本發(fā)明涉及終端設(shè)備技術(shù)領(lǐng)域，具體而言，本發(fā)明涉及一種車輛違章檢測的方法以及一種車輛違章檢測設(shè)備。

背景技術(shù)：

在行車過程中，如果車主在行駛通過交叉路口時不遵守紅燈挺的規(guī)則而故意穿紅燈，或者肆意忽略“此處危險，禁止XX”的警示通告而任意行駛，這不僅會對駕駛違規(guī)的車主自身造成安全危害，還會殃及其他車主的人身安全。面對安全問題層出不窮的當今社會，安全意識的淡薄往往比安全隱患更可怕。很多人心中的安全，其實只是“自以為是”的安全。當危險發(fā)生，自己的心存僥幸受到懲罰后，后悔也隨之已晚。因此，將安全問題重視起來，提高公眾的安全意識顯得愈發(fā)重要。

現(xiàn)如今，交通規(guī)范已成為城市文明建設(shè)中的重要一環(huán)。公安交警部門鼓勵廣大車主在行駛過程中拍攝記錄違法行違章行為，車主可在錄制的行車視頻中查看并選取路面其他車輛違規(guī)的視頻，在選擇違規(guī)視頻后，可以將違規(guī)事件的相關(guān)信息如發(fā)生地點、發(fā)生時間等信息填好，最后，通過違章舉報相關(guān)APP手動上傳違規(guī)視頻和違規(guī)事件的相關(guān)信息，該違規(guī)視頻和違規(guī)事件的相關(guān)信息一經(jīng)交警部門審核采用，將作為執(zhí)法證據(jù)并可以有力協(xié)助交警執(zhí)法。

技術(shù)實現(xiàn)要素：

為克服上述技術(shù)問題或者至少部分地解決上述技術(shù)問題，特提出以下技術(shù)方案：

本發(fā)明的一個實施例提出了一種車輛違章檢測設(shè)備，包括圖像捕獲裝置和至少一個處理裝置；

圖像捕獲裝置被配置為在本車輛附近獲取多個區(qū)域的行車視頻；

至少一個處理裝置可以被配置成基于預定的車道線檢測方法確定視頻獲取裝置獲取的行車視頻中車道線的位置，并根據(jù)車道線的位置確定行車視頻中目標車輛的行車數(shù)據(jù)；

根據(jù)已確定的行車數(shù)據(jù)判斷目標車輛是否發(fā)生違章行為，并當發(fā)生違章行為時，針對目標車輛的違章行為進行報警操作。

優(yōu)選地，至少一個處理裝置可以被配置成對圖像捕獲裝置獲取的行車視頻中的空間幀圖像進行轉(zhuǎn)換操作，以將空間幀圖像轉(zhuǎn)換為平面圖像，并基于平面圖像確定行車視頻中車道線的位置。

優(yōu)選地，至少一個處理裝置可以被配置成基于預定的線段檢測算法檢測空間幀圖像中的空間線段，并通過將空間線段映射到散域的方式以確定與空間線段相應(yīng)的平面線段。

優(yōu)選地，至少一個處理裝置可以被配置成從平面圖像的平面線段中確定干擾線段及有效線段，以及濾除干擾線段，并基于有效線段來確定行車視頻中車道線的位置。

優(yōu)選地，至少一個處理裝置可以被配置成確定任一平面線段與目標車輛的夾角，并判斷夾角是否大于預定的最大夾角閾值，以及若判斷大于預定的最大夾角閾值，則濾除該平面線段。

可選地，至少一個處理裝置還可以被配置成確定與車道線相應(yīng)的平面曲線，并將平面曲線反向轉(zhuǎn)換為空間曲線，以及基于空間曲線在行車視頻中矯正車道線的位置。

優(yōu)選地，通過以下方式確定行車視頻中的目標車輛：

基于多層神經(jīng)網(wǎng)絡(luò)算法對行車視頻進行圖像識別；

根據(jù)圖像識別結(jié)果確定目標車輛。

優(yōu)選地，行車數(shù)據(jù)包括表示目標車輛的位置與車道線的位置是否存在重疊的信息；

其中，至少一個處理裝置可以被配置成根據(jù)車道線的位置和目標車輛的位置，確定目標車輛的位置與車道線的位置是否存在重疊。

優(yōu)選地，至少一個處理裝置可以被配置成當目標車輛的位置與車道線的位置存在重疊時，確定目標車輛發(fā)生違章行為。

本發(fā)明的另一實施例提出了一種車輛違章檢測的方法，包括：

基于預定的車道線檢測方法確定已獲取的行車視頻中車道線的位置；

根據(jù)車道線的位置確定行車視頻中目標車輛的行車數(shù)據(jù)；

根據(jù)行車數(shù)據(jù)判斷目標車輛是否發(fā)生違章行為；

若是，則針對目標車輛的違章行為進行報警操作。

優(yōu)選地，基于預定的車道線檢測方法確定已獲取的行車視頻中車道線的位置，包括：

對已獲取的行車視頻中的空間幀圖像進行轉(zhuǎn)換操作，以將空間幀圖像轉(zhuǎn)換為平面圖像；

基于平面圖像確定行車視頻中車道線的位置。

優(yōu)選地，對已獲取的行車視頻中的空間幀圖像進行轉(zhuǎn)換操作，以將空間幀圖像轉(zhuǎn)換為平面圖像，包括：

基于預定的線段檢測算法檢測空間幀圖像中的空間線段；

通過將空間線段映射到散域的方式來確定與空間線段相應(yīng)的平面線段。

優(yōu)選地，基于平面圖像確定行車視頻中車道線的位置，包括：

從平面圖像的平面線段中確定干擾線段及有效線段；

濾除干擾線段，并基于有效線段來確定行車視頻中車道線的位置。

優(yōu)選地，濾除干擾線段，包括：

確定任一平面線段與目標車輛的夾角；

判斷夾角是否大于預定的最大夾角閾值；

若判斷大于預定的最大夾角閾值，則濾除該平面線段。

可選地，該方法還包括：

確定與車道線相應(yīng)的平面曲線；

將平面曲線反向轉(zhuǎn)換為空間曲線；

基于空間曲線在行車視頻中矯正車道線的位置。

優(yōu)選地，通過以下方式確定行車視頻中的目標車輛：

基于多層神經(jīng)網(wǎng)絡(luò)算法對行車視頻進行圖像識別；

根據(jù)圖像識別結(jié)果確定目標車輛。

優(yōu)選地，行車數(shù)據(jù)包括表示目標車輛的位置與車道線的位置是否存在重疊的信息；

其中，根據(jù)車道線的位置確定行車視頻中目標車輛的行車數(shù)據(jù)，包括：

根據(jù)車道線的位置和目標車輛的位置，確定目標車輛的位置與車道線的位置是否存在重疊。

優(yōu)選地，根據(jù)行車數(shù)據(jù)判斷目標車輛是否發(fā)生違章行為，包括：

若目標車輛的位置與車道線的位置存在重疊，則確定目標車輛發(fā)生違章行為。

本發(fā)明的技術(shù)方案解決了如何自動檢測車輛違規(guī)行為，并依據(jù)違規(guī)行為進行報警操作的問題?；陬A定的車道線檢測方法確定已獲取的行車視頻中車道線的位置，可以依據(jù)確定的車道線的位置自動檢測目標車輛是否發(fā)生違規(guī)行為；隨后，根據(jù)車道線的位置確定行車視頻中目標車輛的行車數(shù)據(jù)，并根據(jù)行車數(shù)據(jù)判斷目標車輛是否發(fā)生違章行為，行車數(shù)據(jù)是依據(jù)車輛違規(guī)行為自動獲取的，無需用戶手動操作，減輕了用戶的操作復雜度，更保證了當檢測到目標車輛發(fā)生違規(guī)行為時立即進行報警操作的執(zhí)行效率，在提高報警準確性的同時，大大提高了報警及時性。針對目標車輛的違章行為進行報警操作，使得在路面上違規(guī)的目標車輛無處可逃，目標車輛的車主不能存在僥幸心理，只要違法就會被報警，從而經(jīng)過一定的時間后，道路上的行車環(huán)境會越來越好。

本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出，這些將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。

附圖說明

本發(fā)明上述的和/或附加的方面和優(yōu)點從下面結(jié)合附圖對實施例的描述中將變得明顯和容易理解，其中：

圖1為本發(fā)明一個實施例的車輛違章檢測設(shè)備的結(jié)構(gòu)示意圖；

圖2為本發(fā)明一個實施例的車輛壓線示意圖；

圖3為本發(fā)明一個實施例的車道線彎曲情況的示意圖；

圖4為本發(fā)明另一實施例的車輛違章檢測的方法的流程示意圖；

圖5為本發(fā)明另一優(yōu)選實施例的車輛違章檢測的方法的流程示意圖。

具體實施方式

下面詳細描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，僅用于解釋本發(fā)明，而不能解釋為對本發(fā)明的限制。

本技術(shù)領(lǐng)域技術(shù)人員可以理解，除非特意聲明，這里使用的單數(shù)形式“一”、“一個”、“所述”和“該”也可包括復數(shù)形式。應(yīng)該進一步理解的是，本發(fā)明的說明書中使用的措辭“包括”是指存在所述特征、整數(shù)、步驟、操作、元件和/或組件，但是并不排除存在或添加一個或多個其他特征、整數(shù)、步驟、操作、元件、組件和/或它們的組。應(yīng)該理解，當我們稱元件被“連接”或“耦接”到另一元件時，它可以直接連接或耦接到其他元件，或者也可以存在中間元件。此外，這里使用的“連接”或“耦接”可以包括無線連接或無線耦接。這里使用的措辭“和/或”包括一個或更多個相關(guān)聯(lián)的列出項的全部或任一單元和全部組合。

本技術(shù)領(lǐng)域技術(shù)人員可以理解，除非另外定義，這里使用的所有術(shù)語(包括技術(shù)術(shù)語和科學術(shù)語)，具有與本發(fā)明所屬領(lǐng)域中的普通技術(shù)人員的一般理解相同的意義。還應(yīng)該理解的是，諸如通用字典中定義的那些術(shù)語，應(yīng)該被理解為具有與現(xiàn)有技術(shù)的上下文中的意義一致的意義，并且除非像這里一樣被特定定義，否則不會用理想化或過于正式的含義來解釋。

本技術(shù)領(lǐng)域技術(shù)人員可以理解，這里所使用的“終端”、“終端設(shè)備”既包括無線信號接收器的設(shè)備，其僅具備無發(fā)射能力的無線信號接收器的設(shè)備，又包括接收和發(fā)射硬件的設(shè)備，其具有能夠在雙向通信鏈路上，進行雙向通信的接收和發(fā)射硬件的設(shè)備。這種設(shè)備可以包括：蜂窩或其他通信設(shè)備，其具有單線路顯示器或多線路顯示器或沒有多線路顯示器的蜂窩或其他通信設(shè)備；PCS(Personal Communications Service，個人通信系統(tǒng))，其可以組合語音、數(shù)據(jù)處理、傳真和/或數(shù)據(jù)通信能力；PDA(Personal Digital Assistant，個人數(shù)字助理)，其可以包括射頻接收器、尋呼機、互聯(lián)網(wǎng)/內(nèi)聯(lián)網(wǎng)訪問、網(wǎng)絡(luò)瀏覽器、記事本、日歷和/或GPS(Global Positioning System，全球定位系統(tǒng))接收器；常規(guī)膝上型和/或掌上型計算機或其他設(shè)備，其具有和/或包括射頻接收器的常規(guī)膝上型和/或掌上型計算機或其他設(shè)備。這里所使用的“終端”、“終端設(shè)備”可以是便攜式、可運輸、安裝在交通工具(航空、海運和/或陸地)中的，或者適合于和/或配置為在本地運行，和/或以分布形式，運行在地球和/或空間的任何其他位置運行。這里所使用的“終端”、“終端設(shè)備”還可以是通信終端、上網(wǎng)終端、音樂/視頻播放終端，例如可以是PDA、MID(Mobile Internet Device，移動互聯(lián)網(wǎng)設(shè)備)和/或具有音樂/視頻播放功能的移動電話，也可以是智能電視、機頂盒等設(shè)備。

圖1為本發(fā)明一個實施例的車輛違章檢測設(shè)備的結(jié)構(gòu)示意圖。

在本發(fā)明的實施例中，車輛違章檢測設(shè)備包括但不限于圖像捕獲裝置110和至少一個處理裝置120，其中，圖像捕獲裝置110為具有記錄車輛行駛影像、為交通事故提供證據(jù)的設(shè)備，如行車記錄儀。

行車記錄儀即記錄車輛行駛途中的影像及聲音等相關(guān)資訊的儀器。安裝行車記錄儀后，能夠記錄汽車行駛?cè)^程的視頻圖像和聲音，可為交通事故提供證據(jù)。喜歡自駕游的人，還可以用它來記錄征服艱難險阻的過程。開車時邊走邊錄像，同時把時間、速度、所在位置都記錄在錄像里，相當“黑匣子”。也可在家用作DV拍攝生活樂趣，或者作為家用監(jiān)控使用。平時還可以做停車監(jiān)控，通過安裝行車記錄儀獲取的視頻資料不可以裁剪，如果裁剪，在責任事故發(fā)生后則無法提供幫助。安裝行車記錄儀也是為了防止現(xiàn)在社會那些不可避免的碰瓷行為。

圖像捕獲裝置110被配置為在本車輛附近獲取多個區(qū)域的行車視頻。

需要說明的是，圖像捕獲裝置110如行車記錄儀，可以被配置在本車輛車前、車后以及車身周圍，對此本發(fā)明不作限定。

至少一個處理裝置120可以被配置成基于預定的車道線檢測方法確定視頻獲取裝置獲取的行車視頻中車道線的位置，并根據(jù)車道線的位置確定行車視頻中目標車輛的行車數(shù)據(jù)。

首先，需要對圖像捕獲裝置110獲取到的視頻進行處理，隨后，至少一個處理裝置120可以被配備成基于預定的車道線檢測方法確定已獲取的行車視頻中車道線的位置。行車視頻中存在視頻識別干擾因素，如由圖像捕獲裝置110的廣角鏡頭導致的視頻邊緣圖像畸變，又如由車身抖動導致的拍攝的視頻圖像不穩(wěn)定，因此，在對行車視頻中的視頻幀圖像進行圖像識別之前，需要對行車視頻進行處理，以盡可能地排除視頻識別干擾因素，從而保證后續(xù)圖像識別的準確性。

另外，至少一個處理裝置120被配備成進行車道線檢測的裝置將在下文進行具體描述，在此不再進行過多贅述。

需要說明的是，行車視頻中可以包括用戶駕駛的本車輛附近的其他行駛車輛及周邊環(huán)境信息，目標車輛即為本車輛附近的其他行駛車輛。

優(yōu)選地，通過以下方式確定行車視頻中的目標車輛：首先，基于多層神經(jīng)網(wǎng)絡(luò)算法對行車視頻進行圖像識別；其次，根據(jù)圖像識別結(jié)果確定目標車輛。

具體地，可以提取行車視頻中的視頻幀圖像；隨后，將視頻幀圖像輸入圖像識別模型中，該模型可以是基于神經(jīng)網(wǎng)絡(luò)算法訓練而成的；接著，獲取圖像識別模型輸出圖像識別結(jié)果，并基于該結(jié)果確定目標車輛，以及為確定的目標車輛添加車輛輪廓框架。

具體地，由于神經(jīng)網(wǎng)絡(luò)系統(tǒng)具有信息的分布存儲、并行處理以及自學習能力等優(yōu)點，已經(jīng)在信息處理、模式識別、智能控制及系統(tǒng)建模等領(lǐng)域得到越來越廣泛的應(yīng)用。尤其是基于誤差反向傳播算法的多層前饋網(wǎng)絡(luò)，可以以任意精度逼近任意的連續(xù)函數(shù)，因此廣泛應(yīng)用于非線性建模、函數(shù)逼近、模式分類等方面。

神經(jīng)網(wǎng)絡(luò)算法描述如下：

(1)初始化網(wǎng)絡(luò)及學習參數(shù)，如設(shè)置網(wǎng)絡(luò)初始權(quán)矩陣、學習因子等。

(2)提供訓練模式，訓練網(wǎng)絡(luò)，直到滿足學習要求。

(3)前向傳播過程：對給定訓練模式輸入，計算網(wǎng)絡(luò)的輸出模式，并與期望模式比較，若有誤差，則執(zhí)行(4)；否則，返回(2)。

(4)后向傳播過程：a.計算同一層單元的誤差；b.修正權(quán)值和閾值；c.返回(2)。

當然，還存在其他算法可以進行圖像識別，以上只是介紹其中一種優(yōu)選方法。

可選地，可以提取行車視頻中的多個視頻幀圖像，并且在識別出目標車輛之后，對多個視頻幀圖像中的目標車輛進行追蹤。通過對目標車輛進行追蹤得到的目標車輛識別準確度要大大高于通過單一視頻幀圖像進行識別得到的目標車輛識別準確度。

優(yōu)選地，行車數(shù)據(jù)包括但不限于表示目標車輛的位置與車道線的位置是否存在重疊的信息；其中，至少一個處理裝置120可以被配置成根據(jù)車道線的位置和目標車輛的位置，確定目標車輛的位置與車道線的位置是否存在重疊。

具體地，在標定車道線的位置和目標車輛的位置之后，至少一個處理裝置120可以對上述兩種位置進行比較，以確定目標車輛的位置與車道線的位置是否存在重疊。

最后，根據(jù)已確定的行車數(shù)據(jù)判斷目標車輛是否發(fā)生違章行為，并當發(fā)生違章行為時，針對目標車輛的違章行為進行報警操作。

優(yōu)選地，至少一個處理裝置120可以被配置成當目標車輛的位置與車道線的位置存在重疊時，確定目標車輛發(fā)生違章行為。如圖2所示，當目標車輛的位置與車道線的位置存在重疊時，可以判斷目標車輛踩壓車道線，因此確定目標車輛發(fā)生違章行為。

可選地，至少一個處理裝置120除了根據(jù)車道線的位置確定行車視頻中目標車輛的行車數(shù)據(jù)之外，還可以根據(jù)用戶車輛的位置與目標車輛的位置確定行車視頻中目標車輛的行車數(shù)據(jù)，并且根據(jù)上述行車數(shù)據(jù)判斷目標車輛是否發(fā)生違章行為。

具體地，在獲取行車視頻之前，至少一個處理裝置120首先需要確定圖像捕獲裝置110的安裝高度、俯仰角和/或橫擺角；隨后，在行車視頻中確定用戶車輛的位置和目標車輛的位置；接著，根據(jù)確定的圖像捕獲裝置110的安裝高度、俯仰角和/或橫擺角與用戶車輛的位置、目標車輛的位置確定目標車輛與用戶車輛的第一實際距離；接著，在預定的時間后，再次根據(jù)確定的圖像捕獲裝置110的安裝高度、俯仰角和/或橫擺角與用戶車輛的位置、目標車輛的位置確定目標車輛與用戶車輛的第二實際距離；隨后，確定第一實際距離與第二實際距離的差值，并根據(jù)該差值、用戶車輛的行車速度和預定時間長度計算目標車輛行車速度；最后，根據(jù)目標車輛行車速度確定目標車輛是否超速，若超速，則判斷目標車輛發(fā)生違章行為。

若處理裝置120判斷目標車輛發(fā)生違章行為，則針對目標車輛的違章行為進行報警操作。

具體地，當至少一個處理裝置120判斷目標車輛發(fā)生違章行為時，首先，可以確定包含目標車輛發(fā)生違章行為的視頻幀圖像；隨后，截取包含目標車輛發(fā)生違章行為的視頻幀圖像的預定時間長度的行車視頻；最后，基于截取的行車視頻進行報警操作。需要說明的是，截取的預定時間長度的行車視頻能夠記錄違章目標車輛違章的全過程，以對報警操作進行舉證。

此外，報警操作可以是用戶手動觸發(fā)進行地操作，也可以是設(shè)備自動執(zhí)行地操作，其中，設(shè)備自動執(zhí)行地操作可以是，首先，處理裝置120獲取報警數(shù)據(jù)，接著，將報警數(shù)據(jù)上傳用于進行報警操作的服務(wù)器。其中，報警數(shù)據(jù)可以包括違章行為發(fā)生地、違章行為發(fā)生時間、截取的違章行車視頻。

以上是對于本發(fā)明方案設(shè)備的整體說明，下面將會對處理裝置120如何被配置成可以進行車道線檢測的裝置進行具體描述：

至少一個處理裝置120可以被配置成對圖像捕獲裝置110獲取的行車視頻中的空間幀圖像進行轉(zhuǎn)換操作，以將空間幀圖像轉(zhuǎn)換為平面圖像，并基于平面圖像確定行車視頻中車道線的位置。

具體地，實際車道線應(yīng)該是兩條平行的線，然而，在行車視頻中的空間幀圖像中會被扭曲成相交的線，因此，首先，需要將空間幀圖像轉(zhuǎn)換為平面圖像，以將相交的線還原成實際平行的線；接著，基于平面圖像確定行車視頻中車道線的位置。

優(yōu)選地，至少一個處理裝置120可以被配置成基于預定的線段檢測算法檢測空間幀圖像中的空間線段，并通過將空間線段映射到散域的方式以確定與空間線段相應(yīng)的平面線段。

首先，基于預定的線段檢測算法檢測空間幀圖像中的空間線段。

具體地，可以通過基于Hough變換的線段檢測方法、Burns邊緣檢測算法、端點擴張線段檢測法、LSD線段檢測法等線段檢測算法檢測空間幀圖像中的空間線段。

隨后，通過將空間線段映射到散域的方式來確定與空間線段相應(yīng)的平面線段。

需要說明的是，可以通過將將空間線段映射到散域的方式來將空間線段轉(zhuǎn)換成與之相應(yīng)的平面線段。

優(yōu)選地，至少一個處理裝置120可以被配置成從平面圖像的平面線段中確定干擾線段及有效線段，以及濾除干擾線段，并基于有效線段來確定行車視頻中車道線的位置。

優(yōu)選地，至少一個處理裝置120可以被配置成可以確定任一平面線段與目標車輛的夾角，并判斷夾角是否大于預定的最大夾角閾值，以及若判斷大于預定的最大夾角閾值，則濾除該平面線段。

一般地，可以取目標車輛的中心軸為標準線，由于車道線與目標車輛基本是平行的，而與目標車輛垂直的線段不會是車道線，因此，確定與目標車輛的中心軸的標準線夾角為90°左右的線段為干擾線段。可以根據(jù)實際經(jīng)驗確定最大夾角閾值，并判斷任一平面線段與目標車輛的夾角是否大于預定的最大夾角閾值，若判斷大于預定的最大夾角閾值，則濾除該平面線段。

通過以上至少一個處理裝置120可以在平面中確定車道線的位置，隨后，可以依據(jù)平面中的車道線的位置確定與之相應(yīng)的行車視頻中的車道線的位置。

可選地，本發(fā)明實施例提供的至少一個處理裝置120還可以被配置成確定與車道線相應(yīng)的平面曲線，并將平面曲線反向轉(zhuǎn)換為空間曲線，以及基于空間曲線在行車視頻中矯正車道線的位置。

如圖3所示，由于實際道路中的車道線不是一條筆直的車道線，而會根據(jù)路面的導向有所彎曲，故而為了更準確地確定車道線，可以將車道線進行彎曲，以獲得與車道線相應(yīng)的平面曲線；隨后，將平面曲線反向轉(zhuǎn)換為空間曲線；最后，確定反向轉(zhuǎn)換后的空間曲線在行車視頻中對應(yīng)的線段，并確定該線段為矯正的車道線的位置。

本發(fā)明的技術(shù)方案解決了如何自動檢測車輛違規(guī)行為，并依據(jù)違規(guī)行為進行報警操作的問題?；陬A定的車道線檢測方法確定已獲取的行車視頻中車道線的位置，可以依據(jù)確定的車道線的位置自動檢測目標車輛是否發(fā)生違規(guī)行為；隨后，根據(jù)車道線的位置確定行車視頻中目標車輛的行車數(shù)據(jù)，并根據(jù)行車數(shù)據(jù)判斷目標車輛是否發(fā)生違章行為，行車數(shù)據(jù)是依據(jù)車輛違規(guī)行為自動獲取的，無需用戶手動操作，減輕了用戶的操作復雜度，更保證了當檢測到目標車輛發(fā)生違規(guī)行為時立即進行報警操作的執(zhí)行效率，在提高報警準確性的同時，大大提高了報警及時性。針對目標車輛的違章行為進行報警操作，使得在路面上違規(guī)的目標車輛無處可逃，目標車輛的車主不能存在僥幸心理，只要違法就會被報警，從而經(jīng)過一定的時間后，道路上的行車環(huán)境會越來越好。

圖4為本發(fā)明另一實施例的車輛違章檢測的方法的流程示意圖。

在本發(fā)明的實施例中，車輛違章檢測方法通過車輛違章檢測設(shè)備來執(zhí)行，車輛違章檢測設(shè)備為具有記錄車輛行駛影像、為交通事故提供證據(jù)的設(shè)備，如行車記錄儀。

行車記錄儀即記錄車輛行駛途中的影像及聲音等相關(guān)資訊的儀器。安裝行車記錄儀后，能夠記錄汽車行駛?cè)^程的視頻圖像和聲音，可為交通事故提供證據(jù)。喜歡自駕游的人，還可以用它來記錄征服艱難險阻的過程。開車時邊走邊錄像，同時把時間、速度、所在位置都記錄在錄像里，相當“黑匣子”。也可在家用作DV拍攝生活樂趣，或者作為家用監(jiān)控使用。平時還可以做停車監(jiān)控，通過安裝行車記錄儀獲取的視頻資料不可以裁剪，如果裁剪，在責任事故發(fā)生后則無法提供幫助。安裝行車記錄儀也是為了防止現(xiàn)在社會那些不可避免的碰瓷行為。

步驟S410：基于預定的車道線檢測方法確定已獲取的行車視頻中車道線的位置。

需要說明的是，行車視頻可以通過行車記錄儀的攝像設(shè)備獲取。

首先，需要對獲取到的視頻進行處理，隨后，基于預定的車道線檢測方法確定已獲取的行車視頻中車道線的位置。行車視頻中存在視頻識別干擾因素，如由行車記錄儀的廣角鏡頭導致的視頻邊緣圖像畸變，又如由車身抖動導致的拍攝的視頻圖像不穩(wěn)定，因此，在對行車視頻中的視頻幀圖像進行圖像識別之前，需要對行車視頻進行處理，以盡可能地排除視頻識別干擾因素，從而保證后續(xù)圖像識別的準確性。

另外，車道線檢測方法將在下文進行具體描述，在此不再進行過多贅述。

步驟S420：根據(jù)車道線的位置確定行車視頻中目標車輛的行車數(shù)據(jù)。

其中，行車視頻中可以包括用戶駕駛的本車輛附近的其他行駛車輛及周邊環(huán)境信息，目標車輛即為本車輛附近的其他行駛車輛。

優(yōu)選地，通過以下方式確定行車視頻中的目標車輛：首先，基于多層神經(jīng)網(wǎng)絡(luò)算法對行車視頻進行圖像識別；其次，根據(jù)圖像識別結(jié)果確定目標車輛。

具體地，可以提取行車視頻中的視頻幀圖像；隨后，將視頻幀圖像輸入圖像識別模型中，該模型可以是基于神經(jīng)網(wǎng)絡(luò)算法訓練而成的；接著，獲取圖像識別模型輸出圖像識別結(jié)果，并基于該結(jié)果確定目標車輛，以及為確定的目標車輛添加車輛輪廓框架。

具體地，由于神經(jīng)網(wǎng)絡(luò)系統(tǒng)具有信息的分布存儲、并行處理以及自學習能力等優(yōu)點，已經(jīng)在信息處理、模式識別、智能控制及系統(tǒng)建模等領(lǐng)域得到越來越廣泛的應(yīng)用。尤其是基于誤差反向傳播算法的多層前饋網(wǎng)絡(luò)，可以以任意精度逼近任意的連續(xù)函數(shù)，因此廣泛應(yīng)用于非線性建模、函數(shù)逼近、模式分類等方面。

神經(jīng)網(wǎng)絡(luò)算法描述如下：

(1)初始化網(wǎng)絡(luò)及學習參數(shù)，如設(shè)置網(wǎng)絡(luò)初始權(quán)矩陣、學習因子等。

(2)提供訓練模式，訓練網(wǎng)絡(luò)，直到滿足學習要求。

(3)前向傳播過程：對給定訓練模式輸入，計算網(wǎng)絡(luò)的輸出模式，并與期望模式比較，若有誤差，則執(zhí)行(4)；否則，返回(2)。

(4)后向傳播過程：a.計算同一層單元的誤差；b.修正權(quán)值和閾值；c.返回(2)。

當然，還存在其他算法可以進行圖像識別，以上只是介紹其中一種優(yōu)選方法。

可選地，可以提取行車視頻中的多個視頻幀圖像，并且在識別出目標車輛之后，對多個視頻幀圖像中的目標車輛進行追蹤。通過對目標車輛進行追蹤得到的目標車輛識別準確度要大大高于通過單一視頻幀圖像進行識別得到的目標車輛識別準確度。

優(yōu)選地，行車數(shù)據(jù)包括但不限于表示目標車輛的位置與車道線的位置是否存在重疊的信息；其中，根據(jù)車道線的位置確定行車視頻中目標車輛的行車數(shù)據(jù)的步驟包括：根據(jù)車道線的位置和目標車輛的位置，確定目標車輛的位置與車道線的位置是否存在重疊。

具體地，在標定車道線的位置和目標車輛的位置之后，可以對上述兩種位置進行比較，以確定目標車輛的位置與車道線的位置是否存在重疊。

步驟S430：根據(jù)行車數(shù)據(jù)判斷目標車輛是否發(fā)生違章行為。

優(yōu)選地，若目標車輛的位置與車道線的位置存在重疊，則確定目標車輛發(fā)生違章行為。如圖2所示，當目標車輛的位置與車道線的位置存在重疊時，可以判斷目標車輛踩壓車道線，因此確定目標車輛發(fā)生違章行為。

可選地，除了根據(jù)車道線的位置確定行車視頻中目標車輛的行車數(shù)據(jù)之外，還可以根據(jù)用戶車輛的位置與目標車輛的位置確定行車視頻中目標車輛的行車數(shù)據(jù)，并且根據(jù)上述行車數(shù)據(jù)判斷目標車輛是否發(fā)生違章行為。

具體地，在獲取行車視頻之前，首先需要確定行車記錄儀等視頻獲取設(shè)備的安裝高度、俯仰角和/或橫擺角；隨后，在行車視頻中確定用戶車輛的位置和目標車輛的位置；接著，根據(jù)確定的安裝高度、俯仰角和/或橫擺角與用戶車輛的位置、目標車輛的位置確定目標車輛與用戶車輛的第一實際距離；接著，在預定的時間后，再次根據(jù)確定的安裝高度、俯仰角和/或橫擺角與用戶車輛的位置、目標車輛的位置確定目標車輛與用戶車輛的第二實際距離；隨后，確定第一實際距離與第二實際距離的差值，并根據(jù)該差值、用戶車輛的行車速度和預定時間長度計算目標車輛行車速度；最后，根據(jù)目標車輛行車速度確定目標車輛是否超速，若超速，則判斷目標車輛發(fā)生違章行為。

步驟S440：若是，則針對目標車輛的違章行為進行報警操作。

具體地，當判斷目標車輛發(fā)生違章行為時，首先，可以確定包含目標車輛發(fā)生違章行為的視頻幀圖像；隨后，截取包含目標車輛發(fā)生違章行為的視頻幀圖像的預定時間長度的行車視頻；最后，基于截取的行車視頻進行報警操作。需要說明的是，截取的預定時間長度的行車視頻能夠記錄違章目標車輛違章的全過程，以對報警操作進行舉證。

此外，報警操作可以是用戶手動觸發(fā)進行地操作，也可以是設(shè)備自動執(zhí)行地操作，其中，設(shè)備自動執(zhí)行地操作可以是，首先，獲取報警數(shù)據(jù)，接著，將報警數(shù)據(jù)上傳用于進行報警操作的服務(wù)器。其中，報警數(shù)據(jù)可以包括違章行為發(fā)生地、違章行為發(fā)生時間、截取的違章行車視頻。

以上是對于本發(fā)明方案的整體說明，下面將會對步驟S410中的車道線檢測方法進行具體描述：

如圖5所示，基于預定的車道線檢測方法確定已獲取的行車視頻中車道線的位置的步驟包括步驟S411和步驟S412：步驟S411：對已獲取的行車視頻中的空間幀圖像進行轉(zhuǎn)換操作，以將空間幀圖像轉(zhuǎn)換為平面圖像；步驟S412：基于平面圖像確定行車視頻中車道線的位置。

具體地，實際車道線應(yīng)該是兩條平行的線，然而，在行車視頻中的空間幀圖像中會被扭曲成相交的線，因此，首先，需要將空間幀圖像轉(zhuǎn)換為平面圖像，以將相交的線還原成實際平行的線；接著，基于平面圖像確定行車視頻中車道線的位置。

優(yōu)選地，對已獲取的行車視頻中的空間幀圖像進行轉(zhuǎn)換操作，以將空間幀圖像轉(zhuǎn)換為平面圖像的步驟包括步驟S4111和步驟S4112：步驟S4111：基于預定的線段檢測算法檢測空間幀圖像中的空間線段；步驟S4112：通過將空間線段映射到散域的方式來確定與空間線段相應(yīng)的平面線段。

首先，基于預定的線段檢測算法檢測空間幀圖像中的空間線段。

具體地，可以通過基于Hough變換的線段檢測方法、Burns邊緣檢測算法、端點擴張線段檢測法、LSD線段檢測法等線段檢測算法檢測空間幀圖像中的空間線段。

隨后，通過將空間線段映射到散域的方式來確定與空間線段相應(yīng)的平面線段。

需要說明的是，可以通過將將空間線段映射到散域的方式來將空間線段轉(zhuǎn)換成與之相應(yīng)的平面線段。

優(yōu)選地，基于平面圖像確定行車視頻中車道線的位置的步驟包括步驟S4121和步驟S4122：步驟S4121：從平面圖像的平面線段中確定干擾線段及有效線段；步驟S4122：濾除干擾線段，并基于有效線段來確定行車視頻中車道線的位置。

優(yōu)選地，濾除干擾線段的步驟包括步驟S4123、步驟S4124和步驟S4125：步驟S4123：確定任一平面線段與目標車輛的夾角；步驟S4124：判斷夾角是否大于預定的最大夾角閾值；步驟S4125：若判斷大于預定的最大夾角閾值，則濾除該平面線段。

一般地，可以取目標車輛的中心軸為標準線，由于車道線與目標車輛基本是平行的，而與目標車輛垂直的線段不會是車道線，因此，確定與目標車輛的中心軸的標準線夾角為90°左右的線段為干擾線段?？梢愿鶕?jù)實際經(jīng)驗確定最大夾角閾值，并判斷任一平面線段與目標車輛的夾角是否大于預定的最大夾角閾值，若判斷大于預定的最大夾角閾值，則濾除該平面線段。

通過以上方法可以在平面中確定車道線的位置，隨后，可以依據(jù)平面中的車道線的位置確定與之相應(yīng)的行車視頻中的車道線的位置。

可選地，本發(fā)明實施例提供的方法還包括步驟S450、步驟S460和步驟S470：步驟S450：確定與車道線相應(yīng)的平面曲線；步驟S460：將平面曲線反向轉(zhuǎn)換為空間曲線；步驟S470：基于空間曲線在行車視頻中矯正車道線的位置。

如圖3所示，由于實際道路中的車道線不是一條筆直的車道線，而會根據(jù)路面的導向有所彎曲，故而為了更準確地確定車道線，可以將車道線進行彎曲，以獲得與車道線相應(yīng)的平面曲線；隨后，將平面曲線反向轉(zhuǎn)換為空間曲線；最后，確定反向轉(zhuǎn)換后的空間曲線在行車視頻中對應(yīng)的線段，并確定該線段為矯正的車道線的位置。

本發(fā)明的技術(shù)方案解決了如何自動檢測車輛違規(guī)行為，并依據(jù)違規(guī)行為進行報警操作的問題?；陬A定的車道線檢測方法確定已獲取的行車視頻中車道線的位置，可以依據(jù)確定的車道線的位置自動檢測目標車輛是否發(fā)生違規(guī)行為；隨后，根據(jù)車道線的位置確定行車視頻中目標車輛的行車數(shù)據(jù)，并根據(jù)行車數(shù)據(jù)判斷目標車輛是否發(fā)生違章行為，行車數(shù)據(jù)是依據(jù)車輛違規(guī)行為自動獲取的，無需用戶手動操作，減輕了用戶的操作復雜度，更保證了當檢測到目標車輛發(fā)生違規(guī)行為時立即進行報警操作的執(zhí)行效率，在提高報警準確性的同時，大大提高了報警及時性。針對目標車輛的違章行為進行報警操作，使得在路面上違規(guī)的目標車輛無處可逃，目標車輛的車主不能存在僥幸心理，只要違法就會被報警，從而經(jīng)過一定的時間后，道路上的行車環(huán)境會越來越好。

本技術(shù)領(lǐng)域技術(shù)人員可以理解，本發(fā)明包括涉及用于執(zhí)行本申請中所述操作中的一項或多項的設(shè)備。這些設(shè)備可以為所需的目的而專門設(shè)計和制造，或者也可以包括通用計算機中的已知設(shè)備。這些設(shè)備具有存儲在其內(nèi)的計算機程序，這些計算機程序選擇性地激活或重構(gòu)。這樣的計算機程序可以被存儲在設(shè)備(例如，計算機)可讀介質(zhì)中或者存儲在適于存儲電子指令并分別耦聯(lián)到總線的任何類型的介質(zhì)中，所述計算機可讀介質(zhì)包括但不限于任何類型的盤(包括軟盤、硬盤、光盤、CD-ROM、和磁光盤)、ROM(Read-Only Memory，只讀存儲器)、RAM(Random Access Memory，隨即存儲器)、EPROM(Erasable Programmable Read-Only Memory，可擦寫可編程只讀存儲器)、EEPROM(Electrically Erasable Programmable Read-Only Memory，電可擦可編程只讀存儲器)、閃存、磁性卡片或光線卡片。也就是，可讀介質(zhì)包括由設(shè)備(例如，計算機)以能夠讀的形式存儲或傳輸信息的任何介質(zhì)。

本技術(shù)領(lǐng)域技術(shù)人員可以理解，可以用計算機程序指令來實現(xiàn)這些結(jié)構(gòu)圖和/或框圖和/或流圖中的每個框以及這些結(jié)構(gòu)圖和/或框圖和/或流圖中的框的組合。本技術(shù)領(lǐng)域技術(shù)人員可以理解，可以將這些計算機程序指令提供給通用計算機、專業(yè)計算機或其他可編程數(shù)據(jù)處理方法的處理器來實現(xiàn)，從而通過計算機或其他可編程數(shù)據(jù)處理方法的處理器來執(zhí)行本發(fā)明公開的結(jié)構(gòu)圖和/或框圖和/或流圖的框或多個框中指定的方案。

本技術(shù)領(lǐng)域技術(shù)人員可以理解，本發(fā)明中已經(jīng)討論過的各種操作、方法、流程中的步驟、措施、方案可以被交替、更改、組合或刪除。進一步地，具有本發(fā)明中已經(jīng)討論過的各種操作、方法、流程中的其他步驟、措施、方案也可以被交替、更改、重排、分解、組合或刪除。進一步地，現(xiàn)有技術(shù)中的具有與本發(fā)明中公開的各種操作、方法、流程中的步驟、措施、方案也可以被交替、更改、重排、分解、組合或刪除。

以上所述僅是本發(fā)明的部分實施方式，應(yīng)當指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應(yīng)視為本發(fā)明的保護范圍。