[发明专利]交通违法数据的筛选方法及装置、电子设备、存储介质

权利要求书

1.一种交通违法数据的筛选方法，其特征在于，包括：

基于交通违法数据的车辆抓拍图像，确定与所述交通违法数据的违法类型信息对应的目标车辆子图像；

如果所述违法类型信息为驾驶员未系安全带、副驾驶未系安全带或驾车打电话，则根据所述车辆抓拍图像中抓拍设备的拍摄方向与车窗所在的平面的夹角确定第一置信度因子；

从所述目标车辆子图像中识别车窗区域，并依据所述车窗区域从所述目标车辆子图像中获得评估区域图像；

将所述评估区域图像输入已训练的质量评估模型，获得质量评估结果；

根据所述质量评估结果和所述第一置信度因子确定所述交通违法数据是否正确；

如果所述违法类型信息为汽车违章压线，则根据所述车辆抓拍图像中所述抓拍设备和车道线位于车辆的同侧或两侧确定第二置信度因子；

从所述车辆抓拍图像中确定与所述目标车辆子图像对应的车道线斜率，并基于所述车道线斜率在所述目标车辆子图像中确定面积最大的指定内接平行四边形；

根据所述指定内接平行四边形与车道线是否相交，以及所述第二置信度因子，确定所述交通违法数据是否正确。

2.根据权利要求1所述的方法，其特征在于，基于交通违法数据的车辆抓拍图像，确定与所述交通违法数据的违法类型信息对应的目标车辆子图像，包括：

从所述车辆抓拍图像中识别至少一个车辆区域，并依据所述车辆区域从所述车辆抓拍图像获得车辆子图像；

对每个车辆子图像进行车牌识别，获得每个车辆子图像对应的车牌号；

判断所述车辆子图像对应的车牌号与所述交通违法数据中的车牌号是否相同，若是，确定所述车辆子图像为目标车辆子图像。

3.根据权利要求1所述的方法，其特征在于，所述依据所述车窗区域从所述目标车辆子图像中获得评估区域图像，包括：

依据与所述违法类型信息对应的提取规则，从所述目标车辆子图像的车窗区域中提取出评估区域图像。

4.根据权利要求1所述的方法，其特征在于，所述质量评估模型通过如下方式训练得到：

将样本数据集中样本图像输入卷积神经网络模型，获得对应于样本图像的样本质量评估结果；

基于所述样本质量评估结果与所述样本图像的质量标签之间的差异，调整所述卷积神经网络模型的网络参数；

重复上述步骤，直至所述卷积神经网络模型收敛，获得质量评估模型。

5.根据权利要求4所述的方法，其特征在于，在所述将样本数据集中样本图像输入卷积神经网络模型之前，所述方法还包括：

从多个违法抓拍图像提取ROI区域，获得每个违法抓拍图像对应的ROI图像；

将所述ROI图像进行尺度归一化处理、图像标准化处理和逆透视变换，得到初始样本图像；

对所述初始样本图像进行多角度随机旋转变换，得到所述样本图像。

6.根据权利要求5所述的方法，其特征在于，所述从多个违法抓拍图像提取ROI区域，获得每个违法抓拍图像对应的ROI图像，包括：

从多个违法抓拍图像识别车窗区域，并依据所述车窗区域从所述违法抓拍图像中获得车窗区域图像；

依据与所述违法抓拍图像的违法类型信息对应的提取规则，从所述车窗区域图像中提取出ROI图像。

7.根据权利要求1所述的方法，其特征在于，所述根据所述质量评估结果和所述第一置信度因子确定所述交通违法数据是否正确，具体包括：

根据所述质量评估结果和所述第一置信度因子的乘积是否符合预设的阈值条件，确定所述交通违法数据是否正确。