CN113971787A - 开放式车厢机动车存在违法载人嫌疑的检测方法及装置 - Google Patents
开放式车厢机动车存在违法载人嫌疑的检测方法及装置 Download PDFInfo
- Publication number
- CN113971787A CN113971787A CN202111243151.6A CN202111243151A CN113971787A CN 113971787 A CN113971787 A CN 113971787A CN 202111243151 A CN202111243151 A CN 202111243151A CN 113971787 A CN113971787 A CN 113971787A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- illegal
- suspicion
- heads
- detected
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种开放式车厢机动车存在违法载人嫌疑的检测方法及装置,开放式车厢机动车存在违法载人嫌疑的检测方法,包括:获取行驶图像;行驶图像为待检测车辆的车尾图像;基于预先训练好的人体头部特征识别模型,检测行驶图像中的头部数量;根据头部数量和预设超载标准,确定待检测车辆是否存在违法载人嫌疑。如此,可以快速识别开放式车厢机动车是否存在违法载人嫌疑,大大节约了警力资源,有效破解了开放式车厢机动车违法载人查处率低的问题,为道路交通安全管理提供了便利。
Description
技术领域
本申请涉及交通违规行为检测技术领域,具体涉及一种开放式车厢机动车存在违法载人嫌疑的检测方法及装置。
背景技术
相关技术中,开放式车厢机动车如农用车、三轮车等违法载人的情况屡见不鲜,由此引发的交通事故也屡屡发生。由于现场发现和查处违法行为存在时间频率和空间密度上不对称等问题,并且违法当事人在违法载人时存在选择时间路线隐蔽、出现频次低、发现查处难度高等特点,导致传统的巡逻或设卡模式发现该违法行为的效率极低。目前交警执法过程中尚无有效的查处手段。
发明内容
有鉴于此,本申请的目的在于克服现有技术中难以有效查处开放式车厢机动车违法载人行为的技术问题,提供一种开放式车厢机动车存在违法载人嫌疑的检测方法及装置。
为实现以上目的,本申请采用如下技术方案:
本申请的第一方面提供一种开放式车厢机动车存在违法载人嫌疑的检测方法,包括:
获取行驶图像;所述行驶图像为待检测车辆的车尾图像;
基于预先训练好的人体头部特征识别模型,检测所述行驶图像中的头部数量;
根据所述头部数量和预设超载标准,确定所述待检测车辆是否存在违法载人嫌疑。
可选的,所述根据所述头部数量和预设超载标准,确定所述待检测车辆是否存在违法载人嫌疑,包括:
检测所述头部数量是否满足所述预设超载标准;
若所述头部数量满足所述超载标准,则所述待检测车辆存在违法载人嫌疑;若所述头部数量不满足所述超载标准,则所述待检测车辆不存在违法载人嫌疑。
可选的,所述预设超载标准包括大于等于1;
所述检测所述头部数量是否满足所述预设超载标准,包括:
检测所述头部数量是否大于等于1;
若所述头部数量大于等于1,则所述头部数量满足所述超载标准;若所述头部数量小于1,则所述头部数量不满足所述超载标准。
可选的,所述确定所述待检测车辆是否存在违法载人嫌疑之后,所述方法还包括:
在确定所述待检测车辆存在违法载人嫌疑后,发出第一提示信息,以便于交通管理人员及时作出应对处理。
可选的,所述在确定所述待检测车辆存在违法载人嫌疑后,所述发出第一提示信息之前,所述方法还包括:
根据所述行驶图像,获取所述待检测车辆的车牌信息,并利用所述车牌信息生成所述第一提示信息。
可选的,所述根据所述行驶图像,获取所述待检测车辆的车牌信息,包括:
基于图像识别技术,从所述行驶图像识别所述待检测车辆的车牌信息并提取。
可选的,所述人体头部特征识别模型的训练方法包括:
获取待训练图像,构建样本训练集;
基于机器学习的头部识别方法,利用所述样本训练集对识别模型进行训练,得到所述人体头部特征识别模型。
本申请的第二方面提供一种开放式车厢机动车存在违法载人嫌疑的检测装置,包括:
获取模块,用于获取行驶图像;所述行驶图像为待检测车辆的车尾图像;
检测模块,用于基于预先训练好的人体头部特征识别模型,检测所述行驶图像中的头部数量;
确定模块,用于根据所述头部数量和预设超载标准,确定所述待检测车辆是否存在违法载人嫌疑。
本申请提供的技术方案可以包括以下有益效果:
本申请的方案中,预先训练好了人体头部特征识别模型,基于此,在获取到行驶图像后,可以将行驶图像输入到人体头部特征识别模型中,其中,行驶图像可以是待检测车辆的车尾图像,以提高检测精度。通过人体头部识别模型可以识别出行驶图像中的头部数量,继而根据预设超载标准,就可以确定出待检测车辆是否存在违法载人嫌疑。如此,可以快速识别开放式车厢机动车是否存在违法载人嫌疑,大大节约了警力资源,有效破解了开放式车厢机动车违法载人查处率低的问题,为道路交通安全管理提供了便利。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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是本申请一个实施例提供的一种开放式车厢机动车存在违法载人嫌疑的检测方法的流程图。
图2是本申请另一个实施例提供的一种开放式车厢机动车存在违法载人嫌疑的检测装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将对本申请的技术方案进行详细的描述。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,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式,都属于本申请所保护的范围。
参见图1是本申请一个实施例提供的一种开放式车厢机动车存在违法载人嫌疑的检测方法的流程图。本申请的实施例提供一种开放式车厢机动车存在违法载人嫌疑的检测方法,如图所示,该方法至少可以包括如下步骤:
步骤11、获取行驶图像;行驶图像为待检测车辆的车尾图像。
其中,在获取行驶图像时,可以通过部署在前端的电子警察抓拍机抓拍车辆的行驶图像。抓拍机在抓拍到图像后,对图像进行基础检测识别,排除二轮车的干扰,以使得获取到的行驶图像均为带有开放式车厢的机动车的抓拍图像。
具体的,抓拍机自动排除二轮车行驶图像是现有的抓拍机本身就具备的功能,此处不再赘述。
并且,从抓拍角度考量,抓拍行驶车辆的车尾明显要优于抓拍车头,车头还需要避免驾驶舱的影响,且还要避免开放式车厢如皮卡车的后斗中的乘客会被驾驶舱或者挡板遮挡的情况。如此,获取的行驶图像可以设置为获取待检测车辆的车尾图像,通过抓拍车尾的抓拍机得到待检测车辆的车尾图像,以确保检测结果更加准确。
步骤12、基于预先训练好的人体头部特征识别模型,检测行驶图像中的头部数量。
步骤13、根据头部数量和预设超载标准,确定待检测车辆是否存在违法载人嫌疑。
本实施例中,预先训练好了人体头部特征识别模型,基于此,在获取到行驶图像后,可以将行驶图像输入到人体头部特征识别模型中,其中,行驶图像可以是待检测车辆的车尾图像,以提高检测精度。通过人体头部识别模型可以识别出行驶图像中的头部数量,继而根据预设超载标准,就可以确定出待检测车辆是否存在违法载人嫌疑。如此,可以快速识别开放式车厢机动车是否存在违法载人嫌疑,大大节约了警力资源,有效破解了开放式车厢机动车违法载人查处率低的问题,为道路交通安全管理提供了便利。
一些实施例中,在根据头部数量和预设超载标准,确定待检测车辆是否存在违法载人嫌疑时,可以检测头部数量是否满足预设超载标准;若头部数量满足超载标准,则待检测车辆存在违法载人嫌疑;若头部数量不满足超载标准,则待检测车辆不存在违法载人嫌疑。
实施时,预设超载标准可以设置为大于等于1。相应的,在检测头部数量是否满足预设超载标准时,可以检测头部数量是否大于等于1;若头部数量大于等于1,则头部数量满足超载标准;若头部数量小于1,则头部数量不满足超载标准。也就是说,一旦在行驶图像中检测出存在人头,则说明该车辆存在违法载人嫌疑。
上述步骤13中,在确定待检测车辆是否存在违法载人嫌疑之后,开放式车厢机动车存在违法载人嫌疑的检测方法还可以包括:在确定待检测车辆存在违法载人嫌疑后,发出第一提示信息,以便于交通管理人员及时作出应对处理。
一些实施例中,在确定待检测车辆存在违法载人嫌疑后,在发出第一提示信息之前,开放式车厢机动车存在违法载人嫌疑的检测方法还可以包括:根据行驶图像,获取待检测车辆的车牌信息,并利用车牌信息生成第一提示信息。
具体实施时,在确定待检测车辆存在违法载人嫌疑后,为了确保交通管理人员可以尽快锁定嫌疑车辆,可以基于图像识别技术,从行驶图像中识别并提取待检测车辆的车牌信息,继而使得生成的第一提示信息中携带有该车辆的车牌信息,使得交通管理人员可以根据车牌信息尽快找到嫌疑车辆,避免交通险情的发生。
其中,基于图像识别技术提取行驶图像中的车牌信息的具体实现方式可以参考现有相关技术,此处不再赘述。
一些实施例中,为了进一步提高检测精度,上述人体头部特征识别模型的训练方法可以包括:获取待训练图像,构建样本训练集;基于机器学习的头部识别方法,利用样本训练集对识别模型进行训练,得到人体头部特征识别模型。
具体实施时,可以采用人工标记的方法,选取并标记大量不同角度、配有不同坐姿、戴帽戴头盔的车辆行驶图像作为训练图像,构建样本训练集。其中,可以分别包括人物正面、侧面、背面以及部分遮挡下的普通头像、戴帽头像和戴头盔头像,以使得训练得到的人体头部特征识别模型的检测精度能够满足检测要求。
具体的,基于机器学习的头部识别方法,训练得到人体头部特征识别模型的具体实现方式可以参考现有相关技术,此处不再赘述。
基于相同的技术构思,本申请的实施例还提供一种开放式车厢机动车存在违法载人嫌疑的检测装置,如图2所示,该装置可以包括:获取模块201,用于获取行驶图像;行驶图像为待检测车辆的车尾图像;检测模块202,用于基于预先训练好的人体头部特征识别模型,检测行驶图像中的头部数量;确定模块203,用于根据头部数量和预设超载标准,确定待检测车辆是否存在违法载人嫌疑。
可选的,在根据头部数量和预设超载标准,确定待检测车辆是否存在违法载人嫌疑时,确定模块203,具体可以用于:检测头部数量是否满足预设超载标准;若头部数量满足超载标准,则待检测车辆存在违法载人嫌疑;若头部数量不满足超载标准,则待检测车辆不存在违法载人嫌疑。
可选的,上述预设超载标准包括大于等于1;相应的,在检测头部数量是否满足预设超载标准时,确定模块203,具体可以用于:检测头部数量是否大于等于1;若头部数量大于等于1,则头部数量满足超载标准;若头部数量小于1,则头部数量不满足超载标准。
可选的,开放式车厢机动车存在违法载人嫌疑的检测装置还可以包括提示模块,提示模块,用于:在确定待检测车辆存在违法载人嫌疑后,发出第一提示信息,以便于交通管理人员及时作出应对处理。
可选的,在确定待检测车辆存在违法载人嫌疑后,发出第一提示信息之前,提示模块,可以用于:根据行驶图像,获取待检测车辆的车牌信息,并利用车牌信息生成第一提示信息。
可选的,在根据行驶图像,获取待检测车辆的车牌信息时,提示模块,具体可以用于:基于图像识别技术,从行驶图像识别待检测车辆的车牌信息并提取。
可选的,开放式车厢机动车存在违法载人嫌疑的检测装置还可以包括训练模块,训练模块,可以用于:获取待训练图像,构建样本训练集;基于机器学习的头部识别方法,利用样本训练集对识别模型进行训练,得到人体头部特征识别模型。
实施时,本申请的实施例提供的开放式车厢机动车存在违法载人嫌疑的检测装置的具体实现方式可以参考以上任意实施例所述的开放式车厢机动车存在违法载人嫌疑的检测方法的具体实施方式,此处不再赘述。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本申请的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本申请的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,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模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块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,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种开放式车厢机动车存在违法载人嫌疑的检测方法,其特征在于,包括:
获取行驶图像;所述行驶图像为待检测车辆的车尾图像;
基于预先训练好的人体头部特征识别模型,检测所述行驶图像中的头部数量;
根据所述头部数量和预设超载标准,确定所述待检测车辆是否存在违法载人嫌疑。
2.根据权利要求1所述的开放式车厢机动车存在违法载人嫌疑的检测方法,其特征在于,所述根据所述头部数量和预设超载标准,确定所述待检测车辆是否存在违法载人嫌疑,包括:
检测所述头部数量是否满足所述预设超载标准;
若所述头部数量满足所述超载标准,则所述待检测车辆存在违法载人嫌疑;若所述头部数量不满足所述超载标准,则所述待检测车辆不存在违法载人嫌疑。
3.根据权利要求2所述的开放式车厢机动车存在违法载人嫌疑的检测方法,其特征在于,所述预设超载标准包括大于等于1;
所述检测所述头部数量是否满足所述预设超载标准,包括:
检测所述头部数量是否大于等于1;
若所述头部数量大于等于1,则所述头部数量满足所述超载标准;若所述头部数量小于1,则所述头部数量不满足所述超载标准。
4.根据权利要求1所述的开放式车厢机动车存在违法载人嫌疑的检测方法,其特征在于,所述确定所述待检测车辆是否存在违法载人嫌疑之后,所述方法还包括:
在确定所述待检测车辆存在违法载人嫌疑后,发出第一提示信息,以便于交通管理人员及时作出应对处理。
5.根据权利要求4所述的开放式车厢机动车存在违法载人嫌疑的检测方法,其特征在于,所述在确定所述待检测车辆存在违法载人嫌疑后,所述发出第一提示信息之前,所述方法还包括:
根据所述行驶图像,获取所述待检测车辆的车牌信息,并利用所述车牌信息生成所述第一提示信息。
6.根据权利要求5所述的开放式车厢机动车存在违法载人嫌疑的检测方法,其特征在于,所述根据所述行驶图像,获取所述待检测车辆的车牌信息,包括:
基于图像识别技术,从所述行驶图像识别所述待检测车辆的车牌信息并提取。
7.根据权利要求1所述的开放式车厢机动车存在违法载人嫌疑的检测方法,其特征在于,所述人体头部特征识别模型的训练方法包括:
获取待训练图像,构建样本训练集;
基于机器学习的头部识别方法,利用所述样本训练集对识别模型进行训练,得到所述人体头部特征识别模型。
8.一种开放式车厢机动车存在违法载人嫌疑的检测装置,其特征在于,包括:
获取模块,用于获取行驶图像;所述行驶图像为待检测车辆的车尾图像;
检测模块,用于基于预先训练好的人体头部特征识别模型,检测所述行驶图像中的头部数量;
确定模块,用于根据所述头部数量和预设超载标准,确定所述待检测车辆是否存在违法载人嫌疑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111243151.6A CN113971787A (zh) | 2021-10-25 | 2021-10-25 | 开放式车厢机动车存在违法载人嫌疑的检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111243151.6A CN113971787A (zh) | 2021-10-25 | 2021-10-25 | 开放式车厢机动车存在违法载人嫌疑的检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113971787A true CN113971787A (zh) | 2022-01-25 |
Family
ID=79588232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111243151.6A Pending CN113971787A (zh) | 2021-10-25 | 2021-10-25 | 开放式车厢机动车存在违法载人嫌疑的检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113971787A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114419329A (zh) * | 2022-03-30 | 2022-04-29 | 浙江大华技术股份有限公司 | 车辆载人数量检测方法及装置 |
-
2021
- 2021-10-25 CN CN202111243151.6A patent/CN113971787A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114419329A (zh) * | 2022-03-30 | 2022-04-29 | 浙江大华技术股份有限公司 | 车辆载人数量检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10762338B2 (en) | Method and apparatus for detecting fake license plates of vehicles, readable storage medium, and electronic device | |
CN107067718B (zh) | 交通事故责任评估方法、交通事故责任评估装置以及交通事故责任评估系统 | |
JP6499514B2 (ja) | ドライブレコーダ、データ記録システム、データ記録方法、及び、プログラム | |
CN106991820B (zh) | 违规车辆处理方法及装置 | |
CN106251635A (zh) | 一种套牌嫌疑车牌号的识别方法及系统 | |
CN101807344A (zh) | 智能网络车辆安全管理方法及装置 | |
CN111368612B (zh) | 超员检测系统、人员检测方法及电子设备 | |
CN108133599A (zh) | 一种渣土车视频识别方法及系统 | |
SG188578A1 (en) | Vehicle behavior analysis device, vehicle behavior analysis program and drive recorder | |
CN108305351A (zh) | 一种具有检测功能的行车记录仪 | |
CN106652477A (zh) | 一种违章识别的方法及装置 | |
CN105551261A (zh) | 换牌车辆检测方法及其系统 | |
CN109318799B (zh) | 汽车、汽车adas系统及其控制方法 | |
CN103700220A (zh) | 一种疲劳驾驶监控装置 | |
CN113971787A (zh) | 开放式车厢机动车存在违法载人嫌疑的检测方法及装置 | |
CN113408364B (zh) | 一种临时车牌识别方法、系统、装置及存储介质 | |
CN111768630A (zh) | 一种违章废图检测方法、装置及电子设备 | |
CN107180535A (zh) | 一种基于深度学习的自动声检测的飙车行为自动识别装置及方法 | |
CN103854293A (zh) | 一种基于特征点匹配的车辆跟踪方法及装置 | |
CN111967451B (zh) | 一种道路拥堵检测方法及装置 | |
CN114141022B (zh) | 应急车道占用行为检测方法、装置、电子设备及存储介质 | |
CN111985304A (zh) | 巡防告警方法、系统、终端设备及存储介质 | |
CN107909819A (zh) | 一种用于采集酒驾车辆的视频控制装置 | |
JP6600044B2 (ja) | 車載装置、及び、サーバ装置 | |
CN207233199U (zh) | 一种基于深度学习的自动声检测的飙车行为自动识别装置 |
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 |