(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 202210318367.2 (22)申请日 2022.03.29 (71)申请人 慧之安信息技 术股份有限公司 地址 100000 北京市海淀区昆明湖南路51 号A座二层217号 (72)发明人 余丹　乔孟阳　兰雨晴　王丹星　 邢智涣　 (74)专利代理 机构 北京广技专利代理事务所 (特殊普通 合伙) 11842 专利代理师 张国香 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 20/62(2022.01)G06V 40/10(2022.01) H04N 13/225(2018.01) H04L 67/12(2022.01) H04N 13/00(2018.01) (54)发明名称 基于深度学习的出租车违规行为检测方法 (57)摘要 本发明提供了基于深度学习的出租车违规 行为检测方法， 其采集与识别 区域的环境影像， 得到区域的路面上存在的出租车， 对 出租车在环 境影像上的目标影像画面进行分析， 得到出租车 与路面参照物之间的位置关系信息， 和出租车本 身的车辆外观状态信息以及出租车附近区域的 环境状态信息， 继而判断出租车是否存在违规行 为； 并当确定存在违规行为时， 将出租车的实况 信息上传到交通管理中心平台， 其利用公共摄像 机对路面上的出租车进行自动全面监控， 以及对 拍摄得到的影像进行学习分析， 确定每个出租车 的实际状态， 准确地判断出租车是否存在违规行 为， 这样能够对出租车进行可靠全面的管理， 以 及对出租车的违法行为进行及时的证据留存。 权利要求书2页 说明书5页 附图1页 CN 114743156 A 2022.07.12 CN 114743156 A 1.基于深度学习的出租车违规行为检测方法， 其特 征在于， 其包括如下步骤： 步骤S1， 指示公共摄像机采集自身所处区域的环境影像， 对所述环境影像进行识别处 理， 得到所述区域的路面上存在的出租车； 以所述出租车为基准， 截 取所述出租车在所述环 境影像上的目标影 像画面； 步骤S2， 对所述目标影像画面进行识别分析， 得到所述出租车与路面参照物之间的位 置关系信息； 根据所述 位置关系信息， 判断所述出租车 是否存在第一类 违规行为； 步骤S3， 对所述目标影像画面进行识别分析， 得到所述出租车本身的车辆外观状态信 息以及所述出租车附近区域的环境状态信息； 根据所述车辆外观状态信息和所述环境状态 信息， 判断所述出租车 是否存在第二类 违规行为； 步骤S4， 当确定所述出租车存在第一类违规行为或第二类违规行为， 则将所述出租车 的实况信息上传到交通管理中心 平台。 2.如权利要求1所述的基于深度学习的出租车违规行为检测方法， 其特 征在于： 在所述步骤S1中， 指示公共摄像机采集自身所处区域的环境影像， 对所述环境影像进 行识别处 理， 得到所述区域的路面上存在的出租车 具体包括： 指示公共摄 像机对自身所处区域进行双目拍摄， 得到相应的双目环境影 像； 根据所述双目环境影像的双目视差， 得到所述区域的三维环境影像； 对所述三维环境 影像进行识别处理， 得到所述区域的路面上存在的所有车辆； 再对所述车辆的表面外观进 行识别处 理， 筛选出其中存在的出租车。 3.如权利要求2所述的基于深度学习的出租车违规行为检测方法， 其特 征在于： 在所述步骤S1中， 以所述出租车为基准， 截取所述出租车在所述环境影像上的目标影 像画面具体包括： 在所述三维环境影像中， 以所述出租车的几何中心为圆心和以预设长度为半径， 从所 述三维环境影像中截取相应圆形影像区域， 作为所述出租车在所述环境影像上的目标影像 画面。 4.如权利要求3所述的基于深度学习的出租车违规行为检测方法， 其特 征在于： 在所述步骤S2中， 对所述目标影像画面进行识别分析， 得到所述出租车与路面参照物 之间的位置关系信息具体包括： 从所述目标影像画面进行识别分析， 得到所述目标影像画面中所述出租车与路面车道 标记之间， 所述出租车与路面指示 牌之间的位置关系信息 。 5.如权利要求 4所述的基于深度学习的出租车违规行为检测方法， 其特 征在于： 在所述步骤S2中， 根据所述位置关系信息， 判断所述出租车是否存在第一类违规行为 具体包括： 对所述路面车道标记和所述路面指示牌包含的符号进行识别， 确定所述路面车道标记 对应的路面区域或所述路面指示 牌对应的路面区域是否属于禁停区域； 若属于禁停区域， 则根据所述位置关系信息， 得到所述出租车与所述路面车道标记之 间的第一相对距离， 或所述出租车与所述路面指示 牌之间的第二相对距离； 若所述第一相对距离或所述第 二相对距离小于或等于预设距离 阈值， 则确定所述出租 车存在违停行为； 否则， 确定所述出租车不存在违停行为。 6.如权利要求5所述的基于深度学习的出租车违规行为检测方法， 其特 征在于：权　利　要　求　书 1/2 页 2 CN 114743156 A 2在所述步骤S3中， 对所述目标影像画面进行识别分析， 得到所述出租车本身的车辆外 观状态信息以及所述出租车附近区域的环境状态信息具体包括： 对所述目标影像画面进行识别分析， 确定所述出租车的车门与后车厢打开与否状态信 息以及所述出租车附近区域的人员存在状态信息 。 7.如权利要求6所述的基于深度学习的出租车违规行为检测方法， 其特 征在于： 在所述步骤S3中， 根据所述车辆外观状态信息和所述环境状态信息， 判断所述出租车 是否存在第二类 违规行为具体包括： 根据所述出租车的车门与后车厢打开与否状态信 息， 确定所述出租车的驾驶座侧车门 和后车厢打开与否； 根据所述人员存在状态信息， 确定所述出租车附近预设距离范围内的人员存在数量； 若所述出租车的驾驶座侧车门和后车厢均打开， 以及人员存在数量大于或等于预设数 量阈值， 则确定所述出租车存在违规拉客行为； 否则， 确定所述出租车不存在违规拉客行 为。 8.如权利要求7 所述的基于深度学习的出租车违规行为检测方法， 其特 征在于： 在所述步骤S4中， 当确定所述出租车存在第一类违规行为或第二类违规行为， 则将所 述出租车的实况信息上传到交通管理中心 平台具体包括： 当确定所述出租车存在违停行为或违规拉客行为， 则将所述出租车的车牌号码信息、 当前所处位置坐标信息以及相应的违规 抓怕图片上传到交通管理中心 平台。权　利　要　求　书 2/2 页 3 CN 114743156 A 3