CN116091989A - 一种违章审核方法、装置及存储介质 - Google Patents

Abstract

本发明公开了一种违章审核方法、装置及存储介质，方法包括：获取违章车辆的违章场景图像，并从违章场景图像中定位违章车辆的位置，确定为第一位置；在违章车辆的违章类别为预设类别的情况下，利用预设特殊车辆检测模型对违章场景图像进行特殊车辆检测；在从违章场景图像中检测出特殊车辆的情况下，从违章场景图像中定位特殊车辆的位置，确定为第二位置；在第一位置与第二位置的相对关系满足预设条件的情况下，利用预设车辆状态检测模型从违章场景图像中检测特殊车辆的工作状态；在工作状态为执行任务的情况下，确定违章车辆的违章原因为避让特殊车辆。通过上述技术方案，提高了违章审核的效率和智能性。

Description

一种违章审核方法、装置及存储介质

技术领域

本申请涉及图像处理技术领域，尤其涉及一种违章审核方法、装置及存储介质。

背景技术

目前，随着民用轿车的数量越来越多，参与交通的车辆也就越来越多，相应的，违章的案例与事件也越来越多，但是，针对大量违章信息的处理简单的以检测对应装置或者设备，仅能判定违章的类别，并不能判定违章的具体场景，从而使得因特殊情况出现的违章需要当事人收到违章通知后，到交警部门区申诉，耗时耗力，智能性较低。

发明内容

为解决上述技术问题，本发明实施例期望提供一种违章审核方法、装置及存储介质，通过对特殊车辆和其工作状态的检测，判别违章车辆是否是避让特殊车辆造成的违章，提高了违章审核的效率和智能性。

本发明的技术方案是这样实现的：

本发明提供了一种违章审核方法，所述方法包括：

获取所述违章车辆的违章场景图像，并从所述违章场景图像中定位所述违章车辆的位置，确定为第一位置；

在所述违章车辆的违章类别为预设类别的情况下，利用预设特殊车辆检测模型对所述违章场景图像进行特殊车辆检测；

在从所述违章场景图像中检测出所述特殊车辆的情况下，从所述违章场景图像中定位所述特殊车辆的位置，确定为第二位置；

在所述第一位置与所述第二位置的相对关系满足预设条件的情况下，利用预设车辆状态检测模型从所述违章场景图像中检测所述特殊车辆的工作状态；

在所述工作状态为执行任务的情况下，确定所述违章车辆的违章原因为避让所述特殊车辆。

在上述方法中，所述预设车辆状态检测模型包括预设指示灯检测模型和预设指示灯状态判别模型，所述利用预设车辆状态检测模型从所述违章场景图像中检测所述特殊车辆的工作状态，包括：

从所述违章场景图像中裁剪出包含所述特殊车辆的车辆图像；

利用所述预设指示灯检测模型，对所述车辆图像进行所述特殊车辆的指示灯检测；

在从所述车辆图像中检测出所述指示灯的情况下，利用所述预设指示灯状态判别模型从所述车辆图像中检测所述指示灯的运行状态；

在所述运行状态为闪烁的情况下，确定所述工作状态为执行任务。

在上述方法中，利用所述预设指示灯状态判别模型从所述车辆图像中检测所述指示灯的运行状态之后，所述方法还包括：

在所述运行状态为关闭的情况下，确定所述工作状态为未执行任务。

在上述方法中，所述利用预设车辆状态检测模型从所述违章场景图像中检测所述特殊车辆的工作状态之后，所述方法还包括：

在所述工作状态为未执行任务的情况下，确定所述违章车辆的违章原因为非避让所述特殊车辆。

在上述方法中，所述确定所述违章车辆的违章原因为避让所述特殊车辆之后，所述方法还包括：

撤销所述违章车辆对应的违章记录。

在上述方法中，所述利用预设特殊车辆检测模型对所述违章场景图像进行特殊车辆检测之前，所述方法还包括：

获取场景样本图像，并利用待训练特殊车辆检测模型，基于所述场景样本图像，确定所述场景样本图像包含特殊车辆的概率信息；

计算所述场景样本图像包含特殊车辆的概率信息与针对所述场景样本图像预设的第一概率信息之间的损失信息，得到第一损失信息；

基于所述第一损失信息，对所述待训练特殊车辆检测模型进行模型参数调整，得到所述预设特殊车辆检测模型。

在上述方法中，所述利用预设车辆状态检测模型从所述违章场景图像中检测所述特殊车辆的工作状态之前，所述方法还包括：

获取车辆样本图像，并利用待训练车辆状态检测模型，基于所述车辆样本图像，确定所述车辆样本图像中指示灯运行的概率信息；

计算所述车辆样本图像中指示灯运行的概率信息与针对所述车辆样本图像预设的第二概率信息之间的损失信息，得到第二损失信息；

基于所述第二损失信息，对所述待训练车辆状态检测模型进行模型参数调整，得到所述预设车辆状态检测模型。

本发明提供了一种违章审核装置，包括：

获取模块，用于获取所述违章车辆的违章场景图像，并从所述违章场景图像中定位所述违章车辆的位置，确定为第一位置；

检测模块，用于在所述违章车辆的违章类别为预设类别的情况下，利用预设特殊车辆检测模型对所述违章场景图像进行特殊车辆检测；

定位模块，用于在从所述违章场景图像中检测出所述特殊车辆的情况下，从所述违章场景图像中定位所述特殊车辆的位置，确定为第二位置；

处理模块，用于在所述第一位置与所述第二位置的相对关系满足预设条件的情况下，利用预设车辆状态检测模型从所述违章场景图像中检测所述特殊车辆的工作状态；

确定模块，用于在所述工作状态为执行任务的情况下，确定所述违章车辆的违章原因为避让所述特殊车辆。

在上述装置中，所述处理模块，具体用于从所述违章场景图像中裁剪出包含所述特殊车辆的车辆图像；利用所述预设指示灯检测模型，对所述车辆图像进行所述特殊车辆的指示灯检测；在从所述车辆图像中检测出所述指示灯的情况下，利用所述预设指示灯状态判别模型从所述车辆图像中检测所述指示灯的运行状态。

在上述装置中，所述处理模块，还用于在所述运行状态为关闭的情况下，确定所述工作状态为未执行任务。

在上述装置中，所述确定模块，还用于在所述工作状态为未执行任务的情况下，确定所述违章车辆的违章原因为非避让所述特殊车辆。

在上述装置中，所述处理模块，还用于撤销所述违章车辆对应的违章记录。

在上述装置中，还包括模型训练模块，用于获取场景样本图像，并利用待训练特殊车辆检测模型，基于所述场景样本图像，确定所述场景样本图像包含特殊车辆的概率信息；计算所述场景样本图像包含特殊车辆的概率信息与针对所述场景样本图像预设的第一概率信息之间的损失信息，得到第一损失信息；基于所述第一损失信息，对所述待训练特殊车辆检测模型进行模型参数调整，得到所述预设特殊车辆检测模型。

在上述装置中，所述模型训练模块，还用于获取车辆样本图像，并利用待训练车辆状态检测模型，基于所述车辆样本图像，确定所述车辆样本图像中指示灯运行的概率信息；计算所述车辆样本图像中指示灯运行的概率信息与针对所述车辆样本图像预设的第二概率信息之间的损失信息，得到第二损失信息；基于所述第二损失信息，对所述待训练车辆状态检测模型进行模型参数调整，得到所述预设车辆状态检测模型。

本发明提供了一种违章审核装置，包括：处理器、存储器和通信总线；

所述通信总线，用于实现所述处理器和所述存储器之间的通信连接；

所述处理器，用于执行所述存储器中存储的违章审核程序，以实现上述违章审核方法。

本发明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存储有一个或者多个程序，所述一个或者多个程序可以被一个或者多个处理器执行，以实现上述违章审核方法。

本发明提供了一种违章审核方法、装置及存储介质，方法包括：获取违章车辆的违章场景图像，并从违章场景图像中定位违章车辆的位置，确定为第一位置；在违章车辆的违章类别为预设类别的情况下，利用预设特殊车辆检测模型对违章场景图像进行特殊车辆检测；在从违章场景图像中检测出特殊车辆的情况下，从违章场景图像中定位特殊车辆的位置，确定为第二位置；在第一位置与第二位置的相对关系满足预设条件的情况下，利用预设车辆状态检测模型从违章场景图像中检测特殊车辆的工作状态；在工作状态为执行任务的情况下，确定违章车辆的违章原因为避让特殊车辆。本发明提供的技术方案，通过对特殊车辆和其工作状态的检测，判别违章车辆是否是避让特殊车辆造成的违章，提高了违章审核的效率和智能性。

附图说明

图1为本发明实施例提供的一种违章审核方法的流程示意图；

图2为本发明实施例提供的一种示例性的区域卷积神经网络结构图；

图3为本发明实施例提供的一种示例性的模型训练数据集分类示意图；

图4为本发明实施例提供的一种示例性的车辆相对位置的判定方法示意图；

图5为本发明实施例提供的一种示例性的违章审核的流程示意图；

图6为本发明实施例提供的一种违章审核装置的结构示意图一；

图7为本发明实施例提供的一种违章审核装置的结构示意图二。

具体实施方式

下面将结合本发明实施例中的附图，对本发明中的技术方案进行清楚、完整地描述。可以理解的是，此处所描述的具体实施例仅仅用于解释相关申请，而非对该申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关申请相关的部分。

本发明提供了一种违章审核方法，应用于违章审核装置，图1为本发明实施例提供的一种违章审核方法的流程示意图。如图1所示，主要包括以下步骤：

S101、获取违章车辆的违章场景图像，并从违章场景图像中定位违章车辆的位置，确定为第一位置。

在本发明的实施例中，违章审核装置获取违章车辆的违章场景图像，并从违章场景图像中定位违章车辆的位置，确定为第一位置。

需要说明的是，在本发明的实施例中，违章记录信息中包括违章车辆的违章场景图像、违章车辆的违章类别，以及违章车辆的车牌等信息，违章审核装置可以直接从违章记录信息中获取违章车辆的违章场景图像，并从违章场景图像中定位出违章车辆的位置，即第一位置，该第一位置可以为违章车辆在该违章场景图像的坐标位置，也可以为实际场景中的坐标位置，具体的第一位置的类型可以根据实际需求和应用场景进行设定。

S102、在违章车辆的违章类别为预设类别的情况下，利用预设特殊车辆检测模型对违章场景图像进行特殊车辆检测。

在本发明的实施例中，在违章车辆的违章类别为预设类别的情况下，违章审核装置利用预设特殊车辆检测模型对违章场景图像进行特殊车辆检测。

需要说明的是，在本发明的实施例中，预设类别可以是压实线、闯红灯、不按规定车道行驶，以及占用公交车道等类别，具体的预设类别可以根据实际需求和应用场景进行设定。

需要说明的是，在本发明的实施例中，违章审核装置在利用预设特殊车辆检测模型对违章场景图像进行特殊车辆检测之前，会根据违章记录信息包括的违章车辆的违章类别是否属于预设类别，如果违章车辆的违章类别属于预设类别，需要进一步判断违章场景图像中是否含有特殊车辆，如果违章车辆的违章类别不属于预设类别，直接对违章车辆进行正常处罚，比如，违章审核装置在审核违章车辆是否是因为避让特殊车辆造成的违章的情况下，预设类别就不会包括酒驾、未寄安全带等类别，因为酒驾，不寄安全带不属于因为避让特殊车辆会造成的违章类别。

需要说明的是，在本发明的实施例中，特殊车辆包括救护车、消防车、警车、工程抢险车，或者其他救援车辆，具体的特殊车辆可以根据实际需求和应用场景进行设定。

需要说明的是，在本发明的实施例中，如果违章车辆的违章类别为预设类别，违章审核装置会利用预设特殊车辆检测模型进一步检测违章场景图像中是否存在特殊车辆。

具体的，在本发明的实施例中，违章审核装置利用预设特殊车辆检测模型对违章场景图像进行特殊车辆检测之前，还可以执行以下步骤：获取场景样本图像，并利用待训练特殊车辆检测模型，基于场景样本图像，确定场景样本图像包含特殊车辆的概率信息；计算场景样本图像包含特殊车辆的概率信息与针对场景样本图像预设的第一概率信息之间的损失信息，得到第一损失信息；基于第一损失信息，对待训练特殊车辆检测模型进行模型参数调整，得到预设特殊车辆检测模型。

需要说明的是，在本发明的实施例中，违章审核装置在利用预设特殊车辆检测模型进一步检测违章场景图像中是否存在特殊车辆之前，会利用场景样本图像对待训练特殊车辆检测模型进行模型训练。

需要说明的是，在本发明的实施例中，违章审核装置获取的场景样本图像可以是来源于公共数据集或者网络上下载，云平台存储，手机存储中，具体的图像来源方式本发明不作限定。

需要说明的是，在本发明的实施例中，违章审核装置在获取到场景样本图像后，对场景样本图像中的救护车、消防车、警车、工程抢险车，以及普通车辆的图像进行分类，归入相应的类别，然后，将标记后的场景样本图像输入到待训练特殊车辆检测模型，进行特征提取，得到场景样本图像包含特殊车辆的概率信息；其中，待训练特殊车辆检测模型可以为改进的区域卷积神经网络(Faster region-Convolutional Neural Networks，Faster-RCNN)。

需要说明的是，在本发明的实施例中，违章审核装置利用待训练特殊车辆检测模型，对场景样本图像进行特征提取，得到场景样本图像包含特殊车辆的概率信息，然后，计算场景样本图像包含特殊车辆的概率信息与针对场景样本图像预设的第一概率信息之间的损失信息，得到第一损失信息，最后，基于第一损失信息，对待训练特殊车辆检测模型进行模型参数调整，得到预设特殊车辆检测模型。

图2为本发明实施例提供的一种示例性的区域卷积神经网络结构图。如图2所示，待训练特殊车辆检测模型包括预训练网络、区域建议网络、感兴趣区域池化，以及分类器，具体的训练过程可以为将场景样本图像的格式转换为预设分辨率，输入预训练网络，进行特征提取，得到特征映射图，然后，将特征映射图经过区域建议网络产生区域建议框，区域建议框和特征映射图作为感兴趣区域池化的输入，得到最终的特征图，最后，通过分类器结构得到场景样本图像包含特殊车辆的概率信息，其中，预设分辨率可以是1024*1024，也可以是其他分辨率。

需要说明的是，在本发明的实施例中，违章审核装置对待训练车辆检测模型的训练过程中会用到大量的场景样本图像，具体的可以将大量场景样本图像按照比例划分为训练集、验证集，以及测试集，可以用训练集和验证集对待训练特殊车辆检测模型进行模型训练，然后，利用测试集测试预设特殊车辆检测模型的检测效果。

图3为本发明实施例提供的一种示例性的模型训练数据集分类示意图。如图3所示，利用训练集和验证集对待训练特殊车辆检测模型进行模型训练，然后，利用测试集测试预设特殊车辆检测模型的检测效果，具体的训练集、验证集，以及测试集的数据比例可以是8:1:1，当然也可以是其他预设比例；图3中各类数据集分别用于训练不同的模型，比如，特殊车辆数据集用于训练待训练特殊车辆检测模型，得到预设特殊车辆检测模型，此时，特殊车辆数据集中包括救护车、消防车、警车、工程抢险车，以及普通车辆的图像，如表1所示；指示灯检测数据集用于训练待训练指示灯检测模型，得到预设指示灯检测模型，此时，指示灯检测数据集中包括救护车、消防车、警车、工程抢险车，以及普通车辆的指示灯图像，如表1所示；指示灯闪烁判别数据集用于训练待训练指示灯状态判别模型，得到预设指示灯状态判别模型，此时，指示灯闪烁判别数据集中包括闪烁的指示灯和关闭的指示灯图像，如表1所示；而如果是直接对待训练车辆状态检测模型进行训练，则是利用指示灯检测数据集和指示灯闪烁判别数据集。

表1

S103、在从违章场景图像中检测出特殊车辆的情况下，从违章场景图像中定位特殊车辆的位置，确定为第二位置。

在本发明的实施例中，在从违章场景图像中检测出特殊车辆的情况下，违章审核装置从违章场景图像中定位特殊车辆的位置，确定为第二位置。

需要说明的是，在本发明的实施例中，违章审核装置在从违章场景图像中检测出特殊车辆的情况下，从违章场景图像中定位特殊车辆的位置，即第二位置，并且第二位置的类型与上述第一位置的类型一致，例如：如果第一位置为违章车辆在违章场景图像中的坐标位置，那么，第二位置为特殊车辆在违章场景图像中的坐标位置，如果第一位置为违章车辆的实际坐标位置，那么，第二位置为特殊车辆的实际坐标位置。

图4为本发明实施例提供的一种示例性的车辆相对位置的判定方法示意图。如图4所示，违章审核装置从违章记录信息中识别违章场景图像中的车牌，然后，将从违章场景图像中识别的车牌与违章记录信息中的车牌进行匹配，确定违章车辆的位置信息，在得到违章车辆的位置信息之后，利用预设特殊车辆检测模型对违章场景图像检测特殊车辆，并从违章场景图像中定位特殊车辆的位置。

S104、在第一位置与第二位置的相对关系满足预设条件的情况下，利用预设车辆状态检测模型从违章场景图像中检测特殊车辆的工作状态。

在本发明的实施例中，在第一位置与第二位置的相对关系满足预设条件的情况下，违章审核装置利用预设车辆状态检测模型从违章场景图像中检测特殊车辆的工作状态。

需要说明的是，在本发明的实施例中，预设条件为以车辆行驶方向为参考方向，特殊车辆的位置信息在违章车辆的后面，如果特殊车辆在违章车辆的前面，也就不存在因避让特殊车辆造成违章的情况。

需要说明的是，在本发明的实施例中，在特殊车辆在违章车辆的后面的情况下，违章审核装置会进一步利用预设车辆状态检测装置检测特殊车辆的工作状态，以避免在该特殊车辆未执行工作的情况下，判断出违章车辆的违章原因为避让特殊车辆，造成审核误差。

具体的，在本发明的实施例中，预设车辆状态检测模型包括预设指示灯检测模型和预设指示灯状态判别模型，违章审核装置利用预设车辆状态检测模型从违章场景图像中检测特殊车辆的工作状态，包括：从违章场景图像中裁剪出包含特殊车辆的车辆图像；利用预设指示灯检测模型，对车辆图像进行特殊车辆的指示灯检测；在从车辆图像中检测出指示灯的情况下，利用预设指示灯状态判别模型从车辆图像中检测指示灯的运行状态；在运行状态为闪烁的情况下，确定工作状态为执行任务。

需要说明的是，在本发明的实施例中，预设车辆状态检测模型包括预设指示灯检测模型和预设指示灯状态判别模型，违章审核装置先从违章场景图像中裁剪出包含特殊车辆的车辆图像，进而利用预设指示灯检测模型判定该车辆图像中是否存在指示灯，如果该车辆图像中包括指示灯，还需利用预设指示灯状态判别模型判断该指示灯的运行状态，以判断该特殊车辆的工作状态，如果指示灯的运行状态为闪烁状态，说明违章场景图像中的特殊车辆的工作状态为执行任务，此时，违章车辆如果在该执行任务的特殊车辆之前，才是因为避让特殊车辆造成的违章。

具体的，在本发明的实施例中，违章审核装置利用预设指示灯状态判别模型从车辆图像中检测指示灯的运行状态之后，还可以执行以下步骤：在运行状态为关闭的情况下，确定工作状态为未执行任务。

需要说明的是，在本发明的实施例中，指示灯的运行状态为关闭的情况下，表征违章场景图像中的特殊车辆并未执行任务。

具体的，在本发明的实施例中，违章审核装置利用预设车辆状态检测模型从违章场景图像中检测特殊车辆的工作状态之后，还可以执行以下步骤：在工作状态为未执行任务的情况下，确定违章车辆的违章原因为非避让特殊车辆。

需要说明的是，在本发明的实施例中，违章审核装置在利用预设车辆状态检测模型检测到违章场景图像中的特殊车辆的工作状态为并未执行任务的情况下，那么，违章车辆得违章原因就不是因为避让特殊车辆。

具体的，在本发明的实施例中，违章审核装置利用预设车辆状态检测模型从违章场景图像中检测特殊车辆的工作状态之前，还可以执行以下步骤：获取车辆样本图像，并利用待训练车辆状态检测模型，基于车辆样本图像，确定车辆样本图像中指示灯运行的概率信息；计算车辆样本图像中指示灯运行的概率信息与针对车辆样本图像预设的第二概率信息之间的损失信息，得到第二损失信息；基于第二损失信息，对待训练车辆状态检测模型进行模型参数调整，得到预设车辆状态检测模型。

需要说明的是，在本发明的实施例中，违章审核装置对待训练车辆状态检测模型进行模型训练的图像可以直接是场景样本图像，也可以仅包括特殊车辆的车辆样本图像，具体的样本数据本发明不作限定。

需要说明的是，在本发明的实施例中，待训练车辆状态检测模型可以是Faster-RCNN，当然，由于待训练车辆检测模型包括待训练指示灯检测模型和待训练指示灯状态判别模型，该待训练指示灯检测模型和待训练指示灯状态判别模型也可以为Faster-RCNN，具体的待训练指示灯检测模型和待训练指示灯状态判别模型可以作为一个整体，即待训练车辆检测模型进行训练，也可以分别进行训练，训练数据可以是车辆样本图像、指示灯样本图像，或者场景样本图像，可以根据实际需求和应用场景进行选择相应的样本数据，并且，具体的训练方式与上述预设特殊车辆检测模型的训练过程一致。

需要说明的是，在本发明的实施例中，违章审核装置训练预设车辆状态检测模型的步骤可以为：获取车辆样本图像，并输入待训练车辆状态检测模型，得到车辆样本图像中指示灯运行的概率信息，然后，计算车辆样本图像中指示灯运行的概率信息与针对车辆样本图像预设的第二概率信息之间的损失信息，最后，利用得到的第二损失信息，对待训练车辆状态检测模型进行模型参数调整，得到预设车辆状态检测模型。

S105、在工作状态为执行任务的情况下，确定违章车辆的违章原因为避让特殊车辆。

在本发明的实施例中，在工作状态为执行任务的情况下，违章审核装置确定违章车辆的违章原因为避让特殊车辆。

需要说明的是，在本发明的实施例中，违章审核装置在判定违章场景图像中的特殊车辆的工作状态为执行任务的情况下，判定违章场景图像中的违章车辆的违章原因为因为避让特殊车辆。

具体的，在本发明的实施例中，违章审核装置确定违章车辆的违章原因为避让特殊车辆之后，还可以执行以下步骤：撤销违章车辆对应的违章记录。

需要说明的是，在本发明的实施例中，违章审核装置在判定违章场景图像中的违章车辆的违章原因为避让特殊车辆之后，撤销违章车辆的违章记录，即对违章车辆免除处罚，整个过程无需违章当事人与违章审核人员的参与，节省了当事人和审核人员的时间，违章审核装置直接利用预设特殊车辆监测模型和预设车辆状态检测模型，确定违章车辆的违章原因，并在违章车辆的违章原因是避让特殊车辆的情况下，撤销对违章车辆的处罚，提高了违章审核的效率和智能性。

图5为本发明实施例提供的一种示例性的违章审核的流程示意图。如图5所示，违章审核装置在获取到违章记录信息后，从违章记录信息中包括的违章类别来判断是否是预设类别，如果为预设类别，则进一步利用预设特殊车辆检测模型对违章记录信息中包括的违章场景图像中是否存在特殊车辆，如果不在预设类别中，则直接对违章车辆进行正常处罚；如果违章场景图像中存在特殊车辆，则判断特殊车辆的位置信息，并从违章记录信息中的违章场景图像，定位违章车辆的位置信息，然后，判断特殊车辆是否在违章车辆的后面，如果特殊车辆在违章车辆的后面，则从违章场景图像中裁剪出车辆图像，如果特殊车辆未在违章车辆的后面，则对违章车辆进行正常处罚；然后，违章审核装置在裁剪出车辆图像之后，利用预设指示灯检测模型检测车辆图像中是否有指示灯，如果有指示灯，则进一步利用预设指示灯状态判别模型，判断该指示灯是否正常运行，如果没有指示灯，则直接对违章车辆进行正常处罚；如果指示灯处于闪烁的状态，则确定违章车辆的违章原因是因为避让特殊车辆，如果指示灯处于关闭的状态下，则直接对违章车辆进行正常处罚。

本发明提供了一种违章审核方法，方法包括：获取违章车辆的违章场景图像，并从违章场景图像中定位违章车辆的位置，确定为第一位置；在违章车辆的违章类别为预设类别的情况下，利用预设特殊车辆检测模型对违章场景图像进行特殊车辆检测；在从违章场景图像中检测出特殊车辆的情况下，从违章场景图像中定位特殊车辆的位置，确定为第二位置；在第一位置与第二位置的相对关系满足预设条件的情况下，利用预设车辆状态检测模型从违章场景图像中检测特殊车辆的工作状态；在工作状态为执行任务的情况下，确定违章车辆的违章原因为避让特殊车辆。本发明提供的违章审核方法，通过对特殊车辆和其工作状态的检测，判别违章车辆是否是避让特殊车辆造成的违章，提高了违章审核的效率和智能性。

本发明提供了一种违章审核装置，图6为本发明实施例提供的一种违章审核装置的结构示意图一。如图6所示，包括：

获取模块601，用于获取所述违章车辆的违章场景图像，并从所述违章场景图像中定位所述违章车辆的位置，确定为第一位置；

检测模块602，用于在所述违章车辆的违章类别为预设类别的情况下，利用预设特殊车辆检测模型对所述违章场景图像进行特殊车辆检测；

定位模块603，用于在从所述违章场景图像中检测出所述特殊车辆的情况下，从所述违章场景图像中定位所述特殊车辆的位置，确定为第二位置；

处理模块604，用于在所述第一位置与所述第二位置的相对关系满足预设条件的情况下，利用预设车辆状态检测模型从所述违章场景图像中检测所述特殊车辆的工作状态；

确定模块605，用于在所述工作状态为执行任务的情况下，确定所述违章车辆的违章原因为避让所述特殊车辆。

可选的，所述处理模块604，具体用于从所述违章场景图像中裁剪出包含所述特殊车辆的车辆图像；利用所述预设指示灯检测模型，对所述车辆图像进行所述特殊车辆的指示灯检测；在从所述车辆图像中检测出所述指示灯的情况下，利用所述预设指示灯状态判别模型从所述车辆图像中检测所述指示灯的运行状态。

可选的，所述处理模块604，还用于在所述运行状态为关闭的情况下，确定所述工作状态为未执行任务。

可选的，所述确定模块605，还用于在所述工作状态为未执行任务的情况下，确定所述违章车辆的违章原因为非避让所述特殊车辆。

可选的，所述处理模块604，还用于撤销所述违章车辆对应的违章记录。

可选的，所述违章审核装置还包括模型训练模块(图中未示出)，用于获取场景样本图像，并利用待训练特殊车辆检测模型，基于所述场景样本图像，确定所述场景样本图像包含特殊车辆的概率信息；计算所述场景样本图像包含特殊车辆的概率信息与针对所述场景样本图像预设的第一概率信息之间的损失信息，得到第一损失信息；基于所述第一损失信息，对所述待训练特殊车辆检测模型进行模型参数调整，得到所述预设特殊车辆检测模型。

可选的，所述模型训练模块(图中未示出)，还用于获取车辆样本图像，并利用待训练车辆状态检测模型，基于所述车辆样本图像，确定所述车辆样本图像中指示灯运行的概率信息；计算所述车辆样本图像中指示灯运行的概率信息与针对所述车辆样本图像预设的第二概率信息之间的损失信息，得到第二损失信息；基于所述第二损失信息，对所述待训练车辆状态检测模型进行模型参数调整，得到所述预设车辆状态检测模型。

本发明提供了一种违章审核装置，图7为本发明实施例提供的一种违章审核装置的结构示意图二。如图7所示，装置包括：处理器701、存储器702和通信总线703；

所述通信总线703，用于实现所述处理器701和所述存储器702之间的通信连接；

所述处理器701，用于执行所述存储器702中存储的违章审核程序，以实现上述违章审核方法。

本发明提供了一种违章审核装置，获取违章车辆的违章场景图像，并从违章场景图像中定位违章车辆的位置，确定为第一位置；在违章车辆的违章类别为预设类别的情况下，利用预设特殊车辆检测模型对违章场景图像进行特殊车辆检测；在从违章场景图像中检测出特殊车辆的情况下，从违章场景图像中定位特殊车辆的位置，确定为第二位置；在第一位置与第二位置的相对关系满足预设条件的情况下，利用预设车辆状态检测模型从违章场景图像中检测特殊车辆的工作状态；在工作状态为执行任务的情况下，确定违章车辆的违章原因为避让特殊车辆。本发明提供的违章审核装置，通过对特殊车辆和其工作状态的检测，判别违章车辆是否是避让特殊车辆造成的违章，提高了违章审核的效率和智能性。

本发明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存储有一个或者多个程序，所述一个或者多个程序可以被一个或者多个处理器执行，以实现上述违章审核方法。计算机可读存储介质可以是是易失性存储器(volatile memory)，例如随机存取存储器(Random-Access Memory，RAM)；或者非易失性存储器(non-volatile memory)，例如只读存储器(Read-Only Memory，ROM)，快闪存储器(flash memory)，硬盘(Hard Disk Drive，HDD)或固态硬盘(Solid-State Drive，SSD)；也可以是包括上述存储器之一或任意组合的各自设备，如移动电话、计算机、平板设备、个人数字助理等。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本实用申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种违章审核方法，其特征在于，所述方法包括：

获取所述违章车辆的违章场景图像，并从所述违章场景图像中定位所述违章车辆的位置，确定为第一位置；

在所述违章车辆的违章类别为预设类别的情况下，利用预设特殊车辆检测模型对所述违章场景图像进行特殊车辆检测；

在从所述违章场景图像中检测出所述特殊车辆的情况下，从所述违章场景图像中定位所述特殊车辆的位置，确定为第二位置；

在所述第一位置与所述第二位置的相对关系满足预设条件的情况下，利用预设车辆状态检测模型从所述违章场景图像中检测所述特殊车辆的工作状态；

在所述工作状态为执行任务的情况下，确定所述违章车辆的违章原因为避让所述特殊车辆。

2.根据权利要求1所述的方法，其特征在于，所述预设车辆状态检测模型包括预设指示灯检测模型和预设指示灯状态判别模型，所述利用预设车辆状态检测模型从所述违章场景图像中检测所述特殊车辆的工作状态，包括：

从所述违章场景图像中裁剪出包含所述特殊车辆的车辆图像；

利用所述预设指示灯检测模型，对所述车辆图像进行所述特殊车辆的指示灯检测；

在从所述车辆图像中检测出所述指示灯的情况下，利用所述预设指示灯状态判别模型从所述车辆图像中检测所述指示灯的运行状态；

在所述运行状态为闪烁的情况下，确定所述工作状态为执行任务。

3.根据权利要求2所述的方法，其特征在于，利用所述预设指示灯状态判别模型从所述车辆图像中检测所述指示灯的运行状态之后，所述方法还包括：

在所述运行状态为关闭的情况下，确定所述工作状态为未执行任务。

4.根据权利要求1所述的方法，其特征在于，所述利用预设车辆状态检测模型从所述违章场景图像中检测所述特殊车辆的工作状态之后，所述方法还包括：

在所述工作状态为未执行任务的情况下，确定所述违章车辆的违章原因为非避让所述特殊车辆。

5.根据权利要求1所述的方法，其特征在于，所述确定所述违章车辆的违章原因为避让所述特殊车辆之后，所述方法还包括：

撤销所述违章车辆对应的违章记录。

6.根据权利要求1所述的方法，其特征在于，所述利用预设特殊车辆检测模型对所述违章场景图像进行特殊车辆检测之前，所述方法还包括：

获取场景样本图像，并利用待训练特殊车辆检测模型，基于所述场景样本图像，确定所述场景样本图像包含特殊车辆的概率信息；

计算所述场景样本图像包含特殊车辆的概率信息与针对所述场景样本图像预设的第一概率信息之间的损失信息，得到第一损失信息；

基于所述第一损失信息，对所述待训练特殊车辆检测模型进行模型参数调整，得到所述预设特殊车辆检测模型。

7.根据权利要求1所述的方法，其特征在于，所述利用预设车辆状态检测模型从所述违章场景图像中检测所述特殊车辆的工作状态之前，所述方法还包括：

获取车辆样本图像，并利用待训练车辆状态检测模型，基于所述车辆样本图像，确定所述车辆样本图像中指示灯运行的概率信息；

计算所述车辆样本图像中指示灯运行的概率信息与针对所述车辆样本图像预设的第二概率信息之间的损失信息，得到第二损失信息；

基于所述第二损失信息，对所述待训练车辆状态检测模型进行模型参数调整，得到所述预设车辆状态检测模型。

8.一种违章审核装置，其特征在于，包括：

获取模块，用于获取所述违章车辆的违章场景图像，并从所述违章场景图像中定位所述违章车辆的位置，确定为第一位置；

检测模块，用于在所述违章车辆的违章类别为预设类别的情况下，利用预设特殊车辆检测模型对所述违章场景图像进行特殊车辆检测；

定位模块，用于在从所述违章场景图像中检测出所述特殊车辆的情况下，从所述违章场景图像中定位所述特殊车辆的位置，确定为第二位置；

处理模块，用于在所述第一位置与所述第二位置的相对关系满足预设条件的情况下，利用预设车辆状态检测模型从所述违章场景图像中检测所述特殊车辆的工作状态；

确定模块，用于在所述工作状态为执行任务的情况下，确定所述违章车辆的违章原因为避让所述特殊车辆。

9.一种违章审核装置，其特征在于，包括：处理器、存储器和通信总线；

所述通信总线，用于实现所述处理器和所述存储器之间的通信连接；

所述处理器，用于执行所述存储器中存储的违章审核程序，以实现权利要求1-7任一项所述的违章审核方法。

10.一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存储有一个或者多个程序，所述一个或者多个程序可以被一个或者多个处理器执行，以实现权利要求1-7任一项所述的违章审核方法。

Images