[發明專利]一種基于圖神經網絡的鑒別車輛是否壓線的方法

在審

• 申請號: 202211081477.8
• 申請日: 2022-09-06
• 公開（公告）號: CN115359458A
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 葉文武
• 申請（專利權）人: 中電鴻信信息科技有限公司
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V20/56;G06V10/26;G06V10/774;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 張力

本發明公開了一種基于圖神經網絡的鑒別車輛是否壓線的方法，采集大量各種交通場景下各種角度拍攝的圖像，對其進行車輛和車道線實線，以及壓線情況標注；基于圖像與標注結果訓練圖像實例分割算法和圖神經網絡算法；采用訓練后的圖像實例分割算法和深度學習中的圖神經網絡算法鑒別車輛是否壓線，其中，圖像實例分割算法用于車輛和車道線實線的檢測識別，圖神經網絡輸出車輛壓線的概率，當車輛壓線的概率超過預設閾值時，輸出壓線的車輛節點和車道線節點。本發明可提升壓線檢測的準確率，魯棒性高，避免了傳統基于坐標點根據不同場景設定規則的判定方式，更加智能化。

技術領域

本發明屬于車輛壓線檢測技術領域，具體涉及一種基于圖神經網絡的鑒別車輛是否壓線的方法。

背景技術

目前，判斷車輛壓線行為的主流依據是圖像和視頻，人工從海量視頻中定位出車輛是否壓線的工作十分費時費力。所以目前解決從海量視頻中定位出車輛壓線問題，往往采用計算機視覺的技術進行車輛壓線事件的檢測?，F有的使用計算機視覺技術進行車輛壓線事件的檢測的方案有：

方案1：通過對圖像中車輛關鍵點(如車胎點、前后大燈點等)和車道線的自動檢測，算法可明確車輛底盤和車道線的位置關系，從而可判斷車輛是否壓線。如公開號為CN111402329A發明專利，再如公開號為CN113962249A的發明專利。

方案2：通過固定拍攝設備位置、固定圖像中車道線位置，算法可對車輛進行語義分割，再通過估計擬合的方式，根據車輛的語義分割結果擬合得到車輛底盤位置。最后，將估計出的車輛底盤位置和預設的車道線位置進行計算得到是否壓線。如公開號為CN111814765A的發明專利。

上述方案存在以下問題：

問題1：方案1中，公開號為CN111402329A的發明專利通過車胎車輪的輪廓紋理信息來定位車輛的車輪關鍵點，進而確定車輛底盤位置，此方法屬于傳統圖像處理方法，受光線、拍攝角度、障礙物遮擋、車輛貼近、車型的影響較大，故會對最終的壓線檢測結果產生較大誤差。公開號為CN113962249A的發明專利雖使用大量關鍵點圖像數據進行車胎點、前后大燈點等關鍵點的神經網絡的學習、預測，但此方案在處理車輛貼近時車輛區域中存在部門其他車輛關鍵點時，未明確多個車輛的各關鍵點的從屬關系，易造成在一個車輛區域檢測出來的關鍵點信息屬于多個車輛，從而導致檢測壓線的誤差。

問題2：方案2中，雖通過語義分割定位出圖像中的車輛位置、大小，但語義分割的方法會導致不同車輛的分割結果相連通，無法分辨出具體壓線車輛，另外使用語義分割結果進行車輛底盤的算數估計易受到車型、車流量的影響，且固定拍攝設備和固定車道線的方式易受到震動、視頻質量波動的影響，都會導致檢測壓線的誤差，同時該方法在拍攝設備角度出現變化時不再適用，魯棒性較低。

問題3：方案1、方案2中，車道線的檢測識別和車輛的檢測識別都為兩條獨立的工作流，車道線和車輛的圖像語義上下文關系未通過模型捕捉到，此問題會導致在車輛遮擋住車道線時，車道線檢測出現錯誤。

問題4：方案1、方案2中，車道線和車輛是否壓線的確定僅靠坐標點之間人工設定的規則，規則的制定在不同的場景不通用，要根據不同的場景或攝像頭攝像角度對規則參數進行人為調整。這樣的判定方法不夠智能。

發明內容