CN112767702A - 一种车辆违章拍摄与识别系统及识别方法 - Google Patents

Abstract

本发明提供一种车辆违章拍摄与识别系统及识别方法，涉及车联网技术领域，所述系统包括：图像采集设备，安装在车辆上，用于实时采集车辆周围的视频图像；数据处理设备，与所述图像采集设备连接，用于对所述视频图像进行分级处理，识别出违章车辆信息和违章信息；交警中心服务器，与所述数据处理设备连接，用于接收所述违章车辆信息和所述违章信息。本发明的方案降低了后台服务器的数据吞吐量和车载终端的负载，提高了违章识别的精确度和实时性。

Description

一种车辆违章拍摄与识别系统及识别方法

技术领域

本发明涉及车联网技术领域，尤其是涉及一种车辆违章拍摄于识别系统及识别方法。

背景技术

现有技术中，车辆违章采集系统主要分为三类，第一类是道路的定点测量监控系统，例如：超速测量和闯红灯抓拍等；第二类是车载的本车违章信息获取系统，例如：部分公交车上面安装的，结合地图信息和GPS获取本车行驶路线，判断是否超出预定行驶路线或车辆是否超速等；第三类是车载违章信息获取系统，通过视频采集与处理、传感器信息采集与处理等方式，判断车辆行驶周围的其他车辆的违章信息。上述车辆违章采集系统具有后台服务器的数据吞吐量过高，而且对违章的识别的实时性不高的缺陷，还具有车载终端的负载过高，而且违章的识别不够精确，错误率较高的缺陷。

发明内容

本发明的目的在于提供一种车辆违章拍摄与识别系统及识别方法，从而解决现有技术中后台服务器吞吐量过高、违章识别的实时性不高、车载终端的负载过高、违章识别的精确度低和错误率高的问题。

为了达到上述目的，本发明提供一种车辆违章拍摄与识别系统，包括：

图像采集设备，安装在车辆上，用于实时采集车辆周围的视频图像；

数据处理设备，与所述图像采集设备连接，用于对所述视频图像进行分级处理，识别出违章车辆信息和违章信息；

交警中心服务器，与所述数据处理设备连接，用于接收所述违章车辆信息和所述违章信息。

可选的，所述数据处理设备包括：车载数据处理模块、车联网模块和区域图像处理模块；

其中，所述车载数据处理模块与所述图像采集设备连接，用于对所述视频图像进行初级处理，得到目标图片数据，并将所述目标图片数据存储在缓存器中；

所述车联网模块分别与所述车载数据处理模块和所述区域图像处理模块连接，用于将所述目标图片数据传输至所述区域图像处理模块；

所述区域图像处理模块与所述交警中心服务器连接，用于对所述目标图片数据进行二级处理，识别出所述目标图片数据中包含的所述违章车辆信息和所述违章信息，并将所述违章车辆信息和所述违章信息传输至所述交警中心服务器。

可选的，在对所述视频图像进行初级处理时，所述车载数据处理模块具体用于：

对所述视频图像进行采样处理，获得能够被即时处理的图片数据；

采用初级违章识别卷积神经网络，对所述图片数据进行识别，获得所述目标图片数据。

可选的，所述初级违章识别卷积神经网络包括：第一输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、浅全连接层和二分类输出层。

可选的，在对所述目标图片数据进行二级处理，识别出所述目标图片数据中包含的所述违章车辆信息和所述违章信息时，所述区域图像处理模块具体用于：

采用二级违章识别卷积神经网络和车牌号识别算法，识别出所述目标图片数据中包含的所述违章车辆信息和所述违章信息。

可选的，所述二级违章识别卷积神经网络包括：第二输入层、第三卷积层、第四卷积层、第二池化层、深全连接层和多分类输出层。

可选的，所述车联网模块通过汽车-基础设施网络与所述区域图像处理模块连接。

可选的，所述数据处理设备包括分散设置的多个所述区域图像处理模块，每一所述区域图像处理模块用于接收预设范围内的所述车联网模块发送的目标图片数据。

可选的，所述区域图像处理模块与所述交警中心服务器通过光纤连接。

可选的，所述违章信息包括：违章行为和/或违章图片。

本发明实施例还提供一种车辆违章识别方法，应用于如上所述的数据处理设备，包括：

获取图像采集设备采集的车辆周围的视频图像；

对所述视频图像进行分级处理，识别出违章车辆信息和违章信息；

将所述违章车辆信息和所述违章信息传输至交警中心服务器。

可选的，对所述视频图像进行分级处理，识别出违章车辆信息和违章信息的步骤包括：

对所述视频图像进行初级处理，得到目标图片数据，并将所述目标图片数据存储在缓存器中；

对所述目标图片数据进行二级处理，识别出所述目标图片数据中包含的所述违章车辆信息和所述违章信息。

可选的，对所述视频图像进行初级处理，得到目标图片数据的步骤包括：

对所述视频图像进行采样处理，获得能够被即时处理的图片数据；

采用初级违章识别卷积神经网络，对所述图片数据进行识别，获得所述目标图片数据。

可选的，所述初级违章识别卷积神经网络包括：第一输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、浅全连接层和二分类输出层。

可选的，对所述目标图片数据进行二级处理，识别出所述目标图片数据中包含的所述违章车辆信息和所述违章信息的步骤包括：

采用二级违章识别卷积神经网络和车牌号识别算法，识别出所述目标图片数据中包含的所述违章车辆信息和所述违章信息。

可选的，所述二级违章识别卷积神经网络包括：第二输入层、第三卷积层、第四卷积层、第二池化层、深全连接层和多分类输出层。

本发明实施例还提供一种数据处理设备，包括：处理器，存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的车辆违章识别方法。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的车辆违章识别方法的步骤。

本发明的上述技术方案至少具有如下有益效果：

本发明实施例的车辆违章拍摄与识别系统，通过安装在车辆上的图像采集设备实时采集车辆周围的视频图像，并将所述视频图像传输至数据处理设备，由所述数据处理设备对所述视频图像进行分级处理，从而识别出违章车辆信息和违章信息，并将所述违章车辆信息和所述违章信息发送至交警中心服务器；通过首先对所述视频图像进行以低消耗高识别率为目的的初级处理，然后对初级处理后的视频图像进行以高精度和高查准率为目的的二级处理，降低了后台服务器的数据吞吐量，且实现了在不影响驾驶安全的基础上，快速、精准且实时的对车辆违章行为进行拍摄与识别。

附图说明

图1为本发明实施例的车辆违章拍摄与识别系统的第一示意图；

图2为本发明实施例的车辆违章拍摄与识别系统的第二示意图；

图3为本发明实施例的车辆违章识别方法的基本步骤示意图；

图4为本发明实施例的数据处理设备的示意图。

附图标记说明：

1-图像采集设备，2-数据处理设备，3-交警中心服务器，21-车载数据处理模块，22-车联网模块，23-区域图像处理模块。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

本发明针对现有技术中的车辆违章采集系统存在后台服务器的数据吞吐量过高，违章识别的实时性不高，车载终端的负载过高，以及违章识别不够精确、错误率较高的问题，提供了一种车辆违章拍摄与识别系统，实现了对采集的视频图像的分级处理，降低了后台服务器的数据吞吐量，且能快速、准确、实时的对车辆违章行为进行拍摄与识别。

请参阅图1，为本发明实施例的车辆违章拍摄与识别系统的第一示意图；所述数据处理设备包括：

图像采集设备1，安装在车辆上，用于实时采集车辆周围的视频图像；

数据处理设备2，与所述图像采集设备1连接，用于对所述视频图像进行分级处理，识别出违章车辆信息和违章信息；

交警中心服务器3，与所述数据处理设备2连接，用于接收所述违章车辆信息和所述违章信息。

优选地，所述图像采集设备1可以为安装在公交车或出租车等营运车辆及私家车上的摄像装置，实现城市交通道路的分布式快速抓拍。可选的，所述摄像装置为摄像头传感模块。

可选的，所述图像采集设备1与所述数据处理设备2通过网线连接，实现视频图像的传输。

可选的，所述数据处理设备2与所述交警中心服务器3通过光纤连接，实现所述违章车辆信息和所述违章信息的实时传输。

可选的，所述违章信息包括违章行为和/或违章图片；其中所述违章行为包括：但不限于闯红灯、越双实线、占用公交专用车道和占用应急车道等。

本发明实施例的车辆违章拍摄与识别系统，通过安装在车辆上的图像采集设备1实时采集所述车辆周围的视频图像，并将所述视频图像传输至所述数据处理设备2，由所述数据处理设备2对所述视频图像进行分级处理，从而获得所述违章车辆信息和所述违章信息，最终将所述违章车辆信息和所述违章信息传输至所述交警中心服务器，实现了自动抓拍图像，提高了驾驶安全性，还实现了分布式快速违章抓拍取证，降低了后台服务器的数据吞吐量，提高了对违章识别的精准性和实时性。

请参阅图2，为本发明实施例的车辆违章拍摄与识别系统的第二示意图；由图2可知，所述数据处理设备2包括：车载数据处理模块21、车联网模块22和区域图像处理模块23；

其中，所述车载数据处理模块21与所述图像采集设备1连接，用于对所述视频图像进行初级处理，得到目标图片数据，并将所述目标图片数据存储在缓存器中；

所述车联网模块22分别与所述车载数据处理模块21和所述区域图像处理模块23连接，用于将所述目标图片数据传输至所述区域图像处理模块23；

所述区域图像处理模块23与所述交警中心服务器3连接，用于对所述目标图片数据进行二级处理，识别出所述目标图片数据中包含的所述违章车辆信息和所述违章信息，并将所述违章车辆信息和所述违章信息传输至所述交警中心服务器3。

优选地，所述车载数据处理模块21通过网线与所述图像采集设备1连接，通过数据总线或网线与所述车联网模块22连接，所述车联网模块22与所述区域图像处理模块23无线网络连接。

具体的，所述无线网络可以为汽车-基础设施(V2I)网络；即：所述车联网模块22通过汽车-基础设施网络与所述区域图像处理模块23连接。

本发明实施例的车辆违章拍摄与识别系统中，将所述数据处理设备2设置为包括安装在所述车辆上的所述车载数据处理模块21和所述车联网模块22，以及固定在城市交通道路上的所述区域图像处理模块23，实现了对城市交通道路的分布式、快速违章抓拍和取证，以及精准识别一定范围内的多种所述违章车辆信息和所述违章信息。

具体的，通过所述车载数据处理模块21对所述视频图像的初级处理，实现了对城市交通道路的分布式、快速违章抓拍和取证，降低了后台服务器的数据吞吐流量，提高了违章识别的实时性；通过所述车联网模块22实现了将所述车载数据处理模块21的初级处理结果(目标图片数据)传输至近距离的所述区域图像处理模块23；通过所述区域图像处理模块23对一定范围内所有车辆传输的所述目标图片数据的二级处理，集中且精确识别了多种所述违章车辆信息和所述违章信息，解决了车载终端的负载过高和对违章行为的识别不够精准的问题。

可选的，在对所述视频图像进行初级处理时，所述车载数据处理模块21具体用于：

对所述视频图像进行采样处理，获得能够被即时处理的图片数据；

采用初级违章识别卷积神经网络，对所述图片数据进行识别，获得所述目标图片数据。

需要说明的是，采用所述初级违章识别卷积神经网络对所述图片数据进行识别时，是以低消耗高识别速率高查全率为目的，因此，允许牺牲一定的查准率。

其中，所述查准率是针对预测结果而言的，它表示的是预测为正的样例中有多少是真正的正样例。

所述查全率是针对原来的样本而言的，它表示的是样本中的正例有多少被预测正确。

由于所述车载数据处理模块21的性能和存储空间有限，所以，所述初级违章识别卷积神经网络以牺牲一定的识别违章图像的准确度为代价，尽可能的少漏掉违章图像、提高识别速率、降低性能消耗。

为了实现上述目标，本发明实施例中的所述初级违章识别卷积神经网络包括：第一输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、浅全连接层和二分类输出层。

可选的，在对所述目标图片数据进行二级处理，识别出所述目标图片数据中包含的所述违章车辆信息和所述违章信息时，所述区域图像处理模块23具体用于：

采用二级违章识别卷积神经网络和车牌号识别算法，识别出所述目标图片数据中包含的所述违章车辆信息和所述违章信息。

需要说明的是，采用二级违章识别卷积神经网络和车牌号识别算法，识别出所述目标图片数据中包含的所述违章车辆信息和所述违章信息时，是以高精度高查准率为目的，因此，允许牺牲一定的查全率和识别速率，这一目的与所述初级违章识别卷积神经网络的目的是不一样的。由于所述区域图像处理模块23一般是分散在路侧的，所以，所述区域图像处理模块23具备高性能和高存储空间，且期望所述二级违章识别卷积神经网络识别出来的违章信息是真正准确的车辆违章，所以，所述二级违章识别卷积神经网络以高精度、高查准率为核心的性能度量。

为了实现上述目标，本发明实施例中的所述二级违章识别卷积神经网络包括：第二输入层、第三卷积层、第四卷积层、第二池化层、深全连接层和多分类输出层。

优选地，所述数据处理设备包括分散设置的多个所述区域图像处理模块23，每一所述区域图像处理模块23用于接收预设范围内的所述车联网模块22发送的目标图片数据。

本发明实施例中，通过分散设置多个所述区域图像处理模块23实现了对一定距离范围内的多个所述车联网模块22发送的所述目标图片数据的集中式违章识别，降低了车载终端的负载。优选地，多个所述区域图像处理模块23分散设置在道路的路侧。

本发明实施例的车辆违章拍摄与识别系统，所述图像采集设备1实时自动采集车辆周围的视频图像，避免了人工抓拍对驾驶行为产生的干扰，提高了驾驶安全性；所述车载数据处理模块21以低消耗、高识别速率和高查全率为目的对所述视频图像进行初级处理，降低了后台附图为的数据吞吐量，提高了违章识别的实时性；所述区域数据处理模块23分散设置在路侧，以高精度和高查准率为目的对一定距离区域内的所有所述从车联网模块22发送的目标图片数据进行二级处理，降低了车载终端的负载且提高了违章识别的精确度。最终实现了半分布半集中式的分级车辆违章拍摄与识别。

如图3所示，为本发明实施例的车辆违章识别方法的基本步骤示意图，其中，所述车辆违章识别方法应用于如上所述实施例中的数据处理设备，所述方法包括：

步骤S301，获取图像采集设备采集的车辆周围的视频图像；

步骤S302，对所述视频图像进行分级处理，识别出违章车辆信息和违章信息；

步骤S303，将所述违章车辆信息和所述违章信息传输至交警中心服务器。

本发明实施例的车辆违章识别方法，通过对获取的所述视频图像进行分级处理，识别出所述违章车辆信息和所述违章信息，降低了车载终端的负载和后台服务器的数据吞吐量，提高了违章识别的精准性和实时性。

具体的，步骤S302，对所述视频图像进行分级处理，识别出违章车辆信息和违章信息的步骤包括：

对所述视频图像进行初级处理，得到目标图片数据，并将所述目标图片数据存储在缓存器中；

对所述目标图片数据进行二级处理，识别出所述目标图片数据中包含的所述违章车辆信息和所述违章信息。

更具体的，对所述视频图像进行初级处理，得到目标图片数据的步骤包括：

对所述视频图像进行采样处理，获得能够被即时处理的图片数据；

采用初级违章识别卷积神经网络，对所述图片数据进行识别，获得所述目标图片数据。

优选地，所述初级违章识别卷积神经网络包括：第一输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、浅全连接层和二分类输出层。

具体的，对所述目标图片数据进行二级处理，识别出所述目标图片数据中包含的所述违章车辆信息和所述违章信息的步骤包括：

采用二级违章识别卷积神经网络和车牌号识别算法，识别出所述目标图片数据中包含的所述违章车辆信息和所述违章信息。

优选地，所述二级违章识别卷积神经网络包括：第二输入层、第三卷积层、第四卷积层、第二池化层、深全连接层和多分类输出层。

请参阅图4，为本发明实施例的数据处理设备的示意图，所述数据处理设备2包括：处理器201和存储器202。在本发明实施例中，所述数据处理设备还包括：存储在所述存储器202上并可在所述处理器201上运行的计算机程序，所述计算机程序被所述处理器201执行时实现如下步骤：

获取图像采集设备采集的车辆周围的视频图像；

对所述视频图像进行分级处理，识别出违章车辆信息和违章信息；

将所述违章车辆信息和所述违章信息传输至交警中心服务器。

处理器201负责管理总线架构和通常的处理，存储器202可以存储处理器201在执行操作时所使用的数据。

具体的，所述计算机程序被所述处理器202执行时还可实现如下步骤：对所述视频图像进行分级处理，识别出违章车辆信息和违章信息的步骤包括：

对所述视频图像进行初级处理，得到目标图片数据，并将所述目标图片数据存储在缓存器中；

对所述目标图片数据进行二级处理，识别出所述目标图片数据中包含的所述违章车辆信息和所述违章信息。

更具体的，所述计算机程序被所述处理器202执行时还可实现如下步骤：对所述视频图像进行初级处理，得到目标图片数据的步骤包括：

对所述视频图像进行采样处理，获得能够被即时处理的图片数据；

采用初级违章识别卷积神经网络，对所述图片数据进行识别，获得所述目标图片数据。

优选地，所述初级违章识别卷积神经网络包括：第一输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、浅全连接层和二分类输出层。

具体的，所述计算机程序被所述处理器202执行时还可实现如下步骤：对所述目标图片数据进行二级处理，识别出所述目标图片数据中包含的所述违章车辆信息和所述违章信息的步骤包括：

采用二级违章识别卷积神经网络和车牌号识别算法，识别出所述目标图片数据中包含的所述违章车辆信息和所述违章信息。

优选地，所述二级违章识别卷积神经网络包括：第二输入层、第三卷积层、第四卷积层、第二池化层、深全连接层和多分类输出层。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的车辆违章识别方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(RandomAccess Memory，简称RAM)、磁碟或者光盘等。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (12)

1.一种车辆违章拍摄与识别系统，其特征在于，包括：

图像采集设备(1)，安装在车辆上，用于实时采集车辆周围的视频图像；

数据处理设备(2)，与所述图像采集设备(1)连接，用于对所述视频图像进行分级处理，识别出违章车辆信息和违章信息；

交警中心服务器(3)，与所述数据处理设备(2)连接，用于接收所述违章车辆信息和所述违章信息。

2.根据权利要求1所述的车辆违章拍摄与识别系统，其特征在于，所述数据处理设备(2)包括：车载数据处理模块(21)、车联网模块(22)和区域图像处理模块(23)；

其中，所述车载数据处理模块(21)与所述图像采集设备(1)连接，用于对所述视频图像进行初级处理，得到目标图片数据，并将所述目标图片数据存储在缓存器中；

所述车联网模块(22)分别与所述车载数据处理模块(21)和所述区域图像处理模块(23)连接，用于将所述目标图片数据传输至所述区域图像处理模块(23)；

所述区域图像处理模块(23)与所述交警中心服务器(3)连接，用于对所述目标图片数据进行二级处理，识别出所述目标图片数据中包含的所述违章车辆信息和所述违章信息，并将所述违章车辆信息和所述违章信息传输至所述交警中心服务器(3)。

3.根据权利要求2所述的车辆违章拍摄与识别系统，其特征在于，在对所述视频图像进行初级处理时，所述车载数据处理模块(21)具体用于：

对所述视频图像进行采样处理，获得能够被即时处理的图片数据；

采用初级违章识别卷积神经网络，对所述图片数据进行识别，获得所述目标图片数据。

4.根据权利要求3所述的车辆违章拍摄与识别系统，其特征在于，所述初级违章识别卷积神经网络包括：第一输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、浅全连接层和二分类输出层。

5.根据权利要求2所述的车辆违章拍摄与识别系统，其特征在于，在对所述目标图片数据进行二级处理，识别出所述目标图片数据中包含的所述违章车辆信息和所述违章信息时，所述区域图像处理模块(23)具体用于：

采用二级违章识别卷积神经网络和车牌号识别算法，识别出所述目标图片数据中包含的所述违章车辆信息和所述违章信息。

6.根据权利要求5所述的车辆违章拍摄与识别系统，其特征在于，所述二级违章识别卷积神经网络包括：第二输入层、第三卷积层、第四卷积层、第二池化层、深全连接层和多分类输出层。

7.根据权利要求2所述的车辆违章拍摄与识别系统，其特征在于，所述车联网模块(22)通过汽车-基础设施网络与所述区域图像处理模块(23)连接。

8.根据权利要求2所述的车辆违章拍摄与识别系统，其特征在于，所述数据处理设备包括分散设置的多个所述区域图像处理模块(23)，每一所述区域图像处理模块(23)用于接收预设范围内的所述车联网模块(22)发送的目标图片数据。

9.根据权利要求2所述的车辆违章拍摄与识别系统，其特征在于，所述区域图像处理模块(23)与所述交警中心服务器(3)通过光纤连接。

10.根据权利要求1所述的车辆违章拍摄与识别系统，其特征在于，所述违章信息包括：违章行为和/或违章图片。

11.一种车辆违章识别方法，应用于数据处理设备，其特征在于，包括：

获取图像采集设备采集的车辆周围的视频图像；

对所述视频图像进行分级处理，识别出违章车辆信息和违章信息；

将所述违章车辆信息和所述违章信息传输至交警中心服务器。

12.一种数据处理设备，其特征在于，包括：处理器，存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求11所述的车辆违章识别方法。

Images