[发明专利]一种基于深度学习的机场出发层违章车辆自动识别方法

权利要求书

1.一种基于深度学习的机场出发层违章车辆自动识别方法，其特征在于：包括以下步骤：

S1：获取视频流，导入目标识别模型和多目标追踪判断模型，对视频流进行逐帧判断；

S2：目标识别与判断，将车辆和行人作为识别目标，并分别赋予id，如判断为车则执行步骤S3，如判断为人则执行步骤S4，直至视频文件每一帧均被判断完成；

S3：对车辆是否处于静止状态进行识别，并保存车辆识别参数数据集至参数存储器；

S4：对行人是否消失进行识别，并保存行人识别参数数据集至参数存储器；

S5：对S3、S4中保存到参数存储器中的数据集进行计算，以一辆静止的车的检测范围内记录行人“出现”与“消失”的总次数的代数差来计算车辆的最终人数变化；

S6：以车辆的车内最终人数变化为依据，对标记为消失的车辆进行违章行为识别；当人数变化＞0时，可以判断车辆存在接客行为,即违章；当人数变化＜0时，可以判断车辆存在送客行为,即未违章；当人数变化＝0时，可以判断车辆为路过车辆；当人数变化数据丢失时，则代表车辆丢失部分数据，将其人数变化记为0，同时将该车做上数据丢失的标记；

S7：输出结果。

2.如权利要求1所述的基于深度学习的机场出发层违章车辆自动识别方法，其特征在于：所述S1中的视频流为时长为T的机场出发层车道边固定机位监控视频，用t表示监控视频的任一时刻，t∈[0，T]；

所述S2、S3、S5、S6的具体步骤为:车辆在t时刻被目标识别模型识别到并判断为“出现”时被赋予id为i，i∈N，N代表视频中所有个体被跟踪算法赋予的id集合；

用表示t时刻时被多目标追踪判断模型的跟踪器标记“出现”的车的id的集合，用表示t时刻时被标记“消失”的车的id的集合，用表示t时刻时未被多目标追踪判断模型的跟踪器标记为“消失”的车的id的集合，由式1确定：

车辆是否属于静止状态使用参数代表id为i的车辆在t时刻的状态修正系数判定，当其为1时表示车辆处于静止状态，可以进行违章识别，当其为0时，表示车辆处于其他状态，不能进行违章识别，由式2确定：

式2中，代表id为i的车辆在t时刻的状态参数，其为2时表示车辆处于还未识别出运动与静止的未知状态，其为1时表示车辆处于静止状态，其为0时表示车辆处于运动状态，其为-1时表示车辆处于部分监测数据丢失状态，仅有当为1时才能对车辆i进行违章识别。

3.如权利要求2所述的基于深度学习的机场出发层违章车辆自动识别方法，其特征在于：所述S2、S4、S5、S6的具体步骤为：当行人在t时刻被目标识别模型识别到并判断为“出现”时被赋予id为j，j∈N，用表示t时刻时被跟多目标追踪判断模型的跟踪器标记“出现”的人的id的集合，用表示t时刻时被标记“消失”的人的id的集合，用表示t时刻时未被多目标追踪判断模型的跟踪器标记“消失”的人的id的集合，由式8确定：

在监控视频的时间范围内，车辆i是否违章可由其在屏幕消失时的车内人数确定，使用参数C_Nei表示id为i的车在屏幕消失时的车内人数，代表t时刻id为i的车辆内人数，C_Nei可由式9确定：

当时，即id为i的车辆不存在丢失数据的情况时，可分为三种情况，当C_Nei＞0时，判断id为i的车辆存在接客行为,即违章；当C_Nei＜0时，判断id为i的车辆存在送客行为,即未违章；当C_Nei＝0时，判断id为i的车辆为路过车辆；当时，则代表id为i的车辆丢失部分数据数据，将在屏幕消失时的车辆的车内人数变化记为0，同时将id为i的车做上数据丢失的标记。