[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

说明书

本发明公开了一种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，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中心区域，利用训练好的网络进行道路交通的检测；本发明的信息都会以图像和视频的形式被本发明的系统记录，并触发预警机制，及时报送给交通管理人员；融合了多种智能化技术，为道路上移动目标的运行安全提供保障，提高道路运行效率，为未来交通智能化发展提供技术参考。

技术领域

本发明涉及道路交通监控、图像处理和计算机视觉领域，尤其涉及一种基于深度学习的智能道路交通监控系统。

背景技术

作为高新产业，智能交通拥有很好的市场前景。据市场需求统计预测，到 2021年智能交通产业的市场总规模将达880亿元。在高成本投入的同时，智能交通所承担的责任重大，智能交通产业如何结合利用多种高新技术，如计算机技术、物联网、大数据、视频监控图像处理等，实现对场面的监视、控制、引导、安防，仍需要社会各界的不断探索。

在道路机动车不断增加的环境下，城市的拥挤路段越来越多，道路运行的安全性不断受到挑战，加强各类道路场面的监管控制显得尤为重要。构建智能交通车辆监控系统，不仅可以减少管理者的工作负担、提高监视的质量水平、扩大监视作用范围，还能使管理者对道路上的突发事件及时处理，降低驾驶者的伤亡风险和财产的损失。

城市公路领域中，城市道路拥堵时有发生，其原因主要分为：城市基础设施资源供给和出行需求不匹配、公共交通绿色出行普及度不高和未合理利用道路场面交通网络。拥堵原因中，最大的问题是车多路少的现状，城市的基础设施架构定型，土地资源珍贵，大范围建设城市道路不现实。成都市2018年交通系统开始扩建智能数据融合系统，构建上千套智能交通综合检测设备和事件检测设备。同时联合百度地图研发上线交通实时监测和评定分析平台，实现交通诱导出行，有效绕行拥堵点。同年7月，公安部交通管理科学研究所在北京开展了“互联网 +城市交通管理创新”论坛，高德地图表明将联合阿里巴巴协同打造城市大脑智慧交通体系，预计未来三年服务6亿人/天，为社会节约庞大的时间成本，试点城市的拥堵下降一到两成。南京莱斯信息近五年来不断发展城市交通信号控制解决方案，实现了区域交通信号机控制，用于协调路网交通流运行，公安部门在特殊情况下可通过管理中心人工干预，直接控制道路交叉口信号机相位，保证城市公路交通畅通和特勤车辆的优先通行。

如今针对道路场面运动目标的智能交通系统需要首先实现数据的实时检测，实时检测是实时控制的重要基础，所检测的数据应当加以分析处理，生成运动目标的即时位置、即时速度等信息，系统应能够达到全天候、高精度、大区域的工作要求。在智能化产业蓬勃发展的背景下，本发明利用深度学习技术，旨在设计并开发一个智能道路交通车辆监控系统，对上海部分路段的道路交通信息实时采集和分析。本系统能够实现行人与非机动车的检测，防止行人与非机动车进入高速路造成违章行为；异常停车检测，及时避免事故发生；违禁车辆检测，防止机动车进入所设定的违禁区造成安全隐患；烟雾与火灾检测，及时发现道路上因长时驾驶而自燃的车辆。以上信息都会以图像和视频的形式被本发明的系统记录，并触发预警机制，及时报送给交通管理人员。系统整体融合了多种智能化技术，为道路上移动目标的运行安全提供保障，提高道路运行效率，为未来交通智能化发展提供技术参考。

发明内容

1、本发明的目的

针对交通道路中，交管人员对行人、汽车等交通工具引起的道路安全问题不能及时获知，而提出了一种基于深度学习的智能道路交通监控、异常车辆、违停、车辆火灾的检测方法。

2、本发明所采用的技术方案

本发明公开了一种基于深度学习的道路交通监控方法，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；