车辆制动检测方法、装置、设备及计算机可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110765963A(43)申请公布日2020.02.07(21)申请号201911041151.0(22)申请日2019.10.29(71)申请人上海眼控科技股份有限公司地址200000上海市徐汇区中山南二路107号1幢20层I单元(72)发明人周康明高凯珺(74)专利代理机构上海大邦律师事务所31252代理人熊磊之(51)Int.Cl.G06K9/00(2006.01)G06N3/04(2006.01)权利要求书2页说明书11页附图3页(54)发明名称车辆制动检测方法、装置、设备及计算机可读存储介质(57)摘要本申请涉及车辆检测领域，公开了一种车辆制动检测方法、装置、设备及计算机可读存储介质。其中，一种车辆制动检测方法，包括：获取基于目标工位的场景图像；在检测到待检测车辆刹车停止后，判断当前场景图像中是否存在待检测车辆；若判定存在待检测车辆，则根据基于深度学习的工位场景分割模型，获取待检测车辆的各轮胎和目标工位的相对位置；根据相对位置，确定待检测车辆的制动检测是否通过。本申请还提供了一种车辆制动检测装置、设备及计算机可读存储介质；可以自动审核待检测车辆是否准确停留在目标工位上，可以提升如今车辆年检中进行车辆制动检测的工作效率和准确率。CN110765963ACN110765963A权利要求书1/2页1.一种车辆制动检测方法，其特征在于，包括：获取基于目标工位的场景图像；在检测到待检测车辆刹车停止后，判断当前场景图像中是否存在所述待检测车辆；若判定存在所述待检测车辆，则根据基于深度学习的工位场景分割模型，获取所述待检测车辆的各轮胎和所述目标工位的相对位置；根据所述相对位置，确定所述待检测车辆的制动检测是否通过。2.如权利要求1所述的车辆制动检测方法，其特征在于，所述目标工位包括4个子工位；各子工位与所述待检测车辆的各轮胎一一对应；所述根据所述相对位置，确定所述待检测车辆的制动检测是否通过，具体为：根据所述各轮胎，以及与所述各轮胎分别对应的子工位的相对位置，确定所述待检测车辆的制动检测是否通过。3.如权利要求2所述的车辆制动检测方法，其特征在于，所述根据所述各轮胎，以及与所述各轮胎分别对应的子工位的相对位置，确定所述待检测车辆的制动检测是否通过，包括：判断所述各轮胎是否均位于各自对应的子工位上；若是，则判定所述待检测车辆的制动检测通过；否则，判定所述待检测车辆的制动检测不通过。4.如权利要求1所述的车辆制动检测方法，其特征在于，所述基于深度学习的工位场景分割模型的输出类别至少包括：所述待检测车辆的轮胎和所述目标工位；所述根据基于深度学习的工位场景分割模型，获取所述待检测车辆的各轮胎和所述目标工位的相对位置，包括：根据所述基于深度学习的工位场景分割模型，对存在所述待检测车辆的基于目标工位的场景图像进行图像分割；获取分割后的各区域中像素点的所属类别；根据所述类别，锁定所述待检测车辆的轮胎和所述目标工位；根据锁定的所述待检测车辆的轮胎和所述目标工位，计算所述相对位置。5.如权利要求1所述的车辆制动检测方法，其特征在于，若判定不存在所述待检测车辆，则保存并标记当前不存在所述待检测车辆的基于目标工位的场景图像，并发出用于表征所述待检测车辆的制动检测不通过的通知信息。6.如权利要求1所述的车辆制动检测方法，其特征在于，所述工位场景分割模型，具体为：包括20个卷积层，4个池化层，4个上采样层以及1个分类层的工位场景分割模型。7.如权利要求1至6中任意一项所述的车辆制动检测方法，其特征在于，在所述判定存在所述待检测车辆，在所述根据基于深度学习的工位场景分割模型，获取所述待检测车辆的各轮胎和所述目标工位的相对位置之前，还包括：检测所述待检测车辆的车牌信息；获取所述待检测车辆的车牌预留信息；判断所述车牌信息和所述车牌预留信息是否匹配；若匹配，则执行所述根据基于深度学习的工位场景分割模型，获取所述待检测车辆的各轮胎和所述目标工位的相对位置的步骤。2CN110765963A权利要求书2/2页8.一种车辆制动检测装置，其特征在于，包括：场景图像获取模块，用于获取基于目标工位的场景图像；判断模块，用于在检测到待检测车辆刹车停止后，判断当前场景图像中是否存在所述待检测车辆；工位场景分割模块，用于在判定存在所述待检测车辆后，根据基于深度学习的工位场景分割模型，获取所述待检测车辆的各轮胎和所述目标工位的相对位置；检测模块，用于根据所述相对位置，确定所述待检测车辆的制动检测是否通过。9.一种电子设备，其特征在于，包括：一个或多个处理器；以及存储有计算机可读指令的存储器，所述计算机可读指令在被执行时使所述处理器执行如权利要求1至7中任一项所述的车辆制动检测方法。10.一种计算机可读存储介