车辆超载检测方法以及系统技术方案

本发明专利技术公开一种车辆超载检测方法以及系统。将各个图像中车辆与行人进行车载关联，形成车载关联数据集；根据车载关联数据集对图卷积神经网络进行特征学习，获得车载关联预测模型；根据车载关联预测模型对测试图像中测试车辆与测试行人进行关联，获得每个测试车辆的实际车载人数；根据车辆最大车载模型对测试车辆进行检测，获得测试车辆的最大车载人数；若实际车载人数大于最大车载人数，则测试车辆存在超载行为。通过本发明专利技术提供的车辆超载检测方法以及系统，可以快速准确地实时检测车辆的超载行为，减少了人工参与，节省了人力物力资源，提高了路侧停车管理的效率和准确率，提高了交通管理的工作效率。管理的工作效率。管理的工作效率。

【技术实现步骤摘要】
车辆超载检测方法以及系统


[0001]本专利技术涉及图像处理
，特别是涉及一种车辆超载检测方法以及系统。

技术介绍

[0002]近年来，随着城市化进程不断加快，车辆数量逐渐增加。但由于停车泊位严重不足，随之带来停车难以及交通拥堵等问题。为缓解这个问题，相关部门提出来一些解决方案，比如在路侧设置停车位，以缓解停车位不足的问题。为规范化路侧停车的管理，高位视频技术随之发展起来，通过在路侧安装高位视频摄像头，可对车辆的泊车进行判断与管理，从而对于城市的交通管理具有积极地促进作用。
[0003]然而，传统车辆超载行为判断方法多数依赖于人工辅助判断车辆是否超载，耗费了大量的人力与时间，降低了管理效率。

技术实现思路

[0004]本专利技术的目的是解决传统车辆超载行为判断方法依赖于人工辅助判断导致的耗费大量的人力与时间的技术问题。为实现上述目的，本专利技术提供一种车辆超载检测方法以及系统。
[0005]本专利技术提供一种车辆超载检测方法，包括：
[0006]将各个图像中车辆与行人进行车载关联，形成车载关联数据集；
[0007]根据所述车载关联数据集对图卷积神经网络进行特征学习，获得车载关联预测模型；
[0008]根据所述车载关联预测模型对测试图像中测试车辆与测试行人进行关联检测，获得每个所述测试车辆的实际车载人数；
[0009]根据车辆最大车载模型对所述测试车辆进行检测，获得所述测试车辆的最大车载人数；
[0010]若所述实际车载人数大于所述最大车载人数，则所述测试车辆存在超载行为。
[0011]在一个实施例中，所述将各个图像中车辆与行人进行车载关联，形成车载关联数据集，包括：
[0012]根据车辆行人检测方法对每个所述图像进行检测，获得车辆类型、行人类型、车辆位置以及行人位置；
[0013]根据所述车辆类型、所述行人类型、所述车辆位置以及所述行人位置，将每个所述车辆与至少一个所述行人进行车载关联，获得所述车载关联数据集。
[0014]在一个实施例中，所述根据所述车载关联预测模型对测试图像中测试车辆与测试行人进行关联，获得每个所述测试车辆的实际车载人数中还包括：
[0015]根据所述车载关联预测模型对所述测试图像中所述测试车辆与所述测试行人进行关联，获得每个所述测试车辆的测试车辆位置。
[0016]在一个实施例中，所述根据车辆最大车载模型对所述测试车辆进行检测，获得所
述测试车辆的最大车载人数，包括：
[0017]根据所述测试车辆位置对所述测试图像中所述测试车辆进行抠取，获得测试车辆图像；
[0018]根据车型分类模型对所述测试车辆图像进行车型分类，获得所述测试车辆的测试车型；
[0019]根据车型最大车载索引表对所述测试车型进行车型索引，获得所述最大车载人数；
[0020]其中，所述车型分类模型与所述车型最大车载索引表形成所述车辆最大车载模型。
[0021]在一个实施例中，所述根据车型分类模型对所述测试车辆图像进行车型分类，获得所述测试车辆的测试车型，包括：
[0022]获取多个车辆图像与车型形成车型分类数据集；
[0023]根据所述车型分类数据集对卷积神经网络进行特征学习，获得所述车型分类模型。
[0024]在一个实施例中，本专利技术提供一种车辆超载检测系统，包括：
[0025]车载关联模块，用于将各个图像中车辆与行人进行车载关联，形成车载关联数据集；
[0026]车载关联预测模型生成模块，用于根据所述车载关联数据集对图卷积神经网络进行特征学习，获得车载关联预测模型；
[0027]实际车载人数检测模块，用于根据所述车载关联预测模型对测试图像中测试车辆与测试行人进行关联，获得每个所述测试车辆的实际车载人数；
[0028]最大车载人数检测模块，用于根据车辆最大车载模型对所述测试车辆进行检测，获得所述测试车辆的最大车载人数；
[0029]超载判断模块，用于若所述实际车载人数大于所述最大车载人数，则所述测试车辆存在超载行为。
[0030]在一个实施例中，所述车载关联模块包括：
[0031]车辆行人检测模块，用于根据车辆行人检测方法对每个所述图像进行检测，获得车辆类型、行人类型、车辆位置以及行人位置；
[0032]车载关联数据集构建模块，用于根据所述车辆类型、所述行人类型、所述车辆位置以及所述行人位置，将每个所述车辆与至少一个所述行人进行车载关联，获得所述车载关联数据集。
[0033]在一个实施例中，所述实际车载人数检测模块还用于根据所述车载关联预测模型对所述测试图像中所述测试车辆与所述测试行人进行关联，获得每个所述测试车辆的测试车辆位置。
[0034]在一个实施例中，所述最大车载人数检测模块包括：
[0035]测试车辆图像提取模块，用于根据所述测试车辆位置对所述测试图像中所述测试车辆进行抠取，获得测试车辆图像；
[0036]车型分类模块，用于根据车型分类模型对所述测试车辆图像进行车型分类，获得所述测试车辆的测试车型；
[0037]车型索引模块，用于根据车型最大车载索引表对所述测试车型进行车型索引，获得所述最大车载人数；
[0038]其中，所述车型分类模型与所述车型最大车载索引表形成所述车辆最大车载模型。
[0039]在一个实施例中，所述车型分类模块包括：
[0040]车型分类数据集生成模块，用于获取多个车辆图像与车型形成车型分类数据集；
[0041]车型分类模型形成模块，用于根据所述车型分类数据集对卷积神经网络进行特征学习，获得所述车型分类模型。
[0042]上述车辆超载检测方法以及系统中，构建了车辆与行人的车载关联数据集，利用图卷积神经网络进行车辆和行人车载关联的特征学习，获得车载关联预测模型对测试车辆进行实际车载人数的检测，并根据车辆最大车载模型对测试车辆进行最大车载人数的检测，与实际车载人数进行比较，从而判断测试车辆是否存在超载行为。通过本专利技术提供的车辆超载检测方法以及系统，可以快速准确地实时检测车辆的超载行为，减少了人工参与，节省了人力物力资源，提高了路侧停车管理的效率和准确率，提高了交通管理的工作效率。当测试车辆存在超载行为，可以实时的将测试车辆的车牌、位置等相关信息发送至交通管理部门进行管理，从而形成端到端的路侧停车管理。
附图说明
[0043]图1是本专利技术提供的车辆超载检测方法的流程步骤示意图。
[0044]图2是本专利技术提供的车辆超载检测系统的结构示意图。
具体实施方式
[0045]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
[0046]请参见图1，本专利技术提供一种车辆超载检测方法，包括：
[0047]S10，将各个图像中车辆与行人进行车载关联，形成车载关联数据集；
[0048]S20，根据车载关联数据集对图卷积神经网络进行特征学习，获得车载关联预测模型；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆超载检测方法，其特征在于，包括：将各个图像中车辆与行人进行车载关联，形成车载关联数据集；根据所述车载关联数据集对图卷积神经网络进行特征学习，获得车载关联预测模型；根据所述车载关联预测模型对测试图像中测试车辆与测试行人进行关联检测，获得每个所述测试车辆的实际车载人数；根据车辆最大车载模型对所述测试车辆进行检测，获得所述测试车辆的最大车载人数；若所述实际车载人数大于所述最大车载人数，则所述测试车辆存在超载行为。2.根据权利要求1所述的车辆超载检测方法，其特征在于，所述将各个图像中车辆与行人进行车载关联，形成车载关联数据集，包括：根据车辆行人检测方法对每个所述图像进行检测，获得车辆类型、行人类型、车辆位置以及行人位置；根据所述车辆类型、所述行人类型、所述车辆位置以及所述行人位置，将每个所述车辆与至少一个所述行人进行车载关联，获得所述车载关联数据集。3.根据权利要求2所述的车辆超载检测方法，其特征在于，所述根据所述车载关联预测模型对测试图像中测试车辆与测试行人进行关联，获得每个所述测试车辆的实际车载人数中还包括：根据所述车载关联预测模型对所述测试图像中所述测试车辆与所述测试行人进行关联，获得每个所述测试车辆的测试车辆位置。4.根据权利要求3所述的车辆超载检测方法，其特征在于，所述根据车辆最大车载模型对所述测试车辆进行检测，获得所述测试车辆的最大车载人数，包括：根据所述测试车辆位置对所述测试图像中所述测试车辆进行抠取，获得测试车辆图像；根据车型分类模型对所述测试车辆图像进行车型分类，获得所述测试车辆的测试车型；根据车型最大车载索引表对所述测试车型进行车型索引，获得所述最大车载人数；其中，所述车型分类模型与所述车型最大车载索引表形成所述车辆最大车载模型。5.根据权利要求4所述的车辆超载检测方法，其特征在于，所述根据车型分类模型对所述测试车辆图像进行车型分类，获得所述测试车辆的测试车型，包括：获取多个车辆图像与车型形成车型分类数据集；根据所述车型分类数据集对卷积神经网络进行特征学习，获得所述车型分类模型。6.一种车辆超载检测系统，其特征在...

【专利技术属性】
技术研发人员：闫军，丁丽珠，王艳清，
申请(专利权)人：超级视线科技有限公司，
类型：发明
国别省市：