申请/专利权人：厦门星纵物联科技有限公司

申请日：2024-01-09

公开（公告）日：2024-03-12

公开（公告）号：CN117576926B

主分类号：G08G1/017

分类号：G08G1/017;G06V20/54;G06V20/40;G06V10/25;G06V10/44;G06V10/62;G06V10/75;G06V10/764;G06V10/82;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.03.12#授权;2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本申请提供了一种车辆违规检测方法、设备及存储介质，涉及交通技术领域。该方法包括：采用目标检测模型进行多任务分类检测，得到目标车辆的位置信息；使用车辆运动学模型、动态运动学模型和位置信息，分析得到目标车辆的未来运动情况；采用卷积神经网络在相邻两帧间进行特征提取和特征匹配，得到目标车辆的跟踪运动轨迹；采用卡尔曼滤波算法拟合跟踪运动轨迹和未来运动情况，得到目标车辆的预测车辆位置并用于迭代更新跟踪运动轨迹和未来运动情况；根据违规检测框和每次迭代得到的跟踪运动轨迹、预测车辆位置预判目标车辆的违规情况。本申请综合利用深度学习、运动分析和卡尔曼滤波思想，能有效提升车辆轨迹跟踪实时性以及违规检测的精准度。

主权项：1.一种车辆违规检测方法，其特征在于，所述方法包括：S1、采用给定的目标检测模型对交通视频中的当前帧进行多任务分类检测，得到所述当前帧中目标车辆的位置信息，所述目标检测模型为：对YOLOv8模型的骨干网络进行剪枝和蒸馏后得到的轻量化目标检测模型；S21、以所述位置信息为初始状态，通过预定的车辆运动学模型模拟所述目标车辆的运动惯性规律，通过预定的动态运动学模型模拟所述目标车辆的速度、加速度和位置变化，得到所述目标车辆的多种预测运动轨迹；S22、根据所述多种预测运动轨迹进行区域辐射，得到未来运动情况，所述未来运动情况描述未来预设时长内所述目标车辆在所述辐射得到的运动区域内的多种运动轨迹；S3、采用给定的卷积神经网络，从所述交通视频中提取所述目标车辆在所述当前帧和所述当前帧的下一帧中的车辆局部特征，对所述当前帧和所述下一帧中的车辆局部特征进行特征匹配，得到所述目标车辆的跟踪运动轨迹；S41、按照预设比例，将所述跟踪运动轨迹和所述未来运动情况中的多种运动轨迹分别进行加权平均，得到所述目标车辆在未来帧中的多个初步预测位置；所述未来帧是指所述未来预设时长内的任一帧；S42、利用卷积神经网络对所述多个初步预测位置进行线性拟合，得到在所述未来帧中出现概率最大的预测车辆位置；S43、将所述未来帧中的所述预测车辆位置作为所述步骤S2中采用的位置信息，迭代执行所述步骤S2至步骤S43；S5、根据预设的违规检测框和每次迭代得到的所述跟踪运动轨迹、所述预测车辆位置，预判所述目标车辆的违规情况。

全文数据：

权利要求：

百度查询： 厦门星纵物联科技有限公司 车辆违规检测方法、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD