[發明專利]一種基于圖像的車輛行駛方向判斷方法

在審

• 申請號: 201910534145.2
• 申請日: 2019-06-19
• 公開（公告）號: CN110414329A
• 公開（公告）日: 2019-11-05
• 發明（設計）人: 周康明
• 申請（專利權）人: 上海眼控科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/34
• 代理公司: 上海大邦律師事務所 31252
• 代理人: 熊磊之

1.一種基于圖像的車輛行駛方向判斷方法，其特征在于，包括以下步驟：

S1、獲取通過路口的視頻采集設備采集的某時刻的圖像、待判定車輛的車牌號；

S2、通過常規的檢測算法獲取該圖像下的所有車輛的位置信息；

S3、通過常規的檢測算法檢測出該圖像下所有車中對應車牌的位置信息；

S4、通過常規的車牌識別算法識別出該圖像下所有車的車牌號碼；

S5、通過S4中得到車牌號碼找到與待判定車輛的車牌號相同的當前車；

S6、通過分割算法對三張圖中的黃線、實線即車道線進行語義分割；

S7、通過分割得到的輪廓進行直線擬合；

S8、通過擬合的車道線確定該圖像下的滅點；

S9、通過常規方法即第一種方法判斷當前車輛的行駛方向；

S10、通過改進算法一即第二種算法再次判斷當前車輛的行駛方向；

S11、通過改進算法二即第三種算法再次判斷當前車輛的行駛方向；

S12、若方法一和方法二判斷結果相同，則直接相信當前結果，結束判斷；

S13、若方法一和方法二判斷結果不同，當方法三和方法一相同時，則相信方法一/方法三，當方法二和方法三相同時，則相信方法二/方法三，當方法一、方法二、方法三三種方法皆不相同時，則返回不確定，結束判斷。

2.如權利要求1所述的一種基于圖像的車輛行駛方向判斷方法，其特征在于，所述步驟S6的語義分割算法具體步驟如下：

S61、收集應用場景的車道線圖片，并人工標注出車道線區域，即人工標注包圍公交車道的閉合多邊形；

S62、將人工標注轉換為標簽矩陣，即將人工標注的黃線閉合多邊形內所有像素點對應標簽設置為0、將人工標注的實線閉合多邊形內所有像素點對應標簽設置為1、將人工標注的虛線閉合多邊形內所有像素點對應標簽設置為2、其他像素點對應的標簽設置為0；

S63、將車道線圖片及對應的標簽矩陣輸入deeplab-v2分割算法訓練，deeplab-v2分割算法采用ResNet-34作為骨干網絡，psp_module和unet模塊作為解碼器，并使用skip layer引入低維細節特征作為模型網絡結構，使用a*bce_loss+b*lovasz_loss作為最終loss，其中a和b大于等于0，a和b小于等于1，，并引入輔助損失aux_loss進行訓練；

S64、應用訓練好的deeplab-v2分割算法預測輸入圖像像素點類別，將屬于黃線、實線以及虛線類別的像素點坐標集合輸出，從而實現車道線區域的分割。

3.如權利要求1所述的一種基于圖像的車輛行駛方向判斷方法，其特征在于，所述步驟S8的滅點檢測算法具體步驟如下：

S81、通過輸入的車道線個數，對滅點的檢測分為不同的方法；

S82、若車道線個數為0，則將X軸上圖片列數的中點作為滅點；

S83、若車道線個數為1，則將車道線擬合的直線與X軸的交點作為滅點；

S84、若車道線個數為2，則將兩條車道線的交點作為滅點；

S85、若車道線個數大于2，在S7中通過輪廓點數對車道線輪廓進行從大到小的排序，因此只選取前兩條直線，將這兩條直線的交點作為滅點。

4.如權利要求1所述的一種基于圖像的車輛行駛方向判斷方法，其特征在于，所述步驟S9的第一種方法判斷當前車輛的行駛方向：

S91、將當前車輛從原圖中摳出，人為對其進行四個類別的分類，包括前、左、右以及后，并作為深度學習的訓練樣本；

S92、采用2個Inception Googlenet裁剪作為訓練以及測試網絡，輸入為步驟S91摳出的原圖，輸出為4個類別；

S93、當訓練網絡的loss下降到一定閾值以后，存下該訓練model，供算法前向使用；

S94、該算法前向中，直接將當前車輛在原圖中摳出，送進模型前向，讀取模型輸出分類結果即為此方法下求得的當前車輛行駛方向結果。