一种机动车年检制动检测视频智能分析方法技术

本发明专利技术公开了一种机动车年检制动检测视频智能分析方法，涉及机动车年检技术领域。从数据服务器上获取一辆车的制动检测视频，与该车辆的号牌号码，对视频进行逐帧车辆检测分析，找到车辆停在检测工位上的帧图像，并记录下帧号。该机动车年检制动检测视频智能分析方法，本方法通过深度学习算法智能检测车辆制动检测装置，通过深度学习算法对车辆进行跟踪，判断车辆是否在制动检测装置上停留，通过深度学习算法判断车辆的前后轮是否停留在指定设备上进行检测，有效提升了人工审核的效率，平均能节省70％的人力，效率提升约4倍，大大提高了车管所审核的智能水平，节省了车主的等待时间。间。

【技术实现步骤摘要】
一种机动车年检制动检测视频智能分析方法


[0001]本专利技术涉及机动车年检
，具体为一种机动车年检制动检测视频智能分析方法。

技术介绍

[0002]机动车辆简称“机动车”。由自带动力装置驱动或牵引，不用轨道，可在陆地上行驶的轮式“车辆”。在中国一般指在道路上行驶的，供乘用或(和)运送物品或进行专项作业的车辆，包括汽车、挂车、无轨电车、农用运输车、摩托车、机动三轮车和运输用拖拉机(包括带挂车的轮式拖拉机)以及轮式专用机械车等，但不包括任何在轨道上运行的车辆，车辆年检，就是指每个已经取得正式号牌和行驶证的车辆都必须要的一项检测，相当于每年一次按《机动车运行安全技术条件》给车辆做体检，车辆年检可以及时消除车辆安全隐患，督促加强汽车的维护保养，减少交通事故的发生，截止到2020年底，我国的机动车保有量已经达到3.72亿辆，而且每年还在快速增长，很多机动车都已经达到需要年检的使用年限，这给全国的车管所带来了巨大的检测业务压力。
[0003]由于车管所人力紧张，车主每检一次车，大约需要半天左右的时间，这极大的占用了车主的时间，如何快速准确的对机动车进行年检，是每个车管所的当务之急，随着人工智能技术的飞速发展，将人工智能技术引入机动车车辆年检，实现车辆无人自动检测已经成为可能，本专利提出了一种基于深度学习的车辆制动检测视频智能分析方法，通过该方法可以分析检测站是否按照流程进行了车辆制动检测。

技术实现思路

[0004]针对现有技术的不足，本专利技术提供了一种机动车年检制动检测视频智能分析方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种机动车年检制动检测视频智能分析方法，包括以下步骤：
[0006]S1、从数据服务器上获取一辆车的制动检测视频，与该车辆的号牌号码；
[0007]S2、对视频进行逐帧车辆检测分析，找到车辆停在检测工位上的帧图像，并记录下帧号；
[0008]S3、对步骤S2中的获取的帧图像进行车牌检测与识别，将识别结果与步骤S1中获取的号牌号码进行比对，若比对一致，则号牌号码比对成功，否则失败；
[0009]S4、对步骤S2中的图像进行车轮检测，获取车轮在图像中的位置；
[0010]S5、对步骤S2中的图像，进行车辆制动检测装置检测，获取制动检测装置在图像中的位置；
[0011]S6、根据步骤S2中的帧号，对后续帧进行处理，根据步骤S4、步骤S5中获取的车轮位置，制动检测装置位置，判断车轮是否在检测装置上，统计车轮在检测装置上停留的时间，若大于停留时间阈值，则认为制动检测成功，否则失败。
[0012]进一步优化本技术方案，所述步骤S2中判断车辆停在检测工位上的方法步骤如下：
[0013]S21、对视频进行逐帧分析，检测图像中的车辆，根据前后20帧的车辆位置信息，判断车辆是否停止，若车辆停止，则进行下面的步骤，否则继续S21；
[0014]S22、对S21中的图像进行分析，检测图像中是否出现制动检测装置，若检测到制动检测装置，则认为车辆停在了检测工位上，否则认为是车辆中途意外停车，返回到S21。
[0015]进一步优化本技术方案，所述步骤S4中对图像中的车轮检测网络训练与检测步骤如下：
[0016]S41、收集车辆图像样本集；
[0017]S42、对步骤S41中的图像进行车轮位置标注，得到数据集；
[0018]S43、将步骤S42中的数据分为9.5万张做为训练集合，0.5万张作为测试集合；
[0019]S44、选取SSD目标检测网络，作为车轮检测网络，由于车轮的外接矩形是方形，对网络对一定的改进，使其更适合车轮检测，改进如下，将SSD的默认候选框宽高比例设置为[1,1.25,1.5,0.8,0.66]，以提高车辆轮胎检测能力；
[0020]S45、训练检测网络，得到车辆轮胎检测网络模型；
[0021]S46、将从制动检测视频中获取的图像送入车辆轮胎检测网络，得到车辆轮胎在图像中的位置信息。
[0022]进一步优化本技术方案，所述步骤SS41中，收集车辆图像样本集包括各种型号的车辆，小汽车、小货车、大货车、客车等，共计10万张，
[0023]进一步优化本技术方案，所述所述步骤S5中对图像中的制动检测装置网络训练与检测步骤如下：
[0024]S51、收集全国机动车检测站中包含车辆制动检测装置仪器的图像样本集，包括各种光照、各种距离、各种分辨率共计3万张；
[0025]S52、对步骤S51中的图像进行分割标注，制动检测装置作为目标，其余为背景，得到数据集；
[0026]S53、将步骤S52中的数据分为2.8万张做为训练集合，0.2万张作为测试集合；
[0027]S54、选取DeepLabV3图像分割网络，作为地面上车辆制动检测设备的分割检测网络；
[0028]S55、训练制动检测设备分割检测网络，得到分割检测网络模型；
[0029]S56、将从制动检测视频中获取的图像送入车辆制动检测分割检测网络，得到车辆制动检测装置在图像中的像素集合，即装置在图像中的位置信息。
[0030]与现有技术相比，本专利技术提供了一种机动车年检制动检测视频智能分析方法，具备以下有益效果：
[0031]该机动车年检制动检测视频智能分析方法，本方法通过深度学习算法智能检测车辆制动检测装置，通过深度学习算法对车辆进行跟踪，判断车辆是否在制动检测装置上停留，通过深度学习算法判断车辆的前后轮是否停留在指定设备上进行检测，有效提升了人工审核的效率，平均能节省70％的人力，效率提升约4倍，大大提高了车管所审核的智能水平，节省了车主的等待时间。
附图说明
[0032]图1为本专利技术提出的一种机动车年检制动检测视频智能分析方法的流程示意图。
具体实施方式
[0033]下面将结合本专利技术的实施例，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0034]实施例：
[0035]请参考图1所示，本专利技术公开了一种机动车年检制动检测视频智能分析方法，包括以下步骤：
[0036]S1、从数据服务器上获取一辆车的制动检测视频，与该车辆的号牌号码。
[0037]S2、对视频进行逐帧车辆检测分析，找到车辆停在检测工位上的帧图像，并记录下帧号，所述步骤S2中判断车辆停在检测工位上的方法步骤如下：
[0038]S21、对视频进行逐帧分析，检测图像中的车辆，根据前后20帧的车辆位置信息，判断车辆是否停止，若车辆停止，则进行下面的步骤，否则继续S21。
[0039]S22、对S21中的图像进行分析，检测图像中是否出现制动检测装置，若检测到制动检测装置，则认为车辆停在了检测工位上，否则认为是车辆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机动车年检制动检测视频智能分析方法，其特征在于，包括以下步骤：S1、从数据服务器上获取一辆车的制动检测视频，与该车辆的号牌号码；S2、对视频进行逐帧车辆检测分析，找到车辆停在检测工位上的帧图像，并记录下帧号；S3、对步骤S2中的获取的帧图像进行车牌检测与识别，将识别结果与步骤S1中获取的号牌号码进行比对，若比对一致，则号牌号码比对成功，否则失败；S4、对步骤S2中的图像进行车轮检测，获取车轮在图像中的位置；S5、对步骤S2中的图像，进行车辆制动检测装置检测，获取制动检测装置在图像中的位置；S6、根据步骤S2中的帧号，对后续帧进行处理，根据步骤S4、步骤S5中获取的车轮位置，制动检测装置位置，判断车轮是否在检测装置上，统计车轮在检测装置上停留的时间，若大于停留时间阈值，则认为制动检测成功，否则失败。2.根据权利要求1所述的一种机动车年检制动检测视频智能分析方法，其特征在于，所述步骤S2中判断车辆停在检测工位上的方法步骤如下：S21、对视频进行逐帧分析，检测图像中的车辆，根据前后20帧的车辆位置信息，判断车辆是否停止，若车辆停止，则进行下面的步骤，否则继续S21；S22、对S21中的图像进行分析，检测图像中是否出现制动检测装置，若检测到制动检测装置，则认为车辆停在了检测工位上，否则认为是车辆中途意外停车，返回到S21。3.根据权利要求1所述的一种机动车年检制动检测视频智能分析方法，其特征在于，所述步骤S4中对图像中的车轮检测网络训练与检测步骤如下：S41、收集车辆图像样本集；S42、对步骤S41中的图像进行车轮位置标注，得到数据...

【专利技术属性】
技术研发人员：岳振亚，赵海霞，彭小飞，
申请(专利权)人：重庆云石高科技有限公司，
类型：发明
国别省市：