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 ...
【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...
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。