一种基于无人机的渣土车套牌识别方法及系统技术方案

本发明专利技术实施例提供一种基于无人机的渣土车套牌识别方法及系统，通过对无人机反馈的航拍监控视频按照航拍监控图像帧的时间顺序依次获取航拍监控视频中的一个航拍监控图像帧作为当前监控图像帧以及当前监控图像帧之后的至少一个航拍监控图像帧作为融合监控图像帧；然后，获取至少一个待识别渣土车对应的显著性标识信息，显著性标识信息包括针对相应的待识别渣土车的至少一种显著性特征，显著性特征包括与待识别渣土车的可视化特征对应的特征标识信息；最后，根据显著性标识信息以及每次采集得到的当前监控图像帧以及融合监控图像帧进行特征分析，以判断无人机当前监控的渣土车场景中是否存在套牌渣土车。如此，结合无人机实现套牌渣土车的自动识别。人机实现套牌渣土车的自动识别。人机实现套牌渣土车的自动识别。

【技术实现步骤摘要】
一种基于无人机的渣土车套牌识别方法及系统


[0001]本专利技术涉及无人机及车辆监控
，具体而言，涉及一种基于无人机的渣土车套牌识别方法及系统。

技术介绍

[0002]渣土车，也称拉土车、运渣车，如常见的有运送砂石等渣土材料的大型翻斗车、卡车等，一般为大型载重卡车。
[0003]随着无人机技术的不断发展以及较大范围的推广应用，无人机在城市管理中的各个领域被逐渐应用及推广，并在各种场景下的监控和应用极大的提高了相关的监控效果。基于此，在一些特别的渣土车场景中，如何有效利用无人机实现渣土车的监管（如渣土车套牌行为识别）是本领域正在研究的一项重要性课题。

技术实现思路

[0004]鉴于上述提及的问题，本专利技术实施例提供一种基于无人机的渣土车套牌识别方法，应用于与无人机通信连接的渣土车监控中心，所述方法包括：获取无人机针对待监控的渣土车场景进行航拍监控反馈的航拍监控视频，所述航拍监控视频包括针对渣土车进行拍摄得到的两个或两个以上航拍监控图像帧；按照所述航拍监控图像帧的时间顺序依次获取所述航拍监控视频中的一个航拍监控图像帧作为当前监控图像帧以及所述当前监控图像帧之后的至少一个航拍监控图像帧作为融合监控图像帧；获取至少一个待识别渣土车对应的显著性标识信息，所述显著性标识信息包括针对相应的待识别渣土车的至少一种显著性特征，所述显著性特征包括与待识别渣土车的可视化特征对应的特征标识信息；根据所述显著性标识信息以及每次采集得到的当前监控图像帧以及融合监控图像帧进行特征分析，以判断所述无人机当前监控的渣土车场景中是否存在套牌渣土车。
[0005]进一步地，所述根据所述显著性标识信息以及每次采集得到的当前监控图像帧以及融合监控图像帧进行特征分析，以判断所述无人机当前监控的渣土车场景中是否存在套牌渣土车，包括：根据所述显著性标识信息，对所述当前监控图像帧和所述融合监控图像帧分别进行关键信息采集，得到所述当前监控图像帧的第一关键可视化特征和所述融合监控图像帧的第二关键可视化特征，所述第一关键可视化特征至少用于表征所述当前监控图像帧所包括的可视化特征与所述显著性标识信息之间的特征关联度，所述第二关键可视化特征至少用于表征所述融合监控图像帧所包括的可视化特征与所述显著性标识信息之间的特征关联度；对所述第一关键可视化特征和所述第二关键可视化特征进行组合，得到所述当前监控图像帧的关键可视化组合特征；
将所述关键可视化组合特征与预先建立在所述渣土车监控中心的数据库中存储的与所述显著性标识信息对应的标准可视化特征进行比对分析，判断所述无人机当前监控的渣土车场景中是否存在套牌渣土车。
[0006]进一步地，所述将所述关键可视化组合特征与预先建立在所述渣土车监控中心的数据库中存储的与所述显著性标识信息对应的标准可视化特征进行比对分析，判断所述无人机当前监控的渣土车场景中是否存在套牌渣土车，包括：将所述关键可视化组合特征与所述数据库中存储的与所述显著性标识信息对应的标准可视化特征进行匹配度分析，当所述数据库中存储的与所述显著性标识信息对应的标准可视化特征和所述关键可视化组合特征匹配时，则判断所述无人机当前监控的渣土车场景中不存在套牌渣土车；当所述数据库中存储的与所述显著性标识信息对应的标准可视化特征和所述关键可视化组合特征不匹配时，则判断所述无人机当前监控的渣土车场景中存在套牌渣土车；所述方法还包括：当判断所述无人机当前监控的渣土车场景中存在套牌渣土车时，向设定的预警设备发送渣土车套牌预警信息，所述渣土车套牌预警信息包括所述无人机当前所监控场景的位置信息以及疑似套牌的目标渣土车的相关车辆信息，以通知相关人员到现场进行处理。
[0007]进一步地，根据所述显著性标识信息，对所述当前监控图像帧进行关键信息采集，得到所述当前监控图像帧的第一关键可视化特征，包括：对所述显著性标识信息进行关键信息采集，得到所述显著性标识信息的标识特征向量；对所述当前监控图像帧中的两个或两个以上感兴趣区域进行关键信息采集，得到所述两个或两个以上感兴趣区域的兴趣区域关键信息；基于所述标识特征向量和所述两个或两个以上感兴趣区域的兴趣区域关键信息，确定所述两个或两个以上感兴趣区域的区域关联等级，其中，所述感兴趣区域的区域关联等级表征所述感兴趣区域与所述显著性标识信息之间的特征关联度；基于所述两个或两个以上感兴趣区域的区域关联等级，对所述两个或两个以上感兴趣区域的兴趣区域关键信息进行信息融合，得到所述第一关键可视化特征；其中，所述基于所述标识特征向量和所述两个或两个以上感兴趣区域的兴趣区域关键信息，确定所述两个或两个以上感兴趣区域的区域关联等级，包括：分别获取所述标识特征向量与两个或两个以上兴趣区域关键信息之间的第一相关性参数；对获取到的两个或两个以上第一相关性参数进行参数等级映射，得到所述两个或两个以上感兴趣区域的区域关联等级。
[0008]进一步地，所述融合监控图像帧包括两个或两个以上，所述对所述第一关键可视化特征和所述第二关键可视化特征进行组合，得到所述当前监控图像帧的关键可视化组合特征，包括：根据所述第一关键可视化特征与两个或两个以上第二关键可视化特征之间的第二相关性参数，从所述两个或两个以上融合监控图像帧中获取最大的第二相关性参数对应
的所述融合监控图像帧，所述第二相关性参数至少用于表征所述融合监控图像帧所包括的可视化特征与所述当前监控图像帧所包括的可视化特征之间的特征差异度；将所述第一关键可视化特征和获取的所述融合监控图像帧的第二关键可视化特征进行组合，得到所述关键可视化组合特征；其中，所述对所述第一关键可视化特征和所述第二关键可视化特征进行组合，得到所述当前监控图像帧的关键可视化组合特征之后，所述方法还包括：对所述关键可视化组合特征进行特征归类，得到所述当前监控图像帧与所述显著性标识信息之间的关联度指标；如果所述关联度指标大于关联度指标阈值，从所述当前监控图像帧中，获取与所述显著性标识信息关联的图像区域，所述显著性标识信息与所述图像区域关联是指所述图像区域所包括的可视化特征与所述显著性标识信息关联；所述如果所述关联度指标大于关联度指标阈值，从所述当前监控图像帧中，获取与所述显著性标识信息关联的图像区域，包括：如果所述关联度指标大于所述关联度指标阈值，根据所述当前监控图像帧中两个或两个以上感兴趣区域的区域关联等级，从所述当前监控图像帧中选取对应的区域关联等级大于预设区域关联等级的两个或两个以上目标感兴趣区域，其中，所述感兴趣区域的区域关联等级表征所述感兴趣区域与所述显著性标识信息之间的特征关联度；确定所述两个或两个以上目标感兴趣区域在所述当前监控图像帧中的各个不同的目标定位框；基于所述两个或两个以上目标感兴趣区域的各个不同的目标定位框，从所述当前监控图像帧中获取包括至少两个目标感兴趣区域的图像区域；其中，如果所述关联度指标小于或等于所述关联度指标阈值，所述方法还包括：获取下一个显著性标识信息，回到根据所述显著性标识信息以及每次采集得到的当前监控图像帧以及融合监控图像帧进行特征分析，以判断所述无人机当前监控的渣土车场景中是否存在套牌渣土车的步骤，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机的渣土车套牌识别方法，其特征在于，应用于与无人机通信连接的渣土车监控中心，所述方法包括：获取无人机针对待监控的渣土车场景进行航拍监控反馈的航拍监控视频，所述航拍监控视频包括针对渣土车进行拍摄得到的两个或两个以上航拍监控图像帧；按照所述航拍监控图像帧的时间顺序依次获取所述航拍监控视频中的一个航拍监控图像帧作为当前监控图像帧以及所述当前监控图像帧之后的至少一个航拍监控图像帧作为融合监控图像帧；获取至少一个待识别渣土车对应的显著性标识信息，所述显著性标识信息包括针对相应的待识别渣土车的至少一种显著性特征，所述显著性特征包括与待识别渣土车的可视化特征对应的特征标识信息；根据所述显著性标识信息以及每次采集得到的当前监控图像帧以及融合监控图像帧进行特征分析，以判断所述无人机当前监控的渣土车场景中是否存在套牌渣土车。2.根据权利要求1所述的方法，其特征在于，所述根据所述显著性标识信息以及每次采集得到的当前监控图像帧以及融合监控图像帧进行特征分析，以判断所述无人机当前监控的渣土车场景中是否存在套牌渣土车，包括：根据所述显著性标识信息，对所述当前监控图像帧和所述融合监控图像帧分别进行关键信息采集，得到所述当前监控图像帧的第一关键可视化特征和所述融合监控图像帧的第二关键可视化特征，所述第一关键可视化特征至少用于表征所述当前监控图像帧所包括的可视化特征与所述显著性标识信息之间的特征关联度，所述第二关键可视化特征至少用于表征所述融合监控图像帧所包括的可视化特征与所述显著性标识信息之间的特征关联度；对所述第一关键可视化特征和所述第二关键可视化特征进行组合，得到所述当前监控图像帧的关键可视化组合特征；将所述关键可视化组合特征与预先建立在所述渣土车监控中心的数据库中存储的与所述显著性标识信息对应的标准可视化特征进行比对分析，判断所述无人机当前监控的渣土车场景中是否存在套牌渣土车。3.根据权利要求2所述的方法，其特征在于，所述将所述关键可视化组合特征与预先建立在所述渣土车监控中心的数据库中存储的与所述显著性标识信息对应的标准可视化特征进行比对分析，判断所述无人机当前监控的渣土车场景中是否存在套牌渣土车，包括：将所述关键可视化组合特征与所述数据库中存储的与所述显著性标识信息对应的标准可视化特征进行匹配度分析，当所述数据库中存储的与所述显著性标识信息对应的标准可视化特征和所述关键可视化组合特征匹配时，则判断所述无人机当前监控的渣土车场景中不存在套牌渣土车；当所述数据库中存储的与所述显著性标识信息对应的标准可视化特征和所述关键可视化组合特征不匹配时，则判断所述无人机当前监控的渣土车场景中存在套牌渣土车；所述方法还包括：当判断所述无人机当前监控的渣土车场景中存在套牌渣土车时，向设定的预警设备发送渣土车套牌预警信息，所述渣土车套牌预警信息包括所述无人机当前所监控场景的位置信息以及疑似套牌的目标渣土车的相关车辆信息，以通知相关人员到现场进行处理。4.根据权利要求2所述的方法，其特征在于，根据所述显著性标识信息，对所述当前监
控图像帧进行关键信息采集，得到所述当前监控图像帧的第一关键可视化特征，包括：对所述显著性标识信息进行关键信息采集，得到所述显著性标识信息的标识特征向量；对所述当前监控图像帧中的两个或两个以上感兴趣区域进行关键信息采集，得到所述两个或两个以上感兴趣区域的兴趣区域关键信息；基于所述标识特征向量和所述两个或两个以上感兴趣区域的兴趣区域关键信息，确定所述两个或两个以上感兴趣区域的区域关联等级，其中，所述感兴趣区域的区域关联等级表征所述感兴趣区域与所述显著性标识信息之间的特征关联度；基于所述两个或两个以上感兴趣区域的区域关联等级，对所述两个或两个以上感兴趣区域的兴趣区域关键信息进行信息融合，得到所述第一关键可视化特征；其中，所述基于所述标识特征向量和所述两个或两个以上感兴趣区域的兴趣区域关键信息，确定所述两个或两个以上感兴趣区域的区域关联等级，包括：分别获取所述标识特征向量与两个或两个以上兴趣区域关键信息之间的第一相关性参数；对获取到的两个或两个以上第一相关性参数进行参数等级映射，得到所述两个或两个以上感兴趣区域的区域关联等级。5.根据权利要求2所述的方法，其特征在于，所述融合监控图像帧包括两个或两个以上，所述对所述第一关键可视化特征和所述第二关键可视化特征进行组合，得到所述当前监控图像帧的关键可视化组合特征，包括：根据所述第一关键可视化特征与两个或两个以上第二关键可视化特征之间的第二相关性参数，从所述两个或两个以上融合监控图像帧中获取最大的第二相关性参数对应的所述融合监控图像帧，所述第二相关性参数至少用于表征所述融合监控图像帧所包括的可视化特征与所述当前监控图像帧所包括的可视化特征之间的特征差异度；将所述第一关键可视化特征和获取的所述融合监控图像帧的第二关键可视化特征进行组合，得到所述关键可视化组合特征；其中，所述对所述第一关键可视化特征和所述第二关键可视化特征进行组合，得到所述当前监控图像帧的关键可视化组合特征之后，所述方法还包括：对所述关键可视化组合特征进行特征归类，得到所述当前监控图像帧与所述显著性标识信息之间的关联度指标；如果所述关联度指标大于关联度指标阈值，从所述当前监控图像帧中，获取与所述显著性标识信息关联的图像区域，所述显著性标识信息与所述图像区域关联是指所述图像区域所包括的可视化特征与所述显著性标识信息关联；所述如果所述关联度指标大于关联度指标阈值，从所述当前监控图像帧中，获取与所述显著性标识信息关联的图像区域，包括：如果所述关联度指标大于所述关联度指标阈值，根据所述当前监控图像帧中两个或两个以上感兴趣区域的区域关联等级，从所述当前监控图像帧中选取对应的区域关联等级大于预设区域关联等级的两个或两个以上目标感兴趣区域，其中，所述感兴趣区域的区域关联等级表征所述感兴趣区域与所述显著性标识信息之...

【专利技术属性】
技术研发人员：杨翰翔，付正武，
申请(专利权)人：深圳联和智慧科技有限公司，
类型：发明
国别省市：