JP2020191081A

JP2020191081A - 駐車違反の検出方法及び装置、電子機器、コンピュータ読み取り可能な媒体

Info

Publication number: JP2020191081A
Application number: JP2020083182A
Authority: JP
Inventors: グァンハオ・ワン; Guanhao Wang; ヂー・イェ; Zhi Ye
Original assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Current assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Priority date: 2019-05-17
Filing date: 2020-05-11
Publication date: 2020-11-26
Anticipated expiration: 2040-05-11
Also published as: CN110135356A; JP6975369B2; US20200364467A1; KR20200132714A; KR102391840B1; US11380104B2

Abstract

【課題】駐車違反の検出方法、装置、電子機器及びコンピュータ読み取り可能な媒体を提供する。【解決手段】方法は、第１のニューラルネットワークにより、収集モジュールによって収集された画像内の種別が車両である検出フレームを取得し、前記検出フレームの座標情報を決定するステップと、第２のニューラルネットワークにより、前記画像内の前記検出フレームに対応する領域が駐車違反領域であるか否かを判断するステップと、駐車違反領域であると判断された場合、予め設定された時間内に、前記検出フレームの座標情報が変化するか否かを判断し、判断結果に基づいて、前記車両が駐車違反であるか否かを決定するステップと、を含む。【選択図】図１

Description

本開示の実施例は、コンピュータ技術の分野に関し、特に、駐車違反の検出方法及び装置、電子機器、コンピュータ読み取り可能な媒体に関する。

現在の人工知能の急速な発展と普及に伴い、人工知能はセキュリティとスマートシティの分野で重要な機能を徐々に発揮し始め、都市管理の部門において道路駐車違反に対する法的措置が大きく注目されている。生活の質の向上に伴い、自家用車が主要な交通手段となり、ますます多くの自家用車が、都市道路を計画する時に考慮しなければならない一環になるが、より多くの駐車スペースは、どうしても自家用車の増加速度に間に合わず、駐車違反は現段階における都市の外観を大きく損なう点になり、現在、都市管理の部門では、まずパトロール検査し、違法行為を発見すると、法的措置を取るパトロール検査の方式を採用しており、これは都市管理の部門において非常に時間、費用、工夫を消費する違反検出の方法である。

本開示の実施例は、駐車違反の検出方法及び装置、電子機器、コンピュータ読み取り可能な媒体を提供する。

第１の側面において、本開示の実施例は、駐車違反の検出方法を提供している。前記方法は、
第１のニューラルネットワークにより、収集モジュールによって収集された画像内の種別が車両である検出フレームを取得し、前記検出フレームの座標情報を決定するステップと、
第２のニューラルネットワークにより、前記画像内の前記検出フレームに対応する領域が駐車違反領域であるか否かを判断するステップと、
駐車違反領域であると判断された場合、予め設定された時間内に、前記検出フレームの座標情報が変化するか否かを判断し、判断結果に基づいて、前記車両が駐車違反であるか否かを決定するステップと、を含む。

いくつかの実施例では、前記第２のニューラルネットワークにより、前記画像内の前記検出フレームに対応する領域が駐車違反領域であるか否かを判断するステップは、
前記収集モジュールによって収集された画像を第２のニューラルネットワークに入力し、前記画像内の各画素に対応する道路種別を出力し、各画素座標と道路種別との対応関係を取得するステップと、
前記画像内の前記検出フレームに対応する領域内の各画素座標を取得し、各画素座標と道路種別との対応関係に基づいて、検出フレームにおける各画素の道路種別を取得するステップと、
検出フレームにおける各画素の道路種別と予め設定された規則とに基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するステップと、を含む。

いくつかの実施例では、前記第２のニューラルネットワークにより、前記画像内の前記検出フレームに対応する領域が駐車違反領域であるか否かを判断するステップは、
前記画像内の前記検出フレーム領域に対応する部分のみを第２のニューラルネットワークに入力し、前記画像内の前記検出フレーム領域に対応する部分の各画素に対応する道路種別を出力するステップと、
検出フレームにおける各画素の道路種別と予め設定された規則とに基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するステップと、を含む。

いくつかの実施例では、前記検出フレームにおける各画素の道路種別と予め設定された規則とに基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するステップは、
検出フレームにおける各画素の道路種別に基づいて、道路種別のうちの違法道路種別に対応する画素数を取得するステップと、
道路種別のうちの違法道路種別に対応する画素数を予め設定された値と比較し、比較結果に基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するステップと、を含む。

いくつかの実施例では、前記検出フレームの座標情報は、前記検出フレームの四つの原点座標を含む。

第２の側面において、本開示の実施例は、駐車違反の検出装置を提供している。前記装置は、
第１のニューラルネットワークにより、収集モジュールによって収集された画像内の種別が車両である検出フレームを取得し、前記検出フレームの座標情報を決定するための車両位置決めモジュールと、
第２のニューラルネットワークにより、前記画像内の前記検出フレームに対応する領域が駐車違反領域であるか否かを判断するための駐車違反領域判定モジュールと、
駐車違反領域判定モジュールが駐車違反領域であると判断し、予め設定された時間内に、前記検出フレームの座標情報が変化するか否かを判断し、判断結果に基づいて、前記車両が駐車違反であるか否かを決定するための違法車両決定モジュールと、を含む。

いくつかの実施例では、前記駐車違反領域判定モジュールは、
前記収集モジュールによって収集された画像を第２のニューラルネットワークに入力し、前記画像内の各画素に対応する道路種別を出力し、各画素座標と道路種別との対応関係を取得するための道路種別決定ユニットと、
前記画像内の前記検出フレームに対応する領域内の各画素座標を取得し、各画素座標と道路種別との対応関係に基づいて、検出フレームにおける各画素の道路種別を取得するための取得ユニットと、
検出フレームにおける各画素の道路種別と予め設定された規則とに基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するための駐車違反領域判定ユニットと、を含む。

いくつかの実施例では、前記駐車違反領域判定モジュールは、
前記画像内の前記検出フレーム領域に対応する部分のみを第２のニューラルネットワークに入力し、前記画像内の前記検出フレーム領域に対応する部分の各画素に対応する道路種別を出力するための取得ユニットと、
検出フレームにおける各画素の道路種別と予め設定された規則とに基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するための駐車違反領域判定ユニットと、を含む。

いくつかの実施例では、前記駐車違反領域判定ユニットは、
検出フレームにおける各画素の道路種別に基づいて、道路種別のうちの違法道路種別に対応する画素数を取得するための計算サブユニットと、
道路種別のうちの違法道路種別に対応する画素数を予め設定された値と比較し、比較結果に基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するための駐車違反領域判定サブユニットと、を含む。

第３の側面において、本開示の実施例は、電子機器を提供し、
一つ又は複数のプロセッサと、
一つ又は複数のプログラムが記憶されている記憶装置と、を含み、前記一つ又は複数のプログラムが前記一つ又は複数のプロセッサにより実行される場合に、前記一つ又は複数のプロセッサが、上記の方法を実現する。

第４の側面において、本開示の実施例は、コンピュータプログラムが記憶されているコンピュータ読み取り可能な媒体を提供し、前記コンピュータプログラムがプロセッサにより実行される場合に、上記の方法が実現される。

本開示の実施例が提供する駐車違反の検出方法は、収集モジュールによって収集された画像を入力として、第１のニューラルネットワークを用いて、種別が車両である検出フレーム、すなわち車両を位置決めし、第２のニューラルネットワークを用いて、道路に対して画素レベルの分類を行って、車両が位置する道路の正確な位置決めを実現し、その後、予め設定された時間内に種別が車両である検出フレームの座標が変化するか否かを判断することによって、車両の駐車違反行為に対する正確な決定を実現し、当該方法は、駐車違反行為の検出をより効率的にし、人的資源と物的資源を大幅に削減させる。

添付図面は本開示の実施例に対するさらなる理解を提供し、且つ明細書の一部を構成し、本開示の実施例とともに本開示を解釈するために用いられ、本開示に対する制限を構成するものではない。図面を参照して詳細な例示的な実施例を説明することによって、以上の他の特徴や利点は、当業者にとってさらに明らかになる。
本開示の実施例の駐車違反の検出方法のフローチャートである。本開示の実施例のステップＳ２の第１の具体的なフローチャートである。本開示の実施例におけるステップＳ２０３の具体的なフローチャートである。本開示の実施例のステップＳ２の第２の具体的なフローチャートである。本開示の実施例の駐車違反の検出装置のブロック図である。本開示の実施例における駐車違反領域判定モジュールの第１の具体的なブロック図である。本開示の実施例における駐車違反領域判定モジュールの第２の具体的なブロック図である。本開示の実施例における駐車違反領域判定ユニットの具体的なブロック図である。

当業者が本発明の技術案をより良く理解できるようにするために、以下の図面を組み合わせて本発明により提供される駐車違反の検出方法及び装置、電子機器、コンピュータ読み取り可能な媒体を詳細に説明する。

以下では、図面を参照して例示的な実施例をもっと十分に説明するが、前記例示的な実施例は、異なる形式で体現することができ、且つ本明細書で説明される実施例に限定されると解釈されるべきではない。逆に、これらの実施例を提供する目的は、本開示を徹底的且つ完全になるようにし、当業者が本開示の範囲を十分に理解するさせることである。

本明細書で使用される「及び／又は」用語は、１つ又は複数の関連する列挙項目のいずれか、及びすべての組み合わせを含む。

本明細書で使用される用語は、特定の実施例の説明のみに用いられ、本開示を限定することを意図しない。本明細書で使用されるように、文脈が別に明確に指摘されていない限り、単数形式の「一つ」と「当該」も複数の形式を含むことを意図している。また、本明細書で用語「含む」及び／又は「〜から生成される」が使用される場合、特徴、全体、ステップ、操作、要素、及び／又はコンポーネントが存在することを指定するが、1つ又は複数の他の特徴、全体、ステップ、操作、要素、コンポーネント及び／又はグループの存在又は追加を排除することはできないことを理解されたい。

本明細書の実施例は、本願の理想的な概略図を介して平面図及び／又は断面図を参照して説明することができる。よって、製造技術及び／又は許容範囲によって例示的な図面を修正することができる。よって、実施例は、図面に示す実施例に限定されなく、製造プロセスによって形成される配置の変更を含む。よって、図面に示す領域は、概略的な属性を有し、図面に示す領域の形状は、要素の領域の具体的な形状を示すが、限定することを意図するわけではない。

他に限定されない限り、本明細書で使用されるすべての用語（技術や科学用語を含む）の意味は、当業者が通常に理解している意味と同じである。また、一般的な辞書に限定されている用語は、関連技術及び本開示の背景における意味と一致する意味を有すると解釈されるべきであり、本明細書に明確に限定されない限り、理想化又は過度の形式上の意味を有すると解釈されないことを理解されたい。

本開示の実施例は、駐車違反の検出方法を提供し、当該方法では、二つのニューラルネットワークが主に適用され、すなわち以下の実施例に説明された第１のニューラルネットワーク及び第２のニューラルネットワークであり、その中、第１のニューラルネットワークは、画像情報を入力とし、目標種別が車両である検出フレームを出力するように構成され、第２のニューラルネットワークは、画像情報を入力とし、入力された画像に対して画素レベルの分割を行い、画像内の各画素に対応する道路種別を出力するように構成される。

なお、本開示の実施例の方法を実施する前に、まず、一定の数のサンプルを収集し、モデルトレーニングを行って、対応するニューラルネットワークを取得する必要があるが、ニューラルネットワークのトレーニングは、当業者にとって周知の技術手段であり、ここでは詳細に説明しない。

本開示の実施例における駐車違反の検出方法の実行主体は、収集モジュール（カメラ）に統合されることが可能である駐車違反の検出装置であってもよい。

図１は、本開示の実施例の駐車違反の検出方法のフローチャートである。

第１の側面において、本開示の実施例は、駐車違反の検出方法を提供し、図１を参照すると、当該方法は、具体的には、以下のようなステップを含む。
ステップＳ１、第１のニューラルネットワークにより、収集モジュールによって収集された画像内の種別が車両である検出フレームを取得し、検出フレームの座標情報を決定する。

収集モジュールは、カメラであってもよく、例えば、信号機の上方に取り付けられたカメラであってもよいが、本開示の実施例では、収集モジュールは、カメラを例にして説明する。

具体的には、カメラは、収集された画像（フレームを単位とする）を、フレームごとに第１のニューラルネットワークに入力し、第１のニューラルネットワークは、検出フレームによって画像内の特徴を抽出し、その後、検出フレームにおける特徴を分類して、種別が車両である検出フレームを出力する。

なお、実際の道路監視シーンでは、カメラ監視範囲が広く、車両が多いため、１０２４＊６４０の高解像度画像を第１のニューラルネットワークの入力として優先的に採用し、監視シーンでの車両が少なすぎないことを確保し、できるだけ多くの車両を正確に検出することができる。

本開示の実施例で採用される第１のニューラルネットワークは、マルチスケールＣＮＮニューラルネットワークである。実際のシーンでは、カメラは近くから遠くまで、車両スケールは小さい状態から大きい状態までなるため、マルチスケールＣＮＮニューラルネットワークを採用することで、画像のマルチスケール特徴を抽出し、異なるスケールでの車両位置決めを実現することができる。

画像内の各画素位置は一つの座標で表すことができ、本開示の実施例における検出フレームは、画像内のフレームであるため、検出フレームの座標情報は、画像内の画素の位置と同じ座標系を採用して、座標が対応し、つまり検出フレームのある点座標も画像内のある画素の位置座標である。

ステップＳ２、第２のニューラルネットワークにより、画像内の検出フレームに対応する領域が駐車違反領域であるか否かを判断し、ステップＳ２で検出フレームの領域が駐車違反領域であると判断した場合、ステップＳ３を実行し、ステップＳ２で検出フレームの領域が駐車違反領域でないと判断した場合、ステップＳ２まで終了する。

なお、道路シーンが複雑であり、本開示の実施例の方法を実施する前に、まず、道路種別を区分し、一定の数の道路特徴をサンプルとして収集してトレーニングして第２のニューラルネットワークを取得して、道路を分類する。例えば、道路を通常の道路、視覚障害者誘導用ブロック、造園エリア（花園、ガーデン）、駐車場、及びその他に区分し、その中、通常の道路は、自動車が走行する道路と指し、大半の領域は、すべて通常の道路に属しており、視覚障害者誘導用ブロックは、建物の前に明らかな視覚障害者誘導用ブロック標識領域がある視覚障害者誘導用ブロックであり、造園エリアは、道路側の都市建設造園領域を指し、補助的な判断タイプとし、駐車場は、道路側に白色又は黄色のマークが付けられた駐車領域を指す。

図２は、本開示の実施例のステップＳ２の第１の具体的なフローチャートである。

いくつかの実施例では、図２を参照すると、ステップＳ２の第１の具体的な実現は、具体的には、以下のようなステップを含むことができる。
ステップＳ２０１、カメラによって収集された画像を第２のニューラルネットワークに入力し、画像内の各画素に対応する道路種別を出力し、各画素座標と道路種別との対応関係を取得する。

具体的には、カメラによって収集された画像を第２のニューラルネットワークの入力とし、分割アルゴリズムによって道路を通常の道路、視覚障害者誘導用ブロック、造園エリア、駐車場、その他の５種類に分割することができ、その後、画素レベルの分割を行い、各画素に対応する道路種別を出力し、すなわち各画素座標と道路種別との対応関係を取得して、画素レベル分割の目的に達成することができる。

ステップＳ２０２、前記画像内の前記検出フレームに対応する領域内の各画素座標を取得し、ステップＳ２０１で取得された各画素座標と道路種別との対応関係に基づいて、検出フレームにおける各画素の道路種別を取得する。

つまり、ステップＳ２０１では、画像各画素の道路種別を取得し、ステップＳ２０２では、ステップＳ２０１での検出フレームにおける各画素の道路種別を取得し、検出フレームにおける各画素の道路種別を決定する。

ステップＳ２０３、検出フレームにおける各画素の道路種別と予め設定された規則とに基づいて、検出フレームが位置する領域が駐車違反領域であるか否かを判断する。

図３は、本開示の実施例におけるステップＳ２０３の具体的なフローチャートである。

いくつかの実施例では、図３を参照すると、ステップＳ２０３は、以下のようなステップを含むことができる。
ステップＳ２０３１、検出フレームにおける各画素の道路種別に基づいて、道路種別のうちの違法道路種別に対応する画素数を取得する。

例えば、検出フレームにおける各画素の道路種別が視覚障害者誘導用ブロック（視覚障害者誘導用ブロックの種別は、違法道路種別である）にある画素数を統計する。

ステップＳ２０３２、道路種別のうちの違法道路種別に対応する画素数を予め設定された値と比較し、比較結果に基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断する。

つまり、ステップＳ２０３１で取得された違法道路種別に対応する画素数が予め設定された値より大きい場合、検出フレームにおける車両駐車違反領域が位置することを説明する。ステップＳ２０３１で取得された違法道路種別に対応する画素数が予め設定された値より小さい場合、検出フレームにおける車両が通常の道路に位置することを説明する。

勿論、検出フレームにおける各画素の道路種別が通常の道路種別にある画素数を統計することができるため、上記の方法によって同様に車両が駐車違反であるか否かを判断することできる。

図４は、本開示の実施例のステップＳ２の第２の具体的なフローチャートである。

いくつかの実施例では、図４を参照すると、ステップＳ２の第２の具体的な実現は、以下のようなステップを含むことができる。
ステップＳ２１１、画像内の検出フレーム領域に対応する部分のみを第２のニューラルネットワークに入力し、前記画像内の検出フレーム領域に対応する部分の各画素に対応する道路種別を出力する。

具体的には、ステップＳ２１１において、まず、カメラによって収集された画像内の検出フレーム領域に対応する部分に対して実行する必要があり、すなわち検出ブロック画像を取得し、その後、検出ブロック画像を第２のニューラルネットワークに入力し、画素レベルの分割を行い、検出フレームにおける各画素に対応する道路種別を出力する。

ステップＳ２１２、検出フレームにおける各画素の道路種別と予め設定された規則とに基づいて、検出フレームが位置する領域が駐車違反領域であるか否かを判断する。

ステップＳ２１２と上記のステップ２０３との実現は、同一であるため、ここでは詳細に説明しない。

ステップＳ３、予め設定された時間内に、検出フレームの座標情報が変化するか否かを判断し、判断結果に基づいて、検出フレームにおける車両が駐車違反であるか否かを決定する。

具体的には、いくつかの実施例では、検出フレームの座標情報は、検出フレームの原点座標、すなわち矩形検出フレームの四つの角点の座標であってもよい。予め設定された時間内に、検出フレームの四つの角点の座標が変化した場合、車両の移動が発生したことを説明し、つまり、当該車両が駐車違反領域に長時間止まっていないため、当該車両は駐車違反にならなく、予め設定された時間内に、検出フレームの四つの角点の座標が変化していない場合、車両が止まって移動していないことを意味し、当該車両が駐車違反になることを決定する。

本開示の実施例提供の駐車違反の検出方法は、収集モジュールによって収集された画像を入力として、第１のニューラルネットワークを用いて、種別が車両である検出フレーム、すなわち車両を位置決めし、第２のニューラルネットワークを用いて、道路に対して画素レベルの分類を行って、車両が位置する道路の正確な位置決めを実現し、その後、予め設定された時間内に種別が車両である検出フレームの座標が変化するか否かを判断することによって、車両の駐車違反行為に対する正確な決定を実現し、当該方法は、駐車違反行為の検出をより効率的にし、人的資源と物的資源を大幅に削減させる。

図５は、本開示の実施例の駐車違反の検出装置のブロック図である。

第２の側面において、本開示の実施例は、駐車違反の検出装置を提供している。図５を参照すると、当該装置は、車両位置決めモジュール１と、駐車違反領域判定モジュール２と、違法車両決定モジュール３とを含む。

車両位置決めモジュール１は、第１のニューラルネットワークにより、収集モジュールによって収集された画像内の種別が車両である検出フレームを取得し、前記検出フレームの座標情報を決定するために用いられ、駐車違反領域判定モジュール２は、第２のニューラルネットワークにより、前記画像内の前記検出フレームに対応する領域が駐車違反領域であるか否かを判断するために用いられ、違法車両決定モジュール３は、駐車違反領域判定モジュールが駐車違反領域であると判断し、予め設定された時間内に、前記検出フレームの座標情報が変化するか否かを判断し、判断結果に基づいて、前記車両が駐車違反であるか否かを決定するために用いられる。

本開示は、実施例が提供する駐車違反の検出装置を開示している。収集モジュールによって収集された画像を入力として、第１のニューラルネットワークを用いて、種別が車両である検出フレーム、すなわち車両を位置決めし、第２のニューラルネットワークを用いて、道路に対して画素レベルの分類を行って、車両が位置する道路の正確な位置決めを実現し、その後、予め設定された時間内に種別が車両である検出フレームの座標が変化するか否かを判断することによって、車両の駐車違反行為に対する正確な決定を実現し、当該方法は、駐車違反行為の検出をより効率的にし、人的資源と物的資源を大幅に削減させる。

なお、本開示の実施例における車両位置決めモジュール１は、上記の実施例におけるステップＳ１を実行するために用いられることができ、駐車違反領域判定モジュール２は、上記の実施例におけるステップＳ２を実行するために用いられることができ、違法車両決定モジュール３は、上記の実施例におけるステップＳ３を実行するために用いられることができる。

図６は、本開示の実施例における駐車違反領域判定モジュールの第１の具体的なブロック図である。

いくつかの実施例では、図６を参照すると、駐車違反領域判定モジュール２は、道路種別決定ユニット２０１と、取得ユニット２０２と、駐車違反領域判定ユニット２０３とを含む。

道路種別決定ユニット２０１は、前記収集モジュールによって収集された画像を第２のニューラルネットワークに入力し、前記画像内の各画素に対応する道路種別を出力し、各画素座標と道路種別との対応関係を取得するために用いられ、取得ユニット２０２は、画像内の前記検出フレームに対応する領域内の各画素座標を取得し、各画素座標と道路種別との対応関係に基づいて、検出フレームにおける各画素の道路種別を取得するために用いられ、駐車違反領域判定ユニット２０３は、検出フレームにおける各画素の道路種別と予め設定された規則とに基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するために用いられる。

なお、本開示の実施例における道路種別決定ユニット２０１は、上記の実施例におけるステップ２０１を実行するために用いられることができ、取得ユニット２０２は、上記の実施例におけるステップＳ２０２を実行するために用いられることができ、駐車違反領域判定ユニット２０３は、上記の実施例におけるステップＳ２０３を実行するために用いられることができる。

図７は、本開示の実施例における駐車違反領域判定モジュールの第２の具体的なブロック図である。

いくつかの実施例では、図７を参照すると、駐車違反領域判定モジュール２は、取得ユニット２１１と駐車違反領域判定ユニット２１２とを含む。

取得ユニット２１１は、前記画像内の前記検出フレーム領域に対応する部分のみを第２のニューラルネットワークに入力し、前記画像内の前記検出フレーム領域に対応する部分の各画素に対応する道路種別を出力するために用いられ、駐車違反領域判定ユニット２１２は、検出フレームにおける各画素の道路種別と予め設定された規則とに基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するために用いられる。

なお、本開示の実施例における取得ユニット２１１は、上記の実施例におけるステップＳ２１２を実行するために用いられることができ、駐車違反領域判定ユニット２１２は、上記の実施例におけるステップＳ２１３を実行するために用いられることができる。

図８は、本開示の実施例における駐車違反領域判定ユニットの具体的なブロック図である。

いくつかの実施例では、図８を参照すると、駐車違反領域判定ユニット２０３（２１２）は、計算サブユニット２０３１と駐車違反領域判定サブユニット２０３２とを含む。

計算サブユニット２０３１は、検出フレームにおける各画素の道路種別に基づいて、道路種別のうちの違法道路種別に対応する画素数を取得するために用いられ、駐車違反領域判定サブユニット２０３２は、道路種別のうちの違法道路種別に対応する画素数を予め設定された値と比較し、比較結果に基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するために用いられる。

なお、本開示の実施例における計算サブユニット２０３１は、上記の実施例におけるステップＳ２０３１を実行するために用いられることができ、駐車違反領域判定サブユニット２０３２は、前記の実施例におけるステップＳ２０３２を実行するために用いられることができる。

第３の側面において、本開示の実施例は、電子機器を提供し、
一つ又は複数のプロセッサと、
一つ又は複数のプログラムが記憶されている記憶装置と、を含み、一つ又は複数のプログラムが一つ又は複数のプロセッサにより実行される場合に、上記の任意の駐車違反の検出方法を実現する。

第４の側面において、本開示の実施例は、コンピュータプログラムが記憶されているコンピュータ読み取り可能な媒体を提供し、コンピュータプログラムがプロセッサにより実行される場合に、上記の任意の駐車違反の検出方法が実現される。

当業者であれば、上記で開示された方法のすべて又はいくつかのステップ、システム、装置における機能モジュール／ユニットは、ソフトウェア、ファームウェア、ハードウェア、及び適切な組み合わせとして実施されてもよいことを理解されたい。ハードウェア実施形態において、上記の説明で提出した機能モジュール／ユニットの間の区分は、必ずしも物理コンポーネントの区分に対応するものではなく、例えば、１つの物理コンポーネントは、複数の機能を有してもよく、又は１つの機能又はステップは、複数の物理コンポーネントによってが連携して実行されてもよい。いくつかの物理コンポーネント又はすべての物理コンポーネントは、中央処理装置、デジタル信号プロセッサ、又はマイクロプロセッサなどのプロセッサによって実行されるソフトウェアとして実施されてもよく、又はハードウェアとして実施されてもよく、又は特定用途向け集積回路のような集積回路に実施されてもよい。このようなソフトウェアは、コンピュータ読み取り可能な媒体に配置されてもよく、コンピュータ読み取り可能な媒体は、コンピュータ記憶媒体（又は非一時的な媒体）と通信媒体（又は一時的な媒体）を含むことができる。当業者の周知の通り、用語であるコンピュータ記憶媒体は、情報（例えばコンピュータ読み取り可能なコマンド、データ構造、プログラムモジュール、又は他のデータ）を記憶するための任意の方法又は技術において実施される揮発性と非揮発性、リムーバブル媒体と非リムーバブル媒体を含む。コンピュータ記憶媒体は、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリ又は他のメモリ技術、ＣＤ−ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）又は他の光ディスクメモリ、マグネットボックス、デープ、ディスクストレージ又は他の磁気メモリ装置、又は所望の情報を記憶し、コンピュータによってアクセスされることができる他の任意の媒体を含むことができるが、これらに限定されない。また、当業者が周知であることは、通信媒体は、通常、コンピュータ読み取り可能な媒体、データ構造、プログラムモジュール、又は例えば搬送波や他の伝送方式などの変調データ信号における他のデータを含み、且つ任意の情報配信媒体を含むことができる。

本明細書では、既に例示的な実施例が開示され、また具体的な用語が使用されているが、一般的な説明的な意味として解釈されることのみに用いられ、且つ限定されるものではない。いくつかの実施例において、当業者にとって、他に明確に指摘しない限り、特定の実施例と組み合わせて説明した特徴、特性及び／又は要素を単独に使用することができ、又は他の実施例と組み合わせて説明した特徴、特性及び／又は要素と組み合わせて使用することができることは明らかである。よって、当業者は、添付された請求項によって開示された本願の範囲を逸脱することなく、様々な形式及び詳細な変更を行うことができる。

Claims

駐車違反の検出方法であって、
第１のニューラルネットワークにより、収集モジュールによって収集された画像内の種別が車両である検出フレームを取得し、前記検出フレームの座標情報を決定するステップと、
第２のニューラルネットワークにより、前記画像内の前記検出フレームに対応する領域が駐車違反領域であるか否かを判断するステップと、
駐車違反領域であると判断された場合、予め設定された時間内に前記検出フレームの座標情報が変化するか否かを判断し、判断結果に基づいて、前記車両が駐車違反であるか否かを決定するステップと、を含む、
ことを特徴とする駐車違反の検出方法。
前記第２のニューラルネットワークにより、前記画像内の前記検出フレームに対応する領域が駐車違反領域であるか否かを判断するステップは、
前記収集モジュールによって収集された画像を第２のニューラルネットワークに入力し、前記画像内の各画素に対応する道路種別を出力し、各画素座標と道路種別との対応関係を取得するステップと、
前記画像内の前記検出フレームに対応する領域内の各画素座標を取得し、各画素座標と道路種別との対応関係に基づいて、検出フレーム内の各画素の道路種別を取得するステップと、
検出フレーム内の各画素の道路種別と予め設定された規則とに基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するステップと、を含む、
ことを特徴とする請求項１に記載の駐車違反の検出方法。
前記第２のニューラルネットワークにより、前記画像内の前記検出フレームに対応する領域が駐車違反領域であるか否かを判断するステップは、
前記画像内の前記検出フレーム領域に対応する部分のみを第２のニューラルネットワークに入力し、前記画像内の前記検出フレーム領域に対応する部分の各画素に対応する道路種別を出力するステップと、
検出フレーム内の各画素の道路種別と予め設定された規則とに基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するステップと、を含む、
ことを特徴とする請求項１に記載の駐車違反の検出方法。
前記検出フレーム内の各画素の道路種別と予め設定された規則とに基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するステップは、
検出フレーム内の各画素の道路種別に基づいて、道路種別のうちの違法道路種別に対応する画素数を取得するステップと、
道路種別のうちの違法道路種別に対応する画素数を予め設定された値と比較し、比較結果に基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するステップと、を含む、
ことを特徴とする請求項２又は３に記載の駐車違反の検出方法。
前記検出フレームの座標情報は、前記検出フレームの四つの原点座標を含む、
ことを特徴とする請求項１に記載の駐車違反の検出方法。
駐車違反の検出装置であって、
第１のニューラルネットワークにより、収集モジュールによって収集された画像内の種別が車両である検出フレームを取得し、前記検出フレームの座標情報を決定するための車両位置決めモジュールと、
第２のニューラルネットワークにより、前記画像内の前記検出フレームに対応する領域が駐車違反領域であるか否かを判断するための駐車違反領域判定モジュールと、
駐車違反領域判定モジュールが駐車違反領域であると判断された場合、予め設定された時間内に前記検出フレームの座標情報が変化するか否かを判断し、判断結果に基づいて、前記車両が駐車違反であるか否かを決定するための違法車両決定モジュールと、を含む、
ことを特徴とする駐車違反の検出装置。
前記駐車違反領域判定モジュールは、
前記収集モジュールによって収集された画像を第２のニューラルネットワークに入力し、前記画像内の各画素に対応する道路種別を出力し、各画素座標と道路種別との対応関係を取得するための道路種別決定ユニットと、
前記画像内の前記検出フレームに対応する領域内の各画素座標を取得し、各画素座標と道路種別との対応関係に基づいて、検出フレーム内の各画素の道路種別を取得するための取得ユニットと、
検出フレーム内の各画素の道路種別と予め設定された規則とに基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するための駐車違反領域判定ユニットと、を含む、
ことを特徴とする請求項６に記載の駐車違反の検出装置。
前記駐車違反領域判定モジュールは、
前記画像内の前記検出フレーム領域に対応する部分のみを第２のニューラルネットワークに入力し、前記画像内の前記検出フレーム領域に対応する部分の各画素に対応する道路種別を出力するための取得ユニットと、
検出フレーム内の各画素の道路種別と予め設定された規則とに基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するための駐車違反領域判定ユニットと、を含む、
ことを特徴とする請求項６に記載の駐車違反の検出装置。
前記駐車違反領域判定ユニットは、
検出フレーム内の各画素の道路種別に基づいて、道路種別のうちの違法道路種別に対応する画素数を取得するための計算サブユニットと、
道路種別のうちの違法道路種別に対応する画素数を予め設定された値と比較し、比較結果に基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するための駐車違反領域判定サブユニットと、を含む、
ことを特徴とする請求項７又は８に記載の駐車違反の検出装置。
電子機器であって、
一つ又は複数のプロセッサと、
一つ又は複数のプログラムが記憶されている記憶装置と、を含み、
前記一つ又は複数のプログラムが前記一つ又は複数のプロセッサにより実行される場合に、前記一つ又は複数のプロセッサが、請求項１〜５のいずれかに記載の方法を実現する、
ことを特徴とする電子機器。
コンピュータプログラムが記憶されているコンピュータ読み取り可能な媒体であって、
前記コンピュータプログラムがプロセッサにより実行される場合に、請求項１〜５のいずれかに記載の方法が実現される、
ことを特徴とするコンピュータ読み取り可能な媒体。