(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210278017.8 (22)申请日 2022.03.21 (71)申请人 华东师范大学 地址 200241 上海市闵行区东川路5 00号 (72)发明人 木森林　金慧丽　李响　 (74)专利代理 机构 上海蓝迪专利商标事务所 (普通合伙) 31215 专利代理师 徐筱梅　张翔 (51)Int.Cl. G06V 20/54(2022.01) G06V 10/25(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G08G 1/017(2006.01) (54)发明名称 一种基于AI技术在复杂场景下的车辆压线 检测方法 (57)摘要 本发明公开了一种基于AI技术在复杂场景 下的车辆压线检测方法， 其特点利用深度学习图 像实例分割模 型识别车辆， 根据车轮连线与绘制 出的车道线进行相交线段判定以检测车辆是否 压线， 具体包括： 图像获取、 利用Mask  R‑CNN识别 车辆、 绘制代表车体的车轮连线、 计算车道线与 车轮连线的空间拓扑关系、 参数配置等步骤。 本 发明与现有技术相比具有方法简便、 省时省力、 经济、 高效并且能够精准地实现复杂场景下的车 辆压线检测， 大幅提高检测速度与精度， 降低人 工复核成本， 较好解决了传统检测方法易受环境 影响、 精度较低的缺点， 从而进一步完善当下的 交通监管系统， 提升监管威慑力， 减少车辆违法 违章行为的发生。 权利要求书1页 说明书4页 附图5页 CN 115439811 A 2022.12.06 CN 115439811 A 1.一种基于AI技术在复杂场景下的车辆压线检测方法， 其特征在于该方法利用深度 学 习图像实例分割模型识别车辆在图像中的对应区域， 估计前后轮在车辆区域的位置， 根据 车轮连线与绘制出的车道线进行相交线段判定 以检测车辆是否压线， 具体包括以下体步 骤： 步骤1： 参数设计与配置 对于不同路口摄像机摆放的位置与角度配置不同参数， 将 获取的图像依据设置的参数 得到裁剪ROI图、 车道线绘制图， 以及手动采样得到的车轮线斜 率； 步骤2： 利用深度学习识别车辆 将待检测图像输入训练好的Mask  R‑CNN实例分割模型进行车辆识别， 给其赋予不同颜 色的掩膜加以区分并存 储所有车辆的轮廓坐标， 剔除部分识别结果 不佳的车辆； 步骤3： 绘制代 表车体的车轮连线 通过Mask  R‑CNN模型的检测， 得到所有车辆 的轮廓坐标信息， 其中， 整个车辆Y方向上 值最大的轮廓点， 即为车辆前轮或后轮其中一个车轮与地面的接触点坐标(xymax,ymax)； 另 一车轮的X坐标， 由车身轮廓在X方向上的最小值 或最大值加减固定偏移 量得到， 将步骤1手 动采样得到的车轮线斜 率由下式(a)式得到另一车轮的Y坐标： y2＝k*((x2+offset_x)‑xymax)+ymax     (a)； 其中， (xymax,ymax)为车辆在Y方向上值最大的轮廓点坐标； (x2,y2)为另一待求车轮点； offset_x为固定偏移量； k 为车轮线斜 率； 步骤4： 计算车道线与车轮连线的空间拓扑关系 根据步骤3 中得到的车轮连线与步骤1中配置的车道线， 通过线段相交算法判断其空间 拓扑关系， 最终与阈值相比较， 得到车辆是否发生压线违章的结果。 2.根据权利要求1所述基于AI技术在复杂场景下的车辆压线检测方法， 其特征在于所 述步骤1中的参数设计与配置主要包括： 车辆偏移参数、 判定阈值、 检测范围和车道线首尾 坐标。 3.根据权利要求1所述基于AI技术在复杂场景下的车辆压线检测方法， 其特征在于所 述步骤2中的车辆识别主要包括中小型车辆、 公交车、 卡车三种类型， 所述剔除部分识别结 果不佳的车辆包括： 某些大货车、 公交车， 由于车体尺寸过大， 导致只识别出车头而没有检 测出车身的情况； 远离摄像头的车辆， 在画面中的尺寸过小， 超出检测范围的情况； 在画面 边缘的车辆， 由于车身不全， 使得识别出的车辆轮廓并不符合车的整体形状的情况； 以及被 遮挡的车辆由于车身被其他车辆大面积遮挡， 即使用肉眼也难以判断是否压线行驶的情 况。权　利　要　求　书 1/1 页 2 CN 115439811 A 2一种基于AI技术在复杂场景下的车辆压线检测方 法 技术领域 [0001]本发明涉及图像处理技术领域， 尤其是一种基于AI技术在复杂场景下的车辆压线 检测方 法。 背景技术 [0002]近年来， 汽车保有量快速增长， 汽车的大范围普及推动了工业进步、 经济发展， 同 时也 带来了一系 列交通问题与城市管理问题， 包括拥堵、 事故、 污染等。 在 城市管理需求与 产业 发展需求的矛盾下， 加强对交通道路的规范化管理势在 必行。 [0003]智能交通系统的出现有效缓解了这些矛盾。 ITS将控制技术、 人工智能、 图像处理、 数 据通讯传输、 电子传感等先进技术进行有效集成并运用于交通运输、 服务控制、 车辆行 为规 范， 加强道路、 车辆、 交通参与者之间的联系， 从而实现保障安全、 改善环 境、 节约能源 的 目标。 ITS是多种系统的集合， 道路图像监控系统就是其中一项用于监测道路违章、 违 法、 拥堵的系统， 其拥有车辆/牌检测、 车流量检测、 车辆违章/违法行为检测等功能。 大量 摄像头 分布于各个道路， 时刻记录与监控各个路口路面信息。 因此， 如何利用计算机自动 处理大量  的路面信息实现检测功能， 成为了主要问题。 车辆压线检测属于车辆违法/违章 行为检测的一  项内容， 车辆在行驶过程中若横跨实线车道线， 往往会占用多条车道， 影响 其他交通参与者， 从而引起交通拥堵、 剐蹭， 甚至追尾、 翻车事故的发生。 [0004]现有技术的压线检测一般是通过滤波算子自动提取或手工标记图像中的实线区 域， 接着 使用差分法获取车辆目标， 消除阴影， 最后改进车辆中心检测算法或灰度帧差统 计算法以检  测是否压线。 此类传统算法处理图像虽有效果， 但存在一定的局限性， 如运算 速度慢、 运 算 量大、 对路面和拍摄角度要求较高， 易受环境影响、 精度较低等问题。 发明内容 [0005]本发明的目的是针对现有技术的空缺提供了一种基于AI技术在复杂场景下的车 辆压线 检测方法， 利用深度学习图像实例分割模 型识别车辆在图像中的对应区域， 估计前 后轮在车  辆区域的位置， 根据车轮连线与绘制出 的车道线进行相交线段判定以检测车辆 是否压线， 通  过AI技术， 实现 复杂场景下的车辆压线检测， 大幅提高检测速度与精度， 降低 人工复核成本，  从而进一步完善当下 的交通监管系统， 提升监管威慑力， 减少车辆违法违 章行为的发生， 为  了更加准确、 高效地提高交通违法违章行为检测的效率与精度， 极具有 广泛的应用意 义。 [0006]本发明实现的具体技术方案是： 一种基于AI技术在复杂场景下的车辆压线检测方 法， 其 特点是该方法利用深度学习图像实例分割模型识别车辆在图像中的对应区域， 估计 前后轮在  车辆区域的位置， 根据车轮连线与绘制出 的车道线进行相交线段判定以检测车 辆是否压线， 具体包括下属步骤： [0007]步骤1： 参数设计与配置 [0008]对于不同路口摄像机摆放的位置与角度， 针对性地配置不同参数以提高检测精度说　明　书 1/4 页 3 CN 115439811 A 3