交通违法拦截方法、装置、电子设备和计算机可读介质与流程

1.本公开涉及智能交通管理技术领域，更具体地，涉及一种交通违法拦截方法、装置、电子设备和计算机可读介质。


背景技术：

2.在现实生活中，国内外的主要交通路面上都设有监控设备（比如摄像头等），用以监控行人和车辆的交通行为，并针对存在交通违法行为进行拍摄记录，作为警务人员拦截和处罚交通违法对象的依据。
3.监控设备虽然可以拍摄并记录违法对象的违法行为，并对识别出来的违法对象开具罚单，但并不能及时有效地通知警务人员对违法对象进行实施拦截。目前针对交通违法对象的拦截方法中，通常是依靠警务人员在路口实行人工监控，对看到的违法对象进行拦截，而对于没有看到的交通违法人员则无法进行及时拦截，增加了交通事故发生率。
4.一些改进的方法，通常是利用图像识别，将识别出来的违法信息上传到云端，然后对违法人员进行处罚，然而这种处罚只是事后性的处罚，仍然无法解决对违法人员拦截的及时性。


技术实现要素：

5.有鉴于此，有必要针对传统方案中针对违法对象拦截不及时的问题，提出一种交通违法拦截方法、装置、电子设备和计算机可读介质，以及时对交通违法对象进行现场拦截，降低交通事故发生率。
6.一种交通违法拦截方法，包括：获取违法对象的违法证据信息和根据第一监控设备所处位置建立的坐标系；分析所述违法证据信息中的所述违法对象在所述坐标系中所处的第一坐标、所述违法对象的移动趋势在所述坐标系中对应的指向向量；计算预设拦截范围内的至少一个拦截人员的第二坐标与所述第一坐标之间的拦截差值；比较所述拦截差值与所述指向向量是否处于相同象限；向处于相同象限的拦截差值对应的拦截人员移动终端发送用于拦截所述违法对象的拦截指令。
7.一种交通违法拦截装置，包括：信息获取模块，用于获取违法对象的违法证据信息和根据第一监控设备所处位置建立的坐标系；向量处理模块，用于分析所述违法证据信息中的所述违法对象在所述坐标系中所处的第一坐标、所述违法对象的移动趋势在所述坐标系中对应的指向向量；计算预设拦截范围内的至少一个拦截人员的第二坐标与所述第一坐标之间的拦截差值；象限比较模块，用于比较所述拦截差值与所述指向向量是否处于相同象限；
信息发送模块，用于向处于相同象限的拦截差值对应的拦截人员移动终端发送用于拦截所述违法对象的拦截指令。
8.一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行本技术各实施例中所述的方法。
9.一种计算机可读介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行本技术各实施例中所述的方法。
10.上述的交通违法拦截的方法、装置、电子设备和计算机可读介质，通过根据监控设备的位置建立相应的坐标系，并分析违法对象在该坐标系中所处的第一坐标、移动方向的指向向量，进而再计算出处于拦截范围内的拦截人员的第二坐标与违法对象的第一坐标的差值，当差值与指向向量指向于坐标系内的同一象限时，则说明了违法对象正在趋近于差值对应的拦截人员的方向移动，则可以向该拦截人员对应的移动终端发送拦截指令，从而可以使得处于合理范围内最优的拦截人员，及时、快速地对违法对象进行拦截。上述方案中，通过采用坐标、向量和象限进行违法人员相对于监控设备的位置、行径方向，然后再查找与该位置和方向相匹配的拦截人员。通过上述方法，所选取的拦截人员是违法对象所驶向的人员，违法对象正朝着拦截人员趋近，因此可以实现拦截人员对违法对象“守株待兔”，甚至原地等待违法对象的到来，并进行现场拦截，减少了拦截人员追赶违法对象的情况，既降低了拦截人员的工作量，又缓解了因拦截人员无法看到交通违法人员而造成拦截遗漏，甚至导致潜在交通事故的产生，有效降低了交通事故发生率。另外，采用坐标、向量和象限的计算方法简单有效，也大大降低了电子设备的计算资源的消耗，提高了计算的效率，保证了需要采取拦截行动的拦截人员可以及时、快速地获取违法对象的违法行为。
附图说明
11.图1为一个实施例中交通违法拦截的方法的应用环境图；图2为一个实施例中交通违法拦截的方法的流程示意图；图3为一个实施例中根据监控设备建立坐标系的示意图；图4为一个另实施例中交通违法拦截的方法的应用环境图；图5为一个实施例中分析违法证据信息中的违法对象在坐标系中所处的第一坐标、违法对象的移动趋势在坐标系中对应的指向向量的流程示意图；图6为另一个实施例中交通违法拦截的方法的流程示意图；图7为又一个实施例中交通违法拦截的方法的流程示意图；图8为一个实施例中交通违法拦截的装置的结构框图；图9为一个实施例中电子设备的结构示意图。
具体实施方式
12.以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
13.在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。这里使用
的词语“一”、“一个（种）”和“该”等也应包括“多个”、“多种”的意思，除非上下文另外明确指出。此外，在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
14.在此使用的所有术语（包括技术和科学术语）具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
15.本技术提供的交通违法拦截的方法，可以应用于如图1所示的应用环境中。其中，在某一十字路口环境中，其东南西北各路口方向分别存在监控设备ce、cs、cw、cn，交警pe、ps、pw、pn，且存在一定数量的行人、交通车辆等，其中交警可对有交通违法行为的对象实施拦截，属于拦截人员。监控设备可以针对监控范围内的人车进行违法识别，当识别出存在违法通行的人员或车辆时，可以判断违法对象的行驶方向，同时搜寻附近的交警终端的位置，并向违法对象行驶方向对应的交警终端发送拦截指令，以使得对应交警可以及时、快速地对违法对象进行拦截。
16.在一个实施例中，如图2所示，提供了一种交通违法拦截的方法，以该方法应用于图1中的场景为例进行说明，包括：步骤202，获取违法对象的违法证据信息和根据第一监控设备所处位置建立的坐标系。
17.本方案中，监控设备可以是摄像头，其可以位于道路的交通路口旁边，也可以位于其他适合监控路面通行状况的位置。以路口为例，一个路口可以存在多个监控设备，每个监控设备重点负责监控路口中的某一个区域。结合图1所示，第一监控设备可以是其中的监控设备cs、cn、cw、ce中的任意一个，监控设备cs的监控方向朝北，主要用于重点监控位于cs北方向内的路口通行情况；而监控设备cn的监控方向可以朝南，主要用于重点监控位于cn南方向内的路口的通行情况。具体来说，监控设备cs、cn、cw、ce中的一个或多个可能存在监控重合的区域。
18.电子设备可以预先根据第一监控设备所处的位置来建立坐标系。如图1或图3所示，该坐标系可以是二维平面坐标系xoz，可以是三维坐标系oxyz。其中，该坐标系的原点可以是第一监控设备所处的坐标位置或者是在地面上的投影，坐标系的坐标轴方位可以根据第一监控设备的视场角、视场方向、道路的路口朝向等其中的一个或多个因素来确定。
19.如图1所示，比如当该路口的为十字路口或t型路口时，待建立的坐标系的其中一个坐标轴ox可以平行或基本平行或重合于路口中的某一个道路，另一个坐标轴oy则与该道路基本垂直。还以根据监控设备的视场的朝向来确定一个坐标轴ox，比如使得所建立的坐标轴基本将视场角平分，另一个坐标轴oy则与之垂直。如图3所示，其中所建立的平面坐标系xoz中，建立的ox轴将第一监控设备a的水平视场角α平分，其中，第一监控设备的有效监控范围在xoz平面上的投影为cbed，k、m分别为cb、de与ox轴的焦点，m为第一监控设备的垂直视场角∠kan的角平分线与ox轴的交点。
20.其中，违法证据信息是第一监控设备拍摄的可视文件，其可以为图像或视频或gif图像等。第一监控设备所拍摄的违法证据信息可以存储到自身的存储器中，也可以上传到电子设备或云端服务器的存储器中。电子设备可从本机的存储器中提取违法证据信息，还可从第一监控设备或云端服务器中获取违法证据信息。
21.违法证据信息中包含第一监控设备拍摄的画面信息，该画面信息中包含了违法对象的图像，该违法对象可以为存在交通违法行为的机动车、非机动车等路面上通行的交通工具或行人。其中，违法行为可以是闯红灯、超速、违法变道等行为。
22.违法证据信息还包含从该图像信息中提取到的交通违法对象的标识信息，比如，交通违法对象的对象类型为机动车，则标识信息可以为机动车的车牌信息、机动车的外形信息、颜色信息等；如果交通违法对象的对象类型为非机动车，则标识信息可以为非机动车的外形信息、颜色信息，以及该交通违法对象的人脸图像信息等；如果交通违法对象的对象类型为行人，则标识信息可以为交通违法对象的人脸图像信息、衣服颜色信息、身高信息等。具体违法证据信息和标识信息包括的信息内容可以根据实际需要进行设置采集。
23.步骤204，分析第一监控设备拍摄的包含违法对象信息的违法证据信息中，违法对象在坐标系中所处的第一坐标、违法对象的移动趋势在坐标系中对应的指向向量。
24.基于所建立的坐标系和第一监控设备的方位角等参数信息，可以识别出其拍摄的违法证据信息中，各像素点所表示的监控对象在坐标系内对应的第一坐标。举例来说，图1或图4中所示的非机动车辆c为违法对象，电子设备可以违法对象c在违法证据信息中对应的像素点位置，计算出其在坐标系内的对应的坐标为（c1，c2）。
25.除了识别出违法对象在某一时刻所处的第一坐标之外，电子设备还进一步识别出其指向向量，该指向向量用于表征违法对象的移动方向或移动趋势信息。比如可以识别出图1中所述的违法对象c的指向向量为（c3，c4），或者识别出违法对象c的指向向量指向坐标系中的第1象限。
26.步骤206，计算预设拦截范围内的至少一个拦截人员的第二坐标与第一坐标之间的拦截差值。
27.本方案中，参考图4所示，拦截范围可以是与违法对象相适配的任意大小的范围，比如为以坐标系为圆心或以拦截对象位置为圆心的方圆100m、200m或300m等。拦截范围的大小可以是固定大小，也可以是根据违法对象的对象类型或行驶速度等因素来确定。对象类型可为上述的行人、非机动车、机动车等几种类型，具体对象类型的划分方式可以根据实际需要进行设置。在一个实施例中，可以根据不同对象类型设置不同的拦截距离，将以抓拍到该交通违法对象的抓拍相机为原点，拦截距离为半径构成的圆形范围确定为拦截范围。
28.通常，每位拦截人员（即交通警务人员）均有带有定位系统的移动终端，通过该定位系统能够实时获取到拦截人员的具体位置，上述第一监控设备也具有定位系统，因此，可基于拦截人员的定位信息与抓拍相机的定位信息计算出距离信息，如果该距离信息小于或等于拦截距离，则视为该拦截人员在拦截范围内，需要基于通信设备的定位系统准确定位出当前拦截人员的人员位置信息，并计算出拦截人员在坐标系中所处的第二坐标。如果该距离信息小于或等于拦截距离，则视为该拦截人员不在拦截范围内，因此，则无需获取该拦截人员的人员位置信息。
29.电子设备可以获取处于拦截范围内的一个或多个拦截人员的第二坐标，将第二坐标与第一坐标相减，得到两个坐标之间的拦截差值坐标。比如处于拦截范围内的第i个拦截人员的第二坐标为(pi1,pi2),则第i拦截人员坐标与违法对象的坐标的拦截差值可为差值向量(pi1
‑
c1，pi2
‑
c2)。
30.步骤208，比较拦截差值与指向向量是否处于相同象限。
31.其中，在建立了坐标系之后，则将交通道路上的区域划分了4个象限，其中，处于坐标系中坐标数值为(+，+)、(+，
‑
)、（
‑
，+）、（
‑
，
‑
）的则分别处于第一象限、第二象限、第三象限、第四象限。
32.电子设备可以将拦截差值与指向想象的各维度数值进行比较或相减，从而分析出两者是否指向相同的象限。若处于相同象限，则说明交通违法对象趋近拦截人员，正向拦截人员所在方位行进，若不处于相同象限，则并不能确定违法对象是否正趋向于拦截人员。通过划分象限，只要比较拦截差值与指向向量的正负性，确定是否属于相同象限即可，无需对拦截差值、指向向量的具体大小等做出准确的计算，可以简化了计算的复杂度，降低电子设备的计算资源的消耗。
33.步骤210，向处于相同象限的拦截差值对应的拦截人员移动终端发送用于拦截违法对象的拦截指令。
34.在得到某一个拦截差值指向的象限与指向向量的象限一致时，则向该拦截差值对应的拦截人员的移动终端发送拦截指令。其中，该拦截指令可以包含拦截对象的违法证据信息，拦截人员的移动终端可以是拦截人员佩戴的对讲机、手机等移动通讯设备。
35.通常，拦截人员的通讯设备可用来接收该拦截指令，并在该通许设备上显示违法证据信息，以使得拦截人员根据违法证据信息及时地对交通违法人员进行拦截。若在拦截范围内确定出交通违法对象趋近多名拦截人员时，则将拦截指令发送给每位拦截人员的通讯设备上。
36.本技术实施例提供的一种交通违法拦截的方法，通过根据监控设备的位置建立相应的坐标系，并分析违法对象在该坐标系中所处的第一坐标、移动方向的指向向量，进而再计算出处于拦截范围内的拦截人员的第二坐标与违法对象的第一坐标的差值，当差值与指向向量指向于坐标系内的同一象限时，则说明了违法对象正在趋近于差值对应的拦截人员的方向移动，则可以向该拦截人员对应的移动终端发送拦截指令，从而可以使得处于合理范围内最优的拦截人员及时、快速地对违法对象进行拦截。缓解了因拦截人员无法看到交通违法人员而造成拦截遗漏，甚至导致交通事故的产生，有效降低了交通事故发生率。上述方案中，通过采用坐标、向量和象限进行违法人员相对于监控设备的位置、行径方向，然后再查找与该位置和方向相匹配的拦截人员，从而可以实现拦截人员“守株待兔”地对违法对象进行拦截，缓解了因拦截人员无法看到交通违法人员而造成拦截遗漏，甚至导致交通事故的产生，有效降低了交通事故发生率。另外，采用坐标、向量和象限的计算方法简单有效，也大大降低了电子设备的计算资源的消耗，提高了计算的效率，保证了需要采取拦截行动的拦截人员可以及时、快速地获取违法对象的违法行为。
37.在一个实施例中，违法证据信息包括视频流。如图5所示，步骤204包括：步骤502，分析视频流中的至少两个视频帧中，违法对象在每个视频帧中的位置。
38.本实施例中，视频流为第一监控对象拍摄的包含违法对象在内的视频信息，该视频的时长可以为3s、5s等较短的时长。电子设备可以从该视频流中，选取两个或两个以上的视频帧进行违法对象的位置分析。其中，所选取的视频帧中的拍摄时刻对应的时间间隔可以相对较长。比如选取在前视频帧与在后视频帧的拍摄时间间隔可为2.5s或4.5s等，以便于足够准确地分析出违法对象的移动方向信息。
39.在一个实施例中，针对选取的每个视频帧，电子设备可以识别其中的违法对象，并
分析该违法对象在相应视频帧内的相对位置。
40.步骤504，根据第一监控设备的参数信息和违法对象在后视频帧中的位置，确定违法对象在坐标系中的第一坐标。
41.本方案中，监控设备的参数信息可以包括监控设备拍摄水平视场角、垂直视场角、焦距等参数，根据该参数信息可以确定拍摄的视频帧内的违法对象在所建立的坐标系内的第一坐标。进一步地，视频帧内除了存在违法对象信息之外，还存在道路上的固定参照物信息，电子设备还可以根据道路上的固定参照物在坐标系内的位置和在视频帧内的位置来确定第一坐标。
42.在一个实施例中，在建立了第一监控设备的坐标系之后，根据第一监控设备的参数信息，则可以确定第一监控设备拍摄的每一帧视频帧或图像内的像素点在坐标系上的坐标。因此，电子设备还可以建立视频帧内的像素点与坐标系上坐标之间的转换关系或转换函数，在得到了违法对象的位置后，该位置可以是反应违法对象在视频帧上的像素点位置或像素点坐标，进而根据建立的转换关系或转换函数，计算出违法对象在坐标系内对应的坐标。
43.考虑到实时性，电子设备可以选取在后视频帧，分析在后视频帧内的违法对象的位置，进而根据上述的转换函数计算出在坐标系内的坐标，将该坐标作为违法对象在坐标系中的第一坐标。
44.步骤506，根据违法对象在前视频帧中的第一位置、在后视频帧中的第二位置，计算指向向量。
45.本方案中，电子设备可以将第二位置对应的坐标系内的坐标与第一位置对应的坐标系内的坐标进行相减，得到的数值作为指向向量。
46.在一个实施例中，步骤506包括：计算所述第一位置在所述在前视频帧中所处的第一像素点坐标；计算所述第二位置在所述在后视频帧中所处的第二像素点坐标；比较所述第一像素点坐标与所述第二像素点坐标之间的大小；根据比较结果确定所述指向向量。
47.其中，电子设备所建立的坐标系如图3所示，监控设备所拍摄的视频帧内体现出的违法对象的移动方向与在坐标系上呈现出的移动方向呈现正相关性。电子设备可以计算出在前视频帧内的违法对象在该视频帧内所处的第一像素点坐标，并同样计算出第二位置在所述在后视频帧中所处的第二像素点坐标，比较两个像素点坐标在各自维度上的大小，根据比较结果来确定指向向量。
48.其中，第一像素点坐标、第二像素点坐标，可以为识别出的违法对象轮廓中，处于中心点或其它同一个参考点的像素点在视频帧中所处的坐标位置。
49.在一个实施例中，该指向向量各个维度上的数值的正负性即可体现出指向向量的对应的象限，因此指向向量可以不包括数值，仅体现各个维度上的正负性。比如指向向量可以为(+，+)、(+，
‑
)、（
‑
，+）、（
‑
，
‑
），其分别表示指向于第一象限、第二象限、第三象限、第四象限。
50.本方案中，通过直接计算违法对象在视频帧内的位置信息，进而根据该位置信息来确定违法对象在坐标系内的坐标以及指向向量，可以简化违法对象位置确定的复杂度，且不影响对违法对象的移动方向判断的准确性。
51.在一个实施例中，上述方法包括：获取根据第二监控设备拍摄的违法证据信息中
分析出的所述违法对象的辅助指向向量；根据所述辅助指向向量来修正所述指向向量。
52.本实施例中，第二监控设备可为与第一监控设备处于同一交通路口处的其他监控设备，或在其他交通路面上与第一监控设备相邻的监控设备，第二监控设备同样可以拍摄到该违法对象的违法证据信息。电子设备可以根据识别出违法对象在第一监控设备拍摄的违法证据信息内的位置或区域，并选取监控范围与该区域有重合的监控设备作为第二监控设备。比如第一监控设备为图1所示的监控设备cs，则第二监控设备为同样可以拍摄到违法对象c的监控设备cw、cn或ce。
53.具体地，可以类似利用第一监控设备拍摄的违法证据信息(称为“第一违法证据信息”)计算指向向量(称为“第一指向向量”)的方法，来根据第二监控设备拍摄的违法证据信息(称为“第二违法证据信息”)计算辅助指向向量。电子设备可以获取违法对象的和根据第二监控设备拍摄的包含该违法对象的第二违法证据信息，并获取根据第二监控设备所处位置建立的第二坐标系；分析第二违法证据信息中的违法对象的移动趋势在第二坐标系中对应的辅助指向向量。
54.基于第二坐标系和根据第一监控设备建立的坐标系(称为“第一坐标系”)之间的位置关系进行平移转换，可以使得第二坐标系与第一坐标系重合，基于此可以建立第一坐标系转换成第一坐标系之间的转换函数，利用该转换函数，可以将该辅助指向向量转换成在第一坐标系内的辅助指向向量。
55.电子设备可以将转换后的辅助指向向量与根据第一指向向量求平均值，从而对第一指向向量进行修正，将得到的结果作为修正后的指向向量。步骤206中，比较拦截差值与修正后的指向向量是否处于相同象限。
56.在一个实施例中，当检测到第一监控设备拍摄的违法证据信息计算出的指向向量在某一维度上的数值过小时，为保障对该指向向量反应的违法对象的移动方向的准确性，可以进一步结合第二监控设备拍摄的违法证据信息对该指向向量进行修正。若该指向向量在各维度的数值均超过对应的预设阈值，则无需结合第二监控设备拍摄的违法证据信息对该指向向量进行修正。具体地，该预设阈值可根据对象类型以及视频流的时长等参数进行设置，其数值可为任意合适的数值大小。
57.上述方案中，通过利用第二监控设备拍摄的违法证据信息对指向向量进行修正，可以进一步提高对修正向量计算的准确性。
58.在一个实施例中，当不存在所述处于相同象限的拦截差值时，在预设拦截时长内按照预设频率更新所述第二坐标，当识别出存在新的第二坐标处于拦截范围内时，返回执行所述计算预设拦截范围内的至少一个拦截人员的第二坐标与所述第一坐标之间的拦截差值。
59.其中，和预设拦截范围类似，预设拦截时长可为任意合适的时长，比如为30分钟，或者10分钟、5分钟等，预设拦截时长也可以根据对象类型来确定，不同的对象类型设置有不同的拦截时长。预设拦截时长的起始时刻可为识别出道路上的人或车存在违法行为的时刻，即识别出违法对象的时刻。
60.由于交警也存在移动性，故可能存在当前时刻在拦截范围内没有合适的交警，电子设备可以在没有选取到合适的交警后，设置一个等待的时长，以便于在该时长内是否存在新的交警进入拦截范围。
61.具体地，电子设备可以按照一定的频率更新未发出拦截指令的拦截人员的人员位置信息或第二坐标，并计算该位置信息与监控设备的位置信息之间的位置差，比较该位置差是否在拦截范围内，若是，说明该拦截人员为新进入拦截范围内的拦截人员。
62.上述方案中，通过设置拦截时长，在未及时匹配到合适的拦截人员后，可以进一步在拦截时长内重复查找合适的拦截人员，进一步提高了对违法对象拦截的成功性，减少了对违法对象的拦截遗漏。
63.在一个实施例中，步骤210包括：当存在多个相同象限的拦截差值时，从多个相同象限的拦截差值中选取向量的模最小的拦截差值对应的拦截人员终端发送用于拦截违法对象的拦截指令。
64.本实施例中，存在计算出了多个与指向向量处于相同象限的拦截差值，则表明存在交通违法对象趋近于多个拦截人员。针对此种情况，电子设备可以计算该多个拦截差值的向量的模，比较每个模的大小，并从其中选取模最小的拦截差值对应的拦截人员，使其对违法对象进行拦截。
65.在一个实施例中，电子设备可以按照由近及远的原则选取一个或多个第二坐标，并计算当前选取的第二坐标与第一坐标之间的拦截差值，比较拦截差值是否处于相同象限，如果不同于相同象限，则进入对下一个或多个第二坐标，并返回到拦截差值的计算过程中，直到计算出处于相同象限的拦截差值，或者完成预设拦截范围内的所有的第二坐标与第一坐标的拦截差值的计算。
66.上述方案中，通过按照由近及远的原则进行第二坐标选取，可以快速得到违法对象最趋近的拦截人员，从而进一步提高了对违法对象拦截的实时性。
67.在一个实施例中，如图6所示，提供了另一种交通违法拦截的方法，该方法包括：步骤602，获取交通违法对象的对象类型和违法证据信息。
68.步骤604，基于对象类型确定拦截范围。
69.具体实现时，可以根据不同对象类型设置不同的拦截距离，将以抓拍到该交通违法对象的抓拍相机为原点，拦截距离为半径构成的圆形范围确定为拦截范围。
70.步骤606，获取拦截范围内的拦截人员的人员位置信息。
71.通常，每位拦截人员（即交通警务人员）均配发有带有定位系统的通讯设备，通过该定位系统能够实时获取到拦截人员的具体位置，以监控设备为抓拍相机进行说明，抓拍相机也具有定位系统，因此，可基于拦截人员的定位信息与抓拍相机的定位信息计算出距离信息，如果该距离信息小于或等于拦截距离，则视为该拦截人员在拦截范围内，需要基于通信设备的定位系统准确定位出当前拦截人员的人员位置信息；如果该距离信息小于或等于拦截距离，则视为该拦截人员不在拦截范围内，因此，则无需获取该拦截人员的人员位置信息。
72.步骤608，基于交通违法对象的行进轨迹和人员位置信息确定交通违法对象是否趋近拦截人员。若是，执行步骤610；否则，返回执行步骤606。
73.当交通违法对象趋近拦截人员，说明交通违法对象正向拦截人员所在方位行进，便于该拦截人员快速出警进行拦截，如果交通违法对象在行进过程中与拦截人员越来越远，则该拦截人员虽然在拦截范围内，但是无需该拦截人员出警拦截。
74.此时，电子设备可以获取处于拦截范围内其它的拦截人员的位置信息，该其他拦
截人员为未判断过是否与违法对象趋近的人员，直到已经在预设时长内获取过拦截范围内的全部拦截人员的信息。
75.步骤610，生成拦截指令。
76.其中，拦截指令中包括违法证据信息。
77.步骤612，将拦截指令发送至拦截人员移动终端，以使拦截人员根据违法证据信息对该交通违法对象进行现场拦截。
78.通常，拦截人员的移动终端可用来接收该拦截指令，并在该通许设备上显示违法证据信息，以使得拦截人员根据违法证据信息对交通违法人员进行拦截。
79.在一个实施例中，若在拦截范围内确定出交通违法对象趋近多名拦截人员时，则将拦截指令发送给每位拦截人员的移动终端上。
80.本技术实施例提供了一种交通违法拦截的方法，其中，在获取到交通违法对象的对象类型和违法证据信息后，基于对象类型确定拦截范围，获取拦截范围内的拦截人员的人员位置信息；如果基于交通违法对象的行进轨迹和人员位置信息确定出该交通违法对象趋近拦截人员，则生成拦截指令，并将拦截指令发送至拦截人员，以使拦截人员根据拦截指令中包括违法证据信息对该交通违法对象进行现场拦截。本技术能够将交通违法对象的违法证据信息发送至拦截范围内该交通违法对象趋近的拦截人员，以使拦截人员及时对交通违法对象进行现场拦截，缓解了因拦截人员无法看到交通违法人员而造成的交通事故，有效降低了交通事故发生率。
81.在一个实施例中，如图7所示，提供了另一种交通违法拦截的方法，包括如下步骤：步骤702，获取交通违法对象的对象类型和违法证据信息。
82.步骤704，基于对象类型确定拦截范围。
83.上述步骤704可通过步骤a1至步骤a2实现：步骤a1，获取预设的拦截范围关系表，拦截范围关系表中存储有对象类型与拦截范围的对应关系。
84.其中，上述拦截范围是以抓拍到该交通违法对象的抓拍相机为原点，拦截距离为半径构成的圆形范围，其中，拦截距离可以根据不同对象类型对应的行进速度进行设置，一般考虑行人速度为1m/s，非机动车速度为6m/s，机动车速度为10m/s，若拦截响应时间为30s（该拦截响应时间为向拦截人员发送拦截指令的时长），则行人、非机动车及机动车的拦截距离分别为30m、180m以及300m，所以，行人对应的拦截范围为s=π*302m
2 ；非机动车对应的拦截范围为s=π*1802m2；机动车对应的拦截范围为：s=π*3002m
2 。具体拦截范围可以根据实际需要进行设置，在此不进行限定。
85.步骤a2，根据拦截范围关系表查找对象类型对应的拦截范围。
86.续接前例，如果对象类型为行人则拦截范围为s=π*302m
2 ，如果对象类型为非机动车则拦截范围为s=π*1802m
2 ，如果对象类型为机动车则拦截范围为s=π*3002m
2 。
87.步骤706，获取拦截范围内的拦截人员的人员位置信息。
88.步骤708，基于交通违法对象的行进轨迹确定行进方向。
89.通常，行进轨迹是基于抓拍相机对交通违法对象拍摄的视频流确定出来的，具体地，可对视频流进行交通违法对象检测和跟踪，得到标注有交通违法对象检测框的视频帧和该交通违法对象的轨迹信息（即为行进轨迹）。
90.其中，将视频流输入至预先训练好的检测模型中，得到标注有交通违法对象检测框的视频帧，上述检测模型可以是由带有标签的交通对象训练样本对ssd（single shot multibox detector）算法、retinanet算法或fasterrcnn算法等深度神经网络进行训练得到的检测模型，利用上述训练好的检测模型能够准确检测出每个视频帧中包含的交通对象，并能够在上述视频帧中用方框的形式将交通对象标注出来。
91.在本实施例中，可基于iou（intersection over union，交并比）匹配跟踪算法对每个视频帧进行iou跟踪，得到交通违法对象的轨迹信息；上述iou匹配跟踪算法是一种测量在特定数据集中检测相应物体准确度的一个标准，这个标准用于测量真实和预测之间的相关度，相关度越高，该标准值越高；在本实施例的目标跟踪中，为了实现简单，上述标准值可以由预先训练好的检测模型实现，通过该模型可以对在包含有交通违法对象的视频帧中计算出检测框之间的交叠率，即它们的交集与并集的比值；如果计算出的相邻两视频帧（例如帧标识为5和帧标识为6的视频帧）中检测框之间的交叠率高于预先设定的交叠率阈值或者为最大交叠率，则确定两个检测框对应的交通对象为同一个交通违法对象；通过上述iou匹配跟踪算法能够获得在上述视频帧序列中同一交通违法对象检测框所在的视频帧的帧标识，并将同一交通违法对象的检测框赋予相同的检测框标识。
92.除了可以利用上述iou匹配跟踪算法进行交通违法对象的跟踪之外，还可以基于检测框的坐标信息利用马氏距离或协方差距离计算两视频帧中检测框的线性相关度进行交通违法对象的跟踪，该线性相关度越高，说明是同一交通违法对象以获取每个对象的行进轨迹。
93.根据交通违法对象的行进轨迹能够确定出该交通违法对象相对于抓拍相机的行进方向。
94.步骤710，将抓拍违法证据信息的抓拍相机的gps相机位置确定为交通违法对象的当前位置信息。
95.如果交通违法对象所在位置处于多路口时，虽然每个路口安装的抓拍相机均能拍摄到交通违法对象的违法证据信息，在本实施例中，仅将交通违法对象所在路口安装的抓拍相机的gps相机位置确定为交通违法对象的当前位置信息。
96.步骤712，在以抓拍相机为参考原点的坐标系中，计算当前位置信息和人员位置信息之间的经纬度差值。
97.其中，经纬度差值为人员位置信息减去当前位置信息所得的经度差值和纬度差值。
98.以抓拍相机为参考原点的坐标系为大地坐标系，由于交通违法对象的行进方向是基于抓拍相机视角的，其采用的坐标系是相机坐标系，仅反映了机动车、非机动车的行进方向是右转、直行或左转，行人的行进方法是左侧进入路口或右侧进入路口，而判断交通违法对象是否趋近于拦截人员是基于大地坐标系下的，因此，需要将相机坐标系转换成大地坐标系，在转化后的大地坐标系下计算当前位置信息和人员位置信息之间的经纬度差值。
99.结合图4所示，以南向抓拍相机cs为原点建立图1中非机动车c的平面坐标，由于每个交通路口的拦截人员距离南向抓拍相机cs的距离均小于该交通违法对象对应的拦截距离r，所以，这四个拦截人员均处于拦截范围内，在实际应用时，需要获取每位拦截人员的人员位置信息，以基于人员位置信息和南向抓拍相机cs的gps（global positioning system，
全球定位系统）相机位置计算经纬度差值，以基于经纬度差值确定交通违法人员是否趋近拦截人员。
100.步骤714，基于经纬度差值和行进方向确定交通违法人员是否趋近拦截人员。
101.如果交通违法对象的对象类型为机动车和非机动车，因此，在交通路面上该交通违法对象的行进方向是右转、直行或左转，基于北下南，右东左西的准则，因此，向左表示经度增加，向上表示纬度增加，在本实施例中，直行判别规则与右转判别规则一致，左转则与右转判别规则相反，因此，表1中示出了一种交通违法对象趋近拦截人员的规则表：表1
102.由表1可知，针对抓拍相机为南向抓拍相机，当交通违法对象的行进方向为右转或直行方向，且经纬度差值同时为正时，或者，交通违法对象的行进方向为左转方向，且经度差值为负，纬度差值为正时，确定交通违法人员趋近拦截人员；针对抓拍相机为北向抓拍相机，当交通违法对象的行进方向为右转或直行方向，且经纬度差值同时为负时，或者，交通违法对象的行进方向为左转方向，且经度差值为负正，纬度差值为负时，确定交通违法人员趋近拦截人员；针对抓拍相机为东向抓拍相机，当交通违法对象的行进方向为右转或直行方向，且经度差值为负，纬度差值为正时，或者，交通违法对象的行进方向为左转方向，且经纬度差值同时为负时，确定交通违法人员趋近拦截人员；针对抓拍相机为西向抓拍相机，当交通违法对象的行进方向为右转或直行方向，且经度差值为正，纬度差值为负时，或者，交通违法对象的行进方向为左转方向，且经纬度差值同时为正时，确定交通违法人员趋近拦截人员。
103.如果交通违法对象的对象类型为行人，则该交通违法对象的行进方法是左侧进入口或右侧进入路口，针对行人则南北向仅需检测经度差值，东西向检测纬度差值，并根据行进方向是从道路左侧进入路口（左侧进入方向），或是右侧进入路口（右侧进入方向），行进方向和经纬度差值两者结合可知交通违法对象趋近于哪个拦截人员。其拦截判别规则如表2示出的另一种交通违法对象趋近拦截人员的规则表：表2
104.由表2可知，对于交通违法对象的对象类型为行人时，针对抓拍相机为南向抓拍相机，当交通违法对象的行进方向为左侧进入方向，且经度差值为正时，或者，交通违法对象的行进方向为右侧进入方向，且纬度差值为负时，确定交通违法人员趋近拦截人员；针对抓拍相机为北向抓拍相机，当交通违法对象的行进方向为左侧进入方向，且经度差值为负时，或者，交通违法对象的行进方向为右侧进入方向，且纬度差值为正时，确定交通违法人员趋近拦截人员；针对抓拍相机为东向抓拍相机，当交通违法对象的行进方向为左侧进入方向，且经度差值为正时，或者，交通违法对象的行进方向为右侧进入方向，且纬度差值为负时，确定交通违法人员趋近拦截人员；针对抓拍相机为西向抓拍相机，当交通违法对象的行进方向为左侧进入方向，且经度差值为负时，或者，交通违法对象的行进方向为右侧进入方向，且纬度差值为正时，确定交通违法人员趋近拦截人员。
105.如果通过表1或表2的判定规则确定出交通违法对象趋近拦截人员，则执行步骤716。
106.步骤716，生成拦截指令，拦截指令中包括违法证据信息。
107.由于拦截人员是随时移动的，在生成拦截指令后，如果拦截人员还在拦截范围内则执行步骤718将拦截指令发送至拦截人员进行现场拦截，如果拦截人员走出拦截范围时，则该拦截指令暂时保存在内存中，等待有拦截人员进而该拦截范围且交通违法对象趋近时，将保存的拦截指令发送至该拦截人员。
108.每条拦截指令发且发送一次，且，保存在内存的拦截指令的保存时长可设为5分钟，如果在5分钟之内该指令未发出，则将该指令从内存中删除。其中，保存时长可以根据实际需要进行设置，在此不进行限定。
109.步骤718，将拦截指令发送至拦截人员，以使拦截人员根据违法证据信息对该交通违法对象进行现场拦截。
110.续接前例，根据表1的判别规则可知非机动车c趋近于拦截人员pe和拦截人员pn，因此，将拦截指令分别发送至上述两个拦截人员对非机动车c进行拦截。
111.在实际使用时，虽然非机动车c趋近于拦截人员pe和拦截人员pn，但是拦截人员pe相当于拦截人员pn距离非机动车c较近，所以，还可以仅将拦截指令发送至拦截人员pe对非机动车c进行拦截。
112.通常，在进行拦截判别之前需要确定交通对象中哪些是交通违法对象，之后，才对交通违法对象进行拦截过程，具体判断交通对象是否为交通违法对象的过程为：获取交通对象的视频流；基于视频流识别交通对象的行进方向；判别行进方向是否符合当前信号灯指示规则；如果否，确定交通对象为交通违法对象。
113.比如，如果交通对象的对象类型为机动车，当前机动车为路口直行，而当前信号灯指示规则为禁止该路口机动车直行，则该交通对象不符合前信号灯指示规则，可以判定该交通对象为交通违法对象，对于该交通违法对象的拦截过程可参考步骤702
‑
步骤68，在此不进行赘述。
114.本技术实施例提供的交通违法拦截的方法，能够在计算当前位置信息和人员位置信息之间的经纬度差值后，基于经纬度差值和行进方向准确确定交通违法人员趋近于哪位拦截人员，以使趋近的拦截人员可对交通违法人员进行及时快速拦截，有效避免交通事故的发送，从而降低了交通事故发生率。
architecture，扩展工业标准结构）总线等。所述总线122可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
125.处理器121可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器121中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器121可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processor，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field
‑
programmable gate array，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器121读取存储器中的信息，结合其硬件完成前述实施例的交通违法拦截的方法的步骤。
126.本技术实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令在被处理器调用和执行时，该计算机可执行指令促使处理器实现上述各实施例中所述的交通违法拦截的方法。
127.本技术实施例所提供的游戏中的交通违法拦截的方法、装置及电子设备的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行本技术各实施例中所述的方法。
128.除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本技术的范围。
129.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（rom，read
‑
only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。
130.尽管已经描述了示例实施例，但是对于本领域技术人员来说显而易见的是，在不脱离本技术构思的精神和范围的情况下，可以进行各种改变和修改。因此，应当理解，上述示例实施例不是限制性的，而是说明性的。