[发明专利]一种基于图像的车辆行驶方向判断方法

说明书

本发明公开了一种基于图像的车辆行驶方向判断方法，本发明提供了针对智慧交通领域，在复杂场景下，很难判断出当前车辆的行驶方向，提出了三种基于传统和深度学习相结合的车辆行驶方向判断算法，并将三种算法相结合得到最终判断结果；2)本发明同时提供了当前图像下的灭点检测算法。

技术领域

本发明涉及机动车车辆人工智能检测、识别、分类技术领域，特别涉及一种基于图像通过传统图像处理以及深度学习方法应用在智慧交通中复杂场景下的车辆姿态判断方法。

背景技术

目前基于视频车辆行驶方向判定方法主要依靠车辆运行轨迹、车辆追踪等方式，例如专利CN 107516423 A就是根据运动信息图像获得方向统计值，根据基于方向统计值的判定条件判定车辆经过条件下车辆行驶方向。

但在例如违章二次审核等资源有限的情况下，很难拿到视频，能够得到的只有三帧甚至更少的图像，需要基于几帧图像来判断当前车辆的行驶方向，这也是在众多智能交通领域的工程中急需解决的难点算法之一。

因此本发明基于几帧图像的有限资源，提出了一种车辆行驶方向判断算法，精度较高，算法可以直接应用在工程中。

发明内容

本发明解决其技术问题所采用的技术方案是：采用一种基于图像的车辆行驶方向判断方法，包括以下步骤：

S1、获取通过路口的视频采集设备采集的某时刻的图像、待判定车辆的车牌号；

S2、通过常规的检测算法获取该图像下的所有车辆的位置信息；

S3、通过常规的检测算法检测出该图像下所有车中对应车牌的位置信息；

S4、通过常规的车牌识别算法识别出该图像下所有车的车牌号码；

S5、通过S4中得到车牌号码找到与待判定车辆的车牌号相同的当前车；

S6、通过分割算法对三张图中的黄线、实线即车道线进行语义分割；

S7、通过分割得到的轮廓进行直线拟合；

S8、通过拟合的车道线确定该图像下的灭点；

S9、通过常规方法即第一种方法判断当前车辆的行驶方向；

S10、通过改进算法一即第二种算法再次判断当前车辆的行驶方向；

S11、通过改进算法二即第三种算法再次判断当前车辆的行驶方向；

S12、若方法一和方法二判断结果相同，则直接相信当前结果，结束判断；

S13、若方法一和方法二判断结果不同，当方法三和方法一相同时，则相信方法一/方法三，当方法二和方法三相同时，则相信方法二/方法三，当方法一、方法二、方法三三种方法皆不相同时，则返回不确定，结束判断。

所述步骤S6的语义分割算法具体步骤如下：

S61、收集应用场景的车道线图片，并人工标注出车道线区域，即人工标注包围公交车道的闭合多边形；

S62、将人工标注转换为标签矩阵，即将人工标注的黄线闭合多边形内所有像素点对应标签设置为0、将人工标注的实线闭合多边形内所有像素点对应标签设置为1、将人工标注的虚线闭合多边形内所有像素点对应标签设置为2、其他像素点对应的标签设置为0；

S63、将车道线图片及对应的标签矩阵输入deeplab-v2分割算法训练，deeplab-v2分割算法采用ResNet-34作为骨干网络，psp_module和unet模块作为解码器，并使用skiplayer引入低维细节特征作为模型网络结构，使用a*bce_loss+b*lovasz_loss作为最终loss，其中a和b大于等于0，a和b小于等于1，，并引入辅助损失aux_loss进行训练；