【CN110009913A】一种闯红灯车辆的非现场执法图片智能审核方法和系统【专利】
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910235474.7
(22)申请日 2019.03.27
(71)申请人 江苏智通交通科技有限公司
地址 210006 江苏省南京市秦淮区应天大
街388号晨光1865科技创意产业园E10
幢三楼
(72)发明人 吕伟韬 周东 陈凝 潘阳阳
(74)专利代理机构 南京正联知识产权代理有限
公司 32243
代理人 王素琴
(51)Int.Cl.
G08G 1/017(2006.01)
G06K 9/00(2006.01)
(54)发明名称
一种闯红灯车辆的非现场执法图片智能审
核方法和系统
(57)摘要
本发明公开了一种闯红灯车辆的非现场执
法图片智能审核方法和系统,系统包括对接模
块、标注模块、图片预处理模块、深度学习模块、
车辆定位模块以及违法智审模块;方法包括步
骤:由接入模块接入非现场执法系统采集车辆闯
红灯违法信息;由深度学习模块得到待审核目标
车辆所在位置及轮廓定位标记;并由轮廓定位标
记的质心坐标生成目标车辆的行驶轨迹;由车辆
定位模块标记出目标车辆的停止线和边界线位
置;根据目标车辆的行驶轨迹和进口道停止线之
间的位置关系,判断目标车辆的行使方式和是否
在行使过程中发生闯红灯违法行为;以及根据目
标车辆的信号灯及其相位信息识别目标车辆闯
红灯违法记录的有效性;本发明大大提高了审核
的效率。权利要求书2页 说明书6页 附图4页CN 110009913 A 2019.07.12
C N 110009913
A
权 利 要 求 书1/2页CN 110009913 A
1.一种闯红灯车辆的非现场执法图片智能审核系统,其特征在于,所述系统包括对接模块、标注模块、图片预处理模块、深度学习模块、车辆定位模块以及违法智审模块,其中:对接模块:通过指定数据接口接入非现场执法系统,从非现场执法系统中提取车辆的闯红灯违法信息;
标注模块:从对接模块获取所述闯红灯违法信息,通过交互界面向使用者提供选择标注工具,并根据使用者在所述闯红灯违法信息对应的原始合成图片中的通过所述选择标注工具的标注情况,输出指定抓拍设备对应抓拍图片的属性信息;
图片预处理模块:从对接模块获取抓拍车辆闯红灯的原始合成图片,并将所述原始合成图片基于GA/T496-2014要求拆分成第一图片P1、第二图片P2和第三图片P3;
深度学习模块:基于目标车辆的所述属性信息和深度学习算法进行所述P1、P2和P3中机动车的轮廓识别,基于所述P1、P2和P3进行目标信号灯的灯色识别和相位识别;并根据灯色识别和相位识别结果判断所述目标车辆的违法检测记录是否可进行智能审核,若无法审核,则将所述识别结果传输至违法智审模块;否则,则将所述识别结果传送至车辆定位模块进一步处理;
车辆定位模块:接入对接模块的所述闯红灯违法信息,在P1中识别目标车辆位置并进行轮廓标记,并采用目标追踪算法CSRT在P2和P3中对目标车辆进行轮廓定位标记;
违法智审模块:接入深度学习模块的灯色和相位识别结果,以及车辆定位模块目标车辆的轮廓标记、图片预处理模块拆分得到的P1、P2和P3,对非现场执法系统中的违法检测记录进行审核,判断目标车辆是否发生闯红灯行为。
2.如权利要求1所述的闯红灯车辆的非现场执法图片智能审核系统,其特征在于,所述闯红灯违法信息包括所述原始合成图片,以及车辆号牌号码数据;
所述交互界面设置于计算机、手机、IPAD等终端;
所述选择标注工具包括矩形框标注、多边形框标注和多线段标注。
3.如权利要求1所述的闯红灯车辆的非现场执法图片智能审核系统,其特征在于,所述属性信息包括静态目标的属性信息和动态目标的属性信息,其中,所述静态目标包括进出口道停止线、左转边界线、右转边界线以及信号灯,所述进出口道停止线、左转边界线、右转边界线的属性信息为多段线类型及其位置信息,所述信号灯的属性信息为矩形框类型及其灯头位置信息,所述矩形框类型包括左转箭头灯、直行箭头灯、右转箭头灯、左转圆饼灯、直行圆饼灯、直左圆饼灯、掉头箭头灯、公交专用灯;所述动态目标为所述原始合成图片中的车辆,通过所述选择标注工具标记车辆轮廓,输出车辆属性数据。
4.如权利要求3所述的闯红灯车辆的非现场执法图片智能审核系统,其特征在于,图片预处理模块还包括:基于所述静态目标的属性信息,在所述P1、P2和P3中进行所述静态目标的定位。
5.如权利要求4所述的闯红灯车辆的非现场执法图片智能审核系统,其特征在于,深度学习模块中,
基于所述车辆属性数据及深度学习算法训练得到车辆识别模型;以及
基于所述信号灯的属性信息训练得到信号灯灯色、相位识别模型。
6.一种闯红灯车辆的非现场执法图片智能审核方法,应用于权利要求1~5任一项所述系统,其特征在于,所述方法采用深度学习方法识别图片中的动态目标,并结合目标跟踪算
2