车辆检测方法、系统及存储介质与流程

1.本技术涉及智能监控的技术领域，尤其是涉及一种车辆检测方法、系统及存储介质。


背景技术：

2.粮食是关系国计民生的特殊商品,社会的快速工业化发展转型和人口流动性的大幅增长对传统的粮食管理提出了挑战。在相关技术中，对粮库的管理通常都是采用人工记录、汇总的方式。
3.尤其是前面的进出库阶段，依然采用传统的人工管理计量的方法，其花费时间较多，且人工成本较高。


技术实现要素：

4.为了节省时间且减少人工成本，本技术提供一种车辆检测方法、系统及存储介质。
5.第一方面，本技术提供的一种车辆检测方法，采用如下的技术方案：一种车辆检测方法，包括：获取粮库区域的视频监控信息；判断所述视频监控信息中是否有运动车辆，如果是，则识别所述运动车辆的类型；在所述运动车辆为拉粮车的情况下，判断所述拉粮车是否为重车；如果是，则获取所述重车的运动轨迹；根据所述运动轨迹，判断所述重车是进库或出库。
6.通过采用上述技术方案，通过获取粮库区域的视频监控信息，首先对视频监控信息进行车辆检测，即判断视频监控信息中是否有拉粮车，如果是，判断拉粮车是否为重车，即拉粮车是否装有粮食；在拉粮车装有粮食的情况下，判断该拉粮车是进库还是出库，以此能够实时监控粮库是有粮食进入还是粮食拉出，实现粮库系统化、智能化、信息化管理，从而能够节省人工计量的时间，有助于提高拉粮车进出库的效率；无需人工参与，有效减少人工成本。
7.可选的，所述判断所述视频监控信息中是否有运动车辆步骤包括：获取所述视频监控信息中连续的两帧或三帧图像，并得到所述两帧或三帧图像对应像素点的灰度值；将所述相邻两帧图像对应像素点的灰度值相减，并取绝对值，得到灰度差的绝对值；判断所述灰度差的绝对值是否大于预设阈值，如果是，则确认所述视频监控信息中有运动车辆。
8.可选的，所述识别所述运动车辆的类型步骤具体包括：根据所述视频监控信息以及预设的目标检测算法，得到运动车辆的类型。
9.可选的，所述判断所述拉粮车是否为重车步骤包括：
获取所述拉粮车图像，并将所述拉粮车图像发送至预设的重空车检测模型；根据所述重空车检测模型，判断所述拉粮车图像中是否含有预设特征，如果是，则确认所述拉粮车为重车；其中，所述预设训练集包括粮食可见、网布遮挡粮食或麻袋装载粮食。
10.可选的，所述重空车检测模型的生成方法包括：获取初始模型和数据集，其中所述数据集包括重车图片和空车图片；对所述数据集进行分类标注，得到训练集以及测试集；根据所述训练集以及测试集对初始模型进行训练，得到重空车检测模型。
11.可选的，所述根据所述运动轨迹，判断所述重车是进库还是出库步骤包括：标定进库方向和出库方向；判断所述运动轨迹是否与所述进库方向或出库方向一致，如果是，则确定重车进库或重车出库。
12.第二方面，本技术提供的一种车辆检测系统，采用如下的技术方案：一种车辆检测系统，包括：视频采集模块，被配置为获取粮库区域的视频监控信息；运动车辆检测模块，被配置为判断所述视频监控信息中是否有运动车辆；车辆类型识别模块，被配置为在所述视频监控信息中有运动车辆的情况下，识别所述运动车辆的类型；重车判断模块，被配置为在所述运动车辆为拉粮车的情况下，判断拉粮车是否为重车；运动轨迹获取模块，被配置为在判断所述拉粮车为重车的情况下，获取重车的运动轨迹；进出库判断模块，被配置为根据所述运动轨迹，判断重车是进库还是出库。
13.通过采用上述技术方案，通过视频采集模块实时采集粮库区域的视频监控信息，然后采用运动车辆检测模块判断视频监控信息中是否有运动车辆，如果有，则利用车辆类型模块识别运动车辆的类型。在运动车辆不是拉粮车时，默认该运动车辆为空车；在运动车辆为拉粮车的情况下，通过重车判断模块判断拉粮车是否为重车，如果是，则利用运动轨迹获取模块获取该重车的运动轨迹；并通过进出库判断模块根据运动轨迹判断重车是进库还是出库，从而能够实时监控粮库是有粮食进入还是粮食拉出，实现粮库系统化、智能化、信息化管理，从而能够节省人工计量的时间，有助于提高拉粮车进出库的效率；无需人工参与，有效减少人工成本。
14.第三方面，本技术提供的一种计算机可读存储介质，采用如下的技术方案：一种计算机可读存储介质，存储有能够被处理器加载并执行如第一方面所述的计算机程序。
15.通过采用上述技术方案，通过获取粮库区域的视频监控信息，首先对视频监控信息进行车辆检测，即判断视频监控信息中是否有拉粮车，如果是，判断拉粮车是否为重车，即拉粮车是否装有粮食；在拉粮车装有粮食的情况下，判断该拉粮车是进库还是出库，以此能够实时监控粮库是有粮食进入还是粮食拉出，实现粮库系统化、智能化、信息化管理，从而能够节省人工计量的时间，有助于提高拉粮车进出库的效率；无需人工参与，有效减少人
工成本。
16.综上所述，本技术包括以下至少一种有益技术效果：通过获取粮库区域的视频监控信息，首先对视频监控信息进行车辆检测，即判断视频监控信息中是否有拉粮车，如果是，判断拉粮车是否为重车，即拉粮车是否装有粮食；在拉粮车装有粮食的情况下，判断该拉粮车是进库还是出库，以此能够实时监控粮库是有粮食进入还是粮食拉出，实现粮库系统化、智能化、信息化管理，从而能够节省人工计量的时间，有助于提高拉粮车进出库的效率；无需人工参与，有效减少人工成本。
附图说明
17.图1是本技术其中一实施例示出的车辆检测方法的流程图。
18.图2是本技术其中一实施例示出的车辆检测方法中步骤500的流程图。
19.图3是本技术其中一实施例示出的车辆检测系统的结构图。
20.附图标记说明：1、视频采集模块；2、运动车辆检测模块；3、车辆类型识别模块；4、重车判断模块；5、运动轨迹获取模块；6、进出库判断模块。
具体实施方式
21.以下结合附图1-图3对本技术作进一步详细说明。
22.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施方式作进一步地详细说明。
23.首先，对本技术实施例涉及的名词进行介绍。
24.卡尔曼滤波器，是由卡尔曼滤波考虑时间非线性的动态系统，常应用于目标跟踪系统。卡尔曼滤波（kalman filtering）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。
25.本技术实施例公开了一种车辆检测方法。
26.作为车辆检测方法的一种实施方式，如图1所示，包括以下步骤：100，获取粮库区域的视频监控信息。
27.具体的，在粮库上方安装多个监控摄像头，调整监控摄像头角度以减少监控死角，构建视频监控系统，通过监控摄像头采集粮库实时的视频监控信息。
28.200，判断视频监控信息中是否有运动车辆，如果是，则识别运动车辆的类型。
29.需要说明的是，由于监控摄像头采集的视频监控信息具有连续性的特点，如果监控场景内没有运动目标，则连续帧的变化很微弱；如果监控场景内存在运动目标，则连续的帧与帧之间会有明显的变化。所以利用帧间差分法进行差分运算。具体的，获取视频监控信息中时间上的连续的两帧或三帧图像，得到两帧或三帧对应像素点的灰度值，然后将相邻两帧图像像素点的灰度值相减，并取绝对值，得到灰度差的绝对值；判断灰度差的绝对值是否大于预设阈值，如果是，则确认视频监控信息中有运动车辆；如果否，则确认视频监控信息中没有运动车辆。在本实施例中，采用三帧差法以实现运动目标的检测。
30.在视频监控信息中存在运动目标的情况下，利用目标检测算法判断运动车辆的类型。其中，运动车辆的类型包括小汽车、卡车、三轮车、电动车或自行车等。具体的，目标检测
算法是指应用机器视觉技术将监控摄像头采集到的数字信息图像或者视频作为图像输入，利用深度学习中的目标检测框架识别出图像中的车辆类型。
31.300，在运动车辆为拉粮车的情况下，判断拉粮车是否为重车；其中，拉粮车包括卡车或三轮车，重车为装有粮食的拉粮车。
32.具体的，在运动车辆为卡车或三轮车的情况下，判断卡车或三轮车是否为重车，即判断拉粮车上是否装有粮食。在运动车不是卡车和三轮车的情况下，将该运动车辆默认为空车。
33.其中，步骤300具体包括：301，获取拉粮车图像，并将拉粮车图像发送至预设的重空车检测模型。
34.需要说明的是，在视频监控信息中存在拉粮车的情况下，截取拉粮车图像，并将拉粮车图像发送至重空车检测模块。
35.作为重空车检测模型的生成方法的一种实施方式，获取初始模型和数据集，其中数据集包括重车图片和空车图片；对数据集进行分类标注，得到训练集；根据训练集对初始模型进行训练，得到重空车检测模型。
36.其中，初始模型可以是待进行训练的模型，也可以是未完成训练的模型。作为示例，初始模型可以为卷积神经网络或分类网络。
37.需要说明的是，对采集的重车图片和空车图片进行分类标注，即将重车图片和空车图片区分开，得到训练集以及测试集，其中训练集与测试集中均包含有重车的特征，即预设特征。具体的，预设特征包括粮食可见、网布遮挡粮食以及麻袋装载粮食，其中网布遮挡粮食包括防尘网或篷布遮挡粮食。
38.本实施例中，根据训练集以及测试集对卷积神经网络进行训练。其中，卷积神经网络的训练过程分为两个阶段。第一个阶段是数据由低层次向高层次传播的阶段，即前向传播阶段。另外一个阶段是，当前向传播得出的结果与预期不相符时，将误差从高层次向低层次进行传播训练的阶段，即反向传播阶段。具体的，训练过程为：第一步、网络进行权值的初始化；第二步、输入数据经过卷积层、下采样层、全连接层的向前传播得到输出值；其中，输入数据为分类标注后的重车图片和空车图片；第三步、求出网络的输出值与目标值之间的误差；第四步、当误差大于期望值时，将误差传回网络中，依次求得全连接层、下采样层、卷积层的误差；各层的误差可以理解为对于网络的总误差，网络应承担多少；当误差等于或小于期望值时，结束训练；第五步、根据求得误差进行权值更新，然后进入到第二步。
39.302，根据重空车检测模型，判断拉粮车图像中是否含有预设特征，如果是，则确认拉粮车为重车。
40.具体的，将拉粮车图像输入至重空车检测模型，基于重空车检测模型判断拉粮车图像中是否包含粮食可见、防尘网或篷布遮挡粮食或麻袋装载粮食等预设特征，如果是，则确认该拉粮车为重车；如果否，则确认该拉粮车为空车。
41.400，如果是，则获取重车的运动轨迹。
42.在判断拉粮车为重车的情况下，利用卡尔曼滤波器进行重车的跟踪，获取重车的
运动轨迹。
43.具体的，在利用帧间差分法进行运动目标检测,获得重车的初始位置后，采用卡尔曼滤波器预测重车下一时刻所在的位置，再利用运动目标检测的结果评估和矫正预测结果，获得重车的准确位置,并依据跟踪结果进行车辆的行为分析，以获取重车的运动轨迹。
44.500，根据运动轨迹，判断重车是进库或出库。
45.其中，如图2所示。步骤500具体包括：501，标定进库方向和出库方向。
46.502，判断运动轨迹是否与进库方向或出库方向一致，如果是，则确定重车进库或重车出库。
47.具体的，根据粮库的实际情况标定进库方向和出库方向，通过运动轨迹与标定方向的比较，判断重车是进库还是出库，以此能够实时监控粮库是有粮食进入还是粮食拉出，实现粮库系统化、智能化、信息化管理。
48.基于上述车辆检测方法，本技术实施例还公开了一种车辆检测系统。
49.作为车辆检测系统的一种实施方式，如图3所示，具体包括：视频采集模块1，被配置为获取粮库区域的视频监控信息；运动车辆检测模块2，被配置为判断视频监控信息中是否有运动车辆；车辆类型识别模块3，被配置为在视频监控信息中有运动车辆的情况下，识别运动车辆的类型；重车判断模块4，被配置为在运动车辆为拉粮车的情况下，判断拉粮车是否为重车；运动轨迹获取模块5，被配置为在判断拉粮车为重车的情况下，获取重车的运动轨迹；进出库判断模块6，被配置为根据所述运动轨迹，判断重车是进库还是出库。
50.本技术实施例的实施原理为：通过视频采集模块1实时采集粮库区域的视频监控信息，然后采用运动车辆检测模块2判断视频监控信息中是否有运动车辆，如果有，则利用车辆类型识别模块3识别运动车辆的类型。在运动车辆不是拉粮车时，默认该运动车辆为空车；在运动车辆为拉粮车的情况下，通过重车判断模块4判断拉粮车是否为重车，如果是，则利用运动轨迹获取模块5获取该重车的运动轨迹；并通过进出库判断模块6根据运动轨迹判断重车是进库还是出库，从而能够实时监控粮库是有粮食进入还是粮食拉出，实现粮库系统化、智能化、信息化管理。
51.本技术实施例还公开了一种计算机可读存储介质，存储有能够被处理器加载并执行如上述车辆检测方法的计算机程序，该计算机可读存储介质例如包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
52.以上均为本技术的较佳实施例，并非依此限制本技术的保护范围，故：凡依本技术的结构、形状、原理所做的等效变化，均应涵盖于本技术的保护范围之内。