[發(fā)明專利]基于AI的交通違法憑證生成方法、裝置、終端及存儲介質

在審

• 申請?zhí)枺?/td>: 202010967713.0
• 申請日: 2020-09-15
• 公開（公告）號: CN112016520A
• 公開（公告）日: 2020-12-01
• 發(fā)明（設計）人: 曹素云
• 申請（專利權）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G06F21/64;G06Q30/02;G06Q50/30;G06N3/04
• 代理公司: 深圳市賽恩倍吉知識產(chǎn)權代理有限公司 44334
• 代理人: 何春蘭;遲珊珊

1.一種基于AI的交通違法憑證生成方法，其特征在于，所述方法包括：

從數(shù)據(jù)庫中讀取交通違法數(shù)據(jù)及所述交通違法數(shù)據(jù)的數(shù)據(jù)來源；

獲取與所述交通違法數(shù)據(jù)的數(shù)據(jù)來源對應的封裝協(xié)議并使用所述封裝協(xié)議從所述交通違法數(shù)據(jù)中解析出交通違法信息，其中，所述交通違法信息包括違法視頻、違法位置及違法時間；

調用交通違法類型識別模型識別出所述違法視頻的交通違法類型，并確定與所述交通違法類型對應的違法代碼編號；

判斷所述違法位置是否有效及判斷所述違法時間是否有效；

響應于判斷的所述違法位置有效且所述違法時間有效，從所述違法視頻中截取出多張標準交通違法圖片；

采用字符疊加器將所述交通違法信息及所述違法代碼編號疊加在所述多張標準交通違法圖片中得到多張交通違法憑證圖片。

2.如權利要求1所述的基于AI的交通違法憑證生成方法，其特征在于，所述從所述違法視頻中截取出多張標準交通違法圖片包括：

接收用戶在所述違法視頻對應的時間軸上標記的多個時間分割線；

根據(jù)所述多個時間分割線將所述違法視頻分割成多個違法視頻子片段；

對每一個違法視頻子片段進行分幀處理得到多個幀圖像；

調用目標檢測算法檢測每一個違法視頻子片段對應的每一個幀圖像中的目標對象并計算所述目標對象對應的區(qū)域的面積；

確定所述面積最大的區(qū)域對應的幀圖像為對應違法視頻子片段的標準交通違法圖片。

3.如權利要求1所述的基于AI的交通違法憑證生成方法，其特征在于，判斷所述違法位置是否有效包括：

獲取電子地圖并根據(jù)所述違法位置在所述電子地圖上進行錨點；

在所述電子地圖上顯示以所述錨點為中心以預設長度為半徑的輻射區(qū)域；

接收用戶輸入的信息，并根據(jù)所述輸入的信息確認所述違法位置是否有效。

4.如權利要求1所述的基于AI的交通違法憑證生成方法，其特征在于，判斷所述違法時間是否有效包括：

獲取與所述交通違法類型對應的多個預設時間段；

將所述違法時間與所述多個預設時間段進行比對；

根據(jù)比對結果確認所述違法時間是否有效。

5.如權利要求1所述的基于AI的交通違法憑證生成方法，其特征在于，所述交通違法類型識別模型的訓練過程包括：

獲取多個違章車輛在交通違法時刻的前后一段時間內的第一行駛視頻，及獲取多個未違章車輛正常行駛一段時間內的第二行駛視頻；

為每一個所述第一行駛視頻標記交通違法類型及為每一個所述第二行駛視頻標記正常類型；

將所述第一行駛視頻及對應的交通違法類型作為正樣本數(shù)據(jù)集，將所述第二行駛視頻及正常類型作為負樣本數(shù)據(jù)集；

基于所述正樣本數(shù)據(jù)集和所述負樣本數(shù)據(jù)集訓練深度神經(jīng)網(wǎng)絡得到交通違法類型識別模型。

6.如權利要求1至5中任意一項所述的基于AI的交通違法憑證生成方法，其特征在于，所述方法還包括：

利用信息摘要算法對每張交通違法憑證圖片進行防偽處理，生成防偽碼；

嵌入所述防偽碼至對應的交通違法憑證圖片中。

7.如權利要求1至5中任意一項所述的基于AI的交通違法憑證生成方法，其特征在于，所述方法還包括：

構建交通區(qū)塊鏈及在所述交通區(qū)塊鏈中部署交通違法舉報獎懲智能合約；

將所述多張交通違法憑證圖片上傳至所述交通區(qū)塊鏈中進行共識；

在共識完成后，調用所述交通違法舉報獎懲智能合約根據(jù)所述違法代碼編號確定所述交通違法數(shù)據(jù)的舉報者的激勵積分，并將所述激勵積分轉入至所述舉報者的賬戶中。