[发明专利]一种基于嵌入式终端的深度学习逆行检测方法

权利要求书

1.一种基于嵌入式终端的深度学习逆行检测方法，其特征在于，所述方法包括以下步骤：

S1在车辆逆行多发路段设置探测器区域，并将探测器区域分为两个连续子区域；

S2通过在预设定的时间片△t时间范围内采集两幅车辆视频图像；

S3通过对两幅图像的出现在探测器中时间先后的分析对比，识别是否有车辆通过；

S4应用帧计数和边界检测对车辆的运动过程进行识别，对探测器区域进行首尾标定；

S5通过对运动车辆相对运动方向来识别车辆是否发生逆行行为，并作为样本输入深度学习神经网络进行学习训练；

S6根据车辆行驶方向判断出车辆逆行行为的发生,并抓拍违章现场图像,截取违章视频，完成检测。

2.根据权利要求1所述的基于嵌入式终端的深度学习逆行检测方法，其特征在于，所述方法中，只要确定目标的移动历史移动轨迹符合禁止方向即报警，探测器采用扇形标识移动方向，扇形位置和大小可通过软件任意设置。

3.根据权利要求2所述的基于嵌入式终端的深度学习逆行检测方法，其特征在于，所述探测器采用扇形标识移动方向，利用帧数统计来获取路面背景，应用帧计数和边界检测对车辆在探测器中的运动过程进行识别，对探测器进行首尾标定，并通过对车辆在探测器中的相对运动方向进行识别，即可判断车辆是否逆行。

4.根据权利要求3所述的基于嵌入式终端的深度学习逆行检测方法，其特征在于，进行逆行判断时，将探测器按道路方向平均分割成A和B两个子区域，并指定正向行驶方向为A到B；如果图像灰度变化首先出现在A区，则视为正向行驶；否则，则判定交通车辆逆向行驶。

5.根据权利要求1所述的基于嵌入式终端的深度学习逆行检测方法，其特征在于，所述方法进行检测时，假设运动目标的灰度值为X，背景像素点的灰度值为Y，那么运动目标在探测区域中的运动就相当于一个又的块状区域在Y的背景区域中运动，并且运动目标的区域会在背景区域中形成一个运动边界。

6.根据权利要求5所述的基于嵌入式终端的深度学习逆行检测方法，其特征在于，如果目标是车辆，在运动过程中，车辆头部和尾部形成水平边界，车辆的两个侧边形成了垂直的边界，对这些运动的边界用sobel算子的垂直和水平方向的两个算子进行边界检测。

7.根据权利要求1所述的基于嵌入式终端的深度学习逆行检测方法，其特征在于，所述方法中，根据横穿车道的行人、正向行驶的车辆与逆行车辆的运动特征不同，表现在灰度图像上也不同，利用逆行车辆在背景上形成的边界的运动方向特征，图像处理算法对逆行车辆进行判别，对于正常行驶方向的车辆不予判别。