一种基于深度卷积神经网络的交通信号灯控制方法技术

本发明专利技术公开一种基于深度卷积神经网络的交通信号灯控制方法，主要包括用于获取整个路口的全景视频图像的无死角的全方位视觉传感器；对视频图像进行分割、用深度卷积神经网络分析关键处车辆拥堵的状态，并将处理结果及控制命令发给信号灯控制器的计算机；用于接收所述计算机的控制命令并对路口信号灯进行控制的信号灯控制器。本发明专利技术能有效地解决交叉路口处车辆拥堵的状态情况下出现与“绿灯行、红灯停”的交通规则相桲的窘境，能有效防止由于闯绿灯行为所导致的大面积交通拥堵的发生，极大减轻交警的执法难度和执法强度。

【技术实现步骤摘要】

本专利技术涉及计算机技术、模式识别、人工智能、应用数学以及生物视觉技术在智能交通领域的应用，尤其涉及一种基于深度卷积神经网络的交通信号灯控制方法。
技术介绍
目前我国各城市道路中设有红黄绿指示信号灯、“箭头”信号灯、多相位信号灯等；随着车辆保有量急剧增加，交通高峰期期间时常会出现清空不畅的拥堵和下游排队溢出的拥堵问题；按照新交通法规机动车遇有前方交叉路口交通阻塞时，应停在路口以外等候，目前道路路口的信号灯上方会有一些相应的警示牌告知驾驶员。对于未依次停在路口以外等候，在绿灯时进入路口并滞留的被认为是一种交通违法行为。“闯绿灯”是指虽然信号灯为绿灯时，但在交通拥堵的情况下驶入交叉路口，这样可能会造成更加堵塞交通的行为。《中华人民共和国道路交通安全法实施条例》第五十三条规定：机动车遇前方交叉路口交通阻塞时，应当依次停在路口以外等候，不得进入路口。如果出现类似情况将可能被处以罚款100元、记2分的处罚。但是在许多人看来，“闯绿灯”可能并不算是违法行为，但是危害并不小。车辆在绿灯时进入路口并滞留，而当该行车方向变为红灯，相交叉方向变为绿灯时，交叉方向车辆无法顺利驶过路口，造成路口交叉拥堵，本文档来自技高网...

【技术保护点】
一种基于深度卷积神经网络的交通信号灯控制方法，其特征在于，所述交通信号灯控制方法的系统硬件包括：全方位视觉传感器，用于获取整个路口的全景视频图像；交通信号灯，用于对路口的交通状态进行管理和控制输出；计算机，用于对整个路口的全景视频图像进行分割、用深度卷积神经网络分析路口及下游入口处车辆拥堵的状态，并输出处理结果及控制命令；以及信号灯控制器，用于接收所述计算机的控制命令并对路口信号灯进行控制；其中，所述的全方位视觉传感器通过视频线与所述的计算机连接，所述的计算机通过控制总线与所述的信号灯控制器连接，所述的信号灯控制器主要分为常态的周期信号灯控制和拥堵情况时的非常态信号灯强制控制模式，直接驱动所述...

【技术特征摘要】
1.一种基于深度卷积神经网络的交通信号灯控制方法，其特征在于，所述交通信号灯控制方法的系统硬件包括：全方位视觉传感器，用于获取整个路口的全景视频图像；交通信号灯，用于对路口的交通状态进行管理和控制输出；计算机，用于对整个路口的全景视频图像进行分割、用深度卷积神经网络分析路口及下游入口处车辆拥堵的状态，并输出处理结果及控制命令；以及信号灯控制器，用于接收所述计算机的控制命令并对路口信号灯进行控制；其中，所述的全方位视觉传感器通过视频线与所述的计算机连接，所述的计算机通过控制总线与所述的信号灯控制器连接，所述的信号灯控制器主要分为常态的周期信号灯控制和拥堵情况时的非常态信号灯强制控制模式，直接驱动所述的交通信号灯；所述的计算机还包括车辆的视觉检测、识别与定位和基于深度卷积神经网络的交通信号灯控制算法。2.如权利要求1所述的交通信号灯控制方法，其特征在于：所述的深度卷积神经网络采用24个卷积层和2个全连接层叠加的深度卷积神经网络，最终的输出是对7×7个网格的预测，每个网格预测3类对象的概率和坐标；第一层卷积层，填充值是3，64个过滤器，窗口大小为7×7，步长为2，输出特征为224×224×64，然后进行leaky ReLU激活层1处理，经过池化层1进行最大池化2×2的核，步长为1，得到[(224-1+1)/2]+1＝112个特征，总的特征数为112×112×64，然后进行正则化处理；第二层卷积层，填充值是1，窗口大小为3×3，3个过滤器，步长为1，输出为112×112×192，然后进行leaky ReLU激活层2处理，经过池化层2进行最大池化2×2的核，步长为2，输出为56×56×256，然后进行分裂分成四个支线；第三层卷积层，开始时起始模块，这个的思想受到使用不同尺度的Gabor过滤器来处理多尺度问题，起始模块采用不同尺度的卷积核来处理问题，分为四个支线：1：1×1的卷积核输出28×28×128；2：3×3的卷积核输出28×28×256；3：1×1的卷积核输出28×28×256；4：3×3的卷积核输出28×28×512；将四个结果进行连接，经过池化层3进行最大池化2×2的核，步长为2，输出为28×28×512；第四层卷积层，思想与第三层雷同，将上述的结果又分成四条支线：1～2：4个1×1的卷积核和4个3×3卷积核输出14×14×512；3：1×1的卷积核输出14×14×512；4：3×3卷积核输出14×14×1024；将四个结果进行连接，经过池化层4进行最大池化2×2的核，步长为2，输出为14×14×1024；第五层卷积层，思想与第三层雷同，将上述的结果又分成四条支线：1～2：2个1×1×512的卷积核和2个3×3×1024卷积核输出7×7×1024；3：1×1×1024的卷积核输出7×7×1024；4：3×3×1024卷积核，步长为2，输出为7×7×1024；将四个结果进行连接，输出为7×7×1024；第六层卷积层，思想与第三层雷同，将上述的结果又分成二条支线：1：3×3×1024的卷积核输出为7×7×1024；2：3×3×1024的卷积核输出为7×7×1024；将二个结果进行连接，输出为7×7×1...

【专利技术属性】
技术研发人员：汤一平，
申请(专利权)人：汤一平，
类型：发明
国别省市：浙江;33