[发明专利]一种基于目标识别的道路营运车辆状态监测系统及方法

权利要求书

1.一种基于目标识别的道路营运车辆状态监测系统，其特征在于，包括车辆图像获取模块，目标车辆识别模块，车牌定位模块，车牌字符识别模块和车辆状态识别模块；

所述的车辆图像获取模块包括视频数据输入端，车辆图像数据输出端，其中所述的视频数据输入端连接外部设备提供的实时道路待监测视频，所述的车辆图像获取模块被配置为：获取道路实时待监测视频，对待监测视频进行移动车辆识别，通过图像差值法对待监测视频进行移动车辆识别，截取移动车辆图像信息；

所述的目标车辆识别模块包括车辆图像数据输入端和目标车辆图像数据输出端，其中所述的车辆图像数据输入端连接车辆图像获取模块的输出端，所述的目标车辆识别模块被配置为：获取移动车辆图像，识别营运车辆为目标车辆，得到目标车辆的图像信息；

所述的车牌定位模块包括目标车辆图像数据输入端和车牌图像数据输出端，其中所述的目标车辆图像数据输入端连接目标车辆识别模块的输出端，所述的车牌定位模块被配置为：获取目标车辆图像信息，定位目标车辆的车牌位置，得到目标车辆的车牌图像信息；

所述的车牌字符识别模块包括车牌图像数据输入端和车牌字符数据输出端，其中所述的车牌图像数据输入端连接车牌定位模块的输出端，所述的车牌字符识别模块被配置为：获取目标车辆的车牌图像信息，得到目标车辆的车牌字符信息；

所述的车辆状态识别模块包括车牌字符数据输入端、实时营运车辆数据输入端和目标车辆状态识别输出端，其中所述的车牌字符数据输入端连接车牌字符识别模块的输出端，所述的实时营运车辆数据输入端连接外部交通运营车辆数据库，所述的目标车辆状态识别输出端展示目标车辆状态识别结果，所述的车辆状态识别模块被配置为：获取目标车辆的车牌字符信息和实时营运车辆数据信息，进行车辆GPS开启状态识别。

2.一种利用权利要求1所述的系统进行基于目标识别的道路营运车辆状态监测方法，其特征在于，包括下列步骤：

S100、车辆图像获取模块从外部图像数据接口获取道路实时待监测视频，获取移动车辆的图像信息；

S200、将获取的移动车辆图像输入到目标车辆识别模块，采用训练后的第一深度神经网络模型对所获取的车辆图像进行目标车辆识别，获取目标车辆的图像信息，训练过程如下：

步骤S201：构建第一深度神经网络模型；其中，第一深度神经网络模型为YOLOV3目标检测神经网络模型；

步骤S202：构建第一训练集；其中，所述第一训练集中图像为包含营运车辆的图像和包含非营运车辆的图像，标签为车辆对应的左上角和右下角位置坐标，并且坐标需经过归一化处理；

步骤S203：采用第一训练集对第一深度神经网络模型进行训练，当第一损失函数停止下降或者达到迭代次数时，保存第一深度神经网络模型参数，得到训练后的第一深度神经网络模型，其中，所述第一损失函数是指均方差损失函数(MSELoss)与二分类交叉熵损失函数(BCELoss)的总和；

S300、将获取的目标车辆图像输入到车牌定位模块，采用训练后的第二深度神经网络模型对所获取的目标车辆图像进行车牌定位，获取目标车辆的车牌图像信息；

S400、将目标车辆获取的车牌图像信息输入到车牌字符识别模块，采用训练后的第三深度神经网络模型对所获取的车牌图像进行车牌字符识别，获取目标车辆的车牌字符信息；

S500、将目标车辆的车牌字符信息和实时营运车辆数据信息同时输入到车辆状态识别模块，识别目标车辆的实时状态。

3.根据权利要求2所述的基于目标识别的道路营运车辆状态监测方法，其特征在于，所述步骤S100具体包括：采用道路电警摄像头对道路上的车辆进行待监测视频采集，获取待监测视频的相邻两帧彩色图像，将所述两帧彩色图像转成灰度图像，之后通过高斯滤波减少相邻两张灰度图像中的噪声，再计算所述经过处理后的两帧图像之间的差值，通过差值计算图像中有变动的占比，从而获取有移动车辆的图像。