[发明专利]一种车辆违停占道检测方法

说明书

本发明提供了一种车辆违停占道检测方法，具体包括：获取ROI二值图像、获取待检测图像、车辆检测、判断ROI区域中是否检测到车辆并计数、统计间隔时间内统计有车的次数占比、发出告警等步骤。本车辆违停占道检测方法通过实时检测视频中的车辆，采用深度学习模型来完成车辆检测，不受恶劣天气、光照条件、镜头抖动、外物阻挡等的外界影响，极大地提高了检测准确率，同时保证了实时性和可靠性，并可以实现自动告警，智能化程度高。

技术领域

本发明涉及道路监控技术领域，具体涉及一种车辆违停占道检测方法。

背景技术

随着现代科技发展和人们生活水平的提高，汽车呈现快速增长趋势，但是越来越多的汽车增长带来的停车场地的需求也逐渐增加，停车位不足导致车辆违停现象频发，所以车辆违停占道检测变得日益重要。现有的车辆违停检测技术主要是使用GPS来定位车辆当前所处区域，或者是利用在禁停路段或区域设置的阅读设备以及安装于汽车挡风玻璃上的汽车电子标识来读取汽车身份信息达到违停检测，又或者是通过交警监管开罚单的形式来控制车辆违停。

使用监控设备来监控视频中的车辆是否处是违停状态也是主流方法，视频监测中使用的方法主要有帧间差算法、边缘检测算法、背景差分算法、基于特征提取方法包括SIFT，LBP，HOG等算法等。其中以背景差分法为代表的简单图像处理方法的准确度较低并且容易受到恶劣天气、光照条件、镜头抖动、外物阻挡等的外界影响；而以SIFT(尺度不变特征变换匹配算法)为代表的特征提取算法虽然不易受放射变换和光照的影响，但其算法复杂耗时较大，因此实时性不佳，同时也存在着对于光滑边缘无法准确提取特征点的情况，容易造成一定的误判。

发明内容

针对现有技术的不足，本发明提出了一种车辆违停占道检测方法，采用深度学习模型来完成车辆检测，极大地提高了检测准确率，同时保证了实时性和可靠性，并可以实现自动告警，智能化程度高。

为实现上述技术方案，本发明提供了一种车辆违停占道检测方法，具体包括如下步骤：

S1、获取ROI二值图像：设置ROI区域，根据ROI区域坐标同时调用Opencv接口得到ROI区域的二值图像；

S2、获取待检测图像：将步骤S1中获取到的ROI二值图像与当前视频背景图像进行处理，使得在ROI区域中的背景图像保持不变，将ROI区域外的背景图像进行涂黑；

S3、车辆检测：将步骤S2中获取到的图像送入训练好的车辆检测模型，获取车辆的检测坐标和分数；

S4、判断ROI区域中是否检测到车辆并计数：对步骤S3中获取到的检测结果进行判断，若得到的检测目标个数大于0，表示检测到车辆，记cnt_detect加1；反之，记cnt_nodetect加1，表示在ROI区域中没有检测到车辆；

S5、统计间隔时间内有车的次数占比：设置统计的时间间隔T，实时统计在T时间间隔内cnt_detect与cnt_nodetect值，并计算有车的次数占总检测次数的比重，公式为ratio_corr＝cnt_detect/(cnt_detect+cnt_nodetect)；

S6、发出告警：当步骤S5中计算出的占比ratio_corr大于设定的阈值，表示车辆在ROI区域停留的时间超出预设的时间，有车辆违停，ROI区域发出告警。

优选的，所述步骤S3中训练好的车辆检测模型具体通过如下步骤获得：

S31、模型训练：首先对采集到的车辆数据集进行标注；然后基于Yolov5框架，将网络的FOCUS层修改为普通卷积层和DW层；然后设置训练配置文件，将训练样本导入网络进行训练迭代，来获得网络层参数，获得网络模型；

S32、模型预测：基于步骤S31中训练好的网络模型，导入视频帧图片进行测试，获得网络输出层；然后对网络输出层特征进行NMS及分数过滤来获得车辆的检测坐标框和分数。