[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

说明书

本发明公开了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。本发明的方法采用深度卷积神经网络中的目标检测算法和语义分割算法，提升违规使用专用车道的车辆的检测准确率。

技术领域

本发明涉及智能交通技术领域，特别涉及一种用于专用道路违规行驶车辆检测的方法、存储介质。

背景技术

随着人民生活水平的提高和消费观念的转变，汽车需求量不断增大，我国成为汽车大国。2013年至今，我国汽车保有量逐年增长。相关数据显示，截止2019年中国机动车保有量达3.48亿辆，其中汽车保有量达2.6亿辆，与2018年相比增长了8.83％，在不断的发展中，汽车已经融入我们的生活，在日常生活和经济等方面都扮演着重要角色。汽车在便利人们生活的同时也产生了很多问题，随着公路机动车流量日益增加，专用道路违规行驶车辆的检测因人力缺乏而难以得到有效的监管。

目前，关于违规使用专用车道车辆检测的方法主要是：直接通过语义分割检测车道线，再使用目标检测算法确定车辆大致位置，根据两者关系判断车辆是否违规。一般性的，语义分割算法比目标检测算法的速度慢。这种方案主要缺陷在于画面中不存在非专用车道车辆时仍然会执行全部运算，消耗资源；或是由于目标检测得到的为车辆外接矩形，存在较高的误判几率。

基于此，针对违规使用专用车道车辆检测中存在的问题，有必要提供一种更加可靠、稳定地专用道路违规行驶车辆检测的方案。首先通过目标检测算法进行车型识别和车辆数目的检测，对图像内车辆情况进行初步判定，过滤不需要执行后续计算的情况；然后通过语义分割来精确分割车辆以及专用车道图像，更加准确的检测存在违规使用专用车道的非专用道路车辆。

发明内容

本发明的目的是克服上述背景技术中不足，提供一种用于专用道路违规行驶车辆检测的方法、存储介质，采用深度卷积神经网络中的目标检测算法和语义分割算法，提升违规使用专用车道的车辆的检测准确率。

为了达到上述的技术效果，本发明采取以下技术方案：

一种用于专用道路违规行驶车辆检测的方法，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；

本发明的方法中，通过深度学习目标检测算法先对图像进行初步信息获取，判断是否需要进一步运算，再通过语义分割算法获取精准的车辆位置和专用车道信息以检测非专用车道车型车辆是否可能存在违规占用专用车道行驶的行为，可以较好的实现专用道路违规行驶车辆检测并减少计算消耗，提高判断准确率等特征。

进一步地，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；