【技术实现步骤摘要】
一种基于视频深度学习的汽车远光灯识别系统及方法
本专利技术涉及一种汽车远光灯识别系统,具体涉及一种基于视频深度学习的汽车远光灯识别系统及方法。属于智能交通
技术介绍
自改革开放以来,我国经济得到了持续、稳定、快速的发展,也使得我国人民的生活水平得到了前所未有的提高,越来越多的国人拥有了私家车辆。私家车数量的快速增长在给人们出行带来方便的同时,也使得交通事故的发生频率越来越高。导致交通事故发生的原因有很多,其中很多事故是远光灯使用不当所造成的。目前针对远光灯违规的监管主要依靠交通警察的抓拍,由于警力以及时间的限制,不能保证对所有的远光灯违规现象都进行有效的监管。除此之外,近年来开发的一些远光灯抓拍系统,都是对抓拍图片进行识别,但这些方法具有一定的局限性,表现在:1)抓拍的远光图片数量少且不连贯,这些远光图片很有可能是司机正常使用时产生的,容易被误判为乱用远光,因此以图片作为执法证据不充分;2)为获得这些图片,在同一地点往往要额外架设多台抓拍设备,造价较高;3)对原有布设的视频监控设备不能完全利用,造成资源浪费。
技术实现思路
本专利技术的目的是为克服上述现有技术的不足,提供一种基于视频深度学习的汽车远光灯识别系统。本专利技术还提供了上述系统对应的一种基于视频深度学习的汽车远光灯识别方法。为实现上述目的,本专利技术采用下述技术方案:一种基于视频深度学习的汽车远光灯识别系统,包括以下两部分:前台部分,用于实现对远光灯违章行为的识别与处理,包括依次连接的道路监测设备模块、视频处理与识别模块、识别结果处理模块以及待检违章结果数据库;后台部分,用于视频处理并实现 ...
【技术保护点】
一种基于视频深度学习的汽车远光灯识别系统,其特征在于,包括以下两部分:前台部分,用于实现对远光灯违章行为的识别与处理,包括依次连接的道路监测设备模块、视频处理与识别模块、识别结果处理模块以及待检违章结果数据库;后台部分,用于视频处理并实现视频的深度学习,包括关键帧提取算法、带标签数据库以及深度学习模块,带标签数据库是对原始视频数据调用关键帧提取算法进行关键帧提取而构建得到,带标签数据库中的数据用于深度学习模块的训练,并与训练好的深度学习模块一并供视频处理与识别模块调用。
【技术特征摘要】
1.一种基于视频深度学习的汽车远光灯识别系统,其特征在于,包括以下两部分:前台部分,用于实现对远光灯违章行为的识别与处理,包括依次连接的道路监测设备模块、视频处理与识别模块、识别结果处理模块以及待检违章结果数据库;后台部分,用于视频处理并实现视频的深度学习,包括关键帧提取算法、带标签数据库以及深度学习模块,带标签数据库是对原始视频数据调用关键帧提取算法进行关键帧提取而构建得到,带标签数据库中的数据用于深度学习模块的训练,并与训练好的深度学习模块一并供视频处理与识别模块调用。2.根据权利要求1所述的系统,其特征在于,所述关键帧提取算法为基于聚类的关键帧提取算法。3.根据权利要求1所述的系统,其特征在于,所述深度学习模块为基于CNN+LSE的深度学习模块。4.权利要求1~3中任一项所述系统对应的一种基于视频深度学习的汽车远光灯识别方法,其特征在于,具体步骤如下:(1)道路监测设备模块获得汽车的行驶视频数据,并将其传输给视频处理与识别模块;(2)视频处理与识别模块调用关键帧提取算法提取原始视频数据的关键帧,然后进行灰度化操作,将灰度化后的关键帧作为输入,调用带标签数据库训练好的基于CNN+LSE的深度学习模块,得到各个关键帧的输出标签,包括近光灯、雾灯或者远光灯,并将标签赋给相应关键帧图像;(3)将原始视频数据以及步骤(2)所得带标签的关键帧一并作为识别结果处理模块的输入,用于判断车辆是否违章,并且,在识别结果处理模块中嵌入车牌识别系统,当目标车辆存在远光灯违章行为时,对其进行车牌提取,获取车辆信息,将涉嫌违章视频数据导入待检违章结果数据库。5.根据权利要求4所述的方法,其特征在于,步骤(2)中,关键帧提取算法如下:(2-1)取原始视频数据库中的第i段Vi,等时间间隔提取n个帧,并用Fi,j命名第i段视频数据的第j个时刻的帧,将相应视频数据的关键帧序列表示为{Fi,1,Fi,2,...,Fi,n},其中Fi,1为首帧,Fi,n为尾帧;定义相邻两帧之间的相似度是相邻两帧直方图的相似度(即直方图特征差别),预定义阈值δ控制聚类的密度;其中,i、j和n均为整数;(2-2)选定首帧Fi,1为初始的聚类中心,并计算帧Fi,j与初始聚类中心间的相似度,如果该值小于δ,则判定该帧与聚类中心帧之间距离过大,因此,Fi,j不能加入该聚类中;如果Fi,j与所有聚类中心相似度均小于δ,则Fi,j形成一个新的聚类,Fi,j为新的聚类中心;否则,将该帧加入到与之相似度最大的聚类中,使该帧与这个聚类的中心之间的距离最小;(2-3)重复(2-2)操作,将原始视频数据Vi中所提取的n个帧,分别归类到不同聚类后,就可以选择关键帧:从每个聚类中抽取离聚类中心最近的帧作为这个聚类的代表帧,所有聚类的代表帧就构成了原始视频数据Vi的关键帧。6.根据权利要求5所述的方法,其特征在于,步骤(2)中,带标签数据库的构建方法如下:将大数据背景...
【专利技术属性】
技术研发人员:李成栋,丁子祥,许福运,张桂青,郝丽丽,
申请(专利权)人:山东建筑大学,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。