申请/专利权人：杭州电子科技大学

申请日：2022-01-11

公开（公告）日：2024-04-09

公开（公告）号：CN114387572B

主分类号：G06V20/54

分类号：G06V20/54;G06V10/74;G06V10/764;G06V10/82;G06N3/0464;G06N3/09

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2022.05.10#实质审查的生效;2022.04.22#公开

摘要：本发明公开了一种交通执法影像中基于AI技术的闯红灯违法车辆匹配方法。该方法从连续多张违法影像中按照时间戳依次获取违法影像，先通过定位模块定位得到违法影像中的所有车辆作为候选车辆集合；再针对候选车辆集合中的每一辆候选车辆，通过车牌识别模型识别出候选车辆车牌号，同时通过所述车辆分类模型得到候选车辆类别概率分布；然后计算候选车辆集合中的每一辆候选车辆与目标车辆之间的匹配指数，将匹配指数最小的候选车辆作为匹配车辆。本发明提供的车辆匹配方法具有较高的匹配准确率，即使在黑夜、阴天、雨天、雾天场景下，仍具有不错的表现。而且本发明将极大减轻人工工作量，同时还可以减少执法尺度不一、疲劳判读、错误判读等情况的发生。

主权项：1.一种交通执法影像中基于AI技术的闯红灯违法车辆匹配方法，用于在车辆闯红灯时被固定视角摄像头拍摄的连续多张违法影像中匹配出涉嫌闯红灯的目标车辆，其特征在于，包括：S1、获取目标车辆图片，通过定位模型得到目标车辆的车牌区域，再通过车牌识别模型识别出目标车辆车牌号；将目标车辆图片通过经过训练的车辆分类模型，输出用于区分车辆颜色和车型的目标车辆类别概率分布；所述车辆分类模型由输入层、第一卷积层、第二卷积层、第一池化层、第三卷积层、第四卷积层、第二池化层、第一Inception-Resnet模块、第二Inception-Resnet模块、第三Inception-Resnet模块、第四Inception-Resnet模块、第三池化层、Flatten层、全连接层、Dropout层和Softmax层依次级联而成，其中所有卷积层的卷积窗口大小为3×3，步长为1，所有池化层的窗口大小为2×2，步长为2；每一个Inception-Resnet模块中，模块的输入特征经过一层1×1卷积滤波后得到第一特征，输入特征依次经过两层1×1卷积滤波后得到第二特征，输入特征依次经过一层3×3卷积滤波和一层1×1卷积滤波后得到第三特征，输入特征依次经过一层1×1卷积滤波和一层3×3卷积滤波后得到第四特征，最终输入特征、第一特征、第二特征、第三特征和第四特征通过残差连接作为模块的输出特征；S2、从所述连续多张违法影像中按照时间戳获取第一张违法影像，先通过定位模块定位得到第一张违法影像中的所有车辆作为第一候选车辆集合；再针对第一候选车辆集合中的每一辆候选车辆，通过车牌识别模型识别出候选车辆车牌号，同时通过所述车辆分类模型得到用于区分车辆颜色和车型的候选车辆类别概率分布；然后计算第一候选车辆集合中的每一辆候选车辆与所述目标车辆之间的匹配指数，将匹配指数最小的候选车辆作为第一张违法影像中目标车辆的匹配车辆；S3、从所述连续多张违法影像中按照时间戳依次遍历剩余的违法影像，并针对遍历过程中的每一张当前违法影像，先通过定位模块定位得到该违法影像中的所有车辆作为第二候选车辆集合，再遍历第二候选车辆集合中的每一辆候选车辆，判断候选车辆在违法影像中的位置是否位于S2中所述匹配车辆的行驶方向后方，若是则将该候选车辆从第二候选车辆集合中剔除，完成遍历后得到第三候选车辆集合；然后针对第三候选车辆集合中的每一辆候选车辆，通过车牌识别模型识别出候选车辆车牌号，同时通过所述车辆分类模型得到用于区分车辆颜色和车型的候选车辆类别概率分布；然后计算第三候选车辆集合中的每一辆候选车辆与所述目标车辆之间的匹配指数，将匹配指数最小的候选车辆作为当前违法影像中目标车辆的匹配车辆；其中任一候选车辆与目标车辆之间的匹配指数计算公式为：Sim＝1-LengthL*Dist式中：Length表示候选车辆车牌号与目标车辆车牌号之间的最长连续子串长度；L表示车牌号的标准长度；Dist表示候选车辆类别概率分布与目标车辆类别概率分布之间的距离，两者的概率分布越相近，Dist值越接近0。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 交通执法影像中基于AI技术的闯红灯违法车辆匹配方法

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