[發明專利]一種異常駛離的檢測方法、系統、電子設備及存儲介質

有效

• 申請號: 202110156902.4
• 申請日: 2021-02-05
• 公開（公告）號: CN112507993B
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 林亦寧;趙之健
• 申請（專利權）人: 上海閃馬智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K17/00;G06N3/04;G06N3/08
• 代理公司: 北京紀凱知識產權代理有限公司 11245
• 代理人: 陸惠中;趙旭

本申請提供了一種異常駛離的檢測方法、系統、電子設備及存儲介質，屬于檢測技術領域，方法包括：S1，根據道路通行情況在監控畫面中設置異常布控區域；S2，通過前端相機獲取交通視頻流；S3，利用深度學習模型檢測視頻流畫面中的車輛信息；S4，將每一幀中車輛信息送入跟蹤模塊，以獲得車輛的跟蹤軌跡；S5，基于跟蹤軌跡、異常布控區域判斷該車輛是否發生異常駛離事件，若是，則將異常駛離信息進行上報；若否，則返回執行步驟S2。相對于現有技術中采用預埋線圈和光照傳感器、或者采用RFID技術進行異常駛離的檢測來說，本申請的方案不需要布設昂貴的基礎設施，基于現有的道路監控設備即可實現，而且檢測原理簡單，可以保證較高的檢測實時性、準確率。

技術領域

本申請涉及交通事件檢測技術領域，具體而言，涉及一種異常駛離的檢測方法、系統、電子設備及存儲介質。

背景技術

在國標 GBT 28789-2012 明確規定, 視頻交通事件檢測器需要具備檢測機動車駛離事件的能力, 在國標中定義的機動車異常駛離事件為:行駛中的機動車異常駛離正常區域的交通事件, 在實際中,該事件往往預示著,該機動車可能會發生事故等破壞整體道路交通通行的后續事件,是一種用來預防和早期發現交通隱患的重要事件,因此無論在高速或者城市交通的治理和事件的早期發現等方面均具有重要的意義。

申請人通過檢索現有技術后發現，相關的研究并不多。例如，專利申請1（CN106935037A）公開了一種基于光照度與地磁聯合探測的復合型車位檢測方法與檢測裝置，利用光照和車輛經過對與地磁線圈地磁產生的變化來檢測車輛是否有駛離事件，顯然其使用的非視頻解決方案無法直接融入到視頻交通檢測器的系統中,同時需要配合大量的線圈預埋和光照傳感器的建設工作,區域布控不靈活,無法根據實際情況進行調整。專利申請2（CN203376786U）公開了一種基于RFID的路邊停車收費系統， 其利用RFID的方式感知機動車是否離開指定區域，RFID也無法直接融入視頻交通檢測系統,且RFID 屬于耗材,維護成本高，RFID 傳感器建設投入大,難以保證足夠大的覆蓋范圍。

可見，對于“異常駛離”的檢測，現有技術還未有效解決，亟需簡單高效的檢測技術來解決該技術問題。

發明內容

為了解決上述背景技術中存在的技術問題，本申請提供了一種異常駛離的檢測方法、系統、電子設備及存儲介質。

本申請的第一方面提供了一種異常駛離的檢測方法，所述方法包括：

S1，根據道路通行情況在監控畫面中設置異常布控區域；

S2，通過前端相機獲取交通視頻流；

S3，利用深度學習模型檢測視頻流畫面中的車輛信息；

S4，將每一幀中車輛信息送入跟蹤模塊，以獲得車輛的跟蹤軌跡；

S5，基于所述跟蹤軌跡、異常布控區域判斷該車輛是否發生異常駛離事件，若是，則將異常駛離信息進行上報；若否，則返回執行步驟S2。

可選地，所述異常布控區域為不規則多邊形區域。

可選地，步驟S3中利用深度學習模型檢測視頻流畫面中的車輛信息，包括：

預先訓練得到深度學習檢測模型,該模型包括一個用于提取特征的主干網絡,一個融合特征的特征金字塔網絡和一個用于將融合特征轉換為車輛位置的解碼網絡；將所述視頻流解碼后獲得原始圖片的RGB 數據,送入訓練好的深度學習網絡,得到車輛的位置。

可選地，步驟S4中將每一幀中車輛信息送入跟蹤模塊，以獲得車輛的跟蹤軌跡，包括：