【技术实现步骤摘要】
基于视频渐进区域提取的共享单车停放检测方法和系统
本专利技术涉及图像处理领域，尤其是基于视频渐进区域提取的共享单车停放检测方法和系统。
技术介绍
随着共享单车的迅猛发展，停放混乱已成为当前城市管理的最大痛点之一。作为处理此问题的常用手段，人工巡查方式工作量大、目标性不强、难以发现非主干道的零散单车，停放问题中，发现乱停放的共享单车是其首要和关键步骤。在共享单车检测的相关技术中，主要分为两类，一类是人工检测，通过人工查看视频或现实场景，发现是否存在公共自行车存在乱停放现象；第二类主要通过传感设备，利用电子围栏等技术手段设定停车位，确定是否存在乱停放的共享单车。第一类方法准确率高，但不论是通过观看监控视频亦或是人工现场巡查，都将会带来人力物力的极度浪费，效率极其低下。第二类方法常见的有基于卫星定位技术以及基于蓝牙电子标签的电子围栏的方法。基于卫星定位技术(GPS)的电子围栏，其解决了人工观察的巨大工作量，同时也能较准确的检测到共享单车，但受限GPS定位精度与通讯耗电量，无法精准确定共享单车是否是停在规定的停车区域；基于蓝牙电子标签的电子围栏，需要在停放点和车锁内加装蓝...
【技术保护点】
1.基于视频渐进区域提取的共享单车停放检测方法，其特征在于，包括有以下步骤：对视频图像进行注意力区域提取处理得到背景图像；对训练集图像中目标对象的长宽值进行聚类；根据聚类结果调整区域卷积神经网络的区域生成网络参数，并采用区域卷积神经网络提取目标对象的候选区域。
【技术特征摘要】
1.基于视频渐进区域提取的共享单车停放检测方法，其特征在于，包括有以下步骤：对视频图像进行注意力区域提取处理得到背景图像；对训练集图像中目标对象的长宽值进行聚类；根据聚类结果调整区域卷积神经网络的区域生成网络参数，并采用区域卷积神经网络提取目标对象的候选区域。2.根据权利要求1所述的基于视频渐进区域提取的共享单车停放检测方法，其特征在于：所述对训练集图像中目标对象的长宽值进行聚类这一步骤，具体包括有以下子步骤：获取训练集图像中目标对象的长宽值二维数据作为样本数据集合；随机选取其中一个二维数据作为初始聚类中心；计算每个样本数据与当前最近的聚类中心之间的最短距离，计算每个样本被选为下一个聚类中心的概率，概率最大的样本数据作为聚类中心；重复上一步骤得到多个聚类中心；根据多个聚类中心将样本数据集合分为多个聚类集合，并对多个聚类集合分别计算新的聚类中心；重复上一步骤直至所有样本数据与其所属的聚类集合的聚类中心的距离之和最小。3.根据权利要求1所述的基于视频渐进区域提取的共享单车停放检测方法，其特征在于：所述区域卷积神经网络为FasterR-CNN。4.根据权利要求3所述的基于视频渐进区域提取的共享单车停放检测方法，其特征在于：所述根据聚类结果调整区域卷积神经网络的区域生成网络参数，并采用区域卷积神经网络提取目标对象的候选区域这一步骤，具体包括有以下子步骤：将背景图像提取后的待检测视频帧输入至区域卷积神经网络；根据聚类得到的长宽值以及长宽值之比调整区域生成网络中的anchors参数，并采用区域生成网络生成候选区域；利用Softmax分类器和边框回归判断候选区域内是否为目标对象，并获取目标对象的前景位置；把候选区域映射到卷积神经网络的最后一层卷积特征图上，通过RoIpooling层使每个感兴趣区域生成固定尺寸的特征图；利用特征图计算目标对象的类别，并利用边框回归获得最终候选区域。5.根据权利要求1所述的基于视频渐进区域提取的共享单车停放检测方法，其特征在于：所述对视频图像进行注意力区域提取处理得到背景图像这一步骤，具体为：获取视频图像的多个视频帧；采用混合高斯背景建模去除运动状态下的前景目标，得到背景图像。6.基于视频渐进区域提取的共享单车停放检测系统，其特征在于：包括有注意力区域提取模...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。