(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 202210795826.6 (22)申请日 2022.07.07 (71)申请人 青岛文达通科技股份有限公司 地址 266500 山东省青岛市黄岛区望江路 500号 (72)发明人 管洪清　徐亮　王伟　张元杰　 张大千　尹广楹　孙浩云　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 闫圣娟 (51)Int.Cl. G06V 20/58(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/82(2022.01)G06V 10/74(2022.01) G06V 10/44(2022.01) G06V 10/22(2022.01) (54)发明名称 基于类Haar特征和帧匹配的车辆超速检测 方法及系统 (57)摘要 本公开提出了基于类Haar特征和帧匹配的 车辆超速检测方法及系统， 获取待检测的车辆图 像； 将获取的图像输入至训练好的Haar ‑YOLO模 型， 提取目标车辆的候选区域和对应的类Haar特 征； 根据候选区域或类Haar特征采用匈牙利匹配 算法逐帧匹配车辆， 得到目标车辆在各帧图像中 的位置的匹配结果， 判断车辆是否超速； 本公开 基于类Haar特征的YOL O模型对车辆进行检测， 并 且在跟踪过程中采用匈牙利指派算法对存在于 各帧图像之间的目标车辆进行快速且准确的匹 配， 能够在社区复杂场景下结合车辆在连续帧图 像中位置关系实现对车辆的实时精准跟踪并且 判断其是否超速， 实现了车速检测的实时性和精 确度。 权利要求书2页 说明书7页 附图3页 CN 115050009 A 2022.09.13 CN 115050009 A 1.基于类Ha ar特征和帧匹配的车辆超速检测方法， 其特 征在于， 包括如下步骤： 获取待检测的车辆图像； 将获取的图像输入至训练好的Haar ‑YOLO模型， 提取目标车辆的候选区域和对应的类 Haar特征； 根据候选区域或类H aar特征采用匈牙利匹配算法逐帧匹配车辆， 得到目标车辆在各帧 图像中的位置的匹配结果， 判断车辆是否超速； 其中， 所述Haar ‑YOLO模型， 以目标车辆图像为输入， 目标车辆候选区域和类Haar特征 为输出进行训练。 2.如权利要求1所述的基于类H aar特征和帧匹配的车辆超速检测方法， 其特征在于： 根 据候选区域或类Haar特征采用匈牙利匹配算法逐帧匹配车辆， 得到目标车辆在各帧图像中 的位置的匹配结果的方法， 包括如下步骤： 根据候选区域采用匈 牙利匹配算法逐帧匹配车辆； 当匹配失效， 根据相关联的路径， 选取相 关联路径的图像以及类Haar特征对匹配失效 的车辆， 采用匈 牙利匹配算法进行 再次匹配。 3.如权利要求2所述的基于类H aar特征和帧匹配的车辆超速检测方法， 其特征在于： 根 据候选区域或类Haar特征采用匈牙利匹配算法逐帧匹配车辆， 得到目标车辆在各帧图像中 的位置的匹配结果的方法， 具体的实现步骤如下： 构建当前跟踪列表和临时跟踪列表， 将图像中出现的目标车辆作为目标车辆加入当前 跟踪列表； 对连续帧图像进行迭代， 每次迭代按照顺序选择两个前后相邻的图像， 对图像中检测 到的目标 车辆对象使用匈 牙利算法进行匹配； 如果匹配失败， 将对应的目标车辆加入至临时跟踪列表； 根据车辆的运动特性以及路 况从车辆可能经过的区域中再次采集图像， 针对临时跟踪列表的车辆以Haar ‑YOLO模型对 车辆进行检测， 并且将检测到的车辆进行类Ha ar特征的匹配。 4.如权利要求1所述的基于类H aar特征和帧匹配的车辆超速检测方法， 其特征在于： 对 于匹配成功的车辆， 通过帧时间以及监控范围内产生的位移， 通过坐标尺的转换， 计算当前 车辆的瞬时速度， 以判断车辆是否超速； 或者， 类Ha ar特征包括边缘特征、 线性特 征、 中心特 征与对角线特 征。 5.如权利要求1所述的基于类Haar特征和帧匹配的车辆超速检测方法， 其特征在于： Haar‑YOLO模型地具体结构， 包括多个级 联的卷积层， 最后一级的卷积层并联连接两个全连 接层； 或者， 还包括Haar‑YOLO模型训练的方法， 包括如下步骤： 获取车辆数据集； 将数据集图像 中的目标车辆以合适的候选区域进行标定， 针对标定的候选区域提取类 Haar特征； 以车辆图像为输入， 车辆的类Ha ar特征以及车辆候选区域 为输出训练YOLO模型； 根据每一次训练周期的候选区定位误差以及类Haar特征判断误差确定的目标函数， 修 正模型参数， 获得最优参数 得到训练后的Ha ar‑YOLO模型。 6.如权利要求5所述的基于类H aar特征和帧匹配的车辆超速检测方法， 其特征在于： 多权　利　要　求　书 1/2 页 2 CN 115050009 A 2个级联的卷积层提取 的图像区域大小依 次减小， 并且在各级之间设置保留参数， 所述保留 参数表示每一次信息传递过程中来自于上一层的分析 结果的保留程度。 7.如权利要求5所述的基于类Haar特征和帧匹配的车辆超速检测方法， 其特征在于： Haar‑YOLO模型的目标函数包括两个全连接层所产生的判定损失进行加权整合以形成全局 损失函数， 其中， 候选区域的误差以并交比的形式计算， 而Haar特征产生的判定损失以 softmax进行计算。 8.基于类Ha ar特征和帧匹配的车辆超速检测系统， 其特 征在于， 包括： 数据获取模块： 被 配置为用于获取待检测的车辆图像； 标定和特征提取模块： 被配置为用于将获取的图像输入至训练好的Haar ‑YOLO模型， 提 取目标车辆的候选区域和对应的类Ha ar特征； 判断模块： 被配置为用于根据候选区域或类Haar特征采用匈牙利匹配算法逐帧匹配车 辆， 得到目标 车辆在各帧图像中的位置的匹配结果， 判断车辆是否超速； 其中， 所述Haar ‑YOLO模型， 以目标车辆图像为输入， 目标车辆候选区域和类Haar特征 为输出进行训练。 9.一种电子设备， 其特征在于， 包括存储器和处理器以及存储在存储器上并在处理器 上运行的计算机指 令， 所述计算机指 令被处理器运行时， 完成权利要求 1‑7任一项方法所述 的步骤。 10.一种计算机可读存储介质， 其特征在于， 用于存储计算机指令， 所述计算机指令被 处理器执行时， 完成权利要求1 ‑7任一项方法所述的步骤。权　利　要　求　书 2/2 页 3 CN 115050009 A 3