车辆检测方法、装置、设备、存储介质以及程序产品制造方法及图纸

本公开提供了一种车辆检测方法、装置、设备、存储介质以及程序产品，涉及数据处理技术领域，尤其涉及大数据、人工智能、智能交通技术领域。具体实现方案为：根据输入的图像数据，确定车辆区域，其中，车辆区域表征图像数据显示的车辆所在区域；以及根据车辆区域，确定车辆检测数据，其中，车辆检测数据包括以下中的至少一个：车辆属性、车辆牌照号码、违规检测结果、车辆运行轨迹以及车流量检测结果，其中，车辆属性表征车辆的物理特征。辆属性表征车辆的物理特征。辆属性表征车辆的物理特征。

【技术实现步骤摘要】
车辆检测方法、装置、设备、存储介质以及程序产品


[0001]本公开涉及数据处理
，尤其涉及大数据、人工智能、智能交通
，具体涉及一种车辆检测方法、装置、设备、存储介质以及程序产品。

技术介绍

[0002]车辆作为普遍的交通工具，具有例如日常管理等多种需求。随着计算机技术、互联网技术的发展，相关技术可以辅助车辆检测等。

技术实现思路

[0003]本公开提供了一种车辆检测方法、装置、设备、存储介质以及程序产品。
[0004]根据本公开的一方面，提供了一种车辆检测方法，包括：根据输入的图像数据，确定车辆区域，其中，车辆区域表征图像数据显示的车辆所在区域；以及根据车辆区域，确定车辆检测数据，其中，车辆检测数据包括以下中的至少一个：车辆属性、车辆牌照号码、违规检测结果、车辆运行轨迹以及车流量检测结果，其中，车辆属性表征车辆的物理特征。
[0005]根据本公开的另一方面，提供了一种车辆检测装置，包括：车辆区域确定模块、车辆检测数据确定模块。车辆区域确定模块，用于根据输入的图像数据，确定车辆区域，其中，车辆区域表征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆检测方法，包括：根据输入的图像数据，确定车辆区域，其中，所述车辆区域表征所述图像数据显示的车辆所在区域；以及根据所述车辆区域，确定车辆检测数据，其中，所述车辆检测数据包括以下中的至少一个：车辆属性、车辆牌照号码、违规检测结果、车辆运行轨迹以及车流量检测结果，其中，所述车辆属性表征所述车辆的物理特征。2.根据权利要求1所述的方法，其中，所述图像数据包括多个时序视频帧；所述根据所述车辆区域，确定车辆检测数据包括以下中的至少一个：根据所述车辆区域，确定所述车辆属性；根据所述车辆区域，确定所述车辆牌照号码；根据所述车辆牌照号码和多个所述时序视频帧的所述车辆区域，确定所述违规检测结果；根据多个所述时序视频帧的所述车辆区域，确定所述车辆运行轨迹；以及根据所述车辆运行轨迹和所述车辆区域，确定所述车流量检测结果。3.根据权利要求2所述的方法，其中，所述根据输入的图像数据，确定车辆区域包括：根据目标检测模型对输入的所述图像数据进行检测，得到所述车辆区域；所述根据所述车辆区域，确定所述车辆属性包括：根据车辆属性检测模型对所述车辆区域进行检测，得到所述车辆属性；所述根据所述车辆区域，确定所述车辆牌照号码包括：根据车辆牌照检测模型对所述车辆区域进行检测，得到车辆牌照区域；根据字符识别模型对所述车辆牌照区域进行检测，得到所述车辆牌照号码；所述根据所述车辆牌照号码和多个所述时序视频帧的所述车辆区域，确定所述违规检测结果包括：确定与所述车辆牌照区域关联的车辆标识；针对任意一个所述车辆标识，根据违规停车区域与所述车辆标识关联的所述车辆区域以及违规停车时间阈值，确定所述车辆的违规停车检测结果，其中，所述违规检测结果包括所述违规停车检测结果；所述针对所述多个时序视频帧的所述车辆区域，确定所述车辆运行轨迹包括：根据车辆跟踪模型对多个所述时序视频帧的所述车辆区域进行检测，得到所述车辆运行轨迹；所述根据所述车辆运行轨迹和所述车辆区域，确定所述车流量检测结果包括：根据所述车辆区域的数量和所述车辆运行轨迹的方向，确定相应方向的车流量检测结果。4.根据权利要求3所述的方法，其中，所述根据字符识别模型对所述车辆牌照区域进行检测，得到所述车辆牌照号码包括：确定与所述车辆牌照区域相关的车辆标识；根据所述字符识别模型对具有所述车辆标识的所述时序视频帧的所述车辆牌照区域进行检测，得到候选车辆牌照号码；
将最多数量的具有相同数值的所述候选车辆牌照号码，确定为所述车辆牌照号码。5.根据权利要求2
‑
4中任一项所述的方法，其中，所述根据输入的图像数据，确定车辆区域包括：根据多个连续的时序视频帧，确定多个依次间隔M个视频帧的第一目标时序视频帧，其中，M为大于1的正整数；对所述目标时序视频帧进行检测，得到所述车辆区域。6.根据权利要求1
‑
4中任一项所述的方法，其中，所述根据车辆区域，确定车辆检测数据包括：响应于车辆检测数据选择指令，根据所述车辆区域，确定与所述车辆检测数据选择指令匹配的所述车辆检测数据。7.根据权利要求3所述的方法，还包括：响应于针对目标模型的结构调整指令，对目标模型的结构进行调整，得到调整后的目标模型，其中，所述目标模型包括所述目标检测模型、所述车辆属性检测模型、所述车辆牌照检测模型、所述字符识别模型以及所述车辆跟踪模型中的至少一个。8.根据权利要求3所述的方法，其中，所述目标检测模型是利用通用训练集和业务训练集训练得到的，其中，所述通用训练集表征针对目标检测的训练集，所述业务训练集表征针对车辆检测的训练集。9.根据权利要求8所述的方法，其中，所述目标检测模型是根据所述通用训练集和所述业务训练集进行模型微调得到的。10.根据权利要求3所述的方法，其中，所述车辆属性检测模型是利用数据增强训练集训练得到的，所述数据增强训练集是对所述车辆属性检测模型的训练集进行数据增强处理得到的。11.根据权利要求3所述的方法，其中，所述车辆属性检测模型是利用教师模型对学生模型进行迁移学习的得到的。12.根据权利要求11所述的方法，其中，所述车辆属性检测模型的训练集包括目标标签样本，所述目标标签样本是利用所述教师模型对无标签样本进行检测得到的具有标签的训练样本。13.根据权利要求3所述的方法，其中，所述目标检测模型包括：PaddlePaddle
‑
an Evolved version of YOLO，所述车辆属性检测模型包括PaddlePaddle
‑
an Lightweight CPU Convolutional Neural Network，所述车辆牌照检测模型包括PaddlePaddle
‑
Optical Character Recognition vesion3_det，所述字符识别模型包括PaddlePaddle
‑
Optical Character Recognition vesion3_rec，所述车辆跟踪模型包括Observation
‑
Centric SORT：Rethinking SORT for Robust Multi
‑
Obj ect Tracking。14.根据权利要求2
‑
4中任一项所述的方法，还包括：在所述时序视频帧中显示所述车辆检测数据。15.一种车辆检测装置，包括：车辆区域确定模块，用于根据输入的图像数据，确定车辆区域，其中，所述车辆区域表征所述图像数据显示的车辆所在区域；以及车辆检测数据确定模块，用于根据所述车辆区域，确定车辆检测数据，其中，所述车辆
检测数据包括以下中的至少一个：车辆属性、车辆牌照号码、违规检测结果、车辆运行轨迹以及车流量检测结果，其中，所述车辆属性表征所述车辆的物理特征。16.根据权利要求15所述的装置，其中，所述图像数据包括多个时序视频帧；所述车辆检测数据确定模块包括以下中的至少一个：车辆属性确定子模块，用于根...

【专利技术属性】
技术研发人员：施依欣，王冠中，牛志博，倪烽，张亚娴，叶震杰，吕雪莹，赵乔，江左，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：