(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210776499.X (22)申请日 2022.07.04 (65)同一申请的已公布的文献号 申请公布号 CN 114842430 A (43)申请公布日 2022.08.02 (73)专利权人 江苏紫琅汽车集团股份有限公司 地址 226000 江苏省南 通市启东市汇龙镇 富源路1号 (72)发明人 杨荣　 (51)Int.Cl. G06V 20/54(2022.01) G06V 10/20(2022.01) G06V 10/26(2022.01) G06V 10/762(2022.01) G06V 10/82(2022.01)(56)对比文件 CN 112818905 A,2021.0 5.18 CN 110956081 A,2020.04.0 3 审查员 王丹丹 (54)发明名称 一种用于道路监测的车辆信息识别方法及 系统 (57)摘要 本发明涉及人工智能技术领域， 具体涉及一 种用于道路监测的车辆信息识别方法及系统， 获 取待识别的初始道路图像， 对初始道路图像采用 帧间差分法进行处理， 得到车辆差分图像， 并得 到车辆区域的最小外接矩形图像， 可以降低其他 区域对车辆识别造成的干扰， 提升车辆识别准确 性， 基于最小外接矩形图像中识别得到的道路中 心线， 得到各个像素点的目标热力系数， 对最小 外接矩形图像进行多次不同的瓦片分割， 获取各 瓦片分割方式所对应的分割效果指标， 得到最优 的瓦片分割方式， 最终得到的分割方式效果最 好， 得到的瓦片符合后续车辆信息识别神经网络 模型的图像的需要， 即便是采集的图像尺寸与神 经网络需求尺 寸不符， 也能够 有效对车辆进行识 别。 权利要求书3页 说明书10页 附图2页 CN 114842430 B 2022.09.09 CN 114842430 B 1.一种用于道路监测的车辆信息识别方法， 其特 征在于， 包括： 获取待识别的初始 道路图像； 对所述初始 道路图像采用帧间差分法进行处 理， 得到车辆 差分图像； 对所述车辆差分图像中的车辆区域进行最小外接矩形处理， 得到车辆区域的最小外接 矩形图像； 识别所述最小外接矩形图像中的道路中心线， 并基于所述道路中心线， 得到所述最小 外接矩形图像中的各个 像素点的目标 热力系数； 对所述最小外接矩形图像采用不同的瓦片分割方式进行多次瓦片分割， 获取每一 次瓦 片分割后各个像素点所 处瓦片的数量， 基于各个像素点所 处瓦片的数量以及各个像素点的 目标热力系数， 获取各瓦片分割方式所对应的分割效果指标； 其中， 瓦片尺寸与预设的车辆 信息识别神经网络模型中图像需求尺寸相等； 获取最大的分割效果指标 所对应的瓦片分割方式， 得到最优瓦片分割方式； 将所述最优瓦片分割方式所对应的瓦片分割图像输入至所述车辆信息识别神经网络 模型中， 识别车辆信息； 所述识别所述最小外接矩形图像中的道路中心线， 并基于所述道路中心线， 得到所述 最小外接矩形图像中的各个 像素点的目标 热力系数， 包括： 获取所述车辆差分图像中的任意两个车辆区域的中心点之间连线方向与所述最小外 接矩形图像的长度方向之 间的夹角小于预设夹角的连线， 得到所述最小外接矩形图像中的 道路中心线； 对于所述最小外接矩形图像中长度方向上的任意一条线段， 获取该线段与每一个道路 中心线之 间的距离， 以及每一个道路中心线与该线段所对应的所述最小外接矩形图像的长 之间的距离， 基于该线段与每一个道路中心线之间的距离， 以及每一个道路中心线与该线 段所对应的所述最小外接矩形图像的长之 间的距离， 计算得到该线段中的各个像素点的目 标热力系数； 所述基于该线段与每一个道路中心线之间的距离， 以及每一个道路中心线与 该线段所 对应的所述最小外接矩形图像的长之 间的距离， 计算得到该线段中的各个像素点的目标热 力系数， 包括： 对于任意一个道路中心线， 计算该线段与 该道路中心线之间的距离与 该道路中心线与 该线段所对应的所述最小外接矩形图像的长之 间的距离的比值， 根据所述比值得到该线段 中的各个 像素点与该道路中心线的子热力系数； 求取该线段中的各个像素点与所有的道路中心线的子热力系数之和， 得到该线段中的 各个像素点的目标 热力系数。 2.根据权利要求1所述的用于道路监测的车辆信 息识别方法， 其特征在于， 所述对所述 车辆差分图像中的车辆区域进行最小外接矩形处理， 得到车辆区域的最小外接矩形图像， 包括： 获取所述车辆 差分图像中的各个车辆区域， 并获取 各个车辆区域的中心点； 计算任意两个车辆区域的中心点之间连线的距离， 以及连线方向与水平方向的角度； 获取最大的连线距离， 并得到所述最大的连线距离所对应的两个车辆区域， 分别为第 一车辆区域和第二车辆区域；权　利　要　求　书 1/3 页 2 CN 114842430 B 2计算所述第一车辆区域中的任意一个边缘点与所述第二车辆区域中的任意一个边缘 点的距离， 得到最大边缘点距离， 以及最大边缘点距离所对应的所述第一车辆区域中的边 缘点与所述第二车辆区域中的边缘点， 分别为第一边缘点和第二边缘点， 获取所述第一边 缘点和第二边缘点之间的连线方向与水平方向的目标角度， 所述第一边缘点和 第二边缘点 之间的连线方向为所述最小外接矩形图像的长的方向， 所述最大边缘点距离的长度为所述 最小外接矩形图像的长度； 获取所述第一 边缘点和第二 边缘点之间连线的中垂线； 计算任意两个车辆区域的中心点之间连线在所述中垂线上的投影距离， 获取最大的投 影距离， 并得到所述最大 的投影距离所对应的两个车辆区域， 分别为第三车辆区域和第四 车辆区域； 计算所述第三车辆区域中的任意一个边缘点与所述第四车辆区域中的任意一个边缘 点之间连线在所述中垂线上 的投影距离， 得到最大投影距离， 以及最大投影距离所对应的 所述第三车辆区域中的边缘点与所述第四车辆区域中的边缘点， 分别为第三边缘点和 第四 边缘点， 所述最大投影距离的长度为所述 最小外接矩形图像的宽度； 基于所述第 一边缘点、 第 二边缘点、 第三边缘点和第四边缘点， 得到所述最小外接矩形 图像。 3.根据权利要求1所述的用于道路监测的车辆信 息识别方法， 其特征在于， 所述基于各 个像素点所处瓦片的数量以及各个像素点的目标热力系数， 获取各瓦片分割方式所对应的 分割效果指标， 包括： 对获取到的每一 次瓦片分割后各个像素点所处瓦片的数量进行归一化， 得到每一 次瓦 片分割后各个 像素点的瓦片数量 参量； 对于任意一次瓦片分割， 求取各个像素点的目标热力系数与瓦片数量参量之间的比 值， 并求取所有像素点的目标热力系 数与瓦片数量参量之间的比值之和， 得到该瓦片分割 方式所对应的分割效果指标。 4.根据权利要求1所述的用于道路监测的车辆信 息识别方法， 其特征在于， 对所述最小 外接矩形图像进行瓦片分割的瓦片数量 WS为： 其中， ， ， K是最小外接矩形图像的长， H是最小外接 矩形图像的宽， DK 是瓦片的长， DH是瓦片的宽， DK<K， DH <H， a大于1， 为向上取整函数。 5.根据权利要求1所述的用于道路监测的车辆信 息识别方法， 其特征在于， 所述对所述 初始道路图像采用帧间差分法进行处 理， 得到车辆 差分图像， 包括： 对所述初始 道路图像采用帧间差分法进行处 理， 得到初始差分图像； 将所述初始差分图像中的各个像素点进行聚类， 得到车辆数据类中心点和背景数据类 中心点； 获取所述车辆数据类型中心点的像素值以及所述背景数据类中心点的像素值， 进而得 到判定阈值； 基于所述判定阈值， 对所述初始差分图像中的各个像素点进行二值化， 得到中间差分权　利　要　求　书 2/3 页 3 CN 114842430 B 3