[发明专利]车辆违法变道的检测方法和装置在审
申请号: | 202010325478.7 | 申请日: | 2020-04-23 |
公开(公告)号: | CN111523464A | 公开(公告)日: | 2020-08-11 |
发明(设计)人: | 周康明;张宪法 | 申请(专利权)人: | 上海眼控科技股份有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06T7/73;G08G1/017 |
代理公司: | 北京同立钧成知识产权代理有限公司 11205 | 代理人: | 朱颖;臧建明 |
地址: | 200030 上海市徐汇*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 车辆 违法 检测 方法 装置 | ||
1.一种车辆违法变道的检测方法,其特征在于,包括:
获取多帧连续的待审核图像和待检测车辆的车牌信息;
基于车辆检测网络模型,识别所述待审核图像中的所有机动车辆以及机动车辆的位置信息;
基于车牌检测网络模型,获取所述所有机动车辆的车牌图像;
基于图像文字识别模型,在所述车牌图像中识别每个机动车辆的车牌信息;
将所述待检测车辆的车牌信息与所述每个机动车辆的车牌信息进行匹配,并将匹配成功的机动车辆确定为目标检测车辆;
获取所述目标检测车辆所在图像中的路面标线信息;
根据所述目标检测车辆在每一帧待审核图像中的位置信息和所述路面标线信息,检测所述目标检测车辆是否违法变道。
2.根据权利要求1所述的方法,其特征在于,所述车牌信息包括车牌字符;所述将所述待检测车辆的车牌信息与所述每个机动车辆的车牌信息进行匹配,并将匹配成功的机动车辆确定为目标检测车辆,包括:
将所述待检测车辆的车牌字符与每个机动车辆的车牌字符进行对比,若存在相同字符且相同字符数量大于预设阈值,则将对应的机动车辆确定为目标检测车辆。
3.根据权利要求1所述的方法,其特征在于,所述获取所述目标检测车辆所在图像中的路面标线信息,包括:
在预先建立的结构化文件中,读取所述目标检测车辆所在图像中的路面标线信息,所述路面标线信息包括停止线、白色实线和黄色实线;
其中,一个结构化文件对应存储一个检测道路的路面标线信息。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述目标检测车辆在每一帧待审核图像中的位置信息和所述路面标线信息,检测所述目标检测车辆是否违法变道,包括:
根据所述路面标线信息对每一条路面标线进行线性拟合,得到拟合后的路面标线信息;
根据所述目标检测车辆在每一帧待审核图像中的位置信息和拟合后的路面标线信息,确定所述目标检测车辆在每一帧待审核图像中所在车道的车道编号;
若所述目标车辆在每一帧待审核图像中所在车道的车道编号不相同,则确定所述目标车辆违法变道;否则,确定所述目标车辆未违法变道。
5.根据权利要求1所述的方法,其特征在于,还包括训练得到所述车辆检测网络模型的步骤:
采集第一训练样本,所述第一训练样本包括:预设数量帧审核图像、每帧审核图像中标记的车辆位置信息以及车辆类型,所述车辆类型包括机动车类型和非机动车类型;
将所述第一训练样本作为输入量,输入预先建立的第一深度学习神经网络进行训练,得到车辆检测网络模型。
6.根据权利要求5所述的方法,其特征在于,还包括训练得到所述车牌检测网络模型的步骤:
采集第二训练样本,所述第二训练样本包括:每一帧审核图像中的车辆图像以及每个车辆图像中标记的车牌位置信息;
将所述第二训练样本作为输入量,输入预先建立的第二深度学习神经网络进行训练,得到车牌检测网络模型。
7.根据权利要求6所述的方法,其特征在于,还包括训练得到图像文字识别模型的步骤:
采集第二训练样本,所述第二训练样本包括:车牌图像以及每个车牌图像中标记的车牌字符;
将所述第二训练样本作为输入量,输入预先建立得到的第三深度学习神经网络进行训练,得到图像文字识别模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海眼控科技股份有限公司,未经上海眼控科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010325478.7/1.html,转载请声明来源钻瓜专利网。