(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210814610.X (22)申请日 2022.07.12 (65)同一申请的已公布的文献号 申请公布号 CN 114898325 A (43)申请公布日 2022.08.12 (73)专利权人 深圳市城市交通 规划设计 研究中 心股份有限公司 地址 518131 广东省深圳市龙华区民治街 道龙塘社区星河传奇花园三期商厦1 栋C座1210 (72)发明人 邵源　冯思鹤　温浩凯　孙超　 刘星　 (74)专利代理 机构 北京隆源天恒知识产权代理 有限公司 1 1473 专利代理师 林安堂 (51)Int.Cl. G06V 20/56(2022.01) G06V 20/40(2022.01)G06V 10/36(2022.01) G06V 10/44(2022.01) G06V 10/774(2022.01) (56)对比文件 CN 109147393 A,2019.01.04 CN 109858459 A,2019.0 6.07 CN 111950394 A,2020.1 1.17 CN 112712703 A,2021.04.27 CN 113380038 A,2021.09.10 CN 106981202 A,2017.07.25 CN 113688652 A,2021.1 1.23 CN 109784190 A,2019.0 5.21 CN 114360256 A,2022.04.15 陈刚等.车载移动执法中违规车辆智能检测 研究. 《电子科技大 学学报》 .2018,(第0 3期), 江源等.基 于特征重用和语义聚合的SAR图 像舰船目标检测. 《海 军航空工程学院学报》 .2019,(第0 6期), 审查员 高婕 (54)发明名称 一种车辆危险变道检测方法、 装置及电子设 备 (57)摘要 本发明提供了一种车辆危险变道检测方法、 装置及电子设备， 方法包括： 获取摄像头拍摄的 道路视频； 采用训练好的车辆识别模 型确定所述 道路视频各帧图像中的车辆位置； 基于边缘检测 算法和霍夫变换算法， 确定各帧所述图像中的车 道线位置； 根据对应的所述车辆位置和所述车道 线位置确定各帧所述图像中车辆所处的车道； 根 据连续的各帧所述图像中所述车辆所处的车道 判断所述车辆是否连续变道和/或频繁变道。 本 发明能够有效降低车辆危险变道检测的成本 。 权利要求书3页 说明书12页 附图3页 CN 114898325 B 2022.11.25 CN 114898325 B 1.一种车辆危险变道检测方法， 其特 征在于， 包括： 获取摄像头拍摄的道路视频； 采用训练好的车辆识别模型确定所述道路视频各帧图像中的车辆位置， 包括： 将各帧 所述图像分别输入所述训练好的车辆识别模型， 在各帧所述图像中确定包括所述车辆的检 测框， 并确定所述检测框的各个顶点坐标， 其中， 所述车辆位置包括对应的各个所述顶点坐 标； 基于边 缘检测算法和霍夫变换算法， 确定各帧所述图像中的车道线位置； 根据对应的所述车辆位置和所述车道线位置确定各帧所述图像中车辆所处的车道； 根据连续的各帧所述图像中所述车辆所处的车道判断所述车辆是否连续变道和/或频 繁变道； 所述确定各帧所述图像中的车道线位置之后， 还 包括： 获取雷达监测仪采集的所述车辆的通过时间和所述摄像头拍摄到所述车辆到所述车 辆完全显示在拍摄画 面中的检测时间， 其中， 所述雷达监测仪安装在道路旁， 且位于所述摄 像头的拍摄画面 边缘对应的位置， 所述拍摄画面 边缘为远离所述摄 像头的画面 边缘； 将所述通过时间与所述检测时间进行对比， 根据对比结果确定是否存在车辆遮挡； 若存在车辆遮挡， 则将各帧所述图像中的所述顶点坐标分别与 各个所述车道线位置进 行对比， 根据对比结果确定各帧所述图像中的所有所述顶点 坐标是否在同一车道中； 若存在至少一帧所述图像中所有所述顶点坐标不在同一车道中， 则通过雷达检测设备 判断是否存在车辆 压道行驶， 其中， 雷达检测设备沿车道线埋设。 2.根据权利要求1所述的车辆危险变道检测方法， 其特征在于， 所述基于边缘检测算法 和霍夫变换算法， 确定各帧所述图像中的车道线位置包括： 在所述道路视频的各帧所述图像中确定没有运动目标的一帧所述图像为初始图像； 采用边缘检测算法对所述初始图像进行边 缘检测， 获得轮廓图像； 在所述轮廓图像中选取感兴趣区域， 将所述感兴趣区域与所述轮廓图像进行布尔运 算， 获得处 理后的图像， 其中， 所述感兴趣区域包括车道线； 采用霍夫变换算法识别所述处理后的图像中的车道线， 确定各帧所述图像中的所述车 道线位置 。 3.根据权利要求2所述的车辆危险变道检测方法， 其特征在于， 所述确定各帧所述图像 中的车道线位置包括： 若所述车道线为 直线， 则采用直线方程对所述车道线 进行拟合， 确定所述车道线位置； 若所述车道线为曲线， 则在所述车道线上依次提取N个点， 将提取的N个点划分为多个 点组合， 每个所述点组合包括连续的多个点， 根据各个所述点组合分别拟合得到曲线， 将拟 合得到的所有所述曲线 进行融合， 确定所述车道线位置， 其中， N大于或等于 3。 4.根据权利要求1所述的车辆危险变道检测方法， 其特征在于， 所述车辆包括工程车 辆， 所述采用训练好的车辆识别模型确定所述道路视频各帧图像中的车辆位置之前， 还包 括： 获取包括多张工程车辆图片的图片集； 采用最小外接矩形框标定出各张所述工程车辆图片中的所述工程车辆， 获得标注后的 图片集； 采用所述标注后的图片集训练改进后的S SD模型， 获得 所述训练好的车辆识别模型；权　利　要　求　书 1/3 页 2 CN 114898325 B 2其中， 所述改进后的SSD模型包括依次连接的CONV4_3层、 CONV6层、 CONV7层、 CONV8_2 层、 CONV9_2层、 CONV10_2层、 CONV11_2层、 池化层和预测层， 所述CONV11_2层的卷积核大小 为3×3×256。 5.根据权利要求1至3任一项所述的车辆危险变道检测方法， 其特征在于， 所述根据对 应的所述车辆位置和所述车道线位置确定各帧所述图像中车辆所处的车道包括： 根据各个所述车道线位置将道路划分为多个车道， 并依次对各个所述车道进行编号； 将与车头对应的所述顶点坐标分别与各个所述车道线位置进 行对比， 根据对比结果确定各 帧所述图像中所述车辆所处车道的编号； 和/或， 所述根据连续的各帧所述图像中所述车辆所处的车道判断所述车辆是否连续 变道和/或频繁变道包括： 根据连续的各帧所述图像中所述车辆所处车道的编 号确定所述车辆是否变道； 当所述 车辆变道时， 若所述车辆在第一预设时长内连续跨越两条以上车道， 则确定所述车辆连续 变道； 若所述车辆在第二预设时长和/或预设距离内的变道次数大于或等于预设阈值， 则确 定所述车辆频繁变道。 6.根据权利要求1至3任一项所述的车辆危险变道检测方法， 其特征在于， 所述根据各 帧所述图像中所述车辆所处的车道判断所述车辆是否连续变道和/或频繁变道之后， 还包 括： 当检测到所述车辆连续变道和/或频繁变道时， 识别所述车辆的车辆信息， 将所述车辆 信息和所述道路视频发送至交警平台； 并通过车路协同系统发送提醒信号至车载设备进 行 播放， 所述提醒信号用于提醒驾驶员规范驾驶行为； 和/或， 当检测到所述车辆连续变道和/或频繁变道时， 获取设置在所述车辆驾驶室中 的传感器采集的驾驶员人体 体征信息， 根据所述人体 体征信息判断驾驶员是否危险驾驶。 7.一种车辆危险变道检测装置， 其特 征在于， 包括： 获取模块， 用于获取摄 像头拍摄的道路视频； 识别模块， 用于采用训练好的车辆识别模型确定所述道路视频各帧图像中的车辆位 置， 包括： 将各帧所述图像分别输入所述训练好的车辆识别模 型， 在各帧所述图像中确定包 括所述车辆的检测框， 并确定所述检测框的各个顶点坐标， 其中， 所述车辆位置包括对应的 各个所述顶点坐标； 基于边缘检测 算法和霍夫变换算法， 确定各帧所述图像中的车道线位 置； 根据对应的所述车辆位置和所述车道线位置确定各帧所述图像中车辆所处的车道； 获 取雷达监测仪采集的所述车辆的通过时间和所述摄像头拍摄到所述车辆到所述车辆完全 显示在拍摄画面中的检测时间， 其中， 所述雷达监测仪安装在道路旁， 且位于所述摄像头的 拍摄画面边缘对应的位置， 所述拍摄画面边缘为远离所述摄像头的画面边缘； 将所述通过 时间与所述检测时间进 行对比， 根据对比结果确定是否存在车辆遮挡； 若存在车辆遮挡， 则 将各帧所述图像中的所述顶点坐标分别与各个所述车道线位置进 行对比， 根据对比结果确 定各帧所述图像中的所有 所述顶点坐标是否在同一车道中； 若存在至少一帧所述图像中所 有所述顶点坐标不在同一车道中， 则通过雷达检测设备判断是否存在车辆压道行驶， 其中， 雷达检测设备沿车道线埋设； 检测模块， 用于根据连续的各帧所述图像中所述车辆所处 的车道判断所述车辆是否连 续变道和/或频繁变道。权　利　要　求　书 2/3 页 3 CN 114898325 B 3