[发明专利]具有危险载货行为的车辆目标识别方法、装置及电子设备

说明书

本发明实施例提供了一种具有危险载货行为的车辆目标识别方法、装置及电子设备，具有危险载货行为的车辆目标识别方法包括：对待检测图像进行车辆目标检测，确定待检测图像中车辆目标所处区域；根据车辆目标所处区域在待检测图像中的位置关系，对车辆目标所处区域进行调整，定位出待检测图像中的车辆载货感兴趣区域，其中，车辆目标所处区域为待检测图像中仅包含车辆目标的车头或者车尾的区域，车辆载货感兴趣区域中包括车辆目标的载货特征；采用预先训练的神经网络模型，对车辆载货感兴趣区域中的车辆目标进行分类识别，判断车辆目标是否为具有危险载货行为的车辆目标。通过本方案可以准确识别具有危险载货行为的车辆目标。

技术领域

本发明涉及智能交通技术领域，特别是涉及一种具有危险载货行为的车辆目标识别方法、装置及电子设备。

背景技术

在公共交通中，车辆常常会出现危险载货的行为，如图1a及图1b所示的货车超载货物，图1c及图1d所示的三轮车超载货物，图1e及图1f所示的轿车车顶悬挂、捆绑货物等等，车辆的危险载货行为容易造成交通安全事故。因此，为了便于公共交通安全相关部门的管理工作，需要对道路中这类存在危险载货行为的车辆进行识别。传统的识别方法中，通过人工筛选的方式，从大量的视频监控图像数据中筛选出具有危险载货行为的车辆，而视频监控图像数据的数据量往往是非常庞大的，这将消耗大量的人工时间和精力，且极易出现漏检、误检的情况。

近年来，随着人工智能的快速发展，深度学习方法逐渐成为图像中目标识别的主流技术。在公共交通中，基于深度学习的识别方法中对于车辆是否具有危险载货行为还无法进行准确识别。

发明内容

本发明实施例的目的在于提供一种具有危险载货行为的车辆目标识别方法、装置及电子设备，以准确识别具有危险载货行为的车辆目标。具体技术方案如下：

第一方面，本发明实施例提供了一种具有危险载货行为的车辆目标识别方法，所述方法包括：

对待检测图像进行车辆目标检测，确定所述待检测图像中车辆目标所处区域；

根据所述车辆目标所处区域在所述待检测图像中的位置关系，对所述车辆目标所处区域进行调整，定位出所述待检测图像中的车辆载货感兴趣区域，所述车辆目标所处区域为所述待检测图像中仅包含所述车辆目标的车头或者车尾的区域，所述车辆载货感兴趣区域中包括所述车辆目标的载货特征；

采用预先训练的神经网络模型，对所述车辆载货感兴趣区域中的所述车辆目标进行分类识别，判断所述车辆目标是否为具有危险载货行为的车辆目标。

可选的，在所述根据所述车辆目标所处区域在所述待检测图像中的位置关系，对所述车辆目标所处区域进行调整，定位出所述待检测图像中的车辆载货感兴趣区域之前，所述方法还包括：

判断所述车辆目标所处区域的尺寸是否大于预设尺寸；

若是，则执行所述根据所述车辆目标所处区域在所述待检测图像中的位置关系，对所述车辆目标所处区域进行调整，定位出所述待检测图像中的车辆载货感兴趣区域。

可选的，所述根据所述车辆目标所处区域在所述待检测图像中的位置关系，对所述车辆目标所处区域进行调整，定位出所述待检测图像中的车辆载货感兴趣区域，包括：

确定所述车辆目标所处区域中的预设坐标点；

以所述预设坐标点为基准，按照预设比例放大所述车辆目标所处区域，得到车辆载货感兴趣区域。

可选的，所述根据所述车辆目标所处区域在所述待检测图像中的位置关系，对所述车辆目标所处区域进行调整，定位出所述待检测图像中的车辆载货感兴趣区域，包括：

获取所述车辆目标所处区域的下边框的宽度，所述车辆目标所处区域为所述车辆目标的车头或者车尾所处的矩形区域；