违规辨识方法及系统与流程

违规辨识方法及系统
【技术领域】
1.本发明是有关于一种违规辨识方法，特别是指一种适用于辨识车辆违规的违规辨识方法及能实施该违规辨识方法的违规辨识系统。


背景技术：

2.在高车辆密度的现代社会中，若车辆的驾驶人为逞一时之便而违规，不但容易损害其他用路人的权益，甚至可能导致意外事故的发生。
3.虽然执法人员有时会在违规热点进行取缔，但车辆违规的情形随时随地都在发生，仅靠执法人员取缔的防范效果其实相当有限。另一方面，虽然一般民众能够利用行车记录器录到的影片进行检举，但在准备检举数据的过程中势必要对影片进行剪辑而相当费时耗力，因此，如何让一般民众能够更方便地检举违规车辆，便成为一个值得研究的议题。


技术实现要素：

4.本发明要解决的技术问题是提供一种能够辅助一般民众对违规车辆进行检举的违规辨识方法。
5.为解决上述技术问题，本发明违规辨识方法由一违规辨识系统实施，该违规辨识系统存储有多个违规辨识模型，且该些违规辨识模型分别对应于多种与车辆相关的违规行为特征，该违规辨识方法包含：(a)该违规辨识系统根据一当前地理位置将该些违规辨识模型中相关于该当前地理位置的其中至少一者设定为一目标违规辨识模型，其中，该目标违规辨识模型所对应的该违规行为特征被作为一目标违规行为特征。(b)该违规辨识系统借由运行该目标违规辨识模型而对一动态影像进行影像辨识并判断一触发条件是否符合，其中，该触发条件包含该动态影像所呈现出之一车辆的位置或移动方式符合该目标违规行为特征。(c)该违规辨识系统在判断出该触发条件符合后至少根据该触发条件符合的时间点从该动态影像中撷取出一关键片段，且产生并存储一包含该关键片段的违规数据。
6.优选地，该违规辨识系统还存储有一模型选用规则，该模型选用规则包含多个彼此不重迭的地理位置范围，以及多个分别对应该些地理位置范围的模型参数，且每一模型参数指示出该些违规辨识模型的其中至少一者，在步骤(a)中，该违规辨识系统设定该目标违规辨识模型的方式，是先根据该当前地理位置判断该些地理位置范围中是否存在一个涵盖该当前地理位置的目标地理位置范围，并且在判断结果为是的情况下将对应该目标地理位置范围之模型参数所指示出的每一违规辨识模型设定为该目标违规辨识模型。
7.优选地，在步骤(b)中，该违规辨识系统对该动态影像进行影像辨识的方式，是先辨识出被该动态影像所呈现出的一或多个车牌，并将该动态影像中具有车牌的每一对象标记为一车辆，再借由辨识每一车辆的位置及移动方式是否符合该目标违规行为特征，以判断该触发条件是否符合。
8.优选地，在步骤(c)中，该触发条件符合的时间点被作为一关键时间点，且该违规辨识系统是根据该关键时间点及至少一预设时间长度决定出一撷取起始时间点以及一在
该撷取起始时间点之后的撷取终止时间点，再根据该撷取起始时间点及该撷取终止时间点从该动态影像中撷取出该关键片段。
9.优选地，在步骤(c)中，该违规辨识系统还至少根据该关键时间点从该动态影像或该关键片段中撷取出多个关键图像，并且，该违规数据还包含该些关键图像。
10.优选地，在步骤(c)中，该违规数据还包含一对应于该车辆的车牌号码、一相关于该关键时间点的违规时间，以及一相关于该关键时间点的违规地点。
11.优选地，在步骤(c)中，该违规辨识系统在产生该违规数据后，还将该违规数据传送至一外部电子装置，以供该外部电子装置将该违规数据存储。
12.优选地，在步骤(a)中，当该违规辨识系统接收到一由用户所输入且指示出该些违规辨识模型之其中一者的启用指令时，该违规辨识系统将该启用指令所指示出的该违规辨识模型设定为另一目标违规辨识模型，并且，当该违规辨识系统接收到一由用户所输入且指示出该些目标违规辨识模型之其中一者的停用指令时，该违规辨识系统将该停用指令所指示出的该目标违规辨识模型设定为非目标违规辨识模型。
13.优选地，在步骤(c)中，该违规辨识系统在判断出该触发条件符合后还输出一对应于该目标违规行为特征的警示指令，且该警示指令是用于供该外部车载装置接收并根据该警示指令输出一对应该警示指令的警示通知。
14.本发明要解决的另一技术问题是提供一种能实施该违规辨识方法的违规辨识系统。
15.为解决上述另一技术问题，本发明违规辨识系统包含一存储单元及一电连接该存储单元的处理单元，该存储单元存储有多个违规辨识模型，且该些违规辨识模型分别对应于多种与车辆相关的违规行为特征。该处理单元根据一当前地理位置将该些违规辨识模型中相关于该当前地理位置的其中至少一者设定为一目标违规辨识模型，其中，该目标违规辨识模型所对应的该违规行为特征被作为一目标违规行为特征。该处理单元借由运行该目标违规辨识模型而对一动态影像进行影像辨识并判断一触发条件是否符合，其中，该触发条件包含该动态影像所呈现出之一车辆的位置或移动方式符合该目标违规行为特征。该处理单元在判断出该触发条件符合后至少根据该触发条件符合的时间点从该动态影像中撷取出一关键片段，且产生一包含该关键片段的违规数据并将该违规数据存储至该存储单元。
16.优选地，该存储单元还存储有一模型选用规则，该模型选用规则包含多个彼此不重迭的地理位置范围，以及多个分别对应该些地理位置范围的模型参数，且每一模型参数指示出该些违规辨识模型的其中至少一者。该处理单元设定该目标违规辨识模型的方式，是先根据该当前地理位置判断该些地理位置范围中是否存在一个涵盖该当前地理位置的目标地理位置范围，并且在判断结果为是的情况下将对应该目标地理位置范围之模型参数所指示出的每一违规辨识模型设定为该目标违规辨识模型。
17.优选地，该处理单元对该动态影像进行影像辨识的方式，是先辨识出被该动态影像所呈现出的一或多个车牌，并将该动态影像中具有车牌的每一对象标记为一车辆，再借由辨识每一车辆的位置及移动方式是否符合该目标违规行为特征，以判断该触发条件是否符合。
18.优选地，该触发条件符合的时间点被作为一关键时间点，且该处理单元是根据该
关键时间点及至少一预设时间长度决定出一撷取起始时间点以及一在该撷取起始时间点之后的撷取终止时间点，再根据该撷取起始时间点及该撷取终止时间点从该动态影像中撷取出该关键片段。
19.优选地，该处理单元还至少根据该关键时间点从该动态影像或该关键片段中撷取出多个关键图像，并且，该违规数据还包含该些关键图像。
20.优选地，该违规数据还包含一对应于该车辆的车牌号码、一相关于该关键时间点的违规时间，以及一相关于该关键时间点的违规地点。
21.优选地，该处理单元在产生该违规数据后，还将该违规数据传送至一外部电子装置，以供该外部电子装置将该违规数据存储。
22.优选地，当该处理单元接收到一由用户所输入且指示出该些违规辨识模型之其中一者的启用指令时，该处理单元将该启用指令所指示出的该违规辨识模型设定为另一目标违规辨识模型，并且，当该处理单元接收到一由用户所输入且指示出该些目标违规辨识模型之其中一者的停用指令时，该处理单元将该停用指令所指示出的该目标违规辨识模型设定为非目标违规辨识模型。
23.优选地，该处理单元在判断出该触发条件符合后还输出一对应于该目标违规行为特征的警示指令，且该警示指令是用于供该外部车载装置接收并根据该警示指令输出一对应该警示指令的警示通知。
24.相较于现有技术，本发明的违规辨识系统能根据当前地理位置而设定对应的目标违规辨识模型，并借由运行该目标违规辨识模型来对动态影像进行影像辨识，以判断是否有他人之车辆的位置或移动方式符合该目标违规辨识模型所对应的该目标违规行为特征(亦即判断触发条件是否符合)，借此，该违规辨识系统能够根据当前地理位置而自动针对当地最有可能出现的车辆违规态样进行侦测，而不用持续对所有的车辆违规态样同时进行侦测，故在影像辨识的运算资源利用方面能够更有效率。并且，在判断出触发条件符合的情况下，该违规辨识系统能根据该触发条件符合的时间点从该动态影像中撷取出该关键片段，接着产生并存储包含该关键片段的违规数据，借此，用户便能直接利用该违规数据作为他人车辆违规的证据而向交通违规裁决机关进行检举，而无需自行对该动态影像进行剪辑。所以，该违规辨识系统能够有效降低用户准备检举数据的时间成本，而能让使用者更方便地检举违规车辆，而确实改善了现有技术之不便。
【附图说明】
25.本发明之其他的特征及功效，将于参照图式的实施方式中清楚地呈现，其中：
26.图1是本发明违规辨识系统之一实施例的一方块示意图；
27.图2是一示意图，示例性地绘示一设置有该实施例的第一车辆以及一第二车辆；及
28.图3是一流程图，用于示例性地说明该实施例如何实施一违规辨识方法。
【具体实施方式】
29.在本发明被详细描述之前应当注意：若未特别定义，则本专利说明书中所述的「电连接」是泛指多个电子设备/装置/组件之间透过导电材料彼此相连而实现的「有线电连接」，以及透过无线通信技术进行单/双向无线信号传输的「无线电连接」。并且，若未特别定
义，则本专利说明书中所述的「电连接」亦泛指多个电子设备/装置/组件之间彼此直接相连而形成的「直接电连接」，以及多个电子设备/装置/组件之间还透过其他电子设备/装置/组件彼此间接相连而形成的「间接电连接」。
30.参阅图1及图2，本发明违规辨识系统1的一实施例例如适用于被设置在一车辆(例如图2中所示出的一第一车辆51)，并且，该违规辨识系统1主要是用于以影像辨识的方式产生并留存其他车辆(例如图2中所示出的一第二车辆52)违规的证据，以令使用者(例如该第一车辆51的车主)能够更方便地向交通违规裁决机关提出对于违规车辆的检举。
31.在本实施例中，该违规辨识系统1例如是被实施为一台具有卫星定位功能的数字影像记录装置(英文为digital video recorder，简称dvr)，也就是一台行车记录装置。换句话说，本实施例的该违规辨识系统1能够被独立地制造及贩卖，并且能被安装至各种不同的车辆上。然而，在其他的实施例中，该违规辨识系统1并不限于被实施为行车记录装置，举例来说，该违规辨识系统1亦可例如是在一台车辆出厂之前即被内建于该车辆，而相当于一套具有影像记录及卫星定位功能的行车辅助系统，因此，该违规辨识系统1的具体实施态样并不以本实施例为限。
32.更具体地说，本实施例的该违规辨识系统1例如包含一存储单元11、一拍摄单元12、一定位单元13、一输出入单元14，以及一电连接该存储单元11、该拍摄单元12、该定位单元13及该输出入单元14的处理单元15。
33.该存储单元11在本实施例中例如是被实施为一用于存储数字数据的闪存。然而，在其他实施例中，该存储单元11亦可例如被实施为传统硬盘、固态硬盘或者其他种类的计算机可读取记录媒体，或者是不同种类之多个计算机可读取记录媒体的组合，而并不以本实施例为限。
34.该拍摄单元12在本实施例中可例如是被实施为一包括一镜片组及一感光组件的拍摄镜头模块，并且，以该第一车辆51为例，该拍摄单元12例如适用于被设置为朝向该第一车辆51的前侧进行拍摄，但并不以此为限。
35.该定位单元13例如被实施为一基于卫星定位技术而实现的卫星定位模块，更具体地说，该定位单元13例如能够接收卫星讯号而对该定位单元13本身的当前所在位置进行立即寻址。更具体地说，在本实施例中，所述的卫星讯号可例如是来自于全球定位系统(英文为global positioning system，简称gps)，也就是说，该定位单元13在本实施例中例如为一个gps卫星定位模块。然而，在其他实施例中，所述的卫星讯号亦可例如是来自于卫星导航系统(英文为global navigation satellite system，简称gnss)所泛指之其他利用卫星讯号实现立即寻址功能的系统，例如北斗卫星导航系统(bds)、伽利略定位系统(galileo)及格洛纳斯系统(glonass)等，因此，该定位单元13的具体实施态样并不以本实施例为限。
36.该输出入单元14可例如包括一显示屏幕、一按钮组合、一提示灯组合及一扬声器的其中一至多者，且该显示屏幕可例如被实施为一触控显示屏幕，但并不以此为限。
37.该处理单元15可例如被实施为一中央处理器，然而，在其他实施例中，该处理单元15亦可例如被实施为一具有中央处理器的控制电路板，而并不以本实施例为限。
38.在本实施例中，该存储单元11例如存储有多个能被该处理单元15运行以进行影像辨识的违规辨识模型m，并且，该存储单元11还存储有一相关于该些违规辨识模型m的模型选用规则r。
39.在本实施例中，每一违规辨识模型m例如是利用机器学习的方式所预先训练而成，且每一违规辨识模型m皆能令该处理单元15辨识出动态影像中具有车牌的车辆。并且，该些违规辨识模型m例如是分别对应于多种与车辆相关的违规行为特征，且每一违规行为特征例如是一种基于交通法规(例如道路交通管理处罚条例)而被定义的车辆违规态样。
40.更具体地举例来说，该些违规辨识模型m例如包含但不限于一闯红灯辨识模型、一违法越线辨识模型以及一违规停车辨识模型。
41.其中，该闯红灯辨识模型除了能令该处理单元15辨识出具有车牌的车辆之外，还例如能令该处理单元15进一步辨识出动态影像中之交通号志灯的灯号，以及辨识出动态影像中是否有车辆在红灯时通过路口。换句话说，该闯红灯辨识模型所对应的违规行为特征例如为「闯红灯」。并且，被用于训练该闯红灯辨识模型的数据可例如包含但不限于交通号志灯的图像、设有交通号志灯之路口的图像，以及车辆通过设有交通号志灯之路口的影片等，但并不以此为限。
42.另一方面，该违法越线辨识模型例如能令该处理单元15进一步辨识出动态影像中的禁止变换车道线(例如双白线及双黄线)及网格线，以及辨识出动态影像中是否有车辆在移动过程中跨越所述的禁止变换车道线或网格线。换句话说，该违法越线辨识模型所对应的违规行为特征例如为「跨越禁止变换车道线或网格线」。并且，被用于训练该违法越线辨识模型的数据可例如包含但不限于禁止变换车道线及网格线的图像，以及车辆跨越禁止变换车道线或网格线的图像或影片等，但并不以此为限。
43.再一方面，该违规停车辨识模型例如能令该处理单元15进一步辨识出动态影像中的禁止停车标线及禁止停车标志，以及辨识出动态影像中是否有车辆并排停车，或者是停留在所述的禁止停车标线或者禁止停车标志处。换句话说，该违规停车辨识模型所对应的违规行为特征例如为「违规停车」。并且，被用于训练该违规停车辨识模型的数据可例如包含但不限于禁止停车标线及禁止停车标志的图像及车辆并排停车的图像等。
44.补充说明的是，前述之闯红灯辨识模型、违法越线辨识模型及违规停车辨识模型仅是用来对本实施例之该些违规辨识模型m进行示例说明的示例性实施态样，应当理解的是，该些违规辨识模型m的实施态样并不以本实施例为限，并且，用于训练该些违规辨识模型m的数据也并非本专利说明书之重点，故不再赘述。
45.另外，在本实施例的进一步实施态样中，该些违规辨识模型m可例如还包含一用于供该处理单元15辨识「逆向行驶」之违规行为特征的逆向行驶辨识模型，以及一用于供该处理单元15辨识「转弯或变换车道时未使用方向灯」之违规行为特征的灯号违规辨识模型，但并不以此为限。
46.在本实施例中，该模型选用规则r例如包含多个彼此不重迭的地理位置范围，以及多个分别对应该些地理位置范围的模型参数，且每一模型参数指示出该些违规辨识模型m的其中至少一者。更具体地说，在本实施例中，每一地理位置范围可例如包括多个地理位置坐标，且该地理位置范围可例如是由其本身所包括的该些地理位置坐标所共同界定出的，并且，每一地理位置范围可例如是代表地图上的一特定路段、一由多个特定路段所共同形成的特定路口，或者是一涵盖多个特定路段/特定路口的特定区域，而且，每一特定路段可例如是代表完整的一条特定道路，或者是一条特定道路的其中一部分，但并不以此为限。
47.进一步地，在本实施例中，该模型选用规则r可例如是由该处理单元15对一违规历
史案件数据库进行统计分析而产生的，更明确地说，该处理单元15例如是根据该违规历史案件数据库归纳出每一地理位置范围内最常发生的违规行驶态样，并借此决定该地理位置范围所对应的模型参数要指示出哪几个违规辨识模型m。举例来说，若其中一个地理位置范围发生红灯右转的频率最高，则该地理位置范围所对应的模型参数可例如是指示出该些违规辨识模型m中的该闯红灯辨识模型。举另一例来说，若另一个地理位置范围发生违法跨越标线及违规停车的频率都很高，则另该地理位置范围所对应的模型参数可例如是同时指示出该些违规辨识模型m中的该违法越线辨识模型及该违规停车辨识模型。补充说明的是，在本实施例的类似实施态样中，该模型选用规则r也可例如是由一分析服务器以相同的方式对该违规历史案件数据库进行分析产生后再透过网络提供至该违规辨识系统1存储，因此，该模型选用规则r被产生的方式并不以本实施例为限。
48.同时参阅图1及图2并配合参阅图3，以下以该第一车辆51为例地说明本实施例的该违规辨识系统1如何在该第一车辆51的行驶过程中实施一违规辨识方法。
49.首先，在步骤s1中，当该处理单元15接收到一由该输出入单元14根据用户的操作而产生的启动指令时，该处理单元15根据该启动指令控制该拍摄单元12持续进行录像，以从该拍摄单元12获得一由该拍摄单元12所产生的动态影像，换句话说，该动态影像在本实施例中是由该拍摄单元12持续进行录像所产生的实时影片。接着，流程进行至步骤s2。
50.在步骤s2中，该处理单元15控制该定位单元13进行立即寻址，以从该定位单元13获得一当前地理位置。补充说明的是，该当前地理位置例如被实施为一gps定位坐标，而且，该当前地理位置不但相当于该违规辨识系统1本身的当前所在位置，亦相当于该第一车辆51的当前所在位置。此外，可选地，该处理单元15例如会每隔一段时间地确认该违规辨识系统1所计时的当前时间是否准确，并且于时间误差过大时进行校正。接着，流程进行至步骤s3。
51.在步骤s3中，该处理单元15根据该当前地理位置将该些违规辨识模型m中相关于该当前地理位置的其中至少一者设定为一目标违规辨识模型m’(示例性地示于图1)。为了便于说明，在此假设该处理单元15在本实施例中所设定之目标违规辨识模型m’的数量为一个，并且，在此将该目标违规辨识模型m’所对应的违规行为特征作为本实施例中的一目标违规行为特征。
52.更具体地说，该处理单元15在本实施例中设定该目标违规辨识模型m’的方式，是先根据该当前地理位置判断该模型选用规则r的该些地理位置范围中是否存在一个涵盖该当前地理位置的目标地理位置范围，并且，若该处理单元15的判断结果为是，则该处理单元15将该目标地理位置范围所对应之模型参数所指示出的违规辨识模型m设定为该目标违规辨识模型m’。
53.补充说明的是，若该目标地理位置范围所对应的该模型参数是指示出该些违规辨识模型m的其中多者(例如两者或以上)，则该处理单元15便会将该模型参数所指示出的该些违规辨识模型m分别设定为多个目标违规辨识模型m’，也就是说，在实际的实施态样中，该处理单元15所设定之目标违规辨识模型m’的数量也可以是多个，而并不以本实施例为限。另一方面，若该处理单元15判断出该当前地理位置并未位于任何一个地理位置范围内，则流程可例如在一预定周期结束时再次从步骤s2开始进行。
54.在该处理单元15根据该当前地理位置设定该目标违规辨识模型m’后，流程进行至
步骤s4。
55.在步骤s4中，该处理单元15借由运行该目标违规辨识模型m’而对该动态影像进行影像辨识，并根据影像辨识的结果判断一触发条件是否符合。若该处理单元15判断的结果为否，流程进行至步骤s5，而若该处理单元15判断的结果为是，流程则进行至步骤s6。
56.具体而言，在本实施例中，该触发条件例如代表该动态影像所呈现出的另一车辆(在此以图2中的该第二车辆52为例)的位置或移动方式符合该目标违规辨识模型m’所对应的该目标违规行为特征。
57.举一例来说，假设该处理单元15是将该闯红灯辨识模型设定为目标违规辨识模型m’，则若该处理单元15借由运行该闯红灯辨识模型而辨识出该第二车辆52的移动方式符合了「闯红灯」的违规行为特征时，该处理单元15便会判定该触发条件符合。举另一例来说，假设该处理单元15是将该违规停车辨识模型设定为目标违规辨识模型m’，则若该处理单元15借由运行该违规停车辨识模型而辨识出该第二车辆52是停留在禁止停车标线或禁止停车标志处，而符合了「违规停车」的违规行为特征时，该处理单元15便会判定该触发条件符合。
58.值得一提的是，在本实施例中，该处理单元15对该动态影像进行影像辨识的方式，是先辨识出被该动态影像所呈现出的一或多个车牌，再将该动态影像中具有车牌的每一对象标记为一车辆(例如该第二车辆52)，接着，该处理单元15再借由辨识每一车辆的位置及移动方式是否符合该目标违规辨识模型m’所对应的目标违规行为特征，以判断该触发条件是否符合。借由本实施例的前述影像辨识方式，该处理单元15仅会将该动态影像中具有车牌的对象作为车辆，也就是说，本实施例的该处理单元15是先从该动态影像中辨识出具有车牌的车辆，再辨识每一车辆的位置及移动方式是否符合该目标违规行为特征，借此，本实施例的该处理单元15便不会针对该动态影像中不具有车牌的对象(例如脚踏车及电动自行车)进行目标违规行为特征的辨识，因此能避免将运算资源浪费在难以检举的对象上。然而，在其他的实施例中，该处理单元15也可例如是先辨识出一对象的位置或移动方式符合该目标违规行为特征后，再根据该对象是否具有车牌来判断该对象是否为车辆，因此，该处理单元15对该动态影像进行影像辨识的方式并不以本实施例为限。
59.在接续于步骤s4之后的步骤s5中，一旦该处理单元15判断出该触发条件并未符合，该处理单元15例如再次控制该定位单元13进行立即寻址，并根据该定位单元13的定位结果判断该违规辨识系统1本身是否还位于该目标地理位置范围之内(相当于判断该第一车辆51是否还位于该目标地理位置范围之内)。若该处理单元15判断的结果为是，则流程例如从步骤s4再次开始执行，借此继续判断该触发条件是否符合。而若该处理单元15判断的结果为否，流程则例如从步骤s2再次开始执行，借此重新进行目标违规辨识模型m’的设定，但并不以此为限。
60.在接续于步骤s4之后的步骤s6中，在该处理单元15判断出该触发条件符合之后，该处理单元15至少根据该触发条件符合的时间点从该动态影像中撷取出一关键片段以及多个关键图像。
61.更具体地说，该处理单元15判定该触发条件符合的时间点被作为本实施例中的一关键时间点，也就是说，该关键时间点相当于是该第二车辆52在该动态影像中的行为符合该目标违规行为特征的时间点。而且，在本实施例中，该处理单元15撷取出该关键片段的方式，例如是先根据该关键时间点及一个预设时间长度决定出一撷取起始时间点以及一在该
撷取起始时间点之后的撷取终止时间点，接着再根据该撷取起始时间点及该撷取终止时间点从该动态影像中撷取出该关键片段。并且，在本实施例中，该撷取起始时间点可例如是由该处理单元15将该关键时间点回推该预设时间长度所决定出，而该撷取终止时间点则例如是由该处理单元15将该关键时间点后推该预设时间长度所决定出，但并不以此为限。
62.举一例来说，假设该关键时间点是在该动态影片的第5分30秒处，并假设该预设时间长度为10秒，则在此例中，该撷取起始时间点例如是从该动态影片的第5分30秒回推10秒(亦即回推该预设时间长度)，而会被决定为该动态影片的第5分20秒处。另一方面，该撷取终止时间点则例如是从该动态影片的第5分30秒后推10秒(亦即后推该预设时间长度)，而会被决定为该动态影片的第5分40秒处。因此，在此例中，该关键片段便会是该动态影像中从第5分20秒起至第5分40秒止的部分。
63.借由该处理单元15在本实施例中撷取出该关键片段的方式，该关键片段能够呈现出该第二车辆52的行为符合该目标违规行为特征的至少一部份过程，换句话说，该关键片段能够被作为该第二车辆52构成违规行为的影片证据。
64.另一方面，该处理单元15撷取出该些关键图像的方式，可例如是将该动态影像在该关键时间点、该关键时间点的前一秒，以及该关键时间点的后一秒的三个影格(frame)分别作为该些关键图像，但并不以此为限。换句话说，该些关键图像相当于是从该动态影像中所撷取出的照片，而有机会被作为该第二车辆52构成违规行为的照片证据。补充说明的是，在其他的实施例中，该处理单元15所撷取出之关键图像的数量也可为一张、两张、四张或更多，且该些关键图像之间的时间间隔长度并不以前述所举例的一秒为限，而且，该处理单元15亦可例如是从该动态影像撷取出该关键片段后，再从该关键片段中撷取出该些关键图像，因此，该处理单元15撷取出该些关键图像的方式并不以本实施例为限。并且，在一些实施例中，该处理单元15在步骤s6中也可以仅撷取出该关键片段，而不撷取该些关键图像。
65.在该处理单元15撷取出该关键片段及该些关键图像后，流程进行至步骤s7。
66.在步骤s7中，该处理单元15产生一违规数据，并将该违规数据存储至该存储单元11。在本实施例中，该违规数据例如包含该关键片段、该些关键图像、一对应于该第二车辆52的车牌号码、一相关于该关键时间点的违规时间，以及一相关于该关键时间点的违规地点，但并不以此为限。更具体地说，该车牌号码例如是由该处理单元15在对该动态影像进行影像辨识的过程中所获得。另一方面，该违规时间例如是由该处理单元15根据该违规辨识系统1内建的电子时钟功能而将该关键时间点转换为现实环境时间的结果(例如某年某月某日的下午3点20分)。再一方面，该违规地点例如被实施为一地址，且该违规地点例如是由该处理单元15根据一电子地图将该定位单元13于该关键时间点的定位结果进行转换而产生的，但并不以此为限。由于该违规数据报含了一般民众在检举违规车辆时所需提供的必要信息，因此，用户(例如该第一车辆51的车主)便能方便地利用该违规数据向交通违规裁决机关检举该第二车辆52的违规行为，而无需再自行对该动态影像进行剪辑。
67.在该处理单元15产生该违规数据或者将该违规数据存储至该存储单元11后，可选地，流程进行至步骤s8。
68.在步骤s8中，该处理单元15例如将该违规数据传送至一外部电子装置(图未示)，以供该外部电子装置将该违规数据存储。更具体地说，在本实施例中，该外部电子装置可例如是一台提供云端硬盘服务的云端服务器，且该处理单元15例如是在产生该违规数据后自
动地将该违规数据透过网络传送至该云端服务器存储，如此一来，使用者便能够方便地透过手机或计算机从该云端服务器下载该违规数据，而无需对该违规辨识系统1进行抓取数据的操作。
69.补充说明的是，在另一实施例的步骤s8中，该外部电子装置也可例如是用户所持有的一台行动电子装置(例如手机)，且该处理单元15例如是在产生该违规数据后自动地将该违规数据透过蓝芽或网络传送至该行动电子装置存储，如此一来，使用者便无需自行将该违规数据从该违规辨识系统1转移到自己的手机中。进一步地，在又一实施例的步骤s8中，该外部电子装置也可例如是由交通违规裁决机关所管理且提供在线检举服务的一台交通违规检举受理服务器，并且，该处理单元15例如是在经过使用者确认的情况下将该违规数据透过网络传送至该交通违规检举受理服务器，如此一来，使用者便能够直接操作该违规辨识系统1来完成对该第二车辆52的检举，而无需为了进行检举而特地将该违规数据转移至自己手机或计算机。
70.并且，在本实施例之进一步实施态样的步骤s3中，在该处理单元15根据该当前地理位置完成该目标违规辨识模型m’的设定后，该处理单元15例如能控制该输出入单元14显示一违规态样设定接口，且该违规态样设定接口例如能指示出所有该些违规辨识模型m，以及当前有哪几个违规辨识模型m被设定为目标违规辨识模型m’。而且，当该处理单元15接收到一由该输出入单元14根据用户的输入所产生，并且指示出该些违规辨识模型m之其中一者的启用指令时，该处理单元15会根据该启用指令而将该启用指令所指示出的该违规辨识模型m设定为另一个目标违规辨识模型m’。另一方面，当该处理单元15接收到一由该输出入单元14根据用户的输入所产生，并且指示出该(等)目标违规辨识模型m’之其中一者的停用指令时，该违规辨识系统1会根据该停用指令而将该停用指令所指示出的该目标违规辨识模型m’设定为非目标违规辨识模型。更明确地说，该启用指令及该停用指令例如皆是由该输出入单元14根据用户对该违规态样设定接口的操作所产生，也就是说，虽然该处理单元15会根据该当前地理位置自动设定目标违规辨识模型m’，但用户仍能够透过该违规态样设定接口而自由决定要将哪几个违规辨识模型m设定为目标违规辨识模型m’，但并不以此为限。
71.另一方面，在本实施例之进一步实施态样的步骤s6中，当该处理单元15判断出该触发条件符合时，可选地，该处理单元15例如还进一步判断该目标违规辨识模型m’所对应的目标违规行为特征是否属于一被预先设定好的高危险性违规行为特征(例如逆向行驶，但不以此为限)，并且，在判断结果为是的情况下，该处理单元15例如控制该输出入单元14输出一警示提醒，借此提示该第一车辆51的驾驶人当前路段有高危险性的违规驾驶行为发生，以使该第一车辆51的驾驶人提高警觉。并且，在所述进一步实施态样的步骤s6中，该处理单元15在判断出该触发条件符合时，也可还例如以无线传输的方式输出一对应于该目标违规行为特征的警示指令，并且，该警示指令例如是用于供一或多个外部车载装置(图未示出)以无线的方式接收，并使得该(些)外部车载装置各自根据该警示指令输出一对应于该警示指令的警示通知，且该警示通知例如指示出该目标违规行为特征所代表的车辆违规态样(例如「闯红灯」)。更明确地说，每一外部车载装置例如是设置在一台与该第一车辆51相距不超过一距离门坎值的邻近车辆上，也就是说，该处理单元15所输出的该警示指令是用于使每一外部车载装置输出该警示通知，借此提醒邻近车辆的驾驶人附近有车辆的违规情
形发生，而有助于让邻近车辆的驾驶人提高警觉，以降低意外事故发生的可能性。
72.以上即为本实施例之违规辨识系统1及其所实施之违规辨识方法的示例说明。应当理解的是，上述的步骤s1至步骤s8以及图2中的流程图仅是用于示例说明该违规辨识方法的其中一种可实施方式，而并非用于限制本发明的可实施范围。举例来说，在其他的实施例中，步骤s1及步骤s2被执行的顺序可例如是与本实施例相反，或者也可例如是同时被执行，因此，该违规辨识方法在步骤的顺序方面并不以本实施例为限。
73.综上所述，借由实施该违规辨识方法，该违规辨识系统1能根据当前地理位置而设定对应的目标违规辨识模型m’，并借由运行该目标违规辨识模型m’来对动态影像进行影像辨识，以判断是否有他人之车辆的位置或移动方式符合该目标违规辨识模型m’所对应的该目标违规行为特征(亦即判断触发条件是否符合)，借此，该违规辨识系统1能够根据当前地理位置而自动针对当地最有可能出现的车辆违规态样进行侦测，而不用持续对所有的车辆违规态样同时进行侦测，故在影像辨识的运算资源利用方面能够更有效率。并且，在判断出触发条件符合的情况下，该违规辨识系统1能根据该触发条件符合的时间点从该动态影像中撷取出该关键片段及该些关键图像，接着产生并存储包含该关键片段及该些关键图像的违规数据，借此，用户便能直接利用该违规数据作为他人车辆违规的证据而向交通违规裁决机关进行检举，而无需自行对该动态影像进行剪辑。所以，该违规辨识系统1能够有效降低用户准备检举数据的时间成本，而能让使用者更方便地检举违规车辆，而确实能达成本发明之目的。
74.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。