[发明专利]一种基于视频的路口死锁事件检测方法及设备

权利要求书

1.一种基于视频的路口死锁事件检测方法，其特征在于，包括：

获取目标路口的交通视频流；

针对每一视频帧，采用训练好的车辆检测模型，获取所述视频帧的预设检测区域对应的特征图集合，所述特征图集合中不同特征图的尺度不同；

对所述特征图集合中的至少一张特征图，分别进行部分通道随机分组卷积，获得相应特征图对应的特征向量；

对所述特征图集合中最小尺度的特征图，进行至少一次多尺度强化池化操作，得到融合后的特征向量，其中，所述多尺度强化池化操作为：对复制的N-1张最小尺度的特征图分别使用不同的池化核进行一次池化操作，以及对其余1张最小尺度的特征图使用不同尺度的池化核进行多次池化操作以实现池化增强，N为大于1的整数；

根据所述特征图集合中每个特征图对应的特征向量，获得所述视频帧中包含的至少一个目标车辆；

根据检测出的各目标车辆，确定所述目标路口的交通参数集合，并根据所述交通参数集合，确定是否发生路口死锁事件。

2.如权利要求1所述的方法，其特征在于，所述对所述特征图集合中的至少一张特征图，分别进行部分通道随机分组卷积，获得相应特征图对应的特征向量，包括：

针对所述特征图集合中的至少一张特征图，分别执行以下操作：

对所述特征图的通道进行分组卷积，并将卷积后特征图通道的后三分之二部分进行重组，得到所述特征图对应的特征向量。

3.如权利要求1所述的方法，其特征在于，所述对所述特征图集合中最小尺度的特征图，进行至少一次多尺度强化池化操作，得到融合后的特征向量，包括：

将最小尺度的特征图复制为N张；

对复制的N-1张特征图进行池化，得到N-1个第一特征向量，N-1张特征图使用的池化核不同；

对复制的剩余1张特征图，采用不同尺度的池化核分别进行池化，并融合为一张新的特征图，将新的特征图作为下一次强化池化操作的输入，重新进行多尺度强化池化，得到第二特征向量；

将N-1个所述第一特征向量和所述第二特征向量进行融合，得到融合后的特征向量。

4.如权利要求1所述的方法，其特征在于，所述根据检测出的各目标车辆，确定所述目标路口的交通参数集合，包括：

根据检测出的各目标车辆在不同时刻的行驶数据，确定所述各目标车辆的行驶方向；

计算检测出的各目标车辆的总区域与所述预设检测区域的面积比；

根据所述行驶方向和所述面积比，获得所述目标路口的交通参数集合。

5.如权利要求4所述的方法，其特征在于，所述根据所述交通参数集合，确定是否发生路口死锁事件，包括：

当所述面积比大于预设面积阈值，且所述行驶方向相互垂直的目标车辆的数量大于预设车辆阈值时，确定发生路口死锁事件。

6.如权利要求1-5中任一项所述的方法，其特征在于，当确定发生路口死锁事件后，所述方法还包括：

向所述目标路口关联的下游车辆发送提示信息，以使所述下游车辆根据所述提示信息重新规划路线或调整行驶速度。