[发明专利]电动自行车违规行为的检测方法及装置在审
申请号: | 202010746583.8 | 申请日: | 2020-07-29 |
公开(公告)号: | CN114092902A | 公开(公告)日: | 2022-02-25 |
发明(设计)人: | 王向鸿;王鹏飞;李京;郝尚荣 | 申请(专利权)人: | 顺丰科技有限公司 |
主分类号: | G06V20/58 | 分类号: | G06V20/58;G06V10/764;G06K9/62;G06N3/08 |
代理公司: | 深圳紫藤知识产权代理有限公司 44570 | 代理人: | 远明 |
地址: | 518000 广东省深圳市南山区学府路(以南)*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 电动自行车 违规行为 检测 方法 装置 | ||
本申请提供了一种电动自行车违规行为的检测方法及装置,该电动自行车违规行为的检测方法包括:获取电动自行车上摄像装置拍摄的车道线图像;对车道线图像中的车道线进行识别,得到车道线在车道线图像上的第一位置信息;基于车道线图像获取车道线图像的预设参考点的第二位置信息;基于第一位置信息和第二位置信息确定电动自行车的违规行为。本申请通过设置在电动自行车上的摄像装置拍摄车道线图像,对车道线的位置进行识别,然后根据车道线和预设参考点的位置确定违规行为,无需对电动自行车的位置进行识别即可确定违规行为,避免了电动自行车位置识别误差对检测结果的影响,提高了电动自行车违规行为的检测方法的精确度。
技术领域
本申请涉及电动车违规行为检测技术领域,具体涉及一种电动自行车违规行为的检测方法及装置。
背景技术
近年来,电动自行车在我国迅速普及,逐渐成为群众中短途出行的重要交通工具,目前全社会保有量约2亿辆。随之而来的是部分驾驶员无安全驾驶意识,占用机动车道、闯红灯、逆向行驶、违法载人、酒后驾驶、非法营运、加装车篷、违禁通行等电动车乱象,使得电动车交通事故率连年攀升。由于缺乏相应的交通管理规则和措施,电动自行车成了城市交通乱象的罪魁祸首之一。
现有技术中,检测电动自行车是否违规主要靠部署在城市的公共道路、各类园区、高速公路主路以及重要出入口等处的静态摄像头来对违规行为图像进行采集,然后再确定违规行为,这种方案需要识别电动自行车和车道线的位置,然后对电动自行车是否违规进行判断,然而通过人工或机器对电动自行车的位置进行识别均存在误差,现有方案精确度较低。
也即,现有技术中,电动自行车违规行为的检测方法精确度较低。
发明内容
本申请提供一种电动自行车违规行为的检测方法及装置,旨在解决电动自行车违规行为的检测方法精确度较低的问题。
一方面,本申请提供一种检测方法,所述检测方法包括:
获取电动自行车上摄像装置拍摄的车道线图像;
对所述车道线图像中的车道线进行识别,得到所述车道线在所述车道线图像上的第一位置信息;
基于所述车道线图像获取所述车道线图像的预设参考点的第二位置信息;
基于所述第一位置信息和所述第二位置信息确定所述电动自行车的违规行为。
其中,所述对所述车道线图像中的车道线进行识别,得到所述车道线在所述车道线图像上的第一位置信息,包括:
对所述车道线图像进行语义分割,得到车道线在所述车道线图像上的第一位置信息。
其中,所述对所述车道线图像进行语义分割,得到车道线在所述车道线图像上的第一位置信息,包括:
基于具有注意力机制的分类神经网络模型对所述车道线图像进行图像分类,得到所述车道线图像的至少两个分类结果和所述至少两个分类结果对应的至少两个分类置信度;
若所述至少两个分类置信度中的所有分类置信度均小于预设值,则对所述车道线图像进行语义分割,得到所述车道线在所述车道线图像上的第一位置信息。
其中,所述基于具有注意力机制的分类神经网络模型对所述车道线图像进行图像分类,得到所述车道线图像的至少两个分类结果和所述至少两个分类结果对应的至少两个分类置信度,包括:
提取所述车道线图像的第一特征图;
基于注意力机制对所述第一特征图的权重进行重分配,得到重分配后的第二特征图;
基于所述第二特征图对所述车道线图像进行图像分类,得到所述车道线图像的至少两个分类结果和所述至少两个分类结果对应的至少两个分类置信度。
其中,所述检测方法还包括:
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顺丰科技有限公司,未经顺丰科技有限公司许可,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/202010746583.8/2.html,转载请声明来源钻瓜专利网。