[发明专利]一种基于结合改进目标语义分割和目标检测模型的实时移动交通违法检测方法

权利要求书

1.一种基于结合改进目标语义分割和目标检测模型的实时移动交通违法检测方法，其特征在于，包括车道线的检测与分类，车辆的车尾检测与分类，设计实现交通违章检测方法，具体步骤如下：

(1)车道线分割训练集增强：对公开数据集采用对抗生成网络进行数据增强，自动实现白天到夜晚的转换，生成弱光照场景下的图片；

(2)设计一个用于车头车尾目标检测的训练数据集：根据图像中目标车辆车尾和车头的所在位置，在原始训练集中裁剪出真实目标区域图像，裁剪出的图像对构成了训练数据集用于车头车尾目标检测；

(3)采用残差因子分解网络改进目标语义分割网络实现车道线语义分割，并通过霍夫线拟合提高车道线分割准确率，采用分类网络对每条检测出来的车道线进行分类；

(4)车头车尾语义目标约束下的交通违章行为判断：首先检测出整体车辆区域，然后针对车辆区域采用一个改进的目标检测网络得到车头车尾的位置区域坐标，最终根据车道线分割结果和车头车尾位置坐标判断是否发生交通违章行为。

2.根据权利要求1所述的一种基于结合改进目标语义分割和目标检测模型的实时移动交通违法检测方法，其特征在于：所述关于车道线的检测与分类，首先使用基于对抗生成网络的数据增强方法对原数据集进行数据增强，增加弱光照场景下的数据，再使用残差因子分解网络改进目标语义分割网络分割出车道线的概率图，并采用霍夫线拟合；再使用传统算法对车道线点区域进行裁切，把裁切出来的图片使用基于残差结构的分类网络对车道线进行分类，分为白虚线、黄虚线、白实线、白虚线、无、马路路边六类；关于车辆的车尾检测与分类，首先采用目标检测网络，检测出车辆的整体位置区域，然后将该整体位置区域裁剪出来用目标检测回归网络回归检测车头和车尾部分，并对车头车尾成功分类；进而在交通违章识别方法里判断车辆行为是否违章。

3.根据权利要求1所述的一种基于结合改进目标语义分割和目标检测模型的实时移动交通违法检测方法，其特征在于：所述步骤(1)中，对车道线分割训练集的数据进行数据增强，根据公开数据集CULane，利用基于对抗生成网络的数据增强方法实现场景转换，生成弱光照场景下的图片；自动实现白天到夜晚的转换，实现数据增强。

4.根据权利要求3所述的一种基于结合改进目标语义分割和目标检测模型的实时移动交通违法检测方法，其特征在于：所述的对抗生成网络由两个生成器和两个鉴别器组成，每个生成器带有一个鉴别器，当生成器在生成图像的时候，对应的鉴别器用来鉴别该生成器生成的图像是否真实；其中，生成器包括两个步长为2的卷积层、9个resnet残差块和两个步长为1的卷积层；为了让编码器能适用于不同分辨率的输入图像，在编码时，自动记录比例的变化情况，并在解码时将其映射到相应的卷积层中；使用5层卷积层作为鉴别器网络，包括3个步长为2的卷积层和2个步长为1的卷积层，其初始通道数为3个通道；鉴别器用来判断生成器生成的图像是否真实，然后把结果反馈给生成器。

5.根据权利要求1所述的一种基于结合改进目标语义分割和目标检测模型的实时移动交通违法检测方法，其特征在于：所述步骤(2)自制车头车尾数据集时，利用CULane、COCO、自制拍摄的图像数据集，并且利用labelImg对图像中车辆的车头和车尾进行标注；利用随机的方式抽选部分数据作为训练集，其余数据作为测试集。