(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 202111675958.7 (22)申请日 2021.12.31 (71)申请人 武汉中交 交通工程有限责任公司 地址 430050 湖北省武汉市汉阳区鹦鹉大 道498号 (72)发明人 闵泉　郭志杰　王恩师　肖嵩松　 杨涛　邓文慧　刘卓　 (74)专利代理 机构 上海泰博知识产权代理有限 公司 31451 专利代理师 钱文斌 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/54(2022.01) G06V 10/25(2022.01) G06V 10/774(2022.01)G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种交通目标静态信息提取装置 (57)摘要 本发明涉及一种交通目标静态信息提取装 置， 包括： 图像采集模块， 用于采集交通场景内的 交通目标的视频图像； 静态信息提取模块， 用于 将所述视频图像的关键帧输入至已经训练好的 检测网络中， 得到交通目标的多个静态信息； 其 中， 所述检测网络包括： 特征提取单元， 用于对所 述关键帧进行特征提取， 得到若干ROI区域； 组合 单元， 用于将所述若干ROI区域进行组合， 得到组 合特征； 多分支预测单元， 用于将对所述组合特 征进行分析处理得到所述交通目标的多个静态 信息； 存储模块， 用于存储所述静态信息。 本发明 能够获取丰富的交通目标静态信息， 完成从车辆 属性的各个层次描述交通目标的任务。 权利要求书2页 说明书5页 附图2页 CN 114550023 A 2022.05.27 CN 114550023 A 1.一种交通目标静态信息提取装置， 其特 征在于， 包括： 图像采集模块， 用于采集交通场景内的交通目标的视频图像； 静态信息提取模块， 用于将所述视频图像的关键帧输入至已经训练好的检测网络中， 得到交通目标的多个静态信息； 其中， 所述检测网络包括： 特征提取单元， 用于对所述关键 帧进行特征提取， 得到若干ROI区域； 组合单元， 用于将所述若干ROI区域进行组合， 得到组 合特征； 多分支预测单元， 用于将对所述组合特征进行分析处理得到所述交通目标 的多个 静态信息； 存储模块， 用于存 储所述静态信息 。 2.根据权利要求1所述的交通目标静态信 息提取装置， 其特征在于， 所述检测网络在训 练时使用的交通场景目标特征集包括 实际场景目标特征集与模拟场景目标特征集， 所述 实 际场景目标特征集是收集 实际监控视频得到的交通场景视频， 所述模拟场景目标特征集是 通过在虚拟交通场景中放置虚拟相机， 利用所述虚拟相机 录制生成虚拟的交通场景视频。 3.根据权利要求1所述的交通目标静态信 息提取装置， 其特征在于， 还包括关键帧提取 模块， 所述关键帧提取模块用于从所述视频图像中提取 出有价值的视频帧作为关键帧。 4.根据权利要求3所述的交通目标静态信 息提取装置， 其特征在于， 所述关键帧提取模 块包括依 次相连的卷积网络层、 全连接层和分类层， 所述卷积网络层的输入为需要筛选的 视频帧及所述视频帧的前一帧图像， 输出为一个一维特征向量； 所述全连接层用于对所述 一维特征向量进行组合； 所述分类层用于对组合后的一维特征向量进行分析， 完成对所述 需要筛选的视频帧的分类。 5.根据权利要求1所述的交通目标静态信 息提取装置， 其特征在于， 所述特征提取单元 将输入的关键帧进行卷积处理生成一组卷积特征图， 再通过使用区域提议网络基于所述卷 积特征图获得一组提议， 根据所述提议的大小得到若干ROI区域； 其中， 所述区域提议网络 利用反卷积与双线性核 进行池化。 6.根据权利要求1所述的交通目标静态信 息提取装置， 其特征在于， 所述多分支预测单 元包括全连接层， 所述全连接层后设有三维预测分支和多层次预测分支， 所述三维预测分 支用于检测车辆的关键点， 同时加入金字塔机制以适应多尺度的车辆目标； 所述多层次预 测分支用于检测目标 车牌、 车色和车辆轴数以获得不同的车辆静态特 征。 7.根据权利要求1所述的交通目标静态信 息提取装置， 其特征在于， 所述检测网络的损 失函数为： 其中， losstotal为总体的损失函数， L1,L2,L3,L4为四 个损失部分， P为标准的softmax损失， C为该批中的提议， 提议为正例时C＝1， R为平滑L1损 失， λcls, λreg为类别和回归的正则化常量， d*,d分别为所述检测网络预测得到的二维目标矩 形框回归向量及二维 目标框真实的回归向量； λ3d为三维预测分支的正则化常量， v*,v分别 为所述检测网络预测得到的三维回归向量以及真实三维回归向量； λsim为模板相似程度的权　利　要　求　书 1/2 页 2 CN 114550023 A 2正则化参数， t*,t分别为所述检测网络预测 得到的模板向量和真实的模板向量； λpart为部 件检测的正则化参数， s*,s分别为所述检测网络预测得到的目标部件向量和真实的目标部 件向量位置。 8.根据权利要求1所述的交通目标静态信 息提取装置， 其特征在于， 所述存储模块在存 储所述静态信息前还 对所述静态信息进行编码。权　利　要　求　书 2/2 页 3 CN 114550023 A 3