压线识别方法及装置、电子设备和存储介质制造方法及图纸

本申请公开了一种压线识别方法及装置、电子设备和存储介质，其中，压线识别方法包括：在当前帧中确定目标车辆对应的车辆区域；检测得到所述当前帧中的目标车辆的目标关键点；利用目标关键点，对当前帧的车辆区域进行修正；基于修正后的所述车辆区域，对所述目标车辆进行压线识别，得到压线识别结果。上述方案，能够提高车辆压线识别的准确性。高车辆压线识别的准确性。高车辆压线识别的准确性。

【技术实现步骤摘要】
压线识别方法及装置、电子设备和存储介质


[0001]本申请涉及图像处理
，特别是涉及一种压线识别方法及装置、电子设备和存储介质。

技术介绍

[0002]随着计算机视觉的发展，计算机视觉技术逐渐在交通监控领域得到了快速发展。例如，大量的高速公路、城市快速路、高架桥、隧道、跨海大桥等道路中，需要对这些交通场景进行监管。计算机视觉技术应用于交通监控领域的快速发展，不仅节约了人力物力和财力，而且能更加快速的了解道路的异常路况，如此种种，不一而足。
[0003]目前，对路段的监管一般采用现场工作人员和协管人员进行现场监督以及通过道路的监控视频进行人为识别道路的压线行为，该方式耗费大量人力资源，并且容易对于压线识别产生偏差，进而造成对道路监管的严谨性难以保障。有鉴于此，如何提高车辆压线识别的准确性成为亟待解决的问题。

技术实现思路

[0004]本申请主要解决的技术问题是提供一种压线识别方法及装置、电子设备和存储介质，能够提高车辆压线识别的准确性。
[0005]为了解决上述技术问题，本申请第一方面提供了一种压线识别方法，包括：在当前帧中确定目标车辆对应的车辆区域；检测得到所述当前帧中的目标车辆的目标关键点；利用所述目标关键点，对所述当前帧的所述车辆区域进行修正；基于修正后的所述车辆区域，对所述目标车辆进行压线识别，得到压线识别结果。
[0006]为了解决上述技术问题，本申请第二方面提供了一种压线识别装置，包括确认模块，用于在当前帧中确定目标车辆对应的车辆区域；检测模块，用于检测得到所述当前帧中的目标车辆的目标关键点；修正模块，用于利用所述目标关键点，对所述当前帧的所述车辆区域进行修正；识别模块，用于基于修正后的所述车辆区域，对所述目标车辆进行压线识别，得到压线识别结果。
[0007]为了解决上述技术问题，本申请第三方面提供了一种电子设备，包括相互耦接的存储器和处理器，存储器中存储有程序指令，处理器用于执行程序指令以实现上述第一方面中的压线识别方法。
[0008]为了解决上述技术问题，本申请第四方面提供了一种计算机可读存储介质，存储有能够被处理器运行的程序指令，程序指令用于实现上述第一方面中的压线识别方法。
[0009]上述方案，通过在当前帧中确定目标车辆对应的车辆区域；并利用位置调整后的目标关键点，对当前帧的车辆区域进行修正，进而基于修正后的车辆区域，对目标车辆进行压线识别，由于对车辆识别过程中，基于目标关键点的位置信息，对车辆位置信息进行修正，故能够提高车辆区域的准确度，进而利用修正后的车辆区域进行压线识别，可以提高车辆压线识别的准确性。
附图说明
[0010]图1是本申请压线识别方法一实施例的流程示意图；图2是图1中步骤S11一实施例的检测区域示意图；图3是图1中步骤S12一实施例的目标关键点调整示意图；图4是图1中步骤S12一实施例的目标关键点调整示意图；图5是本申请压线识别方法一实施例的流程示意图；图6是本申请压线识别装置一实施例的框架示意图；图7是本申请电子设备一实施例的框架示意图；图8是本申请计算机可读存储介质一实施例的框架示意图。
具体实施方式
[0011]下面结合说明书附图，对本申请实施例的方案进行详细说明。
[0012]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本申请。
[0013]本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。
[0014]请参阅图1，图1是本申请压线识别方法一实施例的流程示意图。具体而言，可以包括如下步骤：步骤S11：在当前帧中确定目标车辆对应的车辆区域。
[0015]在一个实施场景中，目标车辆可以是追踪的某一车辆，也可以是当前帧中的某一车辆，具体情况可以在实际情况中进行设置，在此不做限定。当前帧可以是一个视频中某一个画面对应的图像，这个图像可以是对目标区域监控得到的任何一帧图像，本申请中目标区域是道路区域，对道路区域进行监控，得到画面对应的图像。
[0016]在一个实施场景中，该车辆区域可以理解为当前帧中包含该目标车辆的区域，该车辆区域可以是目标车辆的轮廓以内的区域，或者为包含该目标车辆轮廓的预设形状的区域，该预设形状可以为矩形、圆形等。本实施例中，可以通过对当前帧进行车辆检测，以得到目标车辆的位置信息，该位置信息能够定义出该目标车辆的车辆区域。在一具体应用场景中，该车辆区域为矩形区域，对应地，该目标车辆的位置信息可以为该矩形区域的两个顶点的坐标信息，例如为左下顶点与右上顶点的的坐标，又例如为右下顶点与左上顶点的坐标。对于确定目标车辆对应的车辆区域方式具体可以根据实际情况进行确定，在此不做限定。
[0017]本实施例中，可利用车辆检测模型对当前帧进行车辆检测跟踪，以得到当前帧中各车辆的检测区域的相关信息，其中，该检测区域的相关信息可以包括该检测区域的位置信息以及对应车辆标识（如车辆ID）。在一具体应用中，如图2所示，图2是图1中步骤S11一实施例的检测区域示意图，该检测区域11为矩形区域，则该检测区域的位置信息可以为检测区域的两个顶点的坐标信息，例如为左下顶点与右上顶点的的坐标，又例如为右下顶点与左上顶点的坐标。其中，车辆检测模型可以为卷积神经网络，可预先将有车辆标注的素材输入到卷积神经网络中进行训练，以得车辆检测模型。
[0018]在得到当前帧中各车辆的检测区域，可选择部分车辆作为目标车辆，进而将目标车辆的检测区域作为目标车辆的车辆区域。具体地，可根据实际需求选择车辆作为目标车辆，例如可选择车牌不符合规定的车辆、在车道线内的车辆、超速的车辆等等作为目标车辆。
[0019]在一实施场景中，可选择在车道线内的车辆作为目标车辆。对应地，可先对当前帧进行车道线识别，得到车道线识别结果，该车道线识别结果包括当前帧属于车道线的位置信息。进而，基于所述车道线识别结果，将当前帧中位于车道线内的车辆确定为目标车辆。
[0020]在一具体应用场景中，可利用车道线识别模型对图像中的车道线进行检测识别，该车道线识别模型能够检测出车道线结果。本实施例中，该车道线识别模型为Ultra Fast Structure
‑
aware Deep Lane Detection算法模型，具体地，该车道线识别模型可以将输入图像划分为若干细长条，即row achor，并检测出输入图像中的各row achor中属于车道线的块的位置，由此可减少语义分割复杂度，同时也可使用全局特征增加网络了感受野，提升在有车辆遮挡关系下的网络推理能力。
[0021]具体地，车道线数量可以设置为laneMaxNum，row anchor的数量为h，每一个row anchor本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种压线识别方法，其特征在于，包括：在当前帧中确定目标车辆对应的车辆区域；检测得到所述当前帧中的目标车辆的目标关键点；利用所述目标关键点，对所述当前帧的所述车辆区域进行修正；基于修正后的所述车辆区域，对所述目标车辆进行压线识别，得到压线识别结果。2.根据权利要求1所述的方法，其特征在于，所述检测得到所述当前帧中的目标车辆的目标关键点，包括：对所述当前帧中的目标车辆进行关键点检测，得到所述目标车辆的若干关键点；利用所述若干关键点中的预设类型关键点或所述车辆区域的尺寸，对所述若干关键点中的目标关键点进行位置调整；所述利用所述目标关键点，对所述当前帧的所述车辆区域进行修正，包括：利用位置调整后的所述目标关键点，对所述当前帧的所述车辆区域进行修正。3.根据权利要求2所述的方法，其特征在于，所述利用所述若干关键点中的预设类型关键点或所述车辆区域的尺寸，对所述若干关键点中的目标关键点进行位置调整，包括：从所述若干关键点中，查找出符合第一位置条件的至少一个目标关键点；若所述若干关键点中存在所述预设类型关键点，则利用所述预设类型关键点的位置，对所述目标关键点进行位置调整；若所述若干关键点中不存在所述预设类型关键点，且所述目标关键点间不满足预设位置关系，则利用所述车辆区域的尺寸，对所述目标关键点进行位置调整。4.根据权利要求3所述的方法，其特征在于，所述目标关键点包括第一目标关键点和第二目标关键点，所述第一目标关键点的第一轴坐标小于所述第二目标关键点的第一轴坐标；所述利用所述预设类型关键点的位置，对所述目标关键点进行位置调整，包括：分别获取所述预设类型关键点的第一轴坐标与各所述目标关键点的第一轴坐标之间的坐标差值；基于所述坐标差值得到参考差值；利用所述参考差值和所述预设类型关键点的第一轴坐标，确定所述第一目标关键点和第二目标关键点的第一轴坐标，以及利用所述预设类型关键点的第二轴坐标，确定所述第一目标关键点和第二目标关键点的第二轴坐标。5.根据权利要求4所述的方法，其特征在于，所述基于所述坐标差值得到参考差值，包括：选择所有所述目标关键点对应的所述坐标差值中的最大值，作为所述参考差值；所述利用所述参考差值和所述预设类型关键点的第一轴坐标，确定所述第一目标关键点和第二目标关键点的第一轴坐标，包括：将所述预设类型关键点的第一轴坐标与所述参考差值之差，作为所述第一目标关键点的第一轴坐标，以及所述预设类型关键点的第一轴坐标与所述参考差值之和，作为所述第二目标关键点的第一轴坐标；所述利用所述预设类型关键点的第二轴坐标，确定所述第一目标关键点和第二目标关键点的第二轴坐标，包括：
将所述预设类型关键点的第二轴坐标，分别作为所述第一目标关键点和第二目标关键点的第二轴坐标。6.根据权利要求3所述的方法，其特征在于，所述目标关键点包括第一目标关键点和第二目标关键点，所述第一目标关键点的第一轴坐标小于所述第二目标关键点的第一轴坐标；所述预设位置关系为所述第一目标关键点与第二目标关键点在第一轴上的第一距离小于参考距离，所述参考距离为所述车辆区域的宽的预设比值；所述利用所述车辆区域的尺寸，对所述目标关键点进行位置调整，包括：从所述第一目标关键点和第二目标关键点中，选出符合第二位置条件的参考关键点；利用所述参考关键点的坐标和所述车辆区域的宽，确定所述第一目标关键点和第二目标关键点的坐标。7.根据权利要求6所述的方法，其特征在于，所述第二位置条件为在所述第一目标关键点和第二目标关键点中所述第二轴坐标最大的目标关键点；和/或，所述利用所述参考关键点的坐标和所述车辆区域的宽，确定所述第一目标关键点和第二目标关键点的坐标，包括：若所述预设位置关系为所述第一目标关键点与第二目标关键点均位于第一侧顶点在第一轴上的参考距离范围内，则将所述参考关键点的坐标作为所述第一目标关键点的坐标，将所述参考关键点的第一轴坐标与所述参考距离之和作为所述第二目标关键点的第一轴坐标，将所述参考关键点的第二轴坐标作为所述第二目标关键点的第二轴坐标；若所述预设位置关系为所述第一目标...

【专利技术属性】
技术研发人员：魏东东，吴忠人，陆晓栋，周永哲，黄鹏，孙舒婷，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：