(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 202210626890.1 (22)申请日 2022.06.06 (65)同一申请的已公布的文献号 申请公布号 CN 114708560 A (43)申请公布日 2022.07.05 (73)专利权人 科大天工智能装备技 术 （天津） 有 限公司 地址 300308 天津市东 丽区华明 高新技术 产业区华丰路6号G座1号楼 专利权人 北京科技大 学 (72)发明人 张超　张波　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 王爱涛 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/58(2022.01) G06V 10/20(2022.01)G06N 3/08(2006.01) G06N 3/04(2006.01) (56)对比文件 JP 2004145632 A,2004.05.20 CN 114445798 A,202 2.05.06 CN 114454875 A,202 2.05.10 CN 113657151 A,2021.1 1.16 CN 110837837 A,2020.02.25 周嘉灏 等.基 于改进YOLOX的番 茄病叶识 别. 《信息与电脑》 .202 2,(第4期), Chuanyun Wang 等.UA VSwarm Dataset: An Unmanned Aerial Vehicle Swarm Dataset for Multiple Object Track ing. 《MDPI》 .2022, Mingjiang Zhang 等.Researc h on Engineering Vehicle Target Detecti on in Aerial Photography Enviro nment based o n YOLOX. 《IE EE》 .2022, 审查员 邵金 (54)发明名称 一种基于YOLOX算法的违章停车检测方法及 系统 (57)摘要 本发明涉及一种基于YOLOX算法的违章停车 检测方法及系统， 涉及目标检测领域， 该方法包 括： 对数据预处理后的停车监控图像数据集中停 车监控图像进行数据增强； 构建基于YOLOX算法 的违章停车检测网络， 检测网络包括改进后的 Res2Net50网络、 FPN网络和改进后的Prediction 层， 改进后的Res2Net50网络采用ALReLU激活函 数， 改进后的Prediction层的激活函数采用SAU 激活函数； 采用数据增强后的停车监控图像数据 集训练违章停车检测网络， 获得违章停车检测模 型； 采用违章停车检测模型对待检测停车监控图 像进行违章检测。 本发明提高了违章停车检测的 准确性和效率。 权利要求书2页 说明书6页 附图4页 CN 114708560 B 2022.08.09 CN 114708560 B 1.一种基于 YOLOX算法的违章停车检测方法， 其特 征在于， 包括： 获取停车监控图像数据集； 对所述停车监控图像数据集中图像进行 数据预处 理； 对数据预处 理后的停车监控图像数据集中停车监控图像进行 数据增强； 构建基于YOLOX算法的违章停车检测网络， 所述违章停车检测网络包括改进后的 Res2Net50网络、 FPN网络和改进后的Prediction层， 所述改进后的Res2Net 50网络为主干网 络， 所述改进后的Res2Net50网络采用ALReLU激活函数， 所述改进后的Res2Net50网络的输 出连接所述FPN网络的输入， 所述改进后的Predicti on层的激活函数采用SAU激活函数； 采用所述数据增强后的停车监控图像数据集训练所述违章停车检测网络， 获得违章停 车检测模型； 采用所述违章停车检测模型对待检测停车监控图像进行违章检测。 2.根据权利要求1所述的基于YOLOX算法的违章停车检测方法， 其特征在于， 所述对所 述停车监控图像数据集中图像进行 数据预处 理， 具体包括： 将所述停车监控图像数据集中图像进行分辨 率统一化处理。 3.根据权利要求1所述的基于YOLOX算法的违章停车检测方法， 其特征在于， 所述对数 据预处理后的停车监控图像数据集中停车监控图像进行 数据增强， 具体包括： 采用Mosaic、 MixUp、 RandomEr asing、 HideAndSeek和GridMask的数据增强方式对数据 预处理后的停车监控图像数据集中停车监控图像进行 数据增强。 4.根据权利要求1所述的基于YOLOX算法的违章停车检测方法， 其特征在于， 所述采用 所述数据增强后的停车监控图像数据集训练所述违章停车检测网络， 获得违章停车检测模 型， 具体包括： 采用所述数据增强后的停车监控图像数据集， 以在停车监控图像中标注违章停车车辆 的位置作为标签训练所述违章停车检测网络， 获得违章停车检测模型。 5.一种基于 YOLOX算法的违章停车检测系统， 其特 征在于， 包括： 数据集获取模块， 用于获取停车监控图像数据集； 数据预处 理模块， 用于对所述停车监控图像数据集中图像进行 数据预处 理； 数据增强模块， 用于对数据 预处理后的停车监控图像数据集中停车监控图像进行数据 增强； 违章停车检测网络构 建模块， 用于构建基于YOLOX算法的违章停车检测网络， 所述违章 停车检测网络包括改进后的Res2Net50网络、 FPN网络和改进后的Prediction层， 所述改进 后的Res2Net50网络为主干网络， 所述改进后的Res2Net50网络采用ALReLU激活函数， 所述 改进后的Res2Net50网络的输出连接所述FPN网络的输入， 所述改进后的Prediction层的激 活函数采用SAU激活函数； 违章停车检测网络训练模块， 用于采用所述数据增强后的停车监控图像数据集训练所 述违章停车检测网络， 获得违章停车检测模型； 违章检测模块， 用于采用所述违章停车检测模型对待检测停车监控图像进行违章检 测。 6.根据权利要求5所述的基于YOLOX算法的违章停车检测系统， 其特征在于， 所述数据 预处理模块， 具体包括：权　利　要　求　书 1/2 页 2 CN 114708560 B 2数据预处 理单元， 用于将所述停车监控图像数据集中图像进行分辨 率统一化处理。 7.根据权利要求5所述的基于YOLOX算法的违章停车检测系统， 其特征在于， 所述数据 增强模块， 具体包括： 数据增强单元， 用于采用Mosaic、 MixUp、 RandomErasing、 HideAndSeek和GridMask的数 据增强方式对数据预处 理后的停车监控图像数据集中停车监控图像进行 数据增强。 8.根据权利要求5所述的基于YOLOX算法的违章停车检测系统， 其特征在于， 所述违章 停车检测网络训练模块， 具体包括： 违章停车检测网络训练单元， 用于采用所述数据增强后的停车监控图像数据集， 以在 停车监控图像中标注违章停车车辆的位置作为标签训练所述违章停车检测网络， 获得违章 停车检测模型。权　利　要　求　书 2/2 页 3 CN 114708560 B 3