车辆违章的识别方法及装置制造方法及图纸

本申请公开了一种车辆违章的识别方法及装置。该方法包括：获取车辆行驶时的标准图像；基于SIFT算法提取所述标准图像中的特征向量；将所述特征向量输入预设识别模型，在所述标准图像中识别出符合条件的违法证据；通过预设判断模型在符合条件的违法证据中判断出车辆是否存在违规行驶行为。该装置包括：获取模块、提取模块、识别模块、判断模块。本申请解决了违法行为的审核以及处理基本依赖人工排查的方式，占用警力大、效率低的技术问题。

Identification method and device of vehicle violation

The application discloses a method and a device for identifying vehicle violations. The method includes: acquiring the standard image when the vehicle is driving; extracting the feature vector in the standard image based on the SIFT algorithm; inputting the feature vector into the preset recognition model to recognize the qualified illegal evidence in the standard image; judging whether the vehicle has illegal driving behavior by the preset judgment model in the qualified illegal evidence. The device includes: acquisition module, extraction module, identification module and judgment module. The application solves the technical problems of large police force occupation and low efficiency, such as the examination of illegal acts and the handling of them basically rely on manual investigation.

【技术实现步骤摘要】
车辆违章的识别方法及装置
本申请涉及机动车检测
，具体而言，涉及一种车辆违章的识别方法及装置。
技术介绍
随着社会经济的发展，机动车保有量急剧增加，违法行为呈现逐年上升趋势，例如：闯红灯、逆行、超速、不按导向线行驶、未礼让行人。目前的卡口及电子警察系统虽然在一定程度上发现并抓拍了各种违法性的发生，但目前针对违法行为的审核以及处理基本依赖人工排查的方式，占用警力大、效率低。车型识别系统目前主要是基于视频/图像摄像机抓拍的图像，通过后台处理的方式，详细和准确地分析出抓拍到的图片是否能作为违法证据以及是否违法等。针对相关技术中违法行为的审核以及处理基本依赖人工排查的方式，占用警力大、效率低的问题，目前尚未提出有效的解决方案。
技术实现思路
本申请的主要目的在于提供一种车辆违章的识别方法及装置，以解决违法行为的审核以及处理基本依赖人工排查的方式，占用警力大、效率低的问题。为了实现上述目的，根据本申请的一个方面，提供了一种车辆违章的识别方法及装置。根据本申请的车辆违章的识别方法，获取车辆行驶时的标准图像；基于SIFT算法提取所述标准图像中的特征向量；将所述特征向量输入预设识别模型，在所述标准图像中识别出符合条件的违法证据；通过预设判断模型在符合条件的违法证据中判断出车辆是否存在违规行驶行为。进一步的，获取车辆行驶时的标准图像包括：通过道路地感线圈或电子警察设备采集得到车辆图像数据；接收所述车辆图像数据；对所述车辆图像数据执行预设标准化操作，得到标准图像。进一步的，对所述车辆图像数据执行预设标准化操作，得到标准图像包括：对所述车辆图像数据执行预设的背景差分、滤波去燥、大小变换操作，得到第一图像样本；对所述第一图像样本执行预设的灰度化、中值滤波、形态学算法操作，得到第二图像样本；对所述第二图像样本执行预设的均值、方差操作，得到所述标准图像。进一步的，根据基于SIFT算法提取所述标准图像中的特征向量包括：基于SIFT的算法完成对数据库中的图像进行特征向量表示；提取出具有128维的特征向量。进一步的，将所述特征向量输入预设识别模型，在所述标准图像中识别出符合条件的违法证据包括：根据所述特征向量建立所述标准图像的高斯金字塔；统计所述高斯金字塔中的每一个子块的子特征；拼接子块的子特征得到目标特征；通过所述目标特征识别车辆是否存在违规行驶行为，得到返回值；根据所述返回值结合逻辑识别算法识别出违法证据。进一步的，通过预设判断模型在符合条件的违法证据中判断出车辆是否存在违规行驶行为包括：将符合条件的违法证据输入tensorflow、Keras或caffe机器学习模型；通过tensorflow、Keras或caffe机器学习模型、及判断算法判断出车辆是否存在违规行驶行为。为了实现上述目的，根据本申请的另一方面，提供了一种车辆违章的识别装置。根据本申请的车辆违章的识别装置包括：获取模块，用于获取车辆行驶时的标准图像；提取模块，用于基于SIFT算法提取所述标准图像中的特征向量；识别模块，用于将所述特征向量输入预设识别模型，识别车辆是否存在违规行驶行为；判断模块，用于如果存在，则通过预设逻辑判断算法判断出违法证据。进一步的，所述获取模块包括：采集单元，用于通过道路地感线圈或电子警察设备采集得到车辆图像数据；接收单元，用于接收所述车辆图像数据；处理单元，用于对所述车辆图像数据执行预设标准化操作，得到标准图像。进一步的，所述提取模块包括：算法单元，用于基于SIFT的算法完成对数据库中的图像进行特征向量表示；提取单元，用于提取出具有128维的特征向量。进一步的，所述识别模块包括：建模单元，用于根据所述特征向量建立所述标准图像的高斯金字塔；统计单元，用于统计所述高斯金字塔中的每一个子块的子特征；拼接单元，用于拼接子块的子特征得到目标特征；判断单元，用于通过所述目标特征识别车辆是否存在违规行驶行为，得到返回值；识别单元，用于根据所述返回值结合逻辑识别算法识别出违法证据。在本申请实施例中，采用自动识别的方式，通过获取车辆行驶时的标准图像；基于SIFT算法提取所述标准图像中的特征向量；将所述特征向量输入预设识别模型，识别车辆是否存在违规行驶行为；以及，如果存在，则通过预设逻辑判断算法判断出违法证据，达到了车辆违章识别的目的，从而实现了减轻人工操作的负担和提高效率的技术效果，进而解决了违法行为的审核以及处理基本依赖人工排查的方式，占用警力大、效率低的技术问题。附图说明构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1是根据本申请第一实施例的车辆违章的识别方法示意图；图2是根据本申请第二实施例的车辆违章的识别方法示意图；图3是根据本申请第三实施例的车辆违章的识别方法示意图；图4是根据本申请第四实施例的车辆违章的识别方法示意图；图5是根据本申请第五实施例的车辆违章的识别方法示意图；图6是根据本申请第六实施例的车辆违章的识别方法示意图图7是根据本申请第一实施例的车辆违章的识别装置示意图；图8是根据本申请第二实施例的车辆违章的识别装置示意图；图9是根据本申请第三实施例的车辆违章的识别装置示意图；图10是根据本申请实施例的车辆违章的识别装置示意图；图11是根据本申请实施例的车辆违章基于SIFT算法的示意图；图12是根据本申请实施例的车辆违章判断示意图。具体实施方式为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本专利技术及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。此外，术语“安装”、“设置”本文档来自技高网...

【技术保护点】
1.一种车辆违章的识别方法，其特征在于，包括：/n获取车辆行驶时的标准图像；/n基于SIFT算法提取所述标准图像中的特征向量；/n将所述特征向量输入预设识别模型，在所述标准图像中识别出符合条件的违法证据；/n通过预设判断模型在符合条件的违法证据中判断出车辆是否存在违规行驶行为。/n

【技术特征摘要】
1.一种车辆违章的识别方法，其特征在于，包括：
获取车辆行驶时的标准图像；
基于SIFT算法提取所述标准图像中的特征向量；
将所述特征向量输入预设识别模型，在所述标准图像中识别出符合条件的违法证据；
通过预设判断模型在符合条件的违法证据中判断出车辆是否存在违规行驶行为。


2.根据权利要求1所述的车辆违章的识别方法，其特征在于，获取车辆行驶时的标准图像包括：
通过道路地感线圈或电子警察设备采集得到车辆图像数据；
接收所述车辆图像数据；
对所述车辆图像数据执行预设标准化操作，得到标准图像。


3.根据权利要求2所述的车辆违章的识别方法，其特征在于，对所述车辆图像数据执行预设标准化操作，得到标准图像包括：
对所述车辆图像数据执行预设的背景差分、滤波去燥、大小变换操作，得到第一图像样本；
对所述第一图像样本执行预设的灰度化、中值滤波、形态学算法操作，得到第二图像样本；
对所述第二图像样本执行预设的均值、方差操作，得到所述标准图像。


4.根据权利要求1所述的车辆违章的识别方法，其特征在于，基于SIFT算法提取所述标准图像中的特征向量包括：
基于SIFT的算法完成对数据库中的图像进行特征向量表示；
提取出具有128维的特征向量。


5.根据权利要求1所述的车辆违章的识别方法，其特征在于，将所述特征向量输入预设识别模型，在所述标准图像中识别出符合条件的违法证据包括：
根据所述特征向量建立所述标准图像的高斯金字塔；
统计所述高斯金字塔中的每一个子块的子特征；
拼接子块的子特征得到目标特征；
通过所述目标特征识别车辆是否存在违规行驶行为，得到返回值；
根据所述返回值结合逻辑识别算法识别出违法证据。


6.根据权利要求1所...

【专利技术属性】
技术研发人员：邱玉枝，
申请(专利权)人：邱玉枝，
类型：发明
国别省市：江苏;32