[發(fā)明專利]基于深度學習的機動車未按規(guī)定使用示廓燈智能識別方法

在審

• 申請?zhí)枺?/td>: 201810632538.2
• 申請日: 2018-06-20
• 公開（公告）號: CN108921060A
• 公開（公告）日: 2018-11-30
• 發(fā)明（設計）人: 高子賢;陳亮;徐雪
• 申請（專利權）人: 安徽金賽弗信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 安徽匯樸律師事務所 34116
• 代理人: 劉海涵

本發(fā)明提供一種基于深度學習的機動車未按規(guī)定使用示廓燈智能識別方法和系統(tǒng)、存儲介質，該方法包括：獲取交通監(jiān)控設備所采集的視頻流，所述視頻流包括多幀圖像；采用車牌識別神經(jīng)網(wǎng)絡模型，對各幀圖像中每一機動車的車牌進行識別，并根據(jù)識別出的車牌在各幀圖像中的位置，實現(xiàn)對所識別出的車牌對應的機動車的跟蹤；采用示廓燈識別神經(jīng)網(wǎng)絡模型，對各幀圖像中每一機動車的示廓燈進行識別；將識別出的車牌和識別出的示廓燈進行匹配，并根據(jù)每一車牌對應的機動車的跟蹤路線中預設行駛距離內示廓燈的狀態(tài)，判斷該車牌對應的機動車是否按規(guī)定使用其示廓燈。本發(fā)明可以智能識別機動車是否按規(guī)定正確使用示廓燈，加大對示廓燈的使用的管理力度。

技術領域

本發(fā)明涉及智能交通技術領域，具體涉及一種基于深度學習的機動車未按規(guī)定使用示廓燈智能識別方法和系統(tǒng)、存儲介質。

背景技術

示廓燈是車前、后方最邊上的燈，大貨車的車頂上和側面也有示廓燈。示廓燈，光從字面上看，“示”是警示的意思，“廓”有輪廓之意，所以示廓燈是一種警示標志的車燈，用來提醒其它車輛注意的示意燈。安裝在車輛頂部的邊緣處，既能表示車輛的高度又能表示車輛的寬度。安全標準規(guī)定在車高高于3米的機動車必須安裝示廓燈，示廓燈的顏色為前白后紅。示廓燈與相應位置燈的相對位置要求是在兩燈各自的基準軸方向上，視表面上最相鄰的點在一橫向垂直平面內的投影間距應不小于400mm。

在陰天變道的時候看后視鏡，如果后面的機動車沒開示寬燈，基本上就是黑影一團，跟路面混在一起，讓人很難從后視鏡里看到，特別是后面加速上來的車子如果沒開示寬燈，在大雨的情況下基本上很難看清，此時是非常危險的。

目前，沒有可以自動檢測和識別機動車的示廓燈是否開啟的方案，而機動車的示廓燈未按規(guī)定開啟的現(xiàn)象在高速公路行駛的機動車中大量存在，而且安全隱患巨大。

發(fā)明內容

(一)解決的技術問題

針對現(xiàn)有技術的不足，本發(fā)明提供了一種基于深度學習的機動車未按規(guī)定使用示廓燈智能識別方法和系統(tǒng)、存儲介質，可以智能識別機動車是否按規(guī)定正確使用示廓燈。

(二)技術方案

為實現(xiàn)以上目的，本發(fā)明通過以下技術方案予以實現(xiàn)：

第一方面，本發(fā)明提供一種基于深度學習的機動車未按規(guī)定使用示廓燈智能識別方法，包括：獲取交通監(jiān)控設備所采集的視頻流，所述視頻流包括多幀圖像；采用預先訓練的車牌識別神經(jīng)網(wǎng)絡模型，對各幀圖像中每一機動車的車牌進行識別，并根據(jù)識別出的車牌在各幀圖像中的位置，實現(xiàn)對所識別出的車牌對應的機動車的跟蹤；采用預先訓練的示廓燈識別神經(jīng)網(wǎng)絡模型，對各幀圖像中每一機動車的示廓燈進行識別；將識別出的車牌和識別出的示廓燈進行匹配，并根據(jù)每一車牌對應的機動車的跟蹤路線中預設行駛距離內示廓燈的狀態(tài)，判斷該車牌對應的機動車是否按規(guī)定使用其示廓燈。

在一些實施例中，對各幀圖像中每一機動車的示廓燈和車牌進行識別之前，所述方法還包括：根據(jù)預先設置的透視反變換參數(shù)，對各幀圖像進行透視反變換。

在一些實施例中，所述透視反變換參數(shù)的設置過程包括：從所述交通監(jiān)控設備的監(jiān)控區(qū)域內選擇檢測區(qū)域，所述檢測區(qū)域與所述示廓燈識別神經(jīng)網(wǎng)絡模型的輸入數(shù)據(jù)相對應；采用最小二乘法，確定所述檢測區(qū)域中每一像素的透視反變換參數(shù)。

在一些實施例中，所述從所述交通監(jiān)控設備的監(jiān)控區(qū)域內選擇檢測區(qū)域，包括：在所述監(jiān)控區(qū)域中沿車道線選取4個像素點，所述4個像素點與一個矩形的四個端點相映射，該矩形的大小與所述示廓燈識別神經(jīng)網(wǎng)絡模型的輸入數(shù)據(jù)的個數(shù)相同。

在一些實施例中，所述車牌識別神經(jīng)網(wǎng)絡模型的訓練過程包括：構建第一訓練樣本集，所述第一訓練樣本集中包括多張標記車牌的第一圖片，所述第一圖片由交通監(jiān)控設備預先采集；采用yolo算法對所述第一訓練樣本集中的多張第一圖片進行訓練，得到車牌識別神經(jīng)網(wǎng)絡模型的各個模型參數(shù)。