一种机动车年检底盘动态检测视频智能分析方法与流程

1.本发明涉及机动车年检技术领域，具体为一种机动车年检底盘动态检测视频智能分析方法。


背景技术：

2.车辆年检，就是指每个已经取得正式号牌和行驶证的车辆都必须要的一项检测，相当于每年一次按《机动车运行安全技术条件》给车辆做体检，车辆年检可以及时消除车辆安全隐患，督促加强汽车的维护保养，减少交通事故的发生，截止到2020年底，我国的机动车保有量已经达到3.72亿辆，而且每年还在快速增长，很多机动车都已经达到需要年检的使用年限，这给全国的车管所带来了巨大的检测业务压力。
3.由于车管所人力紧张，车主每检一次车，大约需要半天左右的时间，这极大的占用了车主的时间，如何快速准确的对机动车进行年检，是每个车管所的当务之急，随着人工智能技术的飞速发展，将人工智能技术引入机动车车辆年检，实现车辆无人自动检测已经成为可能，本专利提出了一种基于深度学习的车辆灯光检测视频智能分析方法，通过该方法可以分析检测站是否按照流程进行了车辆灯光检测。


技术实现要素：

4.针对现有技术的不足，本发明提供了一种机动车年检底盘动态检测视频智能分析方法，以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供如下技术方案：一种机动车年检底盘动态检测视频智能分析方法，包括以下步骤：
6.s1、从数据服务器上获取一辆车的车辆灯光检测视频，与该车辆的号牌号码；
7.s2、对视频进行逐帧车辆检测分析，找到车辆停在检测工位上的帧图像，并记录下帧号；
8.s3、对步骤s2中的获取的帧图像进行车牌检测与识别，将识别结果与步骤s1中获取的号牌号码进行比对，若比对一致，则号牌号码比对成功，否则失败；
9.s4、对步骤s2中的图像进行车灯检测，获取车灯子图像，并获取车灯在图像中的位置；
10.s5、对步骤s4中获取的车灯子图像，进行车灯是否亮起判断，若车灯亮起，则判断车灯亮起状态成功，否则失败；
11.s6、根据步骤s2中的帧号，对后续帧进行处理，检测并跟踪灯光检测仪器的移动，结合s4中得到的车灯位置，判断灯光检测仪器是移动到车灯正前方向，并记录仪器在正前方停留的时间，若大于车管所规定的停留时间，则认为灯光检测成功，否则失败。
12.进一步优化本技术方案，所述步骤s2中判断车辆停在检测工位上的方法步骤如下：
13.s21、对视频进行逐帧分析，检测图像中的车辆，根据前后20帧的车辆位置信息，判
断车辆是否停止，若车辆停止，则进行下面的步骤，否则继续进行步骤s21；
14.s22、对步骤s21中的图像进行分析，检测图像中是否出现灯光检测仪器，若检测到灯光检测仪器，在车辆的正前方，则认为车辆停在了检测工位上，否则认为是车辆中途意外停车，返回到步骤s21。
15.进一步优化本技术方案，所述步骤s4中对图像中的车灯检测网络训练与检测推理步骤如下：
16.s41、收集车辆图像样本集；
17.s42、对步骤s41中的图像进行车灯位置标注，得到数据集；
18.s43、将步骤s42中的数据9.5万张做为训练集合，0.5万张作为测试集合；
19.s44、选取ssd目标检测网络，作为车灯检测网络，由于车灯在图像中的比较较小，故对网络对一定的改进，使其更适合小目标检测，改进如下，将ssd的vgg16特征提取网络改为resnet18残差网络，以提高小目标特征提取能力；
20.s45、训练检测网络，得到车灯检测网络模型；
21.s46、将从车辆灯光检测视频中获取的图像送入车灯检测网络，即可得到车灯在图像中的位置信息。
22.进一步优化本技术方案，所述步骤s41中，收集车辆的图像样本集，主要包括各种型号的车辆，小轿车、小货车、大货车、客车，包括车灯亮起与非亮起等共计10万张。
23.进一步优化本技术方案，所述步骤s5中对检测到的车灯亮灭检测网络训练与判断推理步骤如下：
24.s51、收集车灯图像样本集，包括各种型号的车辆，小轿车、小货车、大货车、客车，包括车灯亮起与非亮起共计20万张；
25.s52、对步骤s51中的图像进行人工分类，车灯亮的数据集合，车灯灭的数据集合；
26.s53、将步骤s52中的数据中的95％作训练集合，5％作为测试集合；
27.s54、选取alexnet图像分类网络，作为车灯亮灭判断网络；
28.s55、训练分类网络，得到车灯亮灭分类网络模型；
29.s56、将从车辆灯光检测视频中获取的车灯图像送入车灯亮灭分类网络，得到车灯是灭的还是亮起的。
30.进一步优化本技术方案，所述步骤s6中对车辆灯光检测一起的检测网络训练与判断推理步骤如下：
31.s61、收集全国机动车检测站中包含车辆灯光检测仪器的图像样本集，包括各种角度，光照，清晰度等的图像共计3万张；
32.s62、对步骤s61中的图像进行灯光检测仪器位置的人工标注，得到数据集合；
33.s63、将步骤s62中的数据中的95％作训练集合，5％作为测试集合；
34.s64、选取与车灯检测网络一样的网络结构，作为灯光检测仪器检测网络；
35.s65、训练检测网络，得到灯光检测仪器检测网络模型；
36.s66、将从车辆灯光检测视频中获取的图像送入车灯检测仪器检测网络，得到车灯检测仪器在图像中的位置信息。
37.与现有技术相比，本发明提供了一种机动车年检底盘动态检测视频智能分析方法，具备以下有益效果：
38.该机动车年检底盘动态检测视频智能分析方法，本方法通过深度学习算法对车辆车灯进行检测，通过深度学习算法判断车灯是否亮起，通过深度学习算法检测跟踪灯光检测设备，判断其是否移动到车辆车灯前方指定位置，对灯光进行检测，有效提升了人工审核的效率，平均能节省75％的人力，效率提升约5倍，极大的提高了车管所审核的智能审核水平，节省了人力，提高了车辆检测效率。
附图说明
39.图1为本发明提出的一种机动车年检底盘动态检测视频智能分析方法的流程示意图。
具体实施方式
40.下面将结合本发明的实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
41.实施例：
42.请参考图1所示，本发明公开了一种机动车年检底盘动态检测视频智能分析方法，包括以下步骤：
43.s1、从数据服务器上获取一辆车的车辆灯光检测视频，与该车辆的号牌号码。
44.s2、对视频进行逐帧车辆检测分析，找到车辆停在检测工位上的帧图像，并记录下帧号，所述步骤s2中判断车辆停在检测工位上的方法步骤如下：
45.s21、对视频进行逐帧分析，检测图像中的车辆，根据前后20帧的车辆位置信息，判断车辆是否停止，若车辆停止，则进行下面的步骤，否则继续进行步骤s21。
46.s22、对步骤s21中的图像进行分析，检测图像中是否出现灯光检测仪器，若检测到灯光检测仪器，在车辆的正前方，则认为车辆停在了检测工位上，否则认为是车辆中途意外停车，返回到步骤s21。
47.s3、对步骤s2中的获取的帧图像进行车牌检测与识别，将识别结果与步骤s1中获取的号牌号码进行比对，若比对一致，则号牌号码比对成功，否则失败。
48.s4、对步骤s2中的图像进行车灯检测，获取车灯子图像，并获取车灯在图像中的位置，所述步骤s4中对图像中的车灯检测网络训练与检测推理步骤如下：
49.s41、收集车辆图像样本集，主要包括各种型号的车辆，小轿车、小货车、大货车、客车，包括车灯亮起与非亮起等共计10万张。
50.s42、对步骤s41中的图像进行车灯位置标注，得到数据集。
51.s43、将步骤s42中的数据9.5万张做为训练集合，0.5万张作为测试集合。
52.s44、选取ssd目标检测网络，作为车灯检测网络，由于车灯在图像中的比较较小，故对网络对一定的改进，使其更适合小目标检测，改进如下，将ssd的vgg16特征提取网络改为resnet18残差网络，以提高小目标特征提取能力。
53.s45、训练检测网络，得到车灯检测网络模型。
54.s46、将从车辆灯光检测视频中获取的图像送入车灯检测网络，即可得到车灯在图
像中的位置信息。
55.s5、对步骤s4中获取的车灯子图像，进行车灯是否亮起判断，若车灯亮起，则判断车灯亮起状态成功，否则失败，所述步骤s5中对检测到的车灯亮灭检测网络训练与判断推理步骤如下：
56.s51、收集车灯图像样本集，包括各种型号的车辆，小轿车、小货车、大货车、客车，包括车灯亮起与非亮起共计20万张。
57.s52、对步骤s51中的图像进行人工分类，车灯亮的数据集合，车灯灭的数据集合。
58.s53、将步骤s52中的数据中的95％作训练集合，5％作为测试集合。
59.s54、选取alexnet图像分类网络，作为车灯亮灭判断网络。
60.s55、训练分类网络，得到车灯亮灭分类网络模型。
61.s56、将从车辆灯光检测视频中获取的车灯图像送入车灯亮灭分类网络，得到车灯是灭的还是亮起的。
62.s6、根据步骤s2中的帧号，对后续帧进行处理，检测并跟踪灯光检测仪器的移动，结合s4中得到的车灯位置，判断灯光检测仪器是移动到车灯正前方向，并记录仪器在正前方停留的时间，若大于车管所规定的停留时间，则认为灯光检测成功，否则失败，所述步骤s6中对车辆灯光检测一起的检测网络训练与判断推理步骤如下：
63.s61、收集全国机动车检测站中包含车辆灯光检测仪器的图像样本集，包括各种角度，光照，清晰度等的图像共计3万张。
64.s62、对步骤s61中的图像进行灯光检测仪器位置的人工标注，得到数据集合。
65.s63、将步骤s62中的数据中的95％作训练集合，5％作为测试集合。
66.s64、选取与车灯检测网络一样的网络结构，作为灯光检测仪器检测网络。
67.s65、训练检测网络，得到灯光检测仪器检测网络模型。
68.s66、将从车辆灯光检测视频中获取的图像送入车灯检测仪器检测网络，得到车灯检测仪器在图像中的位置信息。
69.本发明的有益效果是：该机动车年检底盘动态检测视频智能分析方法，本方法通过深度学习算法对车辆车灯进行检测，通过深度学习算法判断车灯是否亮起，通过深度学习算法检测跟踪灯光检测设备，判断其是否移动到车辆车灯前方指定位置，对灯光进行检测，有效提升了人工审核的效率，平均能节省75％的人力，效率提升约5倍，极大的提高了车管所审核的智能审核水平，节省了人力，提高了车辆检测效率。
70.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。