(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 202210201504.4 (22)申请日 2022.03.03 (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 张四海　王雯雯　苏士斌　冯远宏　 (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 潘雪 (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 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 确定高速服务区的车辆饱和的方法及电子 设备 (57)摘要 本公开提供确定高速服务区的车辆饱和的 方法及电子设备。 用于提高检测高速服务区的车 辆是否饱和的效率。 包括： 周 期将获取的高速服 务区的监控视频的目标帧图像输入到预先训练 好的目标检测神经网络模型中进行车辆识别， 得 到各车辆的位置坐标； 基于各车辆的位置坐标以 及目标帧图像中标注的车辆检测区域的位置坐 标， 得到在车辆检测区域中的各目标车辆； 根据 各目标车辆分别在车辆检测区域中的占比面积， 得到车辆检测区域的总车辆占比面积， 其中， 任 一目标车辆的占比面积是基于目标车辆的位置 坐标得到的； 通过总车辆占比面积和车辆检测区 域在目标帧图像中的占比面积， 得到车辆饱和 值； 若车辆饱和值大于预设阈值， 则确定高速服 务区的车辆 饱和。 权利要求书2页 说明书12页 附图6页 CN 114639037 A 2022.06.17 CN 114639037 A 1.一种确定高速服 务区的车辆 饱和的方法， 其特 征在于， 所述方法包括： 周期获取高速服务区的监控视频的目标帧图像， 并将所述目标帧图像输入到预先训练 好的目标检测神经网络模型中进行车辆识别， 得到在所述目标帧图像中各车辆的位置坐 标； 基于所述各车辆的位置坐标以及所述目标帧图像中标注的车辆检测区域的位置坐标， 得到在所述车辆检测区域中的各目标 车辆； 根据所述各目标车辆分别在所述车辆检测区域中的占比面积， 得到所述车辆检测区域 的总车辆占比面积， 其中， 任意一个目标车辆在所述车辆检测区域中的占比面积是基于所 述目标车辆的位置坐标 得到的； 通过所述总车辆占比面积和所述车辆检测区域在所述目标帧图像中的占比面积， 得到 车辆饱和 值， 其中， 所述车辆检测区域的在所述 目标帧图像中的占比面积是基于所述车辆 检测区域的位置坐标确定出的； 若所述车辆 饱和值大于预设阈值， 则确定所述高速服 务区的车辆 饱和。 2.根据权利 要求1所述的方法， 其特征在于， 所述目标检测神经网络模型为M2Det模型， 且所述M2Det模型的主干网络为残差网络Resnet50， 所述Resnet50中各残差块的激活函数 为mish激活函数。 3.根据权利要求1所述的方法， 其特征在于， 所述根据所述各目标车辆分别在所述车辆 检测区域中的占比面积， 得到所述车辆检测区域的总车辆占比面积， 包括： 针对任意两个目标车辆， 基于所述两个目标车辆的位置坐标确定所述两个目标车辆是 否存在重合； 若确定所述两个目标车辆存在重合， 则通过所述两个目标车辆的位置坐标， 得到所述 两个目标 车辆在所述车辆检测区域中重合区域的占比面积； 根据所述各目标车辆分别在所述车辆检测区域中的占比面积以及各目标车辆在所述 车辆检测区域中的各重合区域的占比面积， 得到所述车辆检测区域的总车辆占比面积。 4.根据权利要求3所述的方法， 其特征在于， 所述根据所述各目标车辆分别在所述车辆 检测区域中的占比面积以及各目标车辆在所述车辆检测区域中的各重合区域的占比面积， 得到所述车辆检测区域的总车辆占比面积， 包括： 将所述各目标车辆在所述车辆检测区域中的占比面积相加， 得到所述各目标车辆在所 述车辆检测区域中的总占比面积； 以及， 将所述各目标车辆在所述车辆检测区域中的各重合 区域的占比面积相加， 得到所述各 目标车辆在所述车辆检测区域中的重合区域的总占比面积； 将所述各目标车辆在所述车辆检测区域中的总占比面积和所述各目标车辆在所述车 辆检测区域中的重合区域的总占比面积相减， 得到所述车辆检测区域的总车辆占比面积。 5.根据权利要求1～4任一所述的方法， 其特征在于， 所述通过所述总车辆占比面积和 所述车辆检测区域在所述目标帧图像中的占比面积， 得到车辆 饱和值， 包括： 将所述总车辆占比面积和所述车辆检测区域在所述目标帧图像中的占比面积相除， 得 到所述车辆 饱和值。 6.一种电子设备， 其特 征在于， 包括存 储单元和处理器， 其中： 所述存储单元， 被配置为存 储高速服 务区的监控视频；权　利　要　求　书 1/2 页 2 CN 114639037 A 2所述处理器， 被配置为： 周期获取所述高速服务 区的监控视频的目标帧图像， 并将所述目标帧图像输入到预先 训练好的目标检测神经网络模型中进 行车辆识别， 得到在所述目标帧图像中各车辆的位置 坐标； 基于所述各车辆的位置坐标以及所述目标帧图像中标注的车辆检测区域的位置坐标， 得到在所述车辆检测区域中的各目标 车辆； 根据所述各目标车辆分别在所述车辆检测区域中的占比面积， 得到所述车辆检测区域 的总车辆占比面积， 其中， 任意一个目标车辆在所述车辆检测区域中的占比面积是基于所 述目标车辆的位置坐标 得到的； 通过所述总车辆占比面积和所述车辆检测区域在所述目标帧图像中的占比面积， 得到 车辆饱和 值， 其中， 所述车辆检测区域的在所述 目标帧图像中的占比面积是基于所述车辆 检测区域的位置坐标确定出的； 若所述车辆 饱和值大于预设阈值， 则确定所述高速服 务区的车辆 饱和。 7.根据权利要求6所述的电子设备， 其特征在于， 所述目标检测神经网络模型为M2Det 模型， 且所述M2Det模型的主干网络为残差网络Resnet50， 所述Resnet50中各残差块的激活 函数为mish 激活函数。 8.根据权利要求6所述的电子设备， 其特征在于， 所述处理器执行所述根据所述各目标 车辆分别在所述车辆检测区域中的占比面积， 得到所述车辆检测区域的总 车辆占比面积， 具体被配置为： 针对任意两个目标车辆， 基于所述两个目标车辆的位置坐标确定所述两个目标车辆是 否存在重合； 若确定所述两个目标车辆存在重合， 则通过所述两个目标车辆的位置坐标， 得到所述 两个目标 车辆在所述车辆检测区域中重合区域的占比面积； 根据所述各目标车辆分别在所述车辆检测区域中的占比面积以及各目标车辆在所述 车辆检测区域中的各重合区域的占比面积， 得到所述车辆检测区域的总车辆占比面积。 9.根据权利要求8所述的电子设备， 其特征在于， 所述处理器执行所述根据所述各目标 车辆分别在所述车辆检测区域中的占比面积以及各目标车辆在所述车辆检测区域中的各 重合区域的占比面积， 得到所述车辆检测区域的总车辆占比面积， 具体 被配置为： 将所述各目标车辆在所述车辆检测区域中的占比面积相加， 得到所述各目标车辆在所 述车辆检测区域中的总占比面积； 以及， 将所述各目标车辆在所述车辆检测区域中的各重合 区域的占比面积相加， 得到所述各 目标车辆在所述车辆检测区域中的重合区域的总占比面积； 将所述各目标车辆在所述车辆检测区域中的总占比面积和所述各目标车辆在所述车 辆检测区域中的重合区域的总占比面积相减， 得到所述车辆检测区域的总车辆占比面积。 10.根据权利要求6～9任一所述的电子设备， 其特征在于， 所述处理器执行所述通过所 述总车辆占比面积和所述车辆检测 区域在所述目标帧图像中的占比面积， 得到车辆饱和 值， 具体被配置为： 将所述总车辆占比面积和所述车辆检测区域在所述目标帧图像中的占比面积相除， 得 到所述车辆 饱和值。权　利　要　求　书 2/2 页 3 CN 114639037 A 3