JP2022093481A - 車両の駐車違反の識別方法、装置、電子機器、記憶媒体及びコンピュータプログラム - Google Patents

Abstract

【課題】本開示は、車両の駐車違反の識別方法、識別装置、電子機器、記憶媒体及びコンピュータプログラムを開示し、人工知能分野に関し、特にディープラーニング、クラウドコンピューティング、コンピュータビジョンなどの分野に関するものである。【解決手段】具体的な実現解決手段は、電子機器が収集したビデオ画像を取得して、ビデオ画像における車両の駐車領域を識別して、電子機器がビデオ画像を収集するために使用される撮影角度を決定して、撮影角度に基づいて、ビデオ画像における駐車違反領域を決定して、車両の駐車領域及び駐車違反領域に基づいて、車両が駐車違反したか否かを識別する。【選択図】図２

Description

本開示は、人工知能分野に関し、特に、ディープラーニング、クラウドコンピューティング、コンピュータビジョンなどの分野に関する。具体的には、車両の駐車違反の識別方法、装置、電子機器、記憶媒体、及びコンピュータプログラムに関する。

インターネット及び人工知能技術の発展に伴い、ますます多くの分野は自動化計算及び解析に係り始めている。また、シェア自転車の発展に伴い、重要な交差点でますます多くなるシェア自転車が都市管理の課題となっている。

本開示は、車両の駐車違反の識別方法、装置、電子機器、記憶媒体およびコンピュータプログラムを提供することを目的とする。

本開示の一態様によれば、車両の駐車違反を識別する方法が提供され、該方法は、電子機器が収集したビデオ画像を取得することと、前記ビデオ画像における車両の駐車領域を識別することと、前記電子機器が前記ビデオ画像を収集するために使用される撮影角度を決定することと、前記撮影角度に基づいて、前記ビデオ画像における駐車違反領域を決定することと、前記車両の駐車領域と前記駐車違反領域に基づいて、前記車両が駐車違反したか否かを識別することとを含む。

本開示の別の態様によれば、車両の駐車違反を識別する装置が提供され、該装置は、電子機器が収集したビデオ画像を取得する取得モジュールと、前記ビデオ画像における車両の駐車領域を識別する第一識別モジュールと、前記電子装置が前記ビデオ画像を収集するために使用される撮影角度を決定する第一決定モジュールと、前記撮影角度に基づいて、前記ビデオ画像における駐車違反領域を決定する第二決定モジュールと、前記車両の駐車領域及び前記駐車違反領域に基づいて、前記車両が駐車違反したか否かを識別する第二識別モジュールとを含む。

本開示の別の態様によれば、電子機器が提供され、該電子機器は、少なくとも一つのプロセッサと、前記少なくとも一つのプロセッサと通信接続されるメモリとを備え、前記メモリには、前記少なくとも一つのプロセッサにより実行可能な命令が記憶されており、前記命令は、前記少なくとも一つのプロセッサが本開示の実施例に記載の方法を実行することができるように、前記少なくとも一つのプロセッサにより実行される。

本開示の別の態様によれば、コンピュータ命令が記憶された非一時的なコンピュータ可読記憶媒体が提供され、前記コンピュータ命令は、コンピュータに本開示の実施例に記載の方法を実行させる。

本開示の別の態様によれば、コンピュータプログラムが提供され、プロセッサにより実行される場合に本開示の実施例に記載の方法を実現する。

理解されるべきこととして、本部分に記載された内容は、本開示の実施例のキーポイント又は重要な特徴を示すことを意図するものではなく、本開示の範囲を限定するものでもない。本開示の他の特徴は、以下の説明により容易に理解される。

図面は、本発明をよりよく理解するために用いられ、本開示を限定するものではない。
図１Ａは、本開示の実施例に係るシステムアーキテクチャを例示的に示す。 図１Ｂは、本開示の実施例を実現できるシーン図を例示的に示す。 図２は、本開示の実施例に係る車両の駐車違反を識別する方法フローチャートを例示的に示す。 図３は、本開示の実施例に係る非自動車の駐車違反を監視する概略図を例示的に示す。 図４は、本開示の実施例に係る車両の駐車違反を識別する装置のブロック図を例示的に示す。 図５は、本開示の実施例を実現するための電子機器のブロック図を例示的に示す。

以下、図面を参照して本開示の例示的な実施例を説明する。ここで、より理解しやすいために、本開示の実施例の様々な詳細が含まれ、それらが例示的なものであると考えられるべきである。したがって、当業者であれば、ここで記載される実施例に対して様々な変更・修正を行うことができ、本開示の範囲及び精神から逸脱することはないと分かるべきである。同様に、明確化及び簡潔化のために、以下の記載において周知の機能や構成に対する説明を省略する。

本開示の発明において、係る監視データの記録、記憶及び応用等は、いずれも関連法律・法規の規定に適合し、かつ公序良俗に反するものではない。

現在、関連技術において、非自動車の駐車違反に対して、通常、人的監視により処理される。理解されるべきこととして、人的監視方法は、時間と手間がかかり、かつ全ての場所を監視することが困難である。

これに対して、本開示の実施例は、多視野角に基づいて車両の駐車違反を識別する方法が提供されている。ビデオストリームをデコードした各フレームの画像に対して、いずれも類似性モデルを利用して、対応するカメラ角度（撮影角度）での駐車違反領域をマッチングして得ることができる。同時に、インスタンスセグメンテーションモデルを利用して、車両（例えば、非自動車）の具体的な駐車領域を識別することができる。そして、車両の具体的な駐車領域が対応駐車違反領域内にあるか否かを判断する。存在すれば、注意情報を送信することができる。例えば、関連会社に、ある交差点で止まっている関連車両が駐車違反に属するという注意を促す。又は、例えば、交通管理者に、ある交差点に駐車違反の車両が現れているという注意を促す。

以下、具体的な実施例を参照しながら本開示を詳しく説明する。

本開示の実施例に係る車両の駐車違反を識別する方法及び装置のシステムアーキテクチャを以下のように説明する。

図１Ａは、本開示の実施例に係る車両の駐車違反を識別する方法及び装置のシステムアーキテクチャを例示的に示す。留意されるべきこととして、図１Ａに示すのは、当業者が本開示の技術的内容をより理解しやすいように本開示の実施例のシステムアーキテクチャを適用可能な例示に過ぎず、本開示の実施例が他の環境又はシーンに適用されないと意味するものではない。

図１Ａに示すように、システムアーキテクチャ１００は、サーバ１０４及び異なる交差点で配置された電子機器１０１、１０２、１０３、・・・を含んでもよい。

説明すべきこととして、本開示の実施例において、電子機器１０１、１０２、１０３、・・・は多視野角でビデオ画像を収集できる監視機器であってもよい。例えば、電子機器１０１、１０２、１０３、・・・は、３６０°全方位で死角なく監視することができる球型監視カメラであってもよい。電子機器１０１、１０２、１０３、・・・のうちのいずれか一つの電子機器がリアルタイムで収集したビデオストリームデータは、いずれもサーバ１０４にアップロードされてもよい。

サーバ１０４は、これらのビデオストリームデータをデコードしてもよく、デコードして得られた各フレームのビデオ画像に基づいて、現在の画像の撮影角度での駐車違反領域内に駐車違反の車両があるか否かを決定することができる。さらに、駐車違反の車両があると決定すると、サーバ１０４は、対応する車両経営の会社に注意情報をさらに送信してよく、それによって、関連会社に、ある交差点で止まっている関連車両が駐車違反に属し、道路交通がよりスムーズに流れるように、早急に処理する必要があるという注意を促す。

例示的に、画像解析により、Ａ会社及びＢ会社がいずれもある交差点に駐車違反の車両があると発見すれば、同時にＡ会社の責任者及びＢ会社の責任者に注意情報を送信してもよく、それによって、彼らに、早急に作業員に通知して現場に行って駐車違反の車両を処理するように注意を促す。

又は、駐車違反の車両があると決定すると、サーバ１０４は、さらに関連部門の管理者（例えば、交通管理者）に注意情報を送信してよく、それによって、ある交差点に大量又は少量の駐車違反の車両が現れており、道路交通がよりスムーズに流れるように早急に処理する必要があるという注意をタイムリーに促す。

本開示の実施例によれば、有人現場又は遠隔監視を必要とせず、時間と労力を節約し、かつより多くの場所を監視することができる。また、多視野角に基づく車両の駐車違反の識別方法は、単一視野角に基づく車両の駐車違反の識別方法に比べて、各駐車違反領域内に駐車違反の車両があるか否かを全方位で死角なく監視することができ、それによって、道路交通がよりスムーズに流れるようにタイムリーに処理する。

理解されるべきこととして、図１Ａにおける電子機器及びサーバの数は単に例示的である。必要に応じて、任意の数の電子機器及びサーバを備えてもよい。

本開示の実施例に係る車両の駐車違反を識別する方法及び装置の応用シーンを以下に説明する。

説明すべきこととして、本開示の実施例が提供する車両の駐車違反を識別する方法及び装置は、自動車又は非自動車が駐車違反したか否かを識別するために用いられてもい。ここで、非自動車は、個人の電気自動車、各会社が出荷するシェア電気自動車、個人の自転車、各会社が出荷するシェア自転車等のうちの一種類又は複数種類を含んでもよいが、それらに限定されない。

また、説明すべきこととして、本開示の実施例が提供する車両の駐車違反を識別する方法及び装置は、多視野角の監視に基づく車両の駐車違反の識別方法及び装置であってもよい。

例示的に、図１Ｂに示すように、球型監視カメラ２０１は、ある交差点に対して３６０°全方位で死角なく全プロセスビデオ監視を行うことができる。一実施例として、３６０度角を８等分して、回転４５°角毎に新たな撮影角度として定義されてもよい。例えば、撮影角度は、真北方向、北偏西４５°、真西方向、南偏西４５°、真南方向、南偏東４５°、真東方向、北偏東４５°というように定義されてもよい。他の実施例として、３６０°をＮ等分してよく、ここで、Ｎは２以上の任意の整数である。このように、回転（３６０／Ｎ）°毎に新たな撮影角度として定義されてもよい。

図１Ｂから理解されるように、本開示の実施例において、多視野角撮影機能を有する電子機器に対して、各撮影角度で電子機器が監視できる駐車違反領域はそれぞれ異なる。

説明すべきこととして、本開示の実施例において、シェア自転車を例として、車両の駐車違反を識別するプロセス又はステップを詳しく説明する。

本開示の実施例によれば、本開示は、車両の駐車違反を識別する方法を提供する。

図２は、本開示の実施例に係る車両違反を識別する方法フローチャートを例示的に示す。

図２に示すように、車両の駐車違反を識別する方法２００は、操作Ｓ２１０～Ｓ２５０を含んでもよい。

操作Ｓ２１０において、電子機器が収集したビデオ画像を取得する。

操作Ｓ２２０において、ビデオ画像における車両の駐車領域を識別する。

操作Ｓ２３０において、電子機器がビデオ画像を収集するために使用される撮影角度を決定する。

操作Ｓ２４０において、撮影角度に基づいて、ビデオ画像における駐車違反領域を決定する。

操作Ｓ２５０において、車両の駐車領域と駐車違反領域に基づいて、車両が駐車違反したか否かを識別する。

本開示のいくつかの実施例において、各交差点に配置された多視野角撮影機能を有する各電子機器は、リアルタイムで収集された監視ビデオストリームデータに対して、いずれも先にデコードして、次にデコードして得られた各フレームのビデオ画像に対して、上記操作Ｓ２１０～Ｓ２５０を実行してよく、それによって、各交差点に設置された駐車違反領域内に駐車違反の車両があるか否かを識別する。

駐車違反の車両があると決定されば、対応する会社に注意情報を送信することができ、それによって、関連会社に、ある交差点で止まっている関連する車両が駐車違反に属し、道路交通がよりスムーズに流れるように早急に処理する必要があるという注意を促す。

又は、駐車違反の車両があると決定されば、例えば、さらに交通管理者に注意情報を送信することができ、それによって、ある交差点に大量又は少量の駐車違反の車両が現れており、道路交通がよりスムーズに流れるように早急に処理する必要があるという注意をタイムリーに促す。

理解すべきこととして、本開示の実施例において、電子機器は多視野角撮影機能を有し、かつ各撮影角度で電子機器が監視できる駐車違反領域がそれぞれ異なる。したがって、車両に対して駐車違反の識別を行うプロセスにおいて、各フレームのビデオ画像に対して、まず該ビデオ画像の撮影角度を決定し、次に電子装置が該撮影角度で監視できる駐車違反領域を決定してもよい。同時に、各フレームのビデオ画像に対して、さらに画像における車両の駐車領域（即ち、車両の具体的な駐車領域）を決定してもよい。最後に、同一フレームのビデオ画像に対して、画像における車両の駐車領域及び現在の画像の撮影角度で監視可能な駐車違反領域に基づいて、画像における車両が駐車違反したか否かを識別してもよい。

本開示の実施例によれば、多視野角監視装置が撮影した各フレームのビデオ画像に対して、まず画像の撮影角度を決定し、さらに該撮影角度での画像における駐車違反領域を決定し、次に画像における該駐車違反領域内に駐車違反した車両があるか否かを識別することができる。これによって、現在の監視領域内に駐車違反した車両があるか否かを識別する精度を増加させる。さらに、違反状況に基づいて、関係者に、各交差点をよりスムーズに流れるよう早急に現場に行って処理することをタイムリーに通知することができる。

また、本開示の実施例によれば、非自動車が停車違反したか否かを自動的に識別することができ、さらに、関連部門が日増しに増加した例えばシェア自転車などの非自動車を監視することをスマート化で連携することができる。さらに、継続的にスマート化している監視手段は、各車両会社の経営をより規範化することを促進することができ、人の外出がより便利になる。これによって、科学技術手段を利用して都市管理をよりスマート化するという目的を達成することができる。

選択可能な実施例として、電子機器がビデオ画像を収集するために使用される撮影角度を決定することは、以下の操作を含んでもよい。

複数の既知の撮影角度で電子機器が予め収集した複数の参照画像を取得し、ここで、複数の参照画像のうちの異なる参照画像は、異なる撮影角度に対応する。

ビデオ画像を複数の参照画像のうちの各参照画像と一つずつに類似度マッチングを行うことによって、複数の参照画像のうち、ビデオ画像との類似度が最も高いターゲット参照画像をマッチングして得る。

ターゲット参照画像に対応する撮影角度を取得し、該撮影角度を電子機器がビデオ画像を収集するために使用される撮影角度とする。

本開示の実施例において、電子機器の複数の撮影角度を予め定義し、この複数の撮影角度でそれぞれ一つの参照画像を予め収集し、その後、画像識別技術を利用して各参照画像に表れた駐車違反領域を識別してもよい。

例示的に、撮影角度は、真北方向、北偏西４５°、真西方向、南偏西４５°、真南方向、南偏東４５°、真東方向、北偏東４５°というように定義されてもよい。これらの撮影角度で予め収集された参照画像は、順に画像１～画像８である。さらに、この８枚の画像に表れた駐車違反領域をそれぞれ識別することができ、例えば順に領域１～領域８である。

リアルタイム監視プロセスにおいて、各フレームのビデオ画像を取得するたびに、該ビデオ画像を一つずつ各参照画像と類似度マッチングを行うことができ、それによって、該ビデオ画像との類似度が最も高い一つの参照画像をマッチングして得る。該参照画像の撮影角度が既知であるため、該参照画像の撮影角度を該ビデオ画像の撮影角度とすることができ、これにより、該ビデオ画像に含まれる駐車違反領域を決定する。

理解すべきこととして、本開示の実施例において、類似性モデルを利用して、各フレームのビデオ画像と各参照画像との類似度を判断することができる。

本開示の実施例によれば、リアルタイムに取得されたビデオ画像を撮影角度が既知である参照画像と類似度マッチングを行うことによって、リアルタイムに取得されたビデオ画像の撮影角度を決定することができる。さらに、撮影角度を決定することができるため、ビデオ画像に含まれる駐車違反領域も確実に決定することができる。これにより、画像における駐車違反領域内に駐車違反した車両があるか否かを確実に決定することができる。

又は、別の選択可能な実施例として、電子機器がビデオ画像を収集するために使用される撮影角度を決定することは、以下の操作を含んでもよい。

複数の既知の撮影角度で電子機器が予め収集した複数の参照画像を取得し、ここで、複数の参照画像のうちの異なる参照画像が異なる撮影角度に対応する。

ビデオ画像を第一所定サイズの第一画像に縮小する。

第一画像を複数の参照画像のうちの各参照画像と一つずつ類似度マッチングを行うことによって、複数の参照画像のうち、第一画像と類似度が最も高いターゲット参照画像をマッチングして得る。

ターゲット参照画像に対応する撮影角度を取得し、該撮影角度を電子機器がビデオ画像を収集するために使用される撮影角度とする。

本開示の実施例において、類似性モデルを利用して、各フレームのビデオ画像と各参照画像との類似度を判断することができる。

理解すべきこととして、本開示の実施例において、画像に対して類似度マッチングを行うプロセスにおいて、ターゲット識別と分類を行う必要がなく、キーポイントの識別を行う必要もなく、撮影角度のみを識別すればよいため、画像の解像度に対する要求が高くない。また、画像サイズが小さいほど、画像に対して類似度マッチングを行う処理効率が高くなることを考慮する。

したがって、本開示の実施例において、各フレームのビデオ画像を類似性モデルに入力する前に、まず、例えばビデオ画像を一定のサイズ（例えば２２４＊２２４）にズームするように、ビデオ画像を前処理してもよい。

また、理解されるように、畳み込みニューラルネットワーク（類似性モデル）の入力は、一般的に画素点の値が０～１の間にある必要がある。したがって、本開示の実施例において、ビデオ画像を前処理することは、ビデオ画像を一定のサイズにズームした後、画像に対して正規化処理を行うことをさらに含んでもよい。

本開示の一実施例において、画像正規化処理フローは、例えば、画像における各画素点の値を２５５で割り算し、かつＲＧＢ平均値（例えば[０.４８５、０.４５６、０.４０６]）を減算し、ＲＧＢ分散（例えば[０.２２９、０.２２４、０.２２５]）で割り算するという操作を含んでもよい。

本開示の実施例によれば、前処理された画像は、類似性モデルに入力されて、類似する画像が特徴距離だけ引き寄せされ、類似しない画像が特徴距離だけ引き離されるように、各既知の撮影角度の参照画像と類似度マッチングを行うことによって、ビデオ画像の撮影角度を分類することを実現する。

選択可能な実施例として、車両の駐車領域及び駐車違反領域に基づいて、車両が駐車違反したか否かを識別することは、以下の操作を含んでもよい。

ビデオ画像に基づいて、車両の駐車領域が駐車違反領域内にあるか否かを識別する。

ビデオ画像に基づいて車両の駐車領域が駐車違反領域内にあることを識別したことに応じて、車両の駐車違反を決定する。

理解すべきこととして、本開示のいくつかの実施例において、車両の駐車領域が完全に駐車違反領域内にあれば、車両が駐車違反したと認められる。本開示の他の実施例において、車両の駐車領域と駐車違反領域とが共通部分を具備すれば、車両が駐車違反したと認められる。本開示の他の実施例において、車両の駐車領域と駐車違反領域とが共通部分を具備し、かつその共通部分が所定値を超えれば、車両が駐車違反したと認められる。

さらに、選択可能な実施例として、ビデオ画像に基づいて車両の駐車領域が駐車違反領域内にあるか否かを識別することは、ビデオ画像に基づいて、車両の駐車領域と駐車違反領域との間の共通部分が所定値より大きいか否かを計算することを含んでもよい。

ここで、その共通部分が所定値以上であれば、車両の駐車領域が駐車違反領域内にあると決定される。その共通部分が所定値より小さいであれば、車両の駐車領域が駐車違反領域内にないと決定される。

本開示のいくつかの実施例において、ビデオ画像における駐車違反領域を識別した後、画像における駐車違反領域内の画素値を全て０又は１に設定してもよい。全て０に設定されることを例として、車両の駐車領域と駐車違反領域との間の共通部分を計算する時に、画像における車両の駐車領域内の画素値が０である画素点の数を統計することによって、該共通部分を決定してもよい。

又は、本開示のいくつかの実施例において、画像における車両の駐車領域と駐車違反領域との重なり面積を計算することによって、両者の間の共通部分を決定してもよい。

本開示の実施例によれば、ビデオ画像における駐車違反領域と車両（例えば非自動車）の具体的な駐車領域との間の共通部分が一定の閾値より大きい場合、該車両の具体的な駐車領域が対応的な駐車違反領域内に収まれたことを示し、即ち、該車両が駐車違反の問題が存在することを示す。さらに、車両が駐車違反の問題を有すると決定された後、インスタンスセグメンテーションモデルによる該車両の種類に対する分類結果に基づいて、各車両の経営会社又は関連部門に駐車違反の車両を処理することをタイムリーに通知することができる。

また、本開示の実施例において、関連部門が都市管理作業を上手く行うことをよりよく補助するように、駐車違反の問題を常に現すカメラ位置に対して重点監視を行ってもよい。

選択可能な実施例として、ビデオ画像における車両の駐車領域を識別することは、ビデオ画像をインスタンスセグメンテーションモデルに入力することによって、画像における異なる種類の車両の駐車領域分割結果を出力することをさらに含んでもよい。

本開示の実施例において、ビデオ画像を予めトレーニングされたインスタンスセグメンテーションモデルに直接入力することによって、モデルは、該ビデオ画像における異なる種類の車両の駐車領域分割結果を出力してもよい。

例示的に、あるビデオ画像に同時にＡ会社が経営するシェア自転車とＢ会社が経営するシェア自転車を含む場合、インスタンスセグメンテーションモデルの処理は、Ａ会社が経営するシェア自転車の、該ビデオ画像における具体的な駐車領域分割結果と、Ｂ会社が経営するシェア自転車の、該ビデオ画像における具体的な駐車領域分割結果とを出力することができる。

又は、選択可能な実施例として、ビデオ画像における車両の駐車領域を識別することは、以下の操作を含む。

ビデオ画像を第二所定サイズの第二画像に縮小する。

第二画像をインスタンスセグメンテーションモデルに入力して、画像における異なる種類の車両の駐車領域分割結果を出力する。

本開示の実施例において、インスタンスセグメンテーションモデルを利用して、各ビデオ画像における異なる種類の車両の駐車領域分割結果を出力してもよい。説明すべきこととして、本開示の実施例において、採用されたインスタンスセグメンテーションモデルは、フレームワークがＭａｓｋ_Ｒ-ＣＮＮネットワークに基づく分割アルゴリズムであってもよい。該アルゴリズムは、種類を分割するだけでなく、同時に、同じ種類のターゲットが同じインスタンスであるか否かを分割することもできる。したがって、該インスタンスセグメンテーションモデルを採用することよって、異なる種類の非自動車の具体的な駐車領域分割結果を出力することができ、すなわち、出力結果は各非自動車の種類及び各種類の非自動車に関する駐車領域分割結果を含む。

説明すべきこととして、本開示の実施例において、ビデオ画像をインスタンスセグメンテーションモデルに入力して処理する前に、ビデオ画像を前処理してもよい。

本開示の実施例は、画像分割において、ターゲット検出、分類及び分割を行う必要があるため、画像類似度マッチングに比べて、画像の解像度に対する要求がやや高く、モデルに入力される画像が大きいであることが望ましい。したがって、本開示の実施例において、ビデオ画像における車両の駐車領域を識別するプロセスにおいて、ビデオ画像を一定のサイズの画像に縮小してもよい。但し、このプロセスにおいて、画像縮小の度合は、画像類似度マッチングのプロセスにおける画像縮小の度合より低くてもよい。すなわち、上記の第二所定サイズは、上記の第一所定サイズより大きくてもよい。

例示的に、本開示の実施例において、各フレームのビデオ画像をインスタンスセグメンテーションモデルに入力する前に、まず、ビデオ画像を前処理してもよく、例えばビデオ画像を一定のサイズ（例えば８００＊８００）にズームする。

また、理解されるように、インスタンスセグメンテーションモデルの入力は、一般的に画素点の値が０～１の間にある必要がある。したがって、本開示の実施例において、画像分割プロセスにおいてビデオ画像を前処理することは、ビデオ画像を一定のサイズにズームした後、画像に対して正規化処理を行うことをさらに含んでもよい。

本開示の一実施例において、画像正規化処理フローは、例えば、画像における各画素点の値を２５５で割り算し、かつＲＧＢ平均値（例えば[０.４８５、０.４５６、０.４０６]）を減算し、ＲＧＢ分散（例えば[０.２２９、０.２２４、０.２２５]）で割り算するという操作を含んでもよい。

本開示の実施例によれば、前処理された画像はインスタンスセグメンテーションモデルに入力されて、類似する画像が特徴距離だけ引き寄せされ、類似しない画像が特徴距離だけ引き離されるように各既知の撮影角度の参照画像と類似度マッチングを行うことによって、ビデオ画像の撮影角度を分類することを実現する。

また、選択可能な実施例として、上記の車両は、自動車と非自動車車両とを含んでもよいが、これらに限定されない。さらに、非自動車車両は、個人の電気自動車、各会社出荷のシェア電気自動車、個人の自転車、各会社出荷のシェア自転車等を含んでもよいが、これらに限定されない。

以下、図３及び具体的な実施例を参照して、本開示の実施例を詳しく説明する。

図３に示すように、監視ビデオストリームをデコードして取得されたビデオ画像に対して、同時に二つの分岐を入力してもよい。

ここで、一つの分岐は、画像類似度マッチングによって、該ビデオ画像の撮影角度と、該撮影角度で画像に含まれる駐車違反領域とを決定する。該分岐は、ビデオ画像を一定のサイズ２２４＊２２４にズームし、画像前処理を行うことと、前処理を経た後、画像を類似性モデルに入力することと、モデルにより画像類似度マッチングを行い、類似度結果を出力することと、類似度結果に基づいて、駐車違反領域を決定すること、というフローを含む。

また、もう一つの分岐は、画像分割によって、撮影された非自動車の具体的な駐車領域を決定する。該分岐は、ビデオ画像を一定のサイズ８００＊８００にズームし、画像前処理を行うことと、前処理を経た後、画像を非自動車に関するインスタンスセグメンテーションモデルに入力することと、モデルにより画像の識別及び分割を行い、画像における各種類の非自動車の具体的な駐車領域分割結果（各分割領域）を出力すること、というフローを含む。

そして、以上の二つの分岐の処理結果に基づいて、各分割領域が駐車違反領域内にあるか否かを判断してもよい。「Ｙｅｓ」であれば、対応する非自動車が駐車違反の問題が存在すると認められる。さらに、このような状況について、識別結果に基づいて関係者に通知してもよい。「Ｎｏ」であれば、対応する非自動車が正常であると認められ、すなわち、駐車違反の問題が存在しないと認められる。さらに、このような状況について、識別結果に基づいて関係者に通知してもよい。

本開示の実施例によれば、本開示は、車両の駐車違反を識別する装置をさらに提供する。

図４は、本開示の実施例に係る車両の駐車違反を識別する装置のブロック図を例示的に示す。

図４に示すように、車両の駐車違反を識別する装置４００は、取得モジュール４１０と、第一識別モジュール４２０と、第一決定モジュール４３０と、第二決定モジュール４４０と、第二識別モジュール４５０とを含んでもよい。

具体的には、取得モジュール４１０は、電子機器が収集したビデオ画像を取得する。

第一識別モジュール４２０は、該ビデオ画像における車両の駐車領域を識別する。

第一決定モジュール４３０は、該電子機器が該ビデオ画像を収集するために使用される撮影角度を決定する。

第二決定モジュール４４０は、該撮影角度に基づいて、該ビデオ画像における駐車違反領域を決定する。

第二識別モジュール４５０は、該車両の駐車領域と該駐車違反領域に基づいて、該車両が駐車違反したか否かを識別する。

選択可能な実施例として、該第一決定モジュールは、該電子機器が複数の既知の撮影角度で予め収集した複数の参照画像を取得し、該複数の参照画像のうちの異なる参照画像が異なる撮影角度に対応する第一取得ユニットと、該ビデオ画像を該複数の参照画像のうちの各参照画像と一つずつ類似度マッチングを行うことによって、該複数の参照画像のうち、該ビデオ画像と類似度が最も高いターゲット参照画像をマッチングして得る第一マッチングユニットと、該ターゲット参照画像に対応する撮影角度を取得し、該撮影角度を該電子機器が該ビデオ画像を収集するために使用される撮影角度とする第二取得ユニットとを含む。

選択可能な実施例として、該第一決定モジュールは、該電子機器が複数の既知の撮影角度で予め収集した複数の参照画像を取得し、該複数の参照画像のうちの異なる参照画像が異なる撮影角度に対応する第三取得ユニットと、該ビデオ画像を第一所定サイズの第一画像に縮小する前処理ユニットと、該第一画像を該複数の参照画像のうちの各参照画像と一つずつ類似度マッチングを行うことによって、該複数の参照画像のうち、該第一画像と類似度が最も高いターゲット参照画像をマッチングして得る第二マッチングユニットと、該ターゲット参照画像に対応する撮影角度を取得し、該撮影角度を該電子機器が該ビデオ画像を収集するために使用される撮影角度とする第四取得ユニットとを含む。

選択可能な実施例として、該第二識別モジュールは、該ビデオ画像に基づいて、該車両の駐車領域が該駐車違反領域内にあるか否かを識別する識別ユニットと、該ビデオ画像に基づいて該車両の駐車領域が該駐車違反領域内にあることを識別したことを応じて、該車両の駐車違反を決定する決定ユニットとを含む。

選択可能な実施例として、該識別ユニットは、さらに、該ビデオ画像に基づいて、該車両の駐車領域と該駐車違反領域との間の共通部分が所定値より大きいか否かを計算し、該共通部分が該所定値以上であれば、該車両の駐車領域が該駐車違反領域内にあると決定する。

選択可能な実施例として、該第一識別モジュールは、さらに、該ビデオ画像をインスタンスセグメンテーションモデルに入力することによって、画像における異なる種類の車両の駐車領域分割結果を出力する。

選択可能な実施例として、該第一識別モジュールは、さらに、該ビデオ画像を第二所定のサイズの第二画像に縮小し、該第二画像をインスタンスセグメンテーションモデルに入力することによって、画像における異なる種類の車両の駐車領域分割結果を出力する。

選択可能な実施例として、該車両は、自動車及び非自動車車両を含む。

理解すべきこととして、本開示の装置の一部の実施例は、本開示の方法の一部の実施例に対応して同じ又は類似であり、解決しようとする技術的課題と達成される技術的効果も同じ又は類似であり、本開示は、ここで説明を省略する。

本開示の実施例によれば、本開示は、さらに電子機器、可読記憶媒体及びコンピュータプログラムを提供する。

図５は、本開示の実施例を実施することが可能な電子機器５００の例示的なブロック図を示す。電子機器は、例えば、ラップトップコンピュータ、デスクトップコンピュータ、ワークステーション、パーソナルデジタルアシスタント、サーバ、ブレードサーバ、大型コンピュータ及び他の適切なコンピュータという様々な形式のデジタルコンピュータを示すことを目的とする。電子機器は、さらに、例えば、個人デジタルアシスタント、携帯電話、スマートフォン、ウェアラブル機器及び他の類似の演算装置という様々な形式の移動装置を示してもよい。本明細書に示された部材、それらの接続及び関係、及びそれらの機能は、例示に過ぎず、本明細書に記載された及び／又は要求された本開示の実現を限定しない。

図５に示すように、電子機器５００は、演算ユニット５０１を含み、演算ユニット５０１は、リードオンリーメモリ（ＲＯＭ）５０２に記憶されたコンピュータプログラム又は記憶ユニット５０８からランダムアクセスメモリ（ＲＡＭ）５０３にロードされたコンピュータプログラムに基づいて、様々な適切な動作及び処理を実行してもよい。ＲＡＭ５０３には、さらに電子機器５００の操作に必要な様々なプログラム及びデータを記憶してもよい。演算ユニット５０１、ＲＯＭ５０２、およびＲＡＭ５０３は、バス５０４を介して相互に接続される。入出力（Ｉ／Ｏ）インタフェース５０５も、バス５０４に接続される。

電子機器５００における複数の部品は、Ｉ／Ｏインタフェース５０５に接続され、Ｉ／Ｏインタフェース５０５は、例えばキーボード、マウス等の入力ユニット５０６と、例えば様々な種類のディスプレイ、スピーカ等の出力ユニット５０７と、例えば磁気ディスク、光ディスク等の記憶ユニット５０８と、例えばネットワークカード、モデム、無線通信トランシーバ等の通信ユニット５０９とを含む。通信ユニット５０９は、電子機器５００がインターネット等のコンピュータネットワーク及び／又は各種の電気通信ネットワークを介して他の機器と情報／データをやり取りすることを可能にする。

演算ユニット５０１は、処理及び演算能力を有する各種の汎用及び／又は専用の処理モジュールであってもよい。演算ユニット５０１の幾つかの例としては、中央処理装置（ＣＰＵ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、各種専用の人工知能（ＡＩ）演算チップ、各種機械学習モデルアルゴリズムをランニングする演算ユニット、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、並びに任意の適切なプロセッサ、コントローラ、マイクロコントローラ等が挙げられるが、これらに限定されない。演算ユニット５０１は、例えば車両の駐車違反を識別する方法のような上記に記載の各方法及び処理を実行する。例えば、いくつかの実施例において、車両の駐車違反を識別する方法は、例えば記憶ユニット５０８のような機械可読媒体に有形的に含まれるコンピュータソフトウェアプログラムとして実現されてもよい。いくつかの実施例において、コンピュータプログラムの一部又は全部は、ＲＯＭ５０２及び／又は通信ユニット５０９を介して電子機器５００にロード及び／又はインストールされてもよい。コンピュータプログラムがＲＡＭ５０３にロードされて計算ユニット５０１により実行される場合、上記に記載の車両の駐車違反を識別する方法の一つ又は複数の操作を実行してもよい。代替的に、他の実施例において、演算ユニット５０１は、他の任意の適切な方式（例えば、ファームウェアを介する）により車両の駐車違反を識別する方法を実行するように構成されてもよい。

本明細書で説明されたシステム及び技術の様々な実施形態は、デジタル電子回路システム、集積回路システム、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、特定用途向け集積回路（ＡＳＩＣ）、特定用途向け標準製品（ＡＳＳＰ）、システムオンチップ（ＳＯＣ）、コンプレックスプログラムマブルロジックデバイス（ＣＰＬＤ）、コンピュータハードウェア、ファームウェア、ソフトウェア、及び／又はそれらの組み合わせにおいて実現されてもよい。これらの様々な実施形態は、一つ又は複数のコンピュータプログラムにおいて実施され、該一つ又は複数のコンピュータプログラムは、少なくとも一つのプログラムマブルプロセッサを含むプログラムマブルシステムで実行され及び／又は解釈されることが可能であり、該プログラムマブルプロセッサは、専用又は汎用のプログラムマブルプロセッサであってもよく、記憶システム、少なくとも一つの入力装置、及び少なくとも一つの出力装置からデータ及び命令を受信し、かつデータ及び命令を該記憶システム、該少なくとも一つの入力装置、及び該少なくとも一つの出力装置に伝送することができることを含んでもよい。

本開示の方法を実施するためのプログラムコードは、一つ又は複数のプログラミング言語の任意の組み合わせで作成されてもよい。これらのプログラムコードは、汎用コンピュータ、専用コンピュータ又は他のプログラマブルデータ処理装置のプロセッサ又はコントローラに提供されてもよく、それによって、プログラムコードがプロセッサ又はコントローラにより実行される時に、フローチャート及び／又はブロック図に規定された機能／操作が実施される。プログラムコードは、機器に完全に実行されてもよく、部分的に機器で実行されてもよく、独立したソフトウェアパッケージとして部分的に機器で実行され、かつ部分的に遠隔機器で実行されるか又は完全に遠隔機器又はサーバで実行されてもよい。

本開示のコンテキストにおいて、機械可読媒体は、有形の媒体であってもよく、命令実行システム、装置又は電子機器に使用され、又は命令実行システム、装置又は電子機器と組み合わせて使用されるプログラムを含んで又は記憶してもよい。機械可読媒体は、機械可読信号媒体又は機械可読記憶媒体であってもよい。機械可読媒体は、電子の、磁気的、光学的、電磁的、赤外線の、又は半導体システム、装置又は電子機器、又は上記内容の任意の適切な組み合わせを含んでもよいが、それらに限定されない。機械可読記憶媒体のより具体的な例としては、一つ以上の線による電気的接続、携帯式コンピュータディスク、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、消去可能なプログラマブルリードオンリーメモリ（ＥＰＲＯＭ又はフラッシュメモリ）、光ファイバ、コンパクトディスクリードオンリーメモリ（ＣＤ-ＲＯＭ）、光学記憶装置、磁気記憶装置、又は上記内容の任意の適切な組み合わせを含む。

ユーザとの対話を提供するために、コンピュータにここで説明されたシステム及び技術を実施させてもよく、該コンピュータは、ユーザに情報を表示するための表示装置（例えば、ＣＲＴ（陰極線管）又はＬＣＤ（液晶ディスプレイ）モニタ）と、キーボード及びポインティングデバイス（例えば、マウス又はトラックボール）とを備え、ユーザは、該キーボード及び該ポインティングデバイスを介して入力をコンピュータに提供することができる。他の種類の装置は、さらにユーザとの対話を提供してもよく、例えば、ユーザに提供されたフィードバックは、いかなる形式のセンシングフィードバック（例えば、視覚フィードバック、聴覚フィードバック、又は触覚フィードバック）であってもよく、かついかなる形式（音声入力、語音入力又は、触覚入力を含む）でユーザからの入力を受信してもよい。

ここで説明されたシステム及び技術は、バックグラウンド部品を含むコンピューティングシステム（例えば、データサーバとする）、又はミドルウェア部品を含むコンピューティングシステム（例えば、アプリケーションサーバ）、又はフロントエンド部品を含むコンピューティングシステム（例えば、グラフィカルユーザインタフェース又はウェブブラウザを有するユーザコンピュータ、ユーザが該グラフィカルユーザインタフェース又は該ネットワークブラウザを介してここで説明されたシステム及び技術の実施形態と対話することができる）、又はこのようなバックグラウンド部品、ミドルウェア部品、又はフロントエンド部品のいずれかの組み合わせを含むコンピューティングシステムに実施されることが可能である。任意の形式又は媒体のデジタルデータ通信（例えば、通信ネットワーク）によりシステムの部品を互いに接続することができる。通信ネットワークの例としては、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）及びインターネットを例示的に含む。

コンピュータシステムは、クライアント及びサーバを含んでもよい。クライアントとサーバ同士は、一般的に離れており、通常、通信ネットワークを介して対話する。クライアントとサーバとの関係は、該当するコンピュータ上でランニングし、クライアント－サーバの関係を有するコンピュータプログラムによって生成される。サーバは、クラウドサーバであってもよく、クラウドコンピューティングサーバ又はクラウドホストと呼ばれ、クラウドコンピューティングサービスシステムにおける一つのホスト製品であり、それによって、従来の物理ホストとＶＰＳサービス（“Ｖｉｒｔｕａｌ Ｐｒｉｖａｔｅ Ｓｅｒｖｅｒ”、又は“ＶＰＳ”と略称する）に存在する管理難度が大きく、サービス拡張性が弱いという欠陥を解決している。サーバは、分散型システムのサーバであってもよく、又はブロックチェーンを組み合わせしたサーバであってもよい。

理解されるべきこととして、以上に示された様々な形式のフローを使用してもよく、操作を改めてソーティングしたり、追加したり又は削除してもよい。例えば、本開示に記載の各操作は、並列に実行されたり、順次に実行されたり、又は異なる順序で実行されてもよく、本開示の発明の所望の結果を実現することができれば、本明細書はここで限定されない。

上記具体的な実施形態は、本開示の保護範囲を限定するものではない。当業者であれば、設計要件及び他の要因に応じて、様々な修正、組み合わせ、サブコンビネーション及び代替を行うことが可能であると理解すべきである。本開示の精神と原則内で行われる任意の修正、均等置換及び改良などは、いずれも本開示の保護範囲内に含まれるべきである。

Claims (23)

1. 車両の駐車違反を識別する方法であって、
   電子機器が収集したビデオ画像を取得することと、
   前記ビデオ画像における車両の駐車領域を識別することと、
   前記電子機器が前記ビデオ画像を収集するために使用される撮影角度を決定することと、
   前記撮影角度に基づいて、前記ビデオ画像における駐車違反領域を決定することと、
   前記車両の駐車領域と前記駐車違反領域に基づいて、前記車両が駐車違反したか否かを識別することとを含む
   車両の駐車違反の識別方法。
2. 請求項１に記載の方法において、
   前記電子機器が前記ビデオ画像を収集するために使用される撮影角度を決定することは、
   前記電子機器が複数の既知の撮影角度で予め収集した複数の参照画像を取得し、前記複数の参照画像のうちの異なる参照画像が異なる撮影角度に対応することと、
   前記ビデオ画像を前記複数の参照画像のうちの各参照画像と一つずつ類似度マッチングを行うことによって、前記複数の参照画像のうち、前記ビデオ画像との類似度が最も高いターゲット参照画像をマッチングして得ることと、
   前記ターゲット参照画像に対応する撮影角度を取得し、該撮影角度を前記電子機器が前記ビデオ画像を収集するために使用される撮影角度とすることとを含む
   車両の駐車違反の識別方法。
3. 請求項１に記載の方法において、
   前記電子機器が前記ビデオ画像を収集するために使用される撮影角度を決定することは、
   前記電子機器が複数の既知の撮影角度で予め収集した複数の参照画像を取得し、前記複数の参照画像のうちの異なる参照画像が異なる撮影角度に対応することと、
   前記ビデオ画像を第一所定サイズの第一画像に縮小することと、
   前記第一画像を前記複数の参照画像のうちの各参照画像と一つずつ類似度マッチングを行うことによって、前記複数の参照画像のうち、前記第一画像と類似度が最も高いターゲット参照画像をマッチングして得ることと、
   前記ターゲット参照画像に対応する撮影角度を取得し、該撮影角度を前記電子機器が前記ビデオ画像を収集するために使用される撮影角度とすることとを含む
   車両の駐車違反の識別方法。
4. 請求項１に記載の方法において、
   前記車両の駐車領域と前記駐車違反領域とに基づいて、前記車両が駐車違反したか否かを識別することは、
   前記ビデオ画像に基づいて、前記車両の駐車領域が前記駐車違反領域内にあるか否かを識別することと、
   前記ビデオ画像に基づいて前記車両の駐車領域が前記駐車違反領域内にあると識別されたことに応じて、前記車両の駐車違反を決定することとを含む
   車両の駐車違反の識別方法。
5. 請求項２に記載の方法において、
   前記車両の駐車領域と前記駐車違反領域とに基づいて、前記車両が駐車違反したか否かを識別することは、
   前記ビデオ画像に基づいて、前記車両の駐車領域が前記駐車違反領域内にあるか否かを識別することと、
   前記ビデオ画像に基づいて前記車両の駐車領域が前記駐車違反領域内にあると識別されたことに応じて、前記車両の駐車違反を決定することとを含む
   車両の駐車違反の識別方法。
6. 請求項３に記載の方法において、
   前記車両の駐車領域と前記駐車違反領域とに基づいて、前記車両が駐車違反したか否かを識別することは、
   前記ビデオ画像に基づいて、前記車両の駐車領域が前記駐車違反領域内にあるか否かを識別することと、
   前記ビデオ画像に基づいて前記車両の駐車領域が前記駐車違反領域内にあると識別されたことに応じて、前記車両の駐車違反を決定することとを含む
   車両の駐車違反の識別方法。
7. 請求項４に記載の方法において、
   前記ビデオ画像に基づいて、前記車両の駐車領域が前記駐車違反領域内にあるか否かを識別することは、
   前記ビデオ画像に基づいて、前記車両の駐車領域と前記駐車違反領域との間の共通部分が所定値より大きいか否かを計算することを含み、
   前記共通部分が前記所定値以上であれば、前記車両の駐車領域が前記駐車違反領域内にあると決定する
   車両の駐車違反の識別方法。
8. 請求項５に記載の方法において、
   前記ビデオ画像に基づいて、前記車両の駐車領域が前記駐車違反領域内にあるか否かを識別することは、
   前記ビデオ画像に基づいて、前記車両の駐車領域と前記駐車違反領域との間の共通部分が所定値より大きいか否かを計算することを含み、
   前記共通部分が前記所定値以上であれば、前記車両の駐車領域が前記駐車違反領域内にあると決定する
   車両の駐車違反の識別方法。
9. 請求項６に記載の方法において、
   前記ビデオ画像に基づいて、前記車両の駐車領域が前記駐車違反領域内にあるか否かを識別することは、
   前記ビデオ画像に基づいて、前記車両の駐車領域と前記駐車違反領域との間の共通部分が所定値より大きいか否かを計算することを含み、
   前記共通部分が前記所定値以上であれば、前記車両の駐車領域が前記駐車違反領域内にあると決定する
   車両の駐車違反の識別方法。
10. 請求項１に記載の方法において、
    前記ビデオ画像における車両の駐車領域を識別することは、
    前記ビデオ画像をインスタンスセグメンテーションモデルに入力することよって、画像における異なる種類の車両の駐車領域分割結果を出力することを含む
    車両の駐車違反の識別方法。
11. 請求項１に記載の方法において、
    前記ビデオ画像における車両の駐車領域を識別することは、
    前記ビデオ画像を第二所定サイズの第二画像に縮小することと、
    前記第二画像をインスタンスセグメンテーションモデルに入力することよって、画像における異なる種類の車両の駐車領域分割結果を出力することとを含む
    車両の駐車違反の識別方法。
12. 請求項１に記載の方法において、
    前記車両は、自動車及び非自動車を含む
    車両の駐車違反の識別方法。
13. 車両の駐車違反を識別する装置であって、
    電子機器が収集したビデオ画像を取得する取得モジュールと、
    前記ビデオ画像における車両の駐車領域を識別する第一識別モジュールと、
    前記電子機器が前記ビデオ画像を収集するために使用される撮影角度を決定する第一決定モジュールと、
    前記撮影角度に基づいて、前記ビデオ画像における駐車違反領域を決定する第二決定モジュールと、
    前記車両の駐車領域と前記駐車違反領域に基づいて、前記車両が駐車違反したか否かを識別する第二識別モジュールとを含む
    車両の駐車違反の識別装置。
14. 請求項１３に記載の装置において、
    前記第一決定モジュールは、
    前記電子機器が複数の既知の撮影角度で予め収集した複数の参照画像を取得する第一取得ユニットであって、前記複数の参照画像のうちの異なる参照画像が異なる撮影角度に対応する第一取得ユニットと、
    前記ビデオ画像を前記複数の参照画像のうちの各参照画像と一つずつ類似度マッチングを行うことによって、前記複数の参照画像のうち、前記ビデオ画像との類似度が最も高いターゲット参照画像をマッチングして得る第一マッチングユニットと、
    前記ターゲット参照画像に対応する撮影角度を取得し、該撮影角度を前記電子機器が前記ビデオ画像を収集するために用いられる撮影角度とする第二取得ユニットとを含む
    車両の駐車違反の識別装置。
15. 請求項１３に記載の装置において、
    前記第一決定モジュールは、
    前記電子機器が複数の既知の撮影角度で予め収集した複数の参照画像を取得する第三取得ユニットであって、前記複数の参照画像のうちの異なる参照画像が異なる撮影角度に対応する第三取得ユニットと、
    前記ビデオ画像を第一所定サイズの第一画像に縮小する前処理ユニットと、
    前記第一画像を前記複数の参照画像のうちの各参照画像と一つずつ類似度マッチングを行うことによって、前記複数の参照画像のうち、前記第一画像と類似度が最も高いターゲット参照画像をマッチングして得る第二マッチングユニットと、
    前記ターゲット参照画像に対応する撮影角度を取得し、該撮影角度を前記電子機器が前記ビデオ画像を収集するために用いられる撮影角度とする第四取得ユニットとを含む
    車両の駐車違反の識別装置。
16. 請求項１３～１５のいずれか一項に記載の装置において、
    前記第二識別モジュールは、
    前記ビデオ画像に基づいて、前記車両の駐車領域が前記駐車違反領域内にあるか否かを識別する識別ユニットと、
    前記ビデオ画像に基づいて前記車両の駐車領域が前記駐車違反領域内にあることを識別したことに応じて、前記車両の駐車違反を決定する決定ユニットとを含む
    車両の駐車違反の識別装置。
17. 請求項１６に記載の装置において、
    前記識別ユニットは、さらに、
    前記ビデオ画像に基づいて、前記車両の駐車領域と前記駐車違反領域との間の共通部分が所定値より大きいか否かを計算し、
    前記共通部分が前記所定値以上であれば、前記車両の駐車領域が前記駐車違反領域内にあると決定する
    車両の駐車違反の識別装置。
18. 請求項１３に記載の装置において、
    前記第一識別モジュールは、さらに、
    前記ビデオ画像をインスタンスセグメンテーションモデルに入力することによって、画像における異なる種類の車両の駐車領域分割結果を出力する
    車両の駐車違反の識別装置。
19. 請求項１３に記載の装置において、
    前記第一識別モジュールは、
    前記ビデオ画像を第二所定サイズの第二画像に縮小し、
    前記第二画像をインスタンスセグメンテーションモデルに入力することによって、画像における異なる種類の車両の駐車領域分割結果を出力する
    車両の駐車違反の識別装置。
20. 請求項１３に記載の装置において、
    前記車両は、自動車及び非自動車を含む
    車両の駐車違反の識別装置。
21. 少なくとも一つのプロセッサと、
    前記少なくとも一つのプロセッサと通信接続されたメモリとを備え、
    前記メモリには、前記少なくとも一つのプロセッサにより実行可能な命令を記憶しており、
    前記命令は、前記少なくとも一つのプロセッサが請求項１～１２のいずれか一項に記載の方法を実行することができるように、前記少なくとも一つのプロセッサにより実行される
    電子機器。
22. コンピュータ命令が記憶された非一時的なコンピュータ読取可能な記憶媒体であって、
    前記コンピュータ命令は、コンピュータに請求項１～１２のいずれか一項に記載の方法を実行させる
    記憶媒体。
23. プロセッサにより実行される場合に、請求項１～１２のいずれか一項に記載の方法を実現する
    コンピュータプログラム。

Images