[发明专利]一种基于深度学习的视频车辆违停检测方法

摘要

本发明公开了一种基于深度学习的视频车辆违停检测方法，包括S1，人工标记禁停区域；S2，读取实时视频图片，利用深度学习方法跳帧检测车辆目标位置，为节约计算资源采用IOU跟踪的方式对检测出的车辆目标进行跟踪；S3，如果在步骤S1中人工标记的禁停区域内的车辆目标首次出现，则为当前目标保存第一张图片、在图片中的位置坐标和当前时间；S4，如果在步骤S1中人工标记的禁停区域内的车辆目标为已有目标。本发明一种基于深度学习的视频车辆违停检测方法，本方法实现了实时检测违法停车的功能，并能直接生成车辆判罚依据，保证了判罚无遗漏，节约了交通执法的人力成本，提高了判罚效率，实现更好地对车辆出行进行管制约束。

主权项

1.一种基于深度学习的视频车辆违停检测方法，其特征在于，包括如下步骤：S1，人工标记禁停区域；S2，读取实时视频图片，利用深度学习方法跳帧检测车辆目标位置，为节约计算资源采用IOU跟踪的方式对检测出的车辆目标进行跟踪；S3，如果在步骤S1中人工标记的禁停区域内的车辆目标首次出现，则为当前目标保存第一张图片、在图片中的位置坐标和当前时间；S4，如果在步骤S1中人工标记的禁停区域内的车辆目标为已有目标，若目标移动，则更新步骤S3中保存的所有信息；若目标未移动，则判断当前时间与步骤S3中保存的时间差是否超过规定限制，如果超过则为当前目标保存第二张图片、在图片中的坐标及当前时间，该目标属于违停车辆；S5，如果步骤S4中的违停车辆一直未离开，则随时间推移刷新保存第三张图片、在图片中的位置坐标和当前时间；S6，待步骤S5中的违停车辆驶离监控区域则将根据先前保存的三条信息识别出车牌信息，将之前保存的三条信息和车牌信息推送出去，供前端进行数据库存储和报警，交警可根据此三条信息对违法车辆进行判罚；S7，对于步骤S5中的违停车辆长时间不离开的情况，超过一定时间段后将会执行步骤S6中的数据推送工作；S8，对于步骤S7中的情况，数据推送工作完成之后将会继续对该目标进行跟踪，但不再更新保存信息，不再进行数据推送工作。