一种驾驶违章预判方法、装置、服务器和介质制造方法及图纸

本发明专利技术实施例公开了一种驾驶违章预判方法、装置、服务器和介质。其中，方法包括：获取车辆启动之后摄像头所拍摄的视频，并解析视频得到与车辆行驶的各时间点相对应的图像；将各图像输入至预先训练好的违章预判模型确定有违章驾驶行为的目标图像；根据目标图像和导航数据确定车辆的违章概率。本发明专利技术实施例通过解析车辆行车过程中的视频得到与时间点相对应的图片，并经违章预判模型判断该图片是否为有违章驾驶行为的目标图片，根据目标图片和导航数据确定车辆的违章概率，解决了现有的导航装置与行车记录仪无法判断车辆是否有违章行为的问题，可使驾驶人预先确定自己在驾车过程中是否出现违章行为以及出现违章行为的地址，以辅助用户文明驾驶。

A driving violation prejudging method, device, server and medium

The embodiment of the invention discloses a driving violation prejudging method, a device, a server and a medium. The method includes: acquiring the video captured by the camera after the vehicle starts, parsing the video to get the image corresponding to each time point of the vehicle driving; inputting the image into the pre-trained violation prediction model to determine the target image of the violation driving behavior; determining the vehicle according to the target image and navigation data; The probability of violation. The embodiment of the invention obtains a picture corresponding to the time point by analyzing the video in the process of driving a vehicle, and judges whether the picture is a target picture of illegal driving behavior by the pre-judgment model of violation, determines the violation probability of the vehicle according to the target picture and the navigation data, and solves the existing navigation device and the driving recorder. If it is impossible to judge whether a vehicle has committed any violations, the driver can determine in advance whether he has committed any violations and the address of the violation in order to assist the user to drive in a civilized manner.

【技术实现步骤摘要】
一种驾驶违章预判方法、装置、服务器和介质
本专利技术实施例涉及人工智能技术，尤其涉及一种驾驶违章预判方法、装置、服务器和介质。
技术介绍
现有技术中，百度地图、Google地图或者高德地图等导航软件，都能够为用户提供多种路径规划进行选择，如用户想要从公司回家，那么导航软件会根据起点与终点信息、车流量、车牌限行区域、有没有摄像探头等信息提供一个它认为最优化的路况。此外，通常车上一般都会装个行车记录仪，防止碰瓷或者记录风景，还有倒车影像等等功能。但是，一般驾驶人在开车的时候，不能够确定自己在驾驶过程中是否压实线、闯红灯或是违章，也不确定自己违章了是否被拍到，导航软件或行车记录仪都不能给出一个确定的答案。
技术实现思路
本专利技术实施例提供一种驾驶违章预判方法、装置、服务器和介质，可使驾驶人预先确定自己在驾车过程中是否出现违章行为以及出现违章行为的地址，以指导以后的驾驶行为。第一方面，本专利技术实施例提供了一种驾驶违章预判方法，该方法包括：获取车辆启动之后摄像头所拍摄的视频，并解析所述视频得到与所述车辆行驶的各时间点相对应的图像；将各图像输入至预先训练好的违章预判模型确定有违章驾驶行为的目标图像；根据所述目标图像和导航数据确定所述车辆的违章概率。第二方面，本专利技术实施例还提供了驾驶违章预判装置，该装置包括：车辆行驶图像获取模块，用于获取车辆启动之后摄像头所拍摄的视频，并解析所述视频得到与所述车辆行驶的各时间点相对应的图像；目标图像确定模块，用于将各图像输入至预先训练好的违章预判模型确定有违章驾驶行为的目标图像；违章概率确定模块，用于根据所述目标图像和导航数据确定所述车辆的违章概率。第三方面，本专利技术实施例还提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术实施例中任一所述的驾驶违章预判方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术实施例中任一所述的驾驶违章预判方法。本专利技术实施例通过解析车辆行车过程中的视频得到与时间点相对应的图片，并经违章预判模型判断该图片是否为有违章驾驶行为的目标图片，根据目标图片和导航数据确定车辆的违章概率，解决了现有的导航装置与行车记录仪无法判断车辆是否有违章行为的问题，可使驾驶人预先确定自己在驾车过程中是否出现违章行为以及出现违章行为的地址，以指导以后的驾驶行为。附图说明图1是本专利技术实施例一中的驾驶违章预判方法的流程图；图2是本专利技术实施例二中的驾驶违章预判装置的结构示意图；图3是本专利技术实施例三中的服务器的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1为本专利技术实施例一提供的驾驶违章预判方法的流程图，本实施例可适用于判断驾驶过程中是否有违章行为的情况，该方法可以由驾驶违章预判装置来执行，该装置例如可配置于服务器中。如图1所示，该方法具体包括：S110、获取车辆启动之后摄像头所拍摄的视频，并解析所述视频得到与所述车辆行驶的各时间点相对应的图像。为了更好地了解车辆外部情况，会在车辆上安装至少一个摄像头。具体可以是在车辆的头端和/或尾端安装记录行驶状况的摄像头，以拍摄车辆行驶过程中车辆前方和/或后方路况的视频影像。可以理解的是，在本操作中，可以获取车辆所安装的摄像头在车辆行驶过程中所拍摄的视频，只要能够了解车辆的行驶过程中的外部环境影像即可，在此并不做限定，例如可以是车辆自身携带或者后期自行安装的行车记录仪等其他摄像头所拍摄的视频。在驾驶过程中，为了更好地规划路线一般还会借助于导航装置提供导航数据，以提示用户行驶路径并确认行车路线以及行驶过程中存在违章摄录装置的地方。在一种实施方式中，摄像头所拍摄的视频会以预设的时长为节点上传到服务器，如每两分钟上传一次视频，或每五分钟一次，具体时长可以根据服务器的处理能力和解析效率确定。当服务器接收到第一个视频后，就会开始解析视频得到与车辆行驶的时间点相对应的图像，如在上午9点10分零5秒钟，车辆所行驶到的位置处所拍摄的图像，该图像可包含车辆前进方向上的道路信息、车辆信息等。若服务器正在解析当前视频，那么当前视频之后上传的视频则缓存在存储单元中，依次等待解析。S120、将各图像输入至预先训练好的违章预判模型确定有违章驾驶行为的目标图像。其中，违章驾驶行为可以包括闯红灯、压线、逆行及未系安全带等行为。违章预判模型则是通过机器学习算法根据违章行为发生时的图像训练而得到的一个模型，通过该模型可以预判出解析得到的图像中哪一幅图像中内容显示有违章行为，从而确定出目标图像。进一步的，训练违章预判模型主要包括如下步骤：获取违章图像样本，并将所述违章图像样本输入至待训练的违章预判模型中得到当前输出结果。其中，违章图像样本为一些违章场景下所拍摄的照片，可以通过云服务器收集网友上传的相关图片作为训练样本。根据当前输出结果和期望输出结果之间的误差，调节所述违章预判模型的预判参数。直到当前输出结果与期望输出结果之间的误差小于误差阈值。可选的，在确定目标图像之前，当检测到同一时间节点上内容匹配度达到预设的匹配度阈值的至少两张图像时，并对所述至少两张图像进行去重处理。可选地，对所述至少两张图像进行去重处理，具体可以是将同一时间节点上内容匹配度达到预设的匹配度阈值的至少两张图像中的任意一张保存，删除所述至少两张图像中其他的图像；也可以是将同一时间节点上内容匹配度达到预设的匹配度阈值的至少两张图像中清晰度最高的一张图像保存，删除所述至少两张图像中其他的图像。由于在同一时间节点上，具有匹配度达到匹配度阈值的多张图像，即高度相似或相同的图像，输入到违章预判模型中所得到的输出结果往往是一致的，因此去掉重复的图片，可以提高判断违章的概率的效率。S130、根据所述目标图像和导航数据确定所述车辆的违章概率。具体的，根据所述目标图像和导航数据确定所述车辆的违章概率包括如下步骤：首先，根据所述目标图像所对应的时间点确定所述车辆在该时间点所行驶经过的目标位置。每张目标图像都对应着车辆行驶的一个时间点，根据该时间点查询导航装置中的导航数据，确定在该时间点车辆所行驶到的地点，即目标位置。在一种实施方式中，确定所述车辆在该时间点所行驶经过的目标位置包括：根据所述目标图像中的场景数据与地图数据确定出至少一个与所述目标图像对应的图像位置；根据所述目标图像所对应的时间点确定导航数据在该时间点所显示的导航位置；计算至少一个所述图像位置与所述导航位置的距离误差，将各所述距离误差中最小的所述距离误差对应的所述图像位置作为目标位置。在一种实施方式中，确定所述车辆在该时间点所行驶经过的目标位置包括：根据所述目标图像中的场景数据与地图数据确定出至少一个与所述目标图像对应的图像位置；根据所述目标图像所对应的时间点确定导航数据在该时间点所显示的导航位置；计算至少一个所述图像位置与所述导航位置的距离误差，若各所述距离误差中最小的所述距离误差处于预设的误差范围内，则将所述本文档来自技高网...

【技术保护点】
1.一种驾驶违章预判方法，其特征在于，包括：获取车辆启动之后摄像头所拍摄的视频，并解析所述视频得到与所述车辆行驶的各时间点相对应的图像；将各图像输入至预先训练好的违章预判模型确定有违章驾驶行为的目标图像；根据所述目标图像和导航数据确定所述车辆的违章概率。

【技术特征摘要】
1.一种驾驶违章预判方法，其特征在于，包括：获取车辆启动之后摄像头所拍摄的视频，并解析所述视频得到与所述车辆行驶的各时间点相对应的图像；将各图像输入至预先训练好的违章预判模型确定有违章驾驶行为的目标图像；根据所述目标图像和导航数据确定所述车辆的违章概率。2.根据权利要求1所述的方法，其特征在于，所述根据所述目标图像和导航数据确定所述车辆的违章概率，包括：根据所述目标图像所对应的时间点确定所述车辆在该时间点所行驶经过的目标位置；判断所述目标位置的预设范围内是否有违章监控装置；若是，则将该目标位置的历史违章概率确定为所述车辆的违章概率。3.根据权利要求1所述的方法，其特征在于，在将各图像输入至预先训练好的违章预判模型之前，所述方法还包括：当检测到同一时间节点上内容匹配度达到预设的匹配度阈值的至少两张图像时，并对所述至少两张图像进行去重处理。4.根据权利要求1所述的方法，其特征在于，还包括：对违章预判模型进行训练；相应地，所述对违章预判模型进行训练包括：获取违章图像样本，并将所述违章图像样本输入至待训练的违章预判模型中得到当前输出结果；根据当前输出结果和期望输出结果之间的误差，调节所述违章预判模型的预判参数。5.根据权利要求2所述的方法，其特征在于，根据所述目标图像所对应的时间点确定所述车辆在该时间点所行驶经过的目标位置，包括：根据所述目标图像中的场景数据与地图数据确定出至少一个与所述目标图像对应的图像位置；根据所述目标图像所对应的时间点确定导航数据在该时间点所显示的导航位置；计算至少一个所述图像位置与所述导航位置的距离误差，将各所述距离误差中最小的所述距离误差对应的所述图像位置作为目标位置。6.根据权利要求...

【专利技术属性】
技术研发人员：李承敏，尹峥嵘，孟盼盼，
申请(专利权)人：上海与德科技有限公司，
类型：发明
国别省市：上海,31