一种目标车辆的检测区域关联方法和装置与流程

1.本技术涉及图像处理技术领域，尤其涉及一种目标车辆的检测区域关联方法和装置。


背景技术：

2.城市道路上行驶的工程车，经常存在运输货物的车厢不加盖篷布，外观不洁的情况，不仅影响市容，对路面造成污染，还会增加道路安全隐患，需要对违规车辆进行处罚。
3.目前大多数基于图像的车辆外观检测方法为，根据路面视频监控采集到的待检测视频图像，确定待检测视频图像中的车辆是否为清洁车辆。但是，在路面监控的场景下，经常会出现遮挡的情况，会使车身表面的污渍区域暴露的不明显，上述方法仅采用单一检测模型来检测车辆是否为清洁车辆，忽略了车辆的车身局部的污渍区域，容易将外观不洁的车辆检测为外观清洁的车辆。


技术实现要素：

4.本技术实施例提供一种目标车辆的检测区域关联方法、装置、电子设备及存储介质，可以提高车辆外观检测的准确率。
5.第一方面，本技术实施例提供一种目标车辆的检测区域关联方法，所述方法包括：
6.对待检测视频图像进行目标类型车辆的检测，确定所述待检测视频图像中针对所述目标类型车辆检测出的各个车辆区域；
7.对所述待检测视频图像进行外观对象的检测，确定所述待检测视频图像中针对所述外观对象检测出的各个对象区域；所述外观对象是与所述目标类型车辆关联的对象；
8.将所述各个车辆区域和所述各个对象区域进行关联。
9.由于本技术实施例对待检测视频图像进行目标类型车辆的检测，确定待检测视频图像中针对目标类型车辆的检测出的各个车辆区域的同时，对待检测视频图像进行外观对象的检测，得到待检测视频图像中针对外观对象检测出的各个对象区域；分别对待检测视频图像进行目标类型车辆的检测和外观对象的检测，能够提高待检测图像中车辆区域和对象区域的检出率；然后，将车辆区域与对象区域进行关联，得到与目标类型车辆关联的外观对象的对象区域，即确定目标类型车辆的外观对象的对象区域，能够确保检测出的车辆区域、对象区域准确有效，从而达到提高对目标类型车辆的外观对象进行检测的准确率。
10.一种可选的实施方式为，所述确定所述待检测视频图像中针对所述目标类型车辆检测出的各个车辆区域之后，还包括：
11.确定所述各个车辆区域的外观属性信息；
12.根据所述各个车辆区域、所述各个车辆区域的外观属性信息与所述各个车辆区域关联的外观对象的对象区域，确定所述各个车辆区域对应的目标类型车辆的外观检测结果。
13.由于本技术实施例在确定出车辆区域的外观属性信息后，再结合车辆区域，以及
车辆区域关联的外观对象的对象区域，确定车辆区域对应的目标类型车辆的外观检测结果，结合车辆的外观属性信息以及外观对象的对象区域，能够提高对目标类型车辆的外观检测的准确率。
14.一种可选的实施方式为，所述将所述各个车辆区域和所述各个对象区域进行关联，包括：
15.基于各个车辆区域和各个对象区域的重叠程度，将所述各个车辆区域和所述各个对象区域进行关联。
16.一种可选的实施方式为，所述基于各个车辆区域和各个对象区域的重叠程度，将所述各个车辆区域和所述各个对象区域进行关联，包括：
17.分别将所述各个车辆区域作为待处理车辆区域，进行如下操作：
18.分别确定所述各个对象区域和所述待处理车辆区域的子重叠程度；
19.将大于重叠程度阈值的子重叠程度对应的对象区域，与所述待处理车辆区域进行关联。
20.一种可选的实施方式为，所述根据所述各个车辆区域、所述各个车辆区域的外观属性信息与所述各个车辆区域关联的外观对象的对象区域，确定所述各个车辆区域对应的目标类型车辆的外观检测结果，包括：
21.针对任意一个车辆区域，将所述任意一个车辆区域，与所述待检测视频图像的上一帧待检测视频图像中的各个车辆区域进行匹配，确定所述一个车辆区域对应的跟踪轨迹，并更新所述跟踪轨迹的轨迹信息；
22.根据所述轨迹信息，从所述各个车辆区域中选取目标车辆区域；
23.根据各个目标车辆区域的外观属性信息，以及所述各个目标车辆区域关联的外观对象的对象区域，分别确定所述各个目标车辆区域对应的目标类型车辆的外观检测结果。
24.由于本技术实施例在确定出各个车辆区域对应的轨迹信息后，根据车辆区域对应的轨迹信息，从各个车辆区域中选取目标车辆区域，剔除不满足条件的车辆区域，保证了后续确定车辆区域对应的目标类型车辆的外观检测结果的可靠性，从而提高了对目标类型车辆外观检测的准确率。
25.一种可选的实施方式为，所述根据所述轨迹信息，从所述各个车辆区域中选取目标车辆区域，包括：
26.确定所述各个车辆区域的中心点位置；
27.根据所述轨迹信息，分别确定所述各个车辆区域对应的目标类型车辆的存在时间；所述存在时间为所述轨迹信息中包含所述车辆区域对应的目标类型车辆的待检测视频图像的帧数；
28.将所述中心点位置位于设定的规则区域内，所述存在时间大于第一设定阈值，且位于非边界区域内的车辆区域作为所述目标车辆区域；所述规则区域为所述待检测视频图像中的检测区域；所述非边界区域为所述待检测视频图像中除边界区域之外的区域。
29.由于本技术实施例是将位于设定的规则区域内、存在时间大于第一设定阈值，以及位于非边界区域内的车辆区域作为目标车辆区域，去执行后续确定外观检测结果的步骤，剔除了会影响结果判断的车辆区域，保证了目标类型车辆外观检测的可靠性。
30.一种可选的实施方式为，所述外观对象包括污渍和盖篷布时，所述目标类型车辆
为工程车；所述根据各个目标车辆区域的外观属性信息，以及所述各个目标车辆区域关联的外观对象的对象区域，分别确定所述各个目标车辆区域对应的目标类型车辆的外观检测结果，包括：
31.针对所述各个目标车辆区域中的任意一个目标车辆区域，分别执行如下操作：
32.确定所述目标车辆区域的外观属性信息为外观不洁时的外观不洁置信度，以及所述外观属性信息为密闭不严时的密闭不严置信度；
33.确定与所述目标车辆区域关联的对象区域为污渍区域时的污渍置信度，以及确定所述对象区域为盖篷布区域时的盖篷布置信度；
34.根据所述外观不洁置信度和所述污渍置信度，确定所述目标车辆区域的外观不洁联合置信度；根据所述密闭不严置信度和所述盖篷布置信度，确定所述目标车辆区域的密闭不严联合置信度；
35.根据所述外观不洁联合置信度和所述密闭不严联合置信度，确定所述目标车辆区域对应的工程车的外观检测结果。
36.由于本技术实施例根据外观不洁置信度和污渍置信度，确定外观不洁联合置信度，以及根据密闭不严置信度和盖篷布置信度，确定密闭不严联合置信度，再根据外观不洁联合置信度进而密闭不严联合置信度，确定外观检测结果，能够过滤出误检的工程车，提高外观检测的准确率。
37.一种可选的实施方式为，所述根据所述外观不洁联合置信度和所述密闭不严联合置信度，确定所述目标车辆区域对应的工程车的外观检测结果，包括：
38.若所述外观不洁联合置信度大于第二设定阈值，则增加外观不洁累计时间；若所述外观不洁联合置信度小于或等于所述第二设定阈值，则减小所述外观不洁累计时间；
39.若所述密闭不严联合置信度大于第三设定阈值，则增加密闭不严累计时间；若所述密闭不严联合置信度小于或等于所述第三设定阈值，则减小所述密闭不严累计时间；
40.根据所述外观不洁累计时间和所述密闭不严累计时间，确定所述目标车辆区域对应的工程车的外观检测结果。
41.一种可选的实施方式为，所述根据所述外观不洁累计时间和所述密闭不严累计时间，确定所述目标车辆区域对应的工程车的外观检测结果，包括：
42.若所述外观不洁累计时间达到第一时间阈值，所述密闭不严累计时间未达到第二时间阈值，则确定所述外观检测结果为所述目标车辆区域对应的工程车的外观不洁满足告警条件；或者，
43.若所述外观不洁累计时间未达到所述第一时间阈值，所述密闭不严累计时间达到所述第二时间阈值，则确定所述外观检测结果为所述目标车辆区域对应的工程车的密闭不严满足告警条件；或者，
44.若所述外观不洁累计时间达到所述第一时间阈值，且所述密闭不严累计时间达到所述第二时间阈值，则确定所述外观检测结果为所述目标车辆区域对应的工程车的密闭不严和外观不洁均满足所述告警条件。
45.一种可选的实施方式为，在确定所述外观检测结果满足告警条件之后，所述方法还包括：
46.确定所述目标车辆区域的告警标记；
47.若所述目标车辆区域的告警标记为未报警，则将所述告警标记更新为已告警，并根据所述外观检测结果，确定告警信息；所述告警信息包括所述待检测视频图像和告警类型；其中，所述告警类型包括外观不洁类型，密闭不严类型，以及外观不洁和密闭不严类型。
48.第二方面，本技术实施例提供一种目标车辆的检测区域关联装置，所述装置包括：
49.第一检测单元，用于对待检测视频图像进行目标类型车辆的检测，确定所述待检测视频图像中针对所述目标类型车辆检测出的各个车辆区域；
50.第二检测单元，用于对所述待检测视频图像进行外观对象的检测，确定所述待检测视频图像中针对所述外观对象检测出的各个对象区域；所述外观对象是与所述目标类型车辆关联的对象；
51.关联单元，用于将所述各个车辆区域和所述各个对象区域进行关联。
52.一种可选的实施方式为，所述确定所述待检测视频图像中针对所述目标类型车辆检测出的各个车辆区域之后，所述第一检测单元还用于：
53.确定所述各个车辆区域的外观属性信息；
54.所述装置还包括确定单元，所述确定单元具体用于：
55.根据所述各个车辆区域、所述各个车辆区域的外观属性信息与所述各个车辆区域关联的外观对象的对象区域，确定所述各个车辆区域对应的目标类型车辆的外观检测结果。
56.一种可选的实施方式为，所述关联单元具体用于：
57.基于各个车辆区域和各个对象区域的重叠程度，将所述各个车辆区域和所述各个对象区域进行关联。
58.一种可选的实施方式为，所述关联单元具体用于：
59.分别将所述各个车辆区域作为待处理车辆区域，进行如下操作：
60.分别确定所述各个对象区域和所述待处理车辆区域的子重叠程度；
61.将大于重叠程度阈值的子重叠程度对应的对象区域，与所述待处理车辆区域进行关联。
62.一种可选的实施方式为，所述确定单元具体用于：
63.针对任意一个车辆区域，将所述任意一个车辆区域，与所述待检测视频图像的上一帧待检测视频图像中的各个车辆区域进行匹配，确定所述一个车辆区域对应的跟踪轨迹，并更新所述跟踪轨迹的轨迹信息；
64.根据所述轨迹信息，从所述各个车辆区域中选取目标车辆区域；
65.根据各个目标车辆区域的外观属性信息，以及所述各个目标车辆区域关联的外观对象的对象区域，分别确定所述各个目标车辆区域对应的目标类型车辆的外观检测结果。
66.一种可选的实施方式为，所述确定单元具体用于：
67.确定所述各个车辆区域的中心点位置；
68.根据所述轨迹信息，分别确定所述各个车辆区域对应的目标类型车辆的存在时间；所述存在时间为所述轨迹信息中包含所述车辆区域对应的目标类型车辆的待检测视频图像的帧数；
69.将所述中心点位置位于设定的规则区域内，所述存在时间大于第一设定阈值，且位于非边界区域内的车辆区域作为所述目标车辆区域；所述规则区域为所述待检测视频图
像中的检测区域；所述非边界区域为所述待检测视频图像中除边界区域之外的区域。
70.一种可选的实施方式为，所述外观对象包括污渍和盖篷布时，所述目标类型车辆为工程车；所述确定单元具体用于：
71.针对所述各个目标车辆区域中的任意一个目标车辆区域，分别执行如下操作：
72.确定所述目标车辆区域的外观属性信息为外观不洁时的外观不洁置信度，以及所述外观属性信息为密闭不严时的密闭不严置信度；
73.确定与所述目标车辆区域关联的对象区域为污渍区域时的污渍置信度，以及确定所述对象区域为盖篷布区域时的盖篷布置信度；
74.根据所述外观不洁置信度和所述污渍置信度，确定所述目标车辆区域的外观不洁联合置信度；根据所述密闭不严置信度和所述盖篷布置信度，确定所述目标车辆区域的密闭不严联合置信度；
75.根据所述外观不洁联合置信度和所述密闭不严联合置信度，确定所述目标车辆区域对应的工程车的外观检测结果。
76.一种可选的实施方式为，所述确定单元具体用于：
77.若所述外观不洁联合置信度大于第二设定阈值，则增加外观不洁累计时间；若所述外观不洁联合置信度小于或等于所述第二设定阈值，则减小所述外观不洁累计时间；
78.若所述密闭不严联合置信度大于第三设定阈值，则增加密闭不严累计时间；若所述密闭不严联合置信度小于或等于所述第三设定阈值，则减小所述密闭不严累计时间；
79.根据所述外观不洁累计时间和所述密闭不严累计时间，确定所述目标车辆区域对应的工程车的外观检测结果。
80.一种可选的实施方式为，所述确定单元具体用于：
81.若所述外观不洁累计时间达到第一时间阈值，所述密闭不严累计时间未达到第二时间阈值，则确定所述外观检测结果为所述目标车辆区域对应的工程车的外观不洁满足告警条件；或者，
82.若所述外观不洁累计时间未达到所述第一时间阈值，所述密闭不严累计时间达到所述第二时间阈值，则确定所述外观检测结果为所述目标车辆区域对应的工程车的密闭不严满足告警条件；或者，
83.若所述外观不洁累计时间达到所述第一时间阈值，且所述密闭不严累计时间达到所述第二时间阈值，则确定所述外观检测结果为所述目标车辆区域对应的工程车的密闭不严和外观不洁均满足所述告警条件。
84.一种可选的实施方式为，在确定所述外观检测结果满足告警条件之后，所述确定单元还用于：
85.确定所述目标车辆区域的告警标记；
86.若所述目标车辆区域的告警标记为未报警，则将所述告警标记更新为已告警，并根据所述外观检测结果，确定告警信息；所述告警信息包括所述待检测视频图像和告警类型；其中，所述告警类型包括外观不洁类型，密闭不严类型，以及外观不洁和密闭不严类型。
87.第三方面，本技术实施例提供一种电子设备，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时，实现上述第一方面任一种的目标车辆的检测区域关联方法。
88.第四方面，本技术实施例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内存储有计算机程序，所述计算机程序被处理器执行时，实现上述第一方面中任意一种目标车辆的检测区域关联方法的步骤。
89.第二方面至第四方面中任意一种实现方式所带来的技术效果可参见第一方面中对应的实现方式所带来的技术效果，此处不再赘述。
附图说明
90.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
91.图1为本技术实施例提供的一种目标车辆的检测区域关联方法的应用场景示意图；
92.图2为本技术实施例提供的一种目标车辆的检测区域关联方法的流程示意图；
93.图3为本技术实施例提供的一种确定工程车的目标信息的方法的流程示意图；
94.图4为本技术实施例提供的一种工程车属性识别模块输出的待检测视频图像的示意图；
95.图5为本技术实施例提供的一种待检测视频图像中的检测区域的示意图；
96.图6为本技术实施例提供的一种基于告警逻辑判断模块确定工程车外观检测结果的完整流程示意图；
97.图7为本技术实施例提供的一种目标车辆的检测区域关联方法的完整流程示意图；
98.图8为本技术实施例提供的一种目标车辆的检测区域关联装置的结构示意图；
99.图9为本技术实施例提供的一种电子设备的结构框图。
具体实施方式
100.为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
101.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
102.下面对文中出现的一些术语进行解释：
103.交并比(intersection-over-union，iou)：目标检测中使用的一个概念，是产生的候选框(candidate bound)与原标记框(ground truth bound)的交叠率，即它们的交集与并集的比值。最理想情况是完全重叠，即比值为1。
104.本技术实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关
系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
105.目前，大多数基于图像的车辆外观检测方法为，根据路面视频监控采集到的待检测视频图像，确定待检测视频图像中的车辆是否为清洁车辆。但是，在路面监控的场景下，经常会出现遮挡的情况，会使车身表面的污渍区域暴露的不明显，上述方法仅采用单一检测模型来检测车辆是否为清洁车辆，忽略了车辆的车身局部的污渍区域，容易将外观不洁的车辆检测为外观清洁的车辆。
106.基于上述问题，本技术实施例提供了一种目标车辆的检测区域关联方法和装置。该目标车辆的检测区域关联方法可以应用于终端，例如，计算机；也可应用于服务器。
107.如图1所示，本技术实施例提供一种目标车辆的检测区域关联方法的应用场景。如图1所示，图像采集设备10与前端设备20之间可以通过有线连接方式或无线连接方式进行连接并传输数据。例如，图像采集设备10与前端设备20可以通过数据线连接或者通过有线网络连接；图像采集设备10与前端设备20也可以通过射频模块、蓝牙模块或者无线网络连接。
108.其中，图像采集设备10可以为道路上设置的监控摄像头，具体可以为安装在交通电警卡口的标准场景下的智能摄像头，能够清晰地捕捉到道路上来往车辆的实时画面；前端设备20可以为服务器，也可以为终端，例如，计算机、笔记本、平板电脑等。
109.图像采集设备10通过实时采集道路的视频图像，获得待检测视频图像后，通过视频编解码技术将待检测视频图像发送给前端设备20；前端设备20对待检测视频图像进行目标类型车辆的检测，确定待检测视频图像中针对目标类型车辆检测出的各个车辆区域；前端设备20确定各个车辆区域的外观属性信息。同时，前端设备20还对待检测视频图像进行外观对象的检测，得到待检测视频图像中针对外观对象检测出的各个对象区域；然后，前端设备20分别将各个外观对象的对象区域，与各个车辆区域进行关联，完成对目标类型车辆的外观检测。前端设备20根据各个车辆区域的外观属性信息、各个车辆区域以及与各个车辆区域相关联的外观对象的对象区域，确定各个车辆区域对应的目标类型车辆的外观检测结果。前端设备20确定外观检测结果满足告警条件后，在显示界面中显示告警信息，使用户根据告警信息对目标类型车辆执行外观违规处罚。
110.如图2所示，本技术实施例提供一种目标车辆的检测区域关联方法，包括以下步骤：
111.步骤s201，对待检测视频图像进行目标类型车辆的检测，确定待检测视频图像中针对目标类型车辆检测出的各个车辆区域。
112.本技术实施例获取图像采集设备采集到的待检测视频图像，对待检测视频图像进行目标类型车辆的检测，确定待检测视频图像中针对目标类型车辆的各个车辆区域。其中，目标类型车辆为工程车。
113.在一些实施例中，本技术实施例对待检测视频图像进行车辆检测，确定待检测视频图像中针对各个车辆类型检测出的车辆区域；然后，从中获取针对目标类型车辆检测出的车辆区域。
114.具体实施中，本技术实施例可将待检测视频图像输入到目标检测网络中，基于目标检测网络对待检测视频图像进行目标类型车辆的检测，得到待检测视频图像中针对目标
类型车辆的初始车辆区域。
115.当目标类型车辆为工程车时，由于工程车的盖篷布在工程车的车辆顶部，目标检测网络检测出的工程车的车辆区域只包含车身，不包含车厢顶部，不利于后续对工程车进行分类处理，因此，需要将检测得到的工程车的初始车辆区域对应的坐标框的顶部向上延伸一定的高度，得到工程车的车辆区域。
116.在一些实施例中，工程车的车辆区域包括对应的坐标框的左上角坐标点和右下角坐标点，也可以包括坐标框的左上角坐标点和右下角坐标点。
117.在一些实施例中，本技术实施例可以将坐标框顶部向上延伸坐标框高度的10％。
118.具体地，当以待检测视频图像的左上角顶点为零点，左上角顶点到右上角顶点的x值逐渐增大，左上角顶点到左下角顶点的y值逐渐增大时，可以通过下列公式确定平移后的左上角坐标点或右上角坐标点的y值：
119.y1`＝max(y1-(y2-y1)*0.1,0)
120.其中，y1`表示平移后的左上角坐标点或右上角坐标点的y值，y1表示初始车辆区域的左上角坐标点或右上角坐标点的y值，y2表示初始车辆区域的左下角坐标点或右下角坐标点的y值。
121.本技术实施例根据初始车辆区域和平移后的左上角坐标点或右上角坐标点的y值，得到工程车的车辆区域。
122.步骤s202，对待检测视频图像进行外观对象的检测，确定待检测视频图像中针对外观对象检测出的各个对象区域。
123.需要说明的是，外观对象是与目标类型车辆关联的对象。外观对象包括但不限于：污渍和盖篷布。
124.在一些实施例中，本技术实施例可将待检测视频图像中输入到目标检测网络中，基于目标检测网络，确定待检测视频图像中针对外观对象检测出的各个对象区域。
125.步骤s203，将各个车辆区域和各个对象区域进行关联。
126.本技术实施例在得到待检测视频图像中各个外观对象的对象区域，和各个车辆区域后，需要将得到的各个对象区域关联到车辆区域上。
127.在一些实施例中，本技术实施例基于各个车辆区域和各个对象区域的重叠程度，将各个车辆区域和所述各个对象区域进行关联。
128.具体实施中，本技术实施例分别将各个车辆区域作为待处理车辆区域，并进行如下操作：
129.分别确定各个对象区域和待处理车辆区域的子重叠程度；
130.将大于重叠程度阈值的子重叠程度对应的对象区域，与待处理车辆区域进行关联。
131.在一些实施例中，本技术实施例可通过确定对象区域与待处理车辆区域的交并比，来确定子重叠程度。
132.由于本技术实施例对待检测视频图像进行目标类型车辆的检测，确定待检测视频图像中针对目标类型车辆的检测出的各个车辆区域的同时，对待检测视频图像进行外观对象的检测，得到待检测视频图像中针对外观对象检测出的各个对象区域；分别对待检测视频图像进行目标类型车辆的检测和外观对象的检测，能够提高待检测图像中车辆区域和对
象区域的检出率；然后，将车辆区域与对象区域进行关联，得到与目标类型车辆关联的外观对象的对象区域，即确定目标类型车辆的外观对象的对象区域，能够确保检测出的车辆区域、对象区域准确有效，从而达到提高对目标类型车辆的外观对象进行检测的准确率。
133.在一些实施例中，本技术实施例在待检测视频图像中得到针对目标类型车辆的各个车辆区域后，确定各个车辆区域的外观属性信息。并且，根据各个车辆区域、各个车辆区与的外观属性信息与各个车辆区域关联的外观对象的对象区域，确定各个车辆区域对应的目标类型车辆的外观检测结果。
134.在一些实施例中，本技术实施例可将待检测视频图像中车辆区域输入到多任务分类网络中；基于多任务分类网络中，对车辆区域进行属性分类，得到各个车辆区域的外观属性信息。
135.当外观对象包括污渍和盖篷布时，目标类型车辆为工程车，下面以工程车为例，对确定目标类型车辆的外观检测结果进行说明。
136.在一些实施例中，本技术实施例提供一种工程车外观检测系统，该系统包括图像获取模块、工程车识别模块、多功能跟踪模块、告警逻辑判断模块和告警输出模块；下面对基于该系统，对工程车进行外观检测的流程进行说明，该流程包括以下步骤：
137.步骤一，通过图像获取模块获取待检测视频图像。
138.步骤二，通过工程车属性识别模块，确定待检测视频图像中包含的各个工程车的目标信息。
139.在一些实施例中，本技术实施例在通过图像获取模块获取到待检测视频图像后，将待检测视频图像发送到工程车属性识别模块，确定待检测视频图像中包含的各个工程车的目标信息。
140.需要说明的是，工程车属性识别模块是基于深度学习的目标检测网络和目标分类网络组成的。目标信息包括工程车的车辆区域和外观属性信息，以及与车辆区域关联的外观对象的对象区域。
141.如图3所示，本技术实施例提供一种确定目标信息的方法的流程示意图，包括以下步骤：
142.步骤s301，将待检测视频图像输入到工程车属性识别模块。
143.步骤s302，基于第一目标检测网络，对待检测视频图像进行车辆检测，确定待检测视频图像中包含的车辆的初始车辆区域。
144.在一些实施例中，本技术实施例基于第一目标检测网络，对待检测视频图像进行车辆检测，确定待检测视频图像中各个车辆的类型，并输出各个车辆的初始车辆区域。
145.步骤s303，根据类型为工程车的车辆的初始车辆区域，确定工程车的车辆区域。
146.步骤s304，分别将各个车辆区域输入到多任务分类网络中，基于多任务分类网络，对各个车辆区域进行属性分类，确定各个车辆区域的外观属性信息。
147.需要说明的是，外观属性信息包括外观属性，以及外观属性的置信度。外观属性包括两类；第一类属性：外观清洁、外观不洁；第二类属性：密闭不严、密闭。
148.在一些实施例中，外观清洁表示工程车的车身无污渍；外观不洁表示工程车的车身存在污渍；密闭不严表示工程车的车顶的盖篷布未盖好或无盖篷布；密闭表示工程车的车顶的盖篷布加盖良好。
149.步骤s305，基于第二目标检测网络，确定待检测视频图像中针对外观对象检测出的各个对象区域。
150.需要说明的是，步骤s301和步骤s305不分先后顺序，同时执行。
151.步骤s306，将各个车辆区域和各个对象区域进行关联。
152.针对各个车辆区域中的一个车辆区域，分别执行如下操作：
153.将车辆区域与各个对象区域的交并比，作为各个对象区域和车辆区域的子重叠程度；
154.若确定子重叠程度大于重叠程度阈值，则将该对象区域与车辆区域进行关联。
155.实施中，本技术实施例可将该对象区域绑定到与该对象区域相关联的车辆区域上。
156.在一些实施例中，本技术实施例可通过下列公式确定交并比：
[0157][0158]
其中，iou表示交并比；a表示车辆区域的面积；b表示对象区域的面积。
[0159]
在一些实施例中，若对象区域与各个车辆的交并比均小于重叠程度阈值，则确定该对象区域为误检，舍弃该对象区域。
[0160]
例如，重叠程度阈值为0.9；对象区域1与车辆区域1、对象区域2与车辆区域1、对象区域与车辆区域2、对象区域2与车辆区域2的交并比分别为0.88、0.93、0.8、0.85，确定对象区域2与车辆区域1相关联，以及对象区域1找不到与其关联的车辆区域，将对象区域1舍弃。
[0161]
在一些实施例中，若车辆区域与各个对象区域的交并比均小于重叠程度阈值，则确定没有与车辆区域相匹配的对象区域，进而确定该车辆区域与对象区域的绑定操作失败，将该车辆区域对应的相关联的对象区域的信息置空。
[0162]
例如，重叠程度阈值为0.9；对象区域1与车辆区域1、对象区域2与车辆区域1、对象区域与车辆区域2、对象区域2与车辆区域2的交并比分别为0.98、0.93、0.8、0.85，确定对象区域1、2与车辆区域1相关联，没有与车辆区域2相关联的对象区域。
[0163]
步骤s307，根据车辆区域、车辆区域的外观属性信息，以及与车辆区域相关联的对象区域，得到目标信息。
[0164]
如图4所示，本技术实施例在通过工程车属性识别模块得到工程车的目标信息后，输出车辆区域和对象区域绑定后的待检测视频图像。
[0165]
在一些实施例中，本技术实施例中的工程车属性识别模块在使用之前，需要对第一目标检测网络、第二目标检测网络和多任务分类网络进行训练，训练过程如下：
[0166]
本技术实施例采集城市道路监控的视频序列，将视频帧对应的视频图像作为训练数据集中的样本视频图像。
[0167]
具体地，本技术实施例在获取到的样本视频图像中标注车辆的类型，得到用于第一目标检测网络的第一训练数据集，其中，类型分为工程车和非工程车；第一训练数据集包括样本视频图像和样本视频图像中包含的各个车辆的样本类型；
[0168]
在样本视频图像中标注出工程车上方的盖篷布以及车厢表面的污渍，得到用于第二目标检测网络的第二训练数据集；其中，第二训练数据集包括样本视频图像和样本视频图像中包含的样本外观对象的对象区域；
[0169]
为样本工程车图像制作双属性标签，第一属性包括外观清洁和外观不洁，第二属性包括密闭和密闭不严，得到用于多任务分类网络的第三训练数据集；其中，第三训练数据集包括样本工程车图像，和样本工程车图像对应的样本属性标签。
[0170]
将第一训练数据集中的样本视频图像输入第一目标检测网络，得到第一目标检测网络输出的车辆的类型；根据车辆的类型以及车辆对应的样本类型，对第一目标检测网络的网络参数进行调整，直到得到训练后的第一目标网络检测网络；
[0171]
将第二训练数据集中的样本视频图像输入第二目标检测网络，得到第二目标检测网络输出的外观检测区域；根据外观检测区域以及样本外观检测区域，对第二目标检测网络的网络参数进行调整，直到得到训练后的第二目标网络检测网络；
[0172]
将第三训练数据集中的样本工程车图像输入多任务分类网络，得到多任务分类网络输出的属性标签；根据属性标签以及样本属性标签，对多任务分类网络的网络参数进行调整，直到得到训练后的多任务分类网络。
[0173]
步骤三，将得到的目标信息输入多目标跟踪模块，分别确定各个车辆区域对应的跟踪轨迹，并更新该跟踪轨迹的轨迹信息。
[0174]
本技术实施例可通过下列方式确定车辆区域对应的跟踪轨迹：
[0175]
针对任意一个车辆区域，将任意一个车辆区域，与待检测视频图像的上一帧待检测视频图像中的各个车辆区域进行匹配，确定一个车辆区域对应的跟踪轨迹，并更新跟踪轨迹的轨迹信息。
[0176]
需要说明的是，轨迹信息包括待检测视频图像，车辆区域的状态位和跟踪编号。状态位包括更新状态、创建状态、丢失状态和删除状态。
[0177]
在一些实施例中，本技术实施例中的多目标跟踪模块采用的多目标跟踪算法可以为检测跟踪tracking by detection算法，来确定待检测视频图像中包含的各个车辆区域对应的跟踪轨迹。
[0178]
针对各个车辆区域中的任一车辆区域，分别执行如下操作：
[0179]
分别确定车辆区域与上一帧待检测视频图像中包含的各个车辆区域的交并比，当交并比大于预设阈值时，确定匹配成功，将匹配成功的车辆区域作为目标跟踪车辆区域。并且，将目标跟踪车辆区域对应的跟踪轨迹确定为该车辆区域对应的跟踪轨迹，并更新轨迹信息。
[0180]
具体的，本技术实施例将该车辆区域对应的待检测视频图像添加到轨迹信息，中，并将目标跟踪车辆区域的跟踪编号作为该车辆区域的跟踪编号，以及将车辆区域的状态位更新为更新状态。
[0181]
在一些实施例中，若确定出车辆区域与上一帧待检测视频图像中的多个车辆区域匹配成功，则选取最大交并比对应的车辆区域作为目标跟踪车辆区域。
[0182]
在另一些实施例中，若车辆区域与上一帧待检测视频图像中的各个车辆区域的交并比均小于预设阈值，即未找到与车辆区域匹配成功的车辆区域，则确定该车辆区域为新出现的车辆区域，为该车辆区域创建跟踪轨迹，创建跟踪编号，以及将车辆区域的状态位设置为创建状态。
[0183]
在另一些实施例中，若上一帧待检测视频图像中的车辆区域与各个车辆区域的交并比均小于预设阈值，即上一帧待检测视频图像中的车辆区域在待检测视频图像中并未找
到匹配的车辆区域，则确定上一帧待检测视频图像中的车辆区域在该待检测视频图像中丢失，将该车辆区域的状态位设置为丢失状态。
[0184]
在一些实施例中，当车辆区域的状态位为丢失状态的帧数，大于最大帧数时，将车辆区域的状态位设置为删除状态，并删除该车辆区域的跟踪轨迹。
[0185]
在另一些实施例中，针对任意一个车辆区域，将任意一个车辆区域与已有跟踪轨迹中最新添加的车辆区域进行匹配，确定一个车辆区域对应的跟踪轨迹。
[0186]
步骤四、针对各个车辆区域中的任意一个车辆区域，当车辆区域的状态位为正常状态时，将车辆区域的轨迹信息和目标信息输入告警逻辑判断模块，确定车辆区域对应的工程车的外观检测结果。
[0187]
在一些实施例中，本技术实施例在将车辆区域输入到告警逻辑判断模块后，根据车辆区域的轨迹信息，确定该车辆区域是否为目标车辆区域。
[0188]
具体实施中，本技术实施例可通过下列方式确定车辆区域是否为目标车辆区域。
[0189]
本技术实施例根据车辆区域，确定车辆区域的中心点位置；并根据轨迹信息，确定车辆区域的存在时间。
[0190]
需要说明的是，存在时间为轨迹信息中包含车辆区域的待检测视频图像的帧数。
[0191]
本技术实施例将中心点位置为设定的规则区域内，存在时间大于第一设定阈值，且位于非边界区域内的车辆区域作为目标车辆区域。
[0192]
需要说明的是，规则区域为待检测视频图像中的检测区域；非边界区域为待检测视频图像中除边界区域之外的区域。
[0193]
例如，待检测视频图像中的规则区域可以如图5所示的边框内部的图像区域。
[0194]
在一些实施例中，中心点坐标为((x2+x1)/2，(y2+y1)/2)，其中，(x1，y1)为车辆区域的左上角坐标，(x2，y2)为车辆区域右下角坐标。
[0195]
在一些实施例中，第一设定阈值可以为经验值10帧。非边界区域的范围可以为0.05h～0.95h，0.05w～0.95w；其中，h为待检测视频图像的高，w为待检测视频图像的宽。
[0196]
本技术实施例在确定车辆区域为目标车辆区域后，根据目标车辆区域的外观属性信息，以及与目标车辆区域关联的外观对象的对象区域，确定目标车辆区域对应的工程车的外观检测结果。
[0197]
具体实施中，本技术实施例根据目标车辆区域的外观属性信息，确定目标车辆区域的外观属性信息为外观不洁时的外观不洁置信度，以及外观属性信息为密闭不严时的密闭不严置信度；并确定与目标车辆区域关联的对象区域为污渍区域时的污渍置信度，以及确定对象区域为盖篷布区域时的盖篷布置信度。
[0198]
本技术实施例根据外观不洁置信度和污渍置信度，确定目标车辆区域的外观不洁联合置信度；根据密闭不严置信度和盖篷布置信度，确定目标车辆区域的密闭不严联合置信度；根据外观不洁联合置信度和密闭不严联合置信度，确定目标车辆区域对应的工程车的外观检测结果。
[0199]
在一些实施例中，本技术实施例可根据下列公式确定外观不洁联合置信度：
[0200]
confd＝αconf
od-d
+(1-α)conf
oc-d
[0201]
其中，confd表示外观不洁联合置信度；α为常数；conf
od-d
表示污渍置信度；conf
oc-d
表示外观不洁置信度。另外，α可取经验值0.5。
[0202]
在一些实施例中，本技术实施例可根据下列公式确定密闭不严联合置信度：
[0203]
confo＝1-αconf
od-o-(1-α)(1-conf
oc-o
)
[0204]
其中，confo表示密闭不严联合置信度；α为常数；conf
od-o
表示盖篷布置信度；conf
oc-o
表示密闭不严置信度。另外，α可取经验值0.5。
[0205]
本技术实施例在确定出目标车辆区域的外观不洁联合置信度和密闭不严联合置信度后，确定外观不洁累计时间和密闭不严累计时间。
[0206]
具体实施中，本技术实施例在确定外观不洁联合置信度大于第一设定阈值时，增加外观不洁累计时间；或者，本技术实施例在确定外观不洁联合置信度小于或等于第二设定阈值，则减小外观不洁累计时间。
[0207]
本技术实施例在确定密闭不严联合置信度大于第三设定阈值，则增加密闭不严累计时间；或者，在确定密闭不严联合置信度小于或等于第三设定阈值，则减小密闭不严累计时间。
[0208]
需要说明的是，外观不洁累计时间和密闭不严累计时间的最小值为0。
[0209]
例如，第二设定阈值和第三设定阈值可以为0.7；当外观不洁联合置信度大于0.7时，外观不洁累计时间加1；当外观不洁联合置信度小于或等于0.7时，外观不洁累计时间减1；当密闭不严联合置信度大于0.7时，密闭不严累计时间加1；当密闭不严联合置信度小于或等于0.7时，密闭不严累计时间减1。
[0210]
本技术实施例通过确定外观不洁累计时间是否达到第一时间阈值，密闭不严累计时间是否达到第二时间阈值，确定外观检测结果是否满足告警条件。
[0211]
在一些实施例中，若外观不洁累计时间达到第一时间阈值，密闭不严累计时间未达到第二时间阈值，则确定外观检测结果为目标车辆区域对应的工程车的外观不洁满足告警条件。
[0212]
在另一些实施例中，若外观不洁累计时间未达到第一时间阈值，密闭不严累计时间达到第二时间阈值，则确定外观检测结果为目标车辆区域对应的工程车的密闭不严满足告警条件。
[0213]
在另一些实施例中，若外观不洁累计时间达到第一时间阈值，且密闭不严累计时间达到第二时间阈值，则确定外观检测结果为目标车辆区域对应的工程车的密闭不严和外观不洁均满足告警条件。
[0214]
在另一些实施例中，若外观不洁累计时间未达到第一时间阈值，且密闭不严累计时间未达到第二时间阈值，则确定目标车辆区域对应的工程车的密闭不严和外观不洁均不满足告警条件，重新从多目标跟踪模块获取状态位为更新状态的车辆区域的轨迹信息和目标信息。
[0215]
如图6所示，本技术实施例提供的一种基于告警逻辑判断模块确定车辆区域对应的工程车外观检测结果的完整流程示意图，包括以下步骤：
[0216]
步骤s601，从多目标跟踪模块中获取状态位为更新状态的车辆区域的轨迹信息和对应的目标信息。
[0217]
其中，目标信息包括车辆、外观属性信息、与车辆区域关联的外观对象的对象区域。
[0218]
步骤s602，确定车辆区域的中心点位置。
[0219]
步骤s603，确定中心点位置是否位于设定的规则区域内；若是，则执行步骤s604；若否，则执行步骤s601。
[0220]
步骤s604，根据车辆区域的轨迹信息，确定车辆区域对应的工程车的存在时间。
[0221]
步骤s605，确定存在时间是否大于第一设定阈值；若是，则执行步骤s606；若否，则执行步骤s601。
[0222]
步骤s606，确定车辆区域是否位于非边界区域内；若是，则执行步骤s607；若否，则执行步骤s601。
[0223]
步骤s607，将该车辆区域确定为目标车辆区域，并确定目标车辆区域的外观不洁联合置信度和密闭不严联合置信度。
[0224]
具体实施中，本技术实施例确定目标车辆区域的外观属性信息为外观不洁时的外观不洁置信度，以及外观属性信息为密闭不严时的密闭不严置信度；确定目标车辆区域关联的对象区域为污渍区域时的污渍置信度，以及确定对象区域为盖篷布区域时的盖篷布置信度；
[0225]
根据外观不洁置信度和污渍置信度，确定目标车辆区域的外观不洁联合置信度；根据密闭不严置信度和盖篷布置信度，确定目标车辆区域的密闭不严联合置信度。
[0226]
步骤s608，确定外观不洁联合置信度是否大于第二设定阈值；若否，执行步骤s609；若是，则执行步骤s610。
[0227]
步骤s609，减小外观不洁累计时间，返回执行步骤s601。
[0228]
步骤s610，增加外观不洁累计时间。
[0229]
步骤s611，确定外观不洁累计时间是否达到第一时间阈值；若是，则执行步骤s612；若否，则执行步骤s601。
[0230]
步骤s612，确定目标车辆区域对应的工程车的外观不洁满足告警条件。
[0231]
步骤s613，确定密闭不严联合置信度是否大于第三设定阈值；若否，执行步骤s614；若是，则执行步骤s615。
[0232]
步骤s614，减小密闭不严累计时间，返回执行步骤s601。
[0233]
步骤s615，增加密闭不严累计时间。
[0234]
步骤s616，确定密闭不严累计时间是否达到第二时间阈值；若是，则执行步骤s617；若否，则执行步骤s601。
[0235]
步骤s617，确定目标车辆区域对应的工程车的密闭不严满足告警条件。
[0236]
步骤s618，确定目标车辆区域对应的工程车的外观检测结果满足告警条件。
[0237]
在一些实施例中，本技术实施例在确定外观检测结果满足告警条件之后，确定目标车辆区域的告警标记。
[0238]
需要说明的是，告警标记包括已报警标记和未报警标记。
[0239]
若目标车辆区域的告警标记为未报警，则将目标车辆区域的告警标记更新为已报警，并根据外观检测结果，确定告警信息。
[0240]
需要说明的是，告警信息包括待检测视频图像和告警类型。其中，告警类型包括外观不洁类型，密闭不严类型，以及外观不洁和密闭不严类型。
[0241]
本技术实施例通过将告警标记更新为已报警，可以确定同一目标车辆区域同一告警类型只抓拍一次、避免重复抓拍。
[0242]
本技术实施例在确定出告警信息后，通过告警输出模块将告警信息上报给用户的终端，或者在显示界面中显示告警信息，使用户拿到告警信息后执行工程车外观违规处罚。
[0243]
如图7所示，本技术实施例提供一种目标车辆的检测区域关联方法的完整流程示意图，其中，以外观对象包括污渍和盖篷布时，目标类型车辆为工程车为例，包括以下步骤：
[0244]
步骤s701，对待检测视频图像进行目标类型车辆的检测，确定待检测视频图像中针对目标类型车辆检测出的各个车辆区域。
[0245]
步骤s702，确定各个车辆区域的外观属性信息。
[0246]
需要说明的是，外观属性信息包括外观属性和外观属性对应的置信度；外观属性包括外观不洁、外观清洁、密闭和密闭不严。
[0247]
步骤s703，对待检测视频图像进行外观对象的检测，得到待检测视频图像中针对外观对象检测出的各个对象区域。
[0248]
需要说明的是，步骤s701和步骤s702同时执行，不分执行先后顺序。
[0249]
步骤s704，将各个车辆区域和各个对象区域进行关联。
[0250]
在一些实施例中，本技术实施例可通过下列方式将各个车辆区域和各个对象区域进行关联：
[0251]
基于各个车辆区域和各个对象区域的重叠程度，将所述各个车辆区域和所述各个对象区域进行关联。
[0252]
具体实施中，本技术实施例分别将各个车辆区域作为待处理车辆区域，进行如下操作：
[0253]
分别确定各个对象区域和待处理车辆区域的子重叠程度；
[0254]
将大于重叠程度阈值的子重叠程度对应的对象区域，与待处理车辆区域进行关联。
[0255]
步骤s705，针对任意一个车辆区域，将任意一个车辆区域，与待检测视频图像的上一帧待检测视频图像中的各个车辆区域进行匹配，确定一个车辆区域对应的跟踪轨迹，并更新跟踪轨迹的轨迹信息。
[0256]
步骤s706，确定各个车辆区域的中心点位置。
[0257]
步骤s707，根据轨迹信息，分别确定各个车辆区域对应的目标类型车辆的存在时间。
[0258]
需要说明的是，存在时间为轨迹信息中包含车辆区域对应的目标类型车辆的待检测视频图像的帧数。
[0259]
步骤s708，根据各个车辆区域的中心点位置、存在时间，从各个车辆区域中选取一个目标车辆区域。
[0260]
目标车辆区域为各个车辆区域中的中心点位置位于设定的规则区域内，存在时间大于第一设定阈值，且位于非边界区域内的车辆区域。
[0261]
需要说明的是，规则区域为待检测视频图像中的检测区域；非边界区域为待检测视频图像中除边界区域之外的区域。
[0262]
步骤s709，确定目标车辆区域的外观属性信息为外观不洁时的外观不洁置信度，以及外观属性信息为密闭不严时的密闭不严置信度。
[0263]
步骤s710，确定与目标车辆区域关联的对象区域为污渍区域时的污渍置信度，以
及确定对象区域为盖篷布区域时的盖篷布置信度。
[0264]
步骤s711，根据外观不洁置信度和污渍置信度，确定目标车辆区域的外观不洁联合置信度；根据密闭不严置信度和盖篷布置信度，确定目标车辆区域的密闭不严联合置信度。
[0265]
步骤s712，确定外观不洁联合置信度是否大于第二设定阈值；若否，则执行步骤s713；若是，则执行步骤s714。
[0266]
步骤s713，减小外观不洁累计时间，返回执行步骤s708。
[0267]
步骤s714，增加外观不洁累计时间。
[0268]
步骤s715，确定密闭不严联合置信度是否大于第三设定阈值；若否，则执行步骤s716；若是，则执行步骤s717。
[0269]
需要说明的是，步骤s712和步骤s715是同时执行的，不分先后顺序。
[0270]
步骤s716，减小密闭不严累计时间，返回执行步骤s708。
[0271]
步骤s717，增加密闭不严累计时间。
[0272]
步骤s718，根据密闭不严累计时间和外观不洁累计时间，确定目标车辆区域对应的工程车的外观检测结果。
[0273]
具体实施中，本技术实施例通过下列方式确定外观检测结果：
[0274]
若外观不洁累计时间达到第一时间阈值，密闭不严累计时间未达到第二时间阈值，则确定外观检测结果为目标车辆区域对应的工程车的外观不洁满足告警条件；或者，
[0275]
若外观不洁累计时间未达到第一时间阈值，密闭不严累计时间达到第二时间阈值，则确定外观检测结果为目标车辆区域对应的工程车的密闭不严满足告警条件；或者，
[0276]
若外观不洁累计时间达到第一时间阈值，且密闭不严累计时间达到第二时间阈值，则确定外观检测结果为目标车辆区域对应的工程车的密闭不严和外观不洁均满足告警条件。
[0277]
步骤s719，当外观检测结果满足告警条件之后，确定目标车辆区域的告警标记。
[0278]
步骤s720，若目标车辆区域的告警标记为未报警，则将告警标记更新为已告警，并根据外观检测结果，确定告警信息。
[0279]
需要说明的是，告警信息包括待检测视频图像和告警类型；其中，告警类型包括外观不洁类型，密闭不严类型，以及外观不洁和密闭不严类型。
[0280]
步骤s721，上报告警信息，并返回执行步骤s708。
[0281]
基于同一发明构思，本技术实施例中还提供了一种目标车辆的检测区域关联装置，由于该装置解决问题的原理与上述目标车辆的检测区域关联方法相似，因此该装置可以参见上述方法实施例实施，重复之处不再赘述。
[0282]
如图8所示，本技术实施例提供的一种目标车辆的检测区域关联装置的结构框图，该装置包括：
[0283]
第一检测单元801，用于对待检测视频图像进行目标类型车辆的检测，确定待检测视频图像中针对目标类型车辆检测出的各个车辆区域；
[0284]
第二检测单元802，用于对待检测视频图像进行外观对象的检测，确定待检测视频图像中针对外观对象检测出的各个对象区域；外观对象是与目标类型车辆关联的对象；
[0285]
关联单元803，用于将各个车辆区域和各个对象区域进行关联。
[0286]
一种可选的实施方式为，确定待检测视频图像中针对目标类型车辆检测出的各个车辆区域之后，第一检测单元801还用于：
[0287]
确定各个车辆区域的外观属性信息；
[0288]
装置还包括确定单元804，确定单元804具体用于：
[0289]
根据各个车辆区域、各个车辆区域的外观属性信息与各个车辆区域关联的外观对象的对象区域，确定各个车辆区域对应的目标类型车辆的外观检测结果。
[0290]
一种可选的实施方式为，关联单元803具体用于：
[0291]
基于各个车辆区域和各个对象区域的重叠程度，将各个车辆区域和各个对象区域进行关联。
[0292]
一种可选的实施方式为，关联单元803具体用于：
[0293]
分别将各个车辆区域作为待处理车辆区域，进行如下操作：
[0294]
分别确定各个对象区域和待处理车辆区域的子重叠程度；
[0295]
将大于重叠程度阈值的子重叠程度对应的对象区域，与待处理车辆区域进行关联。
[0296]
一种可选的实施方式为，确定单元804具体用于：
[0297]
针对任意一个车辆区域，将任意一个车辆区域，与待检测视频图像的上一帧待检测视频图像中的各个车辆区域进行匹配，确定一个车辆区域对应的跟踪轨迹，并更新跟踪轨迹的轨迹信息；
[0298]
根据轨迹信息，从各个车辆区域中选取目标车辆区域；
[0299]
根据各个目标车辆区域的外观属性信息，以及各个目标车辆区域关联的外观对象的对象区域，分别确定各个目标车辆区域对应的目标类型车辆的外观检测结果。
[0300]
一种可选的实施方式为，确定单元804具体用于：
[0301]
确定各个车辆区域的中心点位置；
[0302]
根据轨迹信息，分别确定各个车辆区域对应的目标类型车辆的存在时间；存在时间为轨迹信息中包含车辆区域对应的目标类型车辆的待检测视频图像的帧数；
[0303]
将中心点位置位于设定的规则区域内，存在时间大于第一设定阈值，且位于非边界区域内的车辆区域作为目标车辆区域；规则区域为待检测视频图像中的检测区域；非边界区域为待检测视频图像中除边界区域之外的区域。
[0304]
一种可选的实施方式为，外观对象包括污渍和盖篷布时，目标类型车辆为工程车；确定单元804具体用于：
[0305]
针对各个目标车辆区域中的任意一个目标车辆区域，分别执行如下操作：
[0306]
确定目标车辆区域的外观属性信息为外观不洁时的外观不洁置信度，以及外观属性信息为密闭不严时的密闭不严置信度；
[0307]
确定与目标车辆区域关联的对象区域为污渍区域时的污渍置信度，以及确定对象区域为盖篷布区域时的盖篷布置信度；
[0308]
根据外观不洁置信度和污渍置信度，确定目标车辆区域的外观不洁联合置信度；根据密闭不严置信度和盖篷布置信度，确定目标车辆区域的密闭不严联合置信度；
[0309]
根据外观不洁联合置信度和密闭不严联合置信度，确定目标车辆区域对应的工程车的外观检测结果。
[0310]
一种可选的实施方式为，确定单元804具体用于：
[0311]
若外观不洁联合置信度大于第二设定阈值，则增加外观不洁累计时间；若外观不洁联合置信度小于或等于第二设定阈值，则减小外观不洁累计时间；
[0312]
若密闭不严联合置信度大于第三设定阈值，则增加密闭不严累计时间；若密闭不严联合置信度小于或等于第三设定阈值，则减小密闭不严累计时间；
[0313]
根据外观不洁累计时间和密闭不严累计时间，确定目标车辆区域对应的工程车的外观检测结果。
[0314]
一种可选的实施方式为，确定单元804具体用于：
[0315]
若外观不洁累计时间达到第一时间阈值，密闭不严累计时间未达到第二时间阈值，则确定外观检测结果为目标车辆区域对应的工程车的外观不洁满足告警条件；或者，
[0316]
若外观不洁累计时间未达到第一时间阈值，密闭不严累计时间达到第二时间阈值，则确定外观检测结果为目标车辆区域对应的工程车的密闭不严满足告警条件；或者，
[0317]
若外观不洁累计时间达到第一时间阈值，且密闭不严累计时间达到第二时间阈值，则确定外观检测结果为目标车辆区域对应的工程车的密闭不严和外观不洁均满足告警条件。
[0318]
一种可选的实施方式为，在确定外观检测结果满足告警条件之后，确定单元804还用于：
[0319]
确定目标车辆区域的告警标记；
[0320]
若目标车辆区域的告警标记为未报警，则将告警标记更新为已告警，并根据外观检测结果，确定告警信息；告警信息包括待检测视频图像和告警类型；其中，告警类型包括外观不洁类型，密闭不严类型，以及外观不洁和密闭不严类型。
[0321]
与上述目标车辆的检测区域关联方法的实施例相对应地，本技术实施例还提供了一种电子设备。该电子设备可以是服务器，如图1中所示的服务器20，也可以是移动终端或计算机等终端，如图1中所示的终端20。
[0322]
该电子设备至少包括用于存储数据的存储器和用于数据处理的处理器。其中，对于用于数据处理的处理器而言，在执行处理时，可以采用微处理器、cpu、gpu(graphics processing unit，图形处理单元)、dsp或fpga实现。对于存储器来说，存储器中存储有操作指令，该操作指令可以为计算机可执行代码，通过该操作指令来实现上述本技术实施例的目标车辆的检测区域关联方法的流程中的各个步骤。
[0323]
图9为本技术实施例提供的一种电子设备的结构示意图；如图9所示，本技术实施例中该电子设备100包括：处理器101、显示器102、存储器103、输入设备106、总线105和通讯模块104；该处理器101、存储器103、输入设备106、显示器102和通讯模块104均通过总线105连接，该总线105用于该处理器101、存储器103、显示器102、通讯模块104和输入设备106之间传输数据。
[0324]
其中，存储器103可用于存储软件程序以及模块，如本技术实施例中的目标车辆的检测区域关联方法对应的程序指令/模块，处理器101通过运行存储在存储器103中的软件程序以及模块，从而执行电子设备100的各种功能应用以及数据处理，如本技术实施例提供的目标车辆的检测区域关联方法。存储器103可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个应用的应用程序等；存储数据区可存储根据电子设
备100的使用所创建的数据(比如工程车的位置信息、属性信息，外观检测区域的检测信息等相关数据)等。此外，存储器103可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0325]
处理器101是电子设备100的控制中心，利用总线105以及各种接口和线路连接整个电子设备100的各个部分，通过运行或执行存储在存储器103内的软件程序和/或模块，以及调用存储在存储器103内的数据，执行电子设备100的各种功能和处理数据。可选的，处理器101可包括一个或多个处理单元，如cpu、gpu、数字处理单元等。
[0326]
处理器101可以将目标车辆区域对应的工程车的外观检测结果通过显示器102展示给用户。
[0327]
处理器101还可以通过通讯模块104连接网络，获取待检测视频图像等。
[0328]
输入设备106主要用于获得用户的输入操作，当该电子设备不同时，该输入设备106也可能不同。例如，当该电子设备为计算机时，该输入设备106可以为鼠标、键盘等输入设备；当该电子设备为智能手机、平板电脑等便携设备时，该输入设备106可以为触控屏。
[0329]
本技术实施例针对目标车辆的检测区域关联方法还提供一种计算设备可读存储介质，即断电后内容不丢失。该存储介质中存储软件程序，包括程序代码，当程序代码在计算设备上运行时，该软件程序在被一个或多个处理器读取并执行时可实现本技术实施例上面任何一种目标车辆的检测区域关联方法的方案。
[0330]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0331]
本技术是参照根据本技术的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0332]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0333]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0334]
显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。