CN112907982B - 一种车辆违停行为的检测方法、装置和介质 - Google Patents
一种车辆违停行为的检测方法、装置和介质 Download PDFInfo
- Publication number
- CN112907982B CN112907982B CN202110383121.9A CN202110383121A CN112907982B CN 112907982 B CN112907982 B CN 112907982B CN 202110383121 A CN202110383121 A CN 202110383121A CN 112907982 B CN112907982 B CN 112907982B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- illegal parking
- license plate
- close
- parking area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Abstract
本申请实施例公开了一种车辆违停行为的检测方法、装置和介质,利用球机采集违停区域的远景图像;基于深度学习的车辆检测算法对远景图像进行分析,以提取违停区域内各车辆的车辆特征信息;控制球机变倍采集违停区域内各车辆的近景图像。若违停区域内存在停留时间超过预设时间限值的目标车辆,则利用车牌识别算法对目标车辆的近景图像进行识别,若识别结果不满足车牌识别要求,则在检测到目标车辆移出违停区域时,控制球机变倍采集目标车辆驶离违停区域的近景图像;利用车牌识别算法对目标车辆驶离违停区域的近景图像进行识别,以得到目标车辆的车牌号码。通过采集目标车辆驶离违停区域的近景图像,有效解决了车牌被遮挡的违停车辆抓拍问题。
Description
技术领域
本申请涉及交通管制技术领域,特别是涉及一种车辆违停行为的检测方法、装置和计算机可读存储介质。
背景技术
随着经济社会的发展和人民生活水平的提高,城镇居民机动车持有量迅猛增长。为规范广大驾驶人员的停车行为,交警在敏感道路周边部署了大量的违停自动抓拍设备,自动抓拍设备的应用大大缓解了警力不足,有效降低了执法人员的工作负荷,完善了交通管理需求。但是由于传统违停抓拍装置的局限性,车牌被遮挡后的违停车辆一直无法有效抓拍。
传统方式中利用安装在路口的相机抓拍驶入禁停路段的包含清晰车牌的车辆,此时再启动另一相机分析该车辆的行驶轨迹,记录该车辆的此路段的逗留时长。若逗留超过预设时长,则说明此车辆属于违法停车,由此规避车辆停留在禁停路段之后由于遮挡导致无法有效抓拍车牌号码的情况。
但是在路段出现车流量过大或者堵车的情况下,需要记录大量车辆图片并分析每辆车的行驶轨迹,对系统内存、性能挑战大,极易出现抓拍遗漏的情况。并且该种方式下设备安装位置局限于路段只有一个入口一个出口,且路段上无停车位的场景。
可见,如何实现对车辆违停行为的有效检测,是本领域技术人员需要解决的问题。
发明内容
本申请实施例的目的是提供一种车辆违停行为的检测方法、装置和计算机可读存储介质,可以实现对车辆违停行为的有效检测。
为解决上述技术问题,本申请实施例提供一种车辆违停行为的检测方法,包括:
利用球机采集违停区域的远景图像;
基于深度学习的车辆检测算法对所述远景图像进行分析,以提取所述违停区域内各车辆的车辆特征信息;
依据设定的周期性时间间隔控制所述球机变倍采集所述违停区域内各车辆的近景图像;
判断所述违停区域内是否存在停留时间超过预设时间限值的目标车辆;
若所述违停区域内存在停留时间超过预设时间限值的目标车辆,则利用车牌识别算法对所述目标车辆的近景图像进行识别,若识别结果不满足车牌识别要求,则在检测到目标车辆移出所述违停区域时,控制球机变倍采集所述目标车辆驶离所述违停区域的近景图像;
利用所述车牌识别算法对所述目标车辆驶离所述违停区域的近景图像进行识别,以得到所述目标车辆的车牌号码。
可选地,所述车辆特征信息包括车辆的长度、宽度和位置坐标;
相应的,在所述基于深度学习的车辆检测算法对所述远景图像进行分析,以提取所述违停区域内各车辆的车辆特征信息之后还包括:
利用后备箱状态分类算法对所述违停区域的远景图像以及所述违停区域内各车辆的位置坐标进行分析,以识别所述违停区域内各车辆的后备箱状态。
可选地,在所述利用后备箱状态分类算法对所述违停区域的远景图像以及所述违停区域内各车辆的位置坐标进行分析,以识别所述违停区域内各车辆的后备箱状态之后还包括:
若检测到后备箱状态为打开状态的第一车辆,控制所述球机变倍采集所述第一车辆的近景图像,并记录所述第一车辆后备箱处于打开状态的时长;
当所述时长超过预设时间阈值时,则判定所述第一车辆为违规车辆。
可选地,还包括:
当所述时长达到预设时间阈值时,控制所述球机变倍采集所述第一车辆的近景图像。
可选地,在所述判定所述第一车辆为违规车辆之后还包括:
向后台管理系统上报故意遮挡车牌的违规信息;其中,所述违规信息包括所述违规车辆后备箱处于打开状态的时长、所述违规车辆的车牌号码。
本申请实施例还提供了一种车辆违停行为的检测装置,包括第一采集单元、提取单元、第二采集单元、判断单元和识别单元;
所述第一采集单元,用于利用球机采集违停区域的远景图像;
所述提取单元,用于基于深度学习的车辆检测算法对所述远景图像进行分析,以提取所述违停区域内各车辆的车辆特征信息;
所述第二采集单元,用于依据设定的周期性时间间隔控制所述球机变倍采集所述违停区域内各车辆的近景图像;
所述判断单元,用于判断所述违停区域内是否存在停留时间超过预设时间限值的目标车辆;
所述识别单元,用于若所述违停区域内存在停留时间超过预设时间限值的目标车辆,则利用车牌识别算法对所述目标车辆的近景图像进行识别,若识别结果不满足车牌识别要求,则在检测到目标车辆移出所述违停区域时,控制球机变倍采集所述目标车辆驶离所述违停区域的近景图像;利用所述车牌识别算法对所述目标车辆驶离所述违停区域的近景图像进行识别,以得到所述目标车辆的车牌号码。
可选地,所述车辆特征信息包括车辆的长度、宽度和位置坐标;相应的,所述装置还包括状态识别单元;
所述状态识别单元,用于利用后备箱状态分类算法对所述违停区域的远景图像以及所述违停区域内各车辆的位置坐标进行分析,以识别所述违停区域内各车辆的后备箱状态。
可选地,还包括记录单元和判定单元;
所述第二采集单元还用于若检测到后备箱状态为打开状态的第一车辆,控制所述球机变倍采集所述第一车辆的近景图像;
所述记录单元,用于记录所述第一车辆后备箱处于打开状态的时长;
所述判定单元,用于当所述时长超过预设时间阈值时,则判定所述第一车辆为违规车辆。
可选地,所述第二采集单元还用于当所述时长达到预设时间阈值时,控制所述球机变倍采集所述第一车辆的近景图像。
可选地,还包括上报单元;
所述上报单元,用于向后台管理系统上报故意遮挡车牌的违规信息;其中,所述违规信息包括所述违规车辆后备箱处于打开状态的时长、所述违规车辆的车牌号码。
本申请实施例还提供了一种车辆违停行为的检测装置,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如上述任意一项所述车辆违停行为的检测方法的步骤。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一项所述车辆违停行为的检测方法的步骤。
由上述技术方案可以看出,利用球机采集违停区域的远景图像;基于深度学习的车辆检测算法对所述远景图像进行分析,以提取违停区域内各车辆的车辆特征信息;控制球机变倍采集违停区域内各车辆的近景图像;通过调整球机变倍,单台摄像设备就可以完成远景图像和近景图像的拍摄,满足了不同的拍摄需求。判断违停区域内是否存在停留时间超过预设时间限值的目标车辆;违停区域表示不允许长时间停车的区域,若违停区域内存在停留时间超过预设时间限值的目标车辆,则说明违停区域内存在违规停车的车辆,为了便于清楚的获取车辆的车牌信息,可以利用车牌识别算法对目标车辆的近景图像进行识别,若识别结果不满足车牌识别要求,则在检测到目标车辆移出所述违停区域时,控制球机变倍采集目标车辆驶离违停区域的近景图像;利用车牌识别算法对目标车辆驶离违停区域的近景图像进行识别,以得到目标车辆的车牌号码。在该技术方案中,利用单台设备即可实现对车辆的抓拍,基于深度学习的车辆检测算法可以实现对图片快速准确的分析处理,实现对车辆违停行为的有效检测。并且通过采集目标车辆驶离违停区域的近景图像,有效解决了车牌被遮挡的违停车辆抓拍问题,从而利用深度学习的车牌识别算法可以获取违停车辆的车牌号码,以便于对违停车辆进行追责。
附图说明
为了更清楚地说明本申请实施例,下面将对实施例中所需要使用的附图做简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种车辆违停行为的检测方法的流程图;
图2为本申请实施例提供的一种车辆违停行为的检测装置的结构示意图;
图3为本申请实施例提供的一种车辆违停行为的检测装置的硬件结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下,所获得的所有其他实施例,都属于本申请保护范围。
为了使本技术领域的人员更好地理解本申请方案,下面结合附图和具体实施方式对本申请作进一步的详细说明。
接下来,详细介绍本申请实施例所提供的一种车辆违停行为的检测方法。图1为本申请实施例提供的一种车辆违停行为的检测方法的流程图,该方法包括:
S101:利用球机采集违停区域的远景图像。
违停区域可以是依照交通法则不允许长时间停车的区域。
在本申请实施例中,为了满足不同的拍摄需求,可以采用焦距可变的球机采集违停区域的图像。
需要对违停区域的全局进行分析时,可以通过球机采集远景图像。当需要对某个车辆进行检测时,可以控制球机变倍采集车辆的近景图像。
S102:基于深度学习的车辆检测算法对远景图像进行分析,以提取违停区域内各车辆的车辆特征信息。
在本申请实施例中,为了自动识别违停区域内是否存在车辆,可以基于深度学习的车辆检测算法实现对远景图像快速准确的分析处理。
车辆检测算法可以使用R-CNN(Region-CNN,基于深度卷积神经网络的目标检测算法)、Fast R-CNN、Faster R-CNN、DPM(Deformable Parts Model,物体检测算法)、SSD(Single Shot MultiBox Detector,多目标检测算法)、YOLO(You Only Look Once,实时快速目标检测)或者其它目标检测算法。
其中,车辆特征信息可以包括车辆的长度、宽度和位置坐标等。在实际应用中,可以将车辆的中心点在违停区域的位置作为车辆的位置坐标。
S103:依据设定的周期性时间间隔控制球机变倍采集违停区域内各车辆的近景图像。
当违停区域内存在车辆时,为了便于清晰的获取车辆的车牌信息,可以控制球机变倍采集违停区域内各车辆的近景图像。
在实际应用中,可以按照设定的周期性时间间隔控制球机变倍采集违停区域内各车辆的近景图像。
其中,周期性时间间隔的取值可以依据图像采集需求设置,在此不做限定。
例如,周期性时间间隔可以设置为5秒。球机采集违停区域的远景图像,间隔5秒后通过球机变倍采集违停区域内各车辆的近景图像。在本申请实施例中,当球机采集完近景图像之后,可以自动切换到远景采集模式。球机切换到远景采集模式之后,可以采集违停区域的远景图像,间隔5秒后再通过球机变倍采集违停区域内各车辆的近景图像。
对于球机的变倍取值可以依据车辆的长度和宽度以及违停区域的长度和宽度进行设置,球机变倍的操作属于较为常规的技术,在此不再展开介绍。
S104:判断违停区域内是否存在停留时间超过预设时间限值的目标车辆。
预设时间限值的取值可以依据交通法规中规定的违停区域停车时间进行设置。
基于深度学习的车辆检测算法可以实现对违停区域内车辆的识别,获取车辆的长度、宽度、位置坐标等,但是无法精确识别出车辆的车牌号码。若违停区域内存在停留时间超过预设时间限值的目标车辆,则说明违停区域内存在违规停车的车辆,为了便于清楚的获取车辆的车牌信息,此时可以执行S105。
S105:利用车牌识别算法对目标车辆的近景图像进行识别,若识别结果不满足车牌识别要求,则在检测到目标车辆移出违停区域时,控制球机变倍采集目标车辆驶离违停区域的近景图像。
在本申请实施例中,可以将违停区域内存在停留时间超过预设时间限值的车辆统称为目标车辆。目标车辆的个数可以为一个或多个,每个目标车辆的处理方式类似,在本申请实施例中均以一个目标车辆为例展开介绍。
车牌识别算法可以对目标车辆的近景图像进行识别,识别结果中可以包括车牌位置、车牌类型、车牌字符和车牌置信度等信息。其中,车牌字符即为车牌号码,车牌置信度可以为识别出的车牌号码的可信程度。车牌置信度越高,说明识别出的车牌号码越准确。
考虑到实际应用中,可能会存在车辆停留在违停区域时,车牌被遮挡的情况发生。其中,车牌被遮挡可以包括非故意遮挡车牌和故意遮挡车牌两种现象,非故意遮挡可以包括由于车辆一字型停放导致前后遮挡或者电瓶车、行人等杂物遮挡。故意遮挡最常见的是打开后备箱遮挡车牌。
当存在车牌被遮挡的情况时,通过车牌识别算法对目标车辆的近景图像进行识别时,识别结果中车牌置信度的取值往往较低,或者根本无法获取到车牌号码。因此,在实际应用中,若识别结果不满足车牌识别要求,则可以在检测到目标车辆移出违停区域时,控制球机变倍采集目标车辆驶离违停区域的近景图像。
识别结果不满足车牌识别要求可以包括识别结果中不包含车牌号码,或者是车牌置信度的取值低于预设阈值。
对于打开后备箱遮挡车牌的情况,当目标车辆驶离违停区域时,用户会将目标车辆的后备箱关闭,此时采集目标车辆驶离违停区域的近景图像可以准确的拍摄到车牌信息。对于非故意遮挡车牌的情况,当目标车辆驶离违停区域时,障碍物会偏离目标车辆的车牌,此时采集目标车辆驶离违停区域的近景图像可以准确的拍摄到车牌信息。
在本申请实施例中,在识别结果不满足车牌识别要求时,可以通过球机实时采集违停区域的远景图像,通过目标跟踪算法对远景图像中目标车辆的位置变化进行检测。
目标跟踪算法可以用卡尔曼滤波、KCF(Kernel Correlation Filter,核相关滤波算法)、MOT(Moment Of Truth,关键时刻)、目标框匹配或者其他跟踪算法。
在实际应用中,可以在检测到目标车辆的跟踪点位移超过1/2车身宽度时,视为目标车辆准备驶离违停区域,此时可以控制球机变倍采集目标车辆驶离违停区域的近景图像。
S106:利用车牌识别算法对目标车辆驶离违停区域的近景图像进行识别,以得到目标车辆的车牌号码。
通过对未准确识别到车牌号码的目标车辆进行实时检测,在目标车辆驶离违停区域时,可以有效的解决障碍物遮挡车牌的问题,此时采集目标车辆的近景图像,并通过车牌识别算法对新采集的目标车辆的近景图像进行分析,可以实现对目标车辆车牌号码的准确识别。
由上述技术方案可以看出,利用球机采集违停区域的远景图像;基于深度学习的车辆检测算法对所述远景图像进行分析,以提取违停区域内各车辆的车辆特征信息;控制球机变倍采集违停区域内各车辆的近景图像;通过调整球机变倍,单台摄像设备就可以完成远景图像和近景图像的拍摄,满足了不同的拍摄需求。判断违停区域内是否存在停留时间超过预设时间限值的目标车辆;违停区域表示不允许长时间停车的区域,若违停区域内存在停留时间超过预设时间限值的目标车辆,则说明违停区域内存在违规停车的车辆,为了便于清楚的获取车辆的车牌信息,可以利用车牌识别算法对目标车辆的近景图像进行识别,若识别结果不满足车牌识别要求,则在检测到目标车辆移出所述违停区域时,控制球机变倍采集目标车辆驶离违停区域的近景图像;利用车牌识别算法对目标车辆驶离违停区域的近景图像进行识别,以得到目标车辆的车牌号码。在该技术方案中,利用单台设备即可实现对车辆的抓拍,基于深度学习的车辆检测算法可以实现对图片快速准确的分析处理,实现对车辆违停行为的有效检测。并且通过采集目标车辆驶离违停区域的近景图像,有效解决了车牌被遮挡的违停车辆抓拍问题,从而利用深度学习的车牌识别算法可以获取违停车辆的车牌号码,以便于对违停车辆进行追责。
为了重点打击故意遮挡车牌的违停行为,在本申请实施例中,在基于深度学习的车辆检测算法对远景图像进行分析,以提取违停区域内各车辆的车辆特征信息之后,可以利用后备箱状态分类算法对违停区域的远景图像以及违停区域内各车辆的位置坐标进行分析,以识别违停区域内各车辆的后备箱状态。
基于违停区域内各车辆的位置坐标可以定位到违停区域内的各车辆,从而对每个车辆的后备箱状态进行识别。
后备箱状态可以包括后备箱关闭和后备箱打开两种状态,当后备箱长时间处于打开状态时,会造成车牌遮挡,导致球机无法采集到包含车牌号码的近景图像,长时间打开后备箱遮挡车牌的行为属于违规行为。
在本申请实施例中,若检测到后备箱状态为打开状态的第一车辆,控制球机变倍采集第一车辆的近景图像,并记录第一车辆后备箱处于打开状态的时长;当时长超过预设时间阈值时,则判定第一车辆为违规车辆。
其中,预设时间阈值的取值可以根据实际需求设置,在此不做限定。
为了获取后备箱长时间处于打开状态的完整证据链,除了在检测到后备箱状态为打开状态时,控制球机变倍采集第一车辆的近景图像外,还可以当时长达到预设时间阈值时,控制球机变倍采集第一车辆的近景图像,从而获取到第一车辆故意打开后备箱的完整证据链。
后备箱状态分类算法可以使用AlexNet、VGG(Visual Geometry Group,计算机视觉组)系列、GoogleNet、Inception系列、Resnet,或者其它目标分类算法。
通过后备箱状态分类算法对远景图像进行分析,可以识别后备箱处于打开状态的时长超过预设时间阈值的违规车辆。为了更加全面的收集后备箱处于打开状态的违规车辆的违停行为,可以在检测到后备箱状态为打开状态时以及当后备箱状态为打开状态的时长达到预设时间阈值时,控制球机变倍采集违规车辆的近景图像。
在实际应用中,为了便于交通管制人员可以对故意遮挡车牌的违规行为进行处置,可以向后台管理系统上报故意遮挡车牌的违规信息;其中,违规信息包括违规车辆后备箱处于打开状态的时长、违规车辆的车牌号码、后备箱长时间处于打开状态的完整证据链。其中,完整证据链可以包括在检测到后备箱状态为打开状态时,控制球机变倍采集车辆的近景图像以及当后备箱为打开状态的时长达到预设时间阈值时,控制球机变倍采集车辆的近景图像。
图2为本申请实施例提供的一种车辆违停行为的检测装置的结构示意图,包括第一采集单元21、提取单元22、第二采集单元23、判断单元24和识别单元25;
第一采集单元21,用于利用球机采集违停区域的远景图像;
提取单元22,用于基于深度学习的车辆检测算法对远景图像进行分析,以提取违停区域内各车辆的车辆特征信息;
第二采集单元23,用于依据设定的周期性时间间隔控制球机变倍采集违停区域内各车辆的近景图像;
判断单元24,用于判断违停区域内是否存在停留时间超过预设时间限值的目标车辆;
识别单元25,用于若违停区域内存在停留时间超过预设时间限值的目标车辆,则利用车牌识别算法对目标车辆的近景图像进行识别,若识别结果不满足车牌识别要求,则在检测到目标车辆移出违停区域时,控制球机变倍采集目标车辆驶离违停区域的近景图像;利用车牌识别算法对目标车辆驶离违停区域的近景图像进行识别,以得到目标车辆的车牌号码果。
可选地,车辆特征信息包括车辆的长度、宽度和位置坐标;相应的,装置还包括状态识别单元;
状态识别单元,用于利用后备箱状态分类算法对违停区域的远景图像以及违停区域内各车辆的位置坐标进行分析,以识别违停区域内各车辆的后备箱状态。
可选地,还包括记录单元和判定单元;
第二采集单元还用于若检测到后备箱状态为打开状态的第一车辆,控制球机变倍采集第一车辆的近景图像;
记录单元,用于记录第一车辆后备箱处于打开状态的时长;
判定单元,用于当时长超过预设时间阈值时,则判定第一车辆为违规车辆。
可选地,第二采集单元还用于当时长达到预设时间阈值时,控制球机变倍采集第一车辆的近景图像。
可选地,还包括上报单元;
上报单元,用于向后台管理系统上报故意遮挡车牌的违规信息;其中,违规信息包括违规车辆后备箱处于打开状态的时长、违规车辆的车牌号码。
图2所对应实施例中特征的说明可以参见图1所对应实施例的相关说明,这里不再一一赘述。
由上述技术方案可以看出,利用球机采集违停区域的远景图像;基于深度学习的车辆检测算法对所述远景图像进行分析,以提取违停区域内各车辆的车辆特征信息;控制球机变倍采集违停区域内各车辆的近景图像;通过调整球机变倍,单台摄像设备就可以完成远景图像和近景图像的拍摄,满足了不同的拍摄需求。判断违停区域内是否存在停留时间超过预设时间限值的目标车辆;违停区域表示不允许长时间停车的区域,若违停区域内存在停留时间超过预设时间限值的目标车辆,则说明违停区域内存在违规停车的车辆,为了便于清楚的获取车辆的车牌信息,可以利用车牌识别算法对目标车辆的近景图像进行识别,若识别结果不满足车牌识别要求,则在检测到目标车辆移出所述违停区域时,控制球机变倍采集目标车辆驶离违停区域的近景图像;利用车牌识别算法对目标车辆驶离违停区域的近景图像进行识别,以得到目标车辆的车牌号码。在该技术方案中,利用单台设备即可实现对车辆的抓拍,基于深度学习的车辆检测算法可以实现对图片快速准确的分析处理,实现对车辆违停行为的有效检测。并且通过采集目标车辆驶离违停区域的近景图像,有效解决了车牌被遮挡的违停车辆抓拍问题,从而利用深度学习的车牌识别算法可以获取违停车辆的车牌号码,以便于对违停车辆进行追责。
图3为本申请实施例提供的一种车辆违停行为的检测装置30的硬件结构示意图,包括:
存储器31,用于存储计算机程序;
处理器32,用于执行计算机程序以实现如上述任意实施例所述的车辆违停行为的检测方法的步骤。
本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述任意实施例所述的车辆违停行为的检测方法的步骤。
以上对本申请实施例所提供的一种车辆违停行为的检测方法、装置和计算机可读存储介质进行了详细介绍。说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
Claims (6)
1.一种车辆违停行为的检测方法,其特征在于,包括:
利用球机采集违停区域的远景图像;
基于深度学习的车辆检测算法对所述远景图像进行分析,以提取所述违停区域内各车辆的车辆特征信息;
依据设定的周期性时间间隔控制所述球机变倍采集所述违停区域内各车辆的近景图像;
判断所述违停区域内是否存在停留时间超过预设时间限值的目标车辆;
若所述违停区域内存在停留时间超过预设时间限值的目标车辆,则利用车牌识别算法对所述目标车辆的近景图像进行识别,若识别结果不满足车牌识别要求,则在检测到目标车辆移出所述违停区域时,控制球机变倍采集所述目标车辆驶离所述违停区域的近景图像;
利用所述车牌识别算法对所述目标车辆驶离所述违停区域的近景图像进行识别,以得到所述目标车辆的车牌号码;
所述车辆特征信息包括车辆的长度、宽度和位置坐标;
相应的,在所述基于深度学习的车辆检测算法对所述远景图像进行分析,以提取所述违停区域内各车辆的车辆特征信息之后还包括:
利用后备箱状态分类算法对所述违停区域的远景图像以及所述违停区域内各车辆的位置坐标进行分析,以识别所述违停区域内各车辆的后备箱状态;
若检测到后备箱状态为打开状态的第一车辆,控制所述球机变倍采集所述第一车辆的近景图像,并记录所述第一车辆后备箱处于打开状态的时长;
当所述时长超过预设时间阈值时,则判定所述第一车辆为违规车辆。
2.根据权利要求1所述的车辆违停行为的检测方法,其特征在于,还包括:
当所述时长达到预设时间阈值时,控制所述球机变倍采集所述第一车辆的近景图像。
3.根据权利要求1所述的车辆违停行为的检测方法,其特征在于,在所述判定所述第一车辆为违规车辆之后还包括:
向后台管理系统上报故意遮挡车牌的违规信息;其中,所述违规信息包括所述违规车辆后备箱处于打开状态的时长、所述违规车辆的车牌号码。
4.一种车辆违停行为的检测装置,其特征在于,包括第一采集单元、提取单元、第二采集单元、判断单元和识别单元;
所述第一采集单元,用于利用球机采集违停区域的远景图像;
所述提取单元,用于基于深度学习的车辆检测算法对所述远景图像进行分析,以提取所述违停区域内各车辆的车辆特征信息;
所述第二采集单元,用于依据设定的周期性时间间隔控制所述球机变倍采集所述违停区域内各车辆的近景图像;
所述判断单元,用于判断所述违停区域内是否存在停留时间超过预设时间限值的目标车辆;
所述识别单元,用于若所述违停区域内存在停留时间超过预设时间限值的目标车辆,则利用车牌识别算法对所述目标车辆的近景图像进行识别,若识别结果不满足车牌识别要求,则在检测到目标车辆移出所述违停区域时,控制球机变倍采集所述目标车辆驶离所述违停区域的近景图像;利用所述车牌识别算法对所述目标车辆驶离所述违停区域的近景图像进行识别,以得到所述目标车辆的车牌号码;
所述车辆特征信息包括车辆的长度、宽度和位置坐标;相应的,所述装置还包括状态识别单元;
所述状态识别单元,用于利用后备箱状态分类算法对所述违停区域的远景图像以及所述违停区域内各车辆的位置坐标进行分析,以识别所述违停区域内各车辆的后备箱状态;
还包括记录单元和判定单元;
所述第二采集单元还用于若检测到后备箱状态为打开状态的第一车辆,控制所述球机变倍采集所述第一车辆的近景图像;
所述记录单元,用于记录所述第一车辆后备箱处于打开状态的时长;
所述判定单元,用于当所述时长超过预设时间阈值时,则判定所述第一车辆为违规车辆。
5.一种车辆违停行为的检测装置,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如权利要求1至3任意一项所述车辆违停行为的检测方法的步骤。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述车辆违停行为的检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110383121.9A CN112907982B (zh) | 2021-04-09 | 2021-04-09 | 一种车辆违停行为的检测方法、装置和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110383121.9A CN112907982B (zh) | 2021-04-09 | 2021-04-09 | 一种车辆违停行为的检测方法、装置和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112907982A CN112907982A (zh) | 2021-06-04 |
CN112907982B true CN112907982B (zh) | 2022-12-13 |
Family
ID=76110270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110383121.9A Active CN112907982B (zh) | 2021-04-09 | 2021-04-09 | 一种车辆违停行为的检测方法、装置和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112907982B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113470368A (zh) * | 2021-07-15 | 2021-10-01 | 思福盾(北京)信息技术有限公司 | 一种自动实现多种场景车辆违停智能语音交互劝离系统及方法 |
CN113688717A (zh) * | 2021-08-20 | 2021-11-23 | 云往(上海)智能科技有限公司 | 图像识别方法、装置以及电子设备 |
CN113807228A (zh) * | 2021-09-10 | 2021-12-17 | 北京精英路通科技有限公司 | 停车事件提示方法、装置、电子设备以及存储介质 |
CN113888881A (zh) * | 2021-09-10 | 2022-01-04 | 福州大学 | 基于微型电脑的城市路侧停车资源分析规划方法及系统 |
CN113990101B (zh) * | 2021-11-19 | 2023-04-07 | 深圳市捷顺科技实业股份有限公司 | 一种禁停区域车辆检测方法及其系统和处理装置 |
CN113850240B (zh) * | 2021-11-29 | 2022-05-10 | 北京三快在线科技有限公司 | 一种物流园区车辆违停识别方法及装置 |
CN114566043B (zh) * | 2022-02-09 | 2023-09-22 | 浙江大华技术股份有限公司 | 一种目标停放的取证方法、装置及可读存储介质 |
CN114842650B (zh) * | 2022-03-28 | 2023-05-09 | 北京华录高诚科技有限公司 | 一种车辆超时违停判断方法及装置、图像采集设备 |
CN115439278B (zh) * | 2022-08-05 | 2023-07-25 | 火焰蓝(浙江)信息科技有限公司 | 适用于非机动车驾驶员的线上学习方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4866438A (en) * | 1987-04-11 | 1989-09-12 | Robot Foto Und Electronic Gmbh & Co. Kg | Traffic monitoring device |
CN201134165Y (zh) * | 2007-10-24 | 2008-10-15 | 北京万集科技有限责任公司 | 一种基于视频的闯红灯检测系统 |
CN203305931U (zh) * | 2013-06-17 | 2013-11-27 | 宁波晨帆汽车附件有限公司 | 一种用于车尾自行车架的可拆卸牌照框 |
CN109345512A (zh) * | 2018-09-12 | 2019-02-15 | 百度在线网络技术(北京)有限公司 | 汽车图像的处理方法、装置及可读存储介质 |
CN111508232A (zh) * | 2020-04-16 | 2020-08-07 | 盛视科技股份有限公司 | 一种道路安全抓拍一体机 |
CN111539317A (zh) * | 2020-04-22 | 2020-08-14 | 上海眼控科技股份有限公司 | 车辆违规行驶检测方法、装置、计算机设备和存储介质 |
CN112418303A (zh) * | 2020-11-20 | 2021-02-26 | 浙江大华技术股份有限公司 | 一种识别状态模型的训练方法、装置及计算机设备 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050679B (zh) * | 2014-07-03 | 2017-05-17 | 杭州藏愚科技有限公司 | 一种违法停车的自动取证方法 |
CN106571039A (zh) * | 2016-08-22 | 2017-04-19 | 中海网络科技股份有限公司 | 一种高速公路违章行为自动抓拍系统 |
CN106327878A (zh) * | 2016-11-16 | 2017-01-11 | 天津市中环系统工程有限责任公司 | 一种移动违停抓拍系统及实现方法 |
US10997421B2 (en) * | 2017-03-30 | 2021-05-04 | Hrl Laboratories, Llc | Neuromorphic system for real-time visual activity recognition |
CN111275984B (zh) * | 2020-02-20 | 2022-04-15 | 三一重工股份有限公司 | 车辆检测方法、装置及服务器 |
CN111739305B (zh) * | 2020-04-26 | 2022-07-12 | 智慧互通科技股份有限公司 | 基于多类型相机的违停管理方法及系统 |
CN112449111A (zh) * | 2020-11-13 | 2021-03-05 | 珠海大横琴科技发展有限公司 | 一种监控设备处理方法和装置 |
-
2021
- 2021-04-09 CN CN202110383121.9A patent/CN112907982B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4866438A (en) * | 1987-04-11 | 1989-09-12 | Robot Foto Und Electronic Gmbh & Co. Kg | Traffic monitoring device |
CN201134165Y (zh) * | 2007-10-24 | 2008-10-15 | 北京万集科技有限责任公司 | 一种基于视频的闯红灯检测系统 |
CN203305931U (zh) * | 2013-06-17 | 2013-11-27 | 宁波晨帆汽车附件有限公司 | 一种用于车尾自行车架的可拆卸牌照框 |
CN109345512A (zh) * | 2018-09-12 | 2019-02-15 | 百度在线网络技术(北京)有限公司 | 汽车图像的处理方法、装置及可读存储介质 |
CN111508232A (zh) * | 2020-04-16 | 2020-08-07 | 盛视科技股份有限公司 | 一种道路安全抓拍一体机 |
CN111539317A (zh) * | 2020-04-22 | 2020-08-14 | 上海眼控科技股份有限公司 | 车辆违规行驶检测方法、装置、计算机设备和存储介质 |
CN112418303A (zh) * | 2020-11-20 | 2021-02-26 | 浙江大华技术股份有限公司 | 一种识别状态模型的训练方法、装置及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112907982A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112907982B (zh) | 一种车辆违停行为的检测方法、装置和介质 | |
CN107305627B (zh) | 一种车辆视频监控方法、服务器及系统 | |
CN106652551B (zh) | 一种车位检测方法及设备 | |
CN105654733B (zh) | 一种基于视频检测的前后车牌识别方法及装置 | |
CN106600977B (zh) | 基于多特征识别的违停检测方法及系统 | |
CN106952477B (zh) | 基于多相机图像联合处理的路侧停车管理方法 | |
CN102592450B (zh) | 机动车斑马线不礼让行人行为抓拍系统及其方法 | |
CN110738857B (zh) | 一种车辆违章取证方法、装置及设备 | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
CN105046966A (zh) | 即停即离区域的违章停车行为自动检测系统和方法 | |
CN105654734A (zh) | 车辆违章行为的数据处理方法及装置 | |
CN112002131A (zh) | 路内停车行为检测方法及装置 | |
CN104537840A (zh) | 非法营运出租车辆的检测系统 | |
CN204856897U (zh) | 一种机动车即停即离区域的违章检测装置 | |
CN114898297A (zh) | 基于目标检测和目标跟踪的非机动车违法行为判定的方法 | |
CN112733598A (zh) | 车辆违法判别方法、装置、计算机设备和存储介质 | |
CN112861797A (zh) | 一种真伪车牌识别方法、装置及相关设备 | |
Marikhu et al. | Police Eyes: Real world automated detection of traffic violations | |
KR102162130B1 (ko) | 단일카메라를 이용한 불법주정차 단속시스템 | |
CN113112813A (zh) | 违章停车检测方法及装置 | |
CN113392680A (zh) | 道路识别装置及方法、电子设备 | |
CN105761501A (zh) | 一种智能车辆行为检测抓拍方法 | |
CN114140762A (zh) | 一种车辆行驶方向自动识别的方法 | |
CN115861916A (zh) | 异常停车行为检测方法、装置、计算机设备和存储介质 | |
CN114373303A (zh) | 移动式模块化公安智能检查站系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |