【技术实现步骤摘要】
本专利技术涉及图像处理，尤其是涉及一种基于无人机的违法占用应急车道的ai检测方法及装置。
技术介绍
1、当前无人机在高速巡检中有着重要的应用，其中基于传统的检测算法对占用应急车道占用进行检测在实际中效果不好，基于ai(artificial intelligence，人工智能)的占用应急车道的巡检通常计算成本高，需要高端硬件，这都需要巨大的成本付出。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种基于无人机的违法占用应急车道的ai检测方法及装置，可以准确地对车辆违法占用应急车道的情况进行检测，还可以显著降低检测违法占用应急车道所需的运算量，有助于降低对硬件的要求和检测成本。
2、第一方面，本专利技术实施例提供了一种基于无人机的违法占用应急车道的ai检测方法，包括：
3、控制无人机沿预设航线对目标道路进行巡检，并控制所述无人机以第一焦距采集所述目标道路对应的巡检图像；其中，所述巡检图像显示的内容包含所述目标道路以及在所述目标道路上行驶的车辆；
4、通过预先训练的多任务检测模型，针对所述巡检图像执行车辆检测任务和车道分割任务，得到车辆检测结果和应急车道分割结果，以判断是否存在位于所述目标道路中的应急车道内的车辆；
5、如果是，控制所述无人机以第二焦距采集所述车辆对应的车辆图像；其中，所述第二焦距大于所述第一焦距；
6、基于所述车辆图像，针对所述车辆执行违法占用检测任务得到违法占用检测结果，和/或，针对所述车辆执行车牌识
7、在一种实施方式中，所述多任务检测模型包括编码器和解码器，所述编码器包括特征提取网络、车辆检测网络和车道分割网络；
8、通过预先训练的多任务检测模型，针对所述巡检图像执行车辆检测任务和车道分割任务，得到车辆检测结果和应急车道分割结果的步骤，包括：
9、通过所述特征提取网络，提取所述巡检图像的多尺寸初始特征信息；其中，所述特征提取网络包括多个特征提取子网络；
10、通过所述车辆检测网络，对多尺寸的所述初始特征信息进行融合得到车辆特征信息；以及通过所述车道分割网络，对多尺寸的所述初始特征信息进行融合得到车道特征信息；
11、通过所述解码器，基于所述车辆特征信息确定车辆检测结果，以及基于所述车道特征信息确定应急车道分割结果。
12、在一种实施方式中，所述车辆检测网络包括多个车辆检测子网络，所述车辆检测子网络与每个所述特征提取子网络一一对应，在所述车辆检测子网络与所述特征提取子网络之间引入有第一混合注意力模块；
13、通过所述车辆检测网络，对多尺寸的所述初始特征信息进行融合得到车辆特征信息的步骤，包括：
14、通过所述第一混合注意力模块，基于当前的车辆检测网络对应的所述特征提取子网络输出的所述初始特征信息，和前一所述车辆检测子网络对应的所述特征提取子网络输出的所述初始特征信息进行特征融合，得到目标融合后特征信息；
15、通过所述车辆检测子网络，基于所述第一混合注意力单元输出的所述目标融合后特征信息和前一所述车辆检测子网络输出的车辆特征信息，确定当前的所述车辆检测子网络输出的车辆特征信息。
16、在一种实施方式中，所述车道分割网络包括多个车道分割子网络，所述车道分割子网络与指定的多个所述特征提取子网络一一对应，在所述车道分割子网络与所述特征提取子网络之间引入有第二混合注意力模块；
17、通过所述车道分割网络，对多尺寸的所述初始特征信息进行融合得到车道特征信息的步骤，包括：
18、通过所述第二混合注意力模块，基于当前的车道分割网络对应的所述特征提取子网络输出的所述初始特征信息，和下一所述车辆检测子网络对应的所述特征提取子网络输出的所述初始特征信息进行特征融合，得到目标融合后特征信息；
19、通过所述车道分割子网络，基于所述第二混合注意力模块输出的所述目标融合后特征信息和前一所述车道分割子网络输出的车道特征信息，确定当前的所述车道分割子网络输出的车道特征信息。
20、在一种实施方式中，第一混合注意力单元和第二混合注意力单元均包括第一注意力子单元和第二注意力子单元；
21、所述第一注意力子单元用于对输入的两个特征信息进行空间注意力处理；所述第二注意力子单元用于对输入的两个特征信息进行通道注意力处理。
22、在一种实施方式中，基于所述车辆图像，针对所述车辆执行违法占用检测任务得到违法占用检测结果，和/或，针对所述车辆执行车牌识别任务得到车牌识别结果的步骤，包括：
23、基于所述车辆图像，针对所述车辆执行违法占用检测任务得到违法占用检测结果；
24、在所述违法占用检测结果表征所述车辆违法占用所述应急车道的情况下，基于所述车辆图像信息，针对所述车辆执行车牌识别任务得到车牌识别结果。
25、在一种实施方式中，基于所述车辆图像，针对所述车辆执行违法占用检测任务得到违法占用检测结果的步骤，包括：
26、从所述车辆图像中分割识别所述车辆的尾灯区域，并按照预设频率对所述尾灯区域的颜色变化进行检测，得到尾灯变化情况；
27、以及，通过预先训练的设施检测模型，基于所述车辆图像检测所述车辆区域范围内是否摆放有指定设施，得到设施检测结果；
28、所述违法占用检测结果包括所述尾灯变化情况和/或设施检测结果。
29、在一种实施方式中，基于所述车辆图像信息，针对所述车辆执行车牌识别任务得到车牌识别结果的步骤，包括：
30、识别并裁剪所述车辆图像信息中的车辆包围框；
31、通过预先训练的车牌检测模型，基于所述车牌包围框检测车牌位置信息；
32、基于所述车牌位置信息确定所述车辆对应的车牌识别结果。
33、第二方面，本专利技术实施例还提供一种基于无人机的违法占用应急车道的ai检测装置，包括：
34、第一控制模块，用于控制无人机沿预设航线对目标道路进行巡检，并控制所述无人机以第一焦距采集所述目标道路对应的巡检图像；其中，所述巡检图像显示的内容包含所述目标道路以及在所述目标道路上行驶的车辆；
35、多任务检测模块，用于通过预先训练的多任务检测模型，针对所述巡检图像执行车辆检测任务和车道分割任务，得到车辆检测结果和应急车道分割结果，以判断是否存在位于所述目标道路中的应急车道内的车辆；
36、第二控制模块，用于在所述多任务检测模块的判断结果为是时，控制所述无人机以第二焦距采集所述车辆对应的车辆图像；其中，所述第二焦距大于所述第一焦距；
37、违法占用检测及车牌识别模块，用于基于所述车辆图像，针对所述车辆执行违法占用检测任务得到违法占用检测结果，和/或，针对所述车辆执行车牌识别任务得到车牌识别结果。
38、第三方面，本专利技术实施例还提供一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的本文档来自技高网...
【技术保护点】
1.一种基于无人机的违法占用应急车道的AI检测方法，其特征在于，包括：
2.根据权利要求1所述的基于无人机的违法占用应急车道的AI检测方法，其特征在于，所述多任务检测模型包括编码器和解码器，所述编码器包括特征提取网络、车辆检测网络和车道分割网络；
3.根据权利要求2所述的基于无人机的违法占用应急车道的AI检测方法，其特征在于，所述车辆检测网络包括多个车辆检测子网络，所述车辆检测子网络与每个所述特征提取子网络一一对应，在所述车辆检测子网络与所述特征提取子网络之间引入有第一混合注意力模块；
4.根据权利要求2所述的基于无人机的违法占用应急车道的AI检测方法，其特征在于，所述车道分割网络包括多个车道分割子网络，所述车道分割子网络与指定的多个所述特征提取子网络一一对应，在所述车道分割子网络与所述特征提取子网络之间引入有第二混合注意力模块；
5.根据权利要求3或4所述的基于无人机的违法占用应急车道的AI检测方法，其特征在于，第一混合注意力单元和第二混合注意力单元均包括第一注意力子单元和第二注意力子单元；
6.根据权利要求1所述的基
7.根据权利要求1或6所述的基于无人机的违法占用应急车道的AI检测方法，其特征在于，基于所述车辆图像，针对所述车辆执行违法占用检测任务得到违法占用检测结果的步骤，包括：
8.根据权利要求1或6所述的基于无人机的违法占用应急车道的AI检测方法，其特征在于，基于所述车辆图像信息，针对所述车辆执行车牌识别任务得到车牌识别结果的步骤，包括：
9.一种基于无人机的违法占用应急车道的AI检测装置，其特征在于，包括：
10.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1至8任一项所述的方法。
...【技术特征摘要】
1.一种基于无人机的违法占用应急车道的ai检测方法，其特征在于，包括：
2.根据权利要求1所述的基于无人机的违法占用应急车道的ai检测方法，其特征在于，所述多任务检测模型包括编码器和解码器，所述编码器包括特征提取网络、车辆检测网络和车道分割网络；
3.根据权利要求2所述的基于无人机的违法占用应急车道的ai检测方法，其特征在于，所述车辆检测网络包括多个车辆检测子网络，所述车辆检测子网络与每个所述特征提取子网络一一对应，在所述车辆检测子网络与所述特征提取子网络之间引入有第一混合注意力模块；
4.根据权利要求2所述的基于无人机的违法占用应急车道的ai检测方法，其特征在于，所述车道分割网络包括多个车道分割子网络，所述车道分割子网络与指定的多个所述特征提取子网络一一对应，在所述车道分割子网络与所述特征提取子网络之间引入有第二混合注意力模块；
5.根据权利要求3或4所述的基于无人机的违法占用应急车道的ai检测方法，其特征在于，第一混合注意力单元和第二混合注意力单元...
【专利技术属性】
技术研发人员：庞涛，王宇翔，王涛，
申请(专利权)人：航天宏图信息技术股份有限公司，
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。