一种高速公路出入口的行人预警方法及系统技术方案

本发明专利技术公开了一种高速公路出入口的行人预警方法及系统，包括收集行人数据集并制作样本标签文件作为训练样本，用卷积神经网络方法从训练样本中提取行人的特征；根据提取的行人特征迭代训练区域建议网络和目标检测网络，得到行人检测网络模型；实时拍摄公路路况视频并送入训练好的行人检测网络模型，得到行人目标概率和目标边框，则立即报警并提示行人位置信息。本发明专利技术在进行实时行人检测的同时确定行人的数量及地理位置，在远距离情况下，检测速度快，准确率高，这样不仅提高高速公路突发事件处理的效率，并且能够避免引入额外的误差，保证了处理的精准性。

Pedestrian early warning method and system for expressway entrance and exit

The invention discloses a pedestrian early warning method and system for freeway entrance and exit, which includes collecting pedestrian data sets and making sample label files as training samples, extracting pedestrian features from training samples by convolution neural network method, and iteratively training area recommendation network and target detection network according to extracted pedestrian features. The pedestrian detection network model is obtained by network, and the real-time video of road conditions is taken and sent to the trained pedestrian detection network model to get the pedestrian target probability and target frame, then the pedestrian position information is prompted and alerted immediately. The invention determines the number and geographical position of pedestrians while carrying out real-time pedestrian detection, and has the advantages of fast detection speed and high accuracy in long distance. Thus, it not only improves the efficiency of dealing with highway emergencies, but also avoids introducing additional errors and guarantees the accuracy of dealing with them.

【技术实现步骤摘要】
一种高速公路出入口的行人预警方法及系统
本专利技术涉及视频物体检测领域，具体涉及一种高速公路出入口的行人预警方法及系统。
技术介绍
随着我国高速公路事故严重程度逐年增加，目前已上升居世界第二。交通事故每死亡11人，就有1人死于高速公路，伤亡人数占公路交通事故比例逐年提高。高速公路致死率与死伤比要比国道分别高出15.4％和22.2％。因此，准确把握交通运行状态并及时检测出异常情况，对于交通管理和制定应急策略很有必要性。降低高速公路交通事故发生率，关键之一是要保证高速公路上只有车辆。如果有人因没有注意到潜在的危险而不小心进入高速公路，交通管理系统可以通过行人预警提醒交通管理者和附近的车辆。也就是说，如果监控系统或汽车摄像头可以捕获行人信息并及时告警，显然可以有效减少事故的发生。目前国内外存在的交通异常状态判别算法主要包括统计算法、平滑滤波算法、突变理论和人工智能事件检测算法等，其中统计算法、平滑滤波算法、突变理论算法的可移植性比较差，结果并不令人满意。人工智能算法在近年来得到极大的发展，特别是深度学习的研究热潮这两年席卷而来，然而目前深度学习方法应用在高速公路交通运行状态的划分还不够细致，并且由于高速公路对速度和准确率要求极高的特殊性，制约着智能交通系统的发展。
技术实现思路
为了克服现有技术存在的缺点与不足，本专利技术提供一种高速公路出入口的行人预警方法及系统。本专利技术采用如下技术方案：一种高速公路出入口的行人预警方法，包括：收集行人数据集并制作样本标签文件作为训练样本；用卷积神经网络方法从训练样本中提取行人的特征；根据提取的行人特征迭代训练区域建议网络和目标检测网络，得到行人检测网络模型；实时拍摄公路路况视频并送入训练好的行人检测网络模型，一旦检测到较高的行人目标概率和目标边框，则立即报警并提示行人位置信息。所述样本标签文件为彩色图像，每张图像至少包含一个行人，样本标签文件为1000张。所述卷积神经网络方法，包括一个神经元接收其它n个神经元的输入信息，通过带权值的连接传递信息，输入之和再与临界值进行比较，最后用激活函数处理输出的单个神经元工作模式；采用的一个输入层、一个输出层、多个隐含层的神经网络架构；相邻层之间的神经元采用部分连接而不是全连接，进行局部区域感知和权值共享。所述激活函数，采用的是ReLu，公式如下：max(0,x)是目前最符合生物神经激活的函数模型，当输入x小于0处于抑制态，当x大于0呈线性激活态，带有单侧抑制效果和稀疏性质。所述局部区域感知和权值共享，包括：采用一定大小的局部感知野的局部连接网络，减少权值参数个数；在图像的部分不同区域采用同一个卷积核，共享权值参数。根据提取的行人特征迭代训练区域建议网络和目标检测网络，具体为：区域建议网络RPN将一个任意大小的图像作为输入，然后用CNN产生可能为目标的建议区域，再输出带有目标得分的行人候选框；使用3×3大小的卷积核在行人特征图上滑动，得到每个映射位置上三种尺度、三种长宽比的建议区域的行人目标概率和回归边框位置；目标检测网络包括卷积层、池化层、全连接层，用于候选框的判断分类和精细修正；两个区域建议网络和目标检测网络通过四步算法来交替优化共享学习特征。所述四步优化算法，具体为：第一步：通过反向传播和随机梯度下降算法训练区域建议网络，该网络用ImageNet预训练的模型初始化，并微调用于生成可能为目标的建议区域；第二步：利用第一步生成的建议区域，由目标检测网络训练一个单独的检测网络用于目标分类和边框回归，这个检测网络同样是由ImageNet预训练的模型初始化；第三步：利用第二步得到的检测网络再次初始化训练区域建议网络，但固定前面共享的卷积层，并且只微调区域建议网络后面独有的层；第四步：保持共享的卷积层固定，微调目标检测网络的全连接层，即分类层和回归层，此时两个网络共享相同的卷积层。三种区域面积尺度分别为1282,2562,5122；三种行人候选框的长宽比分别为1:2、1:1、2:1。得到行人目标框的具体过程为：采用非极大值抑制算法，基于多个候选区域确定多个矩形区域；将所述多个矩形区域对应的特征进行综合，得到所述至少一个区域，并计算得到区域对应的向量特征；基于所述向量特征，判断区域中的物体是否为行人，判断为真则通过边框回归算法精细修正目标框得到行人目标边框。一种高速公路出入口行人预警系统，包括：信息传输模块、信息响应模块及信息处理模块，所述信息传输模块与信息响应模块的输入端相互连接，所述信息传输模块与信息处理模块相互连接，信息处理模块与信息响应模块通过传输模块间接相连，三大模块构成整个行人预警系统；所述信息传输模块，一方面，用于实时传送高速路况监控信息到信息处理模块，并结合其监控范围标记地理位置；另一方面，用于返回处理结果到信息响应模块，进行预警提示；所述信息处理模块，用于将获取的信息输入训练得到的检测模型，得到行人目标概率和边框位置，并通过信息传输模块输出到信息响应模块进行预警。本专利技术的有益效果：本专利技术提供了一种高速公路出入口的行人预警系统，目的是进行实时行人检测的同时确定行人的数量及地理位置，在远距离情况下，检测速度快，准确率高，这样不仅提高了高速公路突发事件处理的效率，并且能够避免引入额外的误差，保证了处理的精度。附图说明图1为本专利技术高速公路出入口的行人预警系统的总流程图；图2为本专利技术的行人预警系统的各模块间的信息输入输出流程图；图3为本专利技术的行人预警所用方法的一个示意性流程图；图4为本专利技术训练模型所用的卷积神经网络结构图。具体实施方式下面结合实施例及附图，对本专利技术作进一步地详细说明，但本专利技术的实施方式不限于此。实施例如图1所示，一种高速公路出入口的行人预警方法，包括如下步骤：S1收集行人数据集并制作样本标签文件作为训练样本，行人样本数据集可以通过互联网下载标准数据库获得，也可以通过摄像机自行采集，对数据样本的要求包括：一张样本图片中至少包含一位行人；样本具有一定丰富性，包含多种场景、光线强度和行人姿势；行人目标的大小需适中，占全图的比例不超过1/2。标签文件中的目标框的大小及位置通过实际样本调整，制作标签的要求包括：对于样本中比例小于1/8和大于1/2的行人目标，舍弃不做标注；对于符合大小比例要求的行人目标，进行标注时每个目标框尽可能地把行人目标各部位包含进去，但是整个目标框的大小不超过原图的1/2。S2用卷积神经网络方法从训练样本中提取行人的特征；将样本图像输入到多层的卷积神经网络(ConvolutionalNeuralNetwork，CNN)当中，提取原始图像的特征。卷积神经网络(ConvolutionalNeuralNetwork，CNN)的网络结构类似于生物神经网络，降低了网络模型的复杂度，减少了权值的数量。卷积神经网络(ConvolutionalNeuralNetwork，CNN)是一种前馈神经网络，由若干卷积单元组成。每个卷积单元可以响应部分连接的周围单元。卷积神经网络(ConvolutionalNeuralNetwork，CNN)的优点在网络的输入是多维图像时表现的更为明显，使图像可以直接作为网络的输入，避免了传统检测识别算法中复杂的特征提取和数据重建过程。卷积神经网络(ConvolutionalNeuralNetwor本文档来自技高网...

【技术保护点】
1.一种高速公路出入口的行人预警方法，其特征在于，包括：收集行人数据集并制作样本标签文件作为训练样本；用卷积神经网络方法从训练样本中提取行人的特征；根据提取的行人特征迭代训练区域建议网络和目标检测网络，一旦检测到较高的行人检测网络模型；实时拍摄公路路况视频并送入训练好的行人检测网络模型，得到行人目标概率和目标边框，则立即报警并提示行人位置信息。

【技术特征摘要】
1.一种高速公路出入口的行人预警方法，其特征在于，包括：收集行人数据集并制作样本标签文件作为训练样本；用卷积神经网络方法从训练样本中提取行人的特征；根据提取的行人特征迭代训练区域建议网络和目标检测网络，一旦检测到较高的行人检测网络模型；实时拍摄公路路况视频并送入训练好的行人检测网络模型，得到行人目标概率和目标边框，则立即报警并提示行人位置信息。2.根据权利要求1所述的行人预警方法，其特征在于，所述样本标签文件为彩色图像，每张图像至少包含一个行人，样本标签文件为1000张。3.根据权利要求1所述的行人预警方法，其特征在于，所述卷积神经网络方法，包括一个神经元接收其它n个神经元的输入信息，通过带权值的连接传递信息，输入之和再与临界值进行比较，最后用激活函数处理输出的单个神经元工作模式；采用的一个输入层、一个输出层、多个隐含层的神经网络架构；相邻层之间的神经元采用部分连接而不是全连接，进行局部区域感知和权值共享。4.根据权利要求3所述的行人预警方法，其特征在于，所述激活函数，采用的是ReLu，公式如下：max(0,x)是目前最符合生物神经激活的函数模型，当输入x小于0处于抑制态，当x大于0呈线性激活态，带有单侧抑制效果和稀疏性质。5.根据权利要求3所述的行人预警方法，其特征在于，所述局部区域感知和权值共享，包括：采用一定大小的局部感知野的局部连接网络，减少权值参数个数；在图像的部分不同区域采用同一个卷积核，共享权值参数。6.根据权利要求1所述的行人预警方法，其特征在于，根据提取的行人特征迭代训练区域建议网络和目标检测网络，具体为：区域建议网络RPN将一个任意大小的图像作为输入，然后用CNN产生可能为目标的建议区域，再输出带有目标得分的行人候选框；使用3×3大小的卷积核在行人特征图上滑动，得到每个映射位置上三种尺度、三种长宽比的建议区域的行人目标概率和回归边框位置；目标检测网络包括卷积层、池化层、全连接层，用于候选框的判断分类和精细修正；两个区域建议网络和目标检测...

【专利技术属性】
技术研发人员：曾德炉，贺鑫，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44