[发明专利]一种车辆违法占道的检测方法及系统

权利要求书

1.一种车辆违法占道的检测方法，其特征在于，包括：

获取图像采集设备实时拍摄的待检测场景的视频流，所述视频流包括：多帧图像；

对待检测场景视频流中的抽帧图像进行预设车道检测区域的划线配置；

利用预训练好的交通场景检测模型识别划线配置的抽帧图像，生成待检测车辆的最小外接矩形框、车辆标签和置信度；

根据待检测车辆的最小外接矩形框、车辆标签和置信度，判断待检测车辆是否存在违法占道。

2.根据权利要求1所述的车辆违法占道的检测方法，其特征在于，所述预设车道检测区域，包括：城市道路场景、高速公路场景。

3.根据权利要求1所述的车辆违法占道的检测方法，其特征在于，对交通场景检测模型的训练过程，包括：

采集实际交通场景的图像，并对实际交通场景的图像进行数据增强，扩大数据集，标注交通场景的目标车辆的最小外接矩形框及车辆标签，作为基础数据集，同时裁取基础数据集中的非目标车辆区域作为背景，合成训练数据集；

在训练数据集中提取标注的目标车辆，随机裁剪图像，并调整最小外接矩形框的坐标，将最小外接矩形框的中心坐标值及宽高作为回归参数真实值输入到网络模型中，计算回归损失函数，训练该网络模型；

把裁剪后图像和调整好的最小外接矩形框的信息输到入网络模型，计算损失值，调整学习率，并进行循环训练，直至所述损失值小于第一预设阈值或循环次数大于预设值时，停止训练，得到训练好的交通场景检测模型。

4.根据权利要求3所述的车辆违法占道的检测方法，其特征在于，采用EfficientDetD3模型，对目标车辆进行目标检测训练。

5.根据权利要求2所述的车辆违法占道的检测方法，其特征在于，车辆存在违法占道的情况，包括：

在城市道路场景中，存在违法占用公交车车道和违法占用非机动车车道；

在高速公路场景中，存在大型车占用小型车车道和违反客货分道。

6.根据权利要求5所述的车辆违法占道的检测方法，其特征在于，根据待检测车辆的最小外接矩形框、车辆标签和置信度，判断待检测车辆是否存在违法占道的过程，包括：

当车辆标签不是公交车时，其置信度大于第二预设阈值时，判断待检测车辆的最小外接矩形框的中心点是否在公交车车道内，若存在，则该待检测车辆存在违法占用公交车车道行为；

当车辆标签为机动车车辆时，其置信度大于第三预设阈值时，判断待检测车辆的最小外接矩形框的中心点是否在非机动车车道内，若存在，则该待检测车辆存在违法占用非机动车车道行为；

当车辆标签为预设大型车时，其置信度大于第四预设阈值时，判断待检测车辆的最小外接矩形框的中心点是否在小型车车道内，若存在，则该待检测车辆存在大型车占用小型车车道的违法行为；

当车辆标签为公交车时，其置信度大于第五预设阈值时，判断待检测车辆最小外接矩形框的中心点是否在货车车道内，若在，则该待检测车辆存在违反客货分道行为；当车辆标签为卡车、大卡车、厢车时，判断待检测车辆最小外接矩形框的中心点是否在客车车道内，若在，则该待检测车辆存在违反客货分道行为。

7.根据权利要求1所述的车辆违法占道的检测方法，其特征在于，还包括：在判定待检测车辆存在违法占道的现象时，输出待检测车辆存在违法占道的信息，包括：违法占道类型、违法占道的地点，违法占道的事件。

8.一种车辆违法占道的检测系统，其特征在于，包括：

图像采集模块，用于获取图像采集设备实时拍摄的待检测场景的视频流，所述视频流包括：多帧图像；

划线配置模块，用于对待检测场景视频流中的抽帧图像进行预设车道检测区域的划线配置；

模型检测模块，用于利用预训练好的交通场景检测模型识别划线配置的抽帧图像，生成待检测车辆的最小外接矩形框、车辆标签和置信度；

违法占道判断模块，用于根据待检测车辆的最小外接矩形框、车辆标签和置信度，判断待检测车辆是否存在违法占道。