[发明专利]车辆外观异常检测方法和装置、电子设备及存储介质

权利要求书

1.一种车辆外观异常检测方法，其特征在于，所述方法包括：

通过相机拍摄待检测的道路场景；

确定所述道路场景中的目标车辆；

通过标定算法得到所述目标车辆的世界坐标；

对所述目标车辆进行信息提取，得到检测信息；

构建检测模型，对车辆外观异常事件进行定义，确定所述检测模型训练的负样本，其中，所述检测模型为Faster R-CNN网络模型；

将所述检测信息输入预先训练好的所述Faster R-CNN网络模型，以判断所述目标车辆是否发生车辆外观异常事件，其中，所述Faster R-CNN网络模型包括EfficientNet模块和transform模块。

2.根据权利要求1所述的方法，其特征在于，所述Faster R-CNN网络模型的训练方法如下：

输入汽车外观图像，通过所述transform模块对所述汽车外观图像进行数据增强；

将增强后的所述汽车外观图像输入至所述EfficientNet模块的卷积层，得到特征图；

在所述特征图上运行RPN，生成一系列候选区域；

对每个所述候选区域进行RoIPooling，将所述候选区域转换为固定大小的特征向量；

将所述特征向量输入至预设的Fast R-CNN网络模型，得到目标检测结果；

通过反向传播更新所述Fast R-CNN网络模型的模型参数，以最小化目标检测误差；

训练所述Fast R-CNN网络模型，直到达到目标训练次数，得到训练好的所述Fast R-CNN网络模型。

3.根据权利要求2所述的方法，其特征在于，所述数据增强包括如下至少之一：

随机翻转；

随机裁剪；

随机旋转；

色彩抖动。

4.根据权利要求1所述的方法，其特征在于，所述车辆外观异常事件的定义的包括如下至少之一：

车辆车门打开；

车辆货物突出；

车辆货物起火；

车辆货物拖地；

车辆违规载物；

车辆帆布脱落。

5.根据权利要求1所述的方法，其特征在于，所述通过标定算法得到所述目标车辆的世界坐标，包括：

获取所述相机的内部参数；

计算出相机模型垂直于车辆外观的平移向量；

计算世界坐标系绕图像坐标系的旋转矩阵；

结合所述相机的实际位置得到图像坐标和世界坐标之间的坐标转换关系；

基于所述坐标转换关系得到所述目标车辆的世界坐标。

6.根据权利要求1所述的方法，其特征在于，所述判断所述目标车辆是否发生车辆外观异常事件，包括：

在检测到目标车辆尾部和侧部的面积超过预先设置的阈值的情况下，则判断发送目标车辆车门打开的车辆外观异常事件；

在检测到目标车辆尾部有货物凸出的情况下，则判断发生目标车辆货物突出的车辆外观异常事件；

在检测到目标车辆外观图像的色彩发生变化的情况下，则判断发生目标车辆货物起火的车辆外观异常事件；

在检测到目标车辆有货物和地面接触的情况下，则判断发生目标车辆货物拖地的车辆外观异常事件；

在检测到目标车辆车顶或者侧部有货物凸出的情况下，则判断发生目标车辆车顶或者侧部违规载物的车辆外观异常事件；

在检测到目标车辆露出货物或者目标车辆有帆布凸起，则判断发生目标车辆帆布脱落的车辆外观异常事件。

7.根据权利要求1至6任意一项所述的方法，其特征在于，在所述将所述检测信息输入预先训练好的所述Faster R-CNN网络模型，以判断所述目标车辆是否发生车辆外观异常事件，其中，所述Faster R-CNN网络模型包括EfficientNet模块和transform模块之后，还包括：

对所述车辆外观异常事件进行预警和上报。