智能交通违章管理方法及相关产品技术

本申请实施例公开了一种智能交通违章管理方法及相关产品，应用于智能交通系统，所述智能交通系统连接至少一个摄像头，所述方法包括：通过所述至少一个摄像头获取针对目标车辆的目标图像；依据所述目标图像进行特征提取，得到特征参数集；依据所述特征参数集进行异常检测；在检测到所述目标车辆为异常车辆时，获取所述目标图像在预设时间段的视频影像；将所述视频影像输入到预设神经网络模型，得到针对所述目标车辆的处罚结果，所述预设神经网络模型由针对大量违章图像训练得到。采用本申请实施例能够实现对交通违章进行精准管理。

【技术实现步骤摘要】
智能交通违章管理方法及相关产品
本申请涉及图像处理
，具体涉及一种智能交通违章管理方法及相关产品。
技术介绍
智能交通(IntelligentTransportationSystem，ITS)在交通领域中充分运用物联网、云计算、互联网、人工智能、自动控制、移动互联网等技术，通过高新技术汇集交通信息，对交通管理、交通运输、公众出行等等交通领域全方面以及交通建设管理全过程进行管控支撑，使交通系统在区域、城市甚至更大的时空范围具备感知、互联、分析、预测、控制等能力，以充分保障交通安全、发挥交通基础设施效能、提升交通系统运行效率和管理水平，为通畅的公众出行和可持续的经济发展服务，但是，目前来看，智能交通还是不够智能化，例如，无法实现对交通违章进行精准管理。
技术实现思路
本申请实施例提供了一种智能交通违章管理方法及相关产品，能够实现对交通违章进行精准管理。第一方面，本申请实施例提供一种智能交通违章管理方法，应用于智能交通系统，所述智能交通系统连接至少一个摄像头，所述方法包括：通过所述至少一个摄像头获取针对目标车辆的目标图像；依据所述目标图像进行特征提取，得到特征参数集；依据所述特征参数集进行异常检测；在检测到所述目标车辆为异常车辆时，获取所述目标图像在预设时间段的视频影像；将所述视频影像输入到预设神经网络模型，得到针对所述目标车辆的处罚结果，所述预设神经网络模型由针对大量违章图像训练得到。第二方面，本申请实施例提供一种智能交通违章管理装置，r>应用于智能交通系统，所述智能交通系统连接至少一个摄像头，所述装置包括：第一获取单元，用于通过所述至少一个摄像头获取针对目标车辆的目标图像；提取单元，用于依据所述目标图像进行特征提取，得到特征参数集；检测单元，用于依据所述特征参数集进行异常检测；第二获取单元，用于在检测到所述目标车辆为异常车辆时，获取所述目标图像在预设时间段的视频影像；处理单元，用于将所述视频影像输入到预设神经网络模型，得到针对所述目标车辆的处罚结果，所述预设神经网络模型由针对大量违章图像训练得到。第三方面，本申请实施例提供了一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面中的步骤的指令。第四方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。实施本申请实施例，具备如下有益效果：可以看出，本申请实施例中所描述的智能交通违章管理方法及相关产品，应用于智能交通系统，智能交通系统连接至少一个摄像头，通过至少一个摄像头获取针对目标车辆的目标图像，依据目标图像进行特征提取，得到特征参数集，依据特征参数集进行异常检测，在检测到目标车辆为异常车辆时，获取目标图像在预设时间段的视频影像，将视频影像输入到预设神经网络模型，得到针对目标车辆的处罚结果，预设神经网络模型由针对大量违章图像训练得到，如此，能够在初步检测到异常车辆的情况下，将该异常车辆在一段时间内的视频影像输入到神经网络模型中，得到最终的处罚结果，能够实现对交通违章进行精准管理。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1A是本申请实施例提供的一种人工智能芯片的结构示意图；图1B是本申请实施例提供的交通管理系统的架构示意图；图1C是本申请实施例提供的一种智能交通违章管理方法的流程示意图；图2是本申请实施例提供的另一种智能交通违章管理方法的流程示意图；图3是本申请实施例提供的一种控制平台的结构示意图；图4A是本申请实施例提供的一种智能交通违章管理装置的功能单元组成框图；图4B是本申请实施例提供的一种智能交通违章管理装置的功能单元组成框图。具体实施方式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”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。本申请实施例所涉及到的电子设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备(智能手表、智能手环、无线耳机、增强现实/虚拟现实设备、智能眼镜)、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(userequipment，UE)，移动台(mobilestation，MS)，控制平台，终端设备(terminaldevice)等等。为方便描述，上面提到的设备统称为电子设备。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作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。下面对本申请实施例进行详细介绍。参阅图1A，图1A为本申请提供的一种人工智能芯片的结构示意图，该人工智能芯片应用于电子设备，该电子设备可以包括智能交通系统，所述智能交通系统除了包括人工智能芯片之外，还可以包括获取电路和图像处理电路，所述电子设备的人工智能芯片可以用于执行图像识别运算，人工智能芯片其包括：核心处理电路、传输处理电路、普通处理电路、数据访问单元、第一存储器和多个第二存储器，每个传输处理电路与对应的一个第二存储器连接，数据访问单元与第一存储器和多个第二存储器分别连接。如图1A所示的结构，具有如下的优点，在运算前，数据访问单元从外部器件(即人工智能芯片外，例如智能手机的存储器)读取片外数据，然后将本文档来自技高网...

【技术保护点】
1.一种智能交通违章管理方法，其特征在于，应用于智能交通系统，所述智能交通系统连接至少一个摄像头，所述智能交通系统包括获取电路、图像处理电路和人工智能芯片，所述方法包括：/n所述获取电路通过所述至少一个摄像头获取针对目标车辆的目标图像；/n所述图像处理电路依据所述目标图像进行特征提取，得到特征参数集；/n所述图像处理电路依据所述特征参数集进行异常检测；/n所述获取电路在检测到所述目标车辆为异常车辆时，获取所述目标图像在预设时间段的视频影像；/n所述人工智能芯片将所述视频影像输入到预设神经网络模型，得到针对所述目标车辆的处罚结果，所述预设神经网络模型由针对大量违章图像训练得到。/n

【技术特征摘要】
1.一种智能交通违章管理方法，其特征在于，应用于智能交通系统，所述智能交通系统连接至少一个摄像头，所述智能交通系统包括获取电路、图像处理电路和人工智能芯片，所述方法包括：
所述获取电路通过所述至少一个摄像头获取针对目标车辆的目标图像；
所述图像处理电路依据所述目标图像进行特征提取，得到特征参数集；
所述图像处理电路依据所述特征参数集进行异常检测；
所述获取电路在检测到所述目标车辆为异常车辆时，获取所述目标图像在预设时间段的视频影像；
所述人工智能芯片将所述视频影像输入到预设神经网络模型，得到针对所述目标车辆的处罚结果，所述预设神经网络模型由针对大量违章图像训练得到。


2.根据权利要求1所述的方法，其特征在于，在所述依据所述目标图像进行特征提取，得到特征参数集方面，所述图像处理电路具体用于：
依据所述目标图像进行目标提取，得到多个目标，并记录所述多个目标中每一目标的位置，所述多个目标至少包括所述目标车辆以及驾驶员；
对所述驾驶员进行行为属性识别，得到驾驶员属性；
将所述多个目标以及所述驾驶员属性作为所述特征参数集。


3.根据权利要求1或2所述的方法，其特征在于，在所述通过所述至少一个摄像头获取针对目标车辆的目标图像方面，所述获取电路具体用于：
实时监测所述至少一个摄像头中每一摄像头与所述目标车辆的相对角度和相对距离；
依据所述至少一个摄像头中每一摄像头与所述目标车辆的相对角度和相对距离确定所述至少一个摄像头中每一摄像头对应的拍摄时刻；
控制所述至少一个摄像头在其对应的拍摄时刻对所述目标车辆进行拍摄，得到至少一个原始图像，每一摄像头对应一个原始图像；
对所述至少一个原始图像进行图像分割，得到至少一个目标区域图像，每一原始图像对应一个目标区域图像，所述目标区域图像为仅包括所述目标车辆的区域；
对所述至少一个目标区域图像中每一目标区域图像进行图像质量评价，得到至少一个图像质量评价值；
从所述至少一个图像质量评价值中选取最大值，将该最大值对应的原始图像作为所述目标图像。


4.根据权利要求3所述的方法，其特征在于，在所述依据所述至少一个摄像头中每一摄像头与所述目标车辆的相对角度和相对距离确定所述至少一个摄像头中每一摄像头对应的拍摄时刻方面，所述获取电路具体用于：
按照预设的拍摄角度与第一评价值之间的映射关系，确定摄像头i与所述目标车辆的相对角度对应的目标第一评价值，所述摄像头i为所述至少一个摄像头中的任一摄像头；
按照预设的距离与第二评价值之间的映射关系，确定所述摄像头i与所述目标车辆的相对距离对应的目标第二评价值；
获取所述第一评价值对应的第一权重值、所述第二评价值对应的第二权重值；
依据所述目标第一评价值、所述目标第二评价值、所述第一权重值和所述第二权重值进行加权运算，得到最终评价值；
确定预设评价值与所述最终评价值之间的差值；
在所述差值小于或等于预设阈值时，将当前时刻之后的预设时刻作为所述摄像头i的拍摄时刻；
在所述差值大于所述预设阈值时，获取所述目标车辆的行驶速率，依据所述行驶速率预估所述摄像头i对应的拍摄时刻。


5.根据权利要求4所述的方法，其特征在于，所述图像处理...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：中科寒武纪科技股份有限公司，
类型：发明
国别省市：北京;11