SSD)，基础网络用ShuffleNet_V2的车牌检测模型对车辆图像进行车牌检测。需要说明的是，本实施例中采用ShuffleNet_V2基础网络，可以提升检测处理速度。然后，在通过长短期记忆网络(LSTM，Long Short-Term Memory)对检测车牌进行识别，得到车牌识别信息。

可选地，服务器通过车辆检测模型对待检测图像中车辆图像进行检测可以是，先对待检测图像进行特征提取，得到多个尺度的车辆特征，然后采用相邻两阶特征逐层融合的方式，对相邻两个尺度的车辆特征进行特征融合，得到多个尺度的车辆融合特征，进一步分别对各尺度的车辆融合特征进行回归处理，得到对应各尺度的车辆融合特征的回归结果，然后采用非极大值抑制准则对多个回归结果进行筛选，并基于筛选的回归结果确定各单帧图像中的车辆图像。

同理，服务器其可以基于同样的检测方式，将得到的车辆图像输入车牌检测模型，以进行车牌信息的识别检测，得到车牌识别信息。

可选地，车辆检测模型以及车牌检测模型均是预先训练并进行验证后的检测模型。

在本实施例中，对待检测图像进行违规行驶检测，可以包括：对与目标车牌信息对应的车牌识别信息对应的车辆图像进行违规行驶检测。

具体地，服务器通过对待检测图像进行车辆图像检测，得到车辆图像，并对车辆图像进行车牌信息的识别，得到车牌识别信息后，基于车牌识别信息与目标车牌信息进行比较，并在存在与目标车牌信息对应的车牌识别信息时，对该车牌识别信息对应的车辆图像进行违规行驶检测。

上述实施例中，通过先进行车辆图像的检测，然后对检测得到的车辆图像进行车牌信息的识别，可以提升识别的准确性。并且，通过对与目标车牌信息对应的车牌识别信息对应的车辆图像进行违规行驶检测，而不用直接对待检测图像进行违规行驶检测，可以排除待检测图像中的干扰因素，提升违规行驶检测的准确性。

在其中一个实施例中，对待检测图像的图像信息进行解析，得到目标车牌信息，可以包括：获取图像信息的生成规则；基于生成规则对图像信息进行解析，得到目标车牌信息。

如前文所述，图像可以包括采集路口信息、车牌信息、采集设备编号信息、车道编号信息、以及采集时间信息等，生成规则是指图像信息中各信息的排列规则，例如，按照采集路口、设备编号、车道编号、车牌信息、采集时间的顺序依次排布等。

在本实施例中，服务器可以基于图像信息的生成规则，从图像信息进行解析，并准确获取到目标车辆信息。

可选地，服务器也可以基于图像信息以及对应的生成规则，对目标车辆的违规行驶时间、路口等进行解析，并获取时间信息、路口信息等。

上述实施例中，通过获取对应图像信息的生成规则，并对图像信息进行解析，得到目标车牌信息，可以提升解析得到的目标车牌信息的准确性，进而可以提升违规行为判定的准确性。

在其中一个实施例中，继续参考图3，对待检测图像进行违规行驶行为检测，并基于违规行驶行为检测的检测结果确定对应目标车牌信息的目标车辆是否违规行驶，可以包括：对待检测图像进行车辆未关门和/或车厢未关闭的违规行驶行为检测；当检测到对应目标车牌信息的目标车辆存在车辆未关门和/或车厢未关闭中至少一种违规行驶行为时，则确定目标车辆违规行驶。

在本实施例中，服务器可以目标检测算法等进行违规行驶行为的检测，例如，通过神经网络模型等进行，如SKNet模型等。

具体地，用于进行违规行驶行为的神经网络模型是经过预先训练并经验证后的模型，模型的具体训练方式可以包括：

首先，服务器获取用于训练违规行驶行为的检测的模型的训练集图像，训练集图像中包括车辆未关门和/或车厢未关闭中至少一种违规行驶行为。

然后通过标注框对训练集图像中的车辆未关门和/或车厢未关闭的违规行驶分别进行标注，分别得到车辆未关门和/或车厢未关闭的位置信息和类别信息。

进一步，服务器对标注后的训练集图像进行归一化处理，得到模型输入尺寸的训练集图像，并将训练集图像输入构建的模型中，对训练集图像中车辆未关门和/或车厢未关闭的违规行驶行为进行特征提取，得到多个尺度的特征图像。

进一步，服务器对各尺度的特征图像进行特征融合，得到对应各尺度的特征图像的预测框。

进一步，服务器基于标注框以及批注信息，通过相应的损失函数确定对应各尺度的预测框的损失值，如L1损失函数和/或L2损失函数，并通过损失值更新模型参数，以此对模型进行迭代处理，得到训练后的模型。

在本实施例中，服务器通过训练好的模型对待检测图像进行车辆未关门和/或车厢未关闭的违规行驶行为检测，如参考图4中所示，车辆车厢未关闭，以此来确定车辆是否违规行驶。

具体地，当服务器检测到待检测图像中对应目标车牌信息的目标车辆存在车辆未关门和/或车厢未关闭中至少一种违规行驶行为时，则确定目标车辆违规行驶，服务器既未检测到车辆未关门也未检测到车厢未关闭时，则确定车辆正常行驶。

上述实施例中，通过对待检测图像进行车辆未关门和/或车厢未关闭的违规行驶行为检测，并当检测到对应目标车牌信息的目标车辆存在车辆未关门和/或车厢未关闭中至少一种违规行驶行为时，则确定目标车辆违规行驶，从而，可以智能化的对车辆违规行驶行为进行检测，提升检测的准确性。

在其中一个实施例中，继续参考图3，获取待检测图像之前，上述方法还可以包括：接收终端上传的拼接图像，拼接图像由多张待检测图像拼接组成；对拼接图像进行切割，得到多张待检测图像。

其中，拼接图像是由多张时间依次连续的待检测图像拼接而成的图像，例如，参考图5，拼接图像可以是由2张待检测图像拼接而成的图像，或者也可以是有其他数量的待检测图像拼接而成的图像，本申请对此不作限制。

在本实施例中，服务器在获取拼接图像后，可以通过图像切割算法，对拼接图像进行切割，以得到多张待检测图像。

在本实施例中，对待检测图像进行车牌信息的提取，可以包括：分别对得到的各待检测图像进行车牌信息的提取。

具体地，服务器对切割得到的各待检测图像分别进行车牌信息的提取，以得到对应多张待检测图像的多个车牌识别信息。

在本实施例中，判断多个车牌识别信息中是否存在与目标车牌信息对应的车牌识别信息，可以包括：分别判断多张待检测图像所识别的多个车牌识别信息中是否存在与目标车牌信息对应的车牌识别信息；当至少一张待检测图像所识别的多个车牌识别信息中存在与目标车牌信息对应的车牌识别信息时，则判定多个识别车牌信息中存在与目标车牌信息对应的车牌识别信息；当多张待检测图像所识别的多个车牌识别信息中均不存在与目标车牌信息对应的车牌识别信息时，则判定多个识别车牌信息中不存在与目标车牌信息对应的车牌识别信息。

其中，拼接图像切割后得到多张待检测图像，各待检测图像携带的图像信息可以是相同，即图像信息可以是拼接图像的图像信息，在拼接图像切割过程中，可以将图像信息分别分配至切割后的各待检测图像中，以使得切割后得到的各待检测图像均携带有相同的图像信息。本领域技术人员可以理解的是，此处仅为示例性说明，在其他实施例中，也可以是在切割过程中对拼接图像的图像信息进行分割，以得到对应各切割后待检测图像的图像信息，各切割后待检测图像的图像信息互不相同，本申请对此不作限制。

具体地，服务器对各待检测图像所识别的多个车牌识别信息均与解析得到的目标车牌信息进行匹配判定，当至少一张待检测图像所识别的多个车牌识别信息中存在与目标车牌信息对应的车牌识别信息时，则判定多个识别车牌信息中存在与目标车牌信息对应的车牌识别信息，否则，则判定多个识别车牌信息中不存在与目标车牌信息对应的车牌识别信息。

上述实施例中，通过获取拼接图像并进行切割，得到多张待检测图像，然后分别对各待检测图像进行特征提取以及进行判断，可以增加抓拍的违规行驶行为的概率，进而可以提升违规行驶行为检测的准确性。

在其中一个实施例中，对拼接图像进行切割，得到多张待检测图像，可以包括：通过识别框滑动遍历拼接图像，获取拼接图像的感兴趣区域；采用二分类网络对感兴趣区域进行边界以及非边界的判定；根据所得到的边界以及非边界确定拼接图像的拼接方式，并通过对应拼接方式的图像切割方式对拼接图像进行切割，得到多张待检测图像。

其中，感兴趣区域(region of interest，ROI)是从图像中选择的一个图像区域，该区域为进一步图像分析中的重点区域。

识别框可以是方框、圆、椭圆、不规则多边形等选取框，可以通过识别框选取到滑动范围内的图像。

二分类网络为将样本分为负类以及正类的网络模型。在本申请中，正类可以对应于边界，负类可以对应于非边界，或者反之亦可。

拼接方式是指拼接图像中多张待检测图像的拼接方式，继续参考图5，例如一排两列、两排两列、多排多列、或者不规则排列等。

图像切割方式是指对应拼接方式的图像切割方式，对于拼接图像的不同的拼接方式，图像切割方式不同。

具体地，服务器可以根据预先设定的识别框，勾勒出拼接图像中需要进行图像分析的感兴趣区域。

进一步，服务器在通过识别框获取感兴趣区域后，将该感兴趣区域输入二分类网络，二分类网络对感兴趣区域图像中每一像素进行识别判定，确定每一像素为边界或者非边界。

在实际应用中，服务器可以根据获取的历史拼接图像，对该两分类网络进行训练，以使该两分类网络具有识别图像中各像素为边界以及非边界的功能。

进一步，服务器通过识别框遍历整个拼接图像，并对每一感兴趣区域进行识别判定后，可以识别出拼接图像中的边界区域，并根据边界区域判定图像是一排两列，两排两列，或者是其他的拼接方式，进而根据对应的图像切割方式进行图像的切割，例如，继续参考图5，对于一排两列，仅需根据边界以及非边界进行一次切割，即可得到多张待检测图像，而对于两排两列、或者是两排三列的拼接图像，则需要进行多次切割，得到对应的多张单帧图像。

上述实施例中，通过以识别框获取感兴趣区域，并采用二分类网络对感兴趣区域进行边界以及非边界的判定，然后确定拼接图像的拼接方式，并通过对应的图像切割方式进行拼接图像的切割，从而在进行判定时仅对拼接图像中获取的感兴趣区域进行，判定区域较小，可以提升判定的准确性。并且，根据对应拼接方式的图像切割方式进行拼接图像的切割，可以提升切割的准确性，可以进一步提升判定的准确性。

应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图6所示，提供了一种车辆违规行驶检测装置，可以包括：待检测图像获取模块100、车牌信息提取模块200、解析模块300、判断模块400以及违规行驶行为检测模块500，其中：

待检测图像获取模块100，用于获取待检测图像，待检测图像携带有图像信息。

车牌信息提取模块200，用于对待检测图像进行车牌信息的提取，得到多个车牌识别信息。

解析模块300，用于对图像信息进行解析，得到目标车牌信息。

判断模块400，用于判断多个识别车牌信息中是否存在与目标车牌信息对应的车牌识别信息。

违规行驶行为检测模块500，用于当多个识别车牌信息中存在与目标车牌信息对应的车牌识别信息时，则对待检测图像进行违规行驶行为检测，并基于违规行驶行为检测的检测结果确定对应目标车牌信息的目标车辆是否违规行驶。

在其中一个实施例中，车牌信息提取模块200可以包括：

车辆检测子模块，用于对待检测图像进行车辆图像检测，得到待检测图像中的车辆图像。

车牌信息识别子模块，用于对车辆图像进行车牌信息的识别，得到多个车牌识别信息。

违规行驶行为检测模块用于对与目标车牌信息对应的车牌识别信息对应的车辆图像进行违规行驶检测。

在其中一个实施例中，解析模块300可以包括：

生成规则获取子模块，用于获取图像信息的生成规则。

解析子模块，用于基于生成规则对图像信息进行解析，得到目标车牌信息。

在其中一个实施例中，违规行驶行为检测模块500可以包括：

违规行驶行为检测子模块，用于对待检测图像进行车辆未关门和/或车厢未关闭的违规行驶行为检测。

违规行驶判定子模块，用于当检测到对应目标车牌信息的目标车辆存在车辆未关门和/或车厢未关闭中至少一种违规行驶行为时，则确定目标车辆违规行驶。

在其中一个实施例中，上述装置还可以包括：

图像接收模块，用于在待检测图像获取模块100获取待检测图像之前，接收终端上传的拼接图像，拼接图像由多张待检测图像拼接组成。

切割模块，用于对拼接图像进行切割，得到多张待检测图像。

在本实施例中，车牌信息提取模块200可以用于分别对得到的各待检测图像进行车牌信息的提取。

在本实施例中，判断模块400可以用于分别判断多张待检测图像所识别的多个车牌识别信息中是否存在与目标车牌信息对应的车牌识别信息；当至少一张待检测图像所识别的多个车牌识别信息中存在与目标车牌信息对应的车牌识别信息时，则判定多个识别车牌信息中存在与目标车牌信息对应的车牌识别信息；当多张待检测图像所识别的多个车牌识别信息中均不存在与目标车牌信息对应的车牌识别信息时，则判定多个识别车牌信息中不存在与目标车牌信息对应的车牌识别信息。

在其中一个实施例中，切割模块可以包括：

感兴趣区域获取子模块，用于通过识别框滑动遍历拼接图像，获取拼接图像的感兴趣区域。

判定子模块，用于采用二分类网络对感兴趣区域进行边界以及非边界的判定。

切割子模块，用于根据所得到的边界以及非边界确定拼接图像的拼接方式，并通过对应拼接方式的图像切割方式对拼接图像进行切割，得到多张待检测图像。

关于车辆违规行驶检测装置的具体限定可以参见上文中对于车辆违规行驶检测方法的限定，在此不再赘述。上述车辆违规行驶检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储待检测图像、车牌识别信息以及目标车牌信息等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种车辆违规行驶检测方法。

本领域技术人员可以理解，图7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，具体地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。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取待检测图像，待检测图像携带有图像信息；对待检测图像进行车牌信息的提取，得到多个车牌识别信息；对图像信息进行解析，得到目标车牌信息；判断多个识别车牌信息中是否存在与目标车牌信息对应的车牌识别信息；当多个识别车牌信息中存在与目标车牌信息对应的车牌识别信息时，则对待检测图像进行违规行驶行为检测，并基于违规行驶行为检测的检测结果确定对应目标车牌信息的目标车辆是否违规行驶。

在其中一个实施例中，处理器执行计算机程序时实现对待检测图像进行车牌信息的提取，得到多个车牌识别信息，可以包括：对待检测图像进行车辆图像检测，得到待检测图像中的车辆图像；对车辆图像进行车牌信息的识别，得到多个车牌识别信息。处理器执行计算机程序时实现对待检测图像进行违规行驶检测，可以包括：对与目标车牌信息对应的车牌识别信息对应的车辆图像进行违规行驶检测。

在其中一个实施例中，处理器执行计算机程序时实现对待检测图像的图像信息进行解析，得到目标车牌信息，可以包括：获取图像信息的生成规则；基于生成规则对图像信息进行解析，得到目标车牌信息。

在其中一个实施例中，处理器执行计算机程序时实现对待检测图像进行违规行驶行为检测，并基于违规行驶行为检测的检测结果确定对应目标车牌信息的目标车辆是否违规行驶，可以包括：对待检测图像进行车辆未关门和/或车厢未关闭的违规行驶行为检测；当检测到对应目标车牌信息的目标车辆存在车辆未关门和/或车厢未关闭中至少一种违规行驶行为时，则确定目标车辆违规行驶。

在其中一个实施例中，处理器执行计算机程序时实现获取待检测图像之前，还可以实现：接收终端上传的拼接图像，拼接图像由多张待检测图像拼接组成；对拼接图像进行切割，得到多张待检测图像。处理器执行计算机程序时实现对待检测图像进行车牌信息的提取，可以包括：分别对得到的各待检测图像进行车牌信息的提取。处理器执行计算机程序时实现判断多个车牌识别信息中是否存在与目标车牌信息对应的车牌识别信息，可以包括：分别判断多张待检测图像所识别的多个车牌识别信息中是否存在与目标车牌信息对应的车牌识别信息；当至少一张待检测图像所识别的多个车牌识别信息中存在与目标车牌信息对应的车牌识别信息时，则判定多个识别车牌信息中存在与目标车牌信息对应的车牌识别信息；当多张待检测图像所识别的多个车牌识别信息中均不存在与目标车牌信息对应的车牌识别信息时，则判定多个识别车牌信息中不存在与目标车牌信息对应的车牌识别信息。

在其中一个实施例中，处理器执行计算机程序时实现对拼接图像进行切割，得到多张待检测图像，可以包括：通过识别框滑动遍历拼接图像，获取拼接图像的感兴趣区域；采用二分类网络对感兴趣区域进行边界以及非边界的判定；根据所得到的边界以及非边界确定拼接图像的拼接方式，并通过对应拼接方式的图像切割方式对拼接图像进行切割，得到多张待检测图像。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取待检测图像，待检测图像携带有图像信息；对待检测图像进行车牌信息的提取，得到多个车牌识别信息；对图像信息进行解析，得到目标车牌信息；判断多个识别车牌信息中是否存在与目标车牌信息对应的车牌识别信息；当多个识别车牌信息中存在与目标车牌信息对应的车牌识别信息时，则对待检测图像进行违规行驶行为检测，并基于违规行驶行为检测的检测结果确定对应目标车牌信息的目标车辆是否违规行驶。

在其中一个实施例中，计算机程序被处理器执行时实现对待检测图像进行车牌信息的提取，得到多个车牌识别信息，可以包括：对待检测图像进行车辆图像检测，得到待检测图像中的车辆图像；对车辆图像进行车牌信息的识别，得到多个车牌识别信息。计算机程序被处理器执行时实现对待检测图像进行违规行驶检测，可以包括：对与目标车牌信息对应的车牌识别信息对应的车辆图像进行违规行驶检测。

在其中一个实施例中，计算机程序被处理器执行时实现对待检测图像的图像信息进行解析，得到目标车牌信息，可以包括：获取图像信息的生成规则；基于生成规则对图像信息进行解析，得到目标车牌信息。

在其中一个实施例中，计算机程序被处理器执行时实现对待检测图像进行违规行驶行为检测，并基于违规行驶行为检测的检测结果确定对应目标车牌信息的目标车辆是否违规行驶，可以包括：对待检测图像进行车辆未关门和/或车厢未关闭的违规行驶行为检测；当检测到对应目标车牌信息的目标车辆存在车辆未关门和/或车厢未关闭中至少一种违规行驶行为时，则确定目标车辆违规行驶。

在其中一个实施例中，计算机程序被处理器执行时实现获取待检测图像之前，还可以实现：接收终端上传的拼接图像，拼接图像由多张待检测图像拼接组成；对拼接图像进行切割，得到多张待检测图像。计算机程序被处理器执行时实现对待检测图像进行车牌信息的提取，可以包括：分别对得到的各待检测图像进行车牌信息的提取。计算机程序被处理器执行时实现判断多个车牌识别信息中是否存在与目标车牌信息对应的车牌识别信息，可以包括：分别判断多张待检测图像所识别的多个车牌识别信息中是否存在与目标车牌信息对应的车牌识别信息；当至少一张待检测图像所识别的多个车牌识别信息中存在与目标车牌信息对应的车牌识别信息时，则判定多个识别车牌信息中存在与目标车牌信息对应的车牌识别信息；当多张待检测图像所识别的多个车牌识别信息中均不存在与目标车牌信息对应的车牌识别信息时，则判定多个识别车牌信息中不存在与目标车牌信息对应的车牌识别信息。

在其中一个实施例中，计算机程序被处理器执行时实现对拼接图像进行切割，得到多张待检测图像，可以包括：通过识别框滑动遍历拼接图像，获取拼接图像的感兴趣区域；采用二分类网络对感兴趣区域进行边界以及非边界的判定；根据所得到的边界以及非边界确定拼接图像的拼接方式，并通过对应拼接方式的图像切割方式对拼接图像进行切割，得到多张待检测图像。

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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

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。

以上所述实施例仅表达了本申请的几种实施方式，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，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种车辆违规行驶检测方法，其特征在于，包括：

获取待检测图像，所述待检测图像携带有图像信息；

对所述待检测图像进行车牌信息的提取，得到多个车牌识别信息；

对所述图像信息进行解析，得到目标车牌信息；

判断所述多个识别车牌信息中是否存在与所述目标车牌信息对应的车牌识别信息；

当所述多个识别车牌信息中存在与所述目标车牌信息对应的车牌识别信息时，则对所述待检测图像进行违规行驶行为检测，并基于所述违规行驶行为检测的检测结果确定对应所述目标车牌信息的目标车辆是否违规行驶。

2.根据权利要求1所述的方法，其特征在于，所述对所述待检测图像进行车牌信息的提取，得到多个车牌识别信息，包括：

对所述待检测图像进行车辆图像检测，得到所述待检测图像中的车辆图像；

对所述车辆图像进行车牌信息的识别，得到多个车牌识别信息；

所述对所述待检测图像进行违规行驶检测，包括：

对与所述目标车牌信息对应的车牌识别信息对应的车辆图像进行违规行驶检测。

3.根据权利要求1所述的方法，其特征在于，所述对所述待检测图像的图像信息进行解析，得到目标车牌信息，包括：

获取所述图像信息的生成规则；

基于所述生成规则对所述图像信息进行解析，得到所述目标车牌信息。

4.根据权利要求1所述的方法，其特征在于，所述对所述待检测图像进行违规行驶行为检测，并基于所述违规行驶行为检测的检测结果确定对应所述目标车牌信息的目标车辆是否违规行驶，包括：

对所述待检测图像进行车辆未关门和/或车厢未关闭的违规行驶行为检测；

当检测到对应所述目标车牌信息的目标车辆存在车辆未关门和/或车厢未关闭中至少一种违规行驶行为时，则确定所述目标车辆违规行驶。

5.根据权利要求1所述的方法，其特征在于，所述获取待检测图像之前，还包括：

接收终端上传的拼接图像，所述拼接图像由多张待检测图像拼接组成；

对所述拼接图像进行切割，得到多张待检测图像；

所述对所述待检测图像进行车牌信息的提取，包括：

分别对得到的各所述待检测图像进行车牌信息的提取；

所述判断所述多个车牌识别信息中是否存在与所述目标车牌信息对应的车牌识别信息，包括：

分别判断多张所述待检测图像所识别的所述多个车牌识别信息中是否存在与所述目标车牌信息对应的车牌识别信息；

当至少一张所述待检测图像所识别的所述多个车牌识别信息中存在与所述目标车牌信息对应的车牌识别信息时，则判定所述多个识别车牌信息中存在与所述目标车牌信息对应的车牌识别信息；

当所述多张待检测图像所识别的所述多个车牌识别信息中均不存在与所述目标车牌信息对应的车牌识别信息时，则判定所述多个识别车牌信息中不存在与所述目标车牌信息对应的车牌识别信息。

6.根据权利要求5所述的方法，其特征在于，所述对所述拼接图像进行切割，得到多张待检测图像，包括：

通过识别框滑动遍历所述拼接图像，获取所述拼接图像的感兴趣区域；

采用二分类网络对所述感兴趣区域进行边界以及非边界的判定；

根据所得到的边界以及非边界确定所述拼接图像的拼接方式，并通过对应所述拼接方式的图像切割方式对所述拼接图像进行切割，得到多张待检测图像。

7.一种车辆违规行驶检测装置，其特征在于，包括：

待检测图像获取模块，用于获取待检测图像，所述待检测图像携带有图像信息；

车牌信息提取模块，用于对所述待检测图像进行车牌信息的提取，得到多个车牌识别信息；

解析模块，用于对所述图像信息进行解析，得到目标车牌信息；

判断模块，用于判断所述多个识别车牌信息中是否存在与所述目标车牌信息对应的车牌识别信息；

违规行驶行为检测模块，用于当所述多个识别车牌信息中存在与所述目标车牌信息对应的车牌识别信息时，则对所述待检测图像进行违规行驶行为检测，并基于所述违规行驶行为检测的检测结果确定对应所述目标车牌信息的目标车辆是否违规行驶。

8.根据权利要求7所述的装置，其特征在于，所述车牌信息提取模块，包括：

车辆检测子模块，用于对所述待检测图像进行车辆图像检测，得到所述待检测图像中的车辆图像；

车牌信息识别子模块，用于对所述车辆图像进行车牌信息的识别，得到多个车牌识别信息；

所述违规行驶行为检测模块用于对与所述目标车牌信息对应的车牌识别信息对应的车辆图像进行违规行驶检测。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。

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权利要求1至6中任一项所述的方法的步骤。

Images