一种基于AI技术在复杂场景下的车辆压线检测方法技术

本发明专利技术公开了一种基于AI技术在复杂场景下的车辆压线检测方法，其特点利用深度学习图像实例分割模型识别车辆，根据车轮连线与绘制出的车道线进行相交线段判定以检测车辆是否压线，具体包括：图像获取、利用Mask R

【技术实现步骤摘要】
一种基于AI技术在复杂场景下的车辆压线检测方法


[0001]本专利技术涉及图像处理
，尤其是一种基于AI技术在复杂场景下的车辆压线检测方 法。

技术介绍

[0002]近年来，汽车保有量快速增长，汽车的大范围普及推动了工业进步、经济发展，同时也 带来了一系列交通问题与城市管理问题，包括拥堵、事故、污染等。在城市管理需求与产业 发展需求的矛盾下，加强对交通道路的规范化管理势在必行。
[0003]智能交通系统的出现有效缓解了这些矛盾。ITS将控制技术、人工智能、图像处理、数 据通讯传输、电子传感等先进技术进行有效集成并运用于交通运输、服务控制、车辆行为规 范，加强道路、车辆、交通参与者之间的联系，从而实现保障安全、改善环境、节约能源的 目标。ITS是多种系统的集合，道路图像监控系统就是其中一项用于监测道路违章、违法、 拥堵的系统，其拥有车辆/牌检测、车流量检测、车辆违章/违法行为检测等功能。大量摄像头 分布于各个道路，时刻记录与监控各个路口路面信息。因此，如何利用计算机自动处理大量 的路面信息实现检测功能，成为了主要问题。车辆压线检测属本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI技术在复杂场景下的车辆压线检测方法，其特征在于该方法利用深度学习图像实例分割模型识别车辆在图像中的对应区域，估计前后轮在车辆区域的位置，根据车轮连线与绘制出的车道线进行相交线段判定以检测车辆是否压线，具体包括以下体步骤：步骤1：参数设计与配置对于不同路口摄像机摆放的位置与角度配置不同参数，将获取的图像依据设置的参数得到裁剪ROI图、车道线绘制图，以及手动采样得到的车轮线斜率；步骤2：利用深度学习识别车辆将待检测图像输入训练好的Mask R
‑
CNN实例分割模型进行车辆识别，给其赋予不同颜色的掩膜加以区分并存储所有车辆的轮廓坐标，剔除部分识别结果不佳的车辆；步骤3：绘制代表车体的车轮连线通过Mask R
‑
CNN模型的检测，得到所有车辆的轮廓坐标信息，其中，整个车辆Y方向上值最大的轮廓点，即为车辆前轮或后轮其中一个车轮与地面的接触点坐标(x
ymax
,y
max
)；另一车轮的X坐标，由车身轮廓在X方向上的最小值或最大值加减固定偏移量得到，将步骤1手动采样得到的车轮线斜率由下式(a)式得到另一车轮的Y坐标：y2＝k*((x2+offset_x)
‑
x
ym...

【专利技术属性】
技术研发人员：木森林，金慧丽，李响，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：