[发明专利]车辆占道检测方法、装置、计算机设备和可读存储介质

说明书

本发明提供了一种车辆占道检测方法、装置、计算机设备和可读存储介质，该方法包括：将原始图像输送至深度学习全卷积网络，以提取路面上多个车道的粗粒度掩膜，并根据所述粗粒度掩膜生成二值化特征图；在所述二值化特征图中初步确定属于目标颜色的车道，通过幂函数曲线拟合以提取精细车道，并统计各车道的颜色，再将各车道的二值化亮点转换到HSV彩色空间，使用Kmeans算法对车道进行颜色聚类，以鉴别出属于目标颜色的目标车道；根据所述原始图像中车辆的3D信息定位所述车辆所处的车道，以判断所述车辆是否处于所述目标车道内；若所述车辆处于所述目标车道内，则对所述车辆进行标记。本发明能够解决现有技术识别准确度低、车道范围判断不准确的问题。

技术领域

本申请涉及智能交通技术领域，特别是涉及一种车辆占道检测方法、装置、计算机设备和可读存储介质。

背景技术

为应对公共交通出行需要，各地纷纷规划高峰期公交车道专用道，以北京为例，其定义公交流量占道路流量30％以上设置公交车专用道。公交车专用道特定时间专道专行，但占用公交车道的现象屡禁不止，传统违法抓拍的方法为固定龙门架，设置卡口电警或交通电警定点抓拍，人为规避较为容易。

相关技术中，可以通过纹理计算、图像二值化等图像处理手段对抓拍图像进行处理，得到公交车道的二值化图像，然后判断非公交车是否处于公交车道内，但这种方法对公交车道识别的准确度较低，在进行颜色统计时，虚线车道会对统计结果产生影响，导致车道范围判断不准确，影响违法占道抓拍效果。

发明内容

本申请实施例提供了一种车辆占道检测方法、装置、计算机设备和可读存储介质，以至少解决现有技术识别准确度低、车道范围判断不准确的问题。

第一方面，本申请实施例提供了一种车辆占道检测方法，包括：

将原始图像输送至深度学习全卷积网络，以提取路面上多个车道的粗粒度掩膜，并根据所述粗粒度掩膜生成二值化特征图；

在所述二值化特征图中通过幂函数曲线拟合以提取精细车道，将各车道二值化点对应的原始彩色图像中的点转换到HSV彩色空间，使用Kmeans算法对车道进行颜色聚类，以鉴别出属于目标颜色的目标车道；

根据所述原始图像中车辆的3D信息定位所述车辆所处的车道，以判断所述车辆是否处于所述目标车道内；

若所述车辆处于所述目标车道内，则对所述车辆进行标记。

在其中一些实施例中，将原始图像输入至深度学习全卷积网络，以提取路面上多个车道的粗粒度掩膜，并根据所述粗粒度掩膜生成二值化特征图的步骤具体包括：

将所述原始图像输送至所述深度学习全卷积网络，经过卷积、池化、激活、反卷积的传导过程，计算得到与所述原始图像尺度相同的多个车道的所述粗粒度掩膜，经过二值化膨胀腐蚀的连续计算后，获取连续的所述二值化特征图。

在其中一些实施例中，在所述二值化特征图中通过幂函数曲线拟合以提取精细车道线，将各车道二值化点对应的原始彩色图像中的点转换到HSV彩色空间，使用Kmeans算法对车道进行颜色聚类，以鉴别出属于目标颜色的目标车道的步骤具体包括：

采用广度优先搜索算法，在所述粗粒度掩膜中提取若干个二值化点集，采用幂函数拟合算法，拟合车道线方程；

将每一个车道二值化点对应的原始彩色图像中的点转换到HSV彩色空间；使用Kmeans算法对车道进行颜色聚类以获取集合结果；

根据所述集合结果统计车道颜色信息，并根据几何位置关系，对车道进行排序，将相邻两个车道线均为目标颜色的车道确定为候选车道；

提取候选车道的ROI图像，进行透视变换，统一转换为矩形图像，通过卷积神经网络进行目标车道二分类，以鉴别出属于目标颜色的目标车道。

在其中一些实施例中，所述方法还包括：