[发明专利]违规撑伞检测和识别方法、装置、电子设备及存储介质

权利要求书

1.一种违规撑伞的检测和识别方法，其特征在于，所述方法包括：

获取待检测视频，对所述待检测视频中的图像进行识别，确定所述图像中每个伞检测区域、人体检测区域和非机动车检测区域；

针对所述每个伞检测区域，分别确定该伞检测区域与每个人体检测区域的交并比，确定该伞检测区域与每个非机动车检测区域的交并比；

根据所述每个伞检测区域与每个人体检测区域的交并比，所述每个伞检测区域与每个非机动车检测区域的交并比，从所述每个伞检测区域中，确定出存在违规撑伞行为的目标伞检测区域。

2.如权利要求1所述的方法，其特征在于，所述对所述待检测视频中的图像进行识别，确定所述图像中每个伞检测区域、人体检测区域和非机动车检测区域包括：

将所述待检测视频中的图像输入预先训练完成的目标检测模型，基于所述目标检测模型确定所述图像中每个伞检测区域、人体检测区域和非机动车检测区域；所述目标检测模型是针对第一训练集中的每个样本图像，根据该样本图像和对应的标注图像训练得到的，其中，所述标注图像中标注有对应的样本图像中每个伞检测区域、人体检测区域和非机动车检测区域的位置信息。

3.如权利要求1所述的方法，其特征在于，所述确定所述图像中每个伞检测区域之后，针对所述每个伞检测区域，分别确定该伞检测区域与每个人体检测区域的交并比之前，所述方法还包括：

针对所述每个伞检测区域，将该伞检测区域输入预先训练完成的校验模型，基于所述校验模型确定该伞检测区域的类型信息，若该伞检测区域的类型信息为伞，保留该伞检测区域，否则滤除该伞检测区域。

4.如权利要求3所述的方法，其特征在于，所述校验模型的训练过程包括：

针对第二训练集中的每个检测区域图像，将该检测区域图像和对应的标签信息输入所述校验模型，采用对抗学习的细粒度分类算法，对所述校验模型进行训练；其中，所述标签信息包括对应的检测区域图像的类型信息。

5.如权利要求1所述的方法，其特征在于，所述根据所述每个伞检测区域与每个人体检测区域的交并比，所述每个伞检测区域与每个非机动车检测区域的交并比，从所述每个伞检测区域中，确定出存在违规撑伞行为的目标伞检测区域包括：

针对所述每个伞检测区域，根据所述伞检测区域的位置信息和与所述图像间隔预设帧数的图像中对应的伞检测区域的位置信息，确定所述伞检测区域为固定位置区域还是移动位置区域；

若所述伞检测区域为固定位置区域，判断所述伞检测区域与人体检测区域的最大交并比，以及所述伞检测区域与非机动车检测区域的最大交并比是否均小于预设的第一交并比阈值，如果是，确定所述伞检测区域为存在违规撑伞行为的目标伞检测区域，如果否，确定所述伞检测区域不是目标伞检测区域；

若所述伞检测区域为移动位置区域，判断所述伞检测区域与预设类别的非机动车检测区域的最大交并比是否大于预设的第二交并比阈值，如果是，确定所述伞检测区域为存在违规撑伞行为的目标伞检测区域，如果否，确定所述伞检测区域不是目标伞检测区域。

6.如权利要求5所述的方法，其特征在于，若所述伞检测区域为固定位置区域，判断所述伞检测区域与人体检测区域的最大交并比，以及所述伞检测区域与非机动车检测区域的最大交并比均小于预设的第一交并比阈值之后，确定所述伞检测区域为存在违规撑伞行为的目标伞检测区域之前，所述方法还包括：

判断所述伞检测区域是否位于预设的规则区域范围内，如果是，确定所述伞检测区域为存在违规撑伞行为的目标伞检测区域；

若所述伞检测区域为移动位置区域，判断所述伞检测区域与预设类别的非机动车检测区域的最大交并比大于预设的第二交并比阈值之后，确定所述伞检测区域为存在违规撑伞行为的目标伞检测区域之前，所述方法还包括：

判断预设帧数的图像中，所述伞检测区域是否均位于预设的规则区域范围内，如果是，确定所述伞检测区域为存在违规撑伞行为的目标伞检测区域。