【技术实现步骤摘要】
本专利技术涉及智慧交通，更具体地说，本专利技术涉及一种用于城市复杂场景下渣土车违法行为识别方法。
技术介绍
1、渣土车是城市建设中建筑垃圾、渣土废料等的重要运输工具。目前大多城市出台了渣土车上路时间限制、上路路段限制、严格苫盖、不得超载等规定，渣土车未在规定时间内上路、车身未苫盖、道路遗撒等，也成为城市环境治理的重点对象；目前仅靠执勤交警对渣土车规范行车行为进行治理，这种方式不仅耗费警力，而且效率低下，难以规范渣土车非法行为；
2、目前城市交通中各路口及龙门架都安装了摄像机，如果能够充分利用这些设备所采集到的视频信息，使用计算机视觉算法对采集到的视频信息进行实时分析处理，将能够极大地提高对渣土车非法行车检测的效率；目前在渣土车非法行为识别方面有一些公开的成果，例如申请公开号为cn114926776a的专利公开了工地装运渣土车辆的监管方法及系统，使用目标检测网络检测工地中渣土车及挖掘机，用于检测工地违规装运渣土行为；申请公开号为cn113283539a的专利公开了一种基于深度学习的违规渣土车检测的方法及系统，使用深度学习算法检测渣土车，并对渣土车行驶路线和是否违规倾倒渣土行为进行预测；申请公开号为cn113808405a的专利公开了一种渣土车的实时预警方法，提出使用深度学习算法检测卡口、监控点位视频中的渣土车及其车牌，并在数据库中查询是否备案，进而判定其是否在规定时间上路和偏离路线；申请公开号为cn112287882a的专利公开了渣土车属性识别方法、装置、电子设备及存储介质，使用ssd方法检测输入图像中是否有渣土车，并
3、一直以来渣土车非法运营导致的交通事故频发生，渣土车已成为名副其实的“马路杀手”，其他车辆都避而远之；渣土车在非规定时间段内上路、非法超载、未苫盖、道路遗撒，这些对道路行车安全和环境造成了严重的影响，使用人工方式进行治理效率低下；结合上述技术以及现有技术，目前对于外形与渣土车相似的货车或公交车无法准确识别；对于渣土车是否苫盖的识别精度有限；并且对于渣土车遗撒渣土的识别需要在车尾加装摄像头，摄像头易脏污从而影响识别精度；故亟需一套完整的系统，对渣土车违法行为进行自动检测；
4、鉴于此，本专利技术提出一种用于城市复杂场景下渣土车违法行为识别方法以解决上述问题。
技术实现思路
1、为了克服现有技术的上述缺陷，为实现上述目的，本专利技术提供如下技术方案：一种用于城市复杂场景下渣土车违法行为识别方法，包括：
2、采集m组历史渣土车特征图像构建数据集，历史渣土车特征图像包括外形图像、苫盖图像、车身带泥图像以及道路遗撒图像；
3、对实时采集的外形图像进行分析，判断车辆是否为渣土车，将判断为渣土车的外形图像标记为渣土车图像；获取当前时间，若当前时间为非允许运行的时间，则生成非法上路指令；
4、对渣土车图像进行分析，判断渣土车运行方向；若渣土车为驶入摄像机视野，则重新采集外形图像并分析；若渣土车为驶离摄像机视野，则无需重新采集外形图像；将判断为驶离摄像机视野的渣土车图像标记为驶离图像；
5、对驶离图像进行截取并分析，判断渣土车是否苫盖；若判断为未苫盖，则生成未苫盖指令，若判断为苫盖不严，则生成苫盖不严指令；
6、对驶离图像进行扩充并分析，判断渣土车是否有遗撒渣土现象；若判断为有遗撒渣土现象，则生成初步渣土遗撒指令；
7、当生成初步渣土遗撒指令时，将初步渣土遗撒指令对应的驶离图像标记为遗撒图像；设置队列p，将遗撒图像中渣土的位置进行矩形框标记，计算与队列p中渣土的ciou值，将ciou值与判定阈值进行对比，判定遗撒图像中渣土是否为其他渣土车遗撒的渣土，若判定遗撒图像中渣土不为其他渣土车遗撒，则将遗撒图像中的渣土加入队列p中，并生成渣土遗撒指令；
8、若生成非法上路指令、未苫盖指令，苫盖不严指令以及渣土遗撒指令中的一个或多个指令，则将渣土车图像与驶离图像进行车牌识别，将识别出的车牌和生成指令对应的违法行为发送至交通系统，若未识别出完整的车牌信息，则生成车牌遮挡指令，将生成指令对应的违法行为均发送至交通系统。
9、进一步地，外形图像包括渣土车外形图像、货车外形图像以及公交车外形图像；苫盖图像包括苫盖图像、未苫盖图像和苫盖不严图像；
10、以矩形框标注数据集内每张图像中的渣土车以及道路遗撒图像中正在遗落和已经遗落在路面上的渣土。
11、进一步地，对实时采集的外形图像进行分析的方法包括：
12、使用训练好的车辆检测模型，对实时采集的外形图像进行识别输出识别结果，识别结果包括渣土车、货车和公交车；
13、车辆检测模型的训练方法包括：
14、对数据集中每张外形图像进行标注，标注包括渣土车、货车和公交车，将渣土车、货车和公交车分别转换为数字标注；
15、使用yolov7算法对车辆检测模型进行训练，为了提高yolov7算法对相似外形图像的分辨能力，对yolov7算法的损失函数中分类损失进行改进，在原有损失函数的基础上引入triplet loss；
16、对yolov7算法的损失函数中分类损失进行改进的方法包括：
17、改进前损失函数为：l＝lr+λ1lc；其中lr为回归损失，lc为分类损失；
18、triplet loss的公式为：
19、
20、式中，为输入外形图像对应的标注，为数据集中与输入外形图像标注相同的标注，为数据集中与输入外形图像标注不同的标注，α为预设距离常数；
21、因此改进后的损失函数为：l＝lr+λ1lc+λ2lt。
22、进一步地，对渣土车图像进行分析的方法包括：
23、使用训练好的方向判断模型，对渣土车图像进行识别输出识别结果，识别结果包括驶离摄像机视野与驶入摄像机视野；
24、方向判断模型的训练方法包括：
25、预先收集驶离摄像机视野图像与驶入摄像机视野的图像，并将驶离摄像机视野图像与驶入摄像机视野的图像标记为第一训练图像，对每张第一训练图像进行标注，标注包括驶离摄像机视野与驶入摄像机视野，将驶离摄像机视野与驶入摄像机视野分别转换为数字标注，对标注后的第一训练图像分为第一训练集和第一测试集，使用第一训练集对方向判断模型进行训练，使用第一测试集对方向判断模型进行测试，输出满足预设误差的苫盖判断模型；所述方向判断模型为ghostnet模型。
26、进一步地，对驶离图像进行截取并分析的方法包括：
27、对驶离图像中渣土车下端的q本文档来自技高网...
【技术保护点】
1.一种用于城市复杂场景下渣土车违法行为识别方法，其特征在于，包括：
2.根据权利要求1所述的一种用于城市复杂场景下渣土车违法行为识别方法，其特征在于，外形图像包括渣土车外形图像、货车外形图像以及公交车外形图像；苫盖图像包括苫盖图像、未苫盖图像和苫盖不严图像；
3.根据权利要求2所述的一种用于城市复杂场景下渣土车违法行为识别方法，其特征在于，对实时采集的外形图像进行分析的方法包括：
4.根据权利要求3所述的一种用于城市复杂场景下渣土车违法行为识别方法，其特征在于，对渣土车图像进行分析的方法包括：
5.根据权利要求4所述的一种用于城市复杂场景下渣土车违法行为识别方法，其特征在于，对驶离图像进行截取并分析的方法包括：
6.根据权利要求5所述的一种用于城市复杂场景下渣土车违法行为识别方法，其特征在于，对驶离图像进行扩充并分析的方法包括:
7.根据权利要求6所述的一种用于城市复杂场景下渣土车违法行为识别方法，其特征在于，CIOU值的计算如下：
8.根据权利要求7所述的一种用于城市复杂场景下渣土车违法行为识
9.根据权利要求8所述的一种用于城市复杂场景下渣土车违法行为识别方法，其特征在于，车牌识别的方法包括：
10.根据权利要求9所述的一种用于城市复杂场景下渣土车违法行为识别方法，其特征在于，车牌识别模型的训练方法的训练方法包括：
...【技术特征摘要】
1.一种用于城市复杂场景下渣土车违法行为识别方法，其特征在于，包括：
2.根据权利要求1所述的一种用于城市复杂场景下渣土车违法行为识别方法，其特征在于，外形图像包括渣土车外形图像、货车外形图像以及公交车外形图像；苫盖图像包括苫盖图像、未苫盖图像和苫盖不严图像；
3.根据权利要求2所述的一种用于城市复杂场景下渣土车违法行为识别方法，其特征在于，对实时采集的外形图像进行分析的方法包括：
4.根据权利要求3所述的一种用于城市复杂场景下渣土车违法行为识别方法，其特征在于，对渣土车图像进行分析的方法包括：
5.根据权利要求4所述的一种用于城市复杂场景下渣土车违法行为识别方法，其特征在于，对驶离图像进行截取并分析的方法包括...
【专利技术属性】
技术研发人员：孟祥松，侯圣文，范顺国，陈金，李响，张渊佳，陈硕，
申请(专利权)人：天翼云科技有限公司，
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。