(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 202210146050.5 (22)申请日 2022.02.17 (71)申请人 青岛海信网络科技股份有限公司 地址 266071 山东省青岛市崂山区株洲路 151号 (72)发明人 刘洪蕾　冯远宏　郑杰群　汪昆维　 许晶玉　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 专利代理师 张恺宁 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/52(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06V 10/25(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 一种异常停车检测方法、 电子 设备及存储介 质 (57)摘要 本申请提供一种异常停车检测方法、 电子设 备及存储介质， 用以提高异常停车检测的效率和 准确率。 该方法包括： 对采集检测区域的视频图 像进行车辆检测， 获得视频图像中各个车辆的车 辆信息； 根据各个车辆的车辆标识， 从位置集合 中获取各个车辆的多个位置信息； 针对各个车辆 中的任一个车辆， 对车辆的多个位置信息进行拟 合， 得到车辆在检测区域内的行动轨迹； 将视频 图像和轨迹灰度图输入到梯度卷积神经网络， 以 得到视频图像的异常停车结果； 轨迹灰度图为包 括各个车辆的行动轨迹的灰度图。 由于本申请是 通过将视频图像和轨迹灰度图输入到梯度卷积 神经网络后， 能够快速、 准确地得到视频图像的 异常停车结果， 从而提高异常停车检测的实时性 和准确率。 权利要求书2页 说明书13页 附图5页 CN 114494977 A 2022.05.13 CN 114494977 A 1.一种异常停车检测方法， 其特 征在于， 包括： 对采集检测区域的视频图像进行车辆检测， 获得所述视频图像中各个车辆的车辆信 息； 所述车辆信息包括车辆标识和位置信息； 根据所述各个车辆的车辆标识， 从位置集合中获取所述各个车辆的多个位置信息； 所 述位置集合包括采集到的视频图像中各个车辆在所述检测区域中的位置信息； 针对所述各个车辆中的任一个车辆， 对所述车辆的多个位置信息进行拟合， 得到所述 车辆在所述检测区域内的行动轨 迹； 将所述视频图像和轨迹灰度图输入到梯度 卷积神经网络， 以通过所述梯度卷积神经网 络对所述视频图像和所述轨迹灰度图进行融合得到融合图像， 并通过所述梯度卷积神经网 络对所述融合图像进 行异常停车检测得到所述视频图像的异常停车结果； 其中所述轨迹灰 度图为包括所述各个车辆的行动轨 迹的灰度图。 2.根据权利要求1所述的方法， 其特征在于， 所述通过所述梯度 卷积神经网络对所述视 频图像和所述轨 迹灰度图进行融合得到融合图像， 包括： 将所述视频图像输入到所述梯度卷积神经网络中的卷积层， 并通过所述卷积层， 得到 目标图像； 将所述目标图像和所述轨迹灰度图输入到所述梯度 卷积神经网络 中的全连接层， 并通 过所述全连接层， 将所述目标图像与所述轨 迹灰度图进行融合得到所述融合图像。 3.根据权利要求1所述的方法， 其特征在于， 所述对所述车辆的多个位置信息进行拟 合， 得到所述车辆在所述检测区域内的行动轨 迹， 包括： 根据所述多个位置信 息， 确定所述车辆的多个位置点； 其中， 所述位置点为所述位置信 息表示的边框区域的中心点； 按照设定步长， 从所述多个位置点中采集多个控制点； 对所述多个控制点进行拟合， 得到待调整的行动轨 迹； 根据所述视频图像中所述车辆的位置信息， 确定所述车辆的中心点， 将所述中心点插 值到所述待调整的行动轨 迹， 得到所述车辆在所述检测区域内的行动轨 迹。 4.根据权利要求3所述的方法， 其特征在于， 所述根据所述多个位置信息， 确定所述车 辆的多个位置点， 包括： 根据所述多个位置信息， 确定所述车辆在所述检测区域的初始位置点， 以及确定所述 视频图像中的所述车辆在所述检测区域的最 终位置点； 并将所述初始位置点到所述最终位 置点的距离作为 参考向量； 根据所述多个位置信 息， 确定所述车辆在所述检测区域中除所述初始位置点和所述最 终位置点之外的多个候选位置点； 针对所述多个候选位置点中的任一候选位置点， 将目标位置点到所述候选位置点的距 离作为候选 向量； 若所述候选 向量与所述参考向量的夹角小于设定阈值， 则确定所述候选 位置点为所述位置点； 当所述候选位置点为第一候选位置点时， 所述 目标位置点为所述初 始位置点； 当所述候选位置点为非第一候选位置点时， 所述 目标位置点为所述候选位置点 的前一个 被确定为所述 位置点的候选位置点。 5.根据权利要求1～4任一项所述的方法， 其特 征在于， 所述方法还 包括： 若所述异常停车结果表示所述视频图像中存在车辆异常停车， 则提取所述融合图像的权　利　要　求　书 1/2 页 2 CN 114494977 A 2图像特征； 根据所述图像特 征， 确定异常停车位置 。 6.一种异常停车检测装置， 其特 征在于， 所述装置包括： 检测单元， 用于对采集检测区域的视频图像进行车辆检测， 获得所述视频图像中各个 车辆的车辆信息； 所述车辆信息包括车辆标识和位置信息； 获取单元， 用于根据所述各个车辆的车辆标识， 从位置集合中获取所述各个车辆的多 个位置信息； 所述位置集合包括采集到的视频图像中各个车辆在所述检测区域中的位置信 息； 拟合单元， 用于针对所述各个车辆中的任一个车辆， 对所述车辆的多个位置信息进行 拟合， 得到所述车辆在所述检测区域内的行动轨 迹； 确定单元， 用于将所述视频图像和轨迹灰度图输入到梯度卷积神经网络， 以通过所述 梯度卷积神经网络对所述视频图像和所述轨迹灰度图进行融合得到融合图像， 并通过所述 梯度卷积神经网络对所述融合图像进 行异常停车检测得到所述视频图像的异常停车结果； 其中所述轨 迹灰度图为包括所述各个车辆的行动轨 迹的灰度图。 7.根据权利要求6所述的装置， 其特 征在于， 所述确定单 元具体用于： 将所述视频图像输入到所述梯度卷积神经网络中的卷积层， 并通过所述卷积层， 得到 目标图像； 将所述目标图像和所述轨迹灰度图输入到所述梯度 卷积神经网络 中的全连接层， 并通 过所述全连接层， 将所述目标图像与所述轨 迹灰度图进行融合得到所述融合图像。 8.根据权利要求6所述的装置， 其特 征在于， 所述拟合单 元具体用于： 根据所述多个位置信 息， 确定所述车辆的多个位置点； 其中， 所述位置点为所述位置信 息表示的边框区域的中心点； 按照设定步长， 从所述多个位置点中采集多个控制点； 对所述多个控制点进行拟合， 得到待调整的行动轨 迹； 根据所述视频图像中所述车辆的位置信息， 确定所述车辆的中心点， 将所述中心点插 值到所述待调整的行动轨 迹， 得到所述车辆在所述检测区域内的行动轨 迹。 9.一种电子设备， 其特征在于， 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， 实现权利要求1～5中 任一项所述的方法。 10.一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， 其特征 在于， 所述计算机程序被处 理器执行时， 实现权利要求1～5中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114494977 A 3