[发明专利]基于DeepLabv3+的车道线网络识别模型建立及车辆速度检测方法在审
申请号: | 202110151705.3 | 申请日: | 2021-02-03 |
公开(公告)号: | CN112861700A | 公开(公告)日: | 2021-05-28 |
发明(设计)人: | 滑海宁 | 申请(专利权)人: | 西安仁义智机电科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06N3/04;G06N3/08;G01P3/36 |
代理公司: | 西安恒泰知识产权代理事务所 61216 | 代理人: | 王芳 |
地址: | 710000 陕西省西安市未央区樊寨*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 deeplabv3 车道 网络 识别 模型 建立 车辆 速度 检测 方法 | ||
本发明属于图像处理技术领域,本发明提出了一种基于DeepLabv3+的车道线网络识别模型建立及车辆速度检测方法,主要解决事故发生时需要人工手动去现场标定物理距离,且在事故发生的周围需要有固定的摄像头提供视频录像;实现步骤为:获取训练样本集;构建基于DeepLabv3+的车道线网络识别模型B;对基于DeepLabv3+的车道线网络识别模型B进行迭代训练;获取车辆速度的检测结果:相邻两幅视频帧图像中坐标距离得到车辆行驶的实际距离,由视频帧率得到行驶过程的时间,计算得到速度;本发明为事故发生现场提供了人工干预少、自动高效的速度检测方法。
技术领域
本发明属于图像处理技术领域,涉及一种车辆速度检测方法,具体涉及一种基于DeepLabv3+的车道线网络识别模型建立及车辆速度检测方法,可用于事故发生现场的交通管理等领域。
技术背景
目前常见的车速测量方式包括雷达、激光等。其中,雷达测速是利用电磁波探测来实现测速,该方法具有技术成熟、价格低的优势,但在测量中容易产生干扰;激光测速是通过测量红外线光波在Ladar设备与目标之间的传送时间来决定,该方法具有测量速度快、测速准确度高等优点,但是激光测速产品价格高。
车辆在行驶过程中发生交通事故,排查车辆是否超速成为首要的责任判断依据,而衡量行驶中车辆是否超速的唯一指标就是速度信息,因此得到发生交通事故时的车辆行驶速度成为当前迫切需要解决的问题。
在发生交通事故时,传统的基于视频的车辆测速方法一般通过设置虚拟线圈,捕获车辆经过时间差,通过标定物理距离,实现速度计算。这种方法在每次发生事故时需要人工手动去现场标定物理距离,且在相机移动后需要重新标定参数,测速相对较为复杂,在事故发生的周围需要有固定的摄像头提供视频录像。
Deeplab是一个语义分割网络,将输入图像中的每个像素分配一个语义类别,以得到像素化的密集分类,完成对图像中各个像素点分类。Deeplabv3网络中的编码模块采用ResNet作为主干网络,然后级联了一个空洞空间金字塔池化模块ASPP,使用不同膨胀率的空洞卷积保证了分辨率和大的感受野。
现有的基于视频的车辆速度检测的方法,多数需要人工手动去现场标定物理距离,且在事故发生的周围需要有固定的摄像头提供视频录像,例如,申请公布号为CN111753797A,名称为“一种基于视频分析的车辆测速方法”的专利申请,实现步骤为:搭建摄像机于道路上方,摄像机安装高度为Hc,摄像机光心与竖直线夹角为θ,在车辆测速区域标定测速起止线,摄像机近端标线距离为Hc*tanθ,车辆测速区域的长度为l;使用深度卷积神经网络对车辆测速区域进行车辆目标检测,判断车辆是否驶入车辆测速区域;车辆驶入检测区域后开始进行车辆跟踪检测,将检测到的目标初始化并创建新的跟踪器,标注每个检测目标的标识,记录目标所属类别C和当前的时间ts,记录目标车辆的起始中心点(xs,ys)以及包围框的长宽值(ls,ws);并获取车辆的实时定位;车辆驶出车辆测速区域,记录当前的时间te,记录目标车辆的最终中心点(xe,ye)以及当前包围框的长宽值(le,we);计算出目标车辆的时间差Δt=te-ts,中心点偏移量Δx=xe-xs,Δy=ye-ys,长度和宽度偏移量分别为Δl=le-ls,Δw=we-ws;使用深度神经网络拟合车辆位移和车辆速度的非线性函数。该方法虽然利用深度学习中的卷积神经网络来实现对车辆的定位和跟踪,很大程度上可以提升基于视频测速的速度,但是需要人工现场标定车辆测速区域,且在事故发生的周围需要有固定的摄像头提供视频录像,实用性较差。
发明内容
本发明的目的在于克服上述现有技术存在的缺陷,提出了一种基于DeepLabv3+的车道线网络识别模型建立及车辆速度检测方法,旨在保证检测准确率的前提下,提高检测效率。
为实现上述目的,本发明采取的技术方案包括如下步骤:
一种基于DeepLabv3+的车道线网络识别模型建立方法,包括如下步骤:
(1)获取训练样本集:
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西安仁义智机电科技有限公司,未经西安仁义智机电科技有限公司许可,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/202110151705.3/2.html,转载请声明来源钻瓜专利网。