[发明专利]一种基于深度学习的闯红灯违法检测方法

权利要求书

1.一种基于深度学习的闯红灯违法检测方法，用于检测是否存在闯红灯车辆，其特征在于，步骤如下：

S1：通过安装于待监控红绿灯路口上方的摄像头，获取俯拍该红绿灯路口的视频图像；对视频图像中任取一帧进行预处理，定位该摄像头视域范围内的信号灯区域和若干车道；

所述的信号灯区域为信号灯在视频图像中的位置，每条车道都被分出线内区域和线外区域；

每条车道的线内区域为该车道尚未跨过停止线的等候区域，由两侧的两条车道线作为边界，根据导向箭头的标识确定每条车道的行车方向，行车方向为左转、直行、右转中的至少一种；

每条车道的线外区域为跨过停止线后的路口内部区域；对于每条单一行车方向的车道，在其跨过停止线后的行车路径上设有一个线外区域；对于每条具有直行和转向两种行车方向的车道，在其行车路径上设有内外两个线外区域，内侧线外区域位于停止线外侧的直行和转向行车路径重合区域上，外侧线外区域位于直行行车路径上但位于转向行车路径外部；

S2：在检测过程中，对同一摄像头拍摄到的视频图像，对连续的图像帧进行信号灯颜色识别，按顺序保留有红色信号灯的图像帧，得到处理后的图像帧集；

S3：对于图像帧集中的每张图像帧，检测其信号灯区域中的红灯方向，然后根据红灯方向与对应禁止通行的车道相关联，其中左转箭头与左转车道对应关联，直行箭头与直行车道对应关联，右转箭头与右转车道对应关联，具有两种行车方向的车道与两种行车方向对应的箭头同时关联；

S4：对图像帧集进行划分，若存在连续图像帧都存在同一方向的红灯，则将这些图像帧划分为一个图片集，由此得到若干图片集，其中第i个图片集记为P_i＝[p1,p2,…,ps,type]，type表示信号灯中相同的一个红灯方向，p1,p2,…,ps分别为第1,2,…s张具有type方向红色信号灯箭头的图像帧；

S5：对于每一个图片集P_i，通过车辆检测模型分别对每一帧图像进行车辆识别，每一帧图像仅需检测该图像中红灯方向type对应关联的禁止通行车道中是否出现车辆；对于识别出的车辆继续对其车牌进行识别和记录，若当前图像中无法识别车牌则将其进行车牌未识别标记；

S6：对于每一个图片集P_i，针对每一辆识别出的车辆，判断其位于所处的车道，以及判断其处于该车道的线内区域还是线外区域；即不在线内区域也不在线外区域的车辆进行筛除；

S7：根据S6的识别结果，对每个图片集P_i中涉嫌闯红灯的违法车辆进行判定：

S71：若该图片集中红灯方向type对应关联的禁止通行车道仅有单一行车方向，则获取所有图像帧中出现在禁止通行车道的线内区域中的车辆，将其置入预先置空的第一车辆集合中，再获取所有图像帧中出现在禁止通行车道的线外区域中的车辆，将其置入预先置空的第二车辆集合中；若存在一车辆先出现在第一车辆集合中，然后再出现在第二车辆集合中，则判断该车辆为违法车辆；

S72：若该图片集中红灯方向type对应关联的禁止通行车道具有直行和转向两种行车方向，则获取所有图像帧中出现在禁止通行车道的线内区域中的车辆，将其置入预先置空的第一车辆集合中；再获取所有图像帧中出现在禁止通行车道的内侧线外区域中的车辆，将其置入预先置空的第二车辆集合中；再获取所有图像帧中出现在禁止通行车道的外侧线外区域中的车辆，将其置入预先置空的第三车辆集合中；判断图片集中红灯方向，若红灯方向type为直行方向且存在一车辆先出现在第一车辆集合中，然后出现在第三车辆集合中，则判断该车辆为违法车辆；若红灯方向type为转弯方向且存在一车辆先出现在第一车辆集合中，然后出现在第二车辆集合中但未出现在第三车辆集合中，则判断该车辆为违法车辆。

2.如权利要求1所述的基于深度学习的闯红灯违法检测方法，其特征在于，所述的步骤S1中，所述的摄像头为固定摄像头，其获取的视频图像中所有图像帧的视角和视域范围固定不变。

3.如权利要求1所述的基于深度学习的闯红灯违法检测方法，其特征在于，所述的步骤S2中，对图像帧进行信号灯颜色识别的方法为：首先在图像帧中将信号灯区域设置为感兴趣区域，然后将感兴趣区域的RGB色彩空间转化到HSV空间，再从HSV空间判断信号灯颜色。