[發明專利]一種基于激光的違停檢測方法及系統

有效

• 申請號: 202110555151.3
• 申請日: 2021-05-21
• 公開（公告）號: CN113284350B
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 孫凌飛
• 申請（專利權）人: 深圳市大道至簡信息技術有限公司
• 主分類號: G08G1/04
• 分類號: G08G1/04;G08G1/017;G06V20/54;G06V10/80;G06V10/774;G06V10/74;G06V10/762
• 代理公司: 深圳華屹智林知識產權代理事務所(普通合伙) 44785
• 代理人: 陳建

1.一種基于激光的違停檢測方法，其特征在于，包括以下步驟：

步驟S1、利用激光掃描裝置和圖像拍攝裝置獲取目標對象的違停影像，并通過所述目標對象的違停影像獲取目標對象特征；

步驟S2、利用特征融合對所述目標對象特征進行融合尋優獲得精準分辨目標對象違停種類的最優特征，并依據所述最優特征構建精準分辨所有目標對象違停種類的違停檢測模型；

步驟S3、基于所述違停檢測模型在違停影像中同步抓取處于違停狀態的所有目標對象并獲取目標對象的違停種類信息，并將所述目標對象的違停種類信息上傳交管平臺；

步驟S2中，還包括獲取集合目標區域歷史違停圖像數據的違停日志，基于違停日志構建表征分辨目標對象違停與否的基礎特征的第一違停模型樣本集，具體方法包括：

在違停日志中隨機抽取相同數量的正樣本和負樣本混合構成標準樣本集，其中，正樣本為處于同類違停種類的目標對象的違停圖像數據，負樣本為處于他類違停種類的目標對象的違停圖像數據；

對標準樣本集中進行特征量化獲得第一單階特征，并將第一單階特征利用相關性分析實現特征降維獲得第二單階特征；

基于標準樣本集獲取第二單階特征的特征值，并將第二單階特征的特征值與第二單階特征建立新映射獲得第一違停模型樣本集；

步驟S2，利用特征融合對目標對象特征進行融合尋優獲得精準分辨目標對象違停種類的最優特征的具體方法包括：

步驟S201、利用笛卡爾積將第二單階特征進行編碼融合獲得第一多階特征，并基于第一多階特征對第一違停模型樣本集進行第一映射更新生成過渡違停模型樣本集；

步驟S202、基于過渡違停模型樣本集利用多目標搜索策略篩選第一多階特征獲得最優多階特征，并基于最優多階特征對過渡違停模型樣本集進行第二映射更新獲得第二違停模型樣本集；

步驟S202中，多目標搜索策略篩選第一多階特征獲得最優多階特征的具體方法包括：

利用第一多階特征在過渡違停模型樣本集中的正負樣本的聚類準確度和第一多階特征的使用數目構建多目標搜索策略的目標函數，目標函數為：

minf＝-(α₁*MNI+α₂*t)；

其中，α₁+α₂＝1；

α₁和α₂為權重常數，α₁,α₂∈(0,1)，MNI為聚類準確度，t為第一多階特征的使用數目，t∈(0,M)，M為第一多階特征的總數目，H為混合矩陣，H_kl表征為過渡違停模型樣本集中的正負樣本的聚類集群結構C_S1中正負樣本集群k內的樣本同時處于正負樣本的真實聚類集群結構C_S2中正負樣本集群l內的數目，np₁和np₂分別是C_S1和C_S2劃分結果中的集群個數，H_k和H_l分別為混合矩陣H中第k行和第l列的元素之和，N為過渡違停模型樣本集的樣本數目；

線性標定目標函數構建適應度函數，并利用多目標搜索算法求解目標函數獲得一組由第一多階特征組成的最優多階特征的Pareto解集；

選取最優多階特征的Pareto解集中適應度值最高的解作為將目標對象歸屬至最佳管理集群的最優多階特征，適應度函數的計算公式為：

F＝-f+γ,γ∈(0,0.1)；

其中，f為目標函數，γ為擾動常數。

2.根據權利要求1所述的一種基于激光的違停檢測方法，其特征在于：所述步驟S1中，獲取目標對象特征的具體方法：

步驟S101、所述激光掃描裝置實時掃描目標區域生成激光掃描數據，并依據激光掃描數據對所述目標區域進行第一違停分辨生成第一違停標識同步傳輸至所述圖像拍攝裝置；

步驟S102、所述圖像拍攝裝置基于所述第一違停標識對所述目標區域進行抓拍獲取所述目標區域內的目標對象的違停影像；

步驟S103、對所述目標對象的違停影像進行圖像識別獲取表征目標對象實體和位置信息的目標對象特征。