[发明专利]一种基于嵌入式终端的深度学习逆行检测方法在审

专利信息
申请号: 202011292658.6 申请日: 2020-11-18
公开(公告)号: CN112364794A 公开(公告)日: 2021-02-12
发明(设计)人: 张中;桂旺胜;黄俊杰 申请(专利权)人: 合肥湛达智能科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/34;G06K9/46;G06N3/04;G06N3/08;G08G1/017;G08G1/056
代理公司: 合肥市长远专利代理事务所(普通合伙) 34119 代理人: 程笃庆
地址: 230000 安徽省合肥市高新*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 嵌入式 终端 深度 学习 逆行 检测 方法
【说明书】:

发明涉及智能交通技术领域,具体涉及一种基于嵌入式终端的深度学习逆行检测方法,本发明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;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;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;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。本发明借助方深度学习,并用sobel算子进行边界检测,识别车辆通过探测器时在背景中形成的运动边界,以加强综合判断,提高判断准确率,实现了车辆逆行的实时判断,实现了较为准确的自动识别交通车辆的逆行行为。

技术领域

本发明涉及智能交通技术领域,具体涉及一种基于嵌入式终端的深度学习逆行检测方法。

背景技术

随着计算机芯片技术、网络技术的进步,出现了一种新型的网络视频监控系统,即基于嵌入式视频服务器的视频监控系统。其结构一般是:在远端监控现场,有若干个摄像机、各种检测、报警探头与数据设备,通过各自的传输线路,汇聚到视频服务器上,视频服务器通过通信网络,将这些信息传到一个或多个监控中心,供用户查看或者浏览,授权用户还可以根据这些信息对外接设备进行控制凹。

基于嵌入式视频服务器的视频监控系统继承了基于PC的多媒体监控系统的优点。视频服务器属于嵌入式设备,一般采用嵌入式实时操作系统,稳定可靠;摄像机传送来的视频信号进行数字化后由高效压缩芯片压缩,通过内部处理后传送到网络或监控端;视频服务器还可以直接连入以太网,达到即插即看,省掉各种复杂的电缆,安装方便(仅需设置一个IP地址即可)。

随着我国城市化进程的加快和汽车的日益普及,交通流量逐步加大,导致了交通拥挤堵塞现象日趋严重,交通事故频繁发生,给国家造成了重大的经济损失,更是给人们的安全出行带来了极大的不便,大大影响了我国国民经济的高速发展。其中,交通车辆逆行行为极易造成交通事故的发生,建立一套高效的逆行智能检测方法是预防交通车辆逆行的有效手段之一。

发明内容

针对现有技术的不足,本发明公开了一种基于嵌入式终端的深度学习逆行检测方法,用于解决交通车辆逆行行为极易造成交通事故的发生的问题,建立一套高效的逆行智能检测方法是预防交通车辆逆行。

本发明通过以下技术方案予以实现:

本发明公开一种基于嵌入式终端的深度学习逆行检测方法,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。

更进一步的,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。

更进一步的,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。

更进一步的,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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥湛达智能科技有限公司,未经合肥湛达智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011292658.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top