[發明專利]一種機動車安檢制動視頻智能審核的方法

有效

• 申請號: 202110015470.5
• 申請日: 2021-01-07
• 公開（公告）號: CN112329753B
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 熊信信;熊奎;秦浩;劉耀祖
• 申請（專利權）人: 南昌市微軻聯信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/90;G06T7/11;G06T7/136
• 代理公司: 南昌卓爾精誠專利代理事務所(普通合伙) 36133
• 代理人: 徐柳華

1.一種機動車安檢制動視頻智能審核的方法，其特征在于，包括如下步驟：

S1、獲取待審核視頻，將視頻分解為圖像幀；

S2、對視頻中的檢驗車輛進行核驗：使用神經網絡模型檢測并識別所述圖像幀中的車牌，將識別結果與登記的車牌比對，從而獲得車輛身份信息；

S3、對視頻中制動檢驗進行審核，包括如下步驟：

S31、使用神經網絡模型檢測并識別圖像幀中的車輛位置和車輪位置，使用幀差法判斷車輛和車輪的狀態；

幀差法具體為：記視頻序列中第幀和第幀圖像分別為和，兩幀對應像素點的灰度值分別記為和，將兩幀圖像對應像素點的灰度值進行相減，并取其絕對值，得到差分圖像，即：

設定閾值，對差分圖像進行二值化處理，將差分圖像中的每一個像素點和閾值進行比較，當像素點的灰度值大于閾值時將該點的灰度值置為255，當像素點的灰度值小于等于閾值時將該點的灰度值置為0，最終得到二值化圖像；其中，灰度值為255的點即為前景點，灰度值為0的點即為背景點，即：

對圖像進行連通性分析，去除一些邊緣和零散的區域，最終得到含有完整運動目標的圖像，根據得到的圖像中為前景點的數量與閾值的關系，判斷出車輛運動靜止狀態以及車輪的轉動靜止狀態，閾值是一個根據前景點的數量判斷運動與靜止的經驗值，當前景點的數量大于的時候判斷其為運動狀態，否則為靜止狀態；

S32、根據車輪首次開始轉動直至最后一次停止轉動的圖像幀數計算出待檢測車輛在制動臺體上的制動檢驗時長，根據每次車輪轉動到該次車輪停止的圖像幀數計算出某一過程的車輪轉動時長，該過程視為一個可能的制動車輪轉動的過程，記錄每次車輪轉動過程中的車輪轉動時長；

當只有一個可能的制動車輪轉動過程則該過程為真實制動車輪轉動過程，其對應的車輪轉動時長即為制動車輪轉動時長；

當具有多個可能的制動車輪轉動過程，則需要結合制動尾燈點亮的第一個圖像幀以及制動尾燈點亮時長，從多個可能的制動車輪轉動過程中篩選出真實制動車輪轉動過程，其對應的車輪轉動時長即為制動車輪轉動時長；

S33、使用神經網絡模型檢測并識別圖像幀中的制動尾燈，將制動尾燈RGB顏色空間的圖像轉換成LAB顏色空間的圖像或YUV顏色空間的圖像，提取L通道或Y通道的圖像，判斷制動尾燈是否點亮，記錄制動尾燈連續點亮的幀數，得出制動尾燈點亮時長；

S4、根據上述得到的車輛制動檢驗時長、制動車輪轉動時長、制動尾燈點亮時長與相應的國家標準時長進行比對，判斷是否符合標準，由此評判出該機動車安檢制動視頻是否“合格”。

2.根據權利要求1所述的機動車安檢制動視頻智能審核的方法，其特征在于，所述神經網絡模型為RNN模型、CNN模型、CRNN模型、YOLO模型、SSD模型和DenseNet模型中的任意一種或幾種的組合，該神經網絡模型通過使用大量標注各種車牌、車輛、車輪、制動尾燈的圖像訓練得到，可以準確的檢測并識別出車牌、車輛位置、車輪位置、制動尾燈。

3.根據權利要求1或2所述的機動車安檢制動視頻智能審核的方法，其特征在于，S6中，提取LAB顏色空間的圖像中的L通道的圖像，分析圖像的亮度值，進而判斷機動車制動尾燈處于點亮或者關閉狀態；其中，RGB顏色空間的圖像轉換到LAB顏色空間的圖像需要先將RGB顏色空間的圖像轉換為XYZ顏色空間的圖像，即：

獲得XYZ顏色空間的圖像后，即可將XYZ顏色空間的圖像轉換到LAB顏色空間的圖像，兩者之間轉換公式為：

其中，，默認是95.047，100.0，108.883，函數如下：

。

4.根據權利要求1或2所述的機動車安檢制動視頻智能審核的方法，其特征在于，S6中，提取YUV顏色空間的圖像中的Y通道的圖像，分析圖像的亮度值，進而判斷機動車制動尾燈處于點亮或者關閉狀態；其中，RGB顏色空間的圖像轉換到YUV顏色空間的圖像的公式如下：

。

5.根據權利要求1或2所述的機動車安檢制動視頻智能審核的方法，其特征在于，通過獲取視頻的幀率和項目檢驗的總幀數來計算項目檢驗的時長，先獲取檢驗視頻的幀率，項目檢驗的總幀數為，則項目檢驗的時長為：

其中，項目為：車輛制動、制動車輪轉動以及制動尾燈點亮。