(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 202210902925.X (22)申请日 2022.07.29 (71)申请人 浙江通见 科技有限公司 地址 310012 浙江省杭州市西湖区留和路 56号2幢40 6室 (72)发明人 林政涛　刘涛　王芸　孙光宇　 (74)专利代理 机构 杭州衡峰知识产权代理事务 所(普通合伙) 33426 专利代理师 陈修伟 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/54(2022.01) G06V 10/22(2022.01) G06V 10/24(2022.01) G06T 17/00(2006.01)G06T 19/00(2011.01) (54)发明名称 一种基于机器视觉的城市非机动车杂乱停 放识别方法 (57)摘要 本发明提供一种基于机器视觉的城市非机 动车杂乱停放识别方法， 旨在解决非机动车尤其 是共享单车的杂乱停放会影响城市交通和市容 市貌， 而城市视频监控并没有得到有效利用的问 题， 包括如下步骤： S1、 从城市摄像头的倾斜视频 中初次取流以获取建模图片画面， 并生成区域三 维模型； S2、 再次取流以获取比对图片画面， 仅保 留非机动车目标： S3、 非机动车目标在区域三维 模型中定位； S4、 计算并存储非机动车停留位置 和停留时间； S5、 判断非机动车的停留时间是否 大于预设长时停留时限的第一阈值： S6、 计算非 机动车停放的杂乱度； S7、 判断非机动车的杂乱 度。 本发明尤其适用于城市非机动车杂乱停放识 别和警示， 具有较高的社会使用价值和应用前 景。 权利要求书3页 说明书6页 附图2页 CN 115272932 A 2022.11.01 CN 115272932 A 1.一种基于 机器视觉的城市非机动车杂乱 停放识别方法， 其特 征在于， 包括如下步骤： S1、 从城市摄像头的倾斜视频中初次取流以获取建模图片画面， 并使用机器视觉算法 去除干扰后生成摄 像区域的区域 三维模型； S2、 从城市摄像头的倾斜视频中再次取流以获取比对图片画面， 使用机器视觉算法对 比对图片画面进行新增目标检测， 除杂后仅保留非机动车目标： 若比对图片画面内没有非机动车目标则重新获取比对图片画面以进行非机动车目标 检测； 若比对图片画面内有非机动车目标则进入下一 步； S3、 根据机器视 觉算法的计算结果将除杂后的非机动车目标在区域 三维模型中定位； S4、 计算并存 储比对图片画面内的非机动车停留位置和停留时间； S5、 判断非机动车的停留时间是否大于预设长时停留时限的第一阈值： 若比对图片画面内没有非机动车大于第一阈值则返回至步骤S2， 重新获取比对图片画 面以进行非机动车目标检测； 若比对图片画面内有非机动车 大于第一阈值则进入下一 步； S6、 筛选出长时停放和聚集的非机车， 并依据比对图片画面内非机动车累计的位置、 时 间、 形态信息计算非机动车停放的杂乱度； S7、 判断非机动车的杂乱度是否大于预设杂乱度的第二阈值： 若比对图片画面内非机动车的杂乱度低于第二阈值则返回至步骤S2， 重新获取比对图 片画面以进行非机动车目标检测； 若比对图片画面内非机动车的杂乱度高于第二阈值则判断属于杂乱 停放。 2.如权利要求1所述的基于机器视觉的城市非机动车杂乱停放识别方法， 其特征在于， 所述步骤S3中， 非机动车目标的位置信息 定位包括如下步骤： S301、 通过比对图片画面模拟测距建立摄像区域中非机动车目标的像空间辅助坐标系 坐标； S302、 联合城市摄像头的安装方位角、 安装俯仰角和城市摄像头坐标共同确定非机动 车目标的机体坐标系坐标； S302、 根据城市摄 像头的姿态角来确定非机动车目标的站 心地平坐标系坐标； S304、 根据城市摄 像头的经纬高确定城市摄 像头的地心直角坐标系坐标； S305、 联合非机动车目标的像空间辅助坐标系坐标、 机体坐标系坐标、 站心地平坐标系 坐标， 以及 城市摄像头的地心直角坐标系坐标综合计算得出非机动车目标的地心直角坐标 系坐标， 从而解 算出非机动车目标的大地 坐标。 3.如权利要求2所述的基于机器视觉的城市非机动车杂乱停放识别方法， 其特征在于， 所述非机动车目标的像空间辅助坐标系坐标表示公式如(1)为： 式(1)中， 比对图片画面模拟测距为Dis， (X1,Y1,Z1)为非机动车目标的像空间辅助坐 标系坐标。权　利　要　求　书 1/3 页 2 CN 115272932 A 24.如权利要求2所述的基于机器视觉的城市非机动车杂乱停放识别方法， 其特征在于， 所述非机动车目标 的机体辅助坐标系坐标与像空间辅助坐标系之间的转换关系表示公式 如(2)为： 式(2)中， 非机动车目标的机体坐标系定义为左手系， 原点位于城市摄像头焦点， X轴指 向焦点水平向， Y轴指向焦点垂直向， Z轴向上； (X0,Y0,Z0)为城市摄像头在机体坐标系中的 坐标； (X1,Y1,Z1)为非机动车目标的像空间辅助坐标系坐标； (X2,Y2,Z2)为非机动车目标 的机体辅助坐标系坐标； A为旋转矩阵， K为城市摄 像头安置角改正旋转矩阵。 5.如权利要求2所述的基于机器视觉的城市非机动车杂乱停放识别方法， 其特征在于， 所述城市摄像头的地心 直角坐标系坐标依据无人机纬度、 经度、 高度计算， 由大地坐标系转 换获得。 6.如权利要求2所述的基于机器视觉的城市非机动车杂乱停放识别方法， 其特征在于， 所述非机动车目标的机体坐标系坐标与站心地平坐标系坐标的转换关系表示公式如(3) 为： 式(3)中， 非机动车目标的地心直角坐标定义为右手系， 以参考椭球中心为原点， 起始 子午面与 赤道面交线为X轴， 在赤道面上与X轴正交的方向为Y轴， 椭球体的旋转轴为Z轴； (X3， Y3， Z3)为非机动车目标的站心地平坐标系坐标； (X2,Y2,Z2)为非机动车目标的机体坐 标系坐标； θ 为城市摄 像头安装方位角， 为城市摄 像头俯仰角， 为城市摄 像头姿态角。 7.如权利要求1所述的基于机器视觉的城市非机动车杂乱停放识别方法， 其特征在于， 所述步骤S4之前， 判断是否存在有保存非机动车停留位置信息和停留时间信息的在先缓存 结果： 若有在先缓存结果， 本次非机动车停留位置信 息和停留时间信 息则与在先缓存结果进 行比对和去重； 若没有在先缓存结果， 则保存本次非机动车停留位置信息和停留时间信息 。 8.如权利要求1所述的基于机器视觉的城市非机动车杂乱停放识别方法， 其特征在于， 所述步骤S5中， 预设长时停留时限的第一阈值用于排除比对图片画 面内运动中或短时间停 留的非机动车。 9.如权利要求1所述的基于机器视觉的城市非机动车杂乱停放识别方法， 其特征在于， 所述步骤S7中， 非机动车的杂乱度计算 步骤如下： S701、 以比对图片画面中获取的非机动车目标定位对非机动车进行平均长宽， 在区域 三维模型中对非机动车目标建模； S702、 依据非机动车目标建模在区域三维模型中的三维坐标， 分别计算非机动车直接 的聚集度；权　利　要　求　书 2/3 页 3 CN 115272932 A 3