本申请实施例公开了一种车辆违停识别方法以及相关设备，用于识别车辆是否违停。本申请实施例方法包括：连续采集停泊场地的多帧车辆图像，停泊场地划分有N个泊位区域，根据多帧车辆图像，确定至少一个车辆的运动轨迹，将至少一个车辆中运动轨迹满足预设条件的车辆确定为静止车辆，根据静止车辆的车辆图像，获得静止车辆的2D检测框，将静止车辆的2D检测框内的车辆图像区域输入预先训练的3D框回归模型，得到静止车辆的3D检测框，根据静止车辆的3D检测框获得静止车辆的底盘区域，计算底盘区域和N个泊位区域中每个泊位区域的交并比，根据静止车辆的3D检测框和N个泊位区域获得车辆角度，根据N个交并比及车辆角度，判断静止车辆是否违停。否违停。否违停。
【技术实现步骤摘要】
车辆违停识别方法以及相关设备
[0001]本申请实施例涉及图像处理
，更具体地，是车辆违停识别方法、图像采集设备以及计算机可读存储介质。
技术介绍
[0002]随着科技技术的发展，车位级管理是智慧城市发展的关键一环，利用智能监控完成对泊位的高效利用十分重要。由于各种原因，部分车辆通过停在泊位外、斜停、横停等等方式进行停车逃费或浪费泊位资源，车辆的违停识别成为其中的重要一步。目标检测技术被广泛用于视频监控，其中比较常见的有2D检测框检测和3D检测框检测。
[0003]利用2D检测框检测的目标检测技术进行车辆违停识别的方法是，图像采集设备先连续采集停泊场地的多帧车辆图像，其中，停泊现场划分有至少一个泊位区域，然后用最小外接矩将多帧车辆图像中显示车辆图像的区域框起来，该最小外接矩为2D检测框，再计算2D检测框围成的区域和每个泊位区域的的交并比，最后根据交并比判断交并比对应的车辆是否违停。但是，可以理解的是，判断车辆是否违停的重要方式是将车辆的底盘区域和泊位区域进行比较，而用2D检测框检测的方法只是框住了车辆的轮廓，将车辆轮廓获得的最小外接矩围成的区域与泊位区域进行比较并不能准确判断出车辆是否违停。
[0004]利用3D检测框检测的目标检测技术进行车辆违停识别的方法是，图像采集设备先连续采集停泊场地的多帧车辆图像，其中，停泊现场划分有至少一个泊位区域，然后用最小3D框将多帧车辆图像中显示车辆图像的区域框起来，该最小3D框为3D检测框，再根据3D检测框得到车辆的底盘区域，并计算车辆的底盘区域和和每个泊位区域的的交并比，最后根据交并比判断交并比对应的车辆是否违停。将车辆的底盘区域和泊位区域进行比较进行车辆的违停识别，相对2D检测框检测的方法来说，识别的准确性较高，但是，现有的利用3D检测框检测进行车辆违停识别不仅仅对静止的车辆进行识别，还对运动的车辆进行识别，而3D检测框检测需要的信息多，计算过程中占用的资源多，消耗时间长，难以达到实时处理的效果。
技术实现思路
[0005]本申请实施例提供了一种车辆违停识别方法、图像采集设备以及计算机可读存储介质，能够识别车辆是否违停。
[0006]第一方面，本申请实施例提供了一种车辆违停识别方法，包括：
[0007]连续采集停泊场地的多帧车辆图像，所述停泊场地划分有N个泊位区域，所述N大于等于1；
[0008]根据所述多帧车辆图像，确定至少一个车辆的运动轨迹；
[0009]将所述至少一个车辆中运动轨迹满足预设条件的车辆确定为静止车辆；
[0010]根据所述静止车辆的车辆图像，获得所述静止车辆的2D检测框；
[0011]将所述静止车辆的2D检测框内的车辆图像区域输入预先训练的3D框回归模型，得
到所述静止车辆的3D检测框；
[0012]根据所述静止车辆的3D检测框获得所述静止车辆的底盘区域；
[0013]计算所述底盘区域和所述N个泊位区域中每个泊位区域的交并比，得到N个交并比；
[0014]根据所述静止车辆的底盘区域和所述N个泊位区域获得车辆角度，所述车辆角度为所述静止车辆的底盘区域与泊位区域的纵向方向的角度；
[0015]根据所述N个交并比及所述车辆角度，判断所述静止车辆是否违停。
[0016]可选的，根据所述多帧车辆图像，确定至少一个车辆的运动轨迹，包括：
[0017]将所述多帧车辆图像输入预先训练完成的车辆检测识别模型，得到至少一个车辆的2D检测框；
[0018]将所述至少一个车辆的2D检测框进行分组，得到至少一个车辆的检测框队列；
[0019]根据所述检测框队列中包含的2D检测框，确定所述检测框队列对应的车辆的运动轨迹。
[0020]可选的，根据所述检测框队列中包含的2D检测框，确定所述检测框队列对应的车辆的运动轨迹，包括：
[0021]根据所述检测框队列中包含的2D检测框的中心点，确定所述2D检测框的中心点的运动轨迹为所述检测框队列对应的车辆的运动轨迹。
[0022]可选的，将所述至少一个车辆中运动轨迹满足预设条件的车辆确定为静止车辆，包括：
[0023]将所述至少一个车辆中运动轨迹的变化小于预设变化阈值的车辆确定为所述静止车辆。
[0024]可选的，将所述静止车辆的2D检测框内的车辆图像区域输入预先训练的3D框回归模型之前，所述方法还包括：
[0025]获得所述停泊场地的多帧车辆图像样本，所述车辆图像样本标注有车辆的3D检测框；
[0026]将所述多帧车辆图像样本输入3D框回归模型，得到3D框回归模型输出的预测3D检测框；
[0027]根据回归损失函数计算所述预测3D检测框与标注的3D检测框之间的损失，当所述损失满足收敛条件时，得到训练完成的3D框回归模型。
[0028]可选的，获得所述静止车辆的2D检测框之后，所述将所述静止车辆的2D检测框内的车辆图像区域输入预先训练的3D框回归模型，得到所述静止车辆的3D检测框之前，所述方法还包括：
[0029]将所述静止车辆的2D检测框进行外扩，得到所述静止车辆的2D外扩检测框；
[0030]所述将所述静止车辆的2D检测框内的车辆图像区域输入预先训练的3D框回归模型，得到所述静止车辆的3D检测框包括：
[0031]将所述静止车辆的2D外扩检测框内的车辆图像区域输入所述预先训练的3D框回归模型，得到所述静止车辆的3D检测框。
[0032]可选的，静止车辆的3D检测框的坐标值为相对坐标值，所述根据所述静止车辆的3D检测框获得所述静止车辆的底盘区域，包括：
[0033]根据所述静止车辆的3D检测框的相对坐标值，所述2D外扩检测框左上角点的实际坐标值，所述2D外扩检测框的宽和所述2D外扩检测框的高反向计算所述静止车辆的3D检测框的实际坐标值；
[0034]根据所述静止车辆的3D检测框的实际坐标值获得所述静止车辆的底盘区域。
[0035]可选的，根据所述N个交并比及所述车辆角度，判断所述静止车辆是否违停，包括：
[0036]若N个所述交并比全部小于预设交并比阈值，则确定所述静止车辆的违停情况为停在泊位区域外；
[0037]若至少两个所述交并比大于所述预设交并比阈值，则确定所述静止车辆的违停情况为横停；
[0038]若仅有一个所述交并比大于所述预设交并比阈值，且所述车辆角度小于预设角度阈值，则确定所述静止车辆正常停在所述至少一个泊位区域内；
[0039]若仅有一个所述交并比大于所述预设交并比阈值，且所述车辆角度大于或等于所述预设角度阈值，则确定所述静止车辆的违停情况为斜停。
[0040]第二方面，本申请实施例提供了一种图像采集设备，包括：
[0041]采集单元，用于连续采集停泊场地的多帧车辆图像，所述停泊场地划分有N个泊位区域，所述N大于等于1；
[0042]确定单元，用于根据所述多帧车辆图像，确定至少一个车辆的运动轨迹；
[0043]所述确本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车辆违停识别方法，其特征在于，包括：连续采集停泊场地的多帧车辆图像，所述停泊场地划分有N个泊位区域，所述N大于等于1；根据所述多帧车辆图像，确定至少一个车辆的运动轨迹；将所述至少一个车辆中运动轨迹满足预设条件的车辆确定为静止车辆；根据所述静止车辆的车辆图像，获得所述静止车辆的2D检测框；将所述静止车辆的2D检测框内的车辆图像区域输入预先训练的3D框回归模型，得到所述静止车辆的3D检测框；根据所述静止车辆的3D检测框获得所述静止车辆的底盘区域；计算所述底盘区域和所述N个泊位区域中每个泊位区域的交并比，得到N个交并比；根据所述静止车辆的底盘区域和所述N个泊位区域获得车辆角度，所述车辆角度为所述底盘区域的纵向方向与泊位区域的纵向方向的角度；根据所述N个交并比及所述车辆角度，判断所述静止车辆是否违停。2.根据权利要求1所述的车辆违停识别方法，其特征在于，所述根据所述多帧车辆图像，确定至少一个车辆的运动轨迹，包括：将所述多帧车辆图像输入预先训练完成的车辆检测识别模型，得到至少一个车辆的2D检测框；将所述至少一个车辆的2D检测框进行分组，得到至少一个车辆的检测框队列；根据所述检测框队列中包含的2D检测框，确定所述检测框队列对应的车辆的运动轨迹。3.根据权利要求2所述的车辆违停识别方法，其特征在于，所述根据所述检测框队列中包含的2D检测框，确定所述检测框队列对应的车辆的运动轨迹，包括：根据所述检测框队列中包含的2D检测框的中心点，确定所述2D检测框的中心点的运动轨迹为所述检测框队列对应的车辆的运动轨迹。4.根据权利要求1所述的车辆违停识别方法，其特征在于，所述将所述至少一个车辆中运动轨迹满足预设条件的车辆确定为静止车辆，包括：将所述至少一个车辆中运动轨迹的变化小于预设变化阈值的车辆确定为所述静止车辆。5.根据权利要求1所述的车辆违停识别方法，其特征在于，所述将所述静止车辆的2D检测框内的车辆图像区域输入预先训练的3D框回归模型之前，所述方法还包括：获得所述停泊场地的多帧车辆图像样本，所述车辆图像样本标注有车辆的3D检测框；将所述多帧车辆图像样本输入3D框回归模型，得到3D框回归模型输出的预测3D检测框；根据回归损失函数计算所述预测3D检测框与标注的3D检测框之间的损失，当所述损失满足收敛条件时，得到训练完成的3D框回归模型。6.根据权利要求1所述的车辆违停识别方法，其特征在于，所述获得所述静止车辆的2D检测框之后，所述将所述静止车辆的2D检测框内的车辆图像区域输入预先训练的3D框回归模型，得到所述静止车辆的3D检测框之前，所述方法还...
【专利技术属性】
技术研发人员：曾壮，
申请(专利权)人：深圳市捷顺科技实业股份有限公司，
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。