[发明专利]一种车辆位置获得方法及装置

权利要求书

1.一种车辆位置获得方法，其特征在于，所述方法包括：

获得第一图像，所述第一图像为图像采集装置获得的包括车辆的图像；

利用主干网络模型从所述第一图像中提取多个不同层级的特征，将所述多个不同层级的特征进行融合获得融合特征；

利用特征金字塔生成模型根据所述融合特征获得包括第一位置的车辆检测信息，所述第一位置为所述车辆在所述第一图像中的位置；

其中，所述特征金字塔生成模型包括：第一卷积层、第二卷积层、边框回归分支和分类分支；所述利用主干网络模型从所述第一图像中提取多个不同层级的特征，将所述多个不同层级的特征进行融合获得融合特征，包括：利用主干网络模型对第一图像进行特征提取后，获得第一特征图；利用所述第一卷积层对第一特征图进行卷积后获得第二特征图，以及利用所述第二卷积层对第一特征图进行卷积后获得第一掩膜图像；根据所述第一掩膜图像中每个像素的像素值确定第二掩膜图像，所述第二掩膜图像包括前景区域以及背景区域；将所述第二特征图的每个通道分别与所述第二掩膜图像相乘后获得第三特征图，将所述第三特征图确定为所述融合特征；

所述车辆检测信息还包括第一位置对应的车辆分类；所述利用特征金字塔生成模型根据所述融合特征获得包括第一位置的车辆检测信息，包括：利用所述边框回归分支预测所述融合特征中包含车辆的边框位置，将所述包含车辆的边框位置确定为第一位置，以及利用所述分类分支预测在所述融合特征中所述第一位置对应的车辆分类。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述第一位置从所述第一图像中截取出突显车辆区域的第二图像；

利用违规判断模型提取所述第二图像中的多个待检测特征，并根据所述多个待检测特征中的每个待检测特征判断所述车辆是否违规。

3.根据权利要求2所述的方法，其特征在于，所述车辆检测信息还包括车辆分类，在所述根据所述第一位置从所述第一图像中截取出第二图像之前，还包括：

确定所述车辆分类为第一预设分类。

4.根据权利要求2-3任一所述的方法，其特征在于，还包括：

利用车牌检测模型提取所述第二图像中车牌的位置特征，获得第三图像，所述第三图像为所述第一图像中包括车牌的区域图像；

利用车牌识别模型对所述第三图像中的车牌特征进行识别，获得车牌信息。

5.根据权利要求1-3任一所述的方法，其特征在于，还包括：

利用车牌检测模型提取所述第一图像中车牌的位置特征，获得第三图像，所述第三图像为所述第一图像中包括车牌的区域图像；

利用车牌识别模型对所述第三图像中的车牌特征进行识别，获得车牌信息。

6.根据权利要求5所述的方法，其特征在于，所述车牌识别模型包括：卷积神经网络模型、长短期记忆网络模型和关联时序分类模型，所述利用车牌识别模型对所述第三图像中的车牌特征进行识别，获得车牌信息，包括：

利用所述卷积神经网络模型提取所述第三图像中的特征矩阵图；

利用所述长短期记忆网络模型从所述特征矩阵图提取车牌序列，所述车牌序列为包括分隔符的字符串序列；

利用所述关联时序分类模型从所述车牌序列中删除分隔符和重复字符，获得车牌信息。

7.根据权利要求5所述的方法，其特征在于，所述方法还包括：

确定在所述第一位置获得第二预设分类的车辆的车牌信息，则根据所述第一位置和所述车牌信息生成预警信息；或

确定在预设时间段内在所述第一位置获得车辆的车牌信息，则根据所述第一位置和所述车牌信息生成预警信息。

8.根据权利要求1所述的方法，其特征在于，在所述利用特征金字塔生成模型根据所述融合特征获得特征序列，根据所述特征序列获得包括第一位置的车辆检测信息之后，还包括：

获得第二位置，所述第二位置为图像采集装置的地理位置；

根据所述第二位置、所述图像采集装置的角度和所述图像采集装置的高度，获得相对位置；

根据所述相对位置和所述第一位置，获得所述车辆的地理位置。

9.一种车辆位置获得装置，其特征在于，所述装置包括：

第一图像获得模块，用于获得第一图像，所述第一图像为图像采集装置获得的包括车辆的图像；

融合特征获得模块，用于利用主干网络模型从所述第一图像中提取多个不同层级的特征，将所述多个不同层级的特征进行融合获得融合特征；

第一位置获得模块，用于利用特征金字塔生成模型根据所述融合特征获得包括第一位置的车辆检测信息，所述第一位置为所述车辆在所述第一图像中的位置；

其中，所述特征金字塔生成模型包括：第一卷积层、第二卷积层、边框回归分支和分类分支；所述利用主干网络模型从所述第一图像中提取多个不同层级的特征，将所述多个不同层级的特征进行融合获得融合特征，包括：利用主干网络模型对第一图像进行特征提取后，获得第一特征图；利用所述第一卷积层对第一特征图进行卷积后获得第二特征图，以及利用所述第二卷积层对第一特征图进行卷积后获得第一掩膜图像；根据所述第一掩膜图像中每个像素的像素值确定第二掩膜图像，所述第二掩膜图像包括前景区域以及背景区域；将所述第二特征图的每个通道分别与所述第二掩膜图像相乘后获得第三特征图，将所述第三特征图确定为所述融合特征；

所述车辆检测信息还包括第一位置对应的车辆分类；所述利用特征金字塔生成模型根据所述融合特征获得包括第一位置的车辆检测信息，包括：利用所述边框回归分支预测所述融合特征中包含车辆的边框位置，将所述包含车辆的边框位置确定为第一位置，以及利用所述分类分支预测在所述融合特征中所述第一位置对应的车辆分类。