[發明專利]一種用于復雜應用場景的車輛違停識別方法

在審

• 申請號: 202111153392.1
• 申請日: 2021-09-29
• 公開（公告）號: CN113822285A
• 公開（公告）日: 2021-12-21
• 發明（設計）人: 蘇元國;湯斌;何鵬;雷斯越;賀渝龍;黃冉
• 申請（專利權）人: 重慶市云邁科技有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/32;G06K9/00;G06N3/08;G06T7/20;G08G1/00
• 代理公司: 重慶博凱知識產權代理有限公司 50212
• 代理人: 黃河

1.一種用于復雜應用場景的車輛違停識別方法，其特征在于，包括以下步驟：

S1：獲取禁停區域內的圖像信息；

S2：基于禁停區域內的圖像信息進行車輛目標檢測，并獲取對應目標車輛的車輛信息；

S3：根據目標車輛的車輛信息判斷目標車輛是否移動：若是，則返回步驟S1；否則，基于目標車輛生成對應的疑似違停信息；

S4：當目標車輛累積生成兩次疑似違停信息后，計算當前的疑似違停信息和上一次的疑似違停信息之間的疑似違停時間差；若疑似違停時間差大于設置的違停時間閾值，則判斷目標車輛違停，并生成對應的違停事件信息作為車輛違停識別結果；否則，返回步驟S1。

2.如權利要求1所述的用于復雜應用場景的車輛違停識別方法，其特征在于，步驟S1中，獲取禁停區域內的圖像信息時，通過如下步驟修正圖像信息：

將禁停區域的位置圖像進行圖像分割，然后對位置圖像中的每個像素點進行標注，以得到禁停區域的邊界像素點坐標；

基于禁停區域的邊界像素點坐標對所述禁停區域內的圖像信息進行裁剪和分割，以實現對禁停區域內的圖像信息的修正。

3.如權利要求1所述的用于復雜應用場景的車輛違停識別方法，其特征在于：步驟S4中，首先判斷當前的疑似違停信息和上一次的疑似違停信息的產生位置是否改變：若是，則返回步驟S1，并清空已生成的所有疑似違停信息；否則，計算對應的疑似違停時間差，并執行后續步驟。

4.如權利要求1所述的用于復雜應用場景的車輛違停識別方法，其特征在于，還包括：

S101：獲取劃線停車區域內的圖像信息；

S102：基于劃線停車區域內的圖像信息進行車輛目標檢測，并獲取對應目標車輛的車輛信息；

S103：根據目標車輛的車輛信息判斷目標車輛是否移動：若是，則返回步驟S101；否則，進入下一步驟；

S104：判斷目標車輛是否壓線停車：若是，則基于目標車輛生成對應的疑似未規范停車信息；否則，返回步驟S101；

S105：當目標車輛累積生成兩次疑似未規范停車信息后，計算當前的疑似未規范停車信息和上一次的疑似未規范停車信息之間的未規范停車時間差，若未規范停車時間差大于設置的規范停車時間閾值，則判斷目標車輛未規范停車，并生成對應的未規范停車事件信息作為車輛違停識別結果；否則，返回步驟S101。

5.如權利要求4所述的用于復雜應用場景的車輛違停識別方法，其特征在于：通過經預先訓練的深度檢測模型對禁停區域或劃線停車區域內的圖像信息進行車輛目標檢測；所述深度檢測模型基于Darknet深度學習框架構建。

6.如權利要求5所述的用于復雜應用場景的車輛違停識別方法，其特征在于：通過YOLO目標檢測方法訓練所述深度檢測模型。

7.如權利要求4所述的用于復雜應用場景的車輛違停識別方法，其特征在于：通過CNN+OpenCV 的架構識別目標車輛的車牌信息作為其車輛信息。

8.如權利要求4所述的用于復雜應用場景的車輛違停識別方法，其特征在于：通過跳幀解析的方式從視頻圖像中選取若干幀圖片幀作為對應的圖像信息。

9.如權利要求8所述的用于復雜應用場景的車輛違停識別方法，其特征在于：通過IOU跟蹤算法判斷目標車輛是否移動；

具體的：首先通過目標框對圖像信息中的目標車輛進行標記；對兩次標記得到的目標框進行IOU計算，若IOU超過0.3則將兩次標記的目標框看作是同一個目標車輛；再基于目標車輛的目標框進行判斷：若第二次標記的目標框中心點橫坐標或中心點縱坐標超過第一次標記的目標框原始橫坐標或原始縱坐標的1/4，則目標車輛移動；否則，目標車輛未移動。

10.如權利要求4所述的用于復雜應用場景的車輛違停識別方法，其特征在于，步驟S104中，通過如下步驟判斷目標車輛是否壓線停車：

將劃線停車區域的位置圖像進行圖像分割，然后對位置圖像中的每個像素點進行標注以得到劃線停車區域的邊界像素點坐標；

基于車輛目標檢測的Anchor Box坐標與劃線停車區域的邊界像素點坐標的比對結果判斷目標車輛是否壓線停車。