[发明专利]一种车辆禁停区域确定方法及系统在审

专利信息
申请号: 202011303138.0 申请日: 2020-11-19
公开(公告)号: CN112418061A 公开(公告)日: 2021-02-26
发明(设计)人: 郁强;陈思瑶;毛云青;王国梁;裴正良 申请(专利权)人: 城云科技(中国)有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/32;G06K9/62;G06N3/04;G06N3/08;G08G1/017
代理公司: 无锡市汇诚永信专利代理事务所(普通合伙) 32260 代理人: 李珍珍
地址: 310052 浙江省杭州市滨江区长*** 国省代码: 浙江;33
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 车辆 区域 确定 方法 系统
【权利要求书】:

1.一种车辆禁停区域确定方法,其特征在于,包括以下步骤:

获取监控视频图像;

将所述监控视频图像输入禁停标识检测模型和禁停文字检测模型中获取识别信息,依据识别信息确定禁停区域。

2.根据权利要求1所述的车辆禁停区域确定方法,其特征在于,若所述识别信息为禁停标志标识、禁停标线标识或禁停文字标识,基于所述禁停标志标识、所述禁停标线标识或所述禁停文字所在位置获取对应的车道,确定所述禁停区域;若所述识别信息为禁停区域标识,基于所述禁停区域标识所在位置确定所述禁停区域。

3.根据权利要求2所述的车辆禁停区域确定方法,其特征在于,将所述监控视频图像输入所述禁停标识检测模型中识别禁停标识,其中所述禁停标识包括所述禁停区域标识、所述禁停标志标识以及所述禁停标线标识;将所述监控视频图像输入所述禁停文字检测模型中识别所述禁停文字。

4.根据权利要求1所述的车辆禁停区域确定方法,其特征在于,基于所述识别信息的内容分类禁停区域和临时停车区域。

5.根据权利要求3所述的车辆禁停区域确定方法,其特征在于,所述监控视频图像输入所述禁停标识检测模型后得到所述禁停标识的类别标签以及位置标签,通过所述类别标签区分不同的禁停标识。

6.根据权利要求5所述的车辆禁停区域确定方法,其特征在于,所述位置标签为所述禁停标识四个边角的坐标,根据所述四个边角坐标求取最小外接矩形,并从所述监控视频图像截取所述最小外接矩形,将所述最小外接矩形中除禁停标识以外的像素置为0,得到所述禁停标识。

7.根据权利要求3所述的车辆禁停区域确定方法,其特征在于,所述监控视频图像输入所述禁停文本检测模型得到所述禁停文本的文本位置坐标和文字内容。

8.根据权利要求2所述的车辆禁停区域确定方法,其特征在于,基于所述禁停标志标识、所述禁停标线标识或所述禁停文字所在位置获取对应的车道包括:对所述监控视频图像进行前处理后截取感兴趣区域;对所述感兴趣区域进行霍夫直线变换得到直线,随后使用最小二乘法对获取的所述直线进行线性拟合获取车道线。

9.根据权利要求1所述的车辆禁停区域确定方法,其特征在于,所述禁停文本检测模型的训练过程如下:

标注训练样本:采集监控视频图像,并对其内出现的禁停文本进行标注,其中所述标注信息包括所述禁停文本的文本位置坐标和文字内容;

构建禁停文本检测网络结构端到端的禁停文本检测网络结构由主干网络、禁停文本检测分支、RoI Pooling、禁停文本识别分支组成,其中,所述主干网络为Restnet-50,所述禁停文本检测分支为全卷积网络,所述禁停文本识别分支为CRNN;

预训练禁停文本检测分支:将标注过的训练样本输入到所述主干网络和所述禁停文本检测分支采用检测损失函数L_det进行训练,得到主干网络和禁停文本检测分支的权重,其中,所述标注过的训练样本的数据标签仅包括文本位置坐标;

训练端到端的禁停文本检测网络:加载以上预训练的所述主干网络和所述禁停文本检测分支的权重,禁停文本识别分支的权重采用随机初始化操作,将所述标注过的训练样本数据输入到端到端的所述禁停文本检测网络中采用识别损失函数CTC和所述检测损失函数进行训练。

10.根据权利要求9所述的车辆禁停区域确定方法,其特征在于,所述检测损失函数公式如下:

其中,n表示候选框数目,pi表示第i个候选框为禁停文本的概率,表示第i个候选框是否为禁停文本的标签,值为0或为1,0表示不包含禁停文本,1表示包含禁停文本,Ri表示预测的候选框,表示标注的矩形框,μ表示类别损失权重,ν表示边框损失权重,μ和ν的和为1。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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城云科技(中国)有限公司,未经城云科技(中国)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/202011303138.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top