本申请公开了一种交通事故定责的方法、装置、计算机设备及存储介质，属于人工智能技术领域。本申请通过对事故的位置进行定位，得到事故位置信息，根据事故位置信息查找事故对应的监控视频，获取监控视频中的关键帧图像，确定关键帧图像中的事故车辆，并获取事故车辆的行车信息，在监控视频中对事故车辆进行标注，并将监控视频导入行驶轨迹识别模型，得到事故车辆的行驶轨迹，获取预先构建的交管法规知识图谱，并基于行驶轨迹、行车信息和交管法规知识图谱判定事故车辆的事故责任。此外，本申请还涉及区块链技术，监控视频可存储于区块链中。本申请能够实现对交通事故的自动定责，减轻交警人员的工作压力，提高交通事故案件处理效率。效率。效率。
【技术实现步骤摘要】
一种交通事故定责方法、装置、计算机设备及存储介质
[0001]本申请属于人工智能
，具体涉及一种交通事故定责的方法、装置、计算机设备及存储介质。
技术介绍
[0002]在交警处理交通事故时，交警人员通常需要调取监控视频进行调查，才能确定事故发生的原因以判定事故责任，传统模式做法是在现场查勘结束后，回到交警部门的监控中心，再通过人工调阅监控视频，并对监控视频进行查阅，以完成交通事故定责处理。
[0003]近年来，随着智能手机的普及，VoLTE视频通话、基站定位技术等技术也已趋近成熟，出现了一些通过线上调阅监控视频完成定责处理的方式，一般需要交警人员向监控中心提供事故地理位置信息，然后由监控中心的工作人员根据事故地理位置查找附近监控视频，再将监控视频发送给交警人员，交警人员通过对监控视频进行人工查阅，得到事故详情。上述线上调阅监控视频处理的方式需要交警人员和监控中心的工作人员多次对接确认监控视频是否记录到对应的事故信息，且监控视频需要交警人员或监控中心的工作人员人工翻阅大量视频资料才能获得，耗时较长，过程繁琐，导致交通事故案件处理效率较低。
技术实现思路
[0004]本申请实施例的目的在于提出一种交通事故定责方法、装置、计算机设备及存储介质，以解决现有的人工查阅监控视频对交通事故进行定责的方案存在的耗时较长、过程繁琐，导致处理效率较低的技术问题。
[0005]为了解决上述技术问题，本申请实施例提供一种交通事故定责方法，采用了如下所述的技术方案：
[0006]一种交通事故定责的方法，包括：
[0007]接收事故定责指令，根据所述事故定责指令对事故的位置进行定位，得到事故位置信息；
[0008]获取事故发生时间，根据所述事故位置信息和所述事故发生时间查找所述事故对应的监控视频；
[0009]对所述监控视频进行解析，以确定所述监控视频中的关键帧图像；
[0010]对所述关键帧图像进行内容识别，确定所述关键帧图像中的事故车辆，并获取所述事故车辆的行车信息；
[0011]在所述监控视频中对所述事故车辆进行标注，并将标注后的监控视频导入预先训练好的行驶轨迹识别模型，得到所述事故车辆的行驶轨迹；
[0012]获取预先构建的交管法规知识图谱，并基于所述行驶轨迹、所述行车信息和所述交管法规知识图谱判定所述事故车辆的事故责任。
[0013]进一步地，所述获取事故发生时间，根据所述事故位置信息和所述事故发生时间查找所述事故对应的监控视频的步骤，具体包括：
[0014]根据所述事故位置信息查找事故发生地附近预设范围内的监控摄像头；
[0015]调用所述监控摄像头的监控影像，并在所述监控影像中截取所述事故发生时间前后预设时长范围内的影像片段，得到所述事故对应的监控视频。
[0016]进一步地，所述对所述监控视频进行解析，以确定所述监控视频中的关键帧图像的步骤，具体包括：
[0017]按照预设的时间间隔对所述监控视频进行划分，得到若干个视频片段；
[0018]分别计算每一个所述视频片段中各个视频帧的光流量；
[0019]比对每一个所述视频片段中各个视频帧的光流量，并将光流量最小值对应的视频帧作为所述监控视频的关键帧图像。
[0020]进一步地，所述对所述监控视频进行解析，以确定所述监控视频中的关键帧图像的步骤，具体包括：
[0021]计算所述监控视频中相邻两个视频帧的直方图数据和灰度图数据；
[0022]基于所述直方图数据和所述灰度图数据，计算相邻两个视频帧之间的加权欧式距离；
[0023]基于所述加权欧式距离确定所述监控视频的镜头转换边界；
[0024]基于所述镜头转换边界确定所述监控视频中的关键帧图像。
[0025]进一步地，所述行驶轨迹识别模型包括输入层、卷积层和输出层，所述在所述监控视频中对所述事故车辆进行标注，并将标注后的监控视频导入预先训练好的行驶轨迹识别模型，得到所述事故车辆的行驶轨迹的步骤，具体包括：
[0026]通过所述行驶轨迹识别模型的输入层对所述标注后的监控视频进行特征提取，并对提取到的视频特征进行特征向量转化，得到初始特征向量；
[0027]通过所述行驶轨迹识别模型的卷积层对所述初始特征向量进行卷积操作，得到局部特征权值矩阵；
[0028]通过所述行驶轨迹识别模型的输出层对所述局部特征权值矩阵进行组合，得到所述事故车辆的行驶轨迹。
[0029]进一步地，在所述行驶轨迹识别模型包括输入层、卷积层和输出层，所述在所述监控视频中对所述事故车辆进行标注，并将标注后的监控视频导入预先训练好的行驶轨迹识别模型，得到所述事故车辆的行驶轨迹的步骤之前，还包括：
[0030]获取训练视频，并对所述训练视频中的行驶车辆进行轨迹标注，得到所述行驶车辆的轨迹标注结果；
[0031]将所述训练视频导入预设的初始识别模型，其中，所述初始识别模型包括输入层、卷积层和输出层；
[0032]通过所述初始识别模型的输入层对所述训练视频进行特征提取，并对提取到的视频特征进行特征向量转化，得到训练特征向量；
[0033]通过所述初始识别模型的卷积层对所述训练特征向量进行卷积操作，得到训练特征权值矩阵；
[0034]通过所述初始识别模型的的输出层对所述训练特征权值矩阵进行组合，得到所述行驶车辆的行驶轨迹识别结果；
[0035]基于所述行驶轨迹识别结果与所述轨迹标注结果，使用反向传播算法进行拟合，
获取识别误差；
[0036]将所述识别误差与预设误差阈值进行比较，若所述识别误差大于预设误差阈值，则对所述初始识别模型进行迭代更新，直到所述识别误差小于等于预设误差阈值为止，得到所述行驶轨迹识别模型。
[0037]进一步地，所述基于所述行驶轨迹、所述行车信息和所述交管法规知识图谱判定所述事故车辆的事故责任的步骤，具体包括：
[0038]基于所述行驶轨迹和所述行车信息构建所述事故车辆的关联实体；
[0039]将所述关联实体导入所述交管法规知识图谱，输出所述事故车辆的事故责任判定结果。
[0040]为了解决上述技术问题，本申请实施例还提供一种交通事故定责装置，采用了如下所述的技术方案：
[0041]一种交通事故定责的装置，包括：
[0042]事故定位模块，用于接收事故定责指令，根据所述事故定责指令对事故的位置进行定位，得到事故位置信息；
[0043]信息查询模块，用于获取事故发生时间，根据所述事故位置信息和所述事故发生时间查找所述事故对应的监控视频；
[0044]视频解析模块，用于对所述监控视频进行解析，以确定所述监控视频中的关键帧图像；
[0045]内容识别模块，用于对所述关键帧图像进行内容识别，确定所述关键帧图像中的事故车辆，并获取所述事故车辆的行车信息；
[0046]轨迹识别模块，用于在所述监控视频中对所述事故车辆进行标注，并将标注后的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种交通事故定责的方法，其特征在于，包括：接收事故定责指令，根据所述事故定责指令对事故的位置进行定位，得到事故位置信息；获取事故发生时间，根据所述事故位置信息和所述事故发生时间查找所述事故对应的监控视频；对所述监控视频进行解析，以确定所述监控视频中的关键帧图像；对所述关键帧图像进行内容识别，确定所述关键帧图像中的事故车辆，并获取所述事故车辆的行车信息；在所述监控视频中对所述事故车辆进行标注，并将标注后的监控视频导入预先训练好的行驶轨迹识别模型，得到所述事故车辆的行驶轨迹；获取预先构建的交管法规知识图谱，并基于所述行驶轨迹、所述行车信息和所述交管法规知识图谱判定所述事故车辆的事故责任。2.如权利要求1所述的交通事故定责的方法，其特征在于，所述获取事故发生时间，根据所述事故位置信息和所述事故发生时间查找所述事故对应的监控视频的步骤，具体包括：根据所述事故位置信息查找事故发生地附近预设范围内的监控摄像头；调用所述监控摄像头的监控影像，并在所述监控影像中截取所述事故发生时间前后预设时长范围内的影像片段，得到所述事故对应的监控视频。3.如权利要求1所述的交通事故定责的方法，其特征在于，所述对所述监控视频进行解析，以确定所述监控视频中的关键帧图像的步骤，具体包括：按照预设的时间间隔对所述监控视频进行划分，得到若干个视频片段；分别计算每一个所述视频片段中各个视频帧的光流量；比对每一个所述视频片段中各个视频帧的光流量，并将光流量最小值对应的视频帧作为所述监控视频的关键帧图像。4.如权利要求1所述的交通事故定责的方法，其特征在于，所述对所述监控视频进行解析，以确定所述监控视频中的关键帧图像的步骤，具体包括：计算所述监控视频中相邻两个视频帧的直方图数据和灰度图数据；基于所述直方图数据和所述灰度图数据，计算相邻两个视频帧之间的加权欧式距离；基于所述加权欧式距离确定所述监控视频的镜头转换边界；基于所述镜头转换边界确定所述监控视频中的关键帧图像。5.如权利要求1至4任意一项所述的交通事故定责的方法，其特征在于，所述行驶轨迹识别模型包括输入层、卷积层和输出层，所述在所述监控视频中对所述事故车辆进行标注，并将标注后的监控视频导入预先训练好的行驶轨迹识别模型，得到所述事故车辆的行驶轨迹的步骤，具体包括：通过所述行驶轨迹识别模型的输入层对所述标注后的监控视频进行特征提取，并对提取到的视频特征进行特征向量转化，得到初始特征向量；通过所述行驶轨迹识别模型的卷积层对所述初始特征向量进行卷积操作，得到局部特征权值矩阵；通过所述行驶轨迹识别模型的输出层对所述局部特征权值矩阵进行组合，得到所述事
故车辆的行驶轨迹。6.如权利要求5所述的交通事故定责的方法，其特征在于，在所述...
【专利技术属性】
技术研发人员：王正松，
申请(专利权)人：深圳壹账通科技服务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。