一种基于深度学习的机动车违法行驶检测及抓拍方法与流程

本发明属于机动车检测技术领域，具体涉及一种基于深度学习的机动车违法行驶检测及抓拍方法。

背景技术：

随着城市汽车保有量快速增长，城市道路空间的局限性，交通违法行为也越来越频发，压实线、跨线变道、逆行等交通违法行为不仅影响了正常的交通秩序，而且可能酿成严重的交通事故。现有的机动车违法检测通常采用视频识别技术对车辆的行驶参数进行提取，并将提取后的参数与系统内存储的基础数据进行对比判断，来辨别机动车是否存在违法现象。基础数据由于参数少、参数范围小等原因，容易造成误判的现象，不利于提高机动车违法检测的准确性。因此，有必要提出一种基于深度学习的机动车违法行驶检测及抓拍方法，通过不断丰富基础数据的参数种类和参数范围，提高违法行驶检测精度。

技术实现要素：

本发明的目的在于提供一种基于深度学习的机动车违法行驶检测及抓拍方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于深度学习的机动车违法行驶检测及抓拍方法，包括以下操作步骤：

s1：建立多个机动车监控识别系统，并分别安装在不同的路口对过往车辆进行检测识别；

s2：获取车辆行驶参数，每个路口的监控识别系统分别将获取的车辆行驶参数保存在各自存储数据库中，并将获取的车辆行驶参数与基础数据库中保存的基础数据进行对比，判断车辆是否存在违法行为；

s3：数据整合，各个监控识别系统分别将各自系统中的基础数据库上传至中心数据库中，由中心数据库对各个基础数据库中的数据进行分析、整合处理，并保存在中心数据库中；

s4：深度学习，将基础数据库数中的数据与中心数据库中的同类型的数据进行同步，同时将中心数据库中其他类型参数的也同步至监控识别系统中的补充数据库中，用于辅助判断机动车违法行使行为。

优选的，步骤s1中机动车监控识别系统包括高清摄像头、监控处理主机、电源和通讯装置，所述监控处理主机用于对采集到的视频图片进行处理并识别图片中车辆信息。

优选的，所述监控处理主机按照如下方法对机动车违法行使进行监测以及抓拍：

s11：利用高清摄像头对路面车辆的视频图片进行录像，并将录像保存在监控系统内的存储器中；

s12：对获取的图片进行图像处理，识别车辆并提取车辆运行参数，将车辆运行参数与基础数据库中的数据进行对比，判断是否违法。

优选的，步骤s2中仅保存判断为违法的车辆的相关数据参数，包括车牌信息、车辆特征信息、违法地点、违法原因和违法时间，不保留无违法现象的车辆的视频图片以及车辆行驶参数。

优选的，步骤s2中判断车辆出现违法行使时，将违法参数的数据补充至基础数据库中更新保存。

本发明的技术效果和优点：

本发明通过将各区域的机动车监测系统的基础数据库上传至中心数据库中进行数据整合，将有关违法的车辆行驶参数的范围进行扩充，同时能够利用其他区域内的基础数据对未发现的违法相关参数进行补充，提高违法行驶参数的全面性以及数据的准确性，再将基础数据库中的数据从中心数据库中进行同步更新，同时，建立基础数据库中缺少数据的补充数据库，对不同区域内的行驶违法判断标准提供更多依据，提高机动车违法行驶的检测准确性。

附图说明

图1为本发明的方法流程结构示意图。

具体实施方式

下面将结合本发明实施例，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

如图1所示，一种基于深度学习的机动车违法行驶检测及抓拍方法，包括以下操作步骤：

s1：建立多个机动车监控识别系统，并分别安装在不同的路口对过往车辆进行检测识别；

s2：获取车辆行驶参数，每个路口的监控识别系统分别将获取的车辆行驶参数保存在各自存储数据库中，并将获取的车辆行驶参数与基础数据库中保存的基础数据进行对比，判断车辆是否存在违法行为；

s3：数据整合，各个监控识别系统分别将各自系统中的基础数据库上传至中心数据库中，由中心数据库对各个基础数据库中的数据进行分析、整合处理，并保存在中心数据库中；

s4：深度学习，将基础数据库数中的数据与中心数据库中的同类型的数据进行同步，同时将中心数据库中其他类型参数的也同步至监控识别系统中的补充数据库中，用于辅助判断机动车违法行使行为。

步骤s1中机动车监控识别系统包括高清摄像头、监控处理主机、电源和通讯装置，所述监控处理主机用于对采集到的视频图片进行处理并识别图片中车辆信息。

所述监控处理主机按照如下方法对机动车违法行使进行监测以及抓拍：

s11：利用高清摄像头对路面车辆的视频图片进行录像，并将录像保存在监控系统内的存储器中；

s12：对获取的图片进行图像处理，识别车辆并提取车辆运行参数，将车辆运行参数与基础数据库中的数据进行对比，判断是否违法。

步骤s2中仅保存判断为违法的车辆的相关数据参数，包括车牌信息、车辆特征信息、违法地点、违法原因和违法时间，不保留无违法现象的车辆的视频图片以及车辆行驶参数。

步骤s2中判断车辆出现违法行使时，将违法参数的数据补充至基础数据库中更新保存。

本发明通过将各区域的机动车监测系统的基础数据库上传至中心数据库中进行数据整合，将有关违法的车辆行驶参数的范围进行扩充，同时能够利用其他区域内的基础数据对未发现的违法相关参数进行补充，提高违法行驶参数的全面性以及数据的准确性，再将基础数据库中的数据从中心数据库中进行同步更新，同时，建立基础数据库中缺少数据的补充数据库，对不同区域内的行驶违法判断标准提供更多依据，提高机动车违法行驶的检测准确性。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：

技术总结
本发明公开了一种基于深度学习的机动车违法行驶检测及抓拍方法，包括以下操作步骤：S1：建立多个机动车监控识别系统，并分别安装在不同的路口对过往车辆进行检测识别；S2：获取车辆行驶参数；S3：数据整合；S4：深度学习，将基础数据库数中的数据与中心数据库中的同类型的数据进行同步。本发明通过将各区域的机动车监测系统的基础数据库上传至中心数据库中进行数据整合，将有关违法的车辆行驶参数的范围进行扩充，同时能够利用其他区域内的基础数据对未发现的违法相关参数进行补充，提高违法行驶参数的全面性以及数据的准确性，对不同区域内的行驶违法判断标准提供更多依据，提高机动车违法行驶的检测准确性。

技术研发人员：许翔
受保护的技术使用者：合肥市智信汽车科技有限公司
技术研发日：2019.01.25
技术公布日：2019.04.19