[发明专利]基于深度学习的车辆压线违章判断方法、装置及存储介质

说明书

本发明实施例公开了一种基于深度学习的车辆压线违章判断方法、装置及存储介质，方法包括：获取交通摄像头所拍摄的视频数据；采用基于多特征融合的方法检测所述视频数据中的车道线，并根据所述车道线划定车道线区域；采用基于深度学习的目标检测和目标跟踪方法检测所述视频数据中的目标车辆及所述目标车辆的车辆边框；根据所述车辆边框确定目标车辆的车辆位置，并根据所述车辆位置对所述目标车辆进行跟踪；跟踪过程中，根据所述车道线区域和车辆边框判断所述目标车辆是否压线；若所述目标车辆压线，则对所述目标车辆进行车牌识别。本方法可自动判定车辆违章压线行为，满足了在交通审核中的高效和高准确率的要求。

技术领域

本发明涉及交通违法的人工智能判断技术领域，具体涉及一种基于深度学习的车辆压线违章判断方法、装置及存储介质。

背景技术

随着社会经济的持续发展与人民生活水平的不断提高，随之车辆越来越多，交通管理局对于车辆违章的自动审核需要越来越迫切。传统的违章审核主要是通过人工识别等方法，该类方法成本较高，效率较低，且在一定程度上存在主观性，影响校验准确率。如何快速准确且高效的识别出交通违章行为，同时避免人工识别的高成本，低效率等弊端是急需解决的技术问题。

发明内容

针对现有技术中的技术缺陷，本发明实施例的目的在于提供一种基于深度学习的车辆压线违章判断方法、装置及存储介质，自动判定车辆违章压线行为，以满足在交通审核中的高效和高准确率的要求。

为实现上述目的，第一方面，本发明实施例提供了一种基于深度学习的车辆压线违章判断方法，包括：

获取交通摄像头所拍摄的视频数据；

采用基于多特征融合的方法检测所述视频数据中的车道线，并根据所述车道线划定车道线区域；

采用基于深度学习的目标检测和目标跟踪方法检测所述视频数据中的目标车辆及所述目标车辆的车辆边框；

根据所述车辆边框确定目标车辆的车辆位置，并根据所述车辆位置对所述目标车辆进行跟踪；

跟踪过程中，根据所述车道线区域和车辆边框判断所述目标车辆是否压线；

若所述目标车辆压线，则对所述目标车辆进行车牌识别。

作为本申请一种具体的实施方式，采用基于多特征融合的方法检测所述视频数据中的车道线，并根据所述车道线划定车道线区域，具体包括：

提取所述视频中的每一帧图像，并将其转为灰度图；

对所述灰度图进行高斯模糊处理和Canny边缘检测处理，以得到线条型图像；

提取所述线条型图像中的感兴趣区域，并对所述感兴趣区域使用霍夫变化技术以提取线条；

根据所提取的线条，使用最小二乘法拟合直线，划定所述车道线区域。

具体地，所述方法使用YOLO-v3检测出所述视频数据的每一帧图像中的目标车辆和车辆边框，根据所述车辆边框确定车辆位置，并使用Deep-SORT跟踪算法，对所检测到的目标车辆加以跟踪。

作为本申请一种具体的实施方式，根据所述车道线区域和车辆边框判断所述目标车辆是否压线，具体包括：

若所述车辆边框与车道线区域有重叠，且重叠度大于指定阈值，则确定所述目标车辆压线，并保存所述目标车辆的当前帧图像。

作为本申请一种具体的实施方式，对所述目标车辆进行车牌识别具体包括：

提取压线的目标车辆对应的车辆图片；

对所述车辆图片进行灰度化、高斯模糊、二值化和边缘检测处理，以得到待提取图片；

根据所述待提取图片进行车牌定位，以得到所述目标车辆的车牌区域；