[发明专利]基于深度学习的非法上下客检测方法、系统及存储介质

权利要求书

1.基于深度学习的非法上下客检测方法，其特征在于：包括以下步骤：

获取待分析视频流，对所述待分析视频流进行预处理；

对预处理后的待分析视频流进行车门检测；

对检测到车门打开状态的待分析视频流进行人体检测；

根据人体检测结果，确定是否存在非法上下客行为；

对存在非法上下客行为的车辆，识别该车辆的车牌信息和车辆类型信息。

2.根据权利要求1所述的基于深度学习的非法上下客检测方法，其特征在于：所述获取待分析视频流，对所述待分析视频流进行预处理这一步骤，包括以下步骤：

根据待分析视频流得到待分析图像；

对待分析图像进行尺寸缩放处理；

对待分析图像进行图像增强处理。

3.根据权利要求2所述的基于深度学习的非法上下客检测方法，其特征在于：所述获取待分析视频流，对所述待分析视频流进行预处理这一步骤，还包括以下步骤：

对待分析图像进行去雾处理。

4.根据权利要求3所述的基于深度学习的非法上下客检测方法，其特征在于：所述对待分析图像进行去雾处理这一步骤，包括以下步骤：

确定待分析图像中的暗通道；

根据所述暗通道，通过雾图形成模型得到透射率的预估值计算公式；

根据所述透射率的预估值计算公式，生成图像恢复公式；

通过图像恢复公式对待分析图像进行处理，得到恢复后的图像。

5.根据权利要求1所述的基于深度学习的非法上下客检测方法，其特征在于：还包括构建车辆开门检测模型的步骤，该步骤具体包括以下步骤：

从历史的非法上下客行为的视频中获取有开门动作的图像；

采用图像标注工具对打开状态的车门图像进行标注，生成标注文件；

对标注好的图像进行数据增强操作，得到扩充后的数据集；

对数据集进行切分，得到训练集、测试集和验证集；

通过训练集和测试集对车辆开门检测模型进行训练；

通过验证集对车辆开门检测模型进行验证优化。

6.根据权利要求1所述的基于深度学习的非法上下客检测方法，其特征在于：还包括以下步骤：

确定非法上下客的车辆在检测区域的停留时间超过预设时间，为该车辆赋予唯一标记；

对赋予了唯一标记的车辆进行一次报警提示。

7.根据权利要求1所述的基于深度学习的非法上下客检测方法，其特征在于：所述获取待分析视频流的方式包括rtsp取流方式和sdk取流方式。

8.基于深度学习的非法上下客检测系统，其特征在于：包括：

取流模块，用于获取待分析视频流，对所述待分析视频流进行预处理；

开门检测模块，用于对预处理后的待分析视频流进行车门检测；

人检测模块，用于对检测到车门打开状态的待分析视频流进行人体检测；

数据库操作模块，用于根据人体检测结果，确定是否存在非法上下客行为；

车型识别模块，用于对存在非法上下客行为的车辆，识别该车辆的车牌信息和车辆类型信息。

9.基于深度学习的非法上下客检测系统，其特征在于：包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-7中任一项所述的基于深度学习的非法上下客检测方法。

10.一种存储介质，其中存储有处理器可执行的指令，其特征在于：所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-7中任一项所述的基于深度学习的非法上下客检测方法。