[发明专利]基于卷积神经网络的图片自学习交通信号控制方法

权利要求书

1.基于卷积神经网络的图片自学习交通信号控制方法，步骤如下：

A、对信号控制中同一相位车辆的最大排队长度图片进行分类，并对所述最大排队长度图片进行图片归一化处理，建立所述同一相位车辆的所述最大排队长度图片的分类图片数据集；

B、将与所述分类图片数据集对应的，且在每一相应相位中，发生车辆排队的区域标定为标定区域；

将每一所述标定区域均作为卷积神经网络的图片自学习的感兴趣区域；对每一所述感兴趣区域进行ROI区域提取，构建每一所述感兴趣区域的训练方法；以所述训练方法对相应所述感兴趣区域进行训练，得到所述卷积神经网络的各项初选参数；

将所述各项初选参数用于每一相位的所述车辆的最大排队长度图片的分类检测；

C、对采用所述各项初选参数的所述卷积神经网络进行图片分类正确率η检验，正确率η为正确分类图片与总体图片之比，检验结果大于或等于η时，所述初选参数符合要求即为各项合格参数，继续执行步骤D；否则返回所述步骤A；

D、重复执行步骤A至步骤C直至得到符合步骤C要求的每一所述相位的所述卷积神经网络的所述各项合格参数；

E、将构建的训练好的每一相位的卷积神经网络移植到图片处理装置；

F、对完成移植的所述图片处理装置初始化，点亮信号灯，对图片进行分类，不同类别的图片对应所述图片处理装置的存储器中不同的绿灯显示时长，实现交通信号的实时控制；

G、将所述信号灯所在的交叉口中，各进口道方向的采集摄像头采集的交通视频实时传输至所述图片处理装置的图片处理单元；

H、在每一信号灯的开始时刻，所述图片处理装置的信号控制器对所述图片处理单元发出指令，截取当前图片，并对所述当前图片进行所述ROI区域提取，并运用卷积神经网络算法分类，得到相应的所述信号灯的显示时间；

I、将所述显示时间发送至所述信号控制器，所述信号控制器控制相应的所述信号灯根据所述显示时间进行实时信号控制；

J、重复上述步骤F至I，直至完成每一所述信号灯的所述实时信号控制。

2.根据权利要求1所述的基于卷积神经网络的图片自学习交通信号控制方法，其特征在于，如所述图片处理装置与所述信号控制器之间的通信中断或者其他设备发生故障，所述信号控制器降阶控制，所述降阶控制为固定信号控制方案或者黄闪。

3.根据权利要求1所述的基于卷积神经网络的图片自学习交通信号控制方法，其特征在于，当所述交叉口车辆饱和状态或过饱和状态时，在所述步骤H中，所述信号灯的开始时刻为绿灯结束-黄灯开始时刻；

进行所述ROI区域提取，并运用卷积神经网络算法分类后，根据排队长度调整下一周期的绿灯显示时间。