一种基于视觉识别和深度神经网络的通行系统及其方法技术方案

本发明专利技术公开一种基于视觉识别和深度神经网络的通行系统，包括依次连接的视觉识别系统、分析系统、执行机构；所述分析系统包括大型机、控制中心，所述大型机包括深度神经网络结构，所述深度神经网络结构用于接收分类信号并根据分类信号对行人和车辆进行分析以通行时间最短为优化目标，计算执行机构各种工况的权值大小；所述控制中心用于接收大型机传输的权值信息，并根据权值信息控制所述执行机构的工况。通过所述视觉识别系统行人和车辆进行图片采集和分类，所述分析系统对分类信息进行分析计算得到通行时间最短的通行方式，所述执行机构根据分析系统的结论调整工况类型，使行人和车辆以最短的时间通过，舒缓交通压力。

【技术实现步骤摘要】
一种基于视觉识别和深度神经网络的通行系统及其方法
本专利技术属于智能交通
，尤其涉及一种基于视觉识别和深度神经网络的通行系统及其方法。
技术介绍
随着城市化进程的不断加快和人们生活水平的提高，城市人口和车辆越来越多，城市交通也显地越发拥堵。为保证道路汽车的快速通行，以及行人和如自行车、小推车等小型车辆的快速和安全的通过马路，一般采用在道路上方建设固定的桥梁，随着人工智能的兴起，基于大数据技术的发展人工智能在图像识别、最优化策略方面得到大量应用。中国CN201710970836.8号专利公开了一种基于图像处理的智能交通控制系统，包括依次连接的视频数据获取模块、交通数据处理模块、道路交通状态判别模块以及道路交通状态发布模块，交通数据处理模块包括用于检测行人数量的行人检测模块，还包括车辆检测模块，车辆检测模块包括车辆计数模块以及车辆识别模块；一种基于图像处理的智能交通控制方法，包括以下步骤：采集道路交通图像数据，将采集到的图像数据分成车辆图像数据以及行人图像数据，并分析处理得到具体的车辆数量数据以及车辆种类数据以及行人数量数据，然后根据预定的通行规则对上述数据进行分析并结合交通路段通行状态得到最终的决策信息，继而对交通灯进行智能的控制，防止堵塞，保证道路的通畅运行。该系统仅能通过控制红绿灯的变化调节交通压力，不能根据路口的堵塞状态改变道路结构对行人和车辆进行疏导使其快速通过，适用范围较窄。中国CN201711144185.3号专利提供了一种多路摄像头深度学习的停车场智能管理系统，包括：服务器端，包括：数据采集模块，通过采用多路摄像头采集停车场的车辆以及停车场停车位边界的各个方位的视频和/或图像数据；网络传输模块，用于将采集到的车辆视频和/或图像数据上传至后台计算模块；以及后台计算模块，用于停车车辆信息的处理，包括：深度学习模型训练子模块以及车辆行为判断子模块，提高了神经网络识别率与稳定性，并具有适应性强、安装使用方便、价格便宜、抗电磁干扰能力强等优点。该系统中的深度学习算法仅对车辆类型、数量、停车位等信息进行运算，然后将车辆与停车位进行匹配，运算方式较为简单，在发生拥堵的情况下不能起到疏导交通的作用。现有的在城市交通中，行人或者车辆穿过马路一般在马路上搭建固定的桥梁，通常在上、下面间建造阶梯或斜坡面的方式方便行人和如自行车、推车、摩托车等车辆通过，传统通行方式存在较多缺陷，如：通行方式固定不易拆除和移动，通过类型单一通用性较差，在发生堵塞的情况下不能根据行人和车辆的比例合理调整阶梯和斜坡面的状态，提供最短的通行方案，改装和维护困难。因此，急需设计一种基于视觉识别和深度神经网络的通行系统及其方法以解决上述问题。
技术实现思路
本专利技术的目的是针对现有技术存在的问题，提供一种基于视觉识别和深度神经网络的通行系统及其方法，通过所述视觉识别系统对行人和车辆进行图片采集和分类，所述分析系统对分类信息进行分析计算得到通行时间最短的通行方式，所述执行机构根据分析系统的结论调整工况类型，使行人和车辆以最短的时间通过，以解决城市路口越障时通行不便，改善城市交通拥堵的问题。为实现上述目的，本专利技术采用的技术方案是：本专利技术提供一种基于视觉识别和深度神经网络的通行系统，包括依次连接的视觉识别系统、分析系统、执行机构；所述视觉识别系统包括用于采集图像信号的图像采集单元、用于将图像信息进行分解提取图像特征并根据图像特征对图像进行分类并将分类信号传输给所述分析系统的云服务器；所述分析系统包括大型机、控制中心，所述大型机包括深度神经网络结构，所述深度神经网络结构用于接收分类信号并根据分类信号对行人和车辆进行分析以通行时间最短为优化目标，计算执行机构各种工况的权值大小；所述控制中心用于接收大型机传输的权值信息，并根据权值信息控制所述执行机构的工况；执行机构包括踏板可调的台阶装置、一端与所述台阶装置连接用于调节各踏板角度另一端与所述控制中心连接的调节装置，执行机构包括仅供行人通过、仅供车辆通过、仅行人和小型车辆通过三种工况类型。本专利技术适用行人、车辆较多、较拥堵的地方代替固定楼梯供行人和车辆快速通行。通过所述图像采集单元采集行人和小型车辆的图像信息，所述云服务器将图像信息进行分解成成行人和车辆信息，提取行人和车辆图像特征并根据图像特征对图像进行分类并将分类信号传输给所述大型机；所述大型机包含深度神经网络结构模型，开发得到深度学习算法，根据分类信号对行人和车辆进行分析，以通行时间最短为优化目标，计算执行机构各种工况的权值大小，所述控制中心根据所述大型机分析计算得到的最短通行时间的权值信息控制所述执行机构调整工况；所述执行机构包括仅供行人通过、仅供车辆通过、仅行人和小型车辆通过三种工况类型，所述执行机构为一种模块化爬梯，所述台阶装置的踏板的角度可调，所述踏板面能够与地面平行，以楼梯的状态供行人通过，所述踏板转动一定的角度，使各踏板在同一平面上形成斜坡面供小型车辆通过，所述踏板还可以一部分为斜坡面一部分为楼梯状态，供行人和小型车辆同时通过。本专利技术基于视觉识别和深度神经网络分析计算得到行人和车辆的最短通行时间的方案，并控制所述执行机构调整工况状态，满足交通需求，缓解交通压力。所述云服务器还包括信号转换模块，所述的信号转换模块将分类信息转换成数据库处理系统能够识别的数据信号，并将所述数据信号传输给所述大型机。所述图像采集单元为CCD相机。所述CCD相机能够将光线变为电荷并将电荷存储及转移，具有体积小、重量轻、不受磁场影响、具有抗震动和撞击的优异特性。所述大型机还包括数据传输模块，所述数据传输模块用于将权值信息传输给所述控制中心。所述台阶装置包括踏板、设置在所述踏板两端的踏板侧板，所述踏板与所述踏板侧板转动连接。所述调节装置包括电机、与所述电机相连的蜗杆、安装在所述踏板侧板上与所述踏板连接的齿轮、两端分别连接所述蜗杆和齿轮用于传输动力的连接杆。所述电机接收所述控制中心的控制指令，驱动所述蜗杆、齿轮转动从而带动所述踏板转动调整踏板角度，使所述执行机构成阶梯、斜坡面、阶梯和斜坡面相结合的工况状态。所述电机为伺服电机。所述伺服电机可使控制速度，位置精度非常准确，可以将电压信号转化为转矩和转速以驱动所述踏板转动。本专利技术还提供一种基于视觉识别和深度神经网络的通行系统的控制方法，包括以下步骤：A、采集路况图像信号：对路况进行图像采集、图像分解、图像特征提取以及图像分类，将图像特征分为行人和车辆；B、图像分析：对视觉识别系统提取的行人和车辆的特征信息进行具体分析得到车辆类型、车辆数量以及行人类型、行人数量信息，计算三种工况的通行时间，以通行时间最短为优化目标，计算执行机构三种工况的权值大小；C、控制操作：根据计算得到的三种工况的权值大小，对执行机构进行控制。步骤B是通过深度学习算法实现的，所述深度学习算法基于深度神经网络结构来实现，具体步骤为：B1、将视觉识别系统对行人和车辆提取的特征信息作为输入层；B2、隐藏层1根据输入层的信息将行人按每10岁作为一个年龄段对行人进行分类，车辆按车长、车宽、车高分为大型车、中型车和小型车，隐藏层2为执行机构的三种工况，输出层为通行时间；B3、以输出层的通行时间最短为优化目标，计算执行机构三种工况的权值大小。步骤C，根据计算得到本文档来自技高网...

【技术保护点】
1.一种基于视觉识别和深度神经网络的通行系统，其特征在于，包括依次连接的视觉识别系统、分析系统、执行机构；所述视觉识别系统包括用于采集图像信号的图像采集单元(1)、用于将图像信息进行分解提取图像特征并根据图像特征对图像进行分类并将分类信号传输给所述分析系统的云服务器(2)；所述分析系统包括大型机(3)、控制中心(4)，所述大型机(3)包括深度神经网络结构，所述深度神经网络结构用于接收分类信号并根据分类信号对行人和车辆进行分析，以通行时间最短为优化目标，计算执行机构各种工况的权值大小；所述控制中心(4)用于接收大型机(3)传输的权值信息，并根据权值信息控制所述执行机构的工况；执行机构包括踏板(8)可调的台阶装置(6)、一端与所述台阶装置(6)连接用于调节各踏板(8)角度另一端与所述控制中心(4)连接的调节装置(7)，执行机构包括仅供行人通过、仅供车辆通过、仅行人和小型车辆通过三种工况类型。

【技术特征摘要】
1.一种基于视觉识别和深度神经网络的通行系统，其特征在于，包括依次连接的视觉识别系统、分析系统、执行机构；所述视觉识别系统包括用于采集图像信号的图像采集单元(1)、用于将图像信息进行分解提取图像特征并根据图像特征对图像进行分类并将分类信号传输给所述分析系统的云服务器(2)；所述分析系统包括大型机(3)、控制中心(4)，所述大型机(3)包括深度神经网络结构，所述深度神经网络结构用于接收分类信号并根据分类信号对行人和车辆进行分析，以通行时间最短为优化目标，计算执行机构各种工况的权值大小；所述控制中心(4)用于接收大型机(3)传输的权值信息，并根据权值信息控制所述执行机构的工况；执行机构包括踏板(8)可调的台阶装置(6)、一端与所述台阶装置(6)连接用于调节各踏板(8)角度另一端与所述控制中心(4)连接的调节装置(7)，执行机构包括仅供行人通过、仅供车辆通过、仅行人和小型车辆通过三种工况类型。2.根据权利要求1所述的一种基于视觉识别和深度神经网络的通行系统，其特征在于，所述云服务器(2)还包括信号转换模块，所述的信号转换模块将分类信息转换成数据库处理系统能够识别的数据信号，并将所述数据信号传输给所述大型机(3)。3.根据权利要求1所述的一种基于视觉识别和深度神经网络的通行系统，其特征在于，所述图像采集单元(1)为CCD相机。4.根据权利要求1所述的一种基于视觉识别和深度神经网络的通行系统，其特征在于，所述大型机(3)还包括数据传输模块，所述数据传输模块用于将权值信息传输给所述控制中心(4)。5.根据权利要求1所述的一种基于视觉识别和深度神经网络的通行系统，其特征在于，所述台阶装置(6)包括踏板(8)、设置在所述踏板(8)两端的踏板侧板(9)，所述踏板(8)与所述踏板侧板(9)转动连接。6.根据权利要求1所述的一种基于...

【专利技术属性】
技术研发人员：刘德政，李炎，王羽，王中任，林良旭，王友，晏涛，
申请(专利权)人：湖北文理学院，
类型：发明
国别省市：湖北,42