[發明專利]基于深度學習的車輛違停檢測方法、裝置及電子設備

在審

• 申請號: 202011633740.0
• 申請日: 2020-12-31
• 公開（公告）號: CN112766069A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 楊開岳;黃家嘉;唐上體;紀哲;顧博欣;劉嘉樂;林俊杰;黃靖霞;張飛
• 申請（專利權）人: 廣東電網有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/11;G06T7/194;G06T7/62;G06T7/73;G08G1/017
• 代理公司: 北京沃知思真知識產權代理有限公司 11942
• 代理人: 袁辰亮

1.一種基于深度學習的車輛違停檢測方法，其特征在于，所述方法包括以下步驟：

獲取初始圖像，將所述初始圖像分別輸入目標檢測網絡與語義分割網絡，所述初始圖像包括目標物體；

通過所述目標檢測網絡對所述初始圖像進行目標檢測，輸出目標檢測特征圖，所述目標檢測特征圖包括所述目標物體的目標位置；

通過所述語義分割網絡對所述初始圖像進行語義分割，輸出語義特征圖，所述語義特征圖包括常規區域與限制區域；

重合所述目標檢測特征圖與所述語義特征圖，獲取所述目標物體的目標位置與所述常規區域的第一重合面積，以及所述目標物體的目標位置與所述限制區域的第二重合面積，基于所述第一重合面積與所述第二重合面積的比例判斷所述目標物體是否違停。

2.如權利要求1所述的方法，其特征在于，所述獲取初始圖像包括離線獲取與實時獲取，所述初始圖像包括視頻圖像，所述方法還包括步驟：

通過離線獲取預設時間段內的視頻圖像，通過混合高斯背景模型對所述預設時間段內的所述視頻圖像進行訓練，提取目標背景圖；

將所述目標背景圖輸入所述語義分割網絡進行語義分割，并輸出背景語義特征圖，所述背景語義特征圖包括所述常規區域與所述限制區域；

實時獲取所述初始圖像，將所述初始圖像輸入所述目標檢測網絡進行目標檢測，并輸出所述目標檢測特征圖；

將所述目標檢測特征圖與所述背景語義特征圖進行重合。

3.如權利要求1所述的方法，其特征在于，所述通過所述目標檢測網絡對所述初始圖像進行目標檢測，輸出目標檢測特征圖的步驟包括：

通過所述目標檢測網絡對所述初始圖像進行目標檢測，對檢測到的所述目標物體進行標注框標注；

選取所述標注框的預設區域作為目標檢測特征圖輸出，所述標注框的預設區域包括所述目標物體的目標位置。

4.如權利要求3所述的方法，其特征在于，所述重合所述目標檢測特征圖與所述語義特征圖，獲取所述目標物體的目標位置與所述常規區域的第一重合面積，以及所述目標物體的目標位置與所述限制區域的第二重合面積，基于所述第一重合面積與所述第二重合面積的比例判斷所述目標物體是否違停的步驟包括：

將所述目標檢測特征圖與所述語義特征圖合并；

計算所述標注框的預設區域中所述目標物體的目標位置與所述常規區域的第一重合面積，以及所述標注框的預設區域中所述目標物體的目標位置與所述限制區域的第二重合面積；

計算所述第一重合面積與所述第二重合面積的面積比例；

若所述面積比例超過預設比值，則判定所述目標物體違停。

5.如權利要求4所述的方法，其特征在于，所述基于所述第一重合面積與所述第二重合面積的比例判斷所述目標物體是否違停的步驟還包括：

若所述面積比例未超過預設比值，則判定所述目標物體未違停。

6.一種基于深度學習的車輛違停檢測裝置，其特征在于，所述裝置包括：

輸入模塊，用于獲取初始圖像，將所述初始圖像分別輸入目標檢測網絡與語義分割網絡，所述初始圖像包括目標物體；

第一目標檢測模塊，用于通過所述目標檢測網絡對所述初始圖像進行目標檢測，輸出目標檢測特征圖，所述目標檢測特征圖包括所述目標物體的目標位置；

第一語義分割模塊，用于通過所述語義分割網絡對所述初始圖像進行語義分割，輸出語義特征圖，所述語義特征圖包括常規區域與限制區域；

判斷模塊，用于重合所述目標檢測特征圖與所述語義特征圖，獲取所述目標物體的目標位置與所述常規區域的第一重合面積，以及所述目標物體的目標位置與所述限制區域的第二重合面積，基于所述第一重合面積與所述第二重合面積的比例判斷所述目標物體是否違停。