【技術(shù)實(shí)現(xiàn)步驟摘要】
本公開涉及計(jì)算機(jī)通信，進(jìn)一步地涉及車輛交通，尤其涉及一種違規(guī)停車檢測(cè)方法、裝置、設(shè)備以及存儲(chǔ)介質(zhì)。
技術(shù)介紹
1、現(xiàn)有技術(shù)中，為了解決車輛違停問題，已有多種應(yīng)急方案，但均存在相應(yīng)缺陷。例如：一是，人力成本高，傳統(tǒng)的違停檢查主要依靠巡邏人員進(jìn)行或者設(shè)置固定的監(jiān)控?cái)z像頭等方式，需要投入大量人力和物力成本，尤其是對(duì)于城市人口密集區(qū)域，由于車輛數(shù)量眾多且行駛路線復(fù)雜，增加了巡邏人員的工作量和難度；二是，工作效率低，傳統(tǒng)的違停檢查主要以巡邏人員巡邏為主，效率偏低，不能很好地滿足現(xiàn)代社會(huì)高效、快速、準(zhǔn)確的基本需求；三是，管理難度大，違?，F(xiàn)象具有突發(fā)性，不易提前預(yù)知，因此在管理方面必須針對(duì)突發(fā)的違停情況進(jìn)行快速處理，而這也增加了管理層面的難度；四是，不穩(wěn)定性高，傳統(tǒng)的違停檢查受到天氣、光照等自然條件的影響，還受到人為因素的影響比如人員疲勞，而且檢測(cè)結(jié)果異常情況較多；五是，精度不高，傳統(tǒng)違停檢查主要依賴人工巡邏、目視判斷，存在人員主觀認(rèn)知等誤差，從而導(dǎo)致精度有限。因此，亟需一種更加智能和自動(dòng)化的技術(shù)來提升交通監(jiān)控的效率。
技術(shù)實(shí)現(xiàn)思路
1、本公開提供了一種違規(guī)停車檢測(cè)方法、裝置、設(shè)備以及存儲(chǔ)介質(zhì)，解決了違規(guī)停車行為的檢測(cè)和處理效率較低的技術(shù)問題。
2、根據(jù)本公開的第一方面，提供了一種違規(guī)停車檢測(cè)方法。該方法包括：
3、獲取交通卡口監(jiān)控中的實(shí)時(shí)視頻流，并根據(jù)預(yù)設(shè)時(shí)間間隔提取所述實(shí)時(shí)視頻流中的圖像幀；
4、基于所述圖像幀進(jìn)行車位識(shí)別，生成車位區(qū)域檢測(cè)結(jié)果，同時(shí)反向提
5、基于所述圖像幀進(jìn)行車輛及車牌檢測(cè)，獲取車輛的當(dāng)前位置坐標(biāo)及車牌信息；
6、根據(jù)所述車輛的當(dāng)前位置坐標(biāo)是否在所述禁停區(qū)域的范圍內(nèi)，判斷車輛是否違規(guī)停車；
7、若所述車輛違規(guī)停車則自動(dòng)生成報(bào)告，并生成帶有違規(guī)停車標(biāo)志的系統(tǒng)提示信息。
8、如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述基于所述圖像幀進(jìn)行車位識(shí)別，生成車位區(qū)域檢測(cè)結(jié)果，同時(shí)反向提取出禁停區(qū)域的范圍包括：
9、將所述圖像幀輸入經(jīng)過訓(xùn)練的?deeplab?v3+?語義分割算法模型中，得到車位區(qū)域檢測(cè)結(jié)果；
10、基于所述車位區(qū)域檢測(cè)結(jié)果，反向提取禁停區(qū)域的坐標(biāo)范圍，整理所述禁停區(qū)域內(nèi)所有關(guān)鍵點(diǎn)的坐標(biāo)數(shù)據(jù)，進(jìn)而識(shí)別出構(gòu)成所述禁停區(qū)域邊界的點(diǎn)并進(jìn)行排序，使用排序后的邊界點(diǎn)構(gòu)建所述禁停區(qū)域的邊界信息，其中，
11、所述禁停區(qū)域數(shù)據(jù)包括：所述禁停區(qū)域內(nèi)所有關(guān)鍵點(diǎn)的坐標(biāo)數(shù)據(jù)和所述禁停區(qū)域的邊界信息。
12、如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述基于所述圖像幀進(jìn)行車輛及車牌檢測(cè)，獲取車輛的當(dāng)前位置坐標(biāo)及車牌信息包括：
13、將所述圖像幀輸入經(jīng)過訓(xùn)練的yolov8目標(biāo)檢測(cè)模型中，定位圖像中的車輛以及車牌區(qū)域，得到所述車輛的當(dāng)前位置坐標(biāo)；
14、對(duì)所述車牌區(qū)域進(jìn)行裁剪，生成車牌候選圖像，并對(duì)所述車牌候選圖像進(jìn)行字符分割，合并最后的結(jié)果，并輸出車牌號(hào)碼。
15、如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述對(duì)所述車牌候選圖像進(jìn)行字符分割包括：
16、將eastnet模型與ocr文字檢測(cè)模型相結(jié)合，進(jìn)行共享特征聯(lián)合訓(xùn)練，得到eastnet-ocr模型，其中，
17、訓(xùn)練方法包括：獲取包含有車牌圖像及其對(duì)應(yīng)文本標(biāo)簽的數(shù)據(jù)集，其中，所述數(shù)據(jù)集涵蓋有多種車牌類型、字符排列方式以及干擾因素；
18、基于所述數(shù)據(jù)集對(duì)相結(jié)合后的模型進(jìn)行訓(xùn)練，在聯(lián)合訓(xùn)練過程中共享部分網(wǎng)絡(luò)結(jié)構(gòu)，并對(duì)模型的參數(shù)進(jìn)行調(diào)整，使聯(lián)合損失函數(shù)最小化，其中，所述聯(lián)合損失函數(shù)公式如下：
19、，
20、其中為iou損失函數(shù)，a代表預(yù)測(cè)框，b表示標(biāo)注框的范圍；為交叉熵?fù)p失函數(shù)， n是字符樣本總數(shù)， c是字符類別總數(shù)，?是第 i個(gè)樣本在第 c個(gè)類別上的真實(shí)標(biāo)簽，?是第 i個(gè)樣本在第 c個(gè)類別上的預(yù)測(cè)概率，是模型預(yù)測(cè)結(jié)果與真實(shí)標(biāo)簽之間差異的總體度量，λ是權(quán)值；
21、對(duì)所述車牌候選圖像進(jìn)行預(yù)處理，得到預(yù)處理后的車牌候選圖像；
22、將所述預(yù)處理后的車牌候選圖像輸入到所述eastnet-ocr模型中，使eastnet模型的輸出可以直接作為ocr文字檢測(cè)模型的輸入特征，進(jìn)而得到一個(gè)包含字符或文本行預(yù)測(cè)結(jié)果的列表。
23、將所述預(yù)處理后的車牌候選圖像輸入到所述eastnet-ocr模型中，使eastnet模型的輸出可以直接作為ocr文字檢測(cè)模型的輸入特征，進(jìn)而得到一個(gè)包含字符或文本行預(yù)測(cè)結(jié)果的列表。
24、如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述根據(jù)所述車輛的當(dāng)前位置坐標(biāo)是否在所述禁停區(qū)域的范圍內(nèi)，判斷車輛是否違規(guī)停車包括：
25、若所述車輛的當(dāng)前位置坐標(biāo)在所述禁停區(qū)域的范圍內(nèi)，則進(jìn)一步判斷所述車輛在預(yù)設(shè)時(shí)間閾值內(nèi)位置是否變化，其中，
26、判斷方法包括：基于車輛首次被圖像采集設(shè)備識(shí)別后所得到的當(dāng)前位置坐標(biāo)、車牌號(hào)碼、車牌位置以及檢測(cè)時(shí)間，確定所述車輛的車輛信息、到達(dá)違停區(qū)域的具體時(shí)間及其所在的具體位置，之后進(jìn)行持續(xù)跟蹤并比對(duì)所述車輛在預(yù)設(shè)時(shí)間閾值內(nèi)的位置信息，若所述車輛的位置信息在所述預(yù)設(shè)時(shí)間閾值內(nèi)未發(fā)生變化，則確定所述車輛違規(guī)停車。
27、如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述若所述車輛違規(guī)停車則自動(dòng)生成報(bào)告，并生成帶有違規(guī)停車標(biāo)志的系統(tǒng)提示信息包括：
28、若所述車輛違規(guī)停車，則自動(dòng)獲取所述車輛的車牌號(hào)碼、當(dāng)前位置坐標(biāo)、違規(guī)停車區(qū)域信息、檢測(cè)時(shí)間以及違規(guī)停車快照，并將所獲取的信息整合到格式化報(bào)告中后，將所述報(bào)告存儲(chǔ)到交管部門的違規(guī)停車數(shù)據(jù)庫中，并生成帶有違規(guī)停車標(biāo)志的系統(tǒng)提示信息。
29、如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述若所述車輛違規(guī)停車則自動(dòng)生成報(bào)告，并生成帶有違規(guī)停車標(biāo)志的系統(tǒng)提示信息包括：
30、若所述車輛違規(guī)停車，則自動(dòng)獲取所述車輛的車牌號(hào)碼、當(dāng)前位置坐標(biāo)、違規(guī)停車區(qū)域信息、檢測(cè)時(shí)間以及違規(guī)停車快照，并將上述信息整合到格式化報(bào)告中后，將所述報(bào)告存儲(chǔ)到交管部門的違規(guī)停車數(shù)據(jù)庫中，并生成帶有違規(guī)停車標(biāo)志的系統(tǒng)提示信息。
31、如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，在確定所述車輛違規(guī)停車之后，所述方法還包括：
32、發(fā)出告警并生成告警日志，其中，所述告警日志至少包括：所述車輛的車牌號(hào)碼、當(dāng)前位置坐標(biāo)、違規(guī)停車區(qū)域信息、違規(guī)停車時(shí)間、違規(guī)停車快照以及處罰信息；和/或，
33、記錄所述告警日志的發(fā)送狀態(tài)和/或車主本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種違規(guī)停車檢測(cè)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述圖像幀進(jìn)行車位識(shí)別，生成車位區(qū)域檢測(cè)結(jié)果，同時(shí)反向提取出禁停區(qū)域的范圍包括：
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述圖像幀進(jìn)行車輛及車牌檢測(cè)，獲取車輛的當(dāng)前位置坐標(biāo)及車牌信息包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述對(duì)所述車牌候選圖像進(jìn)行字符分割包括：
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述車輛的當(dāng)前位置坐標(biāo)是否在所述禁停區(qū)域的范圍內(nèi)，判斷車輛是否違規(guī)停車包括：
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述若所述車輛違規(guī)停車則自動(dòng)生成報(bào)告，并生成帶有違規(guī)停車標(biāo)志的系統(tǒng)提示信息包括：
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，在確定所述車輛違規(guī)停車之后，所述方法還包括：
8.一種違規(guī)停車檢測(cè)裝置，其特征在于，包括：
9.?一種電子設(shè)備，其特征在于，包括：
10.一種存儲(chǔ)有計(jì)算機(jī)指令的非瞬時(shí)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)指
...【技術(shù)特征摘要】
1.一種違規(guī)停車檢測(cè)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述圖像幀進(jìn)行車位識(shí)別，生成車位區(qū)域檢測(cè)結(jié)果，同時(shí)反向提取出禁停區(qū)域的范圍包括：
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述圖像幀進(jìn)行車輛及車牌檢測(cè)，獲取車輛的當(dāng)前位置坐標(biāo)及車牌信息包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述對(duì)所述車牌候選圖像進(jìn)行字符分割包括：
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述車輛的當(dāng)前位置坐標(biāo)是否在所述禁停區(qū)域的范圍內(nèi)，...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：彭云杰，任艷波，秦寧，王珂，張海陸，高玉坤，
申請(qǐng)(專利權(quán))人：中科星圖北岸科技青島有限公司，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。