[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

本發明實施例公開了一種基于深度學習的車輛壓線違章判斷方法、裝置及存儲介質，方法包括：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。本方法可自動判定車輛違章壓線行為，滿足了在交通審核中的高效和高準確率的要求。

技術領域

本發明涉及交通違法的人工智能判斷技術領域，具體涉及一種基于深度學習的車輛壓線違章判斷方法、裝置及存儲介質。

背景技術

隨著社會經濟的持續發展與人民生活水平的不斷提高，隨之車輛越來越多，交通管理局對于車輛違章的自動審核需要越來越迫切。傳統的違章審核主要是通過人工識別等方法，該類方法成本較高，效率較低，且在一定程度上存在主觀性，影響校驗準確率。如何快速準確且高效的識別出交通違章行為，同時避免人工識別的高成本，低效率等弊端是急需解決的技術問題。

發明內容

針對現有技術中的技術缺陷，本發明實施例的目的在于提供一種基于深度學習的車輛壓線違章判斷方法、裝置及存儲介質，自動判定車輛違章壓線行為，以滿足在交通審核中的高效和高準確率的要求。

為實現上述目的，第一方面，本發明實施例提供了一種基于深度學習的車輛壓線違章判斷方法，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。

作為本申請一種具體的實施方式，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。

具體地，所述方法使用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。

作為本申請一種具體的實施方式，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。

作為本申請一種具體的實施方式，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；