(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 202210944314.1 (22)申请日 2022.08.08 (71)申请人 河南垂天科技有限公司 地址 458000 河南省鹤壁市淇滨区湘江东 路国立光电2#科研楼3 06室 (72)发明人 朱明甫　倪水平　宋成　李朋坤　 朱智丹　武志强　李晓峰　李炳伸　 (74)专利代理 机构 南京品智知识产权代理事务 所(普通合伙) 32310 专利代理师 张明昌 (51)Int.Cl. G06V 20/54(2022.01) G06V 10/774(2022.01) G06V 10/30(2022.01) G06V 10/82(2022.01)G06V 10/80(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种禁停区域违章停车监测方法 (57)摘要 本发明提出的是一种禁停区域违章停车监 测方法， 该方法包括： （一） 、 终端获取待检测图 像； （二） 、 判断待检测图像中是否有阴影； （三） 、 若待检测图像无阴影， 则直接执行模型监测； 若 待检测图像有阴影， 则待检测图像经过映射函数 去除阴影后再进行模型监测。 本发 明通过将有阴 影图像转化为无阴影图像， 提高了检测图像在有 阴影情况 下对违章车辆识别的准确率。 权利要求书3页 说明书7页 附图3页 CN 115294535 A 2022.11.04 CN 115294535 A 1.一种禁停区域违章停车监测方法， 其特 征是包括： （一） 、 终端获取待检测图像； （二） 、 判断待检测图像中是否有阴影； （三） 、 若待检测图像无阴影， 则直接执行模型监测； 若待检测图像有阴影， 则待检测图 像经过映射函数去除阴影后再进行模型监测。 2.根据权利要求1所述的一种禁停区域违章停车监测方法， 其特征是所述待检测图像 经过映射函数去除阴影， 具体包括： 1） 建立阴影图像与无 阴影图像之间的关系表达式， 具体如公式 （1） ：        (1)； 式中， 表示阴影图像， 表示无阴影图像， *表示像素乘积； 2） 通过映射 函数生成遮罩因子 ； 3） 将生成的遮罩因子 与有阴影的待检测图像一起代入公式 （1） ， 得到去除阴影后的待 检测图像。 3.根据权利要求1或2所述的一种禁停区域违章停车监测方法， 其特征是所述映射函数 通过训练得到， 具体包括： 1‑1） 采集若干张无 阴影图像； 1‑2） 对每一张无 阴影图像添加阴影形成阴影图像； 1‑3） 每一张无阴影图像和自身添加阴影后形成的阴影图像组成图像对， 共形成若干组 图像对， 若干组图像对作为训练集； 1‑4） 对若干组图像对分别进行图片基础操作进行扩充， 形成图片基础操作处理后的训 练集； 1‑5） 对图片基础操作处 理后的训练集进行模型训练， 最终生成映射 函数。 4.根据权利要求3所述的一种禁停区域违章停车监测方法， 其特征是所述图片基础操 作包括将每一组图像对进行同样的翻转或旋转。 5.根据权利要求3所述的一种禁停区域违章停车监测方法， 其特征是所述对图片基础 操作处理后的训练集进行模型训练， 最终生成映射 函数， 具体包括： 1‑5‑1） 对每个输入的图像对进行去噪声处 理， 得到去噪声处 理后的图像对； 1‑5‑2） 从每组去噪声处 理后的图像对中分别提取相应的图像特 征； 1‑5‑3） 将提取到的图像特征输入到反卷积网络中得到去噪声处理后的图像对的预测 遮罩因子 ； 1‑5‑4） 通过对反卷积网络进行训练， 得到理想的反卷积网络学习参数 ， 确定出表示阴 影图像 与预测遮罩因子 之间关系的映射 函数 ， 映射函数 具体如公式 （2） 所示：        (2)； 其中， 为反卷积网络学习参数， 为映射函数， 为预测遮罩因子， 表示阴影图像。 6.根据权利要求5所述的一种禁停区域违章停车监测方法， 其特征是所述对反卷积网 络进行训练， 得到理想的反卷积网络学习参数 ， 具体包括： 1） 把去噪声处 理后的图像对分为 等份图像对， 用 表示每一 等份中图像对的个数；权　利　要　求　书 1/3 页 2 CN 115294535 A 22） 将去噪声处理后的图像对的真实的遮罩因子 一并输入反卷积 网络， 通过拟合得到 损失函数 ， 损失函数 具体如公式 （3） 所示：     （3） ； 其中， ， 表示去噪声处理后的图像对的数量； 表示第 个图像对的真实的 遮罩因子， 表示通过反卷积网络得到的第 个图像对的预测遮罩因子； 3） 利用公式 （3） 对 等份图像对分别求真实的遮罩因子和预测遮罩因子之间的均方误 差直至收敛， 得到理想的反卷积网络学习参数 。 7.根据权利要求2所述的一种禁停区域违章停车监测方法， 其特征是所述通过映射函 数生成遮罩因子 ， 具体包括： 通过映射函数 得到阴影图像 对应的预测遮罩因子 ， 用 预测遮罩因子 作为生成的遮罩因子 ； 所述将生成的遮罩因子 与有阴影的待检测图像 一起代入公式 （1） ， 得到去除阴影后的待检测图像， 具体包括： 用预测遮罩因子 作为生成 的遮罩因子 代入公式 （1） ， 通过 阴影图像 得到预测的无 阴影图像 ， 具体如公式 （4） ：     (4)； 其中， 表示预测的无阴影图像， 表示预测阴影遮罩， 表示原阴影图像； 预测的无 阴影图像 作为待检测图像经过映射函数去除阴影后形成的无阴影图像用于进行模型监 测； 去除阴影后形成的无 阴影图像即为去除阴影后的待检测图像。 8.根据权利要求1或2所述的一种禁停区域违章停车监测方法， 其特征是所述模型监测 采用改进的YOLOv5网络进行违章停车的监测； 所述改进的YOLOv5网络使用Densenet网络进 行特征融合， Densenet网络对输入的图片只进行高层特征融合， 如果经过高层特征融合后 的图像足以识别到是车辆， 则放弃底层特征融合， 如果不能识别， 则融合底层特征的位置、 形状信息进行辅助识别。 9.根据权利要求8所述的一种禁停区域违章停车监测方法， 其特征是所述模型监测还 包括对待检测图像经过映射函数去除阴影后形成的无阴影图像进 行后处理； 所述后处理包 括调整无阴影图像通道顺序， 通过设置阈值得到置信度符合预设阈值的目标图片， 大于阈 值的车辆判断为违章， 并对目标图片位置信息、 目标属性进 行标注， 然后 将标注过的图片 输 出。 10.根据权利要求1或2所述的一种禁停区域违章停车监测方法， 其特征是还包括： 在终 端获取待检测图像后对检测区域进行处 理； 所述对检测区域进行处 理， 具体包括： 1） 对输入图像进行二值化、 中值滤波、 膨胀操作， 然后设置一个初始检测区域 （bh， bw） ， bh代表检测区域的高度， bw代 表检测区域的宽度； 2） 对初始检测区域内白点数量进行判断， 白点数量大于设定阈值B,则检测区域不变， 白点数量小于阈值B， 则对初始检测区域进行区域扩张， 扩张 幅度为a得到新的检测区域 （bh +a， bw+a） ； 3） 对新的检测区域继续进行白点数量判断， 如果依旧小于阈值B， 则继续进行区域扩权　利　要　求　书 2/3 页 3 CN 115294535 A 3