[发明专利]一种基于车辆关键点轨迹的倒车判断方法、系统及介质

权利要求书

1.一种基于车辆关键点轨迹的倒车判断方法，其特征在于，包括以下步骤：

获取包含目标车辆的连续视频帧；

将所述连续视频帧输入到YOLO目标检测模型，输出目标车辆检测框；

将所述车辆检测框内目标车辆图片输入到车辆关键点提取模型，输出车辆关键点粗特征图、车辆关键点细特征图和车辆方位特征向量；

根据目标车辆方位特征向量判断目标车辆的方位朝向，并筛选出n个可视车辆关键点细特征图，进而获取n个可视车辆关键点图像坐标；

根据所述n个可视车辆关键点图像坐标在连续视频帧的移动轨迹及相应判断规则，判断车辆是否倒车；

其中，n为正整数。

2.根据权利要求1所述的一种基于车辆关键点轨迹的倒车判断方法，其特征在于，所述车辆关键点提取模型包括关键点提取网络和车辆方位判断网络，所述关键点提取网络包括关键点粗提取网络和关键点细提取网络，所述车辆关键点提取模型由关键点粗提取网络、关键点细提取网络、车辆方位判断网络根据相关损失函数进行交替更新后获得。

3.根据权利要求2所述的一种基于车辆关键点轨迹的倒车判断方法，其特征在于，所述基于车辆关键点轨迹的倒车判断方法还包括建立所述车辆关键点提取模型的训练步骤，所述车辆关键点提取模型的训练步骤包括对所述关键点粗提取网络、所述关键点细提取网络、所述车辆方位判断网络进行训练的步骤，所述对所述关键点粗提取网络、所述关键点细提取网络、所述车辆方位判断网络进行训练这一步骤，包括以下步骤：

将带有关键点和方位标签的数据集输入至所述关键点粗提取网络后，获得车辆关键点粗特征图；

将所述车辆关键点粗特征图输入至所述车辆方位判断网络后，获得车辆方位特征向量；

将所述车辆关键点粗特征图输入至所述关键点细提取网络后，获得车辆关键点细特征图；

根据所述车辆关键点粗特征图、所述车辆关键点细特征图、所述车辆方位特征向量计算相关损失函数；

采用所述相关损失函数对所述关键点粗提取网络、所述关键点细提取网络、所述车辆方位判断网络进行训练。

4.根据权利要求3所述的一种基于车辆关键点轨迹的倒车判断方法，其特征在于，所述相关损失函数包括关键点特征图相关性损失函数和方位特征向量相关性损失函数，所述采用所述相关损失函数对所述关键点粗提取网络、所述关键点细提取网络、所述车辆方位判断网络进行训练这一步骤，包括以下步骤：

采用所述关键点特征图相关性损失函数对所述关键点粗提取网络和关键点细提取网络进行训练；

采用所述方位特征向量相关性损失函数对所述车辆方位判断网络进行训练。

5.根据权利要求1所述的一种基于车辆关键点轨迹的倒车判断方法，其特征在于，所述车辆关键点粗特征图和所述车辆关键点细特征图分别包含20个车辆关键点特征图，所述20个车辆关键点特征图包含车辆左前轮、左后轮、右前轮、右后轮、左雾灯、右雾灯、左前灯、右前灯、前车标、前车牌、左后视镜、右后视镜、左前顶角、右前顶角、左后顶角、右后顶角、左后灯、右后灯、后车标、后车牌的关键点特征图，所述的车辆20个车辆关键点特征图的最大特征值位于对应车辆关键点的图像坐标。

6.根据权利要求1所述的一种基于车辆关键点轨迹的倒车判断方法，其特征在于，所述目标车辆方位特征向量包括8个方向特征值，所述8个方向特征值包含正前、左前、正左、左后、正后、右后、正右、右前特征值，特征向量最大特征值对应的朝向为车辆真实方向。