[發明專利]基于視頻識別和深度學習的車輛參數檢測方法及相關裝置

有效

• 申請號: 202110001044.6
• 申請日: 2021-01-04
• 公開（公告）號: CN112329747B
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 孔烜;張杰;鄧露
• 申請（專利權）人: 湖南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/215;G06T7/246;G08G1/017;G08G1/054
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 楊威

1.一種基于視頻識別和深度學習的車輛參數檢測方法，其特征在于，包括：

獲取車輛行駛視頻和輪胎運動視頻；

基于所述車輛行駛視頻及預先設定的目標檢測區域，計算各車輛的車速及所述車輛之間的車距；

對所述車輛行駛視頻進行分幀，得到車輛圖像，基于所述車輛圖像識別各所述車輛的車道、車牌及類別，并基于各所述車輛的類別識別各所述車輛的車型及車軸；其中，基于所述車輛圖像識別各所述車輛的類別，包括：通過深度學習從所述車輛圖像中提取車輛車型的有效特征，根據車輛車型的有效特征識別所述車輛的類別；

基于所述輪胎運動視頻中的輪胎的變形信息，計算與所述輪胎運動視頻時空相同步的車輛行駛視頻中與所述輪胎相匹配的車輛的軸重及車重；

基于所述車輛行駛視頻及預先設定的目標檢測區域，計算各車輛的車速，包括：

獲取與所述目標檢測區域對應的實測檢測區域中各標記點的坐標，并根據各所述標記點的坐標計算所述目標檢測區域中與所述標記點對應的目標標記點的坐標，且根據各所述目標標記點的坐標獲取所述目標檢測區域中各像素點的坐標；

利用預設的運動目標檢測算法檢測所述目標檢測區域中的車輛，并利用矩形框對所述車輛進行標記；

基于所述目標檢測區域中各像素點的坐標獲取各所述車輛對應的矩形框的頂點在視頻中的坐標，根據所述矩形框的頂點在視頻中的坐標對應計算各所述矩形框的頂點在所述實測檢測區域中的坐標，并根據各所述矩形框的頂點在所述實測檢測區域中的坐標計算各所述矩形框的實際長度；

獲取各所述車輛對應的矩形框進入所述目標檢測區域中的預設侵入線的幀數、離開所述預設侵入線的幀數，并根據進入所述預設侵入線的幀數、離開所述預設侵入線的幀數計算所述車輛通過所述預設侵入線的時間，根據所述車輛通過所述預設侵入線的時間及所述車輛對應的矩形框的實際長度計算所述車輛的車速。

2.根據權利要求1所述的基于視頻識別和深度學習的車輛參數檢測方法，其特征在于，基于所述車輛行駛視頻及預先設定的目標檢測區域，計算所述車輛之間的車距，包括：

獲取位于同一車道上且前后相鄰的兩個車輛中位于前側的車輛對應的矩形框的第一條邊在視頻中的坐標、位于后側的車輛對應的矩形框的第二條邊在視頻中的坐標；其中，所述第一條邊為矩形框中與車輛尾部對應的邊，所述第二條邊為矩形框中與車輛頭部對應的邊；

根據位于前側的車輛對應的矩形框的第一條邊在視頻中的坐標，得到位于前側的車輛對應的矩形框的第一條邊在所述實測檢測區域中的坐標，并根據位于后側的車輛對應的矩形框的第二條邊在視頻中的坐標，得到位于后側的車輛對應的矩形框的第二條邊在所述實測檢測區域中的坐標；

根據位于前側的車輛對應的矩形框的第一條邊在所述實測檢測區域中的坐標、位于后側的車輛對應的矩形框的第二條邊在所述實測檢測區域中的坐標，得到位于前側的車輛與位于后側的車輛之間的車距。

3.根據權利要求1所述的基于視頻識別和深度學習的車輛參數檢測方法，其特征在于，基于各所述車輛的類別識別各所述車輛的車型及車軸，包括：

利用多尺度下的細粒度檢測算法對各類別的車輛進行檢測，識別各所述車輛的車型；

利用強監督細粒度圖像模型和弱監督細粒度圖像模型對各類別的車輛進行識別，以確定各所述車輛的車軸。

4.根據權利要求1所述的基于視頻識別和深度學習的車輛參數檢測方法，其特征在于，基于所述車輛圖像識別各所述車輛的車道，包括：

利用計算機視覺的立體視差、車道消失點法或車道分割線的深度學習算法中的任一種算法對所述車輛圖像進行識別，以得到各所述車輛的車道。

5.根據權利要求1所述的基于視頻識別和深度學習的車輛參數檢測方法，其特征在于，基于所述車輛圖像識別各所述車輛的車牌，包括：

基于計算機視覺的數字圖像處理方法對所述車輛圖像進行處理，以識別各所述車輛的車牌。