(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 202210171452.0 (22)申请日 2022.02.24 (71)申请人 深圳壹账通科技 服务有限公司 地址 518000 广东省深圳市前海深港合作 区前湾一路1号A栋201室(入驻深圳市 前海商务秘书 有限公司) (72)发明人 王正松　 (74)专利代理 机构 深圳市世联合知识产权代理 有限公司 4 4385 专利代理师 刘畅 (51)Int.Cl. G06V 20/40(2022.01) G06T 7/215(2017.01) G06F 16/36(2019.01) G06F 16/787(2019.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/26(2012.01) G06V 10/82(2022.01) G06V 10/774(2022.01) (54)发明名称 一种交通事故定责方法、 装置、 计算机设备 及存储介质 (57)摘要 本申请公开了一种交通事故定 责的方法、 装 置、 计算机设备及存储介质， 属于人工智能技术 领域。 本申请通过对事故的位置进行定位， 得到 事故位置信息， 根据事故位置信息查找事故对应 的监控视频， 获取监控视频中的关键帧图像， 确 定关键帧图像中的事故车辆， 并获取事故车辆的 行车信息， 在监控视频中对事故车辆进行标注， 并将监控视频导入行驶轨迹识别模 型， 得到事故 车辆的行驶轨迹， 获取预先构建的交管法规知识 图谱， 并基于行驶轨迹、 行车信息和交管法规知 识图谱判定事故车辆的事故责任。 此外， 本申请 还涉及区块链技术， 监控视频可存储于区块链 中。 本申请能够实现对交通事故的自动定责， 减 轻交警人员的工作压力， 提高交通事故案件处理 效率。 权利要求书3页 说明书14页 附图3页 CN 114550053 A 2022.05.27 CN 114550053 A 1.一种交通事故定责的方法， 其特 征在于， 包括： 接收事故定责指令， 根据所述事故定责指令对事故的位置进行定位， 得到事故位置信 息； 获取事故发生 时间， 根据所述事故位置信 息和所述事故发生 时间查找所述事故对应的 监控视频； 对所述监控视频进行解析， 以确定所述 监控视频中的关键帧图像； 对所述关键帧图像进行内容识别， 确定所述关键帧图像中的事故车辆， 并获取所述事 故车辆的行 车信息； 在所述监控视频中对所述事故车辆进行标注， 并将标注后的监控视频导入预先训练好 的行驶轨 迹识别模型， 得到所述事故车辆的行驶轨 迹； 获取预先构建的交管法规知识图谱， 并基于所述行驶轨迹、 所述行车信息和所述交管 法规知识图谱判定所述事故车辆的事故责任。 2.如权利要求1所述的交通事故定责的方法， 其特征在于， 所述获取事故发生时间， 根 据所述事故位置信息和所述事故发生时间查找所述事故对应的监控视频的步骤， 具体包 括： 根据所述事故位置信息查找事故 发生地附近预设范围内的监控摄 像头； 调用所述监控摄像头的监控影像， 并在所述监控影像中截取所述事故发生 时间前后预 设时长范围内的影 像片段， 得到所述事故对应的监控视频。 3.如权利要求1所述的交通事故定责的方法， 其特征在于， 所述对所述监控视频进行解 析， 以确定所述 监控视频中的关键帧图像的步骤， 具体包括： 按照预设的时间 间隔对所述 监控视频进行划分， 得到若干个视频片段； 分别计算每一个所述视频片段中各个视频帧的光 流量； 比对每一个所述视频片段中各个视频帧的光流量， 并将光流量最小值对应的视频帧作 为所述监控视频的关键帧图像。 4.如权利要求1所述的交通事故定责的方法， 其特征在于， 所述对所述监控视频进行解 析， 以确定所述 监控视频中的关键帧图像的步骤， 具体包括： 计算所述 监控视频中相邻两个视频帧的直方图数据和灰度图数据； 基于所述 直方图数据和所述灰度图数据， 计算相邻两个视频帧之间的加权欧式距离； 基于所述加权欧式距离确定所述 监控视频的镜 头转换边界； 基于所述镜 头转换边界确定所述 监控视频中的关键帧图像。 5.如权利要求1至4任意一项所述的交通事故定责的方法， 其特征在于， 所述行驶轨迹 识别模型包括输入层、 卷积层和输出层， 所述在所述监控视频中对所述事故车辆进 行标注， 并将标注后的监控视频导入预先训练好的行驶轨迹识别模型， 得到所述事故车辆的行驶轨 迹的步骤， 具体包括： 通过所述行驶轨迹识别模型的输入层对所述标注后的监控视频进行特征提取， 并对提 取到的视频 特征进行特征向量转化， 得到初始特 征向量； 通过所述行驶轨迹识别模型的卷积层对所述初始特征向量进行卷积操作， 得到局部特 征权值矩阵； 通过所述行驶轨迹识别模型的输出层对所述局部特征权值矩阵进行组合， 得到所述事权　利　要　求　书 1/3 页 2 CN 114550053 A 2故车辆的行驶轨 迹。 6.如权利要求5所述的交通事故定责的方法， 其特征在于， 在所述行驶轨迹识别模型包 括输入层、 卷积层和输出层， 所述在所述监控视频中对所述事故车辆进 行标注， 并将标注后 的监控视频导入预先训练好的行驶轨迹识别模型， 得到所述事故车辆的行驶轨迹的步骤之 前， 还包括： 获取训练视频， 并对所述训练视频中的行驶车辆进行轨迹标注， 得到所述行驶车辆的 轨迹标注结果； 将所述训练视频导入预设的初始识别模型， 其中， 所述初始识别模型包括输入层、 卷积 层和输出层； 通过所述初始识别模型的输入层对所述训练视频进行特征提取， 并对提取到的视频特 征进行特征向量转化， 得到训练特 征向量； 通过所述初始识别模型的卷积层对所述训练特征向量进行卷积操作， 得到训练特征权 值矩阵； 通过所述初始识别模型的的输出层对所述训练特征权值矩阵进行组合， 得到所述行驶 车辆的行驶轨 迹识别结果； 基于所述行驶轨迹识别结果与所述轨迹标注结果， 使用反向传播算法进行拟合， 获取 识别误差； 将所述识别误差与预设误差阈值进行比较， 若所述识别误差大于预设误差阈值， 则对 所述初始识别模型进行迭代更新， 直到所述识别误差小于等于预设误差阈值为止， 得到所 述行驶轨 迹识别模型。 7.如权利要求5所述的交通事故定责的方法， 其特征在于， 所述基于所述行驶轨迹、 所 述行车信息和所述交管法规知识图谱判定所述事故车辆的事故责任的步骤， 具体包括： 基于所述行驶轨 迹和所述行 车信息构建所述事故车辆的关联实体； 将所述关联实体导入所述交管法规知识图谱， 输出所述事故车辆的事故责任判定结 果。 8.一种交通事故定责的装置， 其特 征在于， 包括： 事故定位模块， 用于接收事故定责指令， 根据所述事故定责指令对事故的位置进行定 位， 得到事故位置信息； 信息查询模块， 用于获取事故发生时间， 根据所述事故位置信息和所述事故发生时间 查找所述事故对应的监控视频； 视频解析模块， 用于对所述 监控视频进行解析， 以确定所述 监控视频中的关键帧图像； 内容识别模块， 用于对所述关键帧图像进行内容识别， 确定所述关键帧图像中的事故 车辆， 并获取 所述事故车辆的行 车信息； 轨迹识别模块， 用于在所述监控视频中对所述事故车辆进行标注， 并将标注后的监控 视频导入预 先训练好的行驶轨 迹识别模型， 得到所述事故车辆的行驶轨 迹； 事故定责模块， 用于获取预先构建的交管法规知识图谱， 并基于所述行驶轨迹、 所述行 车信息和所述交管法规知识图谱判定所述事故车辆的事故责任。 9.一种计算机设备， 其特征在于， 包括存储器和处理器， 所述存储器中存储有计算机可 读指令， 所述处理器执行所述计算机可读指 令时实现如权利要求 1至7中任一项 所述的交通权　利　要　求　书 2/3 页 3 CN 114550053 A 3