本发明涉及智能交通控制，具体为一种道路代码与不良驾驶行为匹配度检测方法。
背景技术：
1、随着城市化进程的加速和交通流量的不断增加，不良驾驶行为，如：超速、逆向行驶、闯红灯、违规停车、违规变道等行为已成为影响道路安全、畅通和秩序的重要因素。为了有效遏制交通不良驾驶行为，提升交通管理水平，智能交通系统（its）得到了广泛应用。其中，智能监控系统作为智能交通系统的重要组成部分，通过高清摄像头实时捕捉道路上的交通不良驾驶行为，并生成相应的证据图片作为后续处理依据。如图1所示，智能监控系统会在其提交的证据图片上以水印的方式添加证据信息，证据信息包括：采集时间、车辆号牌号码、车型以及不良驾驶行为代码等信息。不良驾驶行为代码是管理部门根据相关规定进行定义的，如：1742:驾驶中型以上载货汽车在城市快速路超速百分之五十不足百分之八十。4712：驾驶校车在高速公路超速百分之五十。
2、然而，在实际应用中，监控设备抓拍图片的判定过程往往面临诸多挑战。
3、首先，道路类型的多样性使得不良驾驶行为的判定变得更加复杂。不同道路类型（如高速公路、城市道路、乡村道路等）具有不同的交通规则和限速要求，因此需要准确识别图片中的道路类型以判断不良驾驶行为是否适用。
4、其次，车型识别的准确性也是影响不良驾驶行为判定的重要因素。不同车型在速度、载重、驾驶要求等方面存在差异，错误的车型识别可能导致不良行为代码的误用。
5、最后，不良行为代码的准确性和适用性也是判定过程中的关键问题。由于交通法规的不断更新和完善，不良行为代码的种类和适用范围也在不断变化，因此需要确保不良行为代码与当前交通法规保持一致，并准确匹配到具体的不良驾驶行为和道路类型。
6、因为监控设备并非全国统一安装，而是每个城市在不同的时期，根据城市建设需要分批次安装的。每次有任何判断条件发生变化，都需要系统维护人员分别对自己负责的监控设备进行数据更新。而一旦有些设备发遗漏，就会导致证据图片中的证据信息出错。而监控设备提交的证据图片中的证据信息出错，会直接导致证据图片无效，进而影响后续对车辆处理的结果。现有技术中大多是基于人工对证据图片中的信息进行抽检，无法有效地全面覆盖所有的监控设备。
技术实现思路
1、为了解决现有的对于监控设备提交的证据图片中的道路代码和不良驾驶行为不匹配的问题，需要人工审核才能发现导致维护成本较高的问题，本发明提供一种道路代码与不良驾驶行为匹配度检测方法，其自动发现监控设备提交的图片中的道路代码与不良驾驶行为不匹配，可以更灵活地适应各种不良驾驶行为判断条件的变化，高效地降低了人工工作量。
2、本发明的技术方案是这样的：一种道路代码与不良驾驶行为匹配度检测方法，其特征在于，其包括以下步骤：
3、s1：构建对应关系库；
4、所述对应关系库中存储的参数数据包括：道路类型、车型、不良驾驶行为和不良驾驶行为代码；
5、在所述对应关系库中，构建所述不良驾驶行为代码与道路类型和车型的对应关系表
6、s2：获取监控设备采集提交的监控图片，记作：待检测证据图片；
7、s3：道路类型检测；
8、对所述待检测证据图片中的图像，进行道路类型检测，识别出图片中道路的所属道路类型，记作：待判断道路类型；
9、所述道路类型包括：高速公路、城市道路以及其他类型道路；
10、s4：车型识别；
11、对所述待检测证据图片中的图像，进行车辆识别，得到待检测车辆；
12、基于所述待检测车辆确定其车型类别，记作：待判断车型类别；
13、所述车型类别包括：中型以上载客载机动车和小客车；
14、s5：识别不良驾驶行为代码；
15、基于所述待检测证据图片中的信息数据，识别出监控设备提交的证据图片中的不良驾驶行为代码，记作：待判断行为代码；
16、s6：将所述待判断道路类型和所述待判断车型类别同时满足作为联合判断条件，使用所述对应关系表，确认所述待判断行为代码与所述联合判断条件是否存在对应关系；
17、如果存在对应关系，则表示所述待判断行为代码无误，输出匹配度检测结果；本次检测结束；
18、否则，表示待判断行为代码存在错误的可能；自动检测结束，输出匹配度检测结果，并触发人工审核流程。
19、其进一步特征在于：
20、步骤s6中，触发人工审核流程之前，先实施以下再验证步骤：
21、a1：基于所述待检测证据图片对图片中的所述待检测车辆的不良驾驶行为进行判断，将得到的结果记作：验证用不良驾驶行为；
22、a2：基于所述对应关系库查询所述验证用不良驾驶行为对应的不良驾驶行为代码，记作：验证用行为代码；
23、a3：判断所述验证用行为代码和所述待判断行为代码是否一致；
24、如果一致，则表示所述待判断行为代码无误，输出匹配度检测结果；本次检测结束
25、否则，输出匹配度检测结果，并触发人工审核流程；
26、其还包括以下步骤：
27、s7：实时监控道路类型、车型和不良驾驶行为的相关规定的变化情况，一旦发生任何影响三个参数数据的变化，则实时更新所述对应关系库中的相关内容；
28、步骤s3中，基于cnn模型构建道路类型识别模型，对待检测证据图片中的道路类型进行识别；
29、步骤s4中，基于yolo构建车辆检测模型，识别待检测证据图片中的车辆；基于cnn构建车型分类模型，对待检测车辆的类型进行分类识别；
30、所述匹配度检测结果包括：道路类型、车型、不良行为代码及是否确定存在不良驾驶行为。
31、本申请提供的一种道路代码与不良驾驶行为匹配度检测方法，其通过构建对应关系库，为不良驾驶行为代码与道路类型和车型的对应关系表，然后对所有的监控设备提交的证据图片进行图像识别，得到证据图片中的道路类型和车型，以及识读水印信息中的不良驾驶行为代码，根据对应关系表，自动判断水印中的不良行为代码是否准确匹配图片中的道路类型和车型；因为大部分的证据图片的水印信息是准确的，所以通过对应关系表可以将所有的正确的证据图片进行快速筛选，高效率的锁定可能存在道路代码和不良驾驶行为不匹配问题的证据图片，有效地降低了人工工作量。而且一旦道路类型、车型、不良驾驶行为中任何参数发生变化，通过维护对应关系库和对应关系表即可完成对变化的灵活适应，无需修改过多的逻辑代码。
1.一种道路代码与不良驾驶行为匹配度检测方法，其特征在于，其包括以下步骤：
2.根据权利要求1所述一种道路代码与不良驾驶行为匹配度检测方法，其特征在于：步骤s6中，触发人工审核流程之前，先实施以下再验证步骤：
3.根据权利要求1所述一种道路代码与不良驾驶行为匹配度检测方法，其特征在于：其还包括以下步骤：
4.根据权利要求1所述一种道路代码与不良驾驶行为匹配度检测方法，其特征在于：步骤s3中，基于cnn模型构建道路类型识别模型，对待检测证据图片中的道路类型进行识别。
5.根据权利要求1所述一种道路代码与不良驾驶行为匹配度检测方法，其特征在于：步骤s4中，基于yolo构建车辆检测模型，识别待检测证据图片中的车辆；基于cnn构建车型分类模型，对待检测车辆的类型进行分类识别。
6.根据权利要求1所述一种道路代码与不良驾驶行为匹配度检测方法，其特征在于：所述匹配度检测结果包括：道路类型、车型、不良行为代码及是否确定存在不良驾驶行为。
