本申请提供了一种违章车辆信息处理方法、装置和系统，本申请中，基站可以获得用户通过应用客户端发送的违章车辆的第一车辆图像、第一车牌图像、违章时间和违章地点；获得至少一个目标摄像头在目标时间区间得到的至少一组参照车辆信息；对于每组参照车辆信息，基于第一车辆图像、第一车牌图像以及参照车辆信息中第二车辆图像和第二车牌图像，确定该参照车辆与违章车辆的匹配结果；如果检测到匹配结果为参照车辆与违章车辆匹配的目标参照车辆信息，向交通监管机构的服务器发送待处理的违章上报信息。本申请的方案可以降低交通监管机构进行车辆违章事实认定的复杂度，提高车辆违章事实认定的效率。实认定的效率。实认定的效率。
【技术实现步骤摘要】
违章车辆信息处理方法、装置和系统
[0001]本申请涉及交通监管
，尤其涉及一种违章车辆信息处理方法、装置和系统。
技术介绍
[0002]在传统的交通检测系统中，主要通过部署在道路区域内的摄像头采集机动车辆的违章行为信息和车牌信息，以作为认定车辆存在违章行为的依据。
[0003]通过道路区域内的摄像头能够较为有效地检测道路中行驶的车辆是否存超速以及闯红灯等一些违章行为。但是，由于道路区域内部署的摄像头的覆盖范围有限，通过摄像头可能无法较为全面且准确地监管非法占用应急车道或者车辆压实线等违章行为。基于此，一些城市已经允许普通民众通过智能手机等移动终端收集违章车辆的照片或视频，并通过移动终端将违章车辆的图像信息上报给交通监管机构。
[0004]但是，由于普通民众上报的违章车辆的照片或者视频的图像质量普遍不高，且很可能存在恶意上报非违章车辆的情况，因此，普通民众上报的违章车辆的信息很可能存在一些需要剔除的无用信息；而且基于普通民众上报的违章车辆的图像信息进行违章认定，还可能会很容易引起违章车辆的驾驶人对于违章时间和地点的质疑，使得交通监管机构的人员在获得民众上报的违章车辆的照片或者视频后，不仅需要剔除无用的违章上报信息，还需要通过较为复杂操作获得违章时间和地点等证据信息，才能够完成违章事实的认定，导致车辆违章事实认定的复杂度较高，效率较低。
技术实现思路
[0005]有鉴于此，本申请提供了一种违章车辆信息处理方法、装置和系统，可以降低交通监管机构进行车辆违章事实认定的复杂度，提高车辆违章事实认定的效率。
[0006]为实现上述目的，本申请提供了一种违章车辆信息处理方法，应用于基站，包括：
[0007]获得用户通过应用客户端发送的违章车辆信息，所述违章车辆信息包括：违章车辆的第一车辆图像、第一车牌图像、违章时间和违章地点；
[0008]获得至少一个目标摄像头在目标时间区间内采集并处理得到的至少一组参照车辆信息，所述参照车辆信息包括：所述目标摄像头采集到的参照车辆的第二车辆图像，以及从所述第二车辆图像中提取出的所述参照车辆的第二车牌图像；所述目标摄像头为位于所述违章地点的设定距离范围内的道路监测摄像头，所述目标时间区间包括距离所述违章时间小于设定时长的时间；
[0009]对于每组参照车辆信息，基于所述第一车辆图像、第一车牌图像以及所述参照车辆信息中第二车辆图像和第二车牌图像，确定所述参照车辆信息对应的参照车辆与所述违章车辆的匹配结果，所述匹配结果用于表征所述参照车辆是否与所述违章车辆匹配；
[0010]如果检测到匹配结果表明对应的参照车辆与所述违章车辆匹配的目标参照车辆信息，向交通监管机构的服务器发送待处理的违章上报信息，其中，所述违章上报信息包
括：所述违章时间、所述违章地点、第一车辆图像和车牌图像，所述车牌图像为所述第一车牌图像和所述目标参照车辆信息中的第二车牌图像中的至少一个。
[0011]在一种可能的实现方式中，所述基于所述第一车辆图像、第一车牌图像以及所述参照车辆信息中第二车辆图像和第二车牌图像，确定所述参照车辆信息对应的参照车辆与所述违章车辆的匹配结果，包括：
[0012]确定第一车辆图像的第一特征以及所述参照车辆信息中第二车辆图像的第二特征；
[0013]确定所述第一特征与所述第二特征之间的第一特征距离；
[0014]确定所述第一车牌图像的第三特征以及所述参照车辆信息中第二车牌图像的第四特征；
[0015]确定所述第三特征与所述第四特征之间的第二特征距离；
[0016]基于所述第一特征距离和第二特征距离，确定所述参照图像信息中的参照车辆与所述违章车辆的匹配结果。
[0017]在又一种可能的实现方式中，所述确定第一车辆图像的第一特征以及所述参照车辆信息中第二车辆图像的第二特征，包括：
[0018]利用第一孪生神经网络中的第一子神经网络确定所述第一车辆图像的第一特征，利用第一孪生神经网络中的第二子神经网络确定所述参照车辆信息中第二车辆图像的第二特征；
[0019]所述确定所述第一车牌图像的第三特征以及所述参照车辆信息中第二车牌图像的第四特征，包括：
[0020]利用所述第二孪生神经网络中的第三子神经网络确定第一车牌图像的第三特征，利用所述第二孪生神经网络中的第四子神经网络确定所述参照车辆信息中第二车牌图像的第四特征。
[0021]在又一种可能的实现方式中，所述基于所述第一特征距离和第二特征距离，确定所述参照图像信息中的参照车辆与所述违章车辆的匹配结果，包括：
[0022]拼接所述第一特征距离和第二特征距离，得到融合特征距离；
[0023]将所述融合特征距离输入到匹配识别网络，得到所述匹配识别网络输出的匹配结果，所述匹配识别网络为全连接神经网络，所述全连接神经网络包括多个依次连接的全连接层。
[0024]在又一种可能的实现方式中，所述确定所述第一特征与所述第二特征之间的第一特征距离，包括：
[0025]确定所述第一特征与所述第二特征之间的第一曼哈顿距离；
[0026]所述确定所述第三特征与所述第四特征之间的第二特征距离，包括：
[0027]确定所述第三特征与所述第四特征之间的第二曼哈顿距离。
[0028]又一方面，本申请还提供了一种违章车辆信息处理装置，应用于基站，包括：
[0029]违章信息获得单元，用于获得用户通过应用客户端发送的违章车辆信息，所述违章车辆信息包括：违章车辆的第一车辆图像、第一车牌图像、违章时间和违章地点；
[0030]参照信息获得单元，用于获得至少一个目标摄像头在目标时间区间内采集并处理得到的至少一组参照车辆信息，所述参照车辆信息包括：所述目标摄像头采集到的参照车
辆的第二车辆图像，以及从所述第二车辆图像中提取出的所述参照车辆的第二车牌图像；所述目标摄像头为位于所述违章地点的设定距离范围内的道路监测摄像头，所述目标时间区间包括距离所述违章时间小于设定时长的时间；
[0031]匹配处理单元，用于对于每组参照车辆信息，基于所述第一车辆图像、第一车牌图像以及所述参照车辆信息中第二车辆图像和第二车牌图像，确定所述参照车辆信息对应的参照车辆与所述违章车辆的匹配结果，所述匹配结果用于表征所述参照车辆是否与所述违章车辆匹配；
[0032]违章上报单元，用于如果检测到匹配结果表明对应的参照车辆与所述违章车辆匹配的目标参照车辆信息，向交通监管机构的服务器发送待处理的违章上报信息，其中，所述违章上报信息包括：所述违章时间、所述违章地点、第一车辆图像和车牌图像，所述车牌图像为所述第一车牌图像和所述目标参照车辆信息中的第二车牌图像中的至少一个。
[0033]在一种可能的实现方式中，所述匹配处理单元，包括：
[0034]第一特征确定单元，用于确定第一车辆图像的第一特征以及所述参照车辆信息中第二车辆图像的第二特征；
[0035]第一距离确定单元，用于确定所述第一特征与本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种违章车辆信息处理方法，其特征在于，应用于基站，包括：获得用户通过应用客户端发送的违章车辆信息，所述违章车辆信息包括：违章车辆的第一车辆图像、第一车牌图像、违章时间和违章地点；获得至少一个目标摄像头在目标时间区间内采集并处理得到的至少一组参照车辆信息，所述参照车辆信息包括：所述目标摄像头采集到的参照车辆的第二车辆图像，以及从所述第二车辆图像中提取出的所述参照车辆的第二车牌图像；所述目标摄像头为位于所述违章地点的设定距离范围内的道路监测摄像头，所述目标时间区间包括距离所述违章时间小于设定时长的时间；对于每组参照车辆信息，基于所述第一车辆图像、第一车牌图像以及所述参照车辆信息中第二车辆图像和第二车牌图像，确定所述参照车辆信息对应的参照车辆与所述违章车辆的匹配结果，所述匹配结果用于表征所述参照车辆是否与所述违章车辆匹配；如果检测到匹配结果表明对应的参照车辆与所述违章车辆匹配的目标参照车辆信息，向交通监管机构的服务器发送待处理的违章上报信息，其中，所述违章上报信息包括：所述违章时间、所述违章地点、第一车辆图像和车牌图像，所述车牌图像为所述第一车牌图像和所述目标参照车辆信息中的第二车牌图像中的至少一个。2.根据权利要求1所述的方法，其特征在于，所述基于所述第一车辆图像、第一车牌图像以及所述参照车辆信息中第二车辆图像和第二车牌图像，确定所述参照车辆信息对应的参照车辆与所述违章车辆的匹配结果，包括：确定第一车辆图像的第一特征以及所述参照车辆信息中第二车辆图像的第二特征；确定所述第一特征与所述第二特征之间的第一特征距离；确定所述第一车牌图像的第三特征以及所述参照车辆信息中第二车牌图像的第四特征；确定所述第三特征与所述第四特征之间的第二特征距离；基于所述第一特征距离和第二特征距离，确定所述参照图像信息中的参照车辆与所述违章车辆的匹配结果。3.根据权利要求2所述的方法，其特征在于，所述确定第一车辆图像的第一特征以及所述参照车辆信息中第二车辆图像的第二特征，包括：利用第一孪生神经网络中的第一子神经网络确定所述第一车辆图像的第一特征，利用第一孪生神经网络中的第二子神经网络确定所述参照车辆信息中第二车辆图像的第二特征；所述确定所述第一车牌图像的第三特征以及所述参照车辆信息中第二车牌图像的第四特征，包括：利用所述第二孪生神经网络中的第三子神经网络确定第一车牌图像的第三特征，利用所述第二孪生神经网络中的第四子神经网络确定所述参照车辆信息中第二车牌图像的第四特征。4.根据权利要求2或3所述的方法，其特征在于，所述基于所述第一特征距离和第二特征距离，确定所述参照图像信息中的参照车辆与所述违章车辆的匹配结果，包括：拼接所述第一特征距离和第二特征距离，得到融合特征距离；将所述融合特征距离输入到匹配识别网络，得到所述匹配识别网络输出的匹配结果，
所述匹配识别网络为全连接神经网络，所述全连接神经网络包括多个依次连接的全连接层。5.根据权利要求4所述的方法，其特征在于，所述确定所述第一特征与所述第二特征之间的第一特征距离，包括：确定所述第一特征与所述第二特征之间的第一曼哈顿距离；所述确定所述第三特征与所述第四特征之间的第二特征距离，包括：确定所述第三特征与所述第四特征之间的第二曼哈顿距离。6.一种违章车辆信息处理装置，其特征在于，应...
【专利技术属性】
技术研发人员：赵彤宇，张信明，
申请(专利权)人：中国科学技术大学，
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。