[發明專利]具有危險載貨行為的車輛目標識別方法、裝置及電子設備

有效

• 申請號: 201810557515.X
• 申請日: 2018-06-01
• 公開（公告）號: CN110555347B
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 杜磊;余聲;羅兵華;鈕毅
• 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: G06V20/58
• 分類號: G06V20/58;G06V10/84;G06K9/62
• 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具有危險載貨行為的車輛目標識別方法、裝置及電子設備，具有危險載貨行為的車輛目標識別方法包括：對待檢測圖像進行車輛目標檢測，確定待檢測圖像中車輛目標所處區域；根據車輛目標所處區域在待檢測圖像中的位置關系，對車輛目標所處區域進行調整，定位出待檢測圖像中的車輛載貨感興趣區域，其中，車輛目標所處區域為待檢測圖像中僅包含車輛目標的車頭或者車尾的區域，車輛載貨感興趣區域中包括車輛目標的載貨特征；采用預先訓練的神經網絡模型，對車輛載貨感興趣區域中的車輛目標進行分類識別，判斷車輛目標是否為具有危險載貨行為的車輛目標。通過本方案可以準確識別具有危險載貨行為的車輛目標。

技術領域

本發明涉及智能交通技術領域，特別是涉及一種具有危險載貨行為的車輛目標識別方法、裝置及電子設備。

背景技術

在公共交通中，車輛常常會出現危險載貨的行為，如圖1a及圖1b所示的貨車超載貨物，圖1c及圖1d所示的三輪車超載貨物，圖1e及圖1f所示的轎車車頂懸掛、捆綁貨物等等，車輛的危險載貨行為容易造成交通安全事故。因此，為了便于公共交通安全相關部門的管理工作，需要對道路中這類存在危險載貨行為的車輛進行識別。傳統的識別方法中，通過人工篩選的方式，從大量的視頻監控圖像數據中篩選出具有危險載貨行為的車輛，而視頻監控圖像數據的數據量往往是非常龐大的，這將消耗大量的人工時間和精力，且極易出現漏檢、誤檢的情況。

近年來，隨著人工智能的快速發展，深度學習方法逐漸成為圖像中目標識別的主流技術。在公共交通中，基于深度學習的識別方法中對于車輛是否具有危險載貨行為還無法進行準確識別。

發明內容

本發明實施例的目的在于提供一種具有危險載貨行為的車輛目標識別方法、裝置及電子設備，以準確識別具有危險載貨行為的車輛目標。具體技術方案如下：

第一方面，本發明實施例提供了一種具有危險載貨行為的車輛目標識別方法，所述方法包括：

對待檢測圖像進行車輛目標檢測，確定所述待檢測圖像中車輛目標所處區域；

根據所述車輛目標所處區域在所述待檢測圖像中的位置關系，對所述車輛目標所處區域進行調整，定位出所述待檢測圖像中的車輛載貨感興趣區域，所述車輛目標所處區域為所述待檢測圖像中僅包含所述車輛目標的車頭或者車尾的區域，所述車輛載貨感興趣區域中包括所述車輛目標的載貨特征；

采用預先訓練的神經網絡模型，對所述車輛載貨感興趣區域中的所述車輛目標進行分類識別，判斷所述車輛目標是否為具有危險載貨行為的車輛目標。

可選的，在所述根據所述車輛目標所處區域在所述待檢測圖像中的位置關系，對所述車輛目標所處區域進行調整，定位出所述待檢測圖像中的車輛載貨感興趣區域之前，所述方法還包括：

判斷所述車輛目標所處區域的尺寸是否大于預設尺寸；

若是，則執行所述根據所述車輛目標所處區域在所述待檢測圖像中的位置關系，對所述車輛目標所處區域進行調整，定位出所述待檢測圖像中的車輛載貨感興趣區域。

可選的，所述根據所述車輛目標所處區域在所述待檢測圖像中的位置關系，對所述車輛目標所處區域進行調整，定位出所述待檢測圖像中的車輛載貨感興趣區域，包括：

確定所述車輛目標所處區域中的預設坐標點；

以所述預設坐標點為基準，按照預設比例放大所述車輛目標所處區域，得到車輛載貨感興趣區域。

可選的，所述根據所述車輛目標所處區域在所述待檢測圖像中的位置關系，對所述車輛目標所處區域進行調整，定位出所述待檢測圖像中的車輛載貨感興趣區域，包括：

獲取所述車輛目標所處區域的下邊框的寬度，所述車輛目標所處區域為所述車輛目標的車頭或者車尾所處的矩形區域；