[发明专利]车辆违法检测方法、装置、电子装置和存储介质

说明书

本申请涉及一种车辆违法检测方法、装置、电子装置和存储介质。其中，该车辆违法检测方法包括：控制枪机采集车辆全景图像；根据枪机采集到的车辆全景图像，和枪机与其关联的球机之间的坐标映射关系，控制球机定位车辆全景图像中的目标车辆，并采集目标车辆的图像；将目标车辆的图像输入到已训练完备的深度学习模型中，得到目标车辆的违法信息检测结果，其中，已训练完备的深度学习模型被训练为预测车辆图像中的车辆违法信息。通过本申请，解决了相关技术中存在违法信息的检测准确度低的问题，提高了违法信息的检测准确度。

技术领域

本申请涉及图像处理领域，特别是涉及车辆违法检测方法、装置、电子装置和存储介质。

背景技术

在车辆违法检测的实践过程中，最传统的手段是通过单一的摄像机进行图像抓拍，后期经人工审核做出违法行为判断进行处罚，不仅执法人员工作量大，而且违法判断存在主观性差异性；近几年随着科学技术的逐步成熟，更多的智能方案得以落地实施，尤其是电子警察产品，通过相机对违法行为多张自动抓拍，提升了交警的非现场执法效率，但是这种方式所抓拍的图形角度单一，只能对固定区域视角进行抓拍，且前端设备智能化计算能力有限，检测精度和效率仍不够高效。

针对相关技术中存在违法信息的检测准确度低的问题，目前还没有提出有效的解决方案。

发明内容

在本实施例中提供了一种车辆违法检测方法、装置、电子装置和存储介质，以解决相关技术中违法信息的检测准确度低的问题。

第一个方面，在本实施例中提供了一种车辆违法检测方法，包括：

控制枪机采集车辆全景图像；

根据所述枪机采集到的所述车辆全景图像，和所述枪机与其关联的球机之间的坐标映射关系，控制所述球机定位所述车辆全景图像中的目标车辆，并采集所述目标车辆的图像；

将所述目标车辆的图像输入到已训练完备的深度学习模型中，得到所述目标车辆的违法信息检测结果，其中，所述已训练完备的深度学习模型被训练为预测车辆图像中的车辆违法信息。

在其中的一些实施例中，根据所述枪机采集到的所述车辆全景图像，和所述枪机与其关联的球机之间的坐标映射关系，控制所述球机定位所述车辆全景图像中的目标车辆，并采集所述目标车辆的图像包括：

确定所述车辆全景图中的目标车辆的坐标；

根据所述车辆坐标，和所述枪机与其关联的球机之间的坐标映射关系，确定所述球机的目标转动角度；

控制所述球机转动所述目标转动角度，并采集所述目标车辆的图像。

在其中的一些实施例中，在将所述目标车辆的图像输入到已训练完备的深度学习模型中，得到所述目标车辆的违法信息检测结果之前，所述方法还包括：

对所述目标车辆的图像进行灰度处理，得到所述目标车辆的图像的前景和背景；

根据所述前景和所述背景，确定最大类间方差；

根据所述最大类间方差，对所述目标车辆的图像进行分割；

对分割之后的目标车辆的图像进行特征检测并进行融合，得到融合之后的所述目标车辆的图像。

在其中的一些实施例中，所述已训练完备的深度学习模型的训练方法包括：

获取训练样本和未训练的深度学习模型，所述训练样本包括：不具有违法信息的第一车辆图像，以及具有违法信息的第二车辆图像；

以所述第二车辆图像作为输入，以所述第一车辆图像作为监督，训练所述未训练的深度学习模型，直至所述未训练的深度学习模型参数收敛，得到所述已训练完备的深度学习模型。