[发明专利]一种基于车辆检索的违章图片自动审核系统及方法有效
申请号: | 201910779521.4 | 申请日: | 2019-08-22 |
公开(公告)号: | CN110490150B | 公开(公告)日: | 2022-02-11 |
发明(设计)人: | 高飞;周明明;卢书芳;程振波;张元鸣;肖刚 | 申请(专利权)人: | 浙江工业大学 |
主分类号: | G06V20/40 | 分类号: | G06V20/40;G06K9/62;G06V10/764 |
代理公司: | 杭州浙科专利事务所(普通合伙) 33213 | 代理人: | 周红芳 |
地址: | 310006 浙江省*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 车辆 检索 违章 图片 自动 审核 系统 方法 | ||
本发明公开了一种基于车辆检索的违章图片自动审核系统及方法。所述审核系统由车辆检测模块、车辆特征提取模块、车辆对比模块及车辆违章检测模块构成,车辆检测模块用于检测出违章图片中所有车辆;车辆特征提取模块用于车辆深度特征提取;车辆对比模块用于比对车辆特征,计算出车辆特征匹配度;车辆违章检测模块用于对违章车辆中与目标违章车辆的相同车辆定位,再根据具体定位确定违章车辆。本发明通过采用上述技术得到的审核,能在视频分析软件判断车辆违章误检时,得到正确的判断,避免车辆违章的误判,使车辆违章自动化更加完善;还能自动识别车辆是否发生违章事件,释放了交管人力资源,提高了资源利用率。
技术领域
本发明涉及智能交通技术领域,具体为一种基于车辆检索的违章图片自动审核方法及系统。
背景技术
近年来,随着我国车辆的普及,城市车辆数量逐年增加,交通违章事件也逐年增加。车辆违章事件的查处有利于道路交通规范的建立,可以维护道路交通秩序,预防和减少交通事故,保护人身安全,保护人民的财产安全。所以需要对交通违章事件进行查处。
随着社会的进步和发展,交通违章事件的查处方式也发生了变化,从最初的认为处理,到现在的自动化处理。随着交通违章事件的增加,极大的增加了交通管理部门的人力资源消耗。为了释放因交通违章事件增加的人力资源消耗,出现了违章自动审核系统。
当前已有许多学者提出了不同的车辆违章图片审核系统,但是交管摄像头所拍摄的视频经过视频分析软件后,抓拍了其所认为的违章车辆图片,但是由于视频分析软件存在一定的误检,给违章审核工作带来一定的困扰。
发明内容
为克服现有技术中存在的不足,本发明的目的在于提供基于车辆检索的违章图片自动审核方法及系统。
所述的一种基于车辆检索的违章图片自动审核系统,其特征在于由车辆检测模块、车辆特征提取模块、车辆对比模块及车辆违章检测模块构成,所述车辆检测模块、车辆对比模块分别与车辆特征提取模块、车辆违章检测模块连接,车辆检测模块用于检测出违章图片中所有车辆;车辆特征提取模块用于将车辆检测模块检测出来的车辆进行车辆深度特征提取;车辆对比模块用于将系统判断的目标违章车辆的车辆特征与违章图片中车辆特征提取模块提取到车辆的车辆深度特征进行比对,计算出车辆特征匹配度,并将计算结果发送给车辆违章检测模块;车辆违章检测模块收到车辆对比模块的结果,并根据车辆检测模块提取的相应车辆的坐标,用于对违章车辆中与目标违章车辆的相同车辆定位,再根据具体定位确定违章车辆。
基于所述车辆检索的违章图片自动审核系统的车辆审核方法,其特征在于包括如下步骤:
1)将违章图片以图片中心点像素分为四个区域,分别为第一、第二、第三及第四区域,系统检测出的目标违章车辆存在于第四区域,令车辆检测模块从违章图片的四个区域中提取出同张图片中所有车辆特征向量集合并检测出所有车辆与车辆特征提取模块提取到所有车辆的车辆特征向量的映射集合为其中cj表示第j辆车,n表示车辆数量,表示第j辆车的特征向量的集合,表示第j辆车的车辆特征集合中第k个车辆特征向量;
2)由车辆特征提取模块提取出第四区域目标违章车辆的特征向量Fm={feati|i=1,2,...,4096},i表示第i个车辆特征向量,并将目标违章车辆的特征向量信息传送给车辆对比模块;
3)车辆对比模块将提取到的目标违章车辆的车辆特征向量根据公式(1)与步骤1)中提取出的同张图片中所有车辆特征向量集合中的每个车辆特征向量的相似度s,得到相似度集合若两辆车的相似度s>K0,K0为车辆置信度阈值,则将此车辆信息(cn,carlistn)加入相似车辆集合,cn表示车辆具体编号,carlistn表示车辆所在位置的具体框,由此获得所有违章目标车辆的相似车辆;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江工业大学,未经浙江工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910779521.4/2.html,转载请声明来源钻瓜专利网。