一种车辆逆行检测方法和装置及计算机可读存储介质与流程

1.本发明属于逆行检测技术领域，具体地说，涉及一种车辆逆行检测方法和装置及计算机可读存储介质。


背景技术：

2.随着我国社会经济的快速发展，人口不断扩张和城市化进程的加速，我国的机动车拥有量也在快速提高，随之引发了较多的机动车违章行驶问题。
3.现有车辆逆行检测方法大多是在固定场景下，即摄像头架设在卡口或道路上方，拍摄区域相对固定，作用范围有限。同时，现有方法往往只能针对当前车道的逆行行为进行判别，而不能识别周边道路上的逆行行为。
4.申请号为cn201811654238.0的专利申请提供了一种车辆违章的监控方法、装置及系统，该方法包括：获取当前监控图像；对当前监控图像进行交通标识识别，得到当前监控图像中包含的交通标识的类别；对当前监控图像进行车辆识别，得到当前监控图像中包含的车辆的信息；根据交通标识的类别和车辆的信息，判断车辆是否违章。
5.上述方案采用非否即是的判断方法，判断结果的准确性、可信度均不能满足现有市场的要求。
6.有鉴于此特提出本发明。


技术实现要素：

7.本发明要解决的技术问题在于克服现有技术的不足，提供一种车辆逆行检测方法，通过得到与逆行有关的各类基础算法结果，然后建立逆行判断逻辑，再判定是否逆行，使得本发明的检测方法可以参考更多的基础信息帮助判断，使检测结果具有更高的鲁棒性。
8.本发明的另一目的是提供一种车辆逆行检测装置。
9.本发明的另一目的是提供一种计算计可读介质，用于实施上述的车辆逆行检测方法。
10.为解决上述技术问题，本发明采用技术方案的基本构思是：
11.一种车辆逆行检测方法，包括以下步骤：
12.获取检测区域内的道路图像，基于神经网络模型确定检测区域内车道为前向车道的概率；
13.获取检测区域内的若干运动的车辆的图像，基于神经网络模型确定若干车辆的逆向行驶概率；
14.根据车道为前向车道的概率和若干车辆的逆向行驶概率，确定若干车辆是否存在逆向行驶行为。
15.进一步的，获取检测区域内的道路图像，和获取检测区域内的若干运动的车辆的图像的方法为：
16.对检测区域内的道路信息进行移动式采集并在移动的同时生成图像。
17.进一步的，确定检测区域内车道为前向车道的方法包括以下步骤：
18.确定进行移动式采集的设备所在车道为前向车道；
19.判断道路图像中的车道线是否为虚线，若是，则确定该车道线两侧的车道为前向车道。
20.进一步的，确定若干车辆的逆向行驶概率的方法包括：通过运动目标检测算法得到运动目标图，记为m，把当前帧里检测到的所有目标车辆的包围框记为cn，其中n为1，2，3
…
；
21.由此可得运动的车辆on，on＝m
☉
cn，
22.其中
☉
为包围框在图像上的抠图操作；
23.将得到的运动车辆图像输入到训练好的逆行检测模型中，得到车辆的逆向行驶概率。
24.进一步的，确定若干车辆是否存在逆向行驶行为，包括确定若干车辆中某一目标车辆存在逆向行驶行为的概率，根据目标车辆逆向行驶的概率确定该目标车辆是否存在逆向行驶行为。
25.进一步的，确定目标车辆存在逆向行驶行为的概率由式(一)得到：
26.式(一)：
27.其中，p(r)为车道线为虚线的概率，p(d)为目标车辆朝向为逆向的概率，p(d
n’)为目标车辆所在车道上除目标车辆外第n辆车辆朝向为逆向的概率；a1为车道线为虚线的概率的加权系数，a2为目标车辆朝向为逆向的概率的加权系数。
28.进一步的，对检测区域内的道路信息进行移动式采集并在移动的同时生成图像之后还包括以下步骤：对检测区域内的道路图像进行场景语义分割。
29.一种车辆逆行检测装置，包括：
30.数据采集模块，用于对道路信息进行移动式采集并在移动的同时生成数据；
31.第一确定模块，用于基于道路信息的数据，确定车道为前向车道的概率；
32.第二确定模块，用于基于道路信息的数据，确定车辆为逆向行驶的概率；
33.第三确定模块，用于基于车道为前向车道的概率和车辆为逆向行驶的概率确定车辆是否存在逆向行驶行为。
34.进一步的，所述数据采集模块包括：
35.移动单元，用于在道路上移动；
36.摄像单元，与移动单元连接，用于对视野内车辆及车道线的图像采集。
37.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上所述的车辆逆行检测方法的步骤。
38.采用上述技术方案后，本发明与现有技术相比具有以下有益效果。
39.1、本发明不同于传统固定场景下违章行为的抓拍，移动摄像头场景下车辆逆行的判断是较为困难的一件事，本发明所提出的方案在一定程度上解决了这一问题。
40.2、本发明提出了首先识别道路场景中各类基本信息，然后通过建立场景启发模型，从而解决了检测车辆逆行违章行驶这个问题。
41.3、本发明根据各类基础算法的结果构造了一个场景模型，用来对车道上的车做逆行判断，本发明不但利用了对象车辆的自身信息，而且利用了该车辆周边的场景信息。
42.下面结合附图对本发明的具体实施方式作进一步详细的描述。
附图说明
43.附图作为本发明的一部分，用来提供对本发明的进一步的理解，本发明的示意性实施例及其说明用于解释本发明，但不构成对本发明的不当限定。显然，下面描述中的附图仅仅是一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。在附图中：
44.图1是本发明车辆逆行检测方法的流程示意图；
45.图2是本发明车辆逆行检测装置的示意图。
46.需要说明的是，这些附图和文字描述并不旨在以任何方式限制本发明的构思范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
47.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对实施例中的技术方案进行清楚、完整地描述，以下实施例用于说明本发明，但不用来限制本发明的范围。
48.在本发明的描述中，需要说明的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
49.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
50.如图1和图2所示，本发明提供一种车辆逆行检测方法、装置以及计算机可读介质。
51.其中，如图1所示，车辆逆行检测方法包括以下步骤：获取检测区域内的道路图像，基于神经网络模型确定检测区域内车道为前向车道的概率；获取检测区域内的若干运动的车辆的图像，基于神经网络模型确定若干车辆的逆向行驶概率；根据车道为前向车道的概率和若干车辆的逆向行驶概率，确定若干车辆是否存在逆向行驶行为。
52.详细的，由于现实环境复杂多变，车道线检测算法、车辆位置检测算法、车辆朝向检测算法易受天气、光照、遮挡等外部因素干扰，因此算法检测结果和实际情况往往有偏差。而逆行违章判断需要使用车道线以及车辆朝向等算法的结果综合判断，如果其中一个算法出现错误结果将会对最后的判断造成直接影响。由此，本发明提供的上述逆行检测方法是在获得判断车辆逆行各要素结果的基础上添加人工置信度来缓解这种现象。
53.换言之，本发明在确定车辆是否存在逆向行驶行为时有别于现有技术中直接采用算法判断结果进行确定，而是在获得车道线的结果后确定这一结果的置信度，相应的，在获得车辆朝向为逆向的结果后也确认这一结果的置信度，基于上述两项结果的置信度确定车
辆存在逆向行驶行为，使得本发明的检测方法可以参考更多的基础信息帮助判断，使检测结果具有更高的鲁棒性。
54.本发明的可选的实施方式中，获取检测区域内的道路图像，和获取检测区域内的若干运动的车辆的图像的方法为：对检测区域内的道路信息进行移动式采集并在移动的同时生成图像。
55.详细的，采用移动摄像头获取道路的视频图像，可以把摄像头架设在移动的车辆或者机器人前方或者后方，为算法提供视频流。
56.基于此，本发明确定检测区域内车道为前向车道的方法包括以下步骤：确定进行移动式采集的设备所在车道为前向车道；判断道路图像中的车道线是否为虚线，若是，则确定该车道线两侧的车道为前向车道。
57.详细的，基于移动摄像头获取的道路的视频图像，采用车道线检测算法scnn获得车道线的结果，并把车道线检测算法得到结果记为l，l为代表车道线在图像坐标系的曲线方程。left为车道左边线的类型，right为车道右边线的类型。假设一帧图像可以检测到n条车道线，其中根据车道线的输出结果判定车道行驶方向的方法如下：
58.1.默认移动摄像头所在车辆的当前车道为前向车道；
59.2.如果当前车道左边或右边的车道线为虚线，则判定该车道左右两侧的车道也为前向车道；
60.3.步骤2中判定的前向车道的左边或右边车道线为虚线，则判定该车道左侧车道或右侧车道也为前向车道。
61.那么可以定义前向车道的集合r＝{r1，r2，r3，
…
}。其中r1为本车道，rn(n》＝2)可以表示为：
62.rn＝{left(r*)为虚线，r*左侧车道or right(r*)为虚线，r*右侧车道}；
63.其中r*属于集合r。
64.进一步的，本发明的实施方式中，确定若干车辆的逆向行驶概率的方法包括：通过运动目标检测算法yolov3得到运动目标图，记为m，把当前帧里检测到的所有目标车辆的包围框记为cn，其中n为1，2，3
…
；由此可得运动的车辆on，on＝m
☉
cn，其中
☉
为包围框在图像上的抠图操作；将得到的运动车辆图像输入到训练好的逆行检测模型alexnet中，得到车辆的逆向行驶概率。
65.本发明确定若干车辆是否存在逆向行驶行为，包括确定若干车辆中某一目标车辆存在逆向行驶行为的概率，根据目标车辆逆向行驶的概率确定该目标车辆是否存在逆向行驶行为。
66.详细的，本发明在检测车辆是否存在逆向行驶行为时不是直接得到一个“是”或“否”的结论，而是通过获得某辆运动的车辆出现逆行的概率来判断该车辆是否为逆行违章车辆。
67.具体的，在得到了运动车辆集合on以及前向车道集合rn后，则开始判断前向车道中运动车辆的朝向，寻找前向车道中运动车辆朝向判定为车头的车辆，即与本车车头相向的车辆。假设逆行的车辆用集合v表示。
68.可见，本发明还借助场景中其他车辆的行驶信息作为判断依据，不但了解事物本身，同时对事物周围环境加以理解后综合判断，这样进一步提高判断准确率。
69.确定目标车辆存在逆向行驶行为的概率由式(一)得到：
70.式(一)：
71.其中，p(r)为车道线为虚线的概率，p(d)为目标车辆朝向为逆向的概率，p(d
n’)为目标车辆所在车道上除目标车辆外第n辆车辆朝向为逆向的概率；a1为车道线为虚线的概率的加权系数，a2为目标车辆朝向为逆向的概率的加权系数。
72.上述方案中，其中p(r)代表车道线为虚线的置信度，p(d)代表运动车辆朝向为逆向的置信度，p(r)和p(d)分别由算法为scnn和算法alexnet得出置信度，a1代表虚线置信度的加权系数，a2为违章车辆逆行置信度的加权系数。加权系数可以通过实验验证后的数值，加权系数皆根据实际情况事先设定，这里a1取0.5，a2取0.2。
73.p(dn’)代表检测出来的目标车辆所在车道上其他某辆车逆行的概率。因此，式(一)中的最后一项则代表目标车辆所在车道上其他所有车辆逆行的平均概率，如果概率大则说明当前目标车辆很有可能是误判。这符合场景启发的概念。
74.在本发明的一些实施例中，对检测区域内的道路信息进行移动式采集并在移动的同时生成图像之后还包括以下步骤：对检测区域内的道路图像进行场景语义分割。例如，分割出与逆行判断元素相关的运动车辆、车辆朝向、车道线种类等。上述方案可采用场景语义分割算法unet进行。
75.本发明提供的车辆逆行检测装置，如图2所示，包括：
76.数据采集模块，用于对道路信息进行移动式采集并在移动的同时生成数据；
77.第一确定模块，用于基于道路信息的数据，确定车道为前向车道的概率；
78.第二确定模块，用于基于道路信息的数据，确定车辆为逆向行驶的概率；
79.第三确定模块，用于基于车道为前向车道的概率和车辆为逆向行驶的概率确定车辆是否存在逆向行驶行为。
80.进一步的，所述数据采集模块包括：
81.移动单元，用于在道路上移动；
82.摄像单元，与移动单元连接，用于对视野内车辆及车道线的图像采集。
83.详细的，本发明不同于传统固定场景下违章行为的抓拍，移动摄像头场景下车辆逆行的判断是较为困难的一件事，本发明所提出的方案在一定程度上解决了这一问题。
84.另外，目前单纯的基于传统算法或深度学习的方法很难直接解决车辆逆行这一行为，本发明提出了首先识别道路场景中各类基本信息，然后通过建立场景启发模型，从而解决逆行违章行驶这个问题。
85.而且，本发明根据各类基础算法的结果构造了一个场景模型，用来对车道上的车做逆行判断，本发明不但利用了对象车辆的自身信息，而且利用了该车辆周边的场景信息。
86.对应于上述车辆逆行检测方法，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述车辆逆行检测方法的步骤。
87.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的车辆逆行检测装置的具体工作过程，可以参考方法实施例中的对应过程，本发明中不再赘述。在本发明所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的
方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
88.所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
89.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
90.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
91.以上所述仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专利的技术人员在不脱离本发明技术方案范围内，当可利用上述提示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明方案的范围内。