基于AI识别技术道路交通事故现场草图绘制方法技术

本发明专利技术属于道路交通事故处理技术领域，尤其涉及一种道路交通事故现场草图识别绘制方法，其使用电子草图获取设备徒手绘制基于事故现场的路面形态和相关事故元素的现场记录草图，同时使用人工智能识别模块对用户每次输入的轨迹进行识别，实现道路轮廓和道路元素的标准化显示，同时可使用辅助系统对各元素进行修改，以适应各交通事故现场的不同事故形态，继而使用道路整体形态优化模块对交通事故现场记录草图进行识别优化处理。本发明专利技术实现了道路交通事故现场比例图的快速绘制，系统对用户无过多的技术要求，极大地提高了交通事故处理的工作效率。

【技术实现步骤摘要】
基于AI识别技术道路交通事故现场草图绘制方法
本专利技术属于道路交通事故处理
，尤其涉及一种基于AI识别技术道路交通事故现场草图绘制方法。
技术介绍
随着当今社会经济以及汽车制造业的迅猛发展，汽车在我国的保有量也在不断地攀升，不可避免的就造成了大量交通事故的发生，自2001年起连续数年死亡人数突破10万，使得我国成为汽车交通事故死亡人数最多的国家之一。据统计，我国交通车辆总数大约是全世界的3%，但全球交通事故的15%却发生在中国，直接财产损失达到上亿元。由于交通事故所造成的各种民事、刑事纠纷越来越复杂，而道路交通事故现场图作为处理交通事故的重要证据，应尽可能客观、全面、具体、准确、详实的记录事故信息，以便于快速、准确的认定事故责任，分析事故以及确定采取何种处理方式，因此，交通事故现场的勘查对于处理交通事故起着不可替代的作用。目前国内外记录交通事故现场多以手工操作，以笔和纸为媒介的绘图方式为主，存在绘图时间长，工作效率低的缺点，事故现场无法尽快处理，进而就很容易造成道路拥塞的问题，那么为了尽快恢复道路的正常通行，交警会尽可能的缩短绘图记录证据的时间，这就可能会出现记录不详实等问题，但是在事故处理后现场即被清理，一旦出现证据遗漏缺失和错误，将无法还原现场，重新取证，此外，人工手绘存在不规范的缺点，这是无法弥补的。因此，传统的人工手绘图纸记录事故现场的方式并不能满足当今交通事故现场快速勘查处理的实际需要。近年来，国内外开展了大量的实验和研究，一些新技术、新方法开始应用于交通事故现场的处理，如全站仪、全球定位系统、激光测量装置等，虽然这些新方法和新技术在提高事故现场勘测的效率和自动化程度方面起到了积极的作用，但由于测绘仪器价格过高，不便携带，测量人员需掌握专门的技术知识，因此难以得到普及。近年来，随着人工智能算法的不断改进，相应的识别算法也日益成熟，在良好应用环境下，识别的准确率可达到90%，鉴于此，本专利技术基于人工智能算法，按照用户的习惯进行用户自适应学习，实现了交通事故现场勘查处理的廉价、简捷、准确和高效。
技术实现思路
本专利技术旨在克服现有技术的不足之处而提供一种基于AI识别技术道路交通事故现场草图绘制方法。该方法可解决目前惯用的交通事故现场处理方法效率低、精度低及规范性差的瓶颈问题。为解决上述技术问题，本专利技术是这样实现的：一种基于AI识别技术道路交通事故现场草图绘制方法，包括：通过电子草图获取设备徒手绘制基于事故现场的路面形态和相关事故元素的现场记录草图；使用人工智能识别模块对用户每次输入的轨迹进行识别，完成对道路轮廓和道路元素的识别；使用道路整体形态优化模块和辅助系统完成交通事故现场记录草图识别的优化处理；根据优化处理后的结果，结合图例系统和标注系统完成道路交通事故现场比例图的绘制。作为一种优选方案，本专利技术所述人工智能识别模块是基于AlexNet卷积神经网络，经过卷积层、全连接层和RELU激活函数、LRN局部响应归一化、重叠的MaxPooling和Dropout运算实现的。进一步地，本专利技术所述道路整体形态优化模块是基于图像处理技术、数学计算几何运算，经过曲线打断、曲线分组、分组校直及分组校齐实现的。进一步地，本专利技术所述标注系统是以最近邻原则识别绘制标注，以垂直于参考线的方向驱动纵向标注，以平行于参考线、相对于参考点的标注半径驱动横向标注。进一步地，本专利技术所述图例系统包括地面物体、交通事故元素、痕迹散落物、安全设施及交通现象模块，用以显示事故现场记录草图和比例图必须的元素。进一步地，本专利技术所述辅助系统包括容错处理模块、操作处理模块、文字处理模块及属性设置模块。进一步地，本专利技术所述容错处理模块包括擦除、删除元素、清屏、撤销和重做单元。进一步地，本专利技术所述操作处理模块包括缩放、平移、旋转、全屏居中和局部放大单元。进一步地，本专利技术所述属性设置模块包括识别预测单元和图符属性单元，其用途是辅助草图识别系统中各模块的修改。本专利技术实现了道路交通事故现场比例图的快速绘制，系统对用户无过多的技术要求，极大地提高了交通事故处理的工作效率。本专利技术利用人工智能算法，结合图像处理技术，辅助以数学计算几何运算，实现交通事故现场图的绘制。整个道路交通现场图绘制过程快速、准确，为交通事故现场处理提供了有力的帮助。附图说明下面结合附图和具体实施方式对本专利技术作进一步说明。本专利技术的保护范围不仅局限于下列内容的表述。图1为本专利技术基于AI识别技术道路交通事故现场草图绘制方法流程框图。图2为本专利技术基于AI识别技术道路交通事故现场草图绘制方法核心人工智能识别算法的网络架构图。具体实施方式如图所示，基于AI识别技术道路交通事故现场草图绘制方法，包括：通过电子草图获取设备徒手绘制基于事故现场的路面形态和相关事故元素的现场记录草图；使用人工智能识别模块对用户每次输入的轨迹进行识别，完成对道路轮廓和道路元素的识别；使用道路整体形态优化模块和辅助系统完成交通事故现场记录草图识别的优化处理；根据优化处理后的结果，结合图例系统和标注系统完成道路交通事故现场比例图的绘制。本专利技术所述人工智能识别模块是基于AlexNet卷积神经网络，经过卷积层、全连接层和RELU激活函数、LRN局部响应归一化、重叠的MaxPooling和Dropout运算实现的；所述道路整体形态优化模块是基于图像处理技术、数学计算几何运算，经过曲线打断、曲线分组、分组校直及分组校齐实现的；所述标注系统是以最近邻原则识别绘制标注，以垂直于参考线的方向驱动纵向标注，以平行于参考线、相对于参考点的标注半径驱动横向标注。本专利技术使用电子草图获取设备徒手绘制基于事故现场的路面形态和相关事故元素的现场记录草图，便于存档保存和后期编辑修改打印，同时使用人工智能识别模块对用户每次输入的轨迹进行识别，实现道路轮廓和道路元素的标准化显示，降低了用户的学习成本，同时可使用辅助系统对各元素进行修改，以适应各交通事故现场的不同事故形态，继而使用道路整体形态优化模块对交通事故现场记录草图进行识别优化处理，实现美化绘制图纸的目的，这样既允许用户保留以前用笔、纸绘制事故现场草图的习惯，不限制用户绘制的自由度，同时又保证了绘制草图的标准化，最后根据优化后的结果，结合图例系统和标注系统完成道路交通事故现场比例图的绘制，整个绘制过程操作简便快捷，系统对用户无过多的技术要求，极大地提高了交通事故处理的工作效率。上述实现方法中所涉及的核心模块是人工智能识别模块，其使用AlexNet网络，网络使用多个卷积内核（a.k.a过滤器）提取图像的特征，同一卷积层中内核的大小是相同的，内核的宽度和高度是相同的，深度与通道的数量是相同的，前两个卷积层后面是重叠的最大池化层，第三、四个卷积层是直接相连的，第五个卷积层经过重叠的最大池化后进入两个全连接层，第二个全连接层给softMax分类器提供标签，在所有的卷积层和全连接层之后，应用RELU非线性函数，然后进行局部标准化，继而执行POOL操作，最终得到用于识别的网络模型。参见图1所示，道路交通事故现场草图识别绘制方法，可按如下步骤实施：1、通过电子草图获取设备徒手绘制基于事故现场的路面形态和相关事故元素的现场记录草图；2、使用人工智能识别模块对用户每次输入的轨迹进行识别；完成对道路轮廓和道路元素的识本文档来自技高网...

【技术保护点】
1.一种基于AI识别技术道路交通事故现场草图绘制方法，包括：通过电子草图获取设备徒手绘制基于事故现场的路面形态和相关事故元素的现场记录草图；使用人工智能识别模块对用户每次输入的轨迹进行识别，完成对道路轮廓和道路元素的识别；使用道路整体形态优化模块和辅助系统完成交通事故现场记录草图识别的优化处理；根据优化处理后的结果，结合图例系统和标注系统完成道路交通事故现场比例图的绘制。

【技术特征摘要】
1.一种基于AI识别技术道路交通事故现场草图绘制方法，包括：通过电子草图获取设备徒手绘制基于事故现场的路面形态和相关事故元素的现场记录草图；使用人工智能识别模块对用户每次输入的轨迹进行识别，完成对道路轮廓和道路元素的识别；使用道路整体形态优化模块和辅助系统完成交通事故现场记录草图识别的优化处理；根据优化处理后的结果，结合图例系统和标注系统完成道路交通事故现场比例图的绘制。2.根据权利要求1所述的基于AI识别技术道路交通事故现场草图绘制方法，其特征在于：所述人工智能识别模块是基于AlexNet卷积神经网络，经过卷积层、全连接层和RELU激活函数、LRN局部响应归一化、重叠的MaxPooling和Dropout运算实现的。3.根据权利要求2所述的基于AI识别技术道路交通事故现场草图绘制方法，其特征在于：所述道路整体形态优化模块是基于图像处理技术、数学计算几何运算，经过曲线打断、曲线分组、分组校直及分组校齐实现的。4.根据权利要求3所述的基于AI识别技术道路交通事故现场草图绘制方法，其特征在于：所述标注系统是以...

【专利技术属性】
技术研发人员：史威，戴赫，
申请(专利权)人：沈阳天择智能交通工程有限公司，
类型：发明
国别省市：辽宁,21