【技术实现步骤摘要】
视频车辆非导向行驶检测方法、装置及可读存储介质
本专利技术涉及计算机视觉
，具体涉及一种视频车辆非导向行驶检测方法、装置及可读存储介质。
技术介绍
随着我国国力的增强，人民的生活水平也随之提高了，私家车的数量越来越多，在出行方便的同时也给交通带来了诸多隐患，如交通拥堵、交通事故等。十字路口路况较为复杂，是发生交通问题的高危路段。而交通违章，如车辆非导向行驶是造成交通拥堵、交通事故的重要原因之一。传统的车辆非导向行驶的检测方法是在道路上安装感应线圈来检测车辆，再配合交通参数来判断车辆违章行为的发生。该方法的准确率较低，特别是在车辆比较多的情况下，且维护起来比较麻烦，也不利于监控。随着社会治安管理的不断加强，监控设备基本将所有的关键道路都覆盖了，通过视频方式检测违章行为可谓是大势所趋。
技术实现思路
本专利技术实施例的目的在于提供一种视频车辆非导向行驶检测方法、装置及可读存储介质，以提高交通违章判罚的效率。为实现上述目的，第一方面，本专利技术实施例提供了一种视频车辆非导向行驶检测...
【技术保护点】
1.一种视频车辆非导向行驶检测方法，其特征在于，包括：/n获取样本视频场景，对所述样本视频场景进行标记处理，以得到判定信息；/n读取实时视频流，并对所述实时视频流进行解码以得到待检测图片；/n利用预设的车辆检测模型对所述待检测图片进行车辆检测及跟踪，并结合所述判定信息得到多张取证图片，所述取证图片中包括目标车辆；/n根据多张取证照片判定目标车辆是否发生非导向行驶事件；/n若车辆发生非导向行驶事件，则利用预设的车牌识别模型对取证图片上的目标车辆进行车牌识别，以得到车牌信息，并记录违章时间；/n将所述车牌信息、违章时间、取证图片及目标车辆在取证图片中的位置信息推送至后台进行入库、显示。/n
【技术特征摘要】
1.一种视频车辆非导向行驶检测方法，其特征在于，包括：
获取样本视频场景，对所述样本视频场景进行标记处理，以得到判定信息；
读取实时视频流，并对所述实时视频流进行解码以得到待检测图片；
利用预设的车辆检测模型对所述待检测图片进行车辆检测及跟踪，并结合所述判定信息得到多张取证图片，所述取证图片中包括目标车辆；
根据多张取证照片判定目标车辆是否发生非导向行驶事件；
若车辆发生非导向行驶事件，则利用预设的车牌识别模型对取证图片上的目标车辆进行车牌识别，以得到车牌信息，并记录违章时间；
将所述车牌信息、违章时间、取证图片及目标车辆在取证图片中的位置信息推送至后台进行入库、显示。
2.如权利要求1所述的视频车辆非导向行驶检测方法，其特征在于，所述判定信息包括车道属性区域、确定左转区域、确定直行区域和确定右转区域，所述车道区域包括左转车道、左转直行车道、直行车道、直行右转车道和右转车道。
3.如权利要求2所述的视频车辆非导向行驶检测方法，其特征在于，利用预设的车辆检测模型对所述待检测图片进行车辆检测及跟踪，以得到多张取证图片，具体包括：
利用预设的车辆检测模型对所述待检测图像进行检测，以得到目标车辆；
若所述目标车辆首次出现在车道区域内，则保存第一张取证图片，并记录所述目标车辆在当前帧图片中的位置和所述目标车辆的初始车道信息；
采用检测框重叠度最大的方式对所述目标车辆进行跟踪，当所述目标车辆首次离开所在车道区域时，保存第二张取证图片，并记录所述目标车辆在当前帧图片中的位置；
当所述目标车辆进入确定左转区域、确定直行区域或确定右转区域时，保存第三张取证图片，并记录所述目标车辆在当前帧图片中的位置和所述目标车辆的最终车道信息。
4.如权利要求3所述的视频车辆非导向行驶检测方法，其特征在于，根据多张取证照片判定目标车辆是否发生非导向行驶事件，具体包括：
根据确定左转区域、确定直行区域、确定右转区域、初始车道信息和最终车道信息判定目标车辆是否发生非导向行驶事件。
5.如权利要求1-4任一项所述的视频车辆非导向行驶检测方法，其特征在于，所述方法还包括：
获取人工标注的第一样本集和第二样本集；
采用darknet深度学习框架对所述第一样本集进行车辆检测训练，以得到所述车辆检测模型；
采用MXNET-CNN深度学习框架对所述第二样本集进行车牌识别训练，以得到所述车牌识别模型。
6.一种视频车辆非导向行驶检测装置，其特...
【专利技术属性】
技术研发人员：刘圭圭，李凡平，石柱国，
申请(专利权)人：北京以萨技术股份有限公司，青岛以萨数据技术有限公司，
类型：发明
国别省市：北京;11
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。