营区车辆超速判别方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种营区车辆超速判别方法、装置、电子设备及存储介质，该方法包括：根据营区情况选择多个监控点；根据所述监控点获取车辆的行驶数据；将所述行驶数据输入到训练好的深度学习模型中以判断车辆是否超速。本发明专利技术实施例提供的一种营区车辆超速判别方法，通过在营区内选择多个监控点测量出各行驶车辆的速度并进行记录处理，解决了现有技术中通过雷达监测营区内车速存在信息泄漏、投资费用较大并且存在干扰特定设备的风险，实现了可在多个监控点测量车辆速度并且数据实时保存和上传，能够进行实时报警的效果，提升了营区内的车速管理效果。

【技术实现步骤摘要】
营区车辆超速判别方法、装置、电子设备及存储介质
本专利技术实施例涉及车辆监测技术，尤其涉及一种营区车辆超速判别方法、装置、电子设备及存储介质。
技术介绍
军事营区内车辆速度具有严格的管控需求，其行驶速度规定一般不超过25km/h；营区纠察人员通过查看路侧车速指示牌确定经过测试点的车辆车速，并决定是否进行纠察。当前营区车辆是否超速判别多采用雷达测试方法，此方法需要部署固定雷达测试点。其单台雷达测试覆盖范围有限，如扩大车辆监控范围则需要部署多台雷达；而部署多雷达不但投资费用大，而且多雷达发射信号存在信息泄漏和干扰特定设备的风险，不具备规模化实施优势。
技术实现思路
本专利技术提供一种营区车辆超速判别方法、装置、电子设备及存储介质，以实现实时监控营区内的车速情况。第一方面，本专利技术实施例提供了一种营区车辆超速判别方法，包括：根据营区情况选择多个监控点；根据所述监控点获取车辆的行驶数据；将所述行驶数据输入到训练好的深度学习模型中以判断车辆是否超速。可选的，所述根据所述监控点获取车辆的行驶数据包括：根据所述监控点选择多个静态参考点；根据所述静态参考点获取车辆的行驶数据。可选的，所述根据所述静态参考点获取车辆的行驶数据包括：记录车辆遮挡所述多个静态参考点的遮挡时间；根据所述遮挡时间获取车辆的行驶数据。可选的，所述根据所述监控点获取车辆的行驶数据之后还包括：选择训练样本对未训练好的深度学习模型进行训练。可选的，所述选择训练样本对未训练好的深度学习模型进行训练包括：选择多个监控点获取车辆的行驶数据作为训练样本；将所述训练样本输入到未训练好的深度学习模型中以获取训练好的深度学习模型。可选的，所述将所述行驶数据输入到训练好的深度学习模型中以判断车辆是否超速之后还包括：若车辆超速行驶，则将所述行驶数据推送到管理处。可选的，还包括：若车辆未超速行驶，则将所述行驶数据进行保存。第二方面，本专利技术实施例还提供了一种营区车辆超速判别装置，该装置包括：获取模块，用于根据营区情况选择多个监控点；处理模块，用于根据所述监控点获取车辆的行驶数据；判断模块，用于将所述行驶数据输入到训练好的深度学习模型中以判断车辆是否超速。第三方面，本专利技术实施例还提供了一种电子设备，所述电子设备包括：存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器或一个或多个电子设备执行，使得所述一个或多个处理器实现如上述任一所述的营区车辆超速判别方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序包括程序指令，该程序指令被处理器执行时实现如权利要求1-7中任一所述的营区车辆超速判别方法。本专利技术实施例公开了一种营区车辆超速判别方法、装置、电子设备及存储介质，该方法包括：根据营区情况选择多个监控点；根据所述监控点获取车辆的行驶数据；将所述行驶数据输入到训练好的深度学习模型中以判断车辆是否超速。本专利技术实施例提供的一种营区车辆超速判别方法，通过在营区内选择多个监控点测量出各行驶车辆的速度并进行记录处理，解决了现有技术中通过雷达监测营区内车速存在信息泄漏、投资费用较大并且存在干扰特定设备的风险，实现了可在多个监控点测量车辆速度并且数据实时保存和上传，能够进行实时报警的效果，提升了营区内的车速管理效果。附图说明图1为本专利技术实施例一提供的一种营区车辆超速判别方法的流程示意图；图2为本专利技术实施例二提供的一种营区车辆超速判别方法的流程示意图；图3为本专利技术实施例三提供的一种营区车辆超速判别装置的结构示意图；图4为本专利技术实施例四提供的一种电子设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。此外，术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等，但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一模块为第二模块，且类似地，可将第二模块称为第一模块。第一模块和第二模块两者都是模块，但其不是同一模块。术语“第一”、“第二”等而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本专利技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。实施例一图1为本专利技术实施例一提供的一种营区车辆超速判别方法的流程示意图，本实施例提供的一种营区车辆超速判别方法适用于在营区内对车辆车速进行实时监控的情况，具体地，本实施例提供的一种营区车辆超速判别方法，包括以下步骤：步骤100、根据营区情况选择多个监控点。在本实施例中，在营区中首先选择多个合适的监控点，该监控点设置摄像头与参照物便于进行图像获取，示例性的，例如在路口或者拐弯处设置摄像头，在车辆驶过时，摄像头可以进行实时抓拍，通过多处抓拍车辆行驶图像，可以在适合的计算方法内确定车辆速度。步骤110、根据所述监控点获取车辆的行驶数据。在本实施例中，通过设置的多个监控点来获取车辆的行驶数据，该行驶数据包括汽车车速、行驶情况、是否违规等等，具体地，在本实施中，步骤110包括：步骤111、根据所述监控点选择多个静态参考点。具体地，根据所述监控点选择多个静态参考点还包括：记录车辆遮挡所述多个静态参考点的遮挡时间；根据所述遮挡时间获取车辆的行驶数据。步骤112、根据所述静态参考点获取车辆的行驶数据。在本实施例中，静态参考点设置与摄像头对面，当汽车行驶过摄像头时，可以通过遮挡静态参考点的时间来判断车辆速度。示例性的，以设置三个静态参考点为例进行说明，第一参考点识别到车辆和第一静态参考点被遮挡的第一个图像帧，记录第一个时间点S1；第二参考点识别到车辆和车牌，准确记录到车辆车牌以确认车辆身份；第三参考点识别车辆和第二参考点被遮挡的第一个图像帧，记录第二个时间点S2，据此，车速＝参考点间距离/(S2-S1)。步骤120、将所述行驶数据输入到训练好的深度学习模型中以判断车辆是否超速。...

【技术保护点】
1.一种营区车辆超速判别方法，其特征在于，包括：/n根据营区情况选择多个监控点；/n根据所述监控点获取车辆的行驶数据；/n将所述行驶数据输入到训练好的深度学习模型中以判断车辆是否超速。/n

【技术特征摘要】
1.一种营区车辆超速判别方法，其特征在于，包括：
根据营区情况选择多个监控点；
根据所述监控点获取车辆的行驶数据；
将所述行驶数据输入到训练好的深度学习模型中以判断车辆是否超速。


2.根据权利要求1中所述的营区车辆超速判别方法，其特征在于，所述根据所述监控点获取车辆的行驶数据包括：
根据所述监控点选择多个静态参考点；
根据所述静态参考点获取车辆的行驶数据。


3.根据权利要求2中所述的营区车辆超速判别方法，其特征在于，所述根据所述静态参考点获取车辆的行驶数据包括：
记录车辆遮挡所述多个静态参考点的遮挡时间；
根据所述遮挡时间获取车辆的行驶数据。


4.根据权利要求1中所述的营区车辆超速判别方法，其特征在于，所述根据所述监控点获取车辆的行驶数据之后还包括：
选择训练样本对未训练好的深度学习模型进行训练。


5.根据权利要求4中所述的营区车辆超速判别方法，其特征在于，所述选择训练样本对未训练好的深度学习模型进行训练包括：
选择多个监控点获取车辆的行驶数据作为训练样本；
将所述训练样本输入到未训练好的深度学习模型中以获取训练好的深度学习...

【专利技术属性】
技术研发人员：刘春江，段璞，
申请(专利权)人：上海上大鼎正软件股份有限公司，
类型：发明
国别省市：上海;31