【技术实现步骤摘要】
基于深度学习的车辆压线违章判断方法、装置及存储介质
本专利技术涉及交通违法的人工智能判断
，具体涉及一种基于深度学习的车辆压线违章判断方法、装置及存储介质。
技术介绍
随着社会经济的持续发展与人民生活水平的不断提高，随之车辆越来越多，交通管理局对于车辆违章的自动审核需要越来越迫切。传统的违章审核主要是通过人工识别等方法，该类方法成本较高，效率较低，且在一定程度上存在主观性，影响校验准确率。如何快速准确且高效的识别出交通违章行为，同时避免人工识别的高成本，低效率等弊端是急需解决的技术问题。
技术实现思路
针对现有技术中的技术缺陷，本专利技术实施例的目的在于提供一种基于深度学习的车辆压线违章判断方法、装置及存储介质，自动判定车辆违章压线行为，以满足在交通审核中的高效和高准确率的要求。为实现上述目的，第一方面，本专利技术实施例提供了一种基于深度学习的车辆压线违章判断方法，包括：获取交通摄像头所拍摄的视频数据；采用基于多特征融合的方法检测所述视频数据中的车道线，并根据所述车道线划定车...
【技术保护点】
1.一种基于深度学习的车辆压线违章判断方法，其特征在于，包括：/n获取交通摄像头所拍摄的视频数据；/n采用基于多特征融合的方法检测所述视频数据中的车道线，并根据所述车道线划定车道线区域；/n采用基于深度学习的目标检测和目标跟踪方法检测所述视频数据中的目标车辆及所述目标车辆的车辆边框；/n根据所述车辆边框确定目标车辆的车辆位置，并根据所述车辆位置对所述目标车辆进行跟踪；/n跟踪过程中，根据所述车道线区域和车辆边框判断所述目标车辆是否压线；/n若所述目标车辆压线，则对所述目标车辆进行车牌识别。/n
【技术特征摘要】
1.一种基于深度学习的车辆压线违章判断方法，其特征在于，包括：
获取交通摄像头所拍摄的视频数据；
采用基于多特征融合的方法检测所述视频数据中的车道线，并根据所述车道线划定车道线区域；
采用基于深度学习的目标检测和目标跟踪方法检测所述视频数据中的目标车辆及所述目标车辆的车辆边框；
根据所述车辆边框确定目标车辆的车辆位置，并根据所述车辆位置对所述目标车辆进行跟踪；
跟踪过程中，根据所述车道线区域和车辆边框判断所述目标车辆是否压线；
若所述目标车辆压线，则对所述目标车辆进行车牌识别。
2.如权利要求1所述的车辆压线违章判断方法，其特征在于，采用基于多特征融合的方法检测所述视频数据中的车道线，并根据所述车道线划定车道线区域，具体包括：
提取所述视频数据中的每一帧图像，并将其转为灰度图；
对所述灰度图进行高斯模糊处理和Canny边缘检测处理，以得到线条型图像；
提取所述线条型图像中的感兴趣区域，并对所述感兴趣区域使用霍夫变化技术以提取线条；
根据所提取的线条，使用最小二乘法拟合直线，划定所述车道线区域。
3.如权利要求1所述的车辆压线违章判断方法，其特征在于，所述方法具体包括：
使用YOLO-v3检测出所述视频数据的每一帧图像中的目标车辆和车辆边框，根据所述车辆边框确定车辆位置，并使用Deep-SORT跟踪算法，对所检测到的目标车辆加以跟踪。
4.如权利要求1所述的车辆压线违章判断方法，其特征在于，根据所述车道线区域和车辆边框判断所述目标车辆是否压线，具体包括：
若所述车辆边框与车道线区域有重叠，且重叠度大于指定阈值，则确定所述目标车辆压线，并保存所述目标车辆的当前帧图像。
5.如权利要求1-4任一项所述的车辆压线违章判断方法，其特征在于，对所述目标车辆进行车牌识别具体包括：
提取压线的目标车辆对应的车辆图片；
对所述车辆图片进行灰度化、高斯模糊、二值化和边缘检测处理，以得到待提取图片；
根据所述待提取图片进行车牌定位，以得到所述目标车辆的车牌区域；
采用汉字网络、字母网络和字母数字网络对所述车牌区域进行识别，并输出识别到的车牌。
6.如权利要求5所述的车辆压线违章判断方法，其特...
【专利技术属性】
技术研发人员：王琳，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。