一种营运客车识别方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例提供了一种营运客车识别方法、装置、电子设备及存储介质，方案如下：获取待识别图像，待识别图像为包括待识别客车前风窗的图像；获取待识别图像中前风窗所在区域的图像，作为待检测车窗图像；检测待检测车窗图像中是否包括客运标志牌，得到第一检测结果；基于第一检测结果，确定待识别客车是否为营运客车。通过本申请实施例提供的技术方案，可以准确确定出营运客车，有效提高了营运客车识别的准确性。的准确性。的准确性。

【技术实现步骤摘要】
一种营运客车识别方法、装置、电子设备及存储介质


[0001]本申请涉及智能交通
，特别是涉及一种营运客车识别方法、装置、电子设备及存储介质。

技术介绍

[0002]智能交通(也称智能交通系统，Intelligent Traffic System，简称ITS)是一种在大范围内、全方位发挥作用的，实时、准确、高效的综合交通运输管理系统。
[0003]在ITS中，由于营运客车的特殊性，如营运客车可以对较多的旅客进行运输，因此，为了保证营运客车的营运规范性，需要加强对营运客车的管控。例如，检测营运客车是否在违规区域上下旅客，检测营运客车是否按照规定路线以及规定时间营运等。目前，如何准确识别出营运客车成为营运客车管控的重要环节。

技术实现思路

[0004]本申请实施例的目的在于提供一种营运客车识别方法、装置、电子设备及存储介质，以提高营运客车识别的准确性。具体技术方案如下：
[0005]本申请实施例提供了一种营运客车识别方法，所述方法包括：
[0006]获取待识别图像，所述待识别图像为包括待识别客车前风窗的图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种营运客车识别方法，其特征在于，所述方法包括：获取待识别图像，所述待识别图像为包括待识别客车前风窗的图像；获取所述待识别图像中所述前风窗所在区域的图像，作为待检测车窗图像；检测所述待检测车窗图像中是否包括客运标志牌，得到第一检测结果；基于所述第一检测结果，确定所述待识别客车是否为营运客车。2.根据权利要求1所述的方法，其特征在于，所述检测所述待检测车窗图像中是否包括客运标志牌，得到第一检测结果的步骤，包括：将所述待检测车窗图像输入至预先训练好的客运标志牌检测模型，确定所述待检测车窗图像中每一目标物的位置信息，以及指示所述目标物为客运标志牌的置信度，作为第一检测结果；其中，所述客运标志牌检测模型是基于第一预设训练集训练得到的，所述第一预设训练集中包括多个样本客车的前风窗所对应的样本车窗图像，以及指示所述样本客车中营运客车的客运标志牌在样本车窗图像中位置的标识信息。3.根据权利要求2所述的方法，其特征在于，所述基于所述第一检测结果，确定所述待识别客车是否为营运客车的步骤，包括：若所述第一检测结果中存在置信度大于预设置信度阈值的目标物，则确定所述待识别客车为营运客车；若所述第一检测结果中不存在置信度大于所述预设置信度阈值的目标物，则确定所述待识别客车为非营运客车。4.根据权利要求2所述的方法，其特征在于，利用以下步骤训练得到所述客运标志牌检测模型：获取所述第一预设训练集；将所述第一预设训练集中每一样本车窗图像输入预设YOLO检测模型，得到每一样本车窗图像的样本检测结果；根据每一样本车窗图像的样本检测结果，以及所述第一预设训练集中的标识信息，计算所述预设YOLO检测模型的第一损失值；当所述第一损失值大于第一损失值阈值时，调节所述预设YOLO检测模型的参数，并返回执行所述将所述第一预设训练集中每一样本车窗图像输入预设YOLO检测模型，得到每一样本车窗图像的样本检测结果的步骤；当所述第一损失值不大于所述第一损失值阈值时，将当前时刻的预设YOLO检测模型确定为训练好的客运标志牌检测模型。5.根据权利要求1所述的方法，其特征在于，在确定所述待识别客车为营运客车后，所述方法还包括：获取所述待识别图像中预设感兴趣区域ROI区域的图像，作为待检测线路图像；所述预设ROI区域是基于所述前风窗所在的位置确定的；检测所述待检测线路图像中是否包括客车运输线路名称，得到第二检测结果；基于所述第二检测结果，确定所述待识别客车所属的营运客车类型。6.根据权利要求5所示的方法，其特征在于，所述检测所述待检测线路图像中是否包括客车运输线路名称，得到第二检测结果的步骤，包括：
将所述待检测线路图像输入预先训练好的线路名称检测模型，确定所述待检测线路图像中是否包括客车运输线路名称，作为第二检测结果；其中，所述线路名称检测模型是基于第二预设训练集训练得到的，所述第二预设训练集包括多个样本营运客车的预设ROI区域所对应的样本线路图像，以及指示每一样本线路图像是否包括客车运输线路名称的标识信息。7.根据权利要求6所述的方法，其特征在于，所述基于所述第二检测结果，确定所述待识别客车所属的营运客车类型的步骤，包括：若所述第二检测结果指示所述待检测线路图像中包括所述客车运输线路名称，则确定所述待识别客车所属的营运客车类型为班车客运；若所述第二检测结果指示所述待检测线路图像中未包括所述客车运输线路名称，则确定所述待识别客车所属的营运客车类型为包车客运。8.根据权利要求6所述的方法，其特征在于，利用以下步骤训练得到所述线路名称检测模型：获取所述第二预设训练集；将所述第二预设训练集中的每一样本线路图像输入预设深度学习网络模型，得到每一样本线路图像的样本检测结果；根据每一样本线路图像的样本检测结果，以及所述第二预设训练集中的标识信息，计算所述预设深度学习网络模型的第二损失值；若所述第二损失值大于第二损失值阈值，则调节所述预设深度学习网络模型的参数，并返回执行所述将所述第二预设训练集中的每一样本线路图像输入预设深度学习网络模型，得到每一样本线路图像的样本检测结果的步骤；若所述第二损失值不大于所述第二损失值阈值，则将当前时刻的预设深度学习网络模型确定为训练好的线路名称检测模型。9.根据权利要求1所述的方法，其特征在于，在确定所述待识别客车为营运客车后，所述方法还包括：对所述待检测车窗图像中所述客运标志牌进行字符识别，得到目标字符串；根据所述目标字符串，确定所述待识别客车所属的营运客车类型。10.根据权利要求9所述的方法，其特征在于，所述根据所述目标字符串，确定所述待识别客车所属的营运客车类型的步骤，包括：若所述目标字符串中包括第一字符，则确定所述待识别客车所属的营运客车类型为班车客运；若所述目标字符串中包括第二字符，则确定所述待识别客车所属的营运客车类型为包车客运；所述第一字符为班车，所述第二字符为包车。11.一种营运客车识别装置，其特征在于，所述装置包括：第一获取模块，用于获取待识别图像，所述待识别图像为包括待识别客车前风窗的图像；第二获取模块，用于获取所述待识别图像中所述前风窗所在区域的图像，作为待检测车窗图像；
第一检测模块，用于检测所述待检测车窗图像中是否包括客运标志牌...

【专利技术属性】
技术研发人员：余声，
申请(专利权)人：上海高德威智能交通系统有限公司，
类型：发明
国别省市：