[發(fā)明專利]一種機動車年檢燈光檢測視頻智能分析方法

在審

• 申請?zhí)枺?/td>: 202110234086.4
• 申請日: 2021-03-03
• 公開（公告）號: CN115527194A
• 公開（公告）日: 2022-12-27
• 發(fā)明（設計）人: 岳振亞;趙海霞;彭小飛
• 申請（專利權）人: 重慶云石高科技有限公司
• 主分類號: G06V20/62
• 分類號: G06V20/62;G06V10/44;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 池州優(yōu)佐知識產權代理事務所(普通合伙) 34198
• 代理人: 袁輝志

1.一種機動車年檢燈光檢測視頻智能分析方法，其特征在于，包括以下步驟：

S1、從數據服務器上獲取一輛車的車輛燈光檢測視頻，與該車輛的號牌號碼；

S2、對視頻進行逐幀車輛檢測分析，找到車輛停在檢測工位上的幀圖像，并記錄下幀號；

S3、對步驟S2中的獲取的幀圖像進行車牌檢測與識別，將識別結果與S1中獲取的號牌號碼進行比對，若比對一致，則號牌號碼比對成功，否則失敗；

S4、對步驟S2中的圖像進行車燈檢測，獲取車燈子圖像，并獲取車燈在圖像中的位置；

S5、對步驟S4中獲取的車燈子圖像，進行車燈是否亮起判斷，若車燈亮起，則判斷車燈亮起狀態(tài)成功，否則失敗；

S6、根據步驟S2中的幀號，對后續(xù)幀進行處理，檢測并跟蹤燈光檢測儀器的移動，結合步驟S4中得到的車燈位置，判斷燈光檢測儀器是移動到車燈正前方向，并記錄儀器在正前方停留的時間，若大于車管所規(guī)定的停留時間，則認為燈光檢測成功，否則失敗。

2.根據權利要求1所述的一種機動車年檢燈光檢測視頻智能分析方法，其特征在于，所述步驟S2中判斷車輛停在檢測工位上的方法步驟如下：

S21、對視頻進行逐幀分析，檢測圖像中的車輛，根據前后20幀的車輛位置信息，判斷車輛是否停止，若車輛停止，則進行下面的步驟，否則繼續(xù)S21；

S22、對步驟S21中的圖像進行分析，檢測圖像中是否出現燈光檢測儀器，若檢測到燈光檢測儀器，在車輛的正前方，則認為車輛停在了檢測工位上，否則認為是車輛中途意外停車，返回到步驟S21。

3.根據權利要求1所述的一種機動車年檢燈光檢測視頻智能分析方法，其特征在于，所述步驟S4中對圖像中的車燈檢測網絡訓練與檢測推理步驟如下：

S41、收集車輛圖像樣本集，包括各種型號的車輛，小轎車、小貨車、大貨車、客車，包括車燈亮起與非亮起等共計10萬張；

S42、對步驟S41中的圖像進行車燈位置標注，得到數據集；

S43、將步驟S42中的數據9.5萬張做為訓練集合，0.5萬張作為測試集合；

S44、選取SSD目標檢測網絡，作為車燈檢測網絡，由于車燈在圖像中的比較較小，故對網絡對一定的改進，使其更適合小目標檢測，改進如下，將SSD的VGG16特征提取網絡改為RESNET18殘差網絡，以提高小目標特征提取能力；

S45、訓練檢測網絡，得到車燈檢測網絡模型；

S46、將從車輛燈光檢測視頻中獲取的圖像送入車燈檢測網絡，即可得到車燈在圖像中的位置信息。

4.根據權利要求1所述的一種機動車年檢燈光檢測視頻智能分析方法，其特征在于，所述步驟S5中對檢測到的車燈亮滅檢測網絡訓練與判斷推理步驟如下：

S51、收集車燈圖像樣本集，包括各種型號的車輛，小轎車、小貨車、大貨車、客車，包括車燈亮起與非亮起等共計20萬張；

S52、對步驟S51中的圖像進行人工分類，車燈亮的數據集合，車燈滅的數據集合；

S53、將步驟S52中的數據中的95％作訓練集合，5％作為測試集合；

S54、選取AlexNet圖像分類網絡，作為車燈亮滅判斷網絡；

S55、訓練分類網絡，得到車燈亮滅分類網絡模型；

S56、將從車輛燈光檢測視頻中獲取的車燈圖像送入車燈亮滅分類網絡，得到車燈是滅的還是亮起的。

5.根據權利要求1所述的一種機動車年檢燈光檢測視頻智能分析方法，其特征在于，所述步驟S6中對車輛燈光檢測一起的檢測網絡訓練與判斷推理步驟如下：

S61、收集全國機動車檢測站中包含車輛燈光檢測儀器的圖像樣本集，包括各種角度，光照，清晰度等的圖像共計3萬張；

S62、對步驟S61中的圖像進行燈光檢測儀器位置的人工標注，得到數據集合；

S63、將步驟S62中的數據中的95％作訓練集合，5％作為測試集合；

S64、選取與車燈檢測網絡一樣的網絡結構，作為燈光檢測儀器檢測網絡；

S65、訓練檢測網絡，得到燈光檢測儀器檢測網絡模型；

S66、將從車輛燈光檢測視頻中獲取的圖像送入車燈檢測儀器檢測網絡，得到車燈檢測儀器在圖像中的位置信息。