[發明專利]一種畜力車目標違章行駛行為檢測方法、裝置及相機

有效

• 申請號: 201711485286.7
• 申請日: 2017-12-29
• 公開（公告）號: CN109993031B
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 孟騰騰
• 申請（專利權）人: 杭州海康威視數字技術股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/34;G06K9/46;G06K9/62;G06N3/04
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 馬敬;項京

本發明實施例提供了一種畜力車目標違章行駛行為檢測方法、裝置及相機，其中，畜力車目標違章行駛行為檢測方法包括：獲取指定場景下的待檢測圖像；利用預設目標檢測算法，對待檢測圖像進行非機動車目標檢測，判斷待檢測圖像中是否存在非機動車目標，并確定各非機動車目標所處的區域圖像；利用預設目標識別算法，對各區域圖像進行目標識別，判斷各非機動車目標是否為畜力車目標；利用預設行為檢測算法，對各畜力車目標進行行為檢測，判斷各畜力車目標是否存在違章行駛行為，并確定違章行駛行為的類別。通過本方案可以正確檢測畜力車目標違章行駛行為。

技術領域

本發明涉及智能交通技術領域，特別是涉及一種畜力車目標違章行駛行為檢測方法、裝置及相機。

背景技術

畜力車，是指依靠畜力(例如牛、馬、驢、騾等)為驅動上道路行為的交通工具。目前，畜力車在城市交通場景中出現的頻率較少，但在一些偏遠郊區，畜力車的使用仍然較為普遍，畜力車在使用過程中危險系數較大，存在較大的安全隱患。并且，與龐大的車流量相比，畜力車違章行駛行為出現的頻率較低，如果采用傳統的人工篩選方式從大量的監控視頻幀中篩選存在畜力車目標違章行駛行為的情況，由于大部分的監控視頻幀是無效的，會耗費大量的人工時間，效率低。

近年來，隨著人工智能技術的快速發展，基于深度學習的檢測方法逐漸成為公共交通中用于進行車輛目標檢測的主流技術。相應的車輛目標檢測方法中，將采集的監控視頻幀輸入到基于車輛牌照、車輛顏色、車輛品牌等車輛基本屬性特征訓練得到的神經網絡中，通過神經網絡運算，即可檢測車輛目標的類別和位置信息。

由于畜力車目標由駕駛人、牲畜和人造運輸工具三部分組成，畜力車目標的屬性特征較為復雜，如果直接將上述車輛目標檢測方法應用到畜力車目標檢測，具有很高的誤檢率，并且，由于畜力車目標違章行駛行為復雜多樣，上述車輛目標檢測方法對于畜力車目標是否違章行駛無法正確檢測。

發明內容

本發明實施例的目的在于提供一種畜力車目標違章行駛行為檢測方法、裝置及相機，以正確檢測畜力車目標違章行駛行為。

第一方面，本發明實施例提供了一種畜力車目標違章行駛行為檢測方法，所述方法包括：

獲取指定場景下的待檢測圖像，其中，所述指定場景為允許出現畜力車目標的路段場景；

利用預設目標檢測算法，對所述待檢測圖像進行非機動車目標檢測，判斷所述待檢測圖像中是否存在非機動車目標，并確定各非機動車目標所處的區域圖像；

利用預設目標識別算法，對各區域圖像進行目標識別，判斷各非機動車目標是否為畜力車目標；

利用預設行為檢測算法，對各畜力車目標進行行為檢測，判斷各畜力車目標是否存在違章行駛行為，并確定違章行駛行為的類別。

可選的，所述獲取指定場景下的待檢測圖像，包括：

獲取通過圖像采集器采集的指定場景下的源圖像；

對所述源圖像進行預處理，得到滿足預設檢測條件的預處理圖像；

提取所述預處理圖像中感興趣區域內的圖像，作為待檢測圖像。

可選的，在所述利用預設目標檢測算法，對所述待檢測圖像進行非機動車目標檢測，判斷所述待檢測圖像中是否存在非機動車目標，并確定各非機動車目標所處的區域圖像之前，所述方法還包括：

獲取多個包含有非機動車目標的圖像樣本，其中，所述非機動車目標包括畜力車目標；

根據標定的各圖像樣本中非機動車目標區域的坐標信息，提取各非機動車目標區域的圖像，構成第一樣本集；

按照預設分類策略，對所述第一樣本集進行畜力車目標及非畜力車目標分類，得到畜力車目標對應的第二樣本集以及非畜力車目標對應的第三樣本集；