[发明专利]一种机动车年检底盘动态检测视频智能分析方法

权利要求书

1.一种机动车年检底盘动态检测视频智能分析方法，其特征在于，包括以下步骤：

S1、从数据服务器上获取一辆车的车辆灯光检测视频，与该车辆的号牌号码；

S2、对视频进行逐帧车辆检测分析，找到车辆停在检测工位上的帧图像，并记录下帧号；

S3、对步骤S2中的获取的帧图像进行车牌检测与识别，将识别结果与步骤S1中获取的号牌号码进行比对，若比对一致，则号牌号码比对成功，否则失败；

S4、对步骤S2中的图像进行车灯检测，获取车灯子图像，并获取车灯在图像中的位置；

S5、对步骤S4中获取的车灯子图像，进行车灯是否亮起判断，若车灯亮起，则判断车灯亮起状态成功，否则失败；

S6、根据步骤S2中的帧号，对后续帧进行处理，检测并跟踪灯光检测仪器的移动，结合S4中得到的车灯位置，判断灯光检测仪器是移动到车灯正前方向，并记录仪器在正前方停留的时间，若大于车管所规定的停留时间，则认为灯光检测成功，否则失败。

2.根据权利要求1所述的一种机动车年检底盘动态检测视频智能分析方法，其特征在于，所述步骤S2中判断车辆停在检测工位上的方法步骤如下：

S21、对视频进行逐帧分析，检测图像中的车辆，根据前后20帧的车辆位置信息，判断车辆是否停止，若车辆停止，则进行下面的步骤，否则继续进行步骤S21；

S22、对步骤S21中的图像进行分析，检测图像中是否出现灯光检测仪器，若检测到灯光检测仪器，在车辆的正前方，则认为车辆停在了检测工位上，否则认为是车辆中途意外停车，返回到步骤S21。

3.根据权利要求1所述的一种机动车年检底盘动态检测视频智能分析方法，其特征在于，所述步骤S4中对图像中的车灯检测网络训练与检测推理步骤如下：

S41、收集车辆图像样本集；

S42、对步骤S41中的图像进行车灯位置标注，得到数据集；

S43、将步骤S42中的数据9.5万张做为训练集合，0.5万张作为测试集合；

S44、选取SSD目标检测网络，作为车灯检测网络，由于车灯在图像中的比较较小，故对网络对一定的改进，使其更适合小目标检测，改进如下，将SSD的VGG16特征提取网络改为RESNET18残差网络，以提高小目标特征提取能力；

S45、训练检测网络，得到车灯检测网络模型；

S46、将从车辆灯光检测视频中获取的图像送入车灯检测网络，即可得到车灯在图像中的位置信息。

4.根据权利要求3所述的一种机动车年检底盘动态检测视频智能分析方法，其特征在于，所述步骤S41中，收集车辆的图像样本集，主要包括各种型号的车辆，小轿车、小货车、大货车、客车，包括车灯亮起与非亮起等共计10万张。

5.根据权利要求1所述的一种机动车年检底盘动态检测视频智能分析方法，其特征在于，所述步骤S5中对检测到的车灯亮灭检测网络训练与判断推理步骤如下：

S51、收集车灯图像样本集，包括各种型号的车辆，小轿车、小货车、大货车、客车，包括车灯亮起与非亮起共计20万张；

S52、对步骤S51中的图像进行人工分类，车灯亮的数据集合，车灯灭的数据集合；

S53、将步骤S52中的数据中的95％作训练集合，5％作为测试集合；

S54、选取AlexNet图像分类网络，作为车灯亮灭判断网络；

S55、训练分类网络，得到车灯亮灭分类网络模型；

S56、将从车辆灯光检测视频中获取的车灯图像送入车灯亮灭分类网络，得到车灯是灭的还是亮起的。

6.根据权利要求1所述的一种机动车年检底盘动态检测视频智能分析方法，其特征在于，所述步骤S6中对车辆灯光检测一起的检测网络训练与判断推理步骤如下：

S61、收集全国机动车检测站中包含车辆灯光检测仪器的图像样本集，包括各种角度，光照，清晰度等的图像共计3万张；

S62、对步骤S61中的图像进行灯光检测仪器位置的人工标注，得到数据集合；

S63、将步骤S62中的数据中的95％作训练集合，5％作为测试集合；

S64、选取与车灯检测网络一样的网络结构，作为灯光检测仪器检测网络；

S65、训练检测网络，得到灯光检测仪器检测网络模型；

S66、将从车辆灯光检测视频中获取的图像送入车灯检测仪器检测网络，得到车灯检测仪器在图像中的位置信息。