[发明专利]基于交并比的违禁停车检测方法

说明书

本发明公开了一种基于交并比的违禁停车检测方法，包括以下步骤：步骤1：每隔N帧取1帧图片，通过深度学习神经网络检测算法，利用有监督学习机制检测出车辆等目标，并提取出车辆目标矩形框的左下角和右上角的坐标；步骤2：计算当前帧和上一帧图片中所有目标矩形框的交并比并且排序；步骤3：当检测的交并比值大于阈值且连续多次都在阈值以上时，返回该目标物及矩形框坐标，判定该车为停车。本发明能够准确判定异常停车事件，为城市快速路上通过视频侦测异常停车事件提供了一种较为准确的探测方法。

技术领域

本发明属于人工智能、智慧交通领域，提出了一种基于交并比的违禁停车检测方法。

背景技术

传统的违禁停车通过视频图像与背景图像差分，检测出前景目标，再通过像素级时间序列分析判断出静止目标，再通过特征提取，识别出违禁车辆。

随着深度神经网络的技术的成熟，也出现了通过神经网络首先检测出车辆，再通过连续帧间的车辆目标的中心位置的变化，若位置变化不大或者没有变化，则可以认定车辆停止。但该方案实际应用时检测出车辆的框会出现抖动现象，造成车辆的中心的抖动，造成停车漏检率高。

发明内容

1、本发明的目的

本发明为了解决抖动现象和漏检率高的问题，而提出了一种通过有监督学习神经网络检测出车辆、基于交并比的违禁停车检测方法。

2、本发明所采用的技术方案

本发明公开了一种基于交并比的违禁停车检测方法，包括以下步骤：

步骤1：每隔N帧取1帧图片，通过深度学习神经网络检测算法，利用有监督学习机制检测出车辆目标，并提取出车辆目标矩形框的左下角和右上角的坐标；

步骤2：计算当前帧和上一帧图片中所有目标矩形框的交并比并且排序；

步骤3：当检测的交并比值大于阈值且连续多次都在阈值以上时，返回该目标物及矩形框坐标，判定该车为停车。

以上各步骤的详细过程如下：

步骤1中：

对于监控视频流，每隔Nc帧，Nc＝1，取1帧图片，通过深度学习神经网络检测算法包括YOLO、SSD，执行一次目标检测算法检测出车辆目标；

第k次检测共有M辆车，第m(1＝m＝M)辆车的矩形框的左下角和右上角的坐标记为(x，y)_mkld,(x，y)_mkrt，第k-1次检测共有N辆车，第n(1＝n＝N)辆车的矩形框的左下角和右上角的坐标记为(x，y)_n(k-1)ld(x，y)_n(k-1)rt。

步骤2:计算两辆车的交并比：

首先定义出两辆车的交并比的计算公式，A车的矩形框左上角和右下角的像素坐标(x_alt,y_alt)和(x_ard,y_ard)，B车的矩形框左上角和右下角的像素坐标(x_blt,y_blt)和(x_brd,y_brd)，则A车和B车的交并比的计算如下：

计算出A车和B车交叉区域的坐标为：

x_i1＝max(x_alt,x_blt)

y_i1＝max(y_alt,y_blt)