基于深度学习的交通非现场违法记录筛选审核方法及系统技术方案

本发明专利技术涉及智能交通管理技术领域，具体涉及一种基于深度学习的交通非现场违法记录筛选审核方法及系统。其中，方法包括以下步骤：获取前端上传的非现场违法记录信息；根据所述非现场违法记录信息，确定相对应的违法行为项目信息和违法证据图像信息；根据所述违法行为项目信息，获取至少一个预存的废片删除场景图像数据；将与所述违法行为项目信息相对应的违法证据图像信息，与所述废片删除场景图像数据逐一比对；若所述违法证据图像信息与至少一个所述废片删除场景图像数据一致，确定所述违法证据图像为废片。其中系统用于执行上述方法。本发明专利技术能够识别、自动删除无效违法证据照片，找回误删、错删的非现场违法记录。

Method and system of screening and auditing traffic off-site illegal records based on in-depth learning

【技术实现步骤摘要】
基于深度学习的交通非现场违法记录筛选审核方法及系统
本专利技术涉及智能交通管理
，具体涉及一种基于深度学习的交通非现场违法记录筛选审核方法及系统。
技术介绍
近年来，越来越多的电子警察设备被交管部门用来查获机动车违法，执法取证设备(超速抓拍、闯红灯抓拍、逆行抓拍等电子监控设备)建设呈现快速增长态势，通过执法取证设备采集的机动车违法，即非现场违法。据统计,我国每年交通违法行为查处量数以亿计,其中80%以上是非现场违法。目前，非现场违法的筛选审核方法都是通过民警进行人工筛选审核。这种方法存在明显弊端，主要有以下三点。第一，非现场违法数据量庞大，需要大量的民警开展日常化的筛选审核工作。第二，执法取证设备因精确度不统一、设备成像效果参差不齐、夜间和隧道内受光线影响取证困难、违法识别算法本身不够准确等因素，造成非现场违法抓拍照片存在大量废片，这部分数据导致民警筛选审核效率普遍低下。第三，筛选审核过程中，结果受人为因素影响较大，存在有效的非现场违法记录被当作废片删除的情况。
技术实现思路
为了解决现有技术中存在的不足，本专利技术提供一种基于深度学习的交通非现场违法记录筛选审核方法及系统，能够识别、自动删除无效违法证据照片，找回误删、错删的非现场违法记录。根据本专利技术提供的技术方案，作为本专利技术的第一方面，提供一种基于深度学习的交通非现场违法记录筛选审核方法，包括以下步骤：获取前端上传的非现场违法记录信息；根据所述非现场违法记录信息，确定相对应的违法行为项目信息和违法证据图像信息；根据所述违法行为项目信息，获取至少一个预存的废片删除场景图像数据；将与所述违法行为项目信息相对应的违法证据图像信息，与所述废片删除场景图像数据逐一比对；若所述违法证据图像信息与至少一个所述废片删除场景图像数据一致，确定所述违法证据图像为废片。进一步地，一项所述违法行为项目信息，对应至少一个所述废片删除场景图像数据。进一步地，所述将与所述违法行为项目信息相对应的违法证据图像信息，与所述废片删除场景图像数据逐一比对，包括：利用AI图像识别技术，将与所述违法行为项目信息相对应的违法证据图像信息，与所述废片删除场景图像数据逐一比对。进一步地，在确定所述违法证据图像为废片之后，还进行以下步骤：确定所述非现场违法记录信息为可删除状态，并将所述非现场违法记录信息移存至历史记录数据库中。进一步地，在确定所述违法证据图像为废片之后，还进行以下步骤：获取确定为废片的所述违法证据图像所对应的非现场违法记录信息；根据所述违法行为项目信息，获取至少一个预存的废片找回场景图像数据；将确定为废片的所述违法证据图像信息，与所述废片找回场景图像数据逐一比对；若所述违法证据图像信息与至少一个所述废片找回场景图像数据一致，更改所述非现场违法记录信息的状态为待重复审核状态；从所述历史记录数据库回滚所述非现场违法记录信息，并将回滚后的非现场违法记录信息移存至待重复审核数据库中。进一步地，所述将确定为废片的所述违法证据图像信息，与所述废片找回场景图像数据逐一比对，包括：利用AI图像识别技术，将确定为废片的所述违法证据图像信息，与所述废片找回场景图像数据逐一比对。进一步地，所述将与所述违法行为项目信息相对应的违法证据图像信息，与所述废片删除场景图像数据逐一比对之后，若所述违法证据图像信息与所述废片删除场景图像数据均不一致，确定所述非现场违法记录信息为待重复审核状态，并将所述非现场违法记录信息移存至待重复审核数据库中。进一步地，对存在所述待重复审核数据库中的非现场违法记录信息进行人工筛选审核。作为本专利技术的第二方面，提供一种基于深度学习的交通非现场违法记录筛选审核系统，其特征在于，所述基于深度学习的交通非现场违法记录筛选审核系统用于执行如本专利技术第一方面所述的基于深度学习的交通非现场违法记录筛选审核方法。从以上所述可以看出，本专利技术提供的基于深度学习的交通非现场违法记录筛选审核方法及系统，与现有技术相比具备以下优点：通过使用预存的废片删除场景图像数据与所述违法证据图像信息进行比对，从而确定所述违法证据图像信息是否为废片。进而能够自动过滤掉不符合执法取证规范的非现场违法记录，民警实际需要人工筛选审核的非现场违法记录数将大大减少，民警工作效率显著提升。附图说明图1为本专利技术第一方面实施例1的流程图。图2为本专利技术第一方面实施例2的流程图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术进一步详细说明。其中相同的零部件用相同的附图标记表示。需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向。使用的词语“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。作为本专利技术的第一方面的实施例1提供一种基于深度学习的交通非现场违法记录筛选审核方法，如图1所示，包括以下步骤S1：获取前端上传的非现场违法记录信息；其中所述非现场违法记录信息包括相对应的违法行为项目信息和违法证据图像信息，获取所述违法行为项目信息进而能够获取违法行为的文本信息，获取所述违法证据图像信息进而能够获取用于证明具体违法行为的证据图像信息；S2：根据所述非现场违法记录信息，确定相对应的违法行为项目信息和违法证据图像信息；S3：根据所述违法行为项目信息，获取至少一个预存的废片删除场景图像数据；S4：将与所述违法行为项目信息相对应的违法证据图像信息，与所述废片删除场景图像数据逐一比对；所述废片删除场景图像数据为不符合执法取证规范的非现场违法记图像记录数据。S5：若所述违法证据图像信息与至少一个所述废片删除场景图像数据一致，确定所述违法证据图像为废片。以下给出示例来说明所述废片删除场景图像数据包括的场景有：未违法；牌未识别；号牌悬挂区不完整；未追踪到车辆；占道施工，交警指挥，标识标线不清；单张非合成图片；临时号牌，未找到此车辆；号牌污损或未悬挂；特种车辆；人性化停用；树叶遮挡；夜间暗；图片视频问题；拍非机动车，无图片或视频；图片设备位置信息错误；叠加违法信息错误，抓拍车辆不一致；假牌、套牌；报废车；违法车辆被挡；测试数据、重复数据；非黄标车；已现场处罚；无视频路径；空拍测试数据；数据过期；违法时间在车检之前；车前部特征不完整；车后部特征不完整；车前部特征不清晰；车后部特征不清晰；人工撤销；故意遮挡号牌；设备故障；违法行为发生在车辆转移登记之前；其他。闯红灯删除场景：未闯红灯；第二三张图片位移不明显；行驶方向不是红灯；信号灯模糊（有色差）；停止线不清晰；至少一张不是红灯；信号灯被遮挡；第一张图已出停止线，第三张未越过停止线；第三张图片未追踪到目标车辆；最终未过路中；大型车；无红灯秒数或0；直行绿灯进入左转待转区；无右转红灯，车辆右转，对向来车。通过本文档来自技高网...

【技术保护点】
1.一种基于深度学习的交通非现场违法记录筛选审核方法，其特征在于，包括以下步骤：/n获取前端上传的非现场违法记录信息；/n根据所述非现场违法记录信息，确定相对应的违法行为项目信息和违法证据图像信息；/n根据所述违法行为项目信息，获取至少一个预存的废片删除场景图像数据；/n将与所述违法行为项目信息相对应的违法证据图像信息，与所述废片删除场景图像数据逐一比对；/n若所述违法证据图像信息与至少一个所述废片删除场景图像数据一致，确定所述违法证据图像为废片。/n

【技术特征摘要】
1.一种基于深度学习的交通非现场违法记录筛选审核方法，其特征在于，包括以下步骤：
获取前端上传的非现场违法记录信息；
根据所述非现场违法记录信息，确定相对应的违法行为项目信息和违法证据图像信息；
根据所述违法行为项目信息，获取至少一个预存的废片删除场景图像数据；
将与所述违法行为项目信息相对应的违法证据图像信息，与所述废片删除场景图像数据逐一比对；
若所述违法证据图像信息与至少一个所述废片删除场景图像数据一致，确定所述违法证据图像为废片。


2.如权利要求1所述的基于深度学习的交通非现场违法记录筛选审核方法，其特征在于，一项所述违法行为项目信息，对应至少一个所述废片删除场景图像数据。


3.如权利要求1所述的基于深度学习的交通非现场违法记录筛选审核方法，其特征在于，所述将与所述违法行为项目信息相对应的违法证据图像信息，与所述废片删除场景图像数据逐一比对，包括：
利用AI图像识别技术，将与所述违法行为项目信息相对应的违法证据图像信息，与所述废片删除场景图像数据逐一比对。


4.如权利要求1所述的基于深度学习的交通非现场违法记录筛选审核方法，其特征在于，在确定所述违法证据图像为废片之后，还进行以下步骤：
确定所述非现场违法记录信息为可删除状态，并将所述非现场违法记录信息移存至历史记录数据库中。


5.如权利要求4所述的基于深度学习的交通非现场违法记录筛选审核方法，其特征在于，在确定所述违法证据图像为废片之后，还进行以下步骤：
获取确定为废片的所述违法证据图像所对应的非现场违法记录信...

【专利技术属性】
技术研发人员：镇煌，蔡岗，黄淑兵，何瑞华，尤勇，马宸阳，金晓冬，
申请(专利权)人：公安部交通管理科学研究所，
类型：发明
国别省市：江苏;32