[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(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010967713.0
• 申請(qǐng)日: 2020-09-15
• 公開(kāi)（公告）號(hào): CN112016520A
• 公開(kāi)（公告）日: 2020-12-01
• 發(fā)明（設(shè)計(jì)）人: 曹素云
• 申請(qǐng)（專利權(quán)）人: 平安國(guó)際智慧城市科技股份有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): 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(shí)產(chǎn)權(quán)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(kù)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(lái)源；

獲取與所述交通違法數(shù)據(jù)的數(shù)據(jù)來(lái)源對(duì)應(yīng)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(shí)間；

調(diào)用交通違法類型識(shí)別模型識(shí)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(duì)應(yīng)的違法代碼編號(hào)；

判斷所述違法位置是否有效及判斷所述違法時(shí)間是否有效；

響應(yīng)于判斷的所述違法位置有效且所述違法時(shí)間有效，從所述違法視頻中截取出多張標(biāo)準(zhǔn)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(hào)疊加在所述多張標(biāo)準(zhǔn)交通違法圖片中得到多張交通違法憑證圖片。

2.如權(quán)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(biāo)準(zhǔn)交通違法圖片包括：

接收用戶在所述違法視頻對(duì)應(yīng)的時(shí)間軸上標(biāo)記的多個(gè)時(shí)間分割線；

根據(jù)所述多個(gè)時(shí)間分割線將所述違法視頻分割成多個(gè)違法視頻子片段；

對(duì)每一個(gè)違法視頻子片段進(jìn)行分幀處理得到多個(gè)幀圖像；

調(diào)用目標(biāo)檢測(cè)算法檢測(cè)每一個(gè)違法視頻子片段對(duì)應(yīng)的每一個(gè)幀圖像中的目標(biāo)對(duì)象并計(jì)算所述目標(biāo)對(duì)象對(duì)應(yīng)的區(qū)域的面積；

確定所述面積最大的區(qū)域?qū)?yīng)的幀圖像為對(duì)應(yīng)違法視頻子片段的標(biāo)準(zhǔn)交通違法圖片。

3.如權(quán)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(jìn)行錨點(diǎn)；

在所述電子地圖上顯示以所述錨點(diǎn)為中心以預(yù)設(shè)長(zhǎng)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(rèn)所述違法位置是否有效。

4.如權(quán)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(shí)間是否有效包括：

獲取與所述交通違法類型對(duì)應(yīng)的多個(gè)預(yù)設(shè)時(shí)間段；

將所述違法時(shí)間與所述多個(gè)預(yù)設(shè)時(shí)間段進(jìn)行比對(duì)；

根據(jù)比對(duì)結(jié)果確認(rèn)所述違法時(shí)間是否有效。

5.如權(quán)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(shí)別模型的訓(xùn)練過(guò)程包括：

獲取多個(gè)違章車輛在交通違法時(shí)刻的前后一段時(shí)間內(nèi)的第一行駛視頻，及獲取多個(gè)未違章車輛正常行駛一段時(shí)間內(nèi)的第二行駛視頻；

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

將所述第一行駛視頻及對(duì)應(yīng)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(fù)樣本數(shù)據(jù)集；

基于所述正樣本數(shù)據(jù)集和所述負(fù)樣本數(shù)據(jù)集訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)得到交通違法類型識(shí)別模型。

6.如權(quán)利要求1至5中任意一項(xiàng)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(duì)每張交通違法憑證圖片進(jìn)行防偽處理，生成防偽碼；

嵌入所述防偽碼至對(duì)應(yīng)的交通違法憑證圖片中。

7.如權(quán)利要求1至5中任意一項(xiàng)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(gòu)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(bào)獎(jiǎng)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(jìn)行共識(shí)；

在共識(shí)完成后，調(diào)用所述交通違法舉報(bào)獎(jiǎng)懲智能合約根據(jù)所述違法代碼編號(hào)確定所述交通違法數(shù)據(jù)的舉報(bào)者的激勵(lì)積分，并將所述激勵(lì)積分轉(zhuǎn)入至所述舉報(bào)者的賬戶中。