[发明专利]一种基于视频深度学习的汽车远光灯识别系统及方法

说明书

本发明公开了一种基于视频深度学习的汽车远光灯识别系统及方法，该系统包括以下两部分：前台部分，用于实现对远光灯违章行为的识别与处理，包括依次连接的道路监测设备模块、视频处理与识别模块、识别结果处理模块以及待检违章结果数据库；后台部分，用于视频处理并实现视频的深度学习，包括关键帧提取算法、带标签数据库以及深度学习模块，带标签数据库是对原始视频数据调用关键帧提取算法进行关键帧提取而构建得到，带标签数据库中的数据用于深度学习模块的训练，训练好的深度学习模块与关键帧提取算法一起供视频处理与识别模块调用。本发明对监控视频进行自动分析识别，保证了执法证据的完备性，且与人工判断类似，具有智能性。

技术领域

本发明涉及一种汽车远光灯识别系统，具体涉及一种基于视频深度学习的汽车远光灯识别系统及方法。属于智能交通技术领域。

背景技术

自改革开放以来，我国经济得到了持续、稳定、快速的发展，也使得我国人民的生活水平得到了前所未有的提高，越来越多的国人拥有了私家车辆。私家车数量的快速增长在给人们出行带来方便的同时，也使得交通事故的发生频率越来越高。

导致交通事故发生的原因有很多，其中很多事故是远光灯使用不当所造成的。目前针对远光灯违规的监管主要依靠交通警察的抓拍，由于警力以及时间的限制，不能保证对所有的远光灯违规现象都进行有效的监管。除此之外，近年来开发的一些远光灯抓拍系统，都是对抓拍图片进行识别，但这些方法具有一定的局限性，表现在：1)抓拍的远光图片数量少且不连贯，这些远光图片很有可能是司机正常使用时产生的，容易被误判为乱用远光，因此以图片作为执法证据不充分；2)为获得这些图片，在同一地点往往要额外架设多台抓拍设备，造价较高；3)对原有布设的视频监控设备不能完全利用，造成资源浪费。

发明内容

本发明的目的是为克服上述现有技术的不足，提供一种基于视频深度学习的汽车远光灯识别系统。

本发明还提供了上述系统对应的一种基于视频深度学习的汽车远光灯识别方法。

为实现上述目的，本发明采用下述技术方案：

一种基于视频深度学习的汽车远光灯识别系统，包括以下两部分：

前台部分，用于实现对远光灯违章行为的识别与处理，包括依次连接的道路监测设备模块、视频处理与识别模块、识别结果处理模块以及待检违章结果数据库；

后台部分，用于视频处理并实现视频的深度学习，包括关键帧提取算法、带标签数据库以及深度学习模块，带标签数据库是对原始视频数据调用关键帧提取算法进行关键帧提取而构建得到，带标签数据库中的数据用于深度学习模块的训练，训练好的深度学习模块与关键帧提取算法一起供视频处理与识别模块调用。

作为优选技术方案之一，所述关键帧提取算法为基于聚类的关键帧提取算法。

作为优选技术方案之一，所述深度学习模块为基于CNN+LSE(卷积神经网络+最小二乘估计)的深度学习模块。

上述系统对应的一种基于视频深度学习的汽车远光灯识别方法，具体步骤如下：

(1)道路监测设备模块获得汽车的行驶视频数据，并将其传输给视频处理与识别模块；

(2)视频处理与识别模块调用关键帧提取算法提取视频数据的关键帧，然后进行灰度化操作，将灰度化后的关键帧作为输入，调用根据带标签数据库训练好的基于CNN+LSE的深度学习模块，得到各个关键帧的输出标签，包括近光灯、雾灯或者远光灯，并将标签赋给相应关键帧图像；

(3)将视频数据以及步骤(2)所得带标签的关键帧一并作为识别结果处理模块的输入，用于判断车辆是否违章，并且，在识别结果处理模块中嵌入车牌识别系统，当目标车辆存在远光灯违章行为时，对其进行车牌提取，获取车辆信息，将涉嫌违章视频数据导入待检违章结果数据库。

步骤(2)中，关键帧提取算法如下：