CN111985356A - 交通违章的证据生成方法及装置、电子设备、存储介质 - Google Patents
交通违章的证据生成方法及装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN111985356A CN111985356A CN202010764895.1A CN202010764895A CN111985356A CN 111985356 A CN111985356 A CN 111985356A CN 202010764895 A CN202010764895 A CN 202010764895A CN 111985356 A CN111985356 A CN 111985356A
- Authority
- CN
- China
- Prior art keywords
- violation
- target vehicle
- evidence
- specified
- judging whether
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 22
- 230000006399 behavior Effects 0.000 claims description 58
- 230000008859 change Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013507 mapping Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 241001622623 Coeliadinae Species 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- 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
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
- G08G1/054—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed photographing overspeeding vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种交通违章的证据生成方法及装置、电子设备、计算机可读存储介质，方法包括：从采集到的视频帧中识别目标车辆；响应于指定违章类型的检测指令，判断所述目标车辆是否存在对应于指定违章类型的违章行为；如果是，基于所述视频帧生成所述目标车辆的违章证据。本申请实施例通过计算机自动生成违章证据，极大地降低了取证的安全风险和实现难度，提高了交警的执勤效率。
Description
技术领域
本申请涉及计算机技术领域，特别涉及一种交通违章的证据生成方法及装置、电子设备、计算机可读存储介质。
背景技术
交通警察在执勤过程中，通常需要对违章车辆进行人工取证。然而，交警的执勤的范围非常大，人工取证的效率低下，影响了工作效率。此外，在一些特殊场合(比如：高速公路)，交警下车取证可能会有安全隐患，而且实现难度很大。有鉴于此，需要一种自动取证的系统以提升交警的执勤效率，降低交通违章取证的安全风险和实现难度。
发明内容
本申请实施例的目的在于提供一种交通违章的证据生成方法及装置、电子设备、计算机可读存储介质，用于实现交通违章自动取证，降低取证的安全风险和实现难度，提高执勤效率。
一方面，本申请提供了一种交通违章的证据生成方法，包括：
从采集到的视频帧中识别目标车辆；
响应于指定违章类型的检测指令，判断所述目标车辆是否存在对应于指定违章类型的违章行为；
如果是，基于所述视频帧生成所述目标车辆的违章证据。
在一实施例中，所述指定违章类型为违章停车；
所述判断所述目标车辆是否存在对应于指定违章类型的违章行为，包括：
获取所述目标车辆的位置信息；
判断预设的违停区域库中是否存在对应于所述位置信息的指定违停区域；
如果是，在输出语音提示信息的预设第一时长后，判断所述视频帧中是否有所述目标车辆；
若是，确定所述目标车辆存在违章停车的违章行为。
在一实施例中，所述指定违章类型为违章停车；
所述判断所述目标车辆是否存在对应于指定违章类型的违章行为，包括：
获取所述目标车辆的位置信息；
判断预设的违停区域库中是否存在对应于所述位置信息的指定违停区域；
如果是，为所述目标车辆生成违章停车记录，并判断违停数据库中是否存在与所述违章停车记录匹配的历史违章停车记录；
如果存在所述历史违章停车记录，确定所述目标车辆存在违章停车的违章行为。
在一实施例中，所述指定违章类型为违章占道；
所述判断所述目标车辆是否存在对应于所述指定违章类型的违章行为，包括：
确定识别出的所述目标车辆存在违章占道的违章行为。
在一实施例中，所述指定违章类型为违章超速；
所述判断所述目标车辆是否存在对应于所述指定违章类型的违章行为，包括：
获取所述目标车辆的车速信息；
判断所述车速信息是否超过预设车速阈值；
如果是，确定所述目标车辆存在违章超速的违章行为。
在一实施例中，所述指定违章类型为限行违章；
所述判断所述目标车辆是否存在对应于所述指定违章类型的违章行为，包括：
获取所述目标车辆的坐标信息；
查找对应于所述坐标信息的限行策略；
基于所述目标车辆的车牌信息、车牌颜色和当前时间戳，判断是否满足所述限行策略；
如果是，确定所述目标车辆存在限行违章的违章行为。
在一实施例中，所述指定违章类型为黑车上路；
所述判断所述目标车辆是否存在对应于所述指定违章类型的违章行为，包括：
判断预设黑名单库中是否存在对应于所述目标车辆的车牌信息的黑名单记录；
如果存在，确定所述目标车辆存在黑车上路的违章行为。
在一实施例中，所述指定违章类型为逆行违章；
所述判断所述目标车辆是否存在对应于所述指定违章类型的违章行为，包括：
确定所述目标车辆在所述视频帧的尺寸变化趋势；
判断所述尺寸变化趋势是否满足对应于所述检测指令的逆行判断策略；
如果是，确定所述目标车辆存在逆行违章的违章行为。
在一实施例中，所述方法还包括：
响应于针对所述目标车辆的违章判定指令，基于所述视频帧生成所述目标车辆的违章证据。
在一实施例中，所述基于所述视频帧生成所述目标车辆的违章证据，包括：
获取所述目标车辆的坐标信息；
将当前时间戳、所述坐标信息和所述指定违章类型作为水印，添加至所述目标车辆所在视频帧，获得违章证据。
在一实施例中，所述方法还包括：
计算所述违章证据的哈希值；
建立所述哈希值与所述违章证据之间的关联关系；
将所述关联关系添加至证据摘要表；
将所述证据摘要表和所述违章证据分别上传至违章记录平台。
另一方面，本申请还提供了一种交通违章的证据生成装置，包括：
识别模块，用于从采集到的视频帧中识别目标车辆；
判断模块，用于响应于指定违章类型的检测指令，判断所述目标车辆是否存在对应于指定违章类型的违章行为；
生成模块，用于如果是，基于所述视频帧生成所述目标车辆的违章证据。
进一步的，本申请还提供了一种电子设备，所述电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行上述交通违章的证据生成方法。
另外，本申请还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成上述交通违章的证据生成方法。
在本申请实施例中，从采集到的视频帧中识别目标车辆后，可以响应于指定违章类型的检测指令，判断目标车辆是否存对应于指定违章类型的违章行为，当存在违章行为时，基于视频帧生成目标车辆的违章证据；整个过程通过计算机自动完成，极大地降低了取证的安全风险和实现难度，提高了执勤效率。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍。
图1为本申请一实施例提供的电子设备的结构示意图；
图2为本申请一实施例提供的交通违章的证据生成方法的流程示意图；
图3为本申请一实施例提供的判断违章停车的示意图；
图4为本申请一实施例提供的判断违章占道的示意图；
图5为本申请一实施例提供的判断违章超速的示意图；
图6为本申请一实施例提供的判断限行违章的示意图；
图7为本申请一实施例提供的判断黑车上路的示意图；
图8为本申请一实施例提供的判断逆行违章的示意图；
图9为本申请一实施例提供的交通违章的证据生成装置的框图。
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描述。
相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
如图1所示，本申请实施例提供的电子设备1，包括：至少一个处理器 11和存储器12，图1中以一个处理器11为例。处理器11和存储器12通过总线10连接，存储器12存储有可被处理器11执行的指令，指令被处理器 11执行，以使电子设备1可执行下述的实施例中方法的全部或部分流程。在一实施例中，电子设备1可以是执行交通违章的证据生成方法的主机、平板电脑、手机等智能设备(后续为便于描述本申请实施例的技术方案，以主机为执行主体)。
存储器12可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(Static Random Access Memory，简称 SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read Only Memory，简称EPROM)，可编程只读存储器 (Programmable Red-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
本申请还提供了一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序可由处理器11执行以完成本申请提供的交通违章的证据生成方法。
参见图2，为本申请一实施例提供的交通违章的证据生成方法的流程示意图，如图2所示，该方法可以包括以下步骤210-步骤230。
步骤210：从采集到的视频帧中识别目标车辆。
执行上述交通违章的证据生成方法的主机可以搭载于交警交通工具 (比如：摩托车、警车等)上，且主机可以与搭载于交警交通工具上的摄像机(可以包括球机、全景相机等)对接，以获得摄像机实时采集的视频帧。目标车辆指的是视频帧中的车辆。
主机可以实时获取摄像机采集到的每一视频帧，并逐一对视频帧进行处理，从而识别出视频帧中的目标车辆。主机可以将视频帧作为已训练的车辆识别模型的输入，从而获得车辆识别模型输出的识别结果。该识别结果可以是表征目标车辆在视频帧中位置的目标框。主机可以基于该识别结果裁切出目标车辆所在的局部图像，并将该局部图像作为已训练的车牌识别模型的输入，从而获得目标车辆的车牌信息。在识别出视频帧中目标车辆所在区域和车牌信息后，可以认定已识别出目标车辆。此外，主机还可以通过颜色识别算法识别出车牌颜色，颜色识别算法可以包括已训练的支持向量机(Support Vector Machine,SVM)。
步骤220：响应于指定违章类型的检测指令，判断所述目标车辆是否存在对应于指定违章类型的违章行为。
检测指令可以指示当前需检测的指定违章类型，指定违章类型可以包括违章停车、违章占道、违章超速等。检测指令可以基于用户对主机的操作而产生，比如，用户通过鼠标点击主机上对应于指定违章类型的检测按键，可产生指定违章类型的检测指令。或者，用户通过对主机的触摸屏上对应于指定违章类型的检测案件的选择操作，可产生指定违章类型的检测指令。
在一实施例中，指定违章类型为违章停车，根据预配置的违章停车认定策略，如果目标车辆被发现处于指定违停区域，可以向目标车辆发出语音提示信息，该语音提示信息用于告知目标车辆离开指定违停区域。当发出语音提示信息后，等待预设第一时长后，如果目标车辆仍处于上述指定违停区域，可以认定目标车辆存在违章停车的违章行为。
主机在识别出目标车辆后，可以判断目标车辆是否位于指定违停区域。这里，指定违停区域可以包括设有禁停标志、标线的路段；交叉路口、铁路道口、急弯路、宽度不足4米的窄路、桥梁、陡坡、隧道以及距离上述地点50米以内的路段等。
主机可以获取目标车辆的位置信息，并判断该位置信息是否位于指定违停区域。示例性的，主机可以通过内置或外接的GPS(Global Positioning System，全球定位系统)模块获取当前主机的位置信息。当采集到的视频帧中存在目标车辆时，说明主机所在的交通工具与目标车辆的位置相近，可以认为主机获取到的位置信息就是目标车辆的位置信息。主机可以在预设的违停区域库中查找上述位置信息，该违停区域库内包括多个指定违停区域的区域位置信息和指定违停区域的区域标识。如果未查找到上述位置信息，说明目标车辆未处于指定违停区域。如果查找到上述位置信息，说明目标车辆处于与该位置信息对应的指定违停区域。
当目标车辆处于指定违停区域时，主机可以控制外接设备(比如：音响设备)向目标车辆输出语音提示信息。主机可以在输出语音提示信息后，开始等待，并在等待第一时长后，判断目标车辆是否仍位于指定违停区域。主机可在等待第一时长后，判断当前采集到的视频帧中是否仍存在上述目标车辆。如果不存在，说明目标车辆已离开指定违停区域。如果存在，说明目标车辆仍处于指定违停区域，此时，可以确定目标车辆存在违章停车的违章行为。
参见图3，为本申请一实施例提供的判断违章停车的示意图，如图3所示，310为警车，320和330为处于指定违停区域的目标车辆。图3中从警车310扩展出的三角区域为摄像机采集视频帧的范围。警车310采集到目标车辆320和目标车辆330所处的视频帧后，可以识别出目标车辆320和目标车辆330，进而判断是否存在违章停车的违章行为。
在一实施例中，指定违章类型为违章停车，根据预配置的违章停车认定策略，如果目标车辆在预设第二时长内被两次发现处于指定违停区域，可以认定目标车辆存在违章停车的违章行为。比如：如果目标车辆在1小时内被两次发现处于指定违停区域，可以确定该目标车辆是违章停车。
主机可以在识别出目标车辆后，可以判断目标车辆是否位于指定违停区域。这里，指定违停区域可以是前文提到的区域。主机判断目标车辆是否位于指定违停区域的方式可以参照前文，在此不再赘述。
当目标车辆处于指定违停区域时，主机可以为目标车辆生成违章停车记录，并将该违章停车记录写入违停数据库。其中，该违停数据库由多个执行交通违章的证据生成方法的主机更新，可以包括所有违章停车记录。违章停车记录可以包括目标车辆的车牌信息、生成违章停车记录的时间戳和指定违停区域的区域标识。
主机可以判断违停数据库中是否存在与违章停车记录匹配的历史违章停车记录。其中，历史违章停车记录是在生成违章停车记录之前生成的违章停车记录。主机可以基于违章停车记录中的车牌信息和区域标识查找对应的历史违章停车记录，如果查找到历史违章停车记录，判断违章停车记录中的时间戳与历史违章停车记录中的时间戳之间的时差是否小于预设时差阈值。这里，时差阈值可以是上述第二时长，可以根据实际需求灵活设置。一种情况下，如果时差不小于时差阈值，可以认定该历史违章停车记录与上述违章停车记录不匹配；另一种情况下，如果时差小于时差阈值，可以认定该历史违章停车记录与上述违章停车记录匹配。
当存在与违章停车记录匹配的历史违章停车记录时，主机可以确定目标车辆存在违章停车的违章行为。
在一实施例中，指定违章类型为违章占道。当交警的交通工具在应急车道边行驶时，可以通过摄像机实时采集应急车道上的视频帧。当主机确定产生针对违章占道的检测指令时，可以确定从视频帧中识别出的目标车辆存在违章占道的违章行为。
参见图4，为本申请一实施例提供的判断违章占道的示意图，如图4所示，410为警车，420和430为处于应急车道的目标车辆。图4中从警车410 扩展出的三角区域为摄像机采集视频帧的范围。警车410采集到目标车辆420和目标车辆430所处的视频帧后，可以识别出目标车辆420和目标车辆 430，进而判断是否存在违章占道的违章行为。
在一实施例中，指定违章类型为违章超速。当交警的交通工具在道路上行驶或停在路边时，可通过摄像机实时采集车道上的视频帧。当主机确定产生针对违章超速的检测指令时，可以在获取目标车辆的车速信息。示例性的，主机可以从对接的车载雷达上获取目标车辆的车速信息。主机可以判断车速信息是否超过预设车速阈值，该车速阈值可以是视频帧中道路限速的最高车速。在一实施例中，主机可以通过GPS模块获取当前位置信息，并基于该位置信息查找道路位置数据库，从而确定该位置信息对应的道路以及道路限速的最高车速。其中，道路位置数据库可以包括道路的位置信息、道路名称和最高车速的映射关系。
如果上述车速信息未超过车速阈值，可以不做处理。如果上述车速信息超过车速阈值，主机可以确定目标车辆存在违章超速的违章行为。
参见图5，为本申请一实施例提供的判断违章超速的示意图，如图5所示，510为警车，图5中从警车510扩展出的三角区域为摄像机采集视频帧的范围，520和530为视频帧中的目标车辆。警车510采集到目标车辆520 和目标车辆530所处的视频帧后，可以识别出目标车辆520和目标车辆530，进而分别判断是否存在违章超速的违章行为。
在一实施例中，指定违章类型为限行违章，限行违章指车辆未按照限行策略上路。
主机在识别出目标车辆后，可以获取目标车辆的坐标信息。其中，坐标信息可以是具体环境的名称，比如，坐标信息可以是道路名称。主机通过GPS模块获取位置信息后，可以在上述道路位置数据库中查找对应的道路名称，从而获得目标车辆的坐标信息。
主机可以在预设的限行策略库中查找对应于坐标信息的限行策略。其中，限行策略库中包括预配置的与坐标信息关联的限行策略。示例性的，对应坐标信息“道路A”来说，限行策略可以是车牌尾号为单数的车辆在每月的双数日停驶，车牌尾号为双数的车辆在每月的单数日停驶；对于坐标信息“道路B”来说，限行策略可以是黄色车牌的车辆停驶。具体基于实际情况进行配置。
主机可以基于目标车辆的车牌信息、车牌颜色和当前时间戳，判断是否满足限行策略。示例性的，限行策略与时间、车牌尾号有关，主机可以基于当前时间戳和车牌尾号，确定是否满足限行策略；限行策略与时间、车牌颜色有关，主机可以基于当前时间戳和车牌颜色，确定是否满足限行策略。如果不满足限行策略，可以不作处理。如果满足限行策略，换而言之，目标车辆违规上路，可以确定目标车辆存在限行违规的违章行为。
参见图6，为本申请一实施例提供的判断限行违章的示意图，如图6所示，610为警车，图6中从警车610扩展出的三角区域为摄像机采集视频帧的范围，620为视频帧中的目标车辆。警车610采集到目标车辆620所处的视频帧后，可以识别出目标车辆620，进而判断是否存在限行违章的违章行为。
在一实施例中，指定违章类型为黑车上路，黑车指被加入黑名单的车辆。
主机在识别出目标车辆后，可以判断预设黑名单库中是否存在对应于目标车辆的车牌信息的黑名单记录。其中，黑名单库可以包括大量黑名单记录，每一黑名单记录包括车牌信息和拉黑原因。
如果不存在对应的黑名单记录，可以不作处理。如果存在对应的黑名单记录，主机可以确定目标车辆为黑车，存在黑车上路的违章行为。在这种情况下，主机可以输出语音报警消息，以提示主机所在的警车上的交警采取行动。
参见图7，为本申请一实施例提供的判断黑车上路的示意图，如图7所示，710为警车，图7中从警车710扩展出的三角区域为摄像机采集视频帧的范围，720为视频帧中的目标车辆。警车710采集到目标车辆720所处的视频帧后，可以识别出目标车辆720，进而判断是否存在黑车上路的违章行为。
在一实施例中，指定违章类型为逆行违章，逆行违章指车辆未按照车道限定的行驶方向行驶。当交警的交通工具停在路边时，可通过摄像机实时采集车道上的视频帧。
当主机确定产生针对逆行违章的检测指令时，可以确定目标车辆在视频帧的尺寸变化趋势。主机可以选择若干帧存在目标车辆的视频帧，并比较视频帧中表征目标车辆位置的目标框的大小，依据视频帧的先后次序和目标框的大小变化情况，确定目标车辆的视频帧中的尺寸变化趋势。
主机可以判断尺寸变化趋势是否满足对应于检测指令的逆行判断策略。如果是，确定目标车辆存在逆行违章的违章行为。逆行判断策略可以包括尺寸逐渐变大的车辆属于来向逆行，以及，尺寸逐渐变小的车辆属于去向逆行。如果检测指令对应于来向逆行，目标车辆在视频帧中的尺寸变化趋势为逐渐变大时，目标车辆存在来向逆行的违章行为。如果检测指令对应于去向逆行，目标车辆在视频帧中的尺寸变化趋势为逐渐变小时，目标车辆存去向逆行的违章行为。去向逆行和来向逆行均属于逆行违章的违章行为。
参见图8，为本申请一实施例提供的判断逆行违章的示意图，如图8所示，810为停在路边的警车，图8中从警车810扩展出的三角区域为摄像机采集视频帧的范围，820为视频帧中的目标车辆。警车810采集到目标车辆 820所处的视频帧后，可以识别出目标车辆820，进而判断是否存在违章逆行的违章行为。
步骤230：如果是，基于所述视频帧生成所述目标车辆的违章证据。
当主机确定目标车辆存在违章行为时，可以获取目标车辆的坐标信息。获取坐标信息的方式可参照前文，在此不再赘述。
主机可以将当前时间戳、坐标信息和指定违章类型作为水印，添加至目标车辆所在视频帧，获得违章证据。在一实施例中，主机可以将判定目标车辆存在违章行为的时间段对应的视频帧，作为待保存视频帧，并可从中抽取至少一个视频帧，添加上述水印，主机可以将添加水印的视频帧作为违章证据。或者，主机可以将添加水印的视频帧和待保存视频帧作为违章证据。
在一实施例中，主机可以响应于针对目标车辆的违章判定指令，基于视频帧生成目标车辆的违章证据。其中，违章判定指令可以基于用户对主机的操作而产生，违章判定指令可以指示目标车辆对应的指定违章类型。这里，指定违章类型可以包括违章停车、违章占道、违章超速、来向逆行、去向逆行、高速公路倒车、高速公路逆行、不按规定车道行驶、占用公交车专用道等。比如，用户从主机上展示的实时采集的视频帧确定目标车辆存在违章行为时，可以通过鼠标点击主机上对应于指定违章类型的违章判定按键，从而产生违章判定指令。
当主机确定产生违章判定指令时，可以获取目标车辆的坐标信息。主机可以将该坐标信息、当前时间戳和违章判定指令中的指定违章类型作为水印，添加至目标车辆所在视频帧，获得违章证据。
在一实施例中，主机获得违章证据后，可以计算违章证据的哈希值，建立违章证据和该哈希值的关联关系，并将该关联关系添加至证据摘要表。主机可以通过建立违章证据中的时间戳与哈希值的映射关系，以建立上述关联关系。其中，证据摘要表包括本机采集的所有违章证据与哈希值之间的映射关系。主机可以将违章证据和证据摘要表分别上传至违章记录平台。违章记录平台可以是交警的官方服务端。后续可以从违章记录平台查看违章证据。通过本申请计算违章证据的哈希值，并在证据摘要表中保存该哈希值，可以基于证据摘要表中的哈希值对违章证据进行校验，从而防止违章证据被删除或被篡改。
参见图9，为本发明一实施例提供的交通违章的证据生成装置的框图，如图9所示，该框图包括：
识别模块910，用于从采集到的视频帧中识别目标车辆。
判断模块920，用于响应于指定违章类型的检测指令，判断所述目标车辆是否存在对应于指定违章类型的违章行为。
生成模块930，用于如果是，基于所述视频帧生成所述目标车辆的违章证据。
上述装置中各个模块的功能和作用的实现过程具体详见上述交通违章的证据生成方法中对应步骤的实现过程，在此不再赘述。
在本申请所提供的几个实施例中，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块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)执行本申请各个实施例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 (14)
1.一种交通违章的证据生成方法，其特征在于，包括：
从采集到的视频帧中识别目标车辆；
响应于指定违章类型的检测指令，判断所述目标车辆是否存在对应于指定违章类型的违章行为；
如果是，基于所述视频帧生成所述目标车辆的违章证据。
2.根据权利要求1所述的方法，其特征在于，所述指定违章类型为违章停车；
所述判断所述目标车辆是否存在对应于指定违章类型的违章行为，包括：
获取所述目标车辆的位置信息；
判断预设的违停区域库中是否存在对应于所述位置信息的指定违停区域；
如果是，在输出语音提示信息的预设第一时长后，判断所述视频帧中是否有所述目标车辆；
若是，确定所述目标车辆存在违章停车的违章行为。
3.根据权利要求1所述的方法，其特征在于，所述指定违章类型为违章停车；
所述判断所述目标车辆是否存在对应于指定违章类型的违章行为，包括：
获取所述目标车辆的位置信息；
判断预设的违停区域库中是否存在对应于所述位置信息的指定违停区域；
如果是，为所述目标车辆生成违章停车记录，并判断违停数据库中是否存在与所述违章停车记录匹配的历史违章停车记录；
如果存在所述历史违章停车记录，确定所述目标车辆存在违章停车的违章行为。
4.根据权利要求1所述的方法，其特征在于，所述指定违章类型为违章占道；
所述判断所述目标车辆是否存在对应于所述指定违章类型的违章行为，包括：
确定识别出的所述目标车辆存在违章占道的违章行为。
5.根据权利要求1所述的方法，其特征在于，所述指定违章类型为违章超速；
所述判断所述目标车辆是否存在对应于所述指定违章类型的违章行为，包括：
获取所述目标车辆的车速信息；
判断所述车速信息是否超过预设车速阈值；
如果是，确定所述目标车辆存在违章超速的违章行为。
6.根据权利要求1所述的方法，其特征在于，所述指定违章类型为限行违章；
所述判断所述目标车辆是否存在对应于所述指定违章类型的违章行为，包括：
获取所述目标车辆的坐标信息；
查找对应于所述坐标信息的限行策略；
基于所述目标车辆的车牌信息、车牌颜色和当前时间戳，判断是否满足所述限行策略；
如果是，确定所述目标车辆存在限行违章的违章行为。
7.根据权利要求1所述的方法，其特征在于，所述指定违章类型为黑车上路；
所述判断所述目标车辆是否存在对应于所述指定违章类型的违章行为，包括：
判断预设黑名单库中是否存在对应于所述目标车辆的车牌信息的黑名单记录；
如果存在，确定所述目标车辆存在黑车上路的违章行为。
8.根据权利要求1所述的方法，其特征在于，所述指定违章类型为逆行违章；
所述判断所述目标车辆是否存在对应于所述指定违章类型的违章行为，包括：
确定所述目标车辆在所述视频帧的尺寸变化趋势；
判断所述尺寸变化趋势是否满足对应于所述检测指令的逆行判断策略；
如果是，确定所述目标车辆存在逆行违章的违章行为。
9.根据权利要求1所述的方法，其特征在于，所述方法还包括：
响应于针对所述目标车辆的违章判定指令，基于所述视频帧生成所述目标车辆的违章证据。
10.根据权利要求1或9所述的方法，其特征在于，所述基于所述视频帧生成所述目标车辆的违章证据，包括：
获取所述目标车辆的坐标信息；
将当前时间戳、所述坐标信息和所述指定违章类型作为水印，添加至所述目标车辆所在视频帧，获得违章证据。
11.根据权利要求10所述的方法，其特征在于，所述方法还包括：
计算所述违章证据的哈希值；
建立所述哈希值与所述违章证据之间的关联关系；
将所述关联关系添加至证据摘要表；
将所述证据摘要表和所述违章证据分别上传至违章记录平台。
12.一种交通违章的证据生成装置，其特征在于，包括：
识别模块，用于从采集到的视频帧中识别目标车辆；
判断模块，用于响应于指定违章类型的检测指令，判断所述目标车辆是否存在对应于指定违章类型的违章行为；
生成模块，用于如果是，基于所述视频帧生成所述目标车辆的违章证据。
13.一种电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行权利要求1-11任意一项所述的交通违章的证据生成方法。
14.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成权利要求1-11任意一项所述的交通违章的证据生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010764895.1A CN111985356A (zh) | 2020-07-31 | 2020-07-31 | 交通违章的证据生成方法及装置、电子设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010764895.1A CN111985356A (zh) | 2020-07-31 | 2020-07-31 | 交通违章的证据生成方法及装置、电子设备、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111985356A true CN111985356A (zh) | 2020-11-24 |
Family
ID=73445913
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010764895.1A Pending CN111985356A (zh) | 2020-07-31 | 2020-07-31 | 交通违章的证据生成方法及装置、电子设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111985356A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112712708A (zh) * | 2020-12-28 | 2021-04-27 | 上海眼控科技股份有限公司 | 信息检测方法、装置、设备及存储介质 |
| CN112820116A (zh) * | 2021-01-29 | 2021-05-18 | 上海眼控科技股份有限公司 | 车辆检测方法、装置、计算机设备和存储介质 |
| CN113177509A (zh) * | 2021-05-19 | 2021-07-27 | 浙江大华技术股份有限公司 | 一种倒车行为识别方法及装置 |
| CN113240912A (zh) * | 2021-06-04 | 2021-08-10 | 上海眼控科技股份有限公司 | 一种车辆逆行的判定方法、装置、设备及存储介质 |
| CN114155464A (zh) * | 2021-11-29 | 2022-03-08 | 北京中交兴路信息科技有限公司 | 一种视频数据存证方法、装置、存储介质及终端 |
| CN114241774A (zh) * | 2021-12-28 | 2022-03-25 | 高新兴智联科技有限公司 | 一种记录车辆违法证据方法和装置 |
| TWI773175B (zh) * | 2021-03-08 | 2022-08-01 | 神達數位股份有限公司 | 違規辨識方法及系統 |
| CN114842651A (zh) * | 2022-04-20 | 2022-08-02 | 长沙理工大学 | 隧道交通与消防智能管控系统 |
| WO2022267263A1 (zh) * | 2021-06-25 | 2022-12-29 | 北京市商汤科技开发有限公司 | 交通违章事件取证方法、装置、设备及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100245125A1 (en) * | 2009-03-30 | 2010-09-30 | Lasercraft, Inc. | Systems and Methods For Surveillance and Traffic Monitoring (Claim Set I) |
| CN108551663A (zh) * | 2018-03-20 | 2018-09-18 | 深圳市轱辘车联数据技术有限公司 | 一种车辆违章检测方法、车载设备及智能检测终端 |
| US20190304297A1 (en) * | 2016-09-21 | 2019-10-03 | Drive Safe Enforcement, Llc | Mobile traffic violation detection, recording and evidence processing system |
| CN110321814A (zh) * | 2019-06-18 | 2019-10-11 | 浙江大华技术股份有限公司 | 一种车辆违章取证方法、装置、电子设备及存储介质 |
| CN111369798A (zh) * | 2018-12-26 | 2020-07-03 | 上海博泰悦臻电子设备制造有限公司 | 一种车辆违章监督的方法、车机及车辆 |
-
2020
- 2020-07-31 CN CN202010764895.1A patent/CN111985356A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100245125A1 (en) * | 2009-03-30 | 2010-09-30 | Lasercraft, Inc. | Systems and Methods For Surveillance and Traffic Monitoring (Claim Set I) |
| US20190304297A1 (en) * | 2016-09-21 | 2019-10-03 | Drive Safe Enforcement, Llc | Mobile traffic violation detection, recording and evidence processing system |
| CN108551663A (zh) * | 2018-03-20 | 2018-09-18 | 深圳市轱辘车联数据技术有限公司 | 一种车辆违章检测方法、车载设备及智能检测终端 |
| CN111369798A (zh) * | 2018-12-26 | 2020-07-03 | 上海博泰悦臻电子设备制造有限公司 | 一种车辆违章监督的方法、车机及车辆 |
| CN110321814A (zh) * | 2019-06-18 | 2019-10-11 | 浙江大华技术股份有限公司 | 一种车辆违章取证方法、装置、电子设备及存储介质 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112712708A (zh) * | 2020-12-28 | 2021-04-27 | 上海眼控科技股份有限公司 | 信息检测方法、装置、设备及存储介质 |
| CN112820116A (zh) * | 2021-01-29 | 2021-05-18 | 上海眼控科技股份有限公司 | 车辆检测方法、装置、计算机设备和存储介质 |
| TWI773175B (zh) * | 2021-03-08 | 2022-08-01 | 神達數位股份有限公司 | 違規辨識方法及系統 |
| CN113177509A (zh) * | 2021-05-19 | 2021-07-27 | 浙江大华技术股份有限公司 | 一种倒车行为识别方法及装置 |
| CN113240912A (zh) * | 2021-06-04 | 2021-08-10 | 上海眼控科技股份有限公司 | 一种车辆逆行的判定方法、装置、设备及存储介质 |
| WO2022267263A1 (zh) * | 2021-06-25 | 2022-12-29 | 北京市商汤科技开发有限公司 | 交通违章事件取证方法、装置、设备及系统 |
| CN114155464A (zh) * | 2021-11-29 | 2022-03-08 | 北京中交兴路信息科技有限公司 | 一种视频数据存证方法、装置、存储介质及终端 |
| CN114155464B (zh) * | 2021-11-29 | 2022-11-25 | 北京中交兴路信息科技有限公司 | 一种视频数据存证方法、装置、存储介质及终端 |
| CN114241774A (zh) * | 2021-12-28 | 2022-03-25 | 高新兴智联科技有限公司 | 一种记录车辆违法证据方法和装置 |
| CN114241774B (zh) * | 2021-12-28 | 2023-09-19 | 高新兴智联科技股份有限公司 | 一种记录车辆违法证据方法和装置 |
| CN114842651A (zh) * | 2022-04-20 | 2022-08-02 | 长沙理工大学 | 隧道交通与消防智能管控系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111985356A (zh) | 交通违章的证据生成方法及装置、电子设备、存储介质 | |
| JP7371157B2 (ja) | 車両監視方法、装置、電子機器、記憶媒体、コンピュータプログラム、クラウド制御プラットフォームおよび車路連携システム | |
| CN107608388B (zh) | 自主警车 | |
| CN109345829B (zh) | 无人车的监控方法、装置、设备及存储介质 | |
| 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 | |
| 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 | |
| US20120148092A1 (en) | Automatic traffic violation detection system and method of the same | |
| CN103927886A (zh) | 一种监管重点运输车辆超速违法的系统及方法 | |
| CN113470371B (zh) | 识别违规车辆的方法、系统和计算机可读存储介质 | |
| JP2014154005A (ja) | 危険情報提供方法、装置、及びプログラム | |
| CN113012436B (zh) | 道路监控方法、装置及电子设备 | |
| CN108932850B (zh) | 一种记录机动车低速行驶违法行为的方法及装置 | |
| EP2913239B1 (en) | Method and unit for managing following space | |
| CN105303823A (zh) | 车辆违规监控方法和系统 | |
| KR101498582B1 (ko) | 교통사고 데이터 제공 시스템 및 방법 | |
| CN113362610B (zh) | 识别违规交通参与对象的方法、系统和计算机可读存储介质 | |
| CN109670431A (zh) | 一种行为检测方法及装置 | |
| CN113469105A (zh) | 监控周边车辆的方法及装置、计算机可读存储介质 | |
| CN113496213A (zh) | 一种目标感知数据的确定方法、装置、系统及存储介质 | |
| KR101066081B1 (ko) | 차량 탑재형 스마트 정보 판독 시스템 및 방법 | |
| CN111985304A (zh) | 巡防告警方法、系统、终端设备及存储介质 | |
| CN109003457B (zh) | 一种记录多台机动车违法占用应急车道行为的方法及装置 | |
| CN113362592A (zh) | 识别违规交通参与对象的方法、系统和计算机可读存储介质 | |
| KR101418533B1 (ko) | 꼬리물기 및 끼어들기 단속 방법 | |
| CN108806270B (zh) | 一种记录多台机动车连续变换车道违法行为的方法及装置 |
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 |