[发明专利]基于视频识别和深度学习的车辆参数检测方法及相关装置

权利要求书

1.一种基于视频识别和深度学习的车辆参数检测方法，其特征在于，包括：

获取车辆行驶视频和轮胎运动视频；

基于所述车辆行驶视频及预先设定的目标检测区域，计算各车辆的车速及所述车辆之间的车距；

对所述车辆行驶视频进行分帧，得到车辆图像，基于所述车辆图像识别各所述车辆的车道、车牌及类别，并基于各所述车辆的类别识别各所述车辆的车型及车轴；其中，基于所述车辆图像识别各所述车辆的类别，包括：通过深度学习从所述车辆图像中提取车辆车型的有效特征，根据车辆车型的有效特征识别所述车辆的类别；

基于所述轮胎运动视频中的轮胎的变形信息，计算与所述轮胎运动视频时空相同步的车辆行驶视频中与所述轮胎相匹配的车辆的轴重及车重；

基于所述车辆行驶视频及预先设定的目标检测区域，计算各车辆的车速，包括：

获取与所述目标检测区域对应的实测检测区域中各标记点的坐标，并根据各所述标记点的坐标计算所述目标检测区域中与所述标记点对应的目标标记点的坐标，且根据各所述目标标记点的坐标获取所述目标检测区域中各像素点的坐标；

利用预设的运动目标检测算法检测所述目标检测区域中的车辆，并利用矩形框对所述车辆进行标记；

基于所述目标检测区域中各像素点的坐标获取各所述车辆对应的矩形框的顶点在视频中的坐标，根据所述矩形框的顶点在视频中的坐标对应计算各所述矩形框的顶点在所述实测检测区域中的坐标，并根据各所述矩形框的顶点在所述实测检测区域中的坐标计算各所述矩形框的实际长度；

获取各所述车辆对应的矩形框进入所述目标检测区域中的预设侵入线的帧数、离开所述预设侵入线的帧数，并根据进入所述预设侵入线的帧数、离开所述预设侵入线的帧数计算所述车辆通过所述预设侵入线的时间，根据所述车辆通过所述预设侵入线的时间及所述车辆对应的矩形框的实际长度计算所述车辆的车速。

2.根据权利要求1所述的基于视频识别和深度学习的车辆参数检测方法，其特征在于，基于所述车辆行驶视频及预先设定的目标检测区域，计算所述车辆之间的车距，包括：

获取位于同一车道上且前后相邻的两个车辆中位于前侧的车辆对应的矩形框的第一条边在视频中的坐标、位于后侧的车辆对应的矩形框的第二条边在视频中的坐标；其中，所述第一条边为矩形框中与车辆尾部对应的边，所述第二条边为矩形框中与车辆头部对应的边；

根据位于前侧的车辆对应的矩形框的第一条边在视频中的坐标，得到位于前侧的车辆对应的矩形框的第一条边在所述实测检测区域中的坐标，并根据位于后侧的车辆对应的矩形框的第二条边在视频中的坐标，得到位于后侧的车辆对应的矩形框的第二条边在所述实测检测区域中的坐标；

根据位于前侧的车辆对应的矩形框的第一条边在所述实测检测区域中的坐标、位于后侧的车辆对应的矩形框的第二条边在所述实测检测区域中的坐标，得到位于前侧的车辆与位于后侧的车辆之间的车距。

3.根据权利要求1所述的基于视频识别和深度学习的车辆参数检测方法，其特征在于，基于各所述车辆的类别识别各所述车辆的车型及车轴，包括：

利用多尺度下的细粒度检测算法对各类别的车辆进行检测，识别各所述车辆的车型；

利用强监督细粒度图像模型和弱监督细粒度图像模型对各类别的车辆进行识别，以确定各所述车辆的车轴。

4.根据权利要求1所述的基于视频识别和深度学习的车辆参数检测方法，其特征在于，基于所述车辆图像识别各所述车辆的车道，包括：

利用计算机视觉的立体视差、车道消失点法或车道分割线的深度学习算法中的任一种算法对所述车辆图像进行识别，以得到各所述车辆的车道。

5.根据权利要求1所述的基于视频识别和深度学习的车辆参数检测方法，其特征在于，基于所述车辆图像识别各所述车辆的车牌，包括：

基于计算机视觉的数字图像处理方法对所述车辆图像进行处理，以识别各所述车辆的车牌。