[发明专利]一种基于几何投影的车辆压线检测方法

说明书

本发明提出了一种基于几何投影的交通车辆压线检测方法，包括：图像分割；使用卷积神经网络进行车辆检测与特征提取；对检测出的车辆进行筛选；对筛选出的目标违法相似车辆进行底盘拟合；对目标违法相似车辆进行压线检测判断。本发明通过深度学习实现对车辆的目标检测与特征提取，并且通过几何投影进行车辆底盘的拟合，再在车辆底盘拟合的基础上进行车辆压线判断，能够准确的对车辆压线行为进行判断。

技术领域

本发明涉及深度学习技术领域，具体涉及一种基于几何投影的车辆压线检测方法。

背景技术

近年来，随着城市化发展进程的不断推进，城市交通的需求量也逐年提升，车辆保有量不断增加，产生的交通违法事件也随之增多。交通违法事件一般会经由电子摄像头拍摄，将包含违法行为动态过程的多张图片记录下来，并且合成上传到交通管理平台。在各种交通违法行为中，车辆压线违法行驶易导致剐蹭、追尾等交通事故，进而造成交通拥堵，给交通安全和效率造成严重危害。因此针对车辆压线检测的相关研究提出了更多要求。

车辆压线检测最直接的方法是认为观察违法图片中车辆的压线情况，但是人工成本高，且效率低下，工作时间短。因为依赖计算机的车辆违章压线检测是实际需要的。当前常用的车辆压线检测方法为，使用canny边缘检测算法与霍夫变换拟合出车道线，然后根据车道线上是否存在遮挡、压线物的存在来判断车辆压线结果，但该类算法受光照、天气、拍摄角度原因影响较大，误差较大，鲁棒性较差。

而当前与本发明相关的车辆压线检测方法有：发明专利(公开号：CN110298300A，名称：一种检测车辆违章压线的方法)公开了一种基于深度学习的车辆违章压线检测方法，但该发明专利没有考虑因视角差异导致的车辆检测框与真实车辆底盘框之间的差异，而本发明进行几何投影获得车辆底盘拟合框，准确率更高，效果更好，两者存在明显的差别。

发明内容

为克服现有技术上检测精度低、检测速度慢、鲁棒性的不足，本发明提供了一种基于几何投影的交通车辆压线检测方法。

本发明的技术方案如下：

一种基于几何投影的交通车辆压线检测方法，其特征在于，包括如下步骤：

步骤1：读取四合一的车辆压线违法图像，并将其进行四等分为四张子图像，将等分得到的左上、右上、左下、右下的子图像分别记得I_i,i＝1,2,3,4，图像I₄中车辆唯一，且为目标违法车辆；

步骤2：采用深度卷积神经检测模型，检测出I_i中的所有车辆，并构成集合其中，表示图像I_i中的第j辆车的包络框，表示左上角的坐标，和分别表示的宽和高，F_i^j表示图像I_i中的第j辆车的特征向量，F_i^j＝{f_i^jk|k＝1,2,...,K}，f_i^jk表示F_i^j中的第k个特征，K表示车辆特征向量维度，m_i表示第i张子图像检测出车的数量，且m₄＝1；

步骤3：对步骤2得到的集合C进行筛选，具体为：

步骤3.1：通过公式(1)计算目标违法车辆与所有车辆之间的特征相似度集合

其中表示图像I₄中的目标违法车辆与图像I_i中的第j辆车的特征相似度，表示图像I₄中的第1辆车的特征向量，F_i^j表示图像I_i中的第j辆车的特征向量，K表示车辆特征向量维度，表示图像I₄中的第1辆车的第k个特征；