违章车辆检测方法及装置与流程

本发明涉及图像处理技术领域，尤其涉及一种违章车辆检测方法及装置。

背景技术：

目前的违章车辆检测方法主要为，获取非停车区域的监控视频流，针对监控视频流中的每帧图像，对图像进行图像检测，获取图像中各个车辆的参数信息，根据每帧图像中各个车辆的参数信息，确定是否存在违章车辆。上述方法中，需要对每帧图像进行检测获取车辆参数信息，工作量大，降低了违章车辆的检测效率。

技术实现要素：

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种违章车辆检测方法，用于解决现有技术中检测效率差，成本高的问题。

本发明的第二个目的在于提出一种违章车辆检测装置。

本发明的第三个目的在于提出另一种违章车辆检测装置。

本发明的第四个目的在于提出一种非临时性计算机可读存储介质。

本发明的第五个目的在于提出一种计算机程序产品。

为达上述目的，本发明第一方面实施例提出了一种违章车辆检测方法，包括：

获取非停车区域的监控视频流；

针对所述监控视频流中的每帧图像，对所述帧图像进行图像检测，获取所述帧图像中各个车辆的车辆信息；

将所述帧图像中的车辆信息与所述监控视频流中前一帧图像的车辆信息进行比对，确定所述帧图像与所述前一帧图像中的相同车辆，并针对所述相同车辆设置相同的标记；

针对所述帧图像中的每个车辆，根据所述帧图像中所述车辆的车辆信息与所述前一帧图像中所述车辆的车辆信息，确定是否缓存所述帧图像，在确定缓存所述帧图像时，将所述帧图像缓存到所述车辆对应的图像库中；

针对每个车辆，根据所述车辆对应的图像库，确定所述车辆是否为违章车辆。

进一步的，所述车辆信息包括车辆的位置信息和尺寸信息；

将所述帧图像中的车辆信息与所述监控视频流中前一帧图像的车辆信息进行比对，确定所述帧图像与所述前一帧图像中的相同车辆，包括：

将所述帧图像中的车辆信息与所述监控视频流中前一帧图像的车辆信息进行比对，判断所述帧图像与所述前一帧图像中是否存在对应的尺寸信息差值小于第一阈值，且对应的位置信息差值小于第二阈值的两个车辆信息；

若存在，将所述两个车辆信息对应的车辆，确定为相同车辆。

进一步的，针对所述帧图像中的每个车辆，根据所述帧图像中所述车辆的车辆信息与所述前一帧图像中所述车辆的车辆信息，确定是否缓存所述帧图像，包括：

针对所述帧图像中的每个车辆，计算所述帧图像中所述车辆的车辆信息与所述前一帧图像中所述车辆的车辆信息之间的相似度；

根据所述相似度，确定所述帧图像的缓存概率；

根据所述缓存概率，确定是否缓存所述帧图像。

进一步的，在确定缓存所述帧图像时，将所述帧图像缓存到所述车辆对应的图像库中，包括：

在确定缓存所述帧图像时，获取所述帧图像中包括所述车辆的局部图像；

将包括所述车辆的局部图像缓存到所述车辆对应的图像库中。

进一步的，所述车辆信息包括车辆的位置信息；

针对所述帧图像中的每个车辆，根据所述帧图像中所述车辆的车辆信息与所述前一帧图像中所述车辆的车辆信息，确定是否缓存所述帧图像之前，还包括：

针对所述帧图像，获取所述帧图像中各个车辆的位置信息，以及前一帧图像中各个车辆的位置信息；

针对所述前一帧图像中每个车辆的位置信息，判断所述帧图像中的对应位置范围内是否存在车辆；

若所述帧图像中的对应位置范围内不存在车辆，则将所述前一帧图像中所述车辆的图像覆盖到所述帧图像中的对应位置范围内。

进一步的，针对每个车辆，根据所述车辆对应的图像库，确定所述车辆是否为违章车辆，包括：

针对每个车辆，获取对应的图像库中的各个帧图像；

根据所述各个帧图像以及对应的采集时间，判断所述车辆停留在非停车区域的时间是否超过预设时间阈值；

若所述车辆停留在非停车区域的时间超过预设时间阈值，则确定所述车辆为违章车辆。

进一步的，所述针对每个车辆，根据所述车辆对应的图像库，确定所述车辆是否为违章车辆之后，还包括：

在所述车辆为违章车辆时，依次对所述车辆对应的图像库中的各个图像进行图像检测，获取所述图像中所述车辆的参数信息，以及置信度；

当存在对应的置信度大于预设置信度阈值的参数信息，或者所述车辆对应的图像库中已进行图像识别的图像数量大于预设数量阈值时，将对应的置信度最大的参数信息，确定为所述车辆的参数信息。

本发明实施例的违章车辆检测方法，通过获取非停车区域的监控视频流；针对监控视频流中的每帧图像，对帧图像进行图像检测，获取帧图像中各个车辆的车辆信息；将帧图像中的车辆信息与监控视频流中前一帧图像的车辆信息进行比对，确定帧图像与前一帧图像中的相同车辆，并针对相同车辆设置相同的标记；针对帧图像中的每个车辆，根据帧图像中车辆的车辆信息与前一帧图像中车辆的车辆信息，确定是否缓存帧图像，在确定缓存帧图像时，将帧图像缓存到车辆对应的图像库中；针对每个车辆，根据车辆对应的图像库，确定车辆是否为违章车辆，从而能够减少确定违章车辆时需要处理的图像数量，降低了工作量，在确保检测准确度的前提下，提高了违章车辆的检测效率。

为达上述目的，本发明第二方面实施例提出了一种违章车辆检测装置，包括：

获取模块，用于获取非停车区域的监控视频流；

检测模块，用于针对所述监控视频流中的每帧图像，对所述帧图像进行图像检测，获取所述帧图像中各个车辆的车辆信息；

比对模块，用于将所述帧图像中的车辆信息与所述监控视频流中前一帧图像的车辆信息进行比对，确定所述帧图像与所述前一帧图像中的相同车辆，并针对所述相同车辆设置相同的标记；

缓存处理模块，用于针对所述帧图像中的每个车辆，根据所述帧图像中所述车辆的车辆信息与所述前一帧图像中所述车辆的车辆信息，确定是否缓存所述帧图像，在确定缓存所述帧图像时，将所述帧图像缓存到所述车辆对应的图像库中；

确定模块，用于针对每个车辆，根据所述车辆对应的图像库，确定所述车辆是否为违章车辆。

进一步的，所述车辆信息包括车辆的位置信息和尺寸信息；

所述比对模块具体用于，

将所述帧图像中的车辆信息与所述监控视频流中前一帧图像的车辆信息进行比对，判断所述帧图像与所述前一帧图像中是否存在对应的尺寸信息差值小于第一阈值，且对应的位置信息差值小于第二阈值的两个车辆信息；

若存在，将所述两个车辆信息对应的车辆，确定为相同车辆。

进一步的，所述缓存处理模块具体用于，

针对所述帧图像中的每个车辆，计算所述帧图像中所述车辆的车辆信息与所述前一帧图像中所述车辆的车辆信息之间的相似度；

根据所述相似度，确定所述帧图像的缓存概率；

根据所述缓存概率，确定是否缓存所述帧图像。

进一步的，所述缓存处理模块具体用于，

在确定缓存所述帧图像时，获取所述帧图像中包括所述车辆的局部图像；

将包括所述车辆的局部图像缓存到所述车辆对应的图像库中。

进一步的，所述车辆信息包括车辆的位置信息；

所述的装置还包括：判断模块和图像处理模块；

所述获取模块，还用于针对所述帧图像，获取所述帧图像中各个车辆的位置信息，以及前一帧图像中各个车辆的位置信息；

所述判断模块，用于针对所述前一帧图像中每个车辆的位置信息，判断所述帧图像中的对应位置范围内是否存在车辆；

所述图像处理模块，用于在所述帧图像中的对应位置范围内不存在车辆时，将所述前一帧图像中所述车辆的图像覆盖到所述帧图像中的对应位置范围内。

进一步的，所述确定模块具体用于，

针对每个车辆，获取对应的图像库中的各个帧图像；

根据所述各个帧图像以及对应的采集时间，判断所述车辆停留在非停车区域的时间是否超过预设时间阈值；

若所述车辆停留在非停车区域的时间超过预设时间阈值，则确定所述车辆为违章车辆。

进一步的，所述获取模块，还用于在所述车辆为违章车辆时，依次对所述车辆对应的图像库中的各个图像进行图像检测，获取所述图像中所述车辆的参数信息，以及置信度；

所述确定模块，还用于在存在对应的置信度大于预设置信度阈值的参数信息，或者所述车辆对应的图像库中已进行图像识别的图像数量大于预设数量阈值时，将对应的置信度最大的参数信息，确定为所述车辆的参数信息。

本发明实施例的违章车辆检测装置，通过获取非停车区域的监控视频流；针对监控视频流中的每帧图像，对帧图像进行图像检测，获取帧图像中各个车辆的车辆信息；将帧图像中的车辆信息与监控视频流中前一帧图像的车辆信息进行比对，确定帧图像与前一帧图像中的相同车辆，并针对相同车辆设置相同的标记；针对帧图像中的每个车辆，根据帧图像中车辆的车辆信息与前一帧图像中车辆的车辆信息，确定是否缓存帧图像，在确定缓存帧图像时，将帧图像缓存到车辆对应的图像库中；针对每个车辆，根据车辆对应的图像库，确定车辆是否为违章车辆，从而能够减少确定违章车辆时需要处理的图像数量，降低了工作量，在确保检测准确度的前提下，提高了违章车辆的检测效率。

为达上述目的，本发明第三方面实施例提出了另一种违章车辆检测装置，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如上所述的违章车辆检测方法。

为了实现上述目的，本发明第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的违章车辆检测方法。

为了实现上述目的，本发明第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，实现如上所述的违章车辆检测方法。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例提供的一种违章车辆检测方法的流程示意图；

图2为本发明实施例提供的一种违章车辆检测装置的结构示意图；

图3为本发明实施例提供的另一种违章车辆检测装置的结构示意图；

图4为本发明实施例提供的另一种违章车辆检测装置的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的违章车辆检测方法及装置。

图1为本发明实施例提供的一种违章车辆检测方法的流程示意图。如图1所示，该违章车辆检测方法包括以下步骤：

s101、获取非停车区域的监控视频流。

本发明提供的违章车辆检测方法的执行主体为违章车辆检测装置，违章车辆检测装置具体可以为硬件设备，例如终端设备、后台服务器等，或者硬件设备上安装的软件等。违章车辆检测装置可以与用于监控各个非停车区域的摄像头连接，或者与摄像头对应的后台服务器连接，获取摄像头拍摄得到的非停车区域的监控视频流。

s102、针对监控视频流中的每帧图像，对帧图像进行图像检测，获取帧图像中各个车辆的车辆信息。

本实施例中，可以将监控视频流中的每帧图像，输入第一图像检测模型，获取第一图像检测模型输出的各个车辆的车辆信息。其中，第一图像检测模型例如可以为深度卷积神经网络模型。第一图像检测模型的训练过程例如可以为，采集大量包括有车辆的图像，并对图像中车辆的位置信息以及尺寸信息进行标注，得到训练样本数据；采用训练样本数据对初始的第一图像检测模型进行训练，得到训练好的第一图像检测模型。其中，车辆信息中可以包括车辆的位置信息和尺寸信息。车辆的位置信息，指的是车辆在图像中的位置。车辆的尺寸信息例如可以包括以下信息中的任意一种或者多种：车辆高度、车辆宽度、车辆长度等。

s103、将帧图像中的车辆信息与监控视频流中前一帧图像的车辆信息进行比对，确定帧图像与前一帧图像中的相同车辆，并针对相同车辆设置相同的标记。

本实施例中，违章车辆检测装置执行步骤103的过程具体可以为，将帧图像中的车辆信息与监控视频流中前一帧图像的车辆信息进行比对，判断帧图像与前一帧图像中是否存在对应的尺寸信息差值小于第一阈值，且对应的位置信息差值小于第二阈值的两个车辆信息；若存在，将两个车辆信息对应的车辆，确定为相同车辆。

具体的，针对帧图像中的每个车辆信息，将该车辆信息与前一帧图像中的各个车辆信息进行比对，获取该车辆信息与前一帧图像中的各个车辆信息之间的尺寸信息差值以及位置信息差值；获取对应的尺寸信息差值小于第一阈值，且对应的位置信息差值小于第二阈值的车辆信息；将该车辆信息对应的车辆与帧图像中的车辆信息对应的车辆，确定为相同车辆。

s104、针对帧图像中的每个车辆，根据帧图像中车辆的车辆信息与前一帧图像中车辆的车辆信息，确定是否缓存帧图像，在确定缓存帧图像时，将帧图像缓存到车辆对应的图像库中。

本实施例中，针对帧图像中的每个车辆，违章车辆检测装置可以根据帧图像中车辆的车辆信息与前一帧图像中车辆的车辆信息，确定两帧图像中所述车辆的车辆信息之间的差异，在差异较大时，将帧图像缓存到车辆对应的图像库中。

本实施例中，违章车辆检测装置根据帧图像中车辆的车辆信息与前一帧图像中车辆的车辆信息，确定是否缓存帧图像的过程具体可以为，针对帧图像中的每个车辆，计算帧图像中车辆的车辆信息与前一帧图像中车辆的车辆信息之间的相似度；根据相似度，确定帧图像的缓存概率；根据缓存概率，确定是否缓存帧图像。其中，根据相似度，确定帧图像的缓存概率的公式可以如以下公式(1)所示。

其中，p表示缓存概率；n表示预设缓存图像数量；n表示预设最长缓存帧数；r表示相似度。

本实施例中，当缓存概率大于预设概率阈值时，确定缓存帧图像；当缓存概率小于等于预设概率阈值时，确定不缓存帧图像。本实施例中，若缓存概率大于预设概率阈值，则确定帧图像与前一帧图像中存在对应的相似度大于一定相似度阈值的车辆，从而确定该车辆处于移动过程中，因此，需要缓存帧图像。若缓存概率小于等于预设概率阈值，则确定帧图像与前一帧图像中不存在对应的相似度大于一定相似度阈值的车辆，则确定帧图像与前一帧图像相比，不存在移动车辆，仅存在停车车辆或者不存在车辆，因此，不需要缓存帧图像。从而能够在非停车区域车辆位置发生移动时，将对应的帧图像进行缓存，从而确保违章车辆检测的准确度。

进一步的，违章车辆检测装置将帧图像缓存到车辆对应的图像库中的过程具体可以为，在确定缓存帧图像时，获取帧图像中包括车辆的局部图像；将包括车辆的局部图像缓存到车辆对应的图像库中。其中，在确定缓存帧图像时，违章车辆检测装置可以从帧图像中获取包括该车辆的局部图像，去除包括其他车辆的局部图像，仅将包括该车辆的局部图像缓存到车辆对应的图像库中，从而减少图像库的存储量，且在后期采集车辆参数信息时，进一步减少工作量，提高违章车辆的检测效率。

进一步的，在上述实施例的基础上，当帧图像中的车辆被遮挡时，可能检测不到该车辆，获取不到该车辆的车厢信息，因此，为了减少步骤103中漏识别的车辆数量，车辆信息中可以包括车辆的位置信息；步骤104之前，所述的方法还可以包括以下步骤：针对帧图像，获取帧图像中各个车辆的位置信息，以及前一帧图像中各个车辆的位置信息；针对前一帧图像中每个车辆的位置信息，判断帧图像中的对应位置范围内是否存在车辆；若帧图像中的对应位置范围内不存在车辆，则将前一帧图像中车辆的图像覆盖到帧图像中的对应位置范围内。其中，对应位置范围可以根据非停车区域车辆的移动速度以及相邻帧图像的时间差进行确定。

本实施例中，针对前一帧图像中每个车辆的位置信息，由于相邻帧图像之间的采集时间差很短，因此，在前一帧图像中存在的车辆信息，在所述帧图像的对应位置范围内一般存在相应的车辆信息；若所述帧图像的对应位置范围内不存在相应的车辆信息，则确定对应位置范围内的车辆被漏识别，因此，可以将前一帧图像中车辆的图像覆盖到帧图像中的对应位置范围内。其中，具体覆盖时，可以获取前一帧图像中车辆的特征信息；对帧图像进行检测，获取对应位置范围内的特征信息，根据特征信息确定具体的覆盖位置，进而进行覆盖，从而减少了漏识别的车辆数量，进一步提高违章车辆的检测效率。

s105、针对每个车辆，根据车辆对应的图像库，确定车辆是否为违章车辆。

本实施例中，违章车辆检测装置执行步骤105的过程具体可以为，针对每个车辆，获取对应的图像库中的各个帧图像；根据各个帧图像以及对应的采集时间，判断车辆停留在非停车区域的时间是否超过预设时间阈值；若车辆停留在非停车区域的时间超过预设时间阈值，则确定车辆为违章车辆。

进一步的，步骤105之后，所述的方法还可以包括以下步骤：在车辆为违章车辆时，依次对车辆对应的图像库中的各个图像进行图像检测，获取图像中车辆的参数信息，以及置信度；当存在对应的置信度大于预设置信度阈值的参数信息，或者车辆对应的图像库中已进行图像识别的图像数量大于预设数量阈值时，将对应的置信度最大的参数信息，确定为所述车辆的参数信息。

本实施例中，违章车辆检测装置可以依次将车辆对应的图像库中的各个图像输入第二图像检测模型，获取第二图像检测模型输出的各个车辆的参数信息以及置信度。其中，置信度表示获取到的参数信息的完整度和准确度。本实施例中，第二图像检测模型例如可以为深度卷积神经网络模型。第二图像检测模型的训练过程例如可以为，采集大量包括有车辆的图像，并获取图像中各车辆的参数信息以及置信度，得到训练样本数据；采用训练样本数据对初始的第二图像检测模型进行训练，得到训练好的第二图像检测模型。

本发明实施例的违章车辆检测方法，通过获取非停车区域的监控视频流；针对监控视频流中的每帧图像，对帧图像进行图像检测，获取帧图像中各个车辆的车辆信息；将帧图像中的车辆信息与监控视频流中前一帧图像的车辆信息进行比对，确定帧图像与前一帧图像中的相同车辆，并针对相同车辆设置相同的标记；针对帧图像中的每个车辆，根据帧图像中车辆的车辆信息与前一帧图像中车辆的车辆信息，确定是否缓存帧图像，在确定缓存帧图像时，将帧图像缓存到车辆对应的图像库中；针对每个车辆，根据车辆对应的图像库，确定车辆是否为违章车辆，从而能够减少采集确定违章车辆时需要处理的图像数量，降低了工作量，在确保检测准确度的前提下，提高了违章车辆的检测效率。

图2为本发明实施例提供的一种违章车辆检测装置的结构示意图。如图2所示，包括：获取模块21、检测模块22、比对模块23、缓存处理模块24和确定模块25。

其中，获取模块21，用于获取非停车区域的监控视频流；

检测模块22，用于针对所述监控视频流中的每帧图像，对所述帧图像进行图像检测，获取所述帧图像中各个车辆的车辆信息；

比对模块23，用于将所述帧图像中的车辆信息与所述监控视频流中前一帧图像的车辆信息进行比对，确定所述帧图像与所述前一帧图像中的相同车辆，并针对所述相同车辆设置相同的标记；

缓存处理模块24，用于针对所述帧图像中的每个车辆，根据所述帧图像中所述车辆的车辆信息与所述前一帧图像中所述车辆的车辆信息，确定是否缓存所述帧图像，在确定缓存所述帧图像时，将所述帧图像缓存到所述车辆对应的图像库中；

确定模块25，用于针对每个车辆，根据所述车辆对应的图像库，确定所述车辆是否为违章车辆。

本发明提供的违章车辆检测装置具体可以为硬件设备，例如终端设备、后台服务器等，或者硬件设备上安装的软件等。违章车辆检测装置可以与用于监控各个非停车区域的摄像头连接，或者与摄像头对应的后台服务器连接，获取摄像头拍摄得到的非停车区域的监控视频流。

本实施例中，可以将监控视频流中的每帧图像，输入第一图像检测模型，获取第一图像检测模型输出的各个车辆的车辆信息。其中，第一图像检测模型例如可以为深度卷积神经网络模型。第一图像检测模型的训练过程例如可以为，采集大量包括有车辆的图像，并对图像中车辆的位置信息以及尺寸信息进行标注，得到训练样本数据；采用训练样本数据对初始的第一图像检测模型进行训练，得到训练好的第一图像检测模型。其中，车辆信息中可以包括车辆的位置信息和尺寸信息。车辆的位置信息，指的是车辆在图像中的位置。车辆的尺寸信息例如可以包括以下信息中的任意一种或者多种：车辆高度、车辆宽度、车辆长度等。

进一步的，在上述实施例的基础上，比对模块23具体用于，将帧图像中的车辆信息与监控视频流中前一帧图像的车辆信息进行比对，判断帧图像与前一帧图像中是否存在对应的尺寸信息差值小于第一阈值，且对应的位置信息差值小于第二阈值的两个车辆信息；若存在，将两个车辆信息对应的车辆，确定为相同车辆。

具体的，针对帧图像中的每个车辆信息，将该车辆信息与前一帧图像中的各个车辆信息进行比对，获取该车辆信息与前一帧图像中的各个车辆信息之间的尺寸信息差值以及位置信息差值；获取对应的尺寸信息差值小于第一阈值，且对应的位置信息差值小于第二阈值的车辆信息；将该车辆信息对应的车辆与帧图像中的车辆信息对应的车辆，确定为相同车辆。

进一步的，在上述实施例的基础上，缓存处理模块24具体可以用于，针对帧图像中的每个车辆，计算帧图像中车辆的车辆信息与前一帧图像中车辆的车辆信息之间的相似度；根据相似度，确定帧图像的缓存概率；根据缓存概率，确定是否缓存帧图像。

本实施例中，当缓存概率大于预设概率阈值时，确定缓存帧图像；当缓存概率小于等于预设概率阈值时，确定不缓存帧图像。本实施例中，若缓存概率大于预设概率阈值，则确定帧图像与前一帧图像中存在对应的相似度大于一定相似度阈值的车辆，从而确定该车辆处于移动过程中，因此，需要缓存帧图像。若缓存概率小于等于预设概率阈值，则确定帧图像与前一帧图像中不存在对应的相似度大于一定相似度阈值的车辆，则确定帧图像与前一帧图像相比，不存在移动车辆，仅存在停车车辆或者不存在车辆，因此，不需要缓存帧图像。从而能够在非停车区域车辆位置发生移动时，将对应的帧图像进行缓存，从而确保违章车辆检测的准确度。

进一步的，在上述实施例的基础上，缓存处理模块24具体可以用于，在确定缓存帧图像时，获取帧图像中包括车辆的局部图像；将包括车辆的局部图像缓存到车辆对应的图像库中。其中，在确定缓存帧图像时，违章车辆检测装置可以从帧图像中获取包括该车辆的局部图像，去除包括其他车辆的局部图像，仅将包括该车辆的局部图像缓存到车辆对应的图像库中，从而减少图像库的存储量，且在后期采集车辆参数信息时，进一步减少工作量，提高违章车辆的检测效率。

进一步的，在上述实施例的基础上，确定模块25具体可以用于，针对每个车辆，获取对应的图像库中的各个帧图像；根据各个帧图像以及对应的采集时间，判断车辆停留在非停车区域的时间是否超过预设时间阈值；若车辆停留在非停车区域的时间超过预设时间阈值，则确定车辆为违章车辆。

进一步的，在上述实施例的基础上，所述获取模块21，还用于在所述车辆为违章车辆时，依次对所述车辆对应的图像库中的各个图像进行图像检测，获取所述图像中所述车辆的参数信息，以及置信度；

所述确定模块25，还用于在存在对应的置信度大于预设置信度阈值的参数信息，或者所述车辆对应的图像库中已进行图像识别的图像数量大于预设数量阈值时，将对应的置信度最大的参数信息，确定为所述车辆的参数信息。

本实施例中，违章车辆检测装置可以依次将车辆对应的图像库中的各个图像输入第二图像检测模型，获取第二图像检测模型输出的各个车辆的参数信息以及置信度。其中，置信度表示获取到的参数信息的完整度和准确度。本实施例中，第二图像检测模型例如可以为深度卷积神经网络模型。第二图像检测模型的训练过程例如可以为，采集大量包括有车辆的图像，并获取图像中各车辆的参数信息以及置信度，得到训练样本数据；采用训练样本数据对初始的第二图像检测模型进行训练，得到训练好的第二图像检测模型。

本发明实施例的违章车辆检测装置，通过获取非停车区域的监控视频流；针对监控视频流中的每帧图像，对帧图像进行图像检测，获取帧图像中各个车辆的车辆信息；将帧图像中的车辆信息与监控视频流中前一帧图像的车辆信息进行比对，确定帧图像与前一帧图像中的相同车辆，并针对相同车辆设置相同的标记；针对帧图像中的每个车辆，根据帧图像中车辆的车辆信息与前一帧图像中车辆的车辆信息，确定是否缓存帧图像，在确定缓存帧图像时，将帧图像缓存到车辆对应的图像库中；针对每个车辆，根据车辆对应的图像库，确定车辆是否为违章车辆，从而能够减少确定违章车辆时需要处理的图像数量，降低了工作量，在确保检测准确度的前提下，提高了违章车辆的检测效率。

进一步的，当帧图像中的车辆被遮挡时，可能检测不到该车辆，获取不到该车辆的车厢信息，因此，为了减少漏识别的车辆数量，结合参考图3，在图2所示实施例的基础上，车辆信息中可以包括车辆的位置信息；所述的装置还可以包括：判断模块26和图像处理模块27。

其中，所述获取模块21，还用于针对所述帧图像，获取所述帧图像中各个车辆的位置信息，以及前一帧图像中各个车辆的位置信息；

所述判断模块26，用于针对所述前一帧图像中每个车辆的位置信息，判断所述帧图像中的对应位置范围内是否存在车辆；

所述图像处理模块27，用于在所述帧图像中的对应位置范围内不存在车辆时，将所述前一帧图像中所述车辆的图像覆盖到所述帧图像中的对应位置范围内。

其中，对应位置范围可以根据非停车区域车辆的移动速度以及相邻帧图像的时间差进行确定。

本实施例中，针对前一帧图像中每个车辆的位置信息，由于相邻帧图像之间的采集时间差很短，因此，在前一帧图像中存在的车辆信息，在所述帧图像的对应位置范围内一般存在相应的车辆信息；若所述帧图像的对应位置范围内不存在相应的车辆信息，则确定对应位置范围内的车辆被漏识别，因此，可以将前一帧图像中车辆的图像覆盖到帧图像中的对应位置范围内。其中，具体覆盖时，可以获取前一帧图像中车辆的特征信息；对帧图像进行检测，获取对应位置范围内的特征信息，根据特征信息确定具体的覆盖位置，进而进行覆盖，从而减少了漏识别的车辆数量，进一步提高违章车辆的检测效率。

图4为本发明实施例提供的另一种违章车辆检测装置的结构示意图。该违章车辆检测装置包括：

存储器1001、处理器1002及存储在存储器1001上并可在处理器1002上运行的计算机程序。

处理器1002执行所述程序时实现上述实施例中提供的违章车辆检测方法。

进一步地，违章车辆检测装置还包括：

通信接口1003，用于存储器1001和处理器1002之间的通信。

存储器1001，用于存放可在处理器1002上运行的计算机程序。

存储器1001可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。

处理器1002，用于执行所述程序时实现上述实施例所述的违章车辆检测方法。

如果存储器1001、处理器1002和通信接口1003独立实现，则通信接口1003、存储器1001和处理器1002可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(industrystandardarchitecture，简称为isa)总线、外部设备互连(peripheralcomponent，简称为pci)总线或扩展工业标准体系结构(extendedindustrystandardarchitecture，简称为eisa)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

可选的，在具体实现上，如果存储器1001、处理器1002及通信接口1003，集成在一块芯片上实现，则存储器1001、处理器1002及通信接口1003可以通过内部接口完成相互间的通信。

处理器1002可能是一个中央处理器(centralprocessingunit，简称为cpu)，或者是特定集成电路(applicationspecificintegratedcircuit，简称为asic)，或者是被配置成实施本发明实施例的一个或多个集成电路。

本发明还提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的违章车辆检测方法。

本发明还提供一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，实现如上所述的违章车辆检测方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。