[发明专利]一种基于深度学习的红绿灯切换方法及系统在审
| 申请号： | 201810801597.8 | 申请日： | 2018-07-20 |
| 公开（公告）号： | CN109035808A | 公开（公告）日： | 2018-12-18 |
| 发明（设计）人： | 赵阳 | 申请（专利权）人： | 上海斐讯数据通信技术有限公司 |
| 主分类号： | G08G1/07 | 分类号： | G08G1/07;G08G1/081;G08G1/08 |
| 代理公司： | 杭州千克知识产权代理有限公司 33246 | 代理人： | 周希良;吴辉辉 |
| 地址： | 201616 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 红绿灯 红绿灯切换 算法模型 时长 路口红绿灯 路口监控 时长控制 视频信息 图像结合 运行效率 帧图像 拥堵 路口 图像 学习 监控 拍摄 检测 交通 | ||
1.一种基于深度学习的红绿灯切换方法，其特征在于，包括步骤：
S1.获取监控拍摄到的当前视频信息中的一帧图像；
S2.将获取到的图像通过预先训练好的算法模型计算红绿灯时长；
S3.根据计算得到的红绿灯时长控制路口红绿灯的切换。
2.根据权利要求1所述的一种基于深度学习的红绿灯切换方法，其特征在于，所述预先训练好的算法模型的主要结构为mobilenet。
3.根据权利要求1所述的一种基于深度学习的红绿灯切换方法，其特征在于，所述预先训练好的算法模型采用平方和损失作为目标函数进行训练。
4.根据权利要求3所述的一种基于深度学习的红绿灯切换方法，其特征在于，所述预先训练好的算法模型建立的具体过程为：
A1.将准备好的训练数据集导入模型进行训练；
A2.通过适当的训练次数和调参使模型的目标函数的结果达到最低，训练完毕；
A3.将训练好的模型利用准备好的测试数据集进行测试并计算测试结果的准确率；
A4.若所述测试结果的准确率达到预设准确率则所述预先训练好的算法模型完成建立。
5.根据权利要求1所述的一种基于深度学习的红绿灯切换方法，其特征在于，所述步骤S1之后步骤S2之前还包括步骤：
对获取到的图像进行图像预处理。
6.一种基于深度学习的红绿灯切换系统，其特征在于，包括：
获取模块，用于获取监控拍摄到的当前视频信息中的一帧图像；
计算模块，用于将获取到的图像通过预先训练好的算法模型计算红绿灯时长；
控制模块，用于根据计算得到的红绿灯时长控制路口红绿灯的切换。
7.根据权利要求6所述的一种基于深度学习的红绿灯切换系统，其特征在于，所述预先训练好的算法模型的主要结构为mobilenet。
8.根据权利要求6所述的一种基于深度学习的红绿灯切换系统，其特征在于，所述预先训练好的算法模型采用平方和损失作为目标函数进行训练。
9.根据权利要求8所述的一种基于深度学习的红绿灯切换系统，其特征在于，所述预先训练好的算法模型建立的具体过程为：
A1.将准备好的训练数据集导入模型进行训练；
A2.通过适当的训练次数和调参使模型的目标函数的结果达到最低，训练完毕；
A3.将训练好的模型利用准备好的测试数据集进行测试并计算测试结果的准确率；
A4.若所述测试结果的准确率达到预设准确率则所述预先训练好的算法模型完成建立。
10.根据权利要求6所述的一种基于深度学习的红绿灯切换系统，其特征在于，还包括：
预处理模块，用于对获取到的图像进行图像预处理。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海斐讯数据通信技术有限公司，未经上海斐讯数据通信技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810801597.8/1.html，转载请声明来源钻瓜专利网。
