[发明专利]基于深度学习的道路交通监控及车辆异常、违禁、火灾的检测方法及系统

权利要求书

1.一种基于深度学习的道路交通监控方法，其特征在于包括以下步骤：

利用道路上的摄像头对道路信息进行采集，以及利用深度学习方法对预处理后的数据进行训练；

尺度可调节的中心区域定义法如下，n的值根据边界框大于或小于阈值而确定，具体为；

其中，ctl_x表示中央区域的左上角横坐标，ctl_y表示中央区域的左上角纵坐标，ctr_x表示中央区域的右下角横坐标，ctr_y表示中央区域的右下角纵坐标，(tl_x,tl_y)表示ROI的左上角坐标，(br_x,br_y)表示ROI的右下角坐标，ctl_x，n表示对ROI划分的块数；

利用训练好的网络进行道路交通的检测。

2.根据权利要求1所述的基于深度学习的道路交通监控方法，其特征在于：利用道路上的摄像头对道路信息进行采集，包括人员类别和车辆、路障类别识别。

3.根据权利要求1所述的基于深度学习的道路交通监控方法，其特征在于：n的值根据边界框的数量是否大于150设置为3或5。

4.根据权利要求3所述的基于深度学习的道路交通监控方法，其特征在于：采用CenterNet检测算法进行训练：

利用关键点三元组即中心点、左上角点和右下角点三个关键点确定一个目标，中心点采用center pooling机制，通过相加特征图水平和垂直方向上最大值获得，角点采用cascade cornerpooling，同时获取内部和边沿信息。

5.根据权利要求1所述的一种基于深度学习的道路交通监控方法，其特征在于，所述道路交通的检测包括：

行人与非机动车的检测；通过道路上摄像头所拍的视频，利用计算机视觉判断行人和非机动车是否违章进入该路段；违章数据包括违章的行人和车全景图像和历史录像、停车时间数据内容。

6.一种基于深度学习的智能道路交通监控系统，其特征在于：包括处理器及存储器，存储及交互如权利要求1-5任一所述的智能交通监控方法。

7.一种基于深度学习的异常车辆检测方法，其特征在于：使用如权利要求1-5任一所述的道路交通监控方法，对视频中车辆停留时间超出阈值的事件判断为异常停车，并对停车行为抓拍数字图片。

8.一种基于深度学习的异常车辆检测系统，其特征在于：包括处理器及存储器，存储及交互如权利要求7所述的异常车辆检测方法。

9.一种基于深度学习的违禁车辆检测方法，其特征在于：使用如权利要求1-5任一所述的道路交通监控方法，将违禁车辆闯入禁止区判断为视频中违禁的事件。

10.根据权利要求9所述的基于深度学习的违禁车辆检测方法，其特征在于：不同车辆违禁路段不同。

11.一种基于深度学习的违禁车辆检测系统，其特征在于：包括处理器及存储器，存储及交互如权利要求9所述的基于深度学习的违禁车辆检测方法。

12.一种基于深度学习的车辆火灾检测方法，其特征在于：使用如权利要求1-5任一所述的道路交通监控方法，对汽车所产生的烟雾和火焰检测，对火灾行为抓拍数字图片。

13.根据权利要求8所述的基于深度学习的车辆火灾检测方法，其特征在于：对目标进行数据增强，扩充该类数据集的数量。

14.一种基于深度学习的车辆火灾检测方法，其特征在于：包括处理器及存储器，存储及交互如权利要求14所述的基于深度学习的车辆火灾检测方法。