交通事故的定责方法、装置、计算机设备及计算机存储介质制造方法及图纸

本申请公开了一种交通事故的定责方法、装置、计算机设备及计算机存存介质，涉及交通事故处理技术领域，无需安排交警人员到事故现场进行勘察，减少交警的工作量。所述方法包括：获取交通事故发生所对应预设时间段内的视频信息流；对所述视频信息流中各个目标特征进行聚类，得到交通事故发生所对应预设时间段内每个目标特征聚类集合对应的行为规律；将所述每个目标特征聚类集合对应输入至预先构建的违法行为检测模型进行行为检测，得到所述各个目标特征的行为检测结果，所述违法行为检测模型用于检测交通事故发生所对应预设时间段内所述各个目标特征的违法行为类型；根据所述各个目标特征的行为检测结果，生成交通事故定责报告。

【技术实现步骤摘要】
交通事故的定责方法、装置、计算机设备及计算机存储介质
本专利技术涉及交通事故处理
，尤其是涉及到交通事故的定责方法、装置及电子设备。
技术介绍
随着社会的发展，汽车已经成为人类的主要交通工具，为人民出行带来方便，但是在城市汽车的数量激增的同时，驾驶人员的危机意识并未得到同步提升，使得汽车交通事故逐年增长，导致交警的工作内容与工作强度也不断增加。现有技术在对交通事故进行定责的过程中，简单的交通事故，比如车辆追尾、闯红绿灯、冲入绿化带、违规变道行驶等违法行为，在发生交通事故后，交警需要根据事故类型出警勘察，或者根据现场图片信息进行交通事故责任划分界定，对交警而言，耗时耗力，在负担其他日常工作的同时，需要花费精力在出警以及现场图片查看上，极大地浪费了人力成本。与此同时，驾驶人员更关注的交警定责结果，且责任的划分可能只会对主责的一方有警示提醒效果，并不能达到交通安全意识的唤醒。
技术实现思路
本专利技术实施例提供了交通事故的定责方法、装置、计算机设备及计算机存储介质，解决了相关技术中需要耗费极大人力判断交通事故责任的问题。根据本专利技术实施例的第一方面，提供一种交通事故的定责方法，所述方法包括：获取交通事故发生所对应预设时间段内的视频信息流；对所述视频信息流中各个目标特征进行聚类，得到交通事故发生所对应预设时间段内每个目标特征聚类集合对应的行为规律；将所述每个目标特征聚类集合对应的行为规律输入至预先构建的违法行为检测模型进行行为检测，得到所述各个目标特征的行为检测结果，所述行为检测结果用于检测交通事故发生所对应预设时间段内所述各个目标特征的违法行为类型；根据所述各个目标特征的行为检测结果，生成交通事故定责报告。进一步地，在所述对所述视频信息流中各个目标特征进行聚类，得到交通事故发生所对应预设时间段内每个目标特征聚类集合对应的行为规律之前，所述方法还包括：对所述预设时间段内的视频信息流进行分帧处理，得到多帧视频图像信息；从每帧视频图像信息中提取出所述各个目标特征。进一步地，所述从每帧视频图像信息中提取出各个目标特征包括：利用多帧视频图像信息之间的关联性对每帧视频图像信息进行区域划分，得到多个目标区域；检测所述目标区域内具有变化特性的目标特征，从每帧视频图像信息中提取各个目标特征。进一步地，在所述从每帧视频图像信息中提取出各个目标特征之后，所述方法还包括：利用多帧视频图像信息之间的关联性对每帧视频图像信息中各个目标特征进行过滤，保留符合预设条件的目标特征。进一步地，在所述将所述每个目标特征聚类集合对应的行为规律输入至预先构建的违法行为检测模型进行行为检测，得到所述各个目标特征的行为检测结果之前，所述方法还包括：预先收集不同交通违法行为对应的视频流数据，从所述视频流数据中提取出多个目标特征的行为规律；根据每个目标特征对应的违法行为类型对所述多个目标特征的行为规律进行标记，得到多个携带有违法行为类型标签的行为规律；将所述多个携带有违法行为类型标签的行为规律作为样本数据输入至卷积神经网络进行训练，构建违法行为检测模型，所述违法行为检测模型中记录有目标特征的行为规律与违法行为类型的映射关系。进一步地，所述违法行为检测模型为多层结构的网络模型，所述将所述每个目标特征聚类集合对应的行为规律输入至预先构建的违法行为检测模型进行行为检测，得到所述各个目标特征的行为检测结果包括：通过所述违法行为检测模型的卷积层提取所述聚类集合对应的行为规律的局部行为特征；通过所述违法行为检测模型的全连接层汇总所述聚类集合对应的行为规律对应的局部行为特征，得到多维度的局部行为特征；通过所述违法行为检测模型的池化层对所述多维度的局部行为特征进行降维处理，得到聚类集合对应的违法行为特征；通过所述违法行为检测模型的分类层对所述聚类集合对应的违法行为特征进行分类，得到携带有各个目标特征违法行为类型的行为检测结果。进一步地，所述根据所述各个目标特征的行为检测结果，生成交通事故定责报告包括：根据所述各个目标特征的行为检测结果查找目标特征违法行为类型对应的处理方信息；将所述目标特征违法行为类型对应的处理方信息填入预设报告模板中，生成交通事故定责报告。根据本专利技术实施例的第二方面，提供一种交通事故的定责装置，所述装置包括：获取单元，用于获取交通事故发生所对应预设时间段内的视频信息流；聚类单元，用于对所述视频信息流中各个目标特征进行聚类，得到交通事故发生所对应预设时间段内每个目标特征聚类集合对应的行为规律；检测单元，用于将所述每个目标特征聚类集合对应的行为规律输入至预先构建的违法行为检测模型进行行为检测，得到所述各个目标特征的行为检测结果，所述违法行为检测模型用于检测交通事故发生所对应预设时间段内所述各个目标特征的违法行为类型；生成单元，用于根据所述各个目标特征的行为检测结果，生成交通事故定责报告。进一步地，所述装置还包括：分帧单元，用于在所述对所述视频信息流中各个目标特征进行聚类，得到交通事故发生所对应预设时间段内各个目标特征的运动行为规律之前，对所述预设时间段内的视频信息流进行分帧处理，得到多帧视频图像信息；第一提取单元，用于从每帧视频图像信息中提取出所述各个目标特征。进一步地，所述第一提取单元包括：划分模块，用于利用多帧视频图像信息之间的关联性对每帧视频图像信息进行区域划分，得到多个目标区域；提取模块，用于检测所述目标区域内具有变化特性的目标特征，从每帧视频图像信息中提取各个目标特征。进一步地，所述装置还包括：过滤单元，用于在所述从每帧视频图像信息中提取出各个目标特征之后，利用多帧视频图像信息之间的关联性对每帧视频图像信息中各个目标特征进行过滤，保留符合预设条件的目标特征。进一步地，所述装置还包括：第二提取单元，用于在所述将所述各个目标特征的运动行为规律输入至预先构建的违法行为检测模型进行行为检测，得到所述各个目标特征的行为检测结果之前，预先收集不同交通违法行为对应的视频流数据，从所述视频流数据中提取出多个目标特征的行为规律；标记单元，用于根据每个目标特征对应的违法行为类型对所述多个目标特征的行为规律进行标记，得到多个携带有违法行为类型标签的交通违法行为规律；构建单元，用于将所述多个携带有违法行为类型标签的行为规律作为样本数据输入至卷积神经网络进行训练，构建违法行为检测模型，所述违法行为检测模型中记录有目标特征的行为规律与违法行为类型的映射关系。进一步地，所述违法行为检测模型为多层结构的网络模型，所述检测单元包括：提取模块，用于通过所述违法行为检测模型的卷积层提取所述聚类集合对应的行为规律的局部行为特征；汇总模块，用于通过所述违法行为检测模型的全连接层汇总所述聚类集合对应的行为规律的局部行为特征，得到多维度的局部行为特征；降维模块，用于通过所述违法行为检测模型的池化层对所述多维度的局部行为特征进行降维处理，得到聚类集合对应的违法行为特征；分类模块，用于通过所述违法行为检测模型的分类层对所述聚类集合对应的违法行为特征进行分类，得到携带有各个目标特征违法行为类型的行为检测结果。进一步地，所述生成单元包括：查找模块，用于根据所述各个目标特征的行为检测结果查找目标特征违法行为类型对应的处理方信息；生成模块，用于将所述目标特征违法行为类型对应的处理方信息填入预设报告模本文档来自技高网...

【技术保护点】
1.一种交通事故的定责方法，其特征在于，所述方法包括：获取交通事故发生所对应预设时间段内的视频信息流；对所述视频信息流中各个目标特征进行聚类，得到交通事故发生所对应预设时间段内每个目标特征聚类集合对应的行为规律；将所述每个目标特征聚类集合对应的行为规律输入至预先构建的违法行为检测模型进行行为检测，得到所述各个目标特征的行为检测结果，所述违法行为检测模型用于检测交通事故发生所对应预设时间段内所述各个目标特征的违法行为类型；根据所述各个目标特征的行为检测结果，生成交通事故定责报告。

【技术特征摘要】
1.一种交通事故的定责方法，其特征在于，所述方法包括：获取交通事故发生所对应预设时间段内的视频信息流；对所述视频信息流中各个目标特征进行聚类，得到交通事故发生所对应预设时间段内每个目标特征聚类集合对应的行为规律；将所述每个目标特征聚类集合对应的行为规律输入至预先构建的违法行为检测模型进行行为检测，得到所述各个目标特征的行为检测结果，所述违法行为检测模型用于检测交通事故发生所对应预设时间段内所述各个目标特征的违法行为类型；根据所述各个目标特征的行为检测结果，生成交通事故定责报告。2.根据权利要求1所述的方法，其特征在于，在所述对所述视频信息流中各个目标特征进行聚类，得到交通事故发生所对应预设时间段内每个目标特征聚类集合对应的行为规律之前，所述方法还包括：对所述预设时间段内的视频信息流进行分帧处理，得到多帧视频图像信息；从每帧视频图像信息中提取出所述各个目标特征。3.根据权利要求2所述的方法，其特征在于，所述从每帧视频图像信息中提取出各个目标特征包括：利用多帧视频图像信息之间的关联性对每帧视频图像信息进行区域划分，得到多个目标区域；检测所述目标区域内具有变化特性的目标特征，从每帧视频图像信息中提取各个目标特征。4.根据权利要求2所述的方法，其特征在于，在所述从每帧视频图像信息中提取出各个目标特征之后，所述方法还包括：利用多帧视频图像信息之间的关联性对每帧视频图像信息中各个目标特征进行过滤，保留符合预设条件的目标特征。5.根据权利要求1所述的方法，其特征在于，在所述将所述每个目标特征聚类集合对应的行为规律输入至预先构建的违法行为检测模型进行行为检测，得到所述各个目标特征的行为检测结果之前，所述方法还包括：预先收集不同交通违法行为对应的视频流数据，从所述视频流数据中提取出多个目标特征的行为规律；根据每个目标特征对应的违法行为类型对所述多个目标特征的行为规律进行标记，得到多个携带有违法行为类型标签的行为规律；将所述多个携带有违法行为类型标签的行为规律作为样本数据输入至卷积神经网络进行训练，构建违法行为检测模型，所述违法行为检测模型中记录有目...

【专利技术属性】
技术研发人员：唐雯静，黄章成，王健宗，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44