[发明专利]一种行车违章违法行为智能识别方法及设备

说明书

本发明公开了一种行车违章违法行为智能识别方法，包括：步骤1：采用车载摄像头拍摄车辆外围的实时视频图像，所述实时视频图像中包括外围路况和外围车辆；步骤2：对所述实时视频图像中的外围路况和外围车辆进行识别，并判断外围车辆的违章违法行为。该智能识别方法可自动识别外围车辆是否存在违法违章行为，为提前预警或者辅助自动驾驶避让、远离等的实现提供可能性。本发明还提供了一种行车违章违法行为智能识别设备。

技术领域

本发明涉及违章违法识别领域，尤其涉及一种行车违章违法行为智能识别方法及设备。

背景技术

在开车时，虽然人们越来越遵守交通法规，但是总有一些交通事故是由于别人不遵守交通法规而导致的，比如外围车辆违规超车而撞到自己，面对这些交通事故，虽然事故责任不在自己，但是人员伤亡、车辆受损总一种无冕之灾。

发明内容

为了解决上述现有技术的不足，本发明提供一种智能识别方法及设备，可自动识别外围车辆是否存在违法违章行为，为提前预警或者辅助自动驾驶避让、远离等的实现提供可能性。

本发明所要解决的技术问题通过以下技术方案予以实现：

一种行车违章违法行为智能识别方法，包括：

步骤1：采用车载摄像头拍摄车辆外围的实时视频图像，所述实时视频图像中包括外围路况和外围车辆；

步骤2：对所述实时视频图像中的外围路况和外围车辆进行识别，并判断外围车辆的违章违法行为。

进一步地，所述车载摄像头包括前视摄像头、后视摄像头、行车记录仪、全景环视摄像头中的至少一种。

进一步地，所述步骤2包括：

步骤2.1：按照预设间隔对采集到的实时视频图像进行视频帧的提取；

步骤2.2：对提取出来的视频帧进行灰度二值化处理；

步骤2.3：将处理后的视频帧输入到训练好的卷积神经网络模型中进行识别；

步骤2.4：接收所述卷积神经网络模型输出的外围车辆的违章违法类型。

进一步地，所述步骤2包括：所述卷积神经网络包括第一卷积层、第一抽样层、第二卷积层、第二抽样层、全连接层和sotfmax输出层，以sigmoid函数作为激活函数。

进一步地，在步骤2.1中，按照预设的时间间隔或帧数间隔来对所述实时视频图像进行视频帧的提取。

进一步地，在步骤2之前，训练所述卷积神经网络模型的步骤如下：

S100：将车辆外围的各种训练视频图像进行处理，得到训练图像集；

S200：为所述训练图像集创建对应的训练标签集，所述训练标签集中的标签与所述训练图像集中的训练视频图像一一对应，且不同的标签表示不同的违章违法行为；

S300：将所述训练图像集和训练标签集输入到所述卷积神经网络模型中对所述卷积神经网络模型进行训练，得到训练好的卷积神经网络模型。

进一步地，在步骤S100中，对各种训练视频图像为按照预设时间间隔或帧数间隔对各种训练视频图像进行视频帧的提取，然后对提取出来的视频帧进行灰度二值化处理后形成所述训练图像集。

一种行车违章违法行为智能识别设备，包括车载摄像头以及与所述车载摄像头连接的控制模块，所述控制模块用于上述行车违章违法行为智能识别方法。

本发明具有如下有益效果：该智能识别方法及设备可自动识别外围车辆是否存在违法违章行为，并判断违法违章类型，然后可以对驾驶员进行预警或者辅助自动驾驶对违法违章车辆进行避让、远离等。

附图说明