[發(fā)明專利]基于深度學習的違章停車檢測方法

在審

• 申請?zhí)枺?/td>: 202010350261.1
• 申請日: 2020-04-28
• 公開（公告）號: CN111539359A
• 公開（公告）日: 2020-08-14
• 發(fā)明（設計）人: 陶家威;王慧燕;陳海英
• 申請（專利權(quán)）人: 浙江工商大學;杭州芃視科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G08G1/017
• 代理公司: 杭州奧創(chuàng)知識產(chǎn)權(quán)代理有限公司 33272
• 代理人: 王佳健

1.基于深度學習的違章停車檢測方法，其特征在于該方法包括如下步驟：

步驟1、對監(jiān)控視頻劃定禁停區(qū)域NPZ；

步驟2、接入實時視頻畫面或者視頻，采用yolo-mini網(wǎng)絡模型檢測出視頻中的車輛，得到車輛檢測框；所述的yolo-mini網(wǎng)絡模型為簡化后的yolo-tiny網(wǎng)絡模型；

步驟3、檢測視頻中的車輛是否在NPZ內(nèi)，即計算出車輛檢測框與NPZ的二值化的交并比，記為a-IOU；當a-IOU＝1，表示車輛在NPZ內(nèi)，當a-IOU＝0，表示車輛不在NPZ內(nèi)；

步驟4、為NPZ內(nèi)的車輛進行計時，判斷是否違章停車，具體如下：

4.1給所有a-IOU＝1的檢測框分配ID為i，將其存入集合C中，為每一個i進行計時，得到總時長T；

4.2每K幀選取一幀輸入網(wǎng)絡進行圖片檢測，將NPZ中的每個車輛檢測框的中心點(X_C,Y_C)與集合C中每個ID的中心點(X_Cⁱ,Y_Cⁱ)對比計算；

設置閾值M，若|X_C-X_Cⁱ|M且|Y_C-Y_Cⁱ|M，則判定該車輛的ID不變，并且累計時間t的時長增加，否則為其增加ID；

遍歷集合C中所有的ID，若有ID連續(xù)檢測數(shù)幀未匹配，則在集合C中釋放資源；

步驟5、在T的時長達到一定閾值時，監(jiān)控畫面進行提示。

2.根據(jù)權(quán)利要求1所述的基于深度學習的違章停車檢測方法，其特征在于，

步驟2中所述的yolo-mini網(wǎng)絡模型是以yolo-tiny為骨干網(wǎng)絡，將yolo-tiny網(wǎng)路中的第12層和第21層計算量最大的兩層的卷積濾波器F與輸入特征X之間的卷積運算由乘法修改為L1距離。

3.根據(jù)權(quán)利要求2所述的基于深度學習的違章停車檢測方法，其特征在于，

所述的yolo-mini網(wǎng)絡模型的第12層和第21層后增加有一個BN層，用于對結(jié)果進行歸一化。

4.根據(jù)權(quán)利要求1所述的基于深度學習的違章停車檢測方法，其特征在于，

所述的步驟3具體是：

3.1計算檢測框中心點(X_C,Y_C)，設檢測框的左上角坐標為(X₁,Y₁)，右下角坐標為(X₂，Y₂)；

X_C＝(X₁+X₂)/2

Y_C＝(Y₁+Y₂)/2

3.2判斷檢測框中心點(X_C,Y_C)是否在NPZ中，設NPZ左上角坐標為(X_L,Y_L)，右下角坐標為(X_R,Y_R)；

判斷以下條件是否滿足，條件：X_L≤X_C≤X_R且Y_L≤Y_C≤Y_R

如果滿足上述條件，則令a-IOU＝1,

如果不滿足上述條件，則令a-IOU＝0。

5.根據(jù)權(quán)利要求1所述的基于深度學習的違章停車檢測方法，其特征在于，所述的步驟4中，總時長T的計算公式為：