[发明专利]一种社区监控场景下车辆违停实时检测方法

权利要求书

1.一种社区监控场景下车辆违停实时检测方法，其特征在于：包括以下步骤：

步骤1：社区环境下采集车辆数据集，训练本发明设计的车辆检测网络模型VDM-CNN，直至参数最优；

步骤2：使用训练好的VDM-CNN网络模型，对社区内禁停区域进行车辆目标检测、使用跟踪器存储检测到了目标车辆信息；

步骤3：计算跟踪器内车辆信息关系，判断是否有相同车辆；

步骤4：对相同车辆在时间序列上进行时间、空间关系计算，判断目标是否具有时间连续性和空间不变性，进而判断是否有违规停车行为；

步骤5：GPU调度策略进行GPU调度。

2.根据权利要求1所述的社区监控场景下车辆违停实时检测方法，其特征在于：在所述步骤1中，还包括在社区内安装高清摄像头或者视频采集装置，选择需要监测的区域，获取该区域下所有的车辆视频流，并对其解码获得车辆数据集；使用该数据集对车辆检测网络模型VDM-CNN行训练；训练过程：首先使用默认参数进行训练，根据训练中间结果，对初始权值、训练速率和迭代次数不断进行调整，直到所述网络以预设的效率达到最优的检测效果。

3.根据权利要求1所述的社区监控场景下车辆违停实时检测方法，其特征在于：在所述步骤2中，还包括在社区禁停区域安装摄像头，使用训练好的VDM-CNN网络模型对禁停区域进行实时检测，并将检测到的车辆信息记录在跟踪器中，车辆信息包括车辆特征向量、车辆空间位置以及检测时间点；为检测到的每一个新目标车辆初始化一个跟踪器。

4.根据权利要求1所述的社区监控场景下车辆违停实时检测方法，其特征在于：在所述步骤3中，还包括车辆检测网络模型VDM-CNN每检测到一个目标车辆便通过余弦相似性定理计算是否有相同车辆，若有相同车辆便将信息记录在已存在的跟踪器中并进行步骤4操作，若没有相同目标车辆便为其初始化一个跟踪器；其中余弦相似度计算公式：

5.根据权利要求1所述的社区监控场景下车辆违停实时检测方法，其特征在于：在所述步骤4中，还包括对于步骤3中检测出来的相同目标车辆在时间序列上进行时间、空间关系计算，判断目标是否具有时间连续性和空间不变性，以实现停车检测，计算公式：

6.根据权利要求1所述的社区监控场景下车辆违停实时检测方法，其特征在于：在所述步骤5中，还包括实时监控GPU处理集群中的GPU使用情况，采取适当的调度策略对GPU进行实时调度。