[發明專利]車輛制動檢測方法、裝置、設備及計算機可讀存儲介質

在審

• 申請號: 201911041151.0
• 申請日: 2019-10-29
• 公開（公告）號: CN110765963A
• 公開（公告）日: 2020-02-07
• 發明（設計）人: 周康明;高凱珺
• 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;G06N3/04
• 代理公司: 31252 上海大邦律師事務所
• 代理人: 熊磊之

1.一種車輛制動檢測方法，其特征在于，包括：

獲取基于目標工位的場景圖像；

在檢測到待檢測車輛剎車停止后，判斷當前場景圖像中是否存在所述待檢測車輛；

若判定存在所述待檢測車輛，則根據基于深度學習的工位場景分割模型，獲取所述待檢測車輛的各輪胎和所述目標工位的相對位置；

根據所述相對位置，確定所述待檢測車輛的制動檢測是否通過。

2.如權利要求1所述的車輛制動檢測方法，其特征在于，所述目標工位包括4個子工位；各子工位與所述待檢測車輛的各輪胎一一對應；

所述根據所述相對位置，確定所述待檢測車輛的制動檢測是否通過，具體為：

根據所述各輪胎，以及與所述各輪胎分別對應的子工位的相對位置，確定所述待檢測車輛的制動檢測是否通過。

3.如權利要求2所述的車輛制動檢測方法，其特征在于，所述根據所述各輪胎，以及與所述各輪胎分別對應的子工位的相對位置，確定所述待檢測車輛的制動檢測是否通過，包括：

判斷所述各輪胎是否均位于各自對應的子工位上；

若是，則判定所述待檢測車輛的制動檢測通過；否則，判定所述待檢測車輛的制動檢測不通過。

4.如權利要求1所述的車輛制動檢測方法，其特征在于，所述基于深度學習的工位場景分割模型的輸出類別至少包括：所述待檢測車輛的輪胎和所述目標工位；

所述根據基于深度學習的工位場景分割模型，獲取所述待檢測車輛的各輪胎和所述目標工位的相對位置，包括：

根據所述基于深度學習的工位場景分割模型，對存在所述待檢測車輛的基于目標工位的場景圖像進行圖像分割；

獲取分割后的各區域中像素點的所屬類別；

根據所述類別，鎖定所述待檢測車輛的輪胎和所述目標工位；

根據鎖定的所述待檢測車輛的輪胎和所述目標工位，計算所述相對位置。

5.如權利要求1所述的車輛制動檢測方法，其特征在于，若判定不存在所述待檢測車輛，則保存并標記當前不存在所述待檢測車輛的基于目標工位的場景圖像，并發出用于表征所述待檢測車輛的制動檢測不通過的通知信息。

6.如權利要求1所述的車輛制動檢測方法，其特征在于，所述工位場景分割模型，具體為：包括20個卷積層，4個池化層，4個上采樣層以及1個分類層的工位場景分割模型。

7.如權利要求1至6中任意一項所述的車輛制動檢測方法，其特征在于，在所述判定存在所述待檢測車輛，在所述根據基于深度學習的工位場景分割模型，獲取所述待檢測車輛的各輪胎和所述目標工位的相對位置之前，還包括：

檢測所述待檢測車輛的車牌信息；

獲取所述待檢測車輛的車牌預留信息；

判斷所述車牌信息和所述車牌預留信息是否匹配；

若匹配，則執行所述根據基于深度學習的工位場景分割模型，獲取所述待檢測車輛的各輪胎和所述目標工位的相對位置的步驟。

8.一種車輛制動檢測裝置，其特征在于，包括：

場景圖像獲取模塊，用于獲取基于目標工位的場景圖像；

判斷模塊，用于在檢測到待檢測車輛剎車停止后，判斷當前場景圖像中是否存在所述待檢測車輛；

工位場景分割模塊，用于在判定存在所述待檢測車輛后，根據基于深度學習的工位場景分割模型，獲取所述待檢測車輛的各輪胎和所述目標工位的相對位置；

檢測模塊，用于根據所述相對位置，確定所述待檢測車輛的制動檢測是否通過。

9.一種電子設備，其特征在于，包括：

一個或多個處理器；以及

存儲有計算機可讀指令的存儲器，所述計算機可讀指令在被執行時使所述處理器執行如權利要求1至7中任一項所述的車輛制動檢測方法。

10.一種計算機可讀存儲介質，存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的車輛制動檢測方法。