[发明专利]一种闯红灯的识别方法、装置、电子设备及存储介质在审
申请号: | 202010441240.0 | 申请日: | 2020-05-22 |
公开(公告)号: | CN111680580A | 公开(公告)日: | 2020-09-18 |
发明(设计)人: | 周星宇;张二路;毛雷;张德兵;周瑞 | 申请(专利权)人: | 北京格灵深瞳信息技术有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/34;G06K9/46 |
代理公司: | 北京新知远方知识产权代理事务所(普通合伙) 11397 | 代理人: | 马军芳;张艳 |
地址: | 100192 北京市海淀区*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 闯红灯 识别 方法 装置 电子设备 存储 介质 | ||
1.一种闯红灯的识别方法,其特征在于,包括:
获取至少一组待识别图像;其中,一组待识别图像包括四张图像;所述四张图像包括目标车辆的放大图和三张过程图;所述三张过程图是分别包括所述目标车辆在路口三个不同位置的图像;
对所述放大图执行车牌检测和特征提取,根据所述目标车辆的车牌或特征确定所述三张过程图中的目标车辆;并对所述三张过程图车道线进行分割,确定所述三张过程图中目标车道线和目标停止线的位置;确定所述三张过程图中红绿灯的位置、种类和颜色;
根据所述三张过程图中的目标车辆分别与目标车道线和目标停止线的相对位置以及目标红绿灯颜色,确定所述目标车辆是否闯红灯。
2.根据权利要求1所述的方法,其特征在于,在获取至少一组待识别图像之前,还包括:
获取原始输入图像;
将原始输入图像划分为多个区域,根据所述多个区域的曝光程序的不同,预设不同的权重系数;
根据所述多个区域分别对应的权重系数,确定图像的最佳曝光率;
根据所述最佳曝光率合成曝光图像;
根据所述原始输入图像和所述合成的曝光图像,得到增强的图像;
将所述增强的图像作为待识别图像。
3.根据权利要求1所述的方法,其特征在于,根据所述目标车辆的车牌确定所述三张过程图中的目标车辆,具体包括:
对所述三张过程图中的多个车辆执行车牌检测;
将所述放大图中的车牌与多个车辆的车牌进行对比;
当车牌一致时,确定目标车辆。
4.根据权利要求1所述的方法,其特征在于,根据所述目标车辆的特征确定所述三张过程图中的目标车辆,具体包括:
对所述三张过程图中的多个车辆执行特征提取;
将所述放大图中的车辆特征与多个车辆的特征进行对比;
根据对比结果,确定目标车辆。
5.根据权利要求1所述的方法,其特征在于,
对所述三张过程图车道线进行分割,具体包括:利用深度学习分割网络对所述三张过程图中的车道线进行分割;
确定所述三张过程图中红绿灯的位置、种类和颜色,具体包括:通过红绿灯检测识别算法确定所述三张过程图中红绿灯的位置、种类和颜色。
6.根据权利要求5所述的方法,其特征在于,所述深度学习分割网络的输出上采样2倍后,将网络下采样1/8的特征图进行连接,block2层的输出使用1*1的卷积降维,再将网络上采样2倍。
7.根据权利要求5所述的方法,其特征在于,所述深度学习分割网络中的每张训练图像的车道线和背景为不同的损失权重:
其中,p为对应类别在总体样本中出现的概率,c是预设的超参数。
8.根据权利要求7所述的方法,其特征在于,所述深度学习分割网络中对每一张标注图像计算一个权重图,车道线区域的权重图如下:
其中,d(x)代表到最近车道线边界的距离的平方;w0和σ为经验值。
9.根据权利要求5所述的方法,其特征在于,所述深度学习分割网络激活函数使用EReLU。
10.根据权利要求5所述的方法,其特征在于,在确定所述三张过程图中红绿灯的位置之前,还包括:
将各过程图裁剪为X张小图;各相邻小图彼此之间重叠N个像素;
通过红绿灯检测识别算法确定所述三张过程图中红绿灯的位置,具体包括:在各过程图对应的X张小图中检测红绿灯的位置,并根据各个结果得到各过程图中红绿灯的位置。
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北京格灵深瞳信息技术有限公司,未经北京格灵深瞳信息技术有限公司许可,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/202010441240.0/1.html,转载请声明来源钻瓜专利网。