[发明专利]一种基于机器学习算法实现非法运营车辆检测的检测方法

权利要求书

1.一种基于机器学习算法实现非法运营车辆检测的检测方法，其特征在于，步骤一：通过高清摄像头采集抓拍位置的监控视频；通过数据初筛模块将监控视频分解成单帧图像并进行图像预处理之后获取监控图像；通过监控图像车辆提取嫌疑车辆图像；

步骤二：通过第三方平台获取车辆数据和获取训练图像；对训练图像进行行为标记；将训练图像、训练图像对应的车牌号、车牌号对应的业务名称和经营范围标记为标准车辆信息；构建融合模型并对融合模型进行训练，将训练完成的融合模型标记为检测模型；

步骤三：获取嫌疑车辆图像中第一类型车的图像并标记为第一类型图像；通过第一类型图像提取识别号，根据第三方平台车牌号获取识别号对应的道路运输证，根据识别号和道路运输证生成识别号对应的标准车辆信息并输入至检测模型获取行为标记；当行为标记为1时，则判定第一类型图像中的车辆为非法运营，通过处理器发送识别号和车辆追踪信号至车辆追踪模块；

步骤四：当车辆追踪模块接收到车辆追踪信号时，获取非法运营车辆的识别号和第二类型图像；结合至少两个高清摄像头获取非法运营车辆的行驶路线；将非法运营车辆的行驶路线发送至预警管理模块；

所述数据初筛模块是控制系统的组成部分，所述控制系统还包括处理器、车辆检测模块、车辆追踪模块、预警管理模块、数据存储模块、数据初筛模块和模型训练模块；所述数据初筛模块与图像采集单元通信连接，所述图像采集单元包括高清摄像头、动作云台和信号收发器，所述图像采集单元安装在抓拍位置；所述抓拍位置包括学校门口、十字路口和道路卡口；所述数据初筛模块通过抓拍位置的监控视频提取嫌疑车辆图像，包括：

通过高清摄像头采集抓拍位置的监控视频；将监控视频分解成单帧图像并进行图像预处理之后获取监控图像；所述图像预处理包括图像分割、图像去噪和灰度变换；

通过监控图像车辆提取嫌疑车辆图像；所述嫌疑车辆图像包括私家车图像、货车图像、出租车图像、三轮车图像和摩托车图像；

通过处理器将嫌疑车辆图像分别发送至车辆检测模块和数据存储模块，同时发送车辆检测信号至车辆检测模块；

所述模型训练模块用于获取检测模型，包括：

通过第三方平台获取车辆数据；所述车辆数据包括车牌号、道路运输证；所述第三方平台为车辆运输管理部门；通过道路运输证提取业户名称和经营范围；

获取训练图像；所述训练图像中包括车辆正常运营的图像和车辆非法运营的图像；对训练图像进行行为标记；

将训练图像、训练图像对应的车牌号、车牌号对应的业务名称和经营范围标记为标准车辆信息；

构建融合模型；所述融合模型通过SVM、LR和GBDT三种基线模型结合融合方式构建的模型，所述融合方式包括线性加权融合法、交叉融合法、瀑布融合法、特征融合法和预测融合法；

将标准车辆信息和行为标记按照设定比例随机生成训练集、验证集和测试集；通过训练集、验证集和测试集对融合模型进行训练、验证和测试，当融合模型的目标精度达到要求时，则判定融合模型训练完成，将训练完成的融合模型标记为检测模型；

通过处理器将检测模型发送至数据存储模块进行存储；

所述车辆检测模块包括模型检测单元和轨迹检测单元，所述模型检测单元用于判定第一类型车的非法运营行为，包括：

获取嫌疑车辆图像中第一类型车的图像并标记为第一类型图像；所述第一类型车包括私家车、货车和出租车；

通过第一类型图像提取识别号，根据第三方平台车牌号获取识别号对应的道路运输证，根据识别号和道路运输证生成识别号对应的标准车辆信息并输入至检测模型获取行为标记；当行为标记为1时，则判定第一类型图像中的车辆为非法运营，通过处理器发送识别号和车辆追踪信号至车辆追踪模块；所述识别号为第一类型图像中车辆的车牌号；

通过处理器将非法运营车辆的识别号发送至数据存储模块进行存储；

所述轨迹检测单元用于判定第二类型车的非法运营行为，包括：

获取嫌疑车辆图像中第二类型车的图像并标记为第二类型图像；所述第二类型车包括三轮车和摩托车；

通过图像识别方法获取第二类型车在设定周期内被同一高清摄像头拍摄到的最高次数，将最高次数标记为ZC；所述设定周期包括一小时、六小时和一天；

当最高次数ZC满足L1≤ZC时，则判定第二类型车为非法运营，通过处理器将第二类型图像和车辆追踪信号发送至车辆追踪模块；其中L1为最高次数阈值，且L10；

通过处理器将最高次数和第二类型图像发送至数据存储模块进行存储；

所述车辆追踪模块用于对非法运营车辆进行追踪，包括：

当车辆追踪模块接收到车辆追踪信号时，获取非法运营车辆的识别号和第二类型图像；

结合至少两个高清摄像头获取非法运营车辆的行驶路线；所述行驶路线按照时间先后顺序绘制；

同时将非法运营车辆的行驶路线分别发送至数据存储模块和预警管理模块。