CN111932450B - 一种交通违法数据管理方法及装置 - Google Patents

Abstract

本申请实施例提供一种交通违法数据管理方法及装置，该方法根据获取请求中携带的违法标识和车辆标识确定违法图像数据（鱼眼图像），通过图像模型和第一投影矩阵将违法图像数据处理为大视角下的第一违法证据，确定第一违法证据中的违法车辆的车辆违法信息，并确定车辆违法信息在图像模型中的三维坐标点区域；根据三维坐标点区域确定第二投影矩阵，再利用第二投影矩阵处理违法图像数据，得到包括违法车辆的车辆违法信息的小视角下的待发送违法证据，并发送至用户终端。本申请实施例可实现将鱼眼摄像头拍摄的违法图像数据中的用户终端所对应的违法车辆的车辆违法信息定位出来，并发送至用户终端，使得鱼眼摄像头在交通管理领域的使用成为可能。

Description

一种交通违法数据管理方法及装置

技术领域

本申请涉及智慧交通技术领域，尤其是涉及一种交通违法数据管理方法及装置。

背景技术

在传统的视频监控中，主要是2D平面图片的展示，但是随着计算机技术的崛起，鱼眼图像在监控行业中的优势越发明显。传统的平面摄像头中只能监控一个方位的场景，但鱼眼摄像头由于拥有更广的视角，能监控到视野更加广阔，这样原本需要多个平面摄像头监控的场地，现在只需要一个鱼眼摄像头就可以解决，大大节约了硬件成本。

虽然鱼眼摄像头拥有更广的视角，然而鱼眼摄像头在交通管理领域中却几乎没有应用。一方面，是因为鱼眼摄像头所拍摄得到的图像数据往往具有很大的畸变，且拍摄得到的图像数据通常通过圆形来展示，不太好理解；另一方面，交通管理领域中每天涉及到的交通案件非常多，如各种交通违法案件等，鱼眼图像数据本身就不好理解，也不太直观，若使用鱼眼摄像头会严重影响交通案件管理的效率。

发明内容

本申请实施例提供一种交通违法数据管理方法及装置，使得鱼眼摄像头在交通管理领域的应用成为可能。

本申请实施例提供一种交通违法数据管理方法，包括：

接收用户终端发送的违法证据的获取请求，所述获取请求中携带违法标识和车辆标识；

根据所述违法标识和所述车辆标识确定违法图像数据，所述违法图像数据为鱼眼图像数据；

根据图像模型和第一投影矩阵将所述违法图像数据处理为大视角下的第一违法证据；

确定所述第一违法证据中的违法车辆的车辆违法信息；

确定所述车辆违法信息在所述图像模型中对应的三维坐标点区域；

根据所述三维坐标点区域确定待发送违法证据对应的第二投影矩阵；

利用所述第二投影矩阵处理所述违法图像数据，得到所述违法图像数据对应的小视角下的待发送违法证据，所述待发送违法证据中包括违法车辆的车辆违法信息；

向所述用户终端发送所述待发送违法证据。

同时，本申请实施例还提供一种交通违法数据管理装置，包括：

接收单元，用于接收用户终端发送的违法证据的获取请求，所述获取请求中携带违法标识和车辆标识；

图像确定单元，用于根据所述违法标识和所述车辆标识确定违法图像数据；

第一处理单元，用于根据图像模型和第一投影矩阵将所述违法图像数据处理为大视角下的第一违法证据；

车辆确定单元，用于确定所述第一违法证据中的违法车辆的车辆违法信息；

区域确定单元，用于确定所述车辆违法信息在所述图像模型中对应的三维坐标点区域；

矩阵确定单元，用于根据所述三维坐标点区域确定待发送违法证据对应的第二投影矩阵；

第二处理单元，用于利用所述第二投影矩阵处理所述违法图像数据，得到所述违法图像数据对应的小视角下的待发送违法证据，所述待发送违法证据中包括违法车辆的车辆违法信息；

发送单元，用于向所述用户终端发送所述待发送违法证据。

同时，本申请实施例还提供一种服务器，所述服务器包括存储器，处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行程序时实现上述交通违法数据管理方法中的步骤。

同时，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有多条指令，指令始于处理器进行加载，以执行上述交通违法数据管理方法中的步骤。

本申请实施例提供一种交通违法数据管理方法及装置，本申请实施例当接收用户终端发送的违法证据的获取请求后，根据获取请求中携带的违法标识和车辆标识确定鱼眼摄像头拍摄得到的违法图像数据，通过图像模型和第一投影矩阵将违法图像数据处理为大视角下的第一违法证据，确定第一违法证据中的违法车辆的车辆违法信息，并确定车辆违法信息在图像模型中的三维坐标点区域；根据三维坐标点区域确定第二投影矩阵，再利用第二投影矩阵处理违法图像数据，得到包括违法车辆的车辆违法信息的小视角下的待发送违法证据，并向用户终端发送待发送违法证据。如此，先确定鱼眼摄像头拍摄得到的违法图像数据中的违法车辆的车辆违法信息，再根据车辆违法信息确定第二投影矩阵，再利用第二投影矩阵对违法图像数据进行处理，以得到包括违法车辆的车辆违法信息的小视角下的待发送违法证据，并发送给用户终端，以使得用户查看所对应的违法车辆的车辆违法信息。可以理解地，大视角下的第一违法证据包括了违法数据图像中的所有信息，而小视角下的待发送违法证据只包括了用户终端所对应的违法车辆的车辆违法信息，本申请实施例可实现将鱼眼摄像头拍摄的违法图像数据中的用户终端所对应的违法车辆的车辆违法信息定位出来，并发送至用户终端，使得鱼眼摄像头在交通管理领域的使用成为可能。

附图说明

下面结合附图，通过对本申请的具体实施方式详细描述，将使本申请的技术方案及其它有益效果显而易见。

图1为本申请实施例提供的智慧交通系统的场景示意图。

图2为本申请实施例提供的交通违法数据管理方法的流程示意图。

图3为本申请实施例提供的透视投影的成像原理图。

图4为本申请实施例提供的第一违法证据的示意图。

图5为本申请实施例提供的确定目标相交点的示意图。

图6为本申请实施例提供的三维坐标点区域的外接长方体的示意图。

图7为本申请实施例提供的确定第二投影矩阵视锥体的示意图。

图8为本申请实施例提供的待发送违法证据的示意图。

图9为本申请实施例提供的交通违法数据管理装置的结构示意图。

图10为本申请实施例提供的服务器的结构示意图。

具体实施方式

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。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

请参阅图1，图1为本申请实施例提供的智慧交通系统的场景示意图，该系统可以包括用户终端和服务器，用户终端的数量可以为一个或多个，服务器的数量也可以为一个或者多个，即服务器可以是单个服务器，还可以是服务器集群。用户终端和服务器通过网络连接。用户终端包括但不限于智能手机、平板电脑、笔记本电脑、智能机器人、可穿戴设备、车载终端，等等。如可包括违法用户所对应的用户终端和交警用户的用户终端等。服务器包括本地服务器和/或远程服务器等。服务器可以部署在本地服务器，也可以部分或者全部部署在远程服务器上。

在一种情况下，智慧交通系统还可以包括前端设备，前端设备包括鱼眼摄像头等，用于对通过前端设备的车辆进行数据采集，数据采集包括但不局限于车辆的违法数据等。车辆的违法数据包括但不限于闯红灯的违法数据、逆行的违法数据、禁停的违法数据等，具体的违法数据中包括车牌号码（号码可以是假牌或者套牌）、车牌类型（私家车的蓝底车牌、货车的黄底车牌等）、斑马线等信息。其中，可以理解地，车辆违法数据中包括记录对应的事件、对应前端设备的地址的信息，便于在实时监控视频流中出现违法行为时，可以对违法行为发生的时间、地址进行对应的记录，以便于后续处理违法行为时可以依据对应的记录。

前端设备将采集的交通违法数据（如闯红灯拍照/拍视频）发送至服务器，服务器将交通违法数据进行保存。也可以是前端设备采集很多的交通数据，该交通数据既包括交通违法数据，也包括交通非违法数据，服务器对交通数据进行识别，以得到交通违法数据，并将交通违法数据进行保存。

用户终端向用户发送违法证据的获取请求，该获取请求中携带违法标识和车辆标识；服务器接收用户终端发送的违法证据的获取请求；根据违法标识和车辆标识确定违法图像数据，该违法图像数据为鱼眼图像数据；根据图像模型和第一投影矩阵将违法图像数据处理为大视角下的第一违法证据；确定第一违法证据中的违法车辆的车辆违法信息；确定车辆违法信息在图像模型中的三维坐标点区域；根据三维坐标点区域确定待发送违法证据对应的第二投影矩阵；利用第二投影矩阵处理违法图像数据，得到违法图像数据对应的小视角下的待发送违法证据，该待发送违法证据中包括违法车辆的车辆违法信息；向用户终端发送待发送违法证据。

需要说明的是，图1所示的系统场景示意图仅仅是一个示例，本申请实施例描述的服务器以及场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着系统的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。以下分别进行详细说明。需要说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。

图2是本申请实施例提供的交通违法数据管理方法的流程示意图，请参阅图2，该交通违法数据管理方法包括以下步骤：

101，接收用户终端发送的违法证据的获取请求，该获取请求中携带违法标识和车辆标识。

用户终端可通过http协议向服务器发送违法证据的获取请求，该获取请求中携带违法标识和车辆标识，其中，违法证据可以是所拍摄的图片，也可以是所拍摄的视频等。获取请求中携带违法标识和车辆标识，车辆标识可以是车牌号等信息，对于违法标识而言，不同的违法行为所对应的违法标识不同。例如，车辆的违法行为包括闯红灯、逆行、超速等，可将闯红灯的违法标识设置为1，逆行的违法标识设置为2，超速的违法标识设置为3；也可以设置为不同的字符串，如将闯红灯的违法标识设置为字符串1，逆行的违法标识设置为字符串2，超速的违法标识设置为字符串3等，字符串1、字符串2和字符串3都不相同。还可以按照其他的方式设置违法标识。

服务器接收到用户终端发送的违法证据的获取请求后，获取该获取请求中携带的违法标识和车辆标识。

在一种情况下，用户终端可通过用户界面来生成获取请求，并发送获取请求。例如，在用户界面上包括多种违法行为，用户选择了其中一种违法行为，并输入车辆标识，则获取该违法行为所对应的违法标识，并根据违法标识和车辆标识生成获取请求。如此，服务器接收到用户终端发送的违法证据的获取请求时，获取该获取请求中携带的违法标识和车辆标识。

可以理解地，获取请求中还可以携带终端标识等，以在服务器生成待发送违法证据后，根据终端标识向对应的用户终端发送待发送违法证据。

102，根据违法标识和车辆标识确定违法图像数据，该违法图像数据为鱼眼图像数据。

服务器根据获取请求中的违法标识和车辆标识，从服务器保存的交通违法数据中获取该违法标识和车辆标识对应的违法图像数据。可以理解地，由于保存的交通违法数据是鱼眼图像数据，因此该违法标识和车辆标识对应的违法图像数据也是鱼眼图像数据。本申请实施例中以鱼眼摄像头为180度，鱼眼图像数据显示为原形为例进行说明。

103，根据图像模型和第一投影矩阵将违法图像数据处理为大视角下的第一违法证据。

其中，在虚拟场景中，通常需要构建物体坐标系，并在物体坐标系中建立模型（俗称建模）。本申请实施例中建立图像模型，该图像模型为球形；在其他情况下，可根据具体使用场景对应不同形状的图像模型。

以下将以图像模型为球形为例进行说明，可以简单理解为图像模型是按照经度分为n个圆，每个圆上分配m个点所形成的球形，如n=180，m=30等。需要注意的是，n越大，m越大，所形成的球形越圆。

建立好模型后，可构建投影矩阵。在虚拟场景中，物体（或者模型，在模型上进行纹理贴图后即显示为物体）所在的坐标系称为物体坐标系，相机坐标系是以虚拟相机的聚焦中心为原点构建的坐标系，还对应有一个世界坐标系。虚拟相机、物体等都处于世界坐标系下。世界坐标系里面的虚拟相机、物体、模型，虚拟相机的广角、俯仰角、镜头到近平面和远平面的距离等的关系都体现在投影矩阵中。

第一投影矩阵可通过如下方式确定：获取设置的第一虚拟相机的初始参数，该初始参数包括第一虚拟相机的位置（第一虚拟相机的第一位置点和朝向）、欧拉角、第一虚拟相机的镜头到投影面（也可称为近平面）的距离、第一虚拟相机的镜头到远平面的距离等；根据第一虚拟相机的初始参数确定第一投影矩阵。如根据第一虚拟相机的初始参数，利用数学库来确定第一投影矩阵，如将第一虚拟相机的初始参数，输入至GLM数据库（openGLMathematics，openGL数学库）的对应函数中，利用该函数计算第一投影矩阵。

如图3所示，为本申请实施例提供的透视投影的成像原理图。其中，镜头到近平面11的距离，即点P和点1之间的距离，镜头到远平面12的距离，即点P和点2之间的距离。第一虚拟相机的位置包括P点在世界坐标系中的坐标、第一虚拟相机的镜头朝向等信息。

上述所述的图像模型和第一投影矩阵可预先进行确定。在执行根据图像模型和第一投影矩阵将违法图像数据处理为大视角下的第一违法证据的步骤时，可直接利用中央处理器（central processing unit，CPU）获取图像模型和第一投影矩阵，并根据第一投影矩阵和图像模型将违法图像数据处理为大视角下的第一违法证据。也可以是在执行根据第一投影矩阵和图像模型将违法图像数据处理为大视角下的第一违法证据的步骤过程中，先利用CPU确定图像模型和第一投影矩阵，再根据第一投影矩阵和图像模型将违法图像数据处理为大视角下的第一违法证据。

其中，根据第一投影矩阵和图像模型将违法图像数据处理为大视角下的第一违法证据的步骤包括：通过CPU将第一投影矩阵、违法图像数据和图像模型拷贝至图形处理器（Graphics Processing Unit，GPU）中，以根据第一投影矩阵、图像模型和违法图像数据，利用图形处理器将违法图像数据处理为大视角下的第一违法证据。具体地，通过CPU将图像模型中的顶点传输至顶点着色器中，将图像模型中的纹理坐标拷贝至片元着色器中，并根据违法图像数据确定纹理坐标所对应的纹理单元，利用GPU进行渲染，得到大视角下的第一违法证据。

在本申请实施例中，大视角下的第一违法证据与鱼眼图像数据显示为相同。如图4所示，即为根据图像模型和第一投影矩阵将违法图像数据进行处理，得到的第一违法证据23所对应的图像。需要注意的是，图4仅仅是一个示例，在交通监控场景中，第一违法证据23还包括更多或者更少其他的信息内容。

其中，大视角本质上就是把图像模型放入至第一虚拟相机的视锥体内所对应的视角。如图3所示，视锥体即为近平面11和远平面12之间的梯形区域。可以理解地，在大视角下，图像模型整体都在第一虚拟相机的视锥体内。由于第一图像模型是个球形，视角内可以看到该球形的一半，将违法图像数据作为纹理单元，整个贴在该一半的球形上，即得到大视角下的第一违法证据。或者可以简单理解，大视角是将第一虚拟相机放置于图像模型外侧的较远处，从而视野内所看到的图像模型所对应的完整第一违法证据图像的视角。

104，确定第一违法证据中的违法车辆的车辆违法信息。

其中，车辆违法信息包括车辆信息以及对应的违法信息，如对于闯红灯，车辆信息包括车牌号，违法信息包括车头与斑马线之间的距离关系等。

确定第一违法证据中的违法车辆的车辆违法信息的方法可以有多种，如通过车辆检测的方法来识别第一违法证据中的违法车辆，并将违法车辆的车辆违法信息标注出来。其中，车辆检测的方法可以使用现有的任何一种基于机器学习的车辆检测方法或者使用其他合理的方式来确定违法车辆的车辆违法信息。

如图4所示，在第一违法证据23中，违法车辆的车辆违法信息24为车辆以及车辆附近所对应的斑马线的区域，如图4中使用长方形框标注出来的区域。需要注意的是，违法车辆的车辆违法信息24还可以是采用其他形状，如圆形等标注出来的区域；图4中所示的车辆违法信息24仅仅只是为了示例说明，并不构成对车辆违法信息的限定。

需要注意的是，由于第一违法证据和违法图像数据显示为相同，但需要在确定第一违法证据后，根据第一违法证据来确定违法车辆的车辆违法信息，这是因为后面要用到图像模型，需要违法图像数据纹理贴图到图像模型，渲染后正好可以得到大视角下的第一违法证据；在图像模型相同的情况下，通过该图像模型中的对应的三维坐标点区域得到的第二投影矩阵，最终才可以得到包括车辆违法信息的待发送数据。

105，确定车辆违法信息在图像模型中对应的三维坐标点区域。

其中，车辆违法信息（图像）是属于第一违法证据（图像）中的一部分，而第一违法证据是违法图像数据在图像模型上进行纹理贴图并渲染之后得到的，因此，在图像模型中必然也对应一部分三维坐标点区域，该三维坐标点区域进行纹理贴图渲染之后得到车辆违法信息，将该三维坐标点区域即为车辆违法信息在图像模型中对应的三维坐标点区域。

具体地，步骤105，包括：获取第一投影矩阵中的近平面以及第一投影矩阵中的第一虚拟相机的第一位置点信息；确定车辆违法信息在近平面上的目标位置信息；根据第一位置点信息和目标位置信息确定车辆违法信息在图像模型中对应的三维坐标点区域。

其中，第一虚拟相机的第一位置点信息，即为第一虚拟相机的镜头所在的位置点信息。如图5中的P点即为第一虚拟相机的第一位置点，P点所对应的坐标是世界坐标系中的坐标。确定第一投影矩阵中的近平面，可通过：获取第一投影矩阵中的近平面信息和欧拉角信息，以及第一虚拟相机的第一位置点信息；该近平面信息包括近平面到第一位置点的距离，根据近平面信息和欧拉角信息确定第一投影矩阵中的近平面的大小。如第一投影矩阵中的近平面即为图中的近平面11。

根据透视投影的原理，我们视野可以看到的部分，其实就是图像模型上的顶点乘以第一投影矩阵后，落在近平面上的顶点，经过归一化、裁剪、以及纹理贴图最终展现出来的效果。因此，车辆违法信息在近平面上的目标位置信息即为第一违法证据中的车辆违法信息。根据车辆违法信息在第一违法证据中所在的位置确定车辆违法信息在近平面上的目标位置信息。

如图5所示，P点所对应的坐标轴为相机坐标轴，P点垂直于近平面11和远平面12的轴为z轴。图像模型22位于近平面11和远平面12之间的视锥体中。车辆违法信息在近平面11上的目标位置信息用21来表示，为了附图的清晰明了考虑，目标位置信息21中并没有显示车辆违法信息的内容。目标位置信息21中的车辆违法信息可参看图4中所示的车辆违法信息24。

其中，根据第一位置点信息和目标位置信息确定车辆违法信息在图像模型中对应的三维坐标点区域的步骤，包括：确定第一位置点信息中的第一位置点和目标位置信息中的各目标位置点形成的各直线；确定各直线与图像模型相交的各目标相交点；将各目标相交点形成的区域作为车辆违法信息在图像模型中的三维坐标点区域。

具体地，确定各直线与图像模型相交的各目标相交点的步骤，包括：确定每条直线与图像模型相交的候选相交点；将候选相交点中离近平面最近的一个候选相交点作为该直线与图像模型相交的目标相交点。可以理解地，因为图像模型为球形，每条直线与图像模型相交的候选相交点至少有一个，多数情况下候选相交点有2个，因为离近平面较远的一个候选相交点投影后并不会显示在近平面上，因此，将候选相交点中离近平面最近的一个候选相交点作为该直线与图像模型相交的目标相交点。

其中，确定第一位置点信息中的第一位置点和目标位置信息中的各目标位置点形成的各直线，第一位置点和每个目标位置点形成一条直线，第一位置点和多个目标位置点形成多条直线。

如图5所示，确定第一位置点P和目标位置信息21中的各目标位置点形成的各直线，其中，以目标位置信息21中的目标位置点A、B为例进行说明。第一位置点P和目标位置点A形成一条直线PA，第一位置点P和目标位置点B形成另一条直线PB。

确定各直线与图像模型相交的各目标相交点，如确定直线PA与图像模型中的目标相交点、确定直线PB与图像模型中的目标相交点。可以理解地，图像模型在世界坐标系下的位置是固定的，因此，图像模型中的每个点的坐标也是确定的。确定各直线与图像模型相交的各目标相交点，即为确定直线与球体相交的各目标相交点。

图5中，确定直线PA与图像模型的相交点有两个：点C和点E，点C和点E即为直线PA与图像模型相交的候选相交点。确定直线PB与图像模型的相交点也有两个：点D和点F。点D和点F即为直线PB与图像模型相交的候选相交点。

确定了候选相交点后，将候选相交点中离近平面最近的一个候选相交点作为直线与图像模型相交的目标相交点。具体地，计算候选相交点中与目标位置点之间的距离，将候选相交点中与目标位置点之间的距离最近的候选相交点作为目标相交点。如对于直线PA来说，计算点C与点A之间的距离，以及点E和点A之间的距离，发现点C与点A之间距离最近，则将点C作为目标相交点；对于直线PB来说，计算点D与点B之间的距离，以及点F和点B之间的距离，发现点D与点B之间距离最近，则将点D作为目标相交点。

如此，得到多个目标相交点，将目标相交点所形成的的三维区域作为车辆违法信息在图像模型中对应的三维坐标点区域。

可以理解地，上述方案中，在确定第一位置点信息中的第一位置点和目标位置信息中的各目标位置点形成的各直线的步骤时，确定第一位置点信息中的第一位置点和目标位置信息中的所有目标位置点形成的各直线。

在一种情况下，为了减少计算量，在确定第一位置点信息中的第一位置点和目标位置信息中的各目标位置点形成的各直线的步骤时，仅仅确定第一位置点信息中的第一位置点和目标位置信息中的各目标临界位置点形成的各直线。其中，将形成目标位置信息21中的临界位置点作为目标临界位置点，临界位置点也可以理解为形成目标位置信息21中的边缘位置点，如图5中的形成目标位置信息21中的四条边所在的位置点即为临界位置点。后续详细步骤请参看上文中的对应描述，在此不再赘述。

通过上述步骤得到了车辆违法信息在图像模型中对应的三维坐标点区域。

106，根据三维坐标点区域确定待发送违法证据对应的第二投影矩阵。

该第二投影矩阵可对三维坐标点区域中的三维坐标点进行投影，以得到待发送违法证据。

具体地，步骤106，包括：根据三维坐标点区域和图像模型的中心点信息确定待发送违法证据对应的第二投影矩阵。即先确定图像模型的中心点，根据三维坐标点区域和图像模型的中心点信息确定待发送违法证据对应的第二投影矩阵。

进一步地，步骤106，包括：确定图像模型的中心点信息，将中心点信息作为待展示违法证据对应的第二投影矩阵中的第二虚拟相机的第二位置点信息；根据三维坐标点区域和第二位置点信息确定待展示违法证据对应的第二投影矩阵。

由于图像模型的位置是确定的，第一投影矩阵中的第一虚拟相机的第一位置点的信息是确定的，因此可得到图像模型的中心点信息，将该图像模型的中心点信息作为第二投影矩阵的第二虚拟相机的第二位置点信息。即第二虚拟相机的镜头所处的位置信息即为图像模型的中心点。

具体地，根据三维坐标点区域和第二位置点信息确定待展示违法证据对应的第二投影矩阵的步骤，包括：确定三维坐标点区域的外接长方体，其中，外接长方体距离第二位置点最近的第一平面的中点和第二位置点形成的直线与第一平面垂直，外接长方体中距离第二位置点最远的第二平面与第一平面平行；根据外接长方体和第二位置点信息确定第二投影矩阵。

其中，确定三维坐标点区域的外接长方体时，可将与图像模型的球体相切的一个面作为外接长方体的第二平面；确定三维坐标点区域中的距离第二平面垂直距离最远的一个三维坐标点，将包括该三维坐标点且与第二平面平行的面作为第一平面。由于第二位置点为图像模型的中心点，图像模型的中心点与切面（第二平面）一定垂直，因此，第二位置点（图像模型的中心点）与所确定的第一平面也一定垂直。确定了第一平面和第二平面后，根据三维坐标点区域，在确定外接长方体的其他面的信息，最后可确定出外接长方体。还可以按照其他方法来确定外接长方体。

如图6所示，黑色的点表示三维坐标点，其中，需要说明的是，三维坐标点区域是连续的，而不是图6中的分散的，图6中的当前示出的三维坐标点只是为了示例说明而已；另外，需要说明的是，图像模型22还可以包括更多的点等，图6中的图像模型22只是为了示例说明而已。其中，第二位置点31，即图像模型的中心点31与第一平面41的中点32形成的直线与第一平面41垂直。所确定的外接长方体内包括所有的三维坐标点区域。

确定外接长方体后，根据外接长方体和第二位置点信息确定第二投影矩阵。

具体地，根据外接长方体和第二位置点信息确定第二投影矩阵的步骤，包括：根据外接长方体和第二位置点信息确定透视矩阵和视角矩阵；获取预设的模型矩阵；根据模型矩阵、透视矩阵和视角矩阵确定第二投影矩阵。

其中，投影矩阵（包括第一投影矩阵和第二投影矩阵）对应为MVP矩阵，其中，MVP =prespective * view * model。model矩阵（也称为模型矩阵）对应的是第二图像模型的操作矩阵，主要操作第二图像模型在x、y、z轴上的旋转。view矩阵（也称为视角矩阵）主要对应的是第二虚拟相机的位置、朝向等，prespective矩阵（也称为透视矩阵）对应的是第二虚拟相机的欧拉角、近平面、远平面等信息。

具体地，根据外接长方体和第二位置点信息确定透视矩阵的步骤，包括：将第一平面作为近平面，将包括第二平面的平面作为远平面；根据第二位置点信息确定第二位置点到近平面的第一距离、第二位置点到远平面的第二距离；根据第二位置点信息和近平面两条平行的边确定欧拉角；根据第一距离、第二距离和欧拉角确定透视矩阵。

如图7所示，将第一平面41作为视锥体的近平面，根据透视投影的原理，当确定了近平面和第二位置点31后，可确定远平面42，远平面42包括第二平面。其中，第二平面与图像模型相切，因此，位于近平面41和远平面42之间的三维坐标点区域都可以投影到近平面41上。

其中，将第二位置点到近平面的中点之间的垂直距离作为第二位置点到近平面的第一距离，将第二位置点到远平面的中点之间的垂直距离作为第二位置点到远平面的第二距离。根据第二位置点和近平面两条平行的边确定欧拉角。

请参看图7，将第二位置点31到近平面41的中点32之间的垂直距离作为第二位置点31到近平面41的第一距离，将第二位置点31到远平面42的中点33之间的垂直距离作为第二位置点31到远平面42的第二距离。根据第二位置点31和近平面41两条平行的边确定出欧拉角34。

当确定出了第一距离、第二距离和欧拉角之后，根据第一距离、第二距离和欧拉角确定透视矩阵。如此，得到第二投影矩阵的透视矩阵。

其中，根据外接长方体和第二位置点信息确定视角矩阵的步骤，包括：根据第一平面和第二位置点信息确定朝向向量；根据朝向向量和第二位置点信息确定视角矩阵。

具体地，视角矩阵中包括第二虚拟相机的第二位置点和第二虚拟相机的朝向向量以及与朝向向量垂直的另一向量。其中，第二虚拟相机的朝向向量根据第一平面的中点和第二位置点确定。图7中的第一平面41的中点32与第二位置点31之间的向量即为朝向向量，确定了朝向向量之后，再确定与朝向向量垂直的另一向量。如此，即可得到视角矩阵。

得到透视矩阵和视角矩阵之后，再获取预设的模型矩阵，其中，模型矩阵与第一投影矩阵中的模型矩阵相同，即为预先设置的一个模型矩阵。

最后，根据透视矩阵、视角矩阵和预设的模型矩阵，确定第二投影矩阵。具体的，根据MVP = prespective * view * model来计算。

如此，得到待发送违法证据对应的第二投影矩阵。

107，利用第二投影矩阵处理违法图像数据，得到违法图像数据对应的小视角下的待发送违法证据，该待发送违法证据中包括违法车辆的车辆违法信息。

具体地，利用第二投影矩阵和图像模型处理违法图像数据，得到违法图像数据对应的小视角下的待发送违法证据。

其中，利用第二投影矩阵和图像模型处理违法图像数据，得到违法图像数据对应的小视角下的待发送违法证据的步骤，包括：通过CPU将第二投影矩阵、违法图像数据和图像模型拷贝至GPU中，以根据第二投影矩阵和图像模型，以及违法图像数据生成小视角下的待发送违法证据。具体地，通过CPU将图像模型中的顶点传输至顶点着色器中，将图像模型中的纹理坐标拷贝至片元着色器中，并根据违法图像数据确定纹理坐标所对应的纹理单元，利用GPU进行渲染，生成小视角下的待发送违法证据。

其中，小视角指的是进行渲染后，视野内可以看到局部的图像数据的视角。即小视角是将第二虚拟相机放置于图像模型的中心点，从而视野内所看到的图像模型投影后所对应的局部平面图像的视角。该步骤中得到待发送违法证据。

需要注意的是，因为第二投影矩阵是根据车辆违法信息在图像模型中的三维坐标点区域来确定的，因此，根据第二投影矩阵对违法图像数据进行处理，得到的待发送违法证据中一定包括违法车辆的车辆违法信息。

得到的待发送违法证据如图8所示，在图8中，为了隐私考虑，将车辆的车牌号信息进行了加密处理。可以理解地，将违法图像数据中的违法车辆的车辆违法信息定位出来，以得到待发送违法证据。

需要提醒的是，如果违法图像数据有多个，则对多个违法图像数据都进行上述步骤的处理，以得到各违法图像数据对应的小视角下的各待发送违法数据。即待发送违法数据可以有多个，也可以只有一个。

108，向用户终端发送待发送违法数据。

具体地，向终端标识所对应的用户终端发送待发送违法数据。

本申请实施例根据第一违法证据中的车辆位置，反推出第二投影矩阵，再利用第二投影矩阵对违法图像数据进行处理，以得到小视角下的待发送违法证据。第一违法证据中本身可得到第一违法证据中的违法车辆等信息，但本申请实施例还需要反推出第二投影矩阵，再利用第二投影矩阵对违法图像数据进行处理，以得到小视角下的待发送违法证据（违法车辆的车辆违法信息）的原因是：第一违法证据是大视角下的，包括很多信息，而其中所对应的车辆信息太小，可能会看的不明显。而待发送违法数据是根据第二投影矩阵得到的，是小视角下的图像，仅仅对应违法车辆的车辆违法信息，能看到违法车辆的细节部分。

本申请实施例可实现将鱼眼摄像头拍摄的违法图像数据中的用户终端所对应的违法车辆的车辆违法信息定位出来，并发送至用户终端，使得鱼眼摄像头在交通管理领域的使用成为可能。

相应的，图9为本申请实施例提供的交通违法数据管理装置的结构示意图；请参阅图9，该交通违法数据管理装置包括：接收单元201、图像确定单元202、第一处理单元203、车辆确定单元204、区域确定单元205、矩阵确定单元206、第二处理单元207以及发送单元208。

接收单元201，用于接收用户终端发送的违法证据的获取请求，该获取请求中携带违法标识和车辆标识。

图像确定单元202，用于根据违法标识和车辆标识确定违法图像数据。

第一处理单元203，用于根据图像模型和第一投影矩阵将违法图像数据处理为大视角下的第一违法证据。

第一处理单元203，具体用于通过CPU将第一投影矩阵、违法图像数据和图像模型拷贝至图形处理器（Graphics Processing Unit，GPU）中，以根据第一投影矩阵、图像模型和违法图像数据，利用图形处理器将违法图像数据处理为大视角下的第一违法证据。具体地，通过CPU将图像模型中的顶点传输至顶点着色器中，将图像模型中的纹理坐标拷贝至片元着色器中，并根据违法图像数据确定纹理坐标所对应的纹理单元，利用GPU进行渲染，得到大视角下的第一违法证据。

第一处理单元203还用于确定第一投影矩阵。具体地，第一处理单元203在执行确定第一投影矩阵的步骤时，具体执行：获取设置的第一虚拟相机的初始参数，该初始参数包括第一虚拟相机的位置（第一虚拟相机的第一位置点和朝向）、欧拉角、第一虚拟相机的镜头到投影面（也可称为近平面）的距离、第一虚拟相机的镜头到远平面的距离等；根据第一虚拟相机的初始参数确定第一投影矩阵。

车辆确定单元204，用于确定第一违法证据中的违法车辆的车辆违法信息。

区域确定单元205，用于确定车辆违法信息在图像模型中对应的三维坐标点区域。

区域确定单元205，具体用于获取第一投影矩阵中的近平面以及第一投影矩阵中的第一虚拟相机的第一位置点信息；确定车辆违法信息在近平面上的目标位置信息；根据第一位置点信息和目标位置信息确定车辆违法信息在图像模型中对应的三维坐标点区域。

其中，根据第一位置点信息和目标位置信息确定车辆违法信息在图像模型中对应的三维坐标点区域的步骤，包括：确定第一位置点信息中的第一位置点和目标位置信息中的各目标位置点形成的各直线或者确定第一位置点信息中的第一位置点和目标位置信息中的各目标临界位置点形成的各直线；确定各直线与图像模型相交的各目标相交点；将各目标相交点形成的区域作为车辆违法信息在图像模型中的三维坐标点区域。

其中，确定各直线与图像模型相交的各目标相交点的步骤，包括：确定每条直线与图像模型相交的候选相交点；将候选相交点中离近平面最近的一个候选相交点作为该直线与图像模型相交的目标相交点。

矩阵确定单元206，用于根据三维坐标点区域确定待发送违法证据对应的第二投影矩阵。

矩阵确定单元206，具体用于根据三维坐标点区域和图像模型的中心点信息确定待发送违法证据对应的第二投影矩阵。即先确定图像模型的中心点，根据三维坐标点区域和图像模型的中心点信息确定待发送违法证据对应的第二投影矩阵。

其中，根据三维坐标点区域和图像模型的中心点信息确定待发送违法证据对应的第二投影矩阵的步骤，包括：确定图像模型的中心点信息，将中心点信息作为待展示违法证据对应的第二投影矩阵中的第二虚拟相机的第二位置点信息；根据三维坐标点区域和第二位置点信息确定待展示违法证据对应的第二投影矩阵。

具体地，根据三维坐标点区域和第二位置点信息确定待展示违法证据对应的第二投影矩阵的步骤，包括：确定三维坐标点区域的外接长方体，其中，外接长方体距离第二位置点最近的第一平面的中点和第二位置点形成的直线与第一平面垂直，外接长方体中距离第二位置点最远的第二平面与第一平面平行；根据外接长方体和第二位置点信息确定第二投影矩阵。

具体地，根据外接长方体和第二位置点信息确定第二投影矩阵的步骤，包括：根据外接长方体和第二位置点信息确定透视矩阵和视角矩阵；获取预设的模型矩阵；根据模型矩阵、透视矩阵和视角矩阵确定第二投影矩阵。

其中，根据外接长方体和第二位置点信息确定透视矩阵的步骤，包括：将第一平面作为近平面，将包括第二平面的平面作为远平面；根据第二位置点信息确定第二位置点到近平面的第一距离、第二位置点到远平面的第二距离；根据第二位置点信息和近平面两条平行的边确定欧拉角；根据第一距离、第二距离和欧拉角确定透视矩阵。

其中，根据外接长方体和第二位置点信息确定视角矩阵的步骤，包括：根据第一平面和第二位置点信息确定朝向向量；根据朝向向量和第二位置点信息确定视角矩阵。

第二处理单元207，用于利用第二投影矩阵处理违法图像数据，得到违法图像数据对应的小视角下的待发送违法证据，待发送违法证据中包括违法车辆的车辆违法信息。

具体地，利用第二投影矩阵和图像模型处理违法图像数据，得到违法图像数据对应的小视角下的待发送违法证据。

其中，利用第二投影矩阵和图像模型处理违法图像数据，得到违法图像数据对应的小视角下的待发送违法证据的步骤，包括：通过CPU将第二投影矩阵、违法图像数据和图像模型拷贝至GPU中，以根据第二投影矩阵和图像模型，以及违法图像数据生成小视角下的待发送违法证据。具体地，通过CPU将图像模型中的顶点传输至顶点着色器中，将图像模型中的纹理坐标拷贝至片元着色器中，并根据违法图像数据确定纹理坐标所对应的纹理单元，利用GPU进行渲染，生成小视角下的待发送违法证据。

发送单元208，用于向用户终端发送待发送违法证据。

具体实施时，以上各个单元可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现。以上装置和各单元的具体实现过程，以及所达到的有益效果，可以参考前述的方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。

相应的，本申请实施例还提供一种服务器，如图10所示，该服务器可以包括射频（RF，Radio Frequency）电路801、包括有一个或一个以上计算机可读存储介质的存储器802、输入单元803、显示单元804、传感器805、音频电路806、无线保真（WiFi，WirelessFidelity）模块807、包括有一个或者一个以上处理核心的处理器808、以及电源809等部件。本领域技术人员可以理解，图10中示出的服务器结构并不构成对服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部分，或者不同的部件布置。其中：

RF电路801可用于收发信息或通话过程中，信号的接受和发送，特别地，将基站的下行信息接收后，交由一个或者一个以上处理器808处理；另外，将涉及上形的数据发送给基站。存储器802可用于存储软件程序（计算机程序）以及模块，处理器808通过运行存储在存储器802的软件程序以及模块，从而执行各种功能应用以及数据处理。输入单元803可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

显示单元804可用于显示由用户输入的信息或提供给用户的信息以及服务器的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。

服务器还可包括至少一种传感器805，比如光传感器、运动传感器以及其他传感器。音频电路806包括扬声器，扬声器可提供用户与服务器之间的音频接口。

WiFi属于短距离无线传输技术，服务器通过WiFi模块807可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图10示出了WiFi模块807，但是可以理解的是，其并不属于服务器的必须构成，完全可以根据需要在不改变申请的本质的范围内而省略。

处理器808是服务器的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器802内的软件程序和/或模块，以及调用存储在存储器802内的数据，执行服务器的各种功能和处理数据，从而对手机进行整体监控。

服务器还包括给各个部件供电的电源809（比如电池），优选的，电源可以通过电源管理系统与处理器808逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

尽管未示出，服务器还可以包括摄像头、蓝牙模块等，在此不再赘述。具体在本实施例中，服务器中的处理器808会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器802中，并由处理器808来运行存储在存储器802中的应用程序，从而实现以下功能：

接收用户终端发送的违法证据的获取请求，所述获取请求中携带违法标识和车辆标识；根据所述违法标识和所述车辆标识确定违法图像数据，所述违法图像数据为鱼眼图像数据；根据图像模型和第一投影矩阵将所述违法图像数据处理为大视角下的第一违法证据；确定所述第一违法证据中的违法车辆的车辆违法信息；确定所述车辆违法信息在所述图像模型中对应的三维坐标点区域；根据所述三维坐标点区域确定待发送违法证据对应的第二投影矩阵；利用所述第二投影矩阵处理所述违法图像数据，得到所述违法图像数据对应的小视角下的待发送违法证据，所述待发送违法证据中包括违法车辆的车辆违法信息；向所述用户终端发送所述待发送违法证据。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文的详细描述，此处不再赘述。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本申请实施例提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以实现以下功能：

接收用户终端发送的违法证据的获取请求，所述获取请求中携带违法标识和车辆标识；根据所述违法标识和所述车辆标识确定违法图像数据，所述违法图像数据为鱼眼图像数据；根据图像模型和第一投影矩阵将所述违法图像数据处理为大视角下的第一违法证据；确定所述第一违法证据中的违法车辆的车辆违法信息；确定所述车辆违法信息在所述图像模型中对应的三维坐标点区域；根据所述三维坐标点区域确定待发送违法证据对应的第二投影矩阵；利用所述第二投影矩阵处理所述违法图像数据，得到所述违法图像数据对应的小视角下的待发送违法证据，所述待发送违法证据中包括违法车辆的车辆违法信息；向所述用户终端发送所述待发送违法证据。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

其中，该存储介质可以包括：只读存储器（ROM，Read Only Memory）、随机存取记忆体（RAM，Random Access Memory）、磁盘或光盘等。

由于该存储介质中所存储的指令，可以执行本申请实施例所提供的任一种方法中的步骤，因此，可以实现本申请实施例所提供的任一种方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

以上对本申请实施例所提供的一种交通违法数据管理方法及装置、服务器及计算机可读存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的技术方案及其核心思想；本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例的技术方案的范围。

Claims (10)

1.一种交通违法数据管理方法，其特征在于，包括：

接收用户终端发送的违法证据的获取请求，所述获取请求中携带违法标识和车辆标识，所述违法标识表示不同违法行为类型所对应的标识，所述车辆标识包括车牌号；

根据所述违法标识和所述车辆标识确定违法图像数据，所述违法图像数据为鱼眼图像数据；

根据图像模型和第一投影矩阵将所述违法图像数据处理为大视角下的第一违法证据；

确定所述第一违法证据中的违法车辆的车辆违法信息；

确定所述车辆违法信息在所述图像模型中对应的三维坐标点区域；

根据所述三维坐标点区域确定待发送违法证据对应的第二投影矩阵；

利用所述第二投影矩阵处理所述违法图像数据，得到所述违法图像数据对应的小视角下的待发送违法证据，所述待发送违法证据中包括违法车辆的车辆违法信息；

向所述用户终端发送所述待发送违法证据。

2.根据权利要求1所述的交通违法数据管理方法，其特征在于，所述根据所述三维坐标点区域确定待发送违法证据对应的第二投影矩阵的步骤，包括：

确定所述图像模型的中心点信息，将所述中心点信息作为待展示违法证据对应的第二投影矩阵中的第二虚拟相机的第二位置点信息；

根据所述三维坐标点区域和所述第二位置点信息确定待展示违法证据对应的第二投影矩阵。

3.根据权利要求2所述的交通违法数据管理方法，其特征在于，所述根据所述三维坐标点区域和所述第二位置点信息确定待展示违法证据对应的第二投影矩阵的步骤，包括：

确定所述三维坐标点区域的外接长方体，其中，所述外接长方体距离所述第二位置点最近的第一平面的中点和所述第二位置点形成的直线与所述第一平面垂直，所述外接长方体中距离所述第二位置点最远的第二平面与所述第一平面平行；

根据所述外接长方体和所述第二位置点信息确定第二投影矩阵。

4.根据权利要求3所述的交通违法数据管理方法，其特征在于，所述根据所述外接长方体和所述第二位置点信息确定第二投影矩阵的步骤，包括：

根据所述外接长方体和所述第二位置点信息确定透视矩阵和视角矩阵；

获取预设的模型矩阵；

根据所述模型矩阵、所述透视矩阵和所述视角矩阵确定第二投影矩阵。

5.根据权利要求4所述的交通违法数据管理方法，其特征在于，所述根据所述外接长方体和所述第二位置点信息确定透视矩阵的步骤，包括：

将所述第一平面作为近平面，将包括所述第二平面的平面作为远平面；

根据所述第二位置点信息确定所述第二位置点到所述近平面的第一距离、所述第二位置点到所述远平面的第二距离；

根据所述第二位置点信息和所述近平面两条平行的边确定欧拉角；

根据所述第一距离、所述第二距离和所述欧拉角确定透视矩阵。

6.根据权利要求4所述的交通违法数据管理方法，其特征在于，所述根据所述外接长方体和所述第二位置点信息确定视角矩阵的步骤，包括：

根据所述第一平面和第二位置点信息确定朝向向量；

根据所述朝向向量和所述第二位置点信息确定视角矩阵。

7.根据权利要求1所述的交通违法数据管理方法，其特征在于，所述确定所述车辆违法信息在所述图像模型中对应的三维坐标点区域的步骤，包括：

获取所述第一投影矩阵中的近平面以及所述第一投影矩阵中的第一虚拟相机的第一位置点信息；

确定所述车辆违法信息在所述近平面上的目标位置信息；

根据所述第一位置点信息和所述目标位置信息确定所述车辆违法信息在所述图像模型中对应的三维坐标点区域。

8.根据权利要求7所述的交通违法数据管理方法，其特征在于，所述根据所述第一位置点信息和所述目标位置信息确定所述车辆违法信息在所述图像模型中对应的三维坐标点区域的步骤，包括：

确定所述第一位置点信息中的第一位置点和所述目标位置信息中的各目标位置点形成的各直线；

确定各直线与所述图像模型相交的各目标相交点；

将所述各目标相交点形成的区域作为车辆违法信息在图像模型中的三维坐标点区域。

9.根据权利要求8所述的交通违法数据管理方法，其特征在于，所述确定各直线与所述图像模型相交的各目标相交点的步骤，包括：

确定每条直线与所述图像模型相交的候选相交点；

将候选相交点中离所述近平面最近的一个候选相交点作为所述直线与所述图像模型相交的目标相交点。

10.一种交通违法数据管理装置，其特征在于，包括：

接收单元，用于接收用户终端发送的违法证据的获取请求，所述获取请求中携带违法标识和车辆标识，所述违法标识表示不同违法行为类型所对应的标识，所述车辆标识包括车牌号；

图像确定单元，用于根据所述违法标识和所述车辆标识确定违法图像数据；

第一处理单元，用于根据图像模型和第一投影矩阵将所述违法图像数据处理为大视角下的第一违法证据；

车辆确定单元，用于确定所述第一违法证据中的违法车辆的车辆违法信息；

区域确定单元，用于确定所述车辆违法信息在所述图像模型中对应的三维坐标点区域；

矩阵确定单元，用于根据所述三维坐标点区域确定待发送违法证据对应的第二投影矩阵；

第二处理单元，用于利用所述第二投影矩阵处理所述违法图像数据，得到所述违法图像数据对应的小视角下的待发送违法证据，所述待发送违法证据中包括违法车辆的车辆违法信息；

发送单元，用于向所述用户终端发送所述待发送违法证据。

Images