CN111768630A - 一种违章废图检测方法、装置及电子设备 - Google Patents
一种违章废图检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111768630A CN111768630A CN201911349708.7A CN201911349708A CN111768630A CN 111768630 A CN111768630 A CN 111768630A CN 201911349708 A CN201911349708 A CN 201911349708A CN 111768630 A CN111768630 A CN 111768630A
- Authority
- CN
- China
- Prior art keywords
- violation
- vehicle
- image
- target vehicle
- information
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
Abstract
本发明实施例提供了一种违章废图检测方法、装置及电子设备。其中，方法包括：获取目标车辆的违章图像和违章行为；对所述违章图像进行车辆识别，得到所述目标车辆的车辆信息，所述车辆信息用于表示所述违章图像中所述目标车辆所处的状态；对所述违章图像进行场景识别，得到在拍摄到所述违章图像时所述目标车辆所处场景的场景信息，所述场景信息用于表示所述所处场景中的交通标识的状态；根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态；判断所述行驶状态是否符合针对所述违章行为预设的违章规则；如果所述行驶状态不符合所述违章规则，确定所述违章图像为违章废图。可以降低违章图像的人工复检的人工成本。
Description
技术领域
本发明涉及智能交通技术领域，特别是涉及一种违章废图检测方法、装置及电子设备。
背景技术
为了更好的对车辆进行管理，一些监控场景中安装有电子警察，电子警察能够自动检测违章车辆，并拍摄违章图像以作为违章的证据，供相关人员进行人工复检。
但是，电子警察难以做到完全准确，因此电子警察可能将正常行驶的车辆误识别为违章车辆，并拍摄相应的违章图像，又或者，因拍摄角度、拍摄场景的光线等因素限制，导致拍摄到的违章图像不足以作为车辆违章的证据。这些图像无法为相关人员提供车辆违章的有效信息，反而会增加人工复检的人工成本，下文称这些图像为违章废图。如何有效的从违章图像中检测出违章废图，以降低人工复检的人工成本，成为亟待解决的技术问题。
发明内容
本发明实施例的目的在于提供一种违章废图检测方法、装置及电子设备，以实现降低违章图像的人工复检的人工成本。具体技术方案如下：
在本发明的第一方面，提供了一种违章废图检测方法，所述方法包括：
获取目标车辆的违章图像和违章行为；
对所述违章图像进行车辆识别，得到所述目标车辆的车辆信息，所述车辆信息用于表示所述违章图像中所述目标车辆所处的状态；
对所述违章图像进行场景识别，得到在拍摄到所述违章图像时所述目标车辆所处场景的场景信息，所述场景信息用于表示所述所处场景中的交通标识的状态；
根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态；
判断所述行驶状态是否符合针对所述违章行为预设的违章规则；
如果所述行驶状态不符合所述违章规则，确定所述违章图像为违章废图。
在一种可能的实现方式中，所述对所述违章图像进行车辆识别，得到所述目标车辆的车辆信息，包括：
获取所述目标车辆的车辆标识，作为目标车辆标识；
对所述违章图像进行车辆检测，得到所述违章图像中存在的各个候选车辆，以及所述候选车辆的车辆标识；
从所述违章图像中，提取所述候选车辆中车辆标识与所述目标车辆标识相同的车辆的状态，得到车辆信息。
在一种可能的实现方式中，所述违章图像包括特写违章图像和至少一张非特写违章图像，所述特写违章图像中不包括所述目标车辆以外的其他车辆；
所述获取所述目标车辆的车辆标识，作为目标车辆标识，包括：
对所述特写违章图像进行车辆标识识别，得到所述目标车辆的车辆标识，作为目标车辆标识；
所述对所述违章图像进行车辆检测，得到所述违章图像中存在的各个候选车辆，以及所述候选车辆的车辆标识，包括：
对所述非特写违章图像进行车辆检测，得到所述非特写违章图像中存在的各个候选车辆，以及所述候选车辆的车辆标识。
在一种可能的实现方式中，所述违章图像不包括特写违章图像；
所述获取所述目标车辆的车辆标识，作为目标车辆标识，包括：
获取针对所述违章图像输入的车辆标识，作为目标车辆标识。
在一种可能的实现方式中，所述场景信息包括车道线信息、信号灯信息以及路面标识信息中的一个或多个，所述车道线信息用于表示所述所处场景中的车道线的状态，所述信号灯信息用于表示所述所处场景中的信号灯的状态，所述路面信息用于表示所述所处场景中设置于路面的交通标识的状态。
在一种可能的实现方式中，在所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态之前，所述方法还包括：
判断所述违章图像中是否存在所述目标车辆；
如果所述违章图像中不存在所述目标车辆，确定所述违章图像为违章废图；
所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态，包括：
如果所述违章图像中存在所述目标车辆，根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态。
在一种可能的实现方式中，在所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态之前，所述方法还包括：
判断所述违章图像的清晰度是否高于预设清晰度阈值；
如果所述违章图像的清晰度不高于预设清晰度阈值，确定所述违章图像为违章废图；
所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态，包括：
如果所述违章图像的清晰度高于所述清晰度阈值，根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态。
在一种可能的实现方式中，在所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态之前，所述方法还包括：
根据所述违章图像，判断所述所处场景中是否发生预设异常事件；
如果所述所处场景中发生有预设异常事件，确定所述违章图像为违章废图；
所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态，包括：
如果所述所处场景中发生没有预设异常事件，根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态。
在一种可能的实现方式中，所述获取目标车辆的违章图像，包括：
获取多张违章图像拼接得到的拼接图像；
根据所述拼接图像中像素值的水平梯度和垂直梯度，确定所述拼接图像中的拼接线；
根据所述拼接线，拆分所述拼接图像，得到多张违章图像。
在一种可能的实现方式中，所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态，包括：
根据所述车辆信息所表示的所述目标车辆的位置，和所述场景信息所表示的交通标识的位置，确定所述目标车辆与所述所处场景中交通标识的相对位置关系；
根据所述相对位置关系，确定所述目标车辆的行驶状态。
在本发明的第二方面，提供了一种违章废图检测装置，所述装置包括：
违章信息获取模块，用于获取目标车辆的违章图像和违章行为；
违章主车确定模块，用于对所述违章图像进行车辆识别，得到所述目标车辆的车辆信息，所述车辆信息用于表示所述违章图像中所述目标车辆所处的状态；
场景理解模块，用于对所述违章图像进行场景识别，得到在拍摄到所述违章图像时所述目标车辆所处场景的场景信息，所述场景信息用于表示所述所处场景中的交通标识的状态；
违章废图过滤模块，用于根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态；判断所述行驶状态是否符合针对所述违章行为预设的违章规则；如果所述行驶状态不符合所述违章规则，确定所述违章图像为违章废图。
在一种可能的实现方式中，所述违章主车确定模块，具体用于获取所述目标车辆的车辆标识，作为目标车辆标识；
对所述违章图像进行车辆检测，得到所述违章图像中存在的各个候选车辆，以及所述候选车辆的车辆标识；
从所述违章图像中，提取所述候选车辆中车辆标识与所述目标车辆标识相同的车辆的状态，得到车辆信息。
在一种可能的实现方式中，，所述所述违章图像包括特写违章图像和至少一张非特写违章图像，所述特写违章图像中不包括所述目标车辆以外的其他车辆；
所述违章主车确定模块，具体用于对所述特写违章图像进行车辆标识识别，得到所述目标车辆的车辆标识，作为目标车辆标识；
对所述非特写违章图像进行车辆检测，得到所述非特写违章图像中存在的各个候选车辆，以及所述候选车辆的车辆标识。
在一种可能的实现方式中，所述违章图像不包括特写违章图像；
所述违章主车确定模块，具体用于获取针对所述违章图像输入的车辆标识，作为目标车辆标识。
在一种可能的实现方式中，所述场景信息包括车道线信息、信号灯信息以及路面标识信息中的一个或多个，所述车道线信息用于表示所述所处场景中的车道线的状态，所述信号灯信息用于表示所述所处场景中的信号灯的状态，所述路面信息用于表示所述所处场景中设置于路面的交通标识的状态。
在一种可能的实现方式中，所述违章废图过滤模块，还用于在所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态之前，判断所述违章图像中是否存在所述目标车辆；
如果所述违章图像中不存在所述目标车辆，确定所述违章图像为违章废图；
所述违章废图模块，具体用于如果所述违章图像中存在所述目标车辆，根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态。
在一种可能的实现方式中，所述违章废图过滤模块，还用于在所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态之前，判断所述违章图像的清晰度是否高于预设清晰度阈值；
如果所述违章图像的清晰度不高于预设清晰度阈值，确定所述违章图像为违章废图；
所述违章废图模块，具体用于：
如果所述违章图像的清晰度高于所述清晰度阈值，根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态。
在一种可能的实现方式中，所述违章废图过滤模块，还用于在所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态之前，根据所述违章图像，判断所述所处场景中是否发生预设异常事件；
如果所述所处场景中发生有预设异常事件，确定所述违章图像为违章废图；
所述违章废图模块，具体用于如果所述所处场景中发生没有预设异常事件，根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态。
在一种可能的实现方式中，所述违章信息获取模块，具体用于获取多张违章图像拼接得到的拼接图像；
根据所述拼接图像中像素值的水平梯度和垂直梯度，确定所述拼接图像中的拼接线；
根据所述拼接线，拆分所述拼接图像，得到多张违章图像。
在一种可能的实现方式中，所述违章废图过滤模块，具体用于根据所述车辆信息所表示的所述目标车辆的位置，和所述场景信息所表示的交通标识的位置，确定所述目标车辆与所述所处场景中交通标识的相对位置关系；
根据所述相对位置关系，确定所述目标车辆的行驶状态。
在本发明的第三方面，提供了一种电子设备，包括：
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面任一所述的方法步骤。
在本发明的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面任一所述的方法步骤。
本发明实施例提供的一种违章废图检测方法、装置及电子设备，可以通过图像识别得到车辆信息和场景信息，并综合车辆信息以及场景信息确定车辆的行驶状态，进而根据行驶状态判断车辆是否违章，当确定车辆不违章的情况下，将违章图像识别为违章废图，避免浪费人力进行人工复审。因此可以有效降低违章图像的人工复检的人工成本。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的违章废图检测方法的一种流程示意图；
图2a为本发明实施例提供的拼接图像的一种示意图；
图2b为本本发明实施例提供的违章图像的一种示意图；
图3为本发明实施例提供的车辆信息获取方法的一种流程示意图；
图4为本发明实施例提供的违章废图检测方法的另一种流程示意图；
图5为本发明实施例提供的违章废图检测装置的一种结构示意图；
图6为本发明实施例提供的电子设备的一种结构示意图。
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，所描述的实施例仅仅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。
参见图1，图1所示为本发明实施例提供的违章废图检测方法的一种流程示意图，该方法可以应用于拍摄违章图像的图像采集设备，也可以应用于后端服务器。方法可以包括：
S101，获取目标车辆的违章图像和违章行为。
根据电子警察拍摄违章图像的方式不同，获取违章图像的方式也可以不同。在一些应用场景，电子警察可能将拍摄到的多张图像拼接为一个拼接图像，示例性的，如图2a所示。图2a所示的拼接图像由四个图像拼接形成的，图像中黑色框所包围的区域为电子警察识别到的目标车辆所处的图像区域。关于目标车辆的确定方式将在后续实施例中进行描述，在此不再赘述。
由于拼接图像中拼接线处两侧是两张不同的图像，因此拼接线处像素值可能存在跃变，因此可以根据拼接图像中像素值的水平梯度和垂直梯度，确定拼接图像中的拼接线，并根据拼接线，拆分拼接图像，得到多张违章图像。在其他可能的实施例中，也可以是根据输入的拼接方式，如水平拼接、垂直拼接等，拆分拼接图像，以得到多张违章图像。本实施例对此不做限制。
违章行为可以是由用户针对违章图像输入的，也可以是对叠加在违章图像上的文字进行识别得到的。仍以图2a所示，可以通过对叠加在拼接图像底部的文字进行文字识别，确定违章行为为违反信号灯通行。
在一些可能的实施例中，目标车辆可以是用户通过预设方式设置的车辆，例如，用户可以通过输入车牌号的方式，将所输入的车牌号对应的车辆设置为目标车辆。在另一些可能的实施例中，如果违章图像中存在特写违章图像，并且特写违章图像中只包括一个车辆，则该特写违章图像所包括的车辆即为目标车辆。如果违章图像中存在特写违章图像，并且特写违章图像中包括多个车辆，则多个车辆中所占图像区域最大的车辆为目标车辆。在其他可能的实施例中，也可以是通过其他方式确定目标车辆的，本实施例对此不做限制。
S102，对违章图像进行车辆识别，得到所述目标车辆的车辆信息。
车辆信息用于表示违章图像中目标车辆所处的状态，可以是只包括车辆自身的状态，也可以包括车辆中相关人员的状态。例如，车辆信息可以包括目标车辆在违章图像中的位置，也可以是包括目标车辆的驾驶员是否系有安全带等。
S103，对违章图像进行场景识别，得到在拍摄到违章图像时目标车辆所处场景的场景信息。
其中，场景信息用于表示所处场景中的交通标识的状态，交通标识为用于指示或限制车辆驾驶的标识。根据应用场景的不同，交通标识可以包括车道线、禁止通行标识、公车专用道标识、非机动车专用道标识、信号灯等，本实施例对此不做限制。
可以通过预先经过训练的神经网络，对违章图像进行语义分割或实例分割，以得到场景信息。所选用的神经网络的架构，根据应用场景的不同也可以不同，本实施例对此不做限制。
S104，根据车辆信息和场景信息，确定目标车辆的行驶状态。
示例性的，在一种可能的实施例中，可以是根据车辆信息所表示的目标车辆的位置，和场景信息所表示的交通标识的位置，确定目标车辆与所处场景中交通标识的相对位置关系，并根据该相对位置关系，确定目标车辆的行驶状态。例如，以图2b所示为例，违章图像中左上角的图像内，目标车辆的位置与停车线的位置重叠，因此可以确定该图像中，目标车辆已经越过停车线。再例如，图2b所示为例，违章图像中右上角的图像内，目标车辆的位置位于停车线的前方(前方为停车线所属车道的通行方向)，因此可以确定该图像中，目标车辆已经越过停车线。
又例如，可以根据车辆信息所表示的目标车辆的位置，与场景信息所表示的车道线的位置，以及公交专用车道标识的位置之间的相对位置关系，确定目标车辆是否和公交专用车道标识位于相同的两个车道线之间，如果目标车辆和公交专用车道标识位于相同的两个车道线之间，则目标车辆位于公交专用车道，如果目标车辆和公交专用车道标识不位于相同的两个车道线之间，则目标车辆不位于公交专用道。
S105，判断行驶状态是否符合针对违章行为预设的违章规则。
可以理解的是，目标车辆的行驶状态满足一定的违章规则时，可以认为目标车辆违章。而在不同应用场景中，针对相同的违章行为可以有不同的违章规则，本实施例对此不做限制。
例如为描述方便，以违章行为为闯红灯为例，在一些应用场景中可能需要违章图像中至少包括一张红灯亮起时目标车辆在停车线以内的图像、以及一张红灯亮起时目标车辆在停车线以外的图像，才可以认为目标车辆闯红灯。在一些应用场景中，也可能需要违章图像中至少包括一张红灯亮起时目标车辆在停车线以内的图像、一张红灯亮起时目标车辆压在停车线上的图像、以及一张红灯亮起时目标车辆在停车线以外的图像，才可以认为目标车辆闯红灯。又例如，以违章行为为不系安全带为例，则在一些应用场景中可能需要违章图像中包括一张车辆行驶中并且驾驶员未系安全带的图像。
S106，如果行驶状态不符合违章规则，确定违章图像为违章废图。
如果违章图像为一张图像，则该一张图像不符合违章规则时，确定违章图像为违章废图。如果违章图像为多张图像时，则当多张图像中至少一张图像不符合违章规则时，确定违章图像为违章废图。
示例性的，仍以违章行为为闯红灯为例，违章规则为：违章图像中按拍摄时间先后顺序，第一张图像为红灯亮起时目标车辆在停车线以内的图像；第二张图像为红灯亮起时目标车辆压在停车线上的图像；第三张图像为红灯亮起时目标车辆在停车线以外的图像。
则如果违章图像中按拍摄时间先后顺序的第一张图像中，目标车辆在停车线以外，则可以认为根据违章图像，无法确定目标车辆是否是在红灯亮起后越过停车线的，因此根据违章图像无法确定目标车辆是否违章，因此可以确定违章图像为违章废图。
下面将对车辆信息的获取进行详细的描述，可以参见图3，图3所示为本发明实施例提供的车辆信息获取方法的一种流程示意图，可以包括：
S301，获取目标车辆的车辆标识，作为目标车辆标识。
车辆标识为车辆的标识信息，不同车辆的车辆标识不同。示例性的，车辆标识可以是车牌号，也可以车辆的车辆模型，车辆模型用于表示车辆的车型、车身颜色等信息。
目标车辆的车辆标识可以是由用户输入的，例如用户通过预设的人体学输入设备，输入目标车辆的车牌号。也可以是从违章图像中获取到的。示例性的，在一些应用场景中，违章图像中包括特写违章图像，特写违章图像中可以仅包括目标车辆，也可以同时包括目标车辆以外的其他车辆，但是特写图像中目标车辆所占图像区域大于其他车辆所占图像区域。例如图2a中，右下角的违章图像为特写违章图像。对特写违章图像进行车辆检测，由于特写违章图像中仅包括目标车辆，因此检测到的车辆即为目标车辆，进而可以通过车辆标识识别，得到目标车辆的车辆标识。在其他可能的实施例中，特写违章图像中也可以包括目标车辆以外的其他车辆，但其他车辆所占的图像区域小于目标车辆所占图像区域。
S302，对违章图像进行车辆检测，得到违章图像中存在的各个候选车辆，以及候选车辆的车辆标识。
对于特写违章图像，由于特写违章图像中可能仅包括目标车辆，如图2a中右下方的图像所示，因此只存在一个候选车辆，可以直接将该候选车辆确定为目标车辆，无需后续的判断。对于非特写违章图像，由于非特写违章图像中包括目标车辆以外的其他车辆，如图2a中左上方、右上方以及左下方的图像所示，因此存在多个候选车辆，需要从多个候选车辆中筛选出目标车辆。
在一种可能的实施例中，对于检测得到的各个候选车辆，如果该候选车辆的车牌号的清晰度高于预设阈值，则可以提取该候选车辆的车牌号作为该候选车辆的车辆标识。如果该候选车辆的车牌号的清晰度不高于预设阈值，则对该候选车辆进行建模，得到该候选车辆的车辆模型，作为该候选车辆的车辆标识。
S303，从违章图像中，提取候选车辆中车辆标识与目标车辆标识相同的车辆的状态，得到车辆信息。
如前述分析，候选车辆中车辆标识与目标车辆标识相同的车辆，可以认为是目标车辆，因此提取候选车辆中车辆标识与目标车辆标识相同的车辆的状态，得到的即为车辆信息。
在一些应用场景中，当车辆信息或者场景信息不完整或不清楚时，也无法根据违章图像确定目标车辆是否违章，此时可以直接将违章图像确定为违章废图，而无需确定车辆的行驶状态。而车辆信息和违章图像是从违章图像中识别得到的，因此在一种可能的实施例中，可以是判断违章图像的清晰度是否高于预设清晰度阈值，如果违章图像的清晰度不高于预设清晰度阈值，确定违章图像为违章废图，如果违章图像的清晰度高于预设清晰度阈值，则根据车辆信息和场景信息，确定目标车辆的行驶状态。
违章图像的清晰度，可以是指违章图像整体的清晰度，也可以是指违章图像中部分区域的清晰度，并且针对违章图像中不同区域可以设定不同的清晰度阈值。示例性的，对违章图像中目标车辆所处的图像区域，可以将预设第一清晰度阈值作为预设清晰度阈值，对违章图像中交通标识所处的图像区域，可以将预设第二清晰度阈值作为预设清晰度阈值。
在一种可能的实施例中，可以判断违章图像中是否存在目标车辆，如果违章图像中存在目标车辆，则确定违章图像为违章废图。当违章图像为一张图像时，违章图像中不存在目标车辆是指该一张图像中不存在目标车辆。当违章图像为多张图像时，违章图像中不存在目标车辆是指该多张图像中至少一张图像中不存在目标车辆。关于如何确定违章图像中是否存在目标车辆，可以参见前述S302、S303中的相关描述，当多个候选车辆中不存在车辆标识与目标车辆标识相同的候选车辆时，可以确定该违章图像中不存在目标车辆。
可以理解的是，在一些应用场景中，图像采集设备在对目标车辆进行跟踪拍摄的过程中，可能因为一些特殊原因导致目标车辆丢失，如错误识别目标车辆、环境遮挡等。如果违章图像中不存在目标车辆，示例性的，如图2a中左下方的图像所示，在目标车辆右转弯过程中由于环境遮挡，导致错误识别目标车辆，则该违章图像无法有效反映目标车辆的行驶状态，因此无法根据该违章图像确定目标车辆是否违章。因此可以确定该违章图像为违章废图。
在一种可能的实施例中，可以判断违章图像中目标车辆的车辆图像的清晰度是否高于第一清晰度阈值。如果违章图像中目标车辆的车辆图像的清晰度，不高于第一清晰度阈值，确定违章图像为违章废图。第一清晰度阈值可以根据实际需求或者用户经验设置为不同的值。当违章图像为一张图像时，违章图像中目标车辆的车辆图像的清晰度不高于第一清晰度阈值是指，该一张图像中目标车辆的车辆图像的清晰度不高于第一清晰度阈值。当违章图像为多张图像时，违章图像中目标车辆的车辆图像的清晰度不高于第一清晰度阈值是指，该多张图像的至少一张图像中目标车辆的车辆图像的清晰度不高于第一清晰度阈值。
可以理解的是，车辆图像越清晰，则该车辆图像能够反映出关于车辆的信息越多，反之，车辆图像越不清晰，则该车辆图像能够反映出关于车辆的信息越少。因此，如果违章图像中目标车辆的车辆图像的清晰度不高于第一清晰度阈值，则可以认为违章图像能够反映的关于目标车辆的信息较少，不足以判断目标车辆是否违章，因此可以确定违章图像为违章废图。
在一种可能的实施例中，可以根据场景信息，判断所处场景中各个交通标识的清晰度是否高于第二清晰度阈值。如果所处场景中至少一个交通标识的清晰度不高于第二清晰度阈值，确定违章图像为违章废图。第二清晰度阈值可以根据实际需求或者用户经验设置为不同的值。
可以理解的是，交通标识越清晰，则该场景信息的可信度越高。反之，交通标识越不清晰，则该场景信息的可信度越低。因此，如果交通标识的清晰度不高于第二清晰度阈值，则可以认为场景信息不够可信，因此无法根据该场景信息准确确定出目标车辆的行驶状态，因此可以确定违章图像为违章废图。示例性的，以违章行为为闯红灯为例，假设停车线的清晰度较低，则可能根据违章图像难以确定目标车辆与停车线的相对位置关系，因此难以确定目标车辆是否闯红灯，因此可以将违章图像确定为违章废图。
在一种可能的实施例中，可以根据违章图像，确定所处场景中是否发生预设异常事件。如果发生有异常事件，确定违章图像为违章废图。异常事件根据应用场景的不同可以不同，示例性的，异常事件可以包括道路施工、交通事故、人车冲突等。
可以理解的是，交通标识虽然可以起到指示和/或限制车辆行驶的功能，但是在一些场景中，车辆行驶可以不遵守这些交通标识。例如，等道路施工时，单向车道可能变为双向车道，又例如，在交通事故现场，交警人工疏散现场时，车辆可以以交警指示为准，而不必遵守信号灯。因此，在这些场景中，交通标识可能无法起到指示和限制车辆行驶的功能，因此无法根据场景信息确定目标车辆是否违章，因此可以确定违章图像为违章废图。
参见图4，图4所示为本发明实施例提供的违章废图检测方法的另一种流程示意图，可以包括：
S401，获取目标车辆的违章图像和违章行为。
该步骤与S101相同，可以参见前述关于S101的相关描述，在此不再赘述。
S402，对违章图像进行车辆识别，得到所述目标车辆的车辆信息。
该步骤与S102相同，可以参见前述关于S102的相关描述，在此不再赘述。
S403，对违章图像进行场景识别，得到在拍摄到违章图像时目标车辆所处场景的场景信息。
该步骤与S103相同，可以参见前述关于S103的相关描述，在此不再赘述。
S404，判断违章图像中是否存在目标车辆，如果违章图像中存在目标车辆，执行S405，如果违章图像中不存在目标车辆，执行S410。
S405，判断违章图像中目标车辆的车辆图像的清晰度是否高于第一清晰度阈值，如果违章图像中的车辆图像的清晰度高于第一清晰度阈值，执行S406，如果违章图像中的车辆图像的清晰度不高于第一清晰度，执行S410。
S406，判断所处场景中各个交通标识的清晰度是否高于第二清晰度阈值，如果所处场景中各个交通标识的清晰度高于第二清晰度阈值，执行S407，如果所处场景中各个交通标识的清晰度不高于第二清晰度阈值，执行S410。
S407，根据违章图像，确定所处场景中是否发生预设异常事件，如果没有发生异常事件，执行S408，如果发生有异常事件，执行S410。
S408，根据车辆信息和场景信息，确定目标车辆的行驶状态。
该步骤与前述S104相同，可以参见前述关于S104的相关描述，在此不再赘述。
S409，判断行驶状态是否符合针对违章行为预设的违章规则，如果不符合违章规则，执行S410，如果符合违章规则，执行S411。
该步骤与前述S105相同，可以参见前述关于S105的相关描述，在此不再赘述。
S410，确定违章图像为违章废图。
S411，确定违章图像不为违章废图。
在其他可能的实施例中，也可以是只包括S404-S407中的部分判断步骤，并且各个判断步骤之间的先后顺序可以根据应用场景的不同进行调整，本实施例对此不做限制。
参见图5，图5所示为本发明实施例提供的违章废图检测装置的一种结构示意图，可以包括：
违章信息获取模块501，用于获取目标车辆的违章图像和违章行为；
违章主车确定模块502，用于对所述违章图像进行车辆识别，得到所述目标车辆的车辆信息，所述车辆信息用于表示所述违章图像中所述目标车辆所处的状态；
场景理解模块503，用于对所述违章图像进行场景识别，得到在拍摄到所述违章图像时所述目标车辆所处场景的场景信息，所述场景信息用于表示所述所处场景中的交通标识的状态；
违章废图过滤模块504，用于根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态；判断所述行驶状态是否符合针对所述违章行为预设的违章规则；如果所述行驶状态不符合所述违章规则，确定所述违章图像为违章废图。
在一种可能的实现方式中，所述违章主车确定模块，具体用于获取所述目标车辆的车辆标识，作为目标车辆标识；
对所述违章图像进行车辆检测，得到所述违章图像中存在的各个候选车辆，以及所述候选车辆的车辆标识；
从所述违章图像中，提取所述候选车辆中车辆标识与所述目标车辆标识相同的车辆的状态，得到车辆信息。
在一种可能的实现方式中，所述所述违章图像包括特写违章图像和至少一张非特写违章图像，所述特写违章图像中不包括所述目标车辆以外的其他车辆；
所述违章主车确定模块，具体用于对所述特写违章图像进行车辆标识识别，得到所述目标车辆的车辆标识，作为目标车辆标识；
对所述非特写违章图像进行车辆检测，得到所述非特写违章图像中存在的各个候选车辆，以及所述候选车辆的车辆标识。
在一种可能的实现方式中，所述违章图像不包括特写违章图像；
所述违章主车确定模块，具体用于获取针对所述违章图像输入的车辆标识，作为目标车辆标识。
在一种可能的实现方式中，所述场景信息包括车道线信息、信号灯信息以及路面标识信息中的一个或多个，所述车道线信息用于表示所述所处场景中的车道线的状态，所述信号灯信息用于表示所述所处场景中的信号灯的状态，所述路面信息用于表示所述所处场景中设置于路面的交通标识的状态。
在一种可能的实现方式中，所述违章废图过滤模块，还用于在所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态之前，判断所述违章图像中是否存在所述目标车辆；
如果所述违章图像中不存在所述目标车辆，确定所述违章图像为违章废图；
所述违章废图模块，具体用于如果所述违章图像中存在所述目标车辆，根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态。
在一种可能的实现方式中，所述违章废图过滤模块，还用于在所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态之前，判断所述违章图像的清晰度是否高于预设清晰度阈值；
如果所述违章图像的清晰度不高于预设清晰度阈值，确定所述违章图像为违章废图；
所述违章废图模块，具体用于：
如果所述违章图像的清晰度高于所述清晰度阈值，根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态。
在一种可能的实现方式中，所述违章废图过滤模块，还用于在所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态之前，根据所述违章图像，判断所述所处场景中是否发生预设异常事件；
如果所述所处场景中发生有预设异常事件，确定所述违章图像为违章废图；
所述违章废图模块，具体用于如果所述所处场景中发生没有预设异常事件，根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态。
在一种可能的实现方式中，所述违章信息获取模块，具体用于获取多张违章图像拼接得到的拼接图像；
根据所述拼接图像中像素值的水平梯度和垂直梯度，确定所述拼接图像中的拼接线；
根据所述拼接线，拆分所述拼接图像，得到多张违章图像。
在一种可能的实现方式中，所述违章废图过滤模块，具体用于根据所述车辆信息所表示的所述目标车辆的位置，和所述场景信息所表示的交通标识的位置，确定所述目标车辆与所述所处场景中交通标识的相对位置关系；
根据所述相对位置关系，确定所述目标车辆的行驶状态。
本发明实施例还提供了一种电子设备，如图6所示，包括：
存储器601，用于存放计算机程序；
处理器602，用于执行存储器601上所存放的程序时，实现如下步骤：
获取目标车辆的违章图像和违章行为；
对所述违章图像进行车辆识别，得到所述目标车辆的车辆信息，所述车辆信息用于表示所述违章图像中所述目标车辆所处的状态；
对所述违章图像进行场景识别，得到在拍摄到所述违章图像时所述目标车辆所处场景的场景信息，所述场景信息用于表示所述所处场景中的交通标识的状态；
根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态；
判断所述行驶状态是否符合针对所述违章行为预设的违章规则；
如果所述行驶状态不符合所述违章规则，确定所述违章图像为违章废图。
在一种可能的实现方式中，所述对所述违章图像进行车辆识别，得到所述目标车辆的车辆信息，包括：
获取所述目标车辆的车辆标识，作为目标车辆标识；
对所述违章图像进行车辆检测，得到所述违章图像中存在的各个候选车辆，以及所述候选车辆的车辆标识；
从所述违章图像中，提取所述候选车辆中车辆标识与所述目标车辆标识相同的车辆的状态，得到车辆信息。
在一种可能的实现方式中，所述违章图像包括特写违章图像和至少一张非特写违章图像，所述特写违章图像中不包括所述目标车辆以外的其他车辆；
所述获取所述目标车辆的车辆标识，作为目标车辆标识，包括：
对所述特写违章图像进行车辆标识识别，得到所述目标车辆的车辆标识，作为目标车辆标识；
所述对所述违章图像进行车辆检测，得到所述违章图像中存在的各个候选车辆，以及所述候选车辆的车辆标识，包括：
对所述非特写违章图像进行车辆检测，得到所述非特写违章图像中存在的各个候选车辆，以及所述候选车辆的车辆标识。
在一种可能的实现方式中，所述违章图像不包括特写违章图像；
所述获取所述目标车辆的车辆标识，作为目标车辆标识，包括：
获取针对所述违章图像输入的车辆标识，作为目标车辆标识。
在一种可能的实现方式中，所述场景信息包括车道线信息、信号灯信息以及路面标识信息中的一个或多个，所述车道线信息用于表示所述所处场景中的车道线的状态，所述信号灯信息用于表示所述所处场景中的信号灯的状态，所述路面信息用于表示所述所处场景中设置于路面的交通标识的状态。
在一种可能的实现方式中，在所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态之前，所述方法还包括：
判断所述违章图像的清晰度是否高于预设清晰度阈值；
如果所述违章图像的清晰度不高于预设清晰度阈值，确定所述违章图像为违章废图；
所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态，包括：
如果所述违章图像的清晰度高于所述清晰度阈值，根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态。
在一种可能的实现方式中，在所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态之前，所述方法还包括：
判断所述违章图像中所述目标车辆的车辆图像的清晰度是否高于第一清晰度阈值；
如果所述违章图像中所述目标车辆的车辆图像的清晰度不高于所述第一清晰度阈值，确定所述违章图像为违章废图；
所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态，包括：
如果所述违章图像中所述目标车辆的车辆图像的清晰度高于所述清晰度阈值，根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态。
在一种可能的实现方式中，在所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态之前，所述方法还包括：
根据所述违章图像，判断所述所处场景中是否发生预设异常事件；
如果所述所处场景中发生有预设异常事件，确定所述违章图像为违章废图；
所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态，包括：
如果所述所处场景中发生没有预设异常事件，根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态。
在一种可能的实现方式中，所述获取目标车辆的违章图像，包括：
获取多张违章图像拼接得到的拼接图像；
根据所述拼接图像中像素值的水平梯度和垂直梯度，确定所述拼接图像中的拼接线；
根据所述拼接线，拆分所述拼接图像，得到多张违章图像。
在一种可能的实现方式中，所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态，包括：
根据所述车辆信息所表示的所述目标车辆的位置，和所述场景信息所表示的交通标识的位置，确定所述目标车辆与所述所处场景中交通标识的相对位置关系；
根据所述相对位置关系，确定所述目标车辆的行驶状态。
上述电子设备提到的存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(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。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一违章废图检测方法。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一违章废图检测方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备、计算机可读存储介质以及计算机程序产品的实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (20)
1.一种违章废图检测方法，其特征在于，所述方法包括：
获取目标车辆的违章图像和违章行为；
对所述违章图像进行车辆识别，得到所述目标车辆的车辆信息，所述车辆信息用于表示所述违章图像中所述目标车辆所处的状态；
对所述违章图像进行场景识别，得到在拍摄到所述违章图像时所述目标车辆所处场景的场景信息，所述场景信息用于表示所述所处场景中的交通标识的状态；
根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态；
判断所述行驶状态是否符合针对所述违章行为预设的违章规则；
如果所述行驶状态不符合所述违章规则，确定所述违章图像为违章废图。
2.根据权利要求1所述的方法，其特征在于，所述对所述违章图像进行车辆识别，得到所述目标车辆的车辆信息，包括：
获取所述目标车辆的车辆标识，作为目标车辆标识；
对所述违章图像进行车辆检测，得到所述违章图像中存在的各个候选车辆，以及所述候选车辆的车辆标识；
从所述违章图像中，提取所述候选车辆中车辆标识与所述目标车辆标识相同的车辆的状态，得到车辆信息。
3.根据权利要求2所述的方法，其特征在于，所述违章图像包括特写违章图像和至少一张非特写违章图像；
所述获取所述目标车辆的车辆标识，作为目标车辆标识，包括：
对所述特写违章图像进行车辆标识识别，得到所述目标车辆的车辆标识，作为目标车辆标识；
所述对所述违章图像进行车辆检测，得到所述违章图像中存在的各个候选车辆，以及所述候选车辆的车辆标识，包括：
对所述非特写违章图像进行车辆检测，得到所述非特写违章图像中存在的各个候选车辆，以及所述候选车辆的车辆标识。
4.根据权利要求2所述的方法，其特征在于，所述违章图像不包括特写违章图像；
所述获取所述目标车辆的车辆标识，作为目标车辆标识，包括：
获取针对所述违章图像输入的车辆标识，作为目标车辆标识。
5.根据权利要求1所述的方法，其特征在于，所述场景信息包括车道线信息、信号灯信息以及路面标识信息中的一个或多个，所述车道线信息用于表示所述所处场景中的车道线的状态，所述信号灯信息用于表示所述所处场景中的信号灯的状态，所述路面信息用于表示所述所处场景中设置于路面的交通标识的状态。
6.根据权利要求1所述的方法，其特征在于，在所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态之前，所述方法还包括：
判断所述违章图像中是否存在所述目标车辆；
如果所述违章图像中不存在所述目标车辆，确定所述违章图像为违章废图；
所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态，包括：
如果所述违章图像中存在所述目标车辆，根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态。
7.根据权利要求1所述的方法，其特征在于，在所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态之前，所述方法还包括：
判断所述违章图像的清晰度是否高于预设清晰度阈值；
如果所述违章图像的清晰度不高于预设清晰度阈值，确定所述违章图像为违章废图；
所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态，包括：
如果所述违章图像的清晰度高于所述清晰度阈值，根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态。
8.根据权利要求1所述的方法，其特征在于，在所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态之前，所述方法还包括：
根据所述违章图像，判断所述所处场景中是否发生预设异常事件；
如果所述所处场景中发生有预设异常事件，确定所述违章图像为违章废图；
所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态，包括：
如果所述所处场景中发生没有预设异常事件，根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态。
9.根据权利要求1所述的方法，其特征在于，所述获取目标车辆的违章图像，包括：
获取多张违章图像拼接得到的拼接图像；
根据所述拼接图像中像素值的水平梯度和垂直梯度，确定所述拼接图像中的拼接线；
根据所述拼接线，拆分所述拼接图像，得到多张违章图像。
10.根据权利要求1所述的方法，其特征在于，所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态，包括：
根据所述车辆信息所表示的所述目标车辆的位置，和所述场景信息所表示的交通标识的位置，确定所述目标车辆与所述所处场景中交通标识的相对位置关系；
根据所述相对位置关系，确定所述目标车辆的行驶状态。
11.一种违章废图检测装置，其特征在于，所述装置包括：
违章信息获取模块，用于获取目标车辆的违章图像和违章行为；
违章主车确定模块，用于对所述违章图像进行车辆识别，得到所述目标车辆的车辆信息，所述车辆信息用于表示所述违章图像中所述目标车辆所处的状态；
场景理解模块，用于对所述违章图像进行场景识别，得到在拍摄到所述违章图像时所述目标车辆所处场景的场景信息，所述场景信息用于表示所述所处场景中的交通标识的状态；
违章废图过滤模块，用于根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态；判断所述行驶状态是否符合针对所述违章行为预设的违章规则；如果所述行驶状态不符合所述违章规则，确定所述违章图像为违章废图。
12.根据权利要求11所述的装置，其特征在于，所述违章主车确定模块，具体用于获取所述目标车辆的车辆标识，作为目标车辆标识；
对所述违章图像进行车辆检测，得到所述违章图像中存在的各个候选车辆，以及所述候选车辆的车辆标识；
从所述违章图像中，提取所述候选车辆中车辆标识与所述目标车辆标识相同的车辆的状态，得到车辆信息。
13.根据权利要求12所述的装置，其特征在于，所述所述违章图像包括特写违章图像和至少一张非特写违章图像，所述特写违章图像中不包括所述目标车辆以外的其他车辆；
所述违章主车确定模块，具体用于对所述特写违章图像进行车辆标识识别，得到所述目标车辆的车辆标识，作为目标车辆标识；
对所述非特写违章图像进行车辆检测，得到所述非特写违章图像中存在的各个候选车辆，以及所述候选车辆的车辆标识。
14.根据权利要求12所述的装置，其特征在于，所述违章图像不包括特写违章图像；
所述违章主车确定模块，具体用于获取针对所述违章图像输入的车辆标识，作为目标车辆标识。
15.根据权利要求11所述的装置，其特征在于，所述违章废图过滤模块，还用于在所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态之前，判断所述违章图像中是否存在所述目标车辆；
如果所述违章图像中不存在所述目标车辆，确定所述违章图像为违章废图；
所述违章废图模块，具体用于如果所述违章图像中存在所述目标车辆，根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态。
16.根据权利要求11所述的装置，其特征在于，所述违章废图过滤模块，还用于在所述根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态之前，判断所述违章图像的清晰度是否高于预设清晰度阈值；
如果所述违章图像的清晰度不高于预设清晰度阈值，确定所述违章图像为违章废图；
所述违章废图模块，具体用于：
如果所述违章图像的清晰度高于所述清晰度阈值，根据所述车辆信息和所述场景信息，确定所述目标车辆的行驶状态。
17.根据权利要求11所述的装置，其特征在于，所述违章信息获取模块，具体用于获取多张违章图像拼接得到的拼接图像；
根据所述拼接图像中像素值的水平梯度和垂直梯度，确定所述拼接图像中的拼接线；
根据所述拼接线，拆分所述拼接图像，得到多张违章图像。
18.根据权利要求11所述的装置，其特征在于，所述违章废图过滤模块，具体用于根据所述车辆信息所表示的所述目标车辆的位置，和所述场景信息所表示的交通标识的位置，确定所述目标车辆与所述所处场景中交通标识的相对位置关系；
根据所述相对位置关系，确定所述目标车辆的行驶状态。
19.一种电子设备，其特征在于，包括：
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-10任一所述的方法步骤。
20.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-10任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911349708.7A CN111768630A (zh) | 2019-12-24 | 2019-12-24 | 一种违章废图检测方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911349708.7A CN111768630A (zh) | 2019-12-24 | 2019-12-24 | 一种违章废图检测方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111768630A true CN111768630A (zh) | 2020-10-13 |
Family
ID=72718472
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911349708.7A Pending CN111768630A (zh) | 2019-12-24 | 2019-12-24 | 一种违章废图检测方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111768630A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112446334A (zh) * | 2020-12-02 | 2021-03-05 | 福建亿安智能技术有限公司 | 一种非机动车违法行为识别的方法和系统 |
| CN112766115A (zh) * | 2021-01-08 | 2021-05-07 | 广州紫为云科技有限公司 | 基于交通出行场景违章智能的分析方法、系统及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002109519A (ja) * | 2000-09-27 | 2002-04-12 | Ntt Fanet Systems Corp | 車両用ナンバープレート情報抽出方法および装置 |
| CN107305627A (zh) * | 2016-04-22 | 2017-10-31 | 杭州海康威视数字技术股份有限公司 | 一种车辆视频监控方法、服务器及系统 |
| CN109325424A (zh) * | 2018-08-30 | 2019-02-12 | 平安科技（深圳）有限公司 | 交通违章案件的鉴别方法、装置和计算机设备 |
| CN109344805A (zh) * | 2018-10-29 | 2019-02-15 | 北京深瞐科技有限公司 | 交通违法图片智能预审方法及装置 |
| CN109949579A (zh) * | 2018-12-31 | 2019-06-28 | 上海眼控科技股份有限公司 | 一种基于深度学习的闯红灯违法自动审核方法 |
| CN109948416A (zh) * | 2018-12-31 | 2019-06-28 | 上海眼控科技股份有限公司 | 一种基于深度学习的违法占用公交车道自动审核方法 |
| CN110009913A (zh) * | 2019-03-27 | 2019-07-12 | 江苏智通交通科技有限公司 | 一种闯红灯车辆的非现场执法图片智能审核方法和系统 |
| CN110414328A (zh) * | 2019-06-19 | 2019-11-05 | 上海眼控科技股份有限公司 | 一种基于深度学习的用于借道超车违法自动审核方法 |
| CN110490150A (zh) * | 2019-08-22 | 2019-11-22 | 浙江工业大学 | 一种基于车辆检索的违章图片自动审核系统及方法 |
-
2019
- 2019-12-24 CN CN201911349708.7A patent/CN111768630A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002109519A (ja) * | 2000-09-27 | 2002-04-12 | Ntt Fanet Systems Corp | 車両用ナンバープレート情報抽出方法および装置 |
| CN107305627A (zh) * | 2016-04-22 | 2017-10-31 | 杭州海康威视数字技术股份有限公司 | 一种车辆视频监控方法、服务器及系统 |
| CN109325424A (zh) * | 2018-08-30 | 2019-02-12 | 平安科技（深圳）有限公司 | 交通违章案件的鉴别方法、装置和计算机设备 |
| CN109344805A (zh) * | 2018-10-29 | 2019-02-15 | 北京深瞐科技有限公司 | 交通违法图片智能预审方法及装置 |
| CN109949579A (zh) * | 2018-12-31 | 2019-06-28 | 上海眼控科技股份有限公司 | 一种基于深度学习的闯红灯违法自动审核方法 |
| CN109948416A (zh) * | 2018-12-31 | 2019-06-28 | 上海眼控科技股份有限公司 | 一种基于深度学习的违法占用公交车道自动审核方法 |
| CN110009913A (zh) * | 2019-03-27 | 2019-07-12 | 江苏智通交通科技有限公司 | 一种闯红灯车辆的非现场执法图片智能审核方法和系统 |
| CN110414328A (zh) * | 2019-06-19 | 2019-11-05 | 上海眼控科技股份有限公司 | 一种基于深度学习的用于借道超车违法自动审核方法 |
| CN110490150A (zh) * | 2019-08-22 | 2019-11-22 | 浙江工业大学 | 一种基于车辆检索的违章图片自动审核系统及方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112446334A (zh) * | 2020-12-02 | 2021-03-05 | 福建亿安智能技术有限公司 | 一种非机动车违法行为识别的方法和系统 |
| CN112766115A (zh) * | 2021-01-08 | 2021-05-07 | 广州紫为云科技有限公司 | 基于交通出行场景违章智能的分析方法、系统及存储介质 |
| CN112766115B (zh) * | 2021-01-08 | 2022-04-22 | 广州紫为云科技有限公司 | 基于交通出行场景违章智能的分析方法、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11380104B2 (en) | Method and device for detecting illegal parking, and electronic device | |
| EP3806064A1 (en) | Method and apparatus for detecting parking space usage condition, electronic device, and storage medium | |
| CN106373426A (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
| CN106991820B (zh) | 违规车辆处理方法及装置 | |
| CN108806272B (zh) | 一种提醒多辆机动车车主违法停车行为的方法及装置 | |
| CN110032947B (zh) | 一种监控事件发生的方法及装置 | |
| CN110909692A (zh) | 异常车牌识别方法、装置及计算机存储介质、电子设备 | |
| KR101834838B1 (ko) | 영상처리를 이용한 도로 교통 정보 제공 시스템 및 방법 | |
| CN108932851B (zh) | 一种记录机动车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 | |
| CN111369801B (zh) | 车辆识别方法、装置、设备和存储介质 | |
| CN112509325B (zh) | 一种基于视频深度学习的非现场违法自动甄别方法 | |
| US20210192215A1 (en) | Platform for the management and validation of contents of video images, picture or similar, generated by different devices | |
| CN111028503B (zh) | 一种车辆变道监测方法及装置 | |
| CN111768630A (zh) | 一种违章废图检测方法、装置及电子设备 | |
| CN113496213A (zh) | 一种目标感知数据的确定方法、装置、系统及存储介质 | |
| CN112528944A (zh) | 一种图像识别方法、装置、电子设备及存储介质 | |
| CN108932853B (zh) | 一种记录多台机动车违法停车行为的方法及装置 | |
| CN115880632A (zh) | 超时停留检测方法、监控设备、计算机可读存储介质和芯片 | |
| CN113160578B (zh) | 车牌信息确认方法、系统以及计算机存储介质 | |
| CN115471804A (zh) | 标注数据质检方法、装置、存储介质及电子设备 | |
| CN110766949B (zh) | 违章抓拍方法及装置 | |
| CN113593253A (zh) | 车辆的闯红灯监测方法和装置 | |
| CN112597945A (zh) | 车辆检测方法及装置 | |
| CN112257555A (zh) | 一种信息处理方法、装置、设备及存储介质 |
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 |