[发明专利]一种交通违法行为检测方法、装置及计算机可读存储介质

权利要求书

1.一种交通违法行为检测方法，其特征在于，包括：

将道路环境图像输入至二维图像目标检测模型，输出所述道路环境图像中目标的二维位置信息以及类别信息；其中，所述目标的类别信息包括：车辆、行人、交通指示灯、交通标志以及道路指示线；

基于所述二维位置信息获取包含所述目标的截锥体点云；

将所述截锥体点云输入至三维图像目标检测模型，输出所述目标的三维位置信息；

参考所述三维位置信息对所述目标进行违法行为检测；

将违法行为检测结果上报至后台服务器。

2.如权利要求1所述的交通违法行为检测方法，其特征在于，所述二维图像目标检测模型包括：特征提取网络、区域建议网络、ROI池化网络、边界框回归头以及类别预测头；

所述将道路环境图像输入至二维图像目标检测模型，输出所述道路环境图像中目标的二维位置信息以及类别信息，包括：

将道路环境图像输入至所述特征提取网络，输出卷积特征图；

将所述卷积特征图输入至区域建议网络，输出包含感兴趣区域的特征图；

将所述包含感兴趣区域的特征图输入至ROI池化网络，输出位置修正后的特征图；

通过所述边界框回归头以及类别预测头分别对所述位置修正后的特征图进行边界框回归以及类别预测，得到所述道路环境图像中目标的二维位置信息以及类别信息。

3.如权利要求1所述的交通违法行为检测方法，其特征在于，所述三维图像目标检测模型包括：三维语义分割网络、转换网络以及三维边界框回归网络；

所述将所述截锥体点云输入至三维图像目标检测模型，输出所述目标的三维位置信息，包括：

将所述截锥体点云输入至所述三维语义分割网络，输出包含所述目标每个点的语义掩模；

将所述语义掩模输入至所述转换网络，通过所述转换网络将目标点云转换到坐标系的中心位置；

通过所述三维边界框回归网络对所述目标点云进行边界框回归，得到述目标的三维位置信息。

4.如权利要求1所述的交通违法行为检测方法，其特征在于，所述参考所述三维位置信息对所述目标进行违法行为检测，包括：

识别所述交通指示灯的状态信息；

参考所述车辆、所述行人的三维位置信息以及所述交通指示灯的状态信息，进行闯红灯行为检测；

以及，参考所述车辆以及所述道路指示线的三维位置信息，进行压实线行为检测。

5.如权利要求1所述的交通违法行为检测方法，其特征在于，所述参考所述三维位置信息对所述目标进行违法行为检测，包括：

结合所述交通标志、所述道路指示线的所述二维位置信息，以及所述车辆、所述车辆的动态轨迹的所述三维位置信息，对所述车辆进行违法行为检测。

6.如权利要求1至5中任意一项所述的交通违法行为检测方法，其特征在于，所述将所述截锥体点云输入至三维图像目标检测模型，输出所述目标的三维位置信息之后，还包括：

获取对应于三维图像目标检测数据的人工校准数据；

将所述人工校准数据更新于所述三维图像目标检测模型的训练集数据，以对所述三维图像目标检测模型进行重新训练。

7.一种交通违法行为检测装置，其特征在于，包括：

第一检测模块，用于将道路环境图像输入至二维图像目标检测模型，输出所述道路环境图像中目标的二维位置信息以及类别信息；其中，所述目标的类别信息包括：车辆、行人、交通指示灯、交通标志以及道路指示线；

获取模块，用于基于所述二维位置信息获取包含所述目标的截锥体点云；

第二检测模块，用于将所述截锥体点云输入至三维图像目标检测模型，输出所述目标的三维位置信息；

第三检测模块，用于参考所述三维位置信息对所述目标进行违法行为检测；

上报模块，用于将违法行为检测结果上报至后台服务器。