本申请公开了一种车辆违法行为的特征图像库构建方法，包括：获取违法图像集；抽取违法图像集中的违法图像的特征图像；根据特征图像建立特征图像库；发送特征图像库至学习神经网络。本发明专利技术提供一种用于机器学习的车辆违法行为特征图像库构建方法，通过与公安交通集成指挥平台数据库建立数据链路，调取非现场违法历史数据和对应的违法视频图像，并对图像进行模糊化、标签化等预处理，抽取违法行为特征图像，采用树结构方式组织成特征图像库，对外开放数据接口，为机器学习算法提供训练样本集和测试集，从而提高视频图像智能化分析算法的效率和精度，为精准执法、高效执法提供支持，有效规范路面通行秩序和保障道路交通安全。路面通行秩序和保障道路交通安全。路面通行秩序和保障道路交通安全。
【技术实现步骤摘要】
一种车辆违法行为的特征图像库构建方法、判定方法及装置
[0001]本申请涉及行为识别领域，具体而言，涉及一种车辆违法行为的特征图像库构建方法、判定方法及装置。
技术介绍
[0002]目前，视频图像在交通管理执法中应用非常广泛，已成为执法取证的重要手段。在取证过程中，视频监控设备或系统通过应用视频分析算法，对车辆特征和违法行为进行识别，并固化形成违法证据。其中，视频分析算法非常关键，其计算结果准确与否，直接决定了证据是否有效。
技术实现思路
[0003]本申请的主要目的在于提供一种车辆违法行为的特征图像库构建方法，包括：
[0004]获取违法图像集；
[0005]抽取违法图像集中的违法图像的特征图像；
[0006]根据特征图像建立特征图像库；
[0007]发送特征图像库至学习神经网络，其中，特征图像库为学习神经网络的训练样本集或测试集。
[0008]可选地，获取违法图像集包括：
[0009]通过ETL工具，从非现场违法记录表中违法信息；
[0010]根据违法信息，调取服务器中的视频图像文件，视频图像文件所组成图像集即为违法图像集。
[0011]可选地，违法信息包括：抽取车辆类型、车身颜色、车辆品牌、违法行为、违法时间、道路类型及图像文件地址。
[0012]可选地，抽取违法图像集中的违法图像的特征图像包括：
[0013]针对预设的每一类违法行为，通过方向梯度直方图从违法图像中检测和分割表征该类违法特征的道路、车辆、行为特征要素图像。
[0014]可选地，通过方向梯度直方图从违法图像中检测和分割表征该类违法特征的道路、车辆、行为特征要素图像包括：
[0015]根据公式P(x，y)＝I(x，y)
gamma
，采用伽马校正法对违法图像进行颜色空间的标准化，调节图像对比度，降低图像局部的阴影和光照变化所造成的影响，抑制噪音干扰，其中P(x，y)为归一化以后的像素点，I(x，y)为原始图像中的像素点，gamma＝1/2；
[0016]根据公式G
x
(x，y)＝P(x，y)*[
‑
1，0，1]及通过[
‑
1,0,1]梯度算子对标准化图像做卷积运算，获取以向右为正方向的水平方向的梯度分量，通过[1,0,
‑
1]T梯度算子对原图像进行卷积运算，获取以向上为正方向的竖直方向的梯度分量，其中，
G
x
(x，y)为归一化的像素点(x，y)处的水平方向梯度，G
y
(x，y)为归一化的像素点(x，y)处的垂直方向梯度；然后通过公式及获取归一化的像素点的梯度大小和方向，其中，G(x，y)为归一化的像素点(x，y)处的梯度大小，α(x，y)为归一化的像素点(x，y)处的梯度方向。
[0017]将图像分成多个单元格，每个单元格为6*6个像素，将单元格的梯度方向的360度分成9个方向块，对单元格内每个像素用梯度方向在直方图中进行加权投影，映射到固定角度范围，得到单元格的梯度方向直方图，梯度方向直方图为单元格对应的9维特征向量；
[0018]3*3个细胞单元格组合成空间上连通的区间块，将一个区间块内所有单元格的特征向量串联，以获得区间块的方向梯度直方图特征，将所有区间块的方向梯度直方图征串联，以获得违法图像的方向梯度直方图特征。
[0019]可选地，抽取违法图像集中的违法图像的特征图像之前还包括：
[0020]预处理违法图像集中的违法图像。
[0021]可选地，预处理违法图像集中的违法图像包括：
[0022]根据违法图像中的车辆的车身颜色特点和规律建模，识别到车辆的车辆兴趣目标区域，从而将车辆的车辆区域和非车辆区域分开；
[0023]对车辆区域进行几何变换；
[0024]模糊化车辆区域中的车辆号牌、驾驶人、乘车人脸部信息。
[0025]可选地，根据特征图像建立特征图像库包括：
[0026]将特征图像按照树状层次结构，分为三层数据存储；
[0027]其中，第一层数据为违法行为类型数据，第二层数据为车辆类型数据，第三层数据为道路类型数据。可选地，发送特征图像库至学习神经网络包括：
[0028]按照神经网络层次关系，提供三层数据接口，为机器学习算法提供训练样本集和测试集；
[0029]其中，通过第一层数据接口访问各种违法行为对应的特征图像文件；通过第二层数据接口访问各种车辆类型对应的违法特征图像文件；通过第三层数据接口访问各种道路类型对应的违法特征图像文件。
[0030]可选地，所有数据接口均包括单个文件查询接口、多文件遍历接口、批量文件的导出接口，为机器学习算法提供数据集访问服务。
[0031]本申请还提供一种车辆违法行为的判定方法，包括：
[0032]通过上述任意一项车辆违法行为的特征图像库构建方法构建违法行为特征图像库；
[0033]通过违法行为特征图像库判定车辆违法行为是否成立。
[0034]本申请还提供一种车辆违法行为的特征图像库构建装置，包括：
[0035]图像集获取模块，被配置为获取违法图像集；
[0036]特征图像抽取模块，被配置为抽取违法图像集中的违法图像的特征图像；
[0037]特征图像库建立模块，被配置为根据特征图像建立特征图像库；
[0038]发送模块，被配置为发送特征图像库至学习神经网络。
[0039]与现有技术相比，本申请具有如下有益效果：
[0040]本专利技术提供一种用于机器学习的车辆违法行为特征图像库构建方法，通过与公安交通集成指挥平台数据库建立数据链路，调取非现场违法历史数据和对应的违法视频图像，并对图像进行模糊化、标签化等预处理，抽取违法行为特征图像，采用树结构方式组织成特征图像库，对外开放数据接口，为机器学习算法提供训练样本集和测试集，从而提高视频图像智能化分析算法的效率和精度，为精准执法、高效执法提供支持，有效规范路面通行秩序和保障道路交通安全。
附图说明
[0041]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、目的和有益效果变得更明显。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：
[0042]图1是根据本申请一个实施例的违法行为特征图像库构建流程；
[0043]图2是根据本申请一个实施例的梯度方向块划分图；
[0044]图3是根据本申请另一个实施例的违法行为特征图像库存储结构。
具体实施方式
[0045]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，都应当属本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车辆违法行为的特征图像库构建方法，其特征在于，包括：获取违法图像集；抽取所述违法图像集中的违法图像的特征图像；根据所述特征图像建立特征图像库；发送所述特征图像库至学习神经网络，其中，所述特征图像库为所述学习神经网络的训练样本集或测试集。2.根据权利要求1所述的车辆违法行为的特征图像库构建方法，其特征在于，获取违法图像集包括：通过ETL工具，从非现场违法记录表中违法信息；根据所述违法信息，调取服务器中的视频图像文件，所述视频图像文件所组成图像集即为所述违法图像集；其中，所述违法信息包括：抽取车辆类型、车身颜色、车辆品牌、违法行为、违法时间、道路类型及图像文件地址。3.根据权利要求2所述的车辆违法行为的特征图像库构建方法，其特征在于，抽取所述违法图像集中的违法图像的特征图像包括：针对预设的每一类违法行为，通过方向梯度直方图从所述违法图像中检测和分割表征该类违法特征的道路、车辆、行为特征要素图像；通过方向梯度直方图从所述违法图像中检测和分割表征该类违法特征的道路、车辆、行为特征要素图像包括：根据公式P(x，y)＝I(x，y)
gamma
，采用伽马校正法对违法图像进行颜色空间的标准化，调节图像对比度，降低图像局部的阴影和光照变化所造成的影响，抑制噪音干扰，其中P(x，y)为归一化以后的像素点，I(x，y)为原始图像中的像素点，gamma＝1/2；根据公式G
x
(x，y)＝P(x，y)*[
‑
1，0，1]及通过[
‑
1,0,1]梯度算子对标准化图像做卷积运算，获取以向右为正方向的水平方向的梯度分量，通过[1,0,
‑
1]T梯度算子对原图像进行卷积运算，获取以向上为正方向的竖直方向的梯度分量，其中，G
x
(x，y)为所述归一化的像素点(x，y)处的水平方向梯度，G
y
(x，y)为所述归一化的像素点(x，y)处的垂直方向梯度；然后通过公式及获取所述归一化的像素点的梯度大小和方向，其中，G(x，y)为所述归一化的像素点(x，y)处的梯度大小，α(x，y)为所述归一化的像素点(x，y)处的梯度方向。将图像分成多个单元格，每个所述单元格为6*6个像素，将所述单元格的梯度方向的360度分成9...
【专利技术属性】
技术研发人员：王向乾，甫拉提，
申请(专利权)人：新疆维吾尔自治区公安厅交通警察总队，
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。