(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211074412.0 (22)申请日 2022.09.03 (71)申请人 新疆维吾尔自治区公安厅交通警察 总队 地址 830000 新疆维吾尔自治区乌鲁 木齐 市贵州路21号 (72)发明人 王向乾　甫拉提·夏木西丁　 张雷元　刘海平　 艾克拜尔·艾买提　杨帅　张端海　 (74)专利代理 机构 新疆知产力专利代理事务所 (特殊普通 合伙) 65113 专利代理师 马金红 (51)Int.Cl. G06V 20/54(2022.01) G06V 10/50(2022.01)G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 40/16(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种车辆违法行为的特征图像库构建方法、 判定方法及装置 (57)摘要 本申请公开了一种车辆违法行为的特征图 像库构建方法， 包括： 获取违 法图像集； 抽取违 法 图像集中的违 法图像的特征图像； 根据特征图像 建立特征图像库； 发送特征图像库至学习神经网 络。 本发明提供一种用于机器学习的车辆违法行 为特征图像库构建方法， 通过与公安交通集成指 挥平台数据库建立数据链路， 调取 非现场违法历 史数据和对应的违 法视频图像， 并对图像进行模 糊化、 标签化等预处理， 抽取违 法行为特征图像， 采用树结构方式组织成特征图像库， 对外开放数 据接口， 为机器学习算法提供训练样本集和测试 集， 从而提高视频图像智能化分析算法的效率和 精度， 为精准执法、 高效执法提供支持， 有效规范 路面通行秩序和保障道路交通 安全。 权利要求书2页 说明书6页 附图2页 CN 115546739 A 2022.12.30 CN 115546739 A 1.一种车辆违法行为的特 征图像库构建方法， 其特 征在于， 包括： 获取违法图像集； 抽取所述违法图像集中的违法图像的特 征图像； 根据所述特 征图像建立特 征图像库； 发送所述特征图像库至学习神经网络， 其中， 所述特征图像库为所述学习神经网络的 训练样本集或测试集。 2.根据权利要求1所述的车辆违法行为的特征图像库构建方法， 其特征在于， 获取违法 图像集包括： 通过ETL工具， 从非现场违法记录表中违法信息； 根据所述违法信息， 调取服务器中的视频图像文件， 所述视频图像文件所组成图像集 即为所述违法图像集； 其中， 所述违法信息包括： 抽取车辆类型、 车身颜色、 车辆 品牌、 违法行为、 违法时间、 道 路类型及图像文件地址 。 3.根据权利要求2所述的车辆违法行为的特征图像库构建方法， 其特征在于， 抽取所述 违法图像集中的违法图像的特 征图像包括： 针对预设的每一类违法行为， 通过方向梯度直方图从所述违法图像中检测和分割表征 该类违法特征的道路、 车辆、 行为特 征要素图像； 通过方向梯度直方图从所述违法图像中检测和分割表征该类违法特征的道路、 车辆、 行为特征要素图像包括： 根据公式P(x， y)＝I(x， y)gamma， 采用伽马校正法对违法图像进行颜色空间的标准化， 调 节图像对比度， 降低图像局部的阴影和光照变化所造成的影 响， 抑制噪音干扰， 其中P(x， y) 为归一化以后的像素点， I(x， y)为原 始图像中的像素点， g amma＝1/2； 根据公式Gx(x， y)＝P(x， y)*[ ‑1， 0， 1]及 通过[‑1,0,1]梯度算子 对标准化图像做卷积运算， 获取以向右为正方向的水平方向的梯度分量， 通过[1,0, ‑1]T梯 度算子对原图像进行卷积运算， 获取以向上为正方向的竖直方向的梯度分量， 其中， Gx(x， y)为所述归一化的像素点(x， y)处的水平方向梯度， Gy(x， y)为所述归一化的像素点(x， y) 处的垂直方向梯度； 然后通过公式 及 获取 所述归一化的像素点的梯度大小和方向， 其中， G(x， y)为所述归一化的像素点(x， y)处的梯 度大小， α(x， y)为所述归一 化的像素点(x， y)处的梯度方向。 将图像分成多个单元格， 每个所述单元格为6*6个像素， 将所述单元格的梯度方向的 360度分成9个方向块， 对所述单元格内每个像素用梯度方向在直方图中进行加权投影， 映 射到固定角度范围， 得到所述单元格的梯度方向直方图， 所述梯度方向直方图为所述单元 格对应的9维特 征向量； 3*3个细胞单元格组合成空间上连通的区间块， 将一个所述区间块内所有所述单元格 的特征向量串联， 以获得所述区间块的方向梯度直方图特征， 将所有所述区间块的方向梯 度直方图征串联， 以获得 所述违法图像的方向梯度直方图特 征。权　利　要　求　书 1/2 页 2 CN 115546739 A 24.根据权利要求3所述的车辆违法行为的特征图像库构建方法， 其特征在于， 抽取所述 违法图像集中的违法图像的特 征图像之前还 包括： 预处理所述违法图像集中的违法图像， 所述预处理所述违法图像集中的违法图像包 括： 根据所述违法图像中的车辆的车身颜色特点和规律建模， 识别 到所述车辆的车辆兴趣 目标区域， 从而将所述车辆的车辆区域和非车辆区域分开； 对所述车辆区域进行几何变换； 模糊化所述车辆区域中的车辆号 牌、 驾驶人、 乘车 人脸部信息 。 5.根据权利要求4所述的车辆违法行为的特征图像库构建方法， 其特征在于， 根据 所述 特征图像建立特 征图像库包括： 将所述特 征图像按照树状层次结构， 分为 三层数据存 储； 其中， 第一层数据为违法行为类型数据， 第二层数据为车辆类型数据， 第 三层数据为道 路类型数据。 6.根据权利要求5所述的车辆违法行为的特征图像库构建方法， 其特征在于， 发送所述 特征图像库至学习神经网络包括： 按照神经网络层次关系， 提供三层数据接口， 为机器学习算法提供训练样本集和测试 集； 其中， 通过第一层数据接口访 问各种违法行为对应的特征图像文件； 通过第二层数据 接口访问各种车辆类型对应的违法特征图像文件； 通过第三层数据接口访问各种道路类型 对应的违法特 征图像文件； 其中， 所有所述数据接口均包括单个文件查询接口、 多文件遍历接口、 批量文件的导出 接口， 为机器学习算法提供 数据集访问服 务。 7.一种车辆违法行为的判定方法， 其特 征在于， 包括： 通过上述任意 一项车辆违法行为的特 征图像库构建方法构建违法行为特 征图像库； 通过所述违法行为特 征图像库判定车辆违法行为是否成立。 8.一种车辆违法行为的特 征图像库构建装置， 其特 征在于， 包括： 图像集获取模块， 被 配置为获取违法图像集； 特征图像抽取模块， 被 配置为抽取 所述违法图像集中的违法图像的特 征图像； 特征图像库建立模块， 被 配置为根据所述特 征图像建立特 征图像库； 发送模块， 被 配置为发送所述特 征图像库至学习神经网络 。权　利　要　求　书 2/2 页 3 CN 115546739 A 3