[发明专利]一种用于专用道路违规行驶车辆检测的方法、存储介质

权利要求书

1.一种用于专用道路违规行驶车辆检测的方法，其特征在于，包括：首先通过目标检测算法定位并分类车辆类型，判断有无非专用道路类型车辆；然后通过语义分割算法进一步精准分割专用车道和车辆语义信息；然后根据车辆类型、位置框信息和专用车道语义及车辆语义信息，共同计算单个非专用道路车辆占专用车道区域与该非专用道路车辆整体所占区域的比值，超过阈值则判定为疑似占用专用车道的违规车辆；

具体包括以下步骤：

步骤1.采集N幅含有不同车型车辆的专用车道图像；

步骤2.对采集的N幅图像进行车型类别标注，训练车辆目标检测模型；

步骤3.对N幅图像进行专用车道分割标注，训练专用车道语义分割模型；

步骤4.对N幅图像进行车辆语义分割标注，训练车辆语义分割模型；

步骤5.将待识别图像使用车辆目标检测模型进行识别，得到待识别图像中车型的类别、置信度和大致位置框，统计非专用车道车型数量并记为M；

步骤6.根据步骤5的识别结果判断是否有非专用车道车辆车型，若没有，则判定为正常行驶图像，等待下一张待识别图像输入；否则，进入步骤7；

步骤7.使用专用车道语义分割模型和车辆语义分割模型对待识别图像进行专用车道和车辆的语义分割，分别得到专用车道分割图和车辆分割图；

步骤8.将步骤5得到的非专用车道车型位置框与步骤7中得到的车辆分割图做交集，得到非专用车道车辆分割图；

步骤9.判断步骤8中的非专用车道车辆分割图的每辆非专用车道车型车辆与步骤7的专用车道分割图的专用车道是否相交，若该车辆与专用车道无相交区域则判定为正常图像，等待下一张待识别图像输入；如有相交区域，则进一步判断相交区域与该车辆所占区域之比是否小于阈值，若大于阈值，则判定该车辆为疑似违规车辆；否则，则判定该车辆为正常行驶；

所述车辆目标检测模型为SSD卷积神经网络模型；

对所述SSD卷积神经网络模型进行训练时，将SSD卷积神经网络中的损失函数替换为焦点损失函数，每批次样本为a张，学习率初始为b，动量为c，之后每d步衰减为上一次学习率的e倍，共设置f步；

a等于16，b等于4×10^-3，c等于0.9，d等于20000，e等于0.95，f等于200000。

2.根据权利要求1所述的一种用于专用道路违规行驶车辆检测的方法，其特征在于，所述专用车道语义分割模型和/或车辆语义分割模型由U-net卷积神经网络模型实现。

3.根据权利要求2所述的一种用于专用道路违规行驶车辆检测的方法，其特征在于，对所述U-net卷积神经网络模型进行训练时，参数初始化方法使用MSRA，设置迭代次数为g，批次训练样本为h张，初始学习率为i。

4.根据权利要求3所述的一种用于专用道路违规行驶车辆检测的方法，其特征在于，g等于150000，h等于16，i等于0.001。

5.根据权利要求1所述的一种用于专用道路违规行驶车辆检测的方法，其特征在于，若所述步骤9中，相交区域与该车辆所占区域之比为V，则V＝(N_carx∩N_road)/N_carx，其中，N_carx为被判断的单辆车所占区域，N_road为专用车道分割图的专用车道所占区域。

6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述用于专用道路违规行驶车辆检测的方法的步骤。