基于视频识别的车辆称重方法、装置、存储介质及处理器制造方法及图纸

本申请实施例提供一种基于视频识别的车辆称重方法、装置、处理器及存储介质。该车辆称重方法用于对进入称重区域内的待称重车辆进行称重，车辆称重方法包括：采集称重区域的视频图像；基于预先建立的目标检测模型，识别视频图像中是否包括待称重车辆以及识别所识别到的待称重车辆上是否包括异常物体；在从视频图像中识别到待称重车辆的情况下，确定待称重车辆的在称位置；以及在待称重车辆的在称位置满足预设的位置条件且待称重车辆未包括异常物体的情况下，对待称重车辆进行称重。本申请实施例能够全程实时监控待称重车辆和异常物体，实现无人值守，且避免异物物体的干扰，识别判断的准确性高。判断的准确性高。判断的准确性高。

【技术实现步骤摘要】
基于视频识别的车辆称重方法、装置、存储介质及处理器


[0001]本申请涉及计算机
，具体涉及一种基于视频识别的车辆称重方法、称重装置、存储介质及处理器。

技术介绍

[0002]车辆称重是指对卡车处于空车和处于拉满货的状态的重量分别称重，以防止车辆人员的称重作弊行为。通常对于车辆称重监测采用人工检查法或无人检查法。人工检查法需要人为检查车辆是否位于规定的称重位置上，以及检测车辆上是否存在异常情况，这不仅耗费了大量人力，而且工作内容繁琐、重复。传统的无人检查法主要是采用传感器法，具体做法是利用红外传感器来感应车辆的位置，从而判断车辆是否位于规定的称重位置上。但是，该无人检查法容易受到其他物体的干扰，如千斤顶或者其他异物的干扰，虽然该方法中可以采用抓拍照片的记录方式，但是所抓拍的照片需要人工检查才能判断作弊行为。因此，传统的无人检查法同样需要人工参与，耗费人力资源。另外，传统的无人检查法无法做到全过程监控，其检查的准确性也不高。

技术实现思路

[0003]本申请实施例的目的是提供一种基于视频识别的车辆称重方法、装置、存储介质及处理器。
[0004]为了实现上述目的，本申请第一方面提供一种基于视频识别的车辆称重方法，所述车辆称重方法包括：采集称重区域的视频图像，该称重区域内设置有称重计以称重车辆；基于预先建立的目标检测模型，从所述视频图像中识别是否存在待称重车辆以及识别所述待称重车辆上是否包括异常物体；在从所述视频图像中识别到所述待称重车辆的情况下，确定所述待称重车辆的在称位置；基于所确定的在称位置，判断所述待称重车辆是否在预设的称重位置上；以及在所述待称重车辆未包括异常物体且其在称位置在所述预设的称重位置的情况下，对所述待称重车辆进行称重。
[0005]在本申请实施例中，所述目标检测模型通过以下步骤而被预先建立：分别采集有关所述待称重车辆和所述异常物体的图像样本数据；对所述图像样本数据进行基于神经网络模型的训练，以得到能够识别所述待称重车辆和所述异常物体的所述目标检测模型。
[0006]本申请实施例中，所述神经网络模型包括深度学习框架，所述深度学习框架将所述视频图像划分多个网格，并对所述网格中的目标物体进行预测。
[0007]在本申请实施例中，所述确定所述待称重车辆的在称位置，包括：获取所述待称重车辆在所述视频图像中的车辆轮廓；基于所获取的车辆轮廓，建立用于表征所述待称重车辆的在称位置的位置坐标框。
[0008]在本申请实施例中，所述基于所确定的在称位置，判断所述待称重车辆是否在预计的称重位置上，包括：获取所述称重计在所述视频图像中的位置轮廓，并基于该位置轮廓得到所述称重计的位置坐标框；若所述待称重车辆的位置坐标框处于所述称重计的位置坐
标框内，则确定所述待称重车辆位于所规定的称重位置上。
[0009]在本申请实施例中，所述基于所述目标检测模型，识别所述待称重车辆上是否包括所述异常物体，包括：抓取所述视频图像中的多个目标物体；若所述目标物体与所述目标检测模型中的有关所述异常物体的图像样本数据一致，则确定所述目标物体为所述异常物体；确定所述异常物体的位置，以得到所述异常物体的位置坐标框；若所述异常物体的位置坐标框与所述待称重车辆的位置坐标框相交，则确定所述待称重车辆包括所述异常物体。
[0010]本申请第二方面提供一种基于视频识别的车辆称重装置，所述车辆称重装置包括：采集模块，用于采集称重区域的视频图像，该称重区域内设置有称重计以称重车辆；识别模块，用于基于预先建立的目标检测模型，从所述视频图像中识别是否存在待称重车辆以及识别所述待称重车辆上是否包括异常物体；确定模块，用于在从所述视频图像中识别到所述待称重车辆的情况下，确定所述待称重车辆的在称位置；以及判断模块，用于基于所确定的在称位置，判断所述待称重车辆是否在预设的称重位置上；以及在所述待称重车辆未包括异常物体且其在称位置在所述预设的称重位置的情况下，对所述待称重车辆进行称重。
[0011]本申请第三方面提供一种处理器，被配置成执行上述第一方面任意一项所述的车辆称重方法。
[0012]本申请第四方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得所述处理器被配置成执行上述的车辆称重方法。
[0013]本申请第五方面提供一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现根据第一方面中任一项所述的车辆称重方法。
[0014]通过上述技术方案，能够全程实时监控待称重车辆和异常物体，实现无人值守，避免异常物体对于称重干扰，识别判断的准确性高。
[0015]本申请实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0016]附图是用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本申请实施例，但并不构成对本申请实施例的限制。在附图中：
[0017]图1示意性示出了根据本申请实施例的车辆称重方法的应用场景示意图；
[0018]图2示意性示出了根据本申请实施例的车辆称重方法的流程示意图；
[0019]图3示意性示出了根据本申请实施例的建立目标检测模型的流程示意图；
[0020]图4示意性示出了根据本申请实施例的确定待称重车辆流程示意图；
[0021]图5示意性示出了根据本申请实施例的待称重车辆位置示意图；
[0022]图6示意性示出了根据本申请实施例判断待称重车辆与称重计相对位置流程示意图；
[0023]图7示意性示出了根据本申请实施例的待称重车辆与称重计相对位置示意图；
[0024]图8示意性示出了根据本申请实施例的另一种待称重车辆与称重计相对位置示意图；
[0025]图9示意性示出了根据本申请实施例的车辆称重装置的结构框图；
[0026]图10示意性示出了根据本申请实施例的计算机设备的内部结构图。
[0027]附图标记说明
[0028]1称重区域2称重计
[0029]3车道引线4待称重车辆的位置坐标框
[0030]5称重计的位置坐标框
具体实施方式
[0031]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解的是，此处所描述的具体实施方式仅用于说明和解释本申请实施例，并不用于限制本申请实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0032]需要说明，若本申请实施例中有涉及方向性指示(诸如上、下、左、右、前、后
……
)，则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
[0033]另外，若本申请实施例中有涉及“第一”、“第二”等的描本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视频识别的车辆称重方法，其特征在于，所述车辆称重方法包括：采集称重区域的视频图像，该称重区域内设置有称重计以称重车辆；基于预先建立的目标检测模型，从所述视频图像中识别是否存在待称重车辆以及识别所述待称重车辆上是否包括异常物体；在从所述视频图像中识别到所述待称重车辆的情况下，确定所述待称重车辆的在称位置；基于所确定的在称位置，判断所述待称重车辆是否在预设的称重位置上；以及在所述待称重车辆未包括异常物体且其在称位置在所述预设的称重位置的情况下，对所述待称重车辆进行称重。2.根据权利要求1所述的车辆称重方法，其特征在于，所述目标检测模型通过以下步骤而被预先建立：分别采集有关所述待称重车辆和所述异常物体的图像样本数据；对所述图像样本数据进行基于神经网络模型的训练，以得到能够识别所述待称重车辆和所述异常物体的所述目标检测模型。3.根据权利要求2所述的车辆称重方法，其特征在于，所述神经网络模型包括深度学习框架，所述深度学习框架将所述视频图像划分多个网格，并对所述网格中的目标物体进行预测。4.根据权利要求1所述的车辆称重方法，其特征在于，所述确定所述待称重车辆的在称位置，包括：获取所述待称重车辆在所述视频图像中的车辆轮廓；基于所获取的车辆轮廓，建立用于表征所述待称重车辆的在称位置的位置坐标框。5.根据权利要求1所述的车辆称重方法，其特征在于，所述基于所确定的在称位置，判断所述待称重车辆是否在预计的称重位置上，包括：获取所述称重计在所述视频图像中的位置轮廓，并基于该位置轮廓得到所述称重计的位置坐标框；若所述待称重车辆的位置坐标框处于所述称重计的位置坐标框内，则确定所述待称重车辆位于所规定的称重位置上。6.根据权利要求4所述的车辆称重方法，其特征在于，所述基于所述目标检测模型，识别所述待称重车辆上是否包括所述异常物体，包括：抓取所述视频图像中的多个目标物体；若所述目标物体与所述目标检测模型中的有关所述异常物体的图像样本数据一致，则确定所述目标物体为所述异常物体；确定所述异常物体的位置，以得到所述异常物体的位置坐标框；若所述异常物体的位置坐标框与所述待称重车辆的位置坐标框相交，则确定所述待称重车辆包括所述异常物体。7.一种基于视频识别的车辆称重装置，其特征在...

【专利技术属性】
技术研发人员：郑邦东，李林芸，熊博颖，吴昀蓁，李虎，程林鹏，
申请(专利权)人：中国建设银行股份有限公司，
类型：发明
国别省市：