(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210422882.5 (22)申请日 2022.04.21 (65)同一申请的已公布的文献号 申请公布号 CN 114529858 A (43)申请公布日 2022.05.24 (73)专利权人 浙江大华 技术股份有限公司 地址 310051 浙江省杭州市滨江区滨安路 1187号 (72)发明人 周永哲　殷俊　黄鹏　虞响　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 何倚雯 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/52(2022.01)G06V 10/22(2022.01) G06V 10/762(2022.01) G06T 7/246(2017.01) (56)对比文件 CN 113192109 A,2021.07.3 0 宋伟杰.基 于毫米波雷达与机 器视觉融合的 车辆检测技术研究. 《中国优秀硕士学位 论文全 文数据库 工程科技 Ⅱ辑》 .2021,第2021年卷(第 2期),第二 章. 审查员 李华 (54)发明名称 车辆状态识别方法、 电子设备及计算机可读 存储介质 (57)摘要 本申请公开了一种车辆状态识别方法、 电子 设备及计算机可读存储介质。 该方法包括： 基于 视频数据获取目标车辆的车辆跟踪结果， 车辆跟 踪结果包括在视频数据对应的若干时刻 的目标 车辆的位置参考点； 基于不同时刻的位置参考点 之间的距离， 对各时刻的位置参考点进行聚类， 得到聚类结果； 基于聚类结果， 确定目标车辆处 于运动状态还是静止状态。 通过上述方式， 能够 提高确定的目标车辆的状态的准确度。 权利要求书2页 说明书11页 附图7页 CN 114529858 B 2022.09.06 CN 114529858 B 1.一种车辆状态 识别方法， 其特 征在于， 包括： 基于视频数据获取目标车辆的车辆跟踪结果， 所述车辆跟踪结果包括在所述视频数据 对应的若干时刻的所述目标 车辆的位置参 考点、 各所述时刻的所述目标 车辆的位置； 基于不同所述时刻的位置参考点之间的距离， 对各所述时刻的位置参考点进行聚类， 得到聚类结果， 所述聚类结果包括各聚类 类别包括的位置参 考点； 基于所述聚类结果， 确定所述目标 车辆处于运动状态还是静止状态； 其中， 所述基于所述聚类结果， 确定所述目标 车辆处于运动状态还是静止状态， 包括： 基于所述目标车辆的位置， 判断各所述聚类类别中目标聚类类别之外的聚类类别包括 的各位置参 考点对应的所述目标 车辆是否均处于被遮挡状态； 响应于均处于被遮挡状态， 判定所述目标 车辆处于静止状态； 响应于不均处于被遮挡状态， 判定所述目标 车辆处于运动状态。 2.根据权利要求1所述的方法， 其特征在于， 所述 聚类结果还包括 聚类类别的数量和各 所述聚类类别包括的所述位置参考点的数量； 在所述基于所述 目标车辆的位置， 判断各所 述聚类类别中目标聚类类别 之外的聚类类别包括的各位置参考点对应的所述目标车辆是 否均处于被遮挡状态之前， 所述方法还 包括： 判断所述聚类 类别的数量是否满足静止数量要求； 响应于满足所述静止数量要求， 判定所述目标 车辆处于静止状态； 响应于不满足所述静止数量要求， 判定所述目标车辆处于运动状态； 或者， 响应于不满 足所述静止数量要求， 基于各所述聚类类别包括的所述位置参考点的数量确定所述目标车 辆处于静止状态还是运动状态； 或者， 响应于不满足所述静止数量要求， 执行所述基于所述 目标车辆的位置， 判断各所述聚类类别中目标聚类类别之外的聚类类别包括的各位置参考 点对应的所述目标 车辆是否均处于被遮挡状态及其之后的步骤。 3.根据权利要求2所述的方法， 其特征在于， 所述基于各所述聚类类别包括的所述位置 参考点的数量确定所述目标 车辆处于静止状态还是运动状态， 包括： 基于各所述聚类类别包括的所述位置参考点的数量， 从各所述 聚类类别中确定出所述 目标聚类 类别； 判断所述目标聚类 类别包括的所述 位置参考点的数量是否大于数量阈值； 响应于大于所述数量阈值， 判定所述目标 车辆处于静止状态； 响应于不大于所述数量阈值， 判定所述目标车辆处于运动 状态， 或者， 响应于不大于所 述数量阈值， 执行所述基于所述 目标车辆的位置， 判断各所述聚类类别中目标聚类类别 之 外的聚类类别包括的各位置参考点对应的所述目标车辆是否均 处于被遮挡状态及其之后 的步骤。 4.根据权利要求1所述的方法， 其特征在于， 所述视频数据包括所述若干时刻对应的视 频帧， 所述基于 视频数据获取 所述目标 车辆的车辆跟踪结果， 包括： 分别对各所述时刻对应的视频帧进行特征提取， 得到各所述时刻对应的视频帧的特 征； 基于各所述时刻对应的视频帧的特 征进行车辆跟踪， 得到各 车辆的车辆跟踪结果； 将至少一所述车辆的车辆跟踪结果， 作为所述目标 车辆的车辆跟踪结果。 5.根据权利要求4所述的方法， 其特征在于， 所述车辆的所述车辆跟踪结果包括各所述权　利　要　求　书 1/2 页 2 CN 114529858 B 2时刻的所述车辆的位置以及位置参考点， 所述基于各所述时刻 对应的视频帧的特征进 行车 辆跟踪， 得到各 车辆的车辆跟踪结果， 包括： 基于各所述时刻对应的视频帧的特征进行车辆的位置检测， 得到各所述  时刻的各所 述车辆的位置及位置参 考点； 从各所述 时刻的视频帧的特 征中确定各 所述时刻的各 所述车辆的位置对应的特 征； 基于不同所述 时刻的不同所述车辆的位置对应的特征之间的匹配度， 对不同所述 时刻 的不同所述车辆的位置进行关联， 得到各 所述车辆的车辆跟踪结果。 6.根据权利要求5所述的方法， 其特征在于， 所述基于各所述 时刻对应的视频帧的特征 进行车辆的位置检测， 得到各 所述 时刻的各 所述车辆的位置及位置参 考点， 包括： 基于各所述 时刻对应的视频帧的特征进行参考点 回归， 得到各所述 时刻的各所述车辆 的位置参 考点； 对各所述 时刻的各所述车辆的位置的参考点进行偏移， 得到各所述 时刻的各所述车辆 的位置。 7.根据权利要求5所述的方法， 其特征在于， 在所述基于各所述 时刻对应的视频帧的特 征进行车辆检测， 得到各所述时刻的各所述车辆的位置及位置参考点之后， 所述方法还包 括： 获取同一时刻对应的视频帧中的两 两所述车辆的位置之间的重合度； 基于所述重合度， 确定各 所述车辆的位置是否处于被遮挡状态。 8.根据权利要求4所述的方法， 其特征在于， 所述对各所述 时刻对应的视频帧进行特征 提取， 得到各 所述时刻的视频帧的特 征， 包括： 获取多个不同的特征提取参数， 不同的所述特征提取参数用于提取所述视频帧的不同 尺度的初始特 征； 对于各所述 时刻对应的视频帧， 依次基于各所述特征提取参数对所述 时刻对应的视频 帧进行特征提取， 得到所述时刻 对应的视频帧的多个不同尺度的初始特征， 其中， 首次所述 特征提取的对象为所述视频帧， 非首次所述特征提取的对象为所述视频帧在上一次特征提 取得到的所述初始特 征； 对所述时刻对应的视频帧的各尺度的初始特征进行融合， 得到所述 时刻的视频帧的最 终特征。 9.一种电子设备， 其特 征在于， 包括处 理器、 与所述处 理器连接的存 储器， 其中， 所述存储器存储有程序指令； 所述处理器用于执行所述存储器存储的所述程序指令以实现权利要求1 ‑8中任一项所 述的方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储程序指令， 所述程序指令能够被处 理器执行， 被执行时实现如权利要求1 ‑8中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114529858 B 3