[发明专利]一种基于深度学习的闯红灯违法检测方法

说明书

本发明公开了一种基于深度学习的闯红灯违法检测方法，涉及交通违法检测领域。本发明预先确定红绿灯路口的车道和信号灯的位置，并将信号灯与对应的车道进行匹配。通过摄像头对红绿灯路口的情况进行拍照记录，后期对摄像头传送来的照片集做集中处理，对同一信号灯下同一车辆在不同图片帧的位置来判断车辆是否存在闯红灯行为。另外对于由于距离过远而无法识别的线外车辆，通过车辆相似度比对的方法识别是否是已知车辆。本发明将多种算法和模型相结合，使这种新型的交通违法检测方法满足了城市道路交通管理对于违法检测的准确率和灵活性的需求。

技术领域

本发明涉及交通违法检测领域，具体涉及一种基于深度学习卷积神经网络图像识别和图像相似度比对的红绿灯路口的闯红灯违法检测方法。

背景技术

随着社会和经济的日益发展，汽车在我们的生活中扮演着越来越重要的角色。在方便了人们的起居生活的同时带来了一系列的交通违规、堵塞等问题。其中的绝大多数又是由于机动车驾驶员违章或闯红灯造成的。

目前我国城市的交通管理系统中对违规车辆进行抓拍的原理主要有两种方式：一种是地下埋设感应线圈，横杆上架设数码相机对闯红灯的抓拍。该方法存在成本高、装入及维修不便、不灵活、捕获率不高的几个显著缺点。另一种是架设摄像机，用于对超速、闯红灯、违章车辆等进行实时录相。这种处理方法存在准确性低、占用大量警力、执法人员容易疲劳、不能全天候工作等缺点。

鉴于上述情况，有必要提出一种新型的红绿灯路口交通检测管理方法。

发明内容

本发明的目的在于克服上述两种传统的违法车辆监控方式的成本高、效率低、不灵活、低准确性的缺点，并提供了一种基于深度学习的闯红灯违法检测方法，满足城市道路交通管理对于违法检测的准确率和灵活性的需求。

本发明所采用的具体技术方案如下：

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；