[發明專利]基于復雜環境下高視角的機動車輛違規停車檢測方法及系統

有效

• 申請號: 202011176098.8
• 申請日: 2020-10-29
• 公開（公告）號: CN112289037B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 何小峰;張堃;馮文宇;朱遠璠;張宇豪;祁暉;陸貝洋;何秀平;戴璐;陳建鋒;張樹;涂鑫濤;徐沛霞;劉志誠;黃宇煦;韓宇
• 申請（專利權）人: 南通中鐵華宇電氣有限公司;南通大學
• 主分類號: G08G1/017
• 分類號: G08G1/017;G06V20/54;G06V10/762;G06V10/82;G06V20/40;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南通物格知識產權代理事務所(普通合伙) 32395
• 代理人: 胡燕

1.基于復雜環境下高視角的機動車輛違規停車檢測方法，其特征在于：包括如下步驟：

S1、接收系統傳達的機動車輛違規停車檢測請求，獲取所述機動車輛違規停車檢測請求對應的機動車輛監控視頻信息；

S2、提取所述機動車輛監控視頻信息中的車輛圖像關鍵幀；

S3、將所述車輛圖像關鍵幀的圖像上傳至系統云端；

S4、將上傳系統云端的所述車輛圖像關鍵幀的圖像輸入至機動車輛違規停車檢測模型進行處理，獲得機動車輛違規停車檢測結果；

所述機動車輛違規停車檢測模型是基于改進的YOLOV3-TINY主干網絡搭建的，通過優化K-means算法獲得合適的anchor boxes，在卷積層加入CBAM注意力模塊和CSPNET-NEW網絡，修改激活函數為Mish激活函數、使用CIOU損失函數以及對部分卷積層進行剪枝完成模型精度的優化以及模型的量化；

通過優化K-means算法獲得合適的anchor boxes具體包括：

(a)首先計算一個ground truth的bounding box和k個anchor boxes的IOU值；

(b)初始化聚類中心；

(c)使用如下距離公式計算每個ground truth和k個anchor boxes的距離：

d(box，anchor)＝1-IOU(box，anchor)

其中box，anchor分別為groundtruth的boundingbox和k個anchor boxes；對每個ground truth，選取離anchor box距離最小的groundtruth的索引，并存下索引；

(d)如果當前每個離anchor box距離最小的groundtruth的索引和上一次一樣，聚類結束；若不是，則更新為離每個anchor box距離最近groundtruth的索引；

DIOU損失函數是將目標與框之間的距離，重疊率以及尺度都考慮進去，使得目標框回歸變得更加穩定：

其中，b、b^gt分別代表了預測框和真實框的中心點，且ρ代表兩個中心點的歐式距離，c代表的是能夠同時包含預測框和真實框的最小閉包區域的對角線距離；

此外，CIOU損失函數還考慮到邊界框回歸三要素中的長寬比，還在懲罰項中加入了一個影響因子：

其中α是懲罰項的參數，ν度量長寬比的相似性，定義為

所述剪枝完成模型包括：

采用基于敏感度的裁剪方式對該模型的兩個檢測分支的參數分別采用一定數值裁剪率進行均勻裁剪，通過評估某條連接貢獻度的方法為計算該連接對應卷積核w_l^k的L1范數，計算方式下：

其中，為損失值，N為樣本，為第i個樣本的真實值，為權重的L1范數；

S5、將所述機動車輛違規停車檢測結果劃分為兩個狀態：正常狀態和異常狀態；

S6、在所述機動車輛違規停車檢測結果為異常狀態時，根據所述車輛圖像關鍵幀確定機動車輛的特征信息，并使監控攝像頭聚焦于所述機動車輛，獲得所述機動車輛的車牌圖像信息；

S7、提取所述機動車輛的車牌圖像信息中機動車輛的車牌圖像關鍵幀；

S8、將所述機動車輛的車牌圖像關鍵幀的圖像輸入至機動車輛車牌檢測模型進行處理，獲得所述機動車輛的車牌號；

S9、在獲得違規停車車輛的車牌號后，將所述車牌號上傳至系統云端來確定違規停車車輛的駕駛者身份信息，并根據所述駕駛者的身份信息對所述駕駛者進行管控處理。

2.根據權利要求1所述的基于復雜環境下高視角的機動車輛違規停車檢測方法，其特征在于：所述步驟S1具體包括：

(a)接收所述機動車輛違規停車檢測請求，通過安裝的監控采集裝置，以一定的初始幀率持續拍攝，獲取所述機動車輛的監控視頻信息；

(b)根據拍攝區域的監控視頻信息判斷是否存在監控采集裝置未覆蓋的拍攝檢測盲區；

(c)若存在所述監控采集裝置未覆蓋的拍攝檢測盲區，則調用他處距離最近的其他攝像頭多角度的對所述拍攝檢測盲區進行拍攝，獲得多視角的機動車輛違規停車檢測視頻信息，并將所述多視角的機動車輛違規停車檢測視頻信息相結合作為機動車輛違規停車檢測請求對應的所述機動車輛的監控視頻信息。