本发明专利技术公开了一种车辆逆行检测方法和装置及计算机可读存储介质，检测方法包括：获取检测区域内的道路图像，基于神经网络模型确定检测区域内车道为前向车道的概率；获取检测区域内的若干运动的车辆的图像，基于神经网络模型确定若干车辆的逆向行驶概率；根据车道为前向车道的概率和若干车辆的逆向行驶概率，确定若干车辆是否存在逆向行驶行为。本发明专利技术在确定车辆是否存在逆向行驶行为时，在获得车道线的结果后确定这一结果的置信度，相应的，在获得车辆朝向为逆向的结果后也确认这一结果的置信度，基于上述两项结果的置信度确定车辆存在逆向行驶行为，使得本发明专利技术的检测方法可以参考更多的基础信息帮助判断，使检测结果具有更高的鲁棒性。的鲁棒性。的鲁棒性。
【技术实现步骤摘要】
一种车辆逆行检测方法和装置及计算机可读存储介质
[0001]本专利技术属于逆行检测
，具体地说，涉及一种车辆逆行检测方法和装置及计算机可读存储介质。
技术介绍
[0002]随着我国社会经济的快速发展，人口不断扩张和城市化进程的加速，我国的机动车拥有量也在快速提高，随之引发了较多的机动车违章行驶问题。
[0003]现有车辆逆行检测方法大多是在固定场景下，即摄像头架设在卡口或道路上方，拍摄区域相对固定，作用范围有限。同时，现有方法往往只能针对当前车道的逆行行为进行判别，而不能识别周边道路上的逆行行为。
[0004]申请号为CN201811654238.0的专利申请提供了一种车辆违章的监控方法、装置及系统，该方法包括：获取当前监控图像；对当前监控图像进行交通标识识别，得到当前监控图像中包含的交通标识的类别；对当前监控图像进行车辆识别，得到当前监控图像中包含的车辆的信息；根据交通标识的类别和车辆的信息，判断车辆是否违章。
[0005]上述方案采用非否即是的判断方法，判断结果的准确性、可信度均不能满足现有市场的要求。
[0006]有鉴于此特提出本专利技术。
技术实现思路
[0007]本专利技术要解决的技术问题在于克服现有技术的不足，提供一种车辆逆行检测方法，通过得到与逆行有关的各类基础算法结果，然后建立逆行判断逻辑，再判定是否逆行，使得本专利技术的检测方法可以参考更多的基础信息帮助判断，使检测结果具有更高的鲁棒性。
[0008]本专利技术的另一目的是提供一种车辆逆行检测装置。
[0009]本专利技术的另一目的是提供一种计算计可读介质，用于实施上述的车辆逆行检测方法。
[0010]为解决上述技术问题，本专利技术采用技术方案的基本构思是：
[0011]一种车辆逆行检测方法，包括以下步骤：
[0012]获取检测区域内的道路图像，基于神经网络模型确定检测区域内车道为前向车道的概率；
[0013]获取检测区域内的若干运动的车辆的图像，基于神经网络模型确定若干车辆的逆向行驶概率；
[0014]根据车道为前向车道的概率和若干车辆的逆向行驶概率，确定若干车辆是否存在逆向行驶行为。
[0015]进一步的，获取检测区域内的道路图像，和获取检测区域内的若干运动的车辆的图像的方法为：
[0016]对检测区域内的道路信息进行移动式采集并在移动的同时生成图像。
[0017]进一步的，确定检测区域内车道为前向车道的方法包括以下步骤：
[0018]确定进行移动式采集的设备所在车道为前向车道；
[0019]判断道路图像中的车道线是否为虚线，若是，则确定该车道线两侧的车道为前向车道。
[0020]进一步的，确定若干车辆的逆向行驶概率的方法包括：通过运动目标检测算法得到运动目标图，记为M，把当前帧里检测到的所有目标车辆的包围框记为Cn，其中n为1，2，3
…
；
[0021]由此可得运动的车辆On，On＝M
☉
Cn，
[0022]其中
☉
为包围框在图像上的抠图操作；
[0023]将得到的运动车辆图像输入到训练好的逆行检测模型中，得到车辆的逆向行驶概率。
[0024]进一步的，确定若干车辆是否存在逆向行驶行为，包括确定若干车辆中某一目标车辆存在逆向行驶行为的概率，根据目标车辆逆向行驶的概率确定该目标车辆是否存在逆向行驶行为。
[0025]进一步的，确定目标车辆存在逆向行驶行为的概率由式(一)得到：
[0026]式(一)：
[0027]其中，P(R)为车道线为虚线的概率，P(D)为目标车辆朝向为逆向的概率，P(D
n
’
)为目标车辆所在车道上除目标车辆外第n辆车辆朝向为逆向的概率；a1为车道线为虚线的概率的加权系数，a2为目标车辆朝向为逆向的概率的加权系数。
[0028]进一步的，对检测区域内的道路信息进行移动式采集并在移动的同时生成图像之后还包括以下步骤：对检测区域内的道路图像进行场景语义分割。
[0029]一种车辆逆行检测装置，包括：
[0030]数据采集模块，用于对道路信息进行移动式采集并在移动的同时生成数据；
[0031]第一确定模块，用于基于道路信息的数据，确定车道为前向车道的概率；
[0032]第二确定模块，用于基于道路信息的数据，确定车辆为逆向行驶的概率；
[0033]第三确定模块，用于基于车道为前向车道的概率和车辆为逆向行驶的概率确定车辆是否存在逆向行驶行为。
[0034]进一步的，所述数据采集模块包括：
[0035]移动单元，用于在道路上移动；
[0036]摄像单元，与移动单元连接，用于对视野内车辆及车道线的图像采集。
[0037]一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上所述的车辆逆行检测方法的步骤。
[0038]采用上述技术方案后，本专利技术与现有技术相比具有以下有益效果。
[0039]1、本专利技术不同于传统固定场景下违章行为的抓拍，移动摄像头场景下车辆逆行的判断是较为困难的一件事，本专利技术所提出的方案在一定程度上解决了这一问题。
[0040]2、本专利技术提出了首先识别道路场景中各类基本信息，然后通过建立场景启发模型，从而解决了检测车辆逆行违章行驶这个问题。
[0041]3、本专利技术根据各类基础算法的结果构造了一个场景模型，用来对车道上的车做逆行判断，本专利技术不但利用了对象车辆的自身信息，而且利用了该车辆周边的场景信息。
[0042]下面结合附图对本专利技术的具体实施方式作进一步详细的描述。
附图说明
[0043]附图作为本专利技术的一部分，用来提供对本专利技术的进一步的理解，本专利技术的示意性实施例及其说明用于解释本专利技术，但不构成对本专利技术的不当限定。显然，下面描述中的附图仅仅是一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。在附图中：
[0044]图1是本专利技术车辆逆行检测方法的流程示意图；
[0045]图2是本专利技术车辆逆行检测装置的示意图。
[0046]需要说明的是，这些附图和文字描述并不旨在以任何方式限制本专利技术的构思范围，而是通过参考特定实施例为本领域技术人员说明本专利技术的概念。
具体实施方式
[0047]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对实施例中的技术方案进行清楚、完整地描述，以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。
[0048]在本专利技术的描述中，需要说明的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车辆逆行检测方法，其特征在于：包括以下步骤：获取检测区域内的道路图像，基于神经网络模型确定检测区域内车道为前向车道的概率；获取检测区域内的若干运动的车辆的图像，基于神经网络模型确定若干车辆的逆向行驶概率；根据车道为前向车道的概率和若干车辆的逆向行驶概率，确定若干车辆是否存在逆向行驶行为。2.根据权利要求1所述的一种车辆逆行检测方法，其特征在于：获取检测区域内的道路图像，和获取检测区域内的若干运动的车辆的图像的方法为：对检测区域内的道路信息进行移动式采集并在移动的同时生成图像。3.根据权利要求2所述的一种车辆逆行检测方法，其特征在于：确定检测区域内车道为前向车道的方法包括以下步骤：确定进行移动式采集的设备所在车道为前向车道；判断道路图像中的车道线是否为虚线，若是，则确定该车道线两侧的车道为前向车道。4.根据权利要求2所述的一种车辆逆行检测方法，其特征在于：确定若干车辆的逆向行驶概率的方法包括：通过运动目标检测算法得到运动目标图，记为M，把当前帧里检测到的所有目标车辆的包围框记为Cn，其中n为1，2，3
…
；由此可得运动的车辆On，On＝M
☉
Cn，其中
☉
为包围框在图像上的抠图操作；将得到的运动车辆图像输入到训练好的逆行检测模型中，得到车辆的逆向行驶概率。5.根据权利要求1
‑
4任一所述的一种车辆逆行检测方法，其特征在于：确定若干车辆是否存在逆向行驶行为，包括确定若干车辆中某一目标车辆存在逆向行驶行...
【专利技术属性】
技术研发人员：孙涛，常峰，叶松，吴礼财，徐文军，刘海峰，
申请(专利权)人：合肥中科类脑智能技术有限公司，
类型：发明
国别省市：
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。