车底异常实时检测方法和装置

本技术属于车辆检测，尤其涉及一种车底异常实时检测方法和装置。

背景技术：

1、在机场、海关或重大体育赛事场馆等场所，需要对进出车辆进行车底检测，防止违禁物品等异物被藏匿于车底被带入禁止区域，防止引发安全事故。相关技术中存在通过人工检测车底异物的方法，该方法的检测效率较低，且容易漏检误检，检测的准确度和精确度较低。

技术实现思路

1、本技术旨在至少解决相关技术中存在的技术问题之一。为此，本技术提出一种车底异常实时检测方法和装置，能够对因车速等其他因素产生畸变的图像进行有效矫正，可以采集到无明显差异的车底图像，从而基于目标车底图像识别出车底中存在的异常情况，提高了检测效率，且提高了检测的精确度和准确度。

2、第一方面，本技术提供了一种车底异常实时检测方法，该方法包括：

3、获取多个采集时刻下目标车辆对应的实际速度，以及所述多个采集时刻下所述目标车辆对应的初始车底图像；多张所述初始车底图像与多个所述实际速度一一对应；

4、基于各所述实际速度对与所述实际速度对应的初始车底图像进行处理，获取目标采集时段下所述目标车辆对应的目标车底图像；所述目标采集时段包括所述多个采集时刻；

5、对所述目标车底图像进行处理，获取所述目标车辆对应的车底检测结果。

6、根据本技术实施例提供的车底异常实时检测方法，通过获取多个采集时刻下车辆的实际速度和初始车底图像，以基于实际速度对初始车底图像进行矫正处理，得到目标车底图像，能够对因车速等其他因素产生畸变的图像进行有效矫正，可以采集到无明显差异的车底图像，从而基于目标车底图像识别出车底中存在的异常情况，提高了检测效率，且提高了检测的精确度和准确度。

7、本技术一个实施例的车底异常实时检测方法，所述基于各所述实际速度对与所述实际速度对应的初始车底图像进行处理，获取目标采集时段下所述目标车辆对应的目标车底图像，包括：

8、基于目标速度和各所述实际速度对与所述实际速度对应的初始车底图像进行变形处理，得到多张第一车底图像；所述多张第一车底图像与多个所述实际速度一一对应；

9、基于所述目标速度和各所述实际速度对与所述实际速度对应的第一车底图像进行处理，获取所述目标车底图像。

10、本技术一个实施例的车底异常实时检测方法，所述基于目标速度和各所述实际速度对与所述实际速度对应的初始车底图像进行处理，得到多张第一车底图像，包括：

11、基于各所述实际速度与所述目标速度之间的差异度获取各所述初始车底图像对应的长度信息；

12、基于各所述长度信息，对各所述初始车底图像进行压缩或拉伸处理，得到所述多张第一车底图像。

13、本技术一个实施例的车底异常实时检测方法，所述基于所述目标速度和各所述实际速度对与所述实际速度对应的第一车底图像进行处理，获取所述目标车底图像，包括：

14、基于各所述实际速度与所述目标速度之间的差异度，对与所述实际速度对应的第一车底图像进行裁剪处理，得到多张第二车底图像；相邻采集时刻对应的第二车底图像之间无重叠区域；

15、基于各所述第二车底图像对应的采集时刻，拼接所述多张第二车底图像，得到所述目标车底图像。

16、本技术一个实施例的车底异常实时检测方法，所述对所述目标车底图像进行处理，获取所述目标车辆对应的车底检测结果，包括：

17、将所述目标车底图像输入至车底异常检测模型，获取所述车底异常检测模型输出的所述目标车辆对应的车底检测结果；所述车底异常检测模型以样本车底图像为样本，以与所述样本车底图像对应的样本检测结果为样本标签训练得到。

18、本技术一个实施例的车底异常实时检测方法，所述将所述目标车底图像输入至车底异常检测模型，获取所述车底异常检测模型输出的所述目标车辆对应的车底检测结果，包括：

19、对所述目标车底图像进行切分处理，得到所述目标车辆对应的多张第三车底图像；相邻的第三车底图像之间存在重叠区域；

20、对所述多张第三车底图像进行处理，得到所述车底检测结果。

21、本技术一个实施例的车底异常实时检测方法，所述对所述多张第三车底图像进行处理，得到所述车底检测结果，包括：

22、对各所述第三车底图像进行处理，得到各所述第三车底图像对应的初始检测结果；

23、对所述重叠区域对应的初始检测结果进行去重处理，并合并去重处理之后的多个初始检测结果，得到所述车底检测结果。

24、本技术一个实施例的车底异常实时检测方法，所述车底异常检测模型基于如下步骤训练得到：

25、构建初始检测模型；

26、获取所述样本车底图像和所述样本检测结果；

27、将所述样本车底图像和所述样本检测结果输入至所述初始检测模型，获取所述初始检测模型输出的初始预测结果；

28、基于所述初始预测结果和所述样本检测结果之间的差异信息，优化所述初始检测模型，得到所述车底异常检测模型。

29、本技术一个实施例的车底异常实时检测方法，所述基于所述初始预测结果和所述样本检测结果之间的差异信息，优化所述初始检测模型，得到所述车底异常检测模型，包括：

30、基于所述差异信息，采用超参数优化算法对所述初始检测模型的参数进行调整，得到优化后的初始检测模型；

31、对所述优化后的初始检测模型进行非对称线性量化处理，得到所述车底异常检测模型。

32、第二方面，本技术提供了一种车底异常实时检测装置，包括：

33、数据采集模块，用于获取多个采集时刻下目标车辆对应的实际速度，以及所述多个采集时刻下所述目标车辆对应的初始车底图像；多张所述初始车底图像与多个所述实际速度一一对应；

34、图像矫正模块，用于基于各所述实际速度对与所述实际速度对应的初始车底图像进行处理，获取目标采集时段下所述目标车辆对应的目标车底图像；所述目标采集时段包括所述多个采集时刻；

35、异常处理模块，用于对所述目标车底图像进行处理，获取所述目标车辆对应的车底检测结果。

36、根据本技术实施例提供的车底异常实时检测装置，通过获取多个采集时刻下车辆的实际速度和初始车底图像，以基于实际速度对初始车底图像进行矫正处理，得到目标车底图像，能够对因车速等其他因素产生畸变的图像进行有效矫正，可以采集到无明显差异的车底图像，从而基于目标车底图像识别出车底中存在的异常情况，提高了检测效率，且提高了检测的精确度和准确度。

37、第三方面，本技术提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的车底异常实时检测方法。

38、第四方面，本技术提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的车底异常实时检测方法。

39、第五方面，本技术提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的车底异常实时检测方法。

40、本技术实施例中的上述一个或多个技术方案，至少具有如下技术效果之一：

41、通过获取多个采集时刻下车辆的实际速度和初始车底图像，以基于实际速度对初始车底图像进行矫正处理，得到目标车底图像，能够对因车速等其他因素产生畸变的图像进行有效矫正，可以采集到无明显差异的车底图像，从而基于目标车底图像识别出车底中存在的异常情况，提高了检测效率，且提高了检测的精确度和准确度。

42、进一步地，通过当前采集时刻下车辆的实际速度与设定的目标速度之间的差异信息对采集得到的车底图像进行矫正处理，可以得到无畸变的目标车底图像，有效减少了车速对采集到的车底图像的影响，能够采集较多无明显差异的车底图像，进而提升了后续的车底异常检测的精确度和准确度。

43、更进一步地，通过修改检测模型的结构，使得检测模型可以处理大分辨率的车底图像；且通过对检测模型进行轻量化处理，提高了模型的运行速度，且训练得到的车底异常检测模型可以检测出任意类型的异常情况，拓宽了车底异常检测模型的适用场景，提高了模型预测的精确度和准确度。

44、再进一步地，通过对输入至车底异常检测模型的图像进行切分处理，使得车底异常检测模型可以处理大分辨率的车底图像，在检测过程中能够保留更多车底图像的细节特征，提高了检测的精确度和准确度。

45、本技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。