[發明專利]基于深度學習的車輛壓線違章判斷方法、裝置及存儲介質

在審

• 申請號: 202010163795.3
• 申請日: 2020-03-10
• 公開（公告）號: CN111382704A
• 公開（公告）日: 2020-07-07
• 發明（設計）人: 王琳;李凡平;石柱國
• 申請（專利權）人: 北京以薩技術股份有限公司;青島以薩數據技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G08G1/017
• 代理公司: 北京酷愛智慧知識產權代理有限公司 11514
• 代理人: 向霞

1.一種基于深度學習的車輛壓線違章判斷方法，其特征在于，包括：

獲取交通攝像頭所拍攝的視頻數據；

采用基于多特征融合的方法檢測所述視頻數據中的車道線，并根據所述車道線劃定車道線區域；

采用基于深度學習的目標檢測和目標跟蹤方法檢測所述視頻數據中的目標車輛及所述目標車輛的車輛邊框；

根據所述車輛邊框確定目標車輛的車輛位置，并根據所述車輛位置對所述目標車輛進行跟蹤；

跟蹤過程中，根據所述車道線區域和車輛邊框判斷所述目標車輛是否壓線；

若所述目標車輛壓線，則對所述目標車輛進行車牌識別。

2.如權利要求1所述的車輛壓線違章判斷方法，其特征在于，采用基于多特征融合的方法檢測所述視頻數據中的車道線，并根據所述車道線劃定車道線區域，具體包括：

提取所述視頻數據中的每一幀圖像，并將其轉為灰度圖；

對所述灰度圖進行高斯模糊處理和Canny邊緣檢測處理，以得到線條型圖像；

提取所述線條型圖像中的感興趣區域，并對所述感興趣區域使用霍夫變化技術以提取線條；

根據所提取的線條，使用最小二乘法擬合直線，劃定所述車道線區域。

3.如權利要求1所述的車輛壓線違章判斷方法，其特征在于，所述方法具體包括：

使用YOLO-v3檢測出所述視頻數據的每一幀圖像中的目標車輛和車輛邊框，根據所述車輛邊框確定車輛位置，并使用Deep-SORT跟蹤算法，對所檢測到的目標車輛加以跟蹤。

4.如權利要求1所述的車輛壓線違章判斷方法，其特征在于，根據所述車道線區域和車輛邊框判斷所述目標車輛是否壓線，具體包括：

若所述車輛邊框與車道線區域有重疊，且重疊度大于指定閾值，則確定所述目標車輛壓線，并保存所述目標車輛的當前幀圖像。

5.如權利要求1-4任一項所述的車輛壓線違章判斷方法，其特征在于，對所述目標車輛進行車牌識別具體包括：

提取壓線的目標車輛對應的車輛圖片；

對所述車輛圖片進行灰度化、高斯模糊、二值化和邊緣檢測處理，以得到待提取圖片；

根據所述待提取圖片進行車牌定位，以得到所述目標車輛的車牌區域；

采用漢字網絡、字母網絡和字母數字網絡對所述車牌區域進行識別，并輸出識別到的車牌。

6.如權利要求5所述的車輛壓線違章判斷方法，其特征在于，所述車牌區域包括水平區域和垂直區域，根據所述待提取圖片進行車牌定位具體包括：

水平區域確定步驟：對所述待提取圖片從底部開始向頂部掃描，獲取的第一組連續行數且連續行數中每行的跳變次數均大于跳變閾值，同時滿足連續行數大于閾值，以此確定所述水平區域；

垂直區域確定步驟：在所述水平區域內選擇任意一行，用L長的窗口由左至右移動，統計窗口中相鄰像素0,1的跳變次數并存入數組中，在數組中找到最大值，并將其對應的區域確當為所述垂直區域；其中，L為水平區域中最高行和最低行的差值。

7.一種基于深度學習的車輛壓線違章判斷裝置，其特征子在于，包括：

獲取單元，用于獲取交通攝像頭所拍攝的視頻數據；

檢測單元，用于采用基于多特征融合的方法檢測所述視頻數據中的車道線，并根據所述車道線劃定車道線區域；

所述檢測單元還用于采用基于深度學習的目標檢測和目標跟蹤方法檢測所述視頻數據中的目標車輛及所述目標車輛的車輛邊框；

確定跟蹤單元，用于根據所述車輛邊框確定目標車輛的車輛位置，并根據所述車輛位置對所述目標車輛進行跟蹤；

判斷單元，用于跟蹤過程中，根據所述車道線區域和車輛邊框判斷所述目標車輛是否壓線；

識別單元，用于若所述目標車輛壓線，則對所述目標車輛進行車牌識別。