申请/专利权人：浙江工商大学;杭州芃视科技有限公司

申请日：2020-04-28

公开（公告）日：2024-04-02

公开（公告）号：CN111539359B

主分类号：G06V20/40

分类号：G06V20/40;G06V10/25;G06V10/82;G08G1/017

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2020.09.08#实质审查的生效;2020.08.14#公开

摘要：本发明公开了一种基于深度学习的违章停车检测方法。本发明首先读取视频帧进行检测；然后检测出的汽车检测框计算中心点；再判断中心点是否在禁停区，如在禁停区则判断停车时间是否超设定值，如超设定值则进行提醒。本发明通过对yolo‑tiny网络结构的简化修改，使得不损失精度的前提下检测单类目标速度更加快速；通过对IOU的二值化，使得计算速度得到显著提升。通过a‑IOU计算，更加简便而精准地判定违章停车；通过检测框的center与集合C中存储的center对比，简单地解决了跟踪计时问题。

主权项：1.基于深度学习的违章停车检测方法，其特征在于该方法包括如下步骤：步骤1、对监控视频划定禁停区域NPZ；步骤2、接入实时视频画面或者视频，采用yolo-mini网络模型检测出视频中的车辆，得到车辆检测框；所述的yolo-mini网络模型为简化后的yolo-tiny网络模型；不损失精度的前提下，用于提高检测违章停车的速度；步骤3、检测视频中的车辆是否在NPZ内，即计算出车辆检测框与NPZ的二值化的交并比，记为a-IOU；当a-IOU＝1，表示车辆在NPZ内，当a-IOU＝0，表示车辆不在NPZ内；步骤4、为NPZ内的车辆进行计时，判断是否违章停车，具体如下：4.1给所有a-IOU＝1的检测框分配ID为i，将其存入集合C中，为每一个i进行计时，得到总时长T；4.2每K帧选取一帧输入网络进行图片检测，将NPZ中的每个车辆检测框的中心点XC,YC与集合C中每个ID的中心点XCi,YCi对比计算；设置阈值M，若|XC-XCi|M且|YC-YCi|M，则判定该车辆的ID不变，并且累计时间t的时长增加，否则为其增加ID；遍历集合C中所有的ID，若有ID连续检测数帧未匹配，则在集合C中释放资源；步骤5、在T的时长达到一定阈值时，监控画面进行提示；其中步骤2中所述的yolo-mini网络模型是以yolo-tiny为骨干网络，将yolo-tiny网路中的第12层和第21层计算量最大的两层的卷积滤波器F与输入特征X之间的卷积运算由乘法修改为L1距离；所述的yolo-mini网络模型的第12层和第21层后增加有一个BN层，用于对结果进行归一化。

全文数据：

权利要求：

百度查询： 浙江工商大学;杭州芃视科技有限公司 基于深度学习的违章停车检测方法

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