[发明专利]一种车辆意图加塞行为识别方法、装置、设备及存储介质

权利要求书

1.一种车辆意图加塞行为识别方法，其特征在于，包括：

获取由道路监控摄像头实时采集的现场视频数据；

采用目标检测算法对所述现场视频数据进行车辆识别实时处理，得到车辆识别结果，其中，所述车辆识别结果包含有识别出的至少一个车辆以及所述至少一个车辆中各个车辆的车体标记框；

采用车道线识别算法对所述现场视频数据进行车道线识别实时处理，得到车道线识别结果；

针对所述至少一个车辆中的各个车辆，实时根据所述车道线识别结果判断对应车辆是否压线，若是，则根据对应的车体标记框，从所述现场视频数据中截取出对应的车辆图像；

针对所述至少一个车辆中的各个压线车辆，实时根据对应的车辆图像估计得到对应的车身方向，并基于该车身方向确定对应的待驶入车道；

针对所述各个压线车辆，根据所述车辆识别结果判断对应的车体标记框是否与在对应的待驶入车道上的前后两车辆的车体标记框均相交，若是，则确定对应车辆存在意图加塞行为，并留存对应的车辆意图加塞判定证据。

2.根据权利要求1所述的车辆意图加塞行为识别方法，其特征在于，采用目标检测算法对所述现场视频数据进行车辆识别实时处理，得到车辆识别结果，包括：

将所述现场视频数据中的现场视频图像实时导入基于YOLOv4目标检测算法的且已预先完成训练的车辆识别模型，得到车辆识别结果，其中，所述车辆识别结果包含有识别出的至少一个车辆以及所述至少一个车辆中各个车辆的车体标记框。

3.根据权利要求1所述的车辆意图加塞行为识别方法，其特征在于，采用车道线识别算法对所述现场视频数据进行车道线识别实时处理，得到车道线识别结果，包括：

将所述现场视频数据中的现场视频图像实时变换为灰度图像；

对所述灰度图像进行高斯滤波实时处理，得到去噪图像；

对所述去噪图像进行边缘检测实时处理，得到包含有边缘像素点的边缘检测结果图像，其中，所述边缘像素点用于作为车道线像素点；

根据预设的感兴趣区域，对所述边缘检测结果图像进行掩模实时处理，得到仅在所述感兴趣区域内包含有边缘像素点的新边缘检测结果图像；

对所述新边缘检测结果图像进行霍夫变换实时处理，得到用于构成车道线的至少一个直线段；

根据所述至少一个直线段的斜率平均值和截距平均值，实时拟合得到连续的车道线；

将所述车道线实时加载到所述现场视频图像中，得到车道线识别结果。

4.根据权利要求1所述的车辆意图加塞行为识别方法，其特征在于，针对所述至少一个车辆中的各个车辆，实时根据所述车道线识别结果判断对应车辆是否压线，包括：

针对所述至少一个车辆中的各个车辆，实时根据对应的车体标记框确定对应的框内对角线段；

针对所述各个车辆，实时根据所述车道线识别结果判断识别出的车道线是否与对应的框内对角线段相交，若是，则判定对应车辆压线，否则判定对应车辆不压线。

5.根据权利要求1所述的车辆意图加塞行为识别方法，其特征在于，针对所述至少一个车辆中的各个压线车辆，实时根据对应的车辆图像估计得到对应的车身方向，包括：

针对所述至少一个车辆中的各个压线车辆，将对应的车辆图像导入基于MaskR-CNN架构的且已预先完成训练的车身方向估计模型，输出得到对应车辆的车身方向属于在多个扇形分区中各个扇形分区的概率，其中，所述多个扇形分区是指将环向360度离散化的所有非重叠扇形区域；

针对所述各个压线车辆，按照如下公式计算得到对应的车身方向角R：

式中，K表示所述多个扇形分区的分区总数，k表示小于等于K的正整数，w_k表示压线车辆的车身方向属于在所述多个扇形分区中第k个扇形分区的概率，θ_loc,k表示所述第k个扇形分区的角度范围，median()表示取中位数函数。