一种智能交通违法审核的图像筛选算法制造技术

本发明专利技术公开了一种智能交通违法审核的图像筛选算法，涉及智能交通违法审核领域，解决了目前在违法审核图片筛选精度低，影响后续模块的处理精度的弊端，其技术方案要点是获取若干张图片，对获取的图片均进行语义分割，对分割结果不为全黑的图片形成轮廓并进行填充；对填充后的结果图一一进行比较，判断相比较的两张图片是否相同，对两张图的ID进行记录；根据每张图片被记录的次数进行排序、筛选判断出全景图及特写图；分别将语义分割时全黑的图片以及筛选获得的全景图及特写图进行车辆检测，再次进行判断筛选，本发明专利技术的一种智能交通违法审核的图像筛选算法，能够高精度的进行审核图片的全景图和特写图的区分，为后续模块提供高精度的支持。

An image filtering algorithm for illegal audit of Intelligent Transportation

【技术实现步骤摘要】
一种智能交通违法审核的图像筛选算法
本专利技术涉及智能交通违法审核，特别涉及一种智能交通违法审核的图像筛选算法。
技术介绍
通过计算机视觉技术来判断交通的违法审核是现阶段智能交通的大趋势，违法审核中前端传来的数据大多包含几张全景图以及几张特写图，并且它们的出现顺序都很随机，后续模块在使用的时候，需要先将全景图和特写图分辨区分开，而目前对于新路口的数据，很难分辨，精度较低，会影响后续模块使用时的效率及精度，还有待改进的空间。
技术实现思路
本专利技术的目的是提供一种智能交通违法审核的图像筛选算法，能够高精度的进行审核图片的全景图和特写图的区分，为后续模块提供高精度的支持。本专利技术的上述技术目的是通过以下技术方案得以实现的：一种智能交通违法审核的图像筛选算法，包括有以下步骤：接收获取前端传送的用于交通违法审核的若干张图片，每张图片均对应有一唯一识别的ID号；对获取的图片均进行语义分割，对分割结果不为全黑的图片按照不同类别的语义分割结果形成轮廓并进行填充；对填充后的结果图一一进行比较，判断相比较的两张图片中的场景是否相同，并且在判断为不相同的时候对两张图的ID进行记录；根据每张图片被记录的次数进行排序，通过排序结果筛选判断出全景图及特写图；分别将语义分割时全黑的图片以及筛选获得的全景图及特写图基于深度学习的YOLOv3检测方法进行车辆检测，再次对图片的全景图及特写图进行判断筛选。作为优选，对填充后的结果图进行比较的具体步骤如下：将填充的结果图提取HOG特征的特征向量；分别对每张图片的特征向量一一进行余弦相似度比较，得到余弦相似度分数；设定有分数阈值，当比较获得的余弦相似度分数低于分数阈值时，判定为两种场景不同，记录与之对应的两张图片的ID。作为优选，每次获取的所述图片为四张，对于排序筛选的具体步骤如下：按照每张图片被记录的次数从多到少排序，对于记录次数相同的，则按照图片的ID号从大到小排序；根据排序结果可得到，若输出排序第一位结果为0时，则判定为获取的图片均为全景图，无特写图；若输出排序第一位结果为3时，则判定为获取的图片中存在三张全景图及一张特写图；若输出排序第一位结果为2时，则判定为获取的图片中全景图及特写图均存在两张。作为优选，基于车辆检测后对图片再次进行判断筛选的具体步骤如下：基于深度学习的YOLOv3检测方法检测车辆获得图片中的检测框；获得每张图片中检测框最小的车辆，为最小框；分别判断每张图片中最小框与设定的检测框阈值进行比较，若大于检测框阈值则判定为特写图，反之小于检测框阈值则判定为全景图。一种智能交通违法审核的图像筛选装置，所述图像筛选装置包括存储器；以及耦合到所述存储器的处理器，该处理器被配置为执行存储在所述存储器中的指令，所述处理器执行以下操作：接收获取前端传送的用于交通违法审核的若干张图片，每张图片均对应有一唯一识别的ID号；对获取的图片均进行语义分割，对分割结果不为全黑的图片按照不同类别的语义分割结果形成轮廓并进行填充；对填充的结果图提取HOG特征得到特征向量，分别将每张图片的特征向量一一进行余弦相似度比较，获得余弦相似度分数；根据余弦相似度分数与设定的分数阈值进行比较判断，将余弦相似度分数低于分数阈值的场景判定为不同，并且记录与之对应的两张图片的ID；按照每张图片被记录的次数进行排序，并根据排序进行全景图和特征图的筛选；分别将语义分割时全黑的图片以及筛选获得的全景图及特写图基于深度学习的YOLOv3检测方法进行车辆检测，再次对图片的全景图及特写图进行判断筛选。一种智能交通违法审核的图像筛选平台，所述平台包括服务器，服务器具有存储器；以及耦合到所述存储器的处理器，该处理器被配置为执行存储在所述存储器中的指令，所述处理器执行以下操作：接收获取前端传送的用于交通违法审核的若干张图片，每张图片均对应有一唯一识别的ID号；对获取的图片均进行语义分割，对分割结果不为全黑的图片按照不同类别的语义分割结果形成轮廓并进行填充；对填充的结果图提取HOG特征得到特征向量，分别将每张图片的特征向量一一进行余弦相似度比较，获得余弦相似度分数；根据余弦相似度分数与设定的分数阈值进行比较判断，将余弦相似度分数低于分数阈值的场景判定为不同，并且记录与之对应的两张图片的ID；按照每张图片被记录的次数进行排序，并根据排序进行全景图和特征图的筛选；分别将语义分割时全黑的图片以及筛选获得的全景图及特写图基于深度学习的YOLOv3检测方法进行车辆检测，再次对图片的全景图及特写图进行判断筛选。综上所述，本专利技术具有以下有益效果：通过对接收的图片进行语义分割、填充以及分析比较，能够初步精确的对全景图及特写图进行区分筛选，并且配合于二次判断筛选，能够精确的进行筛选区分，能为后续模块提供高精度的支持。附图说明图1为本实施例的流程示意图；具体实施方式以下结合附图对本专利技术作进一步详细说明。根据一个或多个实施例，本专利技术公开的一种智能交通违法审核的图像筛选算法，包括有以下步骤：接收获取若干张用于交通违法审核的图片，每张图片均对应有唯一识别的ID号；对获取的每一张图片均进行语义分割，并且对语义分割后的图片进行计算分析，以将图片中的特写图和全景图进行区分筛选；基于深度学习的YOLOv3检测方法对获取的图片进行车辆检测，再次判断筛选若干张图片中的特写图和全景图。其中，对语义分割后的图片的计算分析具体步骤如下：对图片的分割结果进行判断，若为全黑时，则直接传送图片以基于深度学习的YOLOv3检测方法进行车辆检测；反之，若不为全黑时：将每张图片的不同类别的语义分割结果形成轮廓并填充；对填充后的结果图一一进行比较，判断相比较的两张图片中的场景是否相同，并且在判断为不相同的时候对两张图的ID进行记录；根据每张图片被记录的次数进行排序，通过排序结果筛选判断出全景图及特写图，并分别将全景图和特写图送入到后续的检测中。进一步的，对填充后的结果图进行比较的具体步骤如下：将填充的结果图提取HOG特征的特征向量；分别对每张图片的特征向量一一进行余弦相似度比较，得到余弦相似度分数；设定有分数阈值，当比较获得的余弦相似度分数低于分数阈值时，判定为另两种场景不同，记录与之对应的两张图片的ID。每次获取的图片为四张，对于排序筛选的具体步骤如下：按照每张图片被记录的次数从多到少排序，对于记录次数相同的，则按照图片的ID号从大到小排序；根据排序结果可得到，若输出排序第一位结果为0时，则判定为获取的图片均为全景图，无特写图；若输出排序第一位结果为3时，则判定为获取的图片中存在三张全景图及一张特写图；若输出排序第本文档来自技高网...

【技术保护点】
1.一种智能交通违法审核的图像筛选算法，其特征是，包括有以下步骤：/n接收获取前端传送的用于交通违法审核的若干张图片，每张图片均对应有一唯一识别的ID号；/n对获取的图片均进行语义分割，对分割结果不为全黑的图片按照不同类别的语义分割结果形成轮廓并进行填充；/n对填充后的结果图一一进行比较，判断相比较的两张图片中的场景是否相同，并且在判断为不相同的时候对两张图的ID进行记录；/n根据每张图片被记录的次数进行排序，通过排序结果筛选判断出全景图及特写图；/n分别将语义分割时全黑的图片以及筛选获得的全景图及特写图基于深度学习的YOLOv3检测方法进行车辆检测，再次对图片的全景图及特写图进行判断筛选。/n

【技术特征摘要】
1.一种智能交通违法审核的图像筛选算法，其特征是，包括有以下步骤：
接收获取前端传送的用于交通违法审核的若干张图片，每张图片均对应有一唯一识别的ID号；
对获取的图片均进行语义分割，对分割结果不为全黑的图片按照不同类别的语义分割结果形成轮廓并进行填充；
对填充后的结果图一一进行比较，判断相比较的两张图片中的场景是否相同，并且在判断为不相同的时候对两张图的ID进行记录；
根据每张图片被记录的次数进行排序，通过排序结果筛选判断出全景图及特写图；
分别将语义分割时全黑的图片以及筛选获得的全景图及特写图基于深度学习的YOLOv3检测方法进行车辆检测，再次对图片的全景图及特写图进行判断筛选。


2.根据权利要求1所述的智能交通违法审核的图像筛选算法，其特征是，对填充后的结果图进行比较的具体步骤如下：
将填充的结果图提取HOG特征的特征向量；
分别对每张图片的特征向量一一进行余弦相似度比较，得到余弦相似度分数；
设定有分数阈值，当比较获得的余弦相似度分数低于分数阈值时，判定为两种场景不同，记录与之对应的两张图片的ID。


3.根据权利要求2所述的智能交通违法审核的图像筛选算法，其特征是：每次获取的所述图片为四张，对于排序筛选的具体步骤如下：
按照每张图片被记录的次数从多到少排序，对于记录次数相同的，则按照图片的ID号从大到小排序；
根据排序结果可得到，
若输出排序第一位结果为0时，则判定为获取的图片均为全景图，无特写图；
若输出排序第一位结果为3时，则判定为获取的图片中存在三张全景图及一张特写图；
若输出排序第一位结果为2时，则判定为获取的图片中全景图及特写图均存在两张。


4.根据权利要求3所述的智能交通违法审核的图像筛选算法，其特征是，基于车辆检测后对图片再次进行判断筛选的具体步骤如下：
基于深度学习的YOLOv3检测方法检测车辆获得图片中的检测框；
获得每张图片中检测框最小的车辆，为最小框；
分别判断每张图片中最小框与设定的检测框阈值进行比较，若大于检测框阈值则判定为特写图，反之小于检测框阈值则判定为全景图。

【专利技术属性】
技术研发人员：周康明，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海;31