[发明专利]基于人工智能的电动自行车占用机动车道识别方法

说明书

本发明公开了一种基于人工智能的电动自行车占用机动车道识别方法，包括：拍摄所在区域的机动车道和非机动车道的视频图像，并传输给视频分析系统；采用基于深度神经网络学习电动自行车的特征，并建立电动自行车的外形训练模型和车牌训练模型；对视频图像进行图像分割，以区分机动车道和非机动车道；提取机动车道内的视频图像，并将所述视频图像输入外形训练模型以标记机动车道内的电动自行车；将所述标记机动车道内的电动自行车的视频图像输入车牌训练模型，检测输出电动自行车的车牌号码。通过上述方案，本发明具有识别准确、降低计算工作量等优点，在人工智能技术领域具有很高的实用价值和推广价值。

技术领域

本发明涉及人工智能技术领域，尤其是基于人工智能的电动自行车占用机动车道识别方法。

背景技术

随着人工智能技术不断发展，人工智能也被广泛用于在机器视觉、指纹识别、人脸识别、视网膜识别、虹膜识别、掌纹识别、专家系统、自动规划、智能搜索、定理证明、智能控制、机器人学、语言和图像理解、遗传编程等领域。

随着汽车的快速发展，我国汽车总拥有量也逐年递增，如此也造成了城市交通拥堵。目前，较多人选择使用电动自行车作为上下班、外出的主要交通工具，其具体积较小、停车方便、操作简便等优点，电动自行车的城市拥有量也在逐年递增。随之而来电动自行车抢占机动车道事件也频频发生，既加重了交通负担，又增加了交警执法工作量。与此同时，还存在交通事故风险。

发明内容

针对上述问题，本发明的目的在于提供一种基于人工智能的电动自行车占用机动车道识别方法，本发明采用的技术方案如下：

基于人工智能的电动自行车占用机动车道识别方法，包括安装在电子眼安装支架上、且能拍摄到机动车道和非机动车道的视频图像的摄像头，与所述摄像头连接的视频分析系统。

所述电动自行车占用机动车道识别方法，包括以下步骤：

步骤S01，利用所述摄像头拍摄所在区域的机动车道和非机动车道的视频图像，将摄像头拍摄的视频图像转换成视频流，并传输给视频分析系统；同时，采用基于深度神经网络学习电动自行车的特征，并建立电动自行车的外形训练模型和车牌训练模型。

步骤S02，对摄像头拍摄的视频图像进行图像分割，以区分机动车道和非机动车道。

步骤S03，提取机动车道内的视频图像，并将所述视频图像输入外形训练模型以标记机动车道内的电动自行车。

步骤S04，将所述标记机动车道内的电动自行车的视频图像输入车牌训练模型，检测输出电动自行车的车牌号码。

进一步地，所述步骤S01中，建立电动自行车的外形训练模型和车牌训练模型包括以下步骤：

步骤S11，将电动自行车的视频图像划分为8×8的矩形块，并对任一矩形块进行聚类预测锚点框。

步骤S12，将所述分割的矩形块输入至多层卷积神经网络中，采用卷积神经网络提取视频图像内的图像特征，并训练获得任一电动自行车的外形训练模型和车牌训练模型。

更进一步地，所述步骤S02中，视频图像分割包括以下步骤：

步骤S21，识别摄像头拍摄的视频图像中的右侧道路划分线和中间隔离线；

步骤S22，采用基于边缘分割算法划分获得右侧道路划分线与中间隔离线之间的机动车道的视频图像。

优选地，所述步骤S21中，采用变形Sobel算子识别获得右侧道路划分线、车道划分线和中间隔离线的纹理特征。

优选地，所述中间隔离线包括单黄实线、双黄实线、黄色虚实线和双白实线。

与现有技术相比，本发明具有以下有益效果：