[发明专利]一种自动提取交通视频中交通事故关键帧的方法

说明书

本发明公开了一种自动提取交通视频中交通事故关键帧的方法，包括以下步骤：将交通视频分解成图片，并按照时间顺序进行标记；将标记的图片输入到经过训练的SSD神经网络中，识别出交通事故图片；以第一次检测出有交通事故图片的标注信息为节点，提取前后一段时间的图片，并将图片转换成视频输出。用于快速识别交通事故并提取相关关键帧信息。

技术领域

本发明涉及车辆图像检测技术领域，具体涉及一种自动提取交通视频中交通事故关键帧的方法。

背景技术

近年来，随着汽车保有量的增加，给人们带来便利的同时，交通拥挤、交通事故发生频率也随之增加，已经影响到人们的生产、生活等各个方面。交通事故严重危害了驾驶人和行人的安全，不仅会出现人身伤亡事件和车辆与公共设施损坏的情况发生，还会给当事人及社会造成巨大的直接经济损失和间接经济损失。交通事故的快速识别研究有利于对交通事故进行及时处理，减少由救援不及时引起的交通事故伤亡，并且避免了二次交通事故的发生。交通事故的识别与交通视频的处理正在成为现代交通的一个极其重要的研究领域。当前主流的识别方法都是基于地感线圈数据的方法，通过对汽车流量的异常来判断交通事故是否发生，这种方法不能很好的识别交通事故，且反馈时间较长，不能实时识别。传统的CNN网络识别效率较低，不能实时应用。SSD神经网络具有高识别率和较快识别速率的优点，适用于视频中目标的实时检测与识别。

发明内容

本发明要解决的技术问题是，针对现有技术存在的上述缺陷，提供了一种自动提取交通视频中交通事故关键帧的方法，用于快速识别交通事故并提取相关关键帧信息。

本发明为解决上述技术问题所采用的技术方案是：

一种自动提取交通视频中交通事故关键帧的方法，包括以下步骤：

S1，将交通视频分解成图片，并按照时间顺序进行标记；

S2，将标记的图片输入到经过训练的SSD神经网络中，识别出交通事故图片；

S3，以第一次检测出有交通事故图片的标注信息为节点，提取前后一段时间的图片，并将图片转换成视频输出。

按照上述技术方案，所述的步骤S1中，通过OpenCV框架下的cv2.imwrite函数实现对视频进行分解和标记；

所述的步骤S3中，通过OpenCV框架下的cv2.VedioWriter函数实现对提取图片的视频合成。

按照上述技术方案，所述的步骤S2之前，通过收集交通视频下的交通事故图片组成数据集，用数据集对SSD神经网络进行训练，训练完成后的SSD神经网络得到用于识别交通事故的模型。

按照上述技术方案，通过收集交通视频下的交通事故图片组成数据集对SSD神经网络进行训练的具体过程，包括以下步骤：

S1-1，对数据集中的一个交通事故图片中的交通事故区域人工截取一个真实框；

S1-2，通过SSD神经网络将交通事故图片分解成多个层级的特征图；

S1-3，将每个层级的特征图分割成多个默认框；

S1-4，将默认框和真实框的参数值依次输入至SSD神经网络的损失函数中，得到相应的损失值；

S1-5，在数据集中选取新的交通事故图片，重复步骤S1-1～S1-4，完成所有数据集中的交通事故图片对SSD神经网络的输入训练或直至损失值降低至指定值，使SSD神经网络形成用于识别交通事故的模型。

按照上述技术方案，所述步骤S1-5中，指定值为小于0.0001。