[发明专利]一种基于视频特征的交通拥堵识别方法在审
| 申请号： | 201810842298.9 | 申请日： | 2018-07-27 |
| 公开（公告）号： | CN109165561A | 公开（公告）日： | 2019-01-08 |
| 发明（设计）人： | 武传营;李凡平;石柱国 | 申请（专利权）人： | 北京以萨技术股份有限公司;青岛以萨数据技术有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 合肥律众知识产权代理有限公司 34147 | 代理人： | 黄景燕 |
| 地址： | 100000 北京市朝阳区*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于视频特征的交通拥堵识别方法，包括以下步骤：S1、道路交通拥堵样本采集，S2、道路交通拥堵识别训练样本采集，S3、提取样本时序特征，S4、各车道拥堵状态的识别，S5、输出车道拥堵状态。本发明通过构建一个复杂的网络，实现了可同时预测一条道路不同车道的拥堵状态的识别，更精准的预测道路的交通状况，基于C3D卷积神经网络的图像时序特征提取网络、基于长短时记忆网络的图像特征记忆网络和优化序列的CTC层；其中，基于卷积神经网络的图像特征提取网络，完成道路图像特征获取；通过长短时记忆网络完成对道路交通状态的长久记忆；CTC损失函数可较好的优化序列的损失。 | ||
| 搜索关键词： | 拥堵 记忆网络 拥堵状态 卷积神经网络 车道 道路交通 视频特征 样本采集 道路交通状态 图像特征提取 长久记忆 道路图像 交通状况 时序特征 识别训练 损失函数 特征获取 特征提取 图像时序 图像特征 网络 预测 构建 优化 样本 交通 输出 | ||
【主权项】：
1.一种基于视频特征的交通拥堵识别方法，其特征在于，包括以下步骤：S1、道路交通拥堵样本采集：收集各种场景的交通拥堵视频，截取每个片段为5‑6s的视频，把每个截取的片段视频解码为图片，作为训练输入的数据；S2、道路交通拥堵识别训练样本采集：取连续的28帧图像作为数据的单次输入，并制作标记拥堵状态的属性标签；S3、提取样本时序特征：取28帧连续的图像输入到C3D卷积神经网络里，提取图像的时序特征；S4、各车道拥堵状态的识别：通过C3D提取了各类信息特征后，输入到长短时记忆网络中，进行各类特征的记忆，再利用CTC对序列损失进行训练，最终完成对各车道拥堵状态的识别；S5、输出车道拥堵状态：道路交通图像输入训练好的预测网络，实时的输出拥堵状态。
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北京以萨技术股份有限公司;青岛以萨数据技术有限公司，未经北京以萨技术股份有限公司;青岛以萨数据技术有限公司许可，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/patent/201810842298.9/，转载请声明来源钻瓜专利网。
