一种基于机器学习的斑马线车辆避让检测方法及系统技术方案

本发明专利技术提供的一种基于机器学习的斑马线车辆避让检测方法，包括对预设人车样本数据库中训练原始人车图像中的行人、车辆进行标记处理，得到若干标记参数；将标记参数输入至训练模型中，采用目标检测算法对训练模型进行训练并得到检测模型；抓拍预设时间段内待测斑马线区域及周围的若干待测人车图像；根据检测模型对若干待测人车图像中的车辆进行检测得到待测车辆图像，根据车辆与斑马线之间的位置关系对待测车辆进行筛选，得到含有已越线车辆图像，根据检测模型对已越线车辆图像进行行人检测。本发明专利技术的一种基于机器学习的斑马线车辆避让检测方法，可以精准的判断出待测人车图像中的车辆是否礼让行人，整个检测过程不再受检测对象行为变化的局限性。

【技术实现步骤摘要】
一种基于机器学习的斑马线车辆避让检测方法及系统
本专利技术涉及智能交通
，尤其涉及一种基于机器学习的斑马线车辆避让检测方法及系统。
技术介绍
随着城市化进程加快，城市人口和机动车急剧增加，地面交通状况变得越来越复杂，人、车、路矛盾日益突出，文明交通难以实现。根据《道路交通安全法》，行人在斑马线区域拥有优先通行权，机动车行驶至附近需主动停下礼让；但在现实生活中，很多机动车在斑马线前难以遵守上述交通法规，导致一系列的人车交通事故频频发生。为了纠正驾驶员的不良行为，市面上涌现了很多关于机动车避让检测方法，传统的检测方法都是简单的抓拍以及人工对比识别，因此传统的车辆避让检测方法存在以下问题：1.检测对象依赖于外在条件，一旦对象发生光照变化、视角变化以及遮挡时，系统无法检测，如：行人弯腰捡拾物品。2.检测对象依赖于外在条件，一旦对象发生光照变化、视角变化以及遮挡时，系统无法检测，如：行人弯腰捡拾物品。综上，现有的车辆避让检测方法的检测结果并不精确且检测过程具有一定的局限性。
技术实现思路
为了克服现有技术的不足，本专利技术的目的之一在于提供一种基于机器学习的斑马线车辆避让检测方法，其能解决现有的车辆避让检测方法的检测结果并不精确且检测过程具有一定的局限性的问题。本专利技术的目的之二在于提供一种基于机器学习的斑马线车辆避让检测系统，其能解决现有的车辆避让检测方法的检测结果并不精确且检测过程具有一定的局限性的问题。本专利技术提供目的之一采用以下技术方案实现：一种基于机器学习的斑马线车辆避让检测方法，包括：样本标记，对预设人车样本数据库中训练原始人车图像中的行人、车辆进行标记处理，得到若干与所述训练原始人车图像对应的含有标记框坐标、标记框宽度以及标记框高度的标记参数；建立检测模型，将所述标记参数输入至训练模型中，采用目标检测算法对所述训练模型进行训练并得到检测模型；获取待测图像，抓拍预设时间段内待测斑马线区域及周围的若干待测人车图像；车辆检测，根据所述检测模型对若干所述待测人车图像中的车辆进行检测得到含有车辆的待测车辆图像，根据车辆与斑马线之间的位置关系对所述待测车辆进行筛选，得到含有已越线车辆图像，其中，所述已越线车辆图像中的车辆与斑马线之间的位置关系为越线；行人移动轨迹判断，根据所述检测模型对所述已越线车辆图像进行行人检测，得到所述已越线车辆图像中的行人图像，对所述已越线车辆图像中的行人图像进行分析得到行人前进方向；车辆违规判断，判断所述已越线车辆图像中的车辆位置是否在所述行人前进方向的预设距离范围内，若是，则所述已越线车辆图像中的车辆违规，若否，则所述已越线车辆图像中的车辆未违规。进一步地，所述行人移动轨迹判断具体为：根据所述检测模型对所述已越线车辆图像进行行人检测，得到已越线车辆图像中的行人图像，当所述已越线车辆图像中的行人图像与车辆图像相邻时，根据所述已越线车辆图像以及关联图像进行分析，得出所述已越线车辆图像中的行人前进方向，所述关联图像为紧邻所述已越线图像且位于所述已越线图像之前的两幅描述行人移动轨迹的图像。进一步地，在所述样本标记之前还包括建立人车样本数据库，采集若干斑马线区域及周围的原始人车图像，并将所述原始人车图像随机分类为训练原始人车图像和测试原始人车图像，存储所述训练原始人车图像和所述测试原始人车图像得到含有若干所述原始人车图像的预设人车样本数据库。进一步地，所述建立人车样本数据库具体包括：视频拆分处理，采集斑马线区域及周围的人车视频，按照预设帧数将所述人车视频拆分成若干原始人车图像，并对所述原始人车图像进行灰度处理；数据库建立，随机选取80％的所述原始人车图像为训练原始人车图像，将剩余的20％的所述原始人车图像为测试原始人车图像，存储训练原始人车图像和所述测试原始人车图像得到预设人车样本数据库。进一步地，所述建立检测模型还包括模型测试，将所述预设人车样本数据库中的测试原始人车图像输入至所述训练模型进行检得到对应的测试预测框，根据损失函数计算所述测试预测框与所述标记框之间的误差并得到所述训练模型的识别准确率，当所述识别准确率达到预设识别率阈值时，所述训练模型即作为检测模型。进一步地，所述获取待测图像具体为：抓拍预设时间段内待测斑马线区域及周围的人车视频，按照预设帧数将所述人车视频拆分为若干人车图像，通过加权平均法对所述人车图像进行灰度处理得到若干待测人车图像。进一步地，所述对预设人车样本数据库中训练原始人车图像中的行人、车辆进行标记处理具体为：分别以矩形框形式将所述训练原始人车图像中的行人、车辆进行标记。本专利技术提供目的之二采用以下技术方案实现：一种基于机器学习的斑马线车辆避让检测系统，包括：样本标记模块，所述样本标记模块用于对预设人车样本数据库中训练原始人车图像中的行人、车辆进行标记处理，得到若干与所述训练原始人车图像对应的含有标记框坐标、标记框宽度以及标记框高度的标记参数；建立检测模型模块，所述建立检测模型模块用于将所述标记参数输入至训练模型中，采用目标检测算法对所述训练模型进行训练并得到检测模型；获取模块，所述获取模块用于抓拍预设时间段内待测斑马线区域及周围的若干待测人车图像；车辆检测模块，所述车辆检测模块用于根据所述检测模型对若干所述待测人车图像中的车辆进行检测得到含有车辆的待测车辆图像，根据车辆与斑马线之间的位置关系对所述待测车辆进行筛选，得到含有已越线车辆图像，其中，所述已越线车辆图像中的车辆与斑马线之间的位置关系为越线；行人移动轨迹判断模块，所述行人移动轨迹判断模块根据所述检测模型对所述已越线车辆图像进行行人检测，得到所述已越线车辆图像中的行人图像，对所述已越线车辆图像中的行人图像进行分析得到行人前进方向；车辆违规判断模块，所述车辆违规判断模块用于判断所述已越线车辆图像中的车辆位置是否在所述行人前进方向的预设距离范围内，若是，则所述已越线车辆图像中的车辆违规，若否，则所述已越线车辆图像中的车辆未违规。进一步地，还包括建立人车样本数据库模块，所述建立人车样本数据库模块用于采集若干斑马线区域及周围的原始人车图像，并将所述原始人车图像随机分类为训练原始人车图像和测试原始人车图像，存储所述训练原始人车图像和所述测试原始人车图像得到含有若干所述原始人车图像的预设人车样本数据库。进一步地，还包括模型测试模块，所述模型测试模块用于将所述预设人车样本数据库中的测试原始人车图像输入至所述训练模型进行检得到对应的测试预测框，根据损失函数计算所述测试预测框与所述标记框之间的误差并得到所述训练模型的识别准确率，当所述识别准确率达到预设识别率阈值时，所述训练模型即作为检测模型。相比现有技术，本专利技术的有益效果在于：本专利技术的一种基于机器学习的斑马线车辆避让检测方法，包括对预设人车样本数据库中训练原始人车图像中的行人、车辆进行标记处理，得到若干与训练原始人车图像对应的含有标记框坐标、标记框宽度以及标记框高度的标记参数；将标记参数输入至训练模型中，采用目标检测算法对训练模型进行训练并得到检测模型；抓拍预设时间段内待测斑马线区域及周围的若干待测人车图像；根据检测模型对若干待测人车图像中的车辆进行检测得到含有车辆的待测车辆图像，根据车辆与斑马线之间的位置关系对待测车辆进行筛选，得到含有已越线车辆图像，其中，已越线车辆图像本文档来自技高网...

【技术保护点】
1.一种基于机器学习的斑马线车辆避让检测方法，其特征在于包括：样本标记，对预设人车样本数据库中训练原始人车图像中的行人、车辆进行标记处理，得到若干与所述训练原始人车图像对应的含有标记框坐标、标记框宽度以及标记框高度的标记参数；建立检测模型，将所述标记参数输入至训练模型中，采用目标检测算法对所述训练模型进行训练并得到检测模型；获取待测图像，抓拍预设时间段内待测斑马线区域及周围的若干待测人车图像；车辆检测，根据所述检测模型对若干所述待测人车图像中的车辆进行检测得到含有车辆的待测车辆图像，根据车辆与斑马线之间的位置关系对所述待测车辆进行筛选，得到含有已越线车辆图像，其中，所述已越线车辆图像中的车辆与斑马线之间的位置关系为越线；行人移动轨迹判断，根据所述检测模型对所述已越线车辆图像进行行人检测，得到所述已越线车辆图像中的行人图像，对所述已越线车辆图像中的行人图像进行分析得到行人前进方向；车辆违规判断，判断所述已越线车辆图像中的车辆位置是否在所述行人前进方向的预设距离范围内，若是，则所述已越线车辆图像中的车辆违规，若否，则所述已越线车辆图像中的车辆未违规。

【技术特征摘要】
1.一种基于机器学习的斑马线车辆避让检测方法，其特征在于包括：样本标记，对预设人车样本数据库中训练原始人车图像中的行人、车辆进行标记处理，得到若干与所述训练原始人车图像对应的含有标记框坐标、标记框宽度以及标记框高度的标记参数；建立检测模型，将所述标记参数输入至训练模型中，采用目标检测算法对所述训练模型进行训练并得到检测模型；获取待测图像，抓拍预设时间段内待测斑马线区域及周围的若干待测人车图像；车辆检测，根据所述检测模型对若干所述待测人车图像中的车辆进行检测得到含有车辆的待测车辆图像，根据车辆与斑马线之间的位置关系对所述待测车辆进行筛选，得到含有已越线车辆图像，其中，所述已越线车辆图像中的车辆与斑马线之间的位置关系为越线；行人移动轨迹判断，根据所述检测模型对所述已越线车辆图像进行行人检测，得到所述已越线车辆图像中的行人图像，对所述已越线车辆图像中的行人图像进行分析得到行人前进方向；车辆违规判断，判断所述已越线车辆图像中的车辆位置是否在所述行人前进方向的预设距离范围内，若是，则所述已越线车辆图像中的车辆违规，若否，则所述已越线车辆图像中的车辆未违规。2.如权利要求1所述的一种基于机器学习的斑马线车辆避让检测方法，其特征在于：所述行人移动轨迹判断具体为：根据所述检测模型对所述已越线车辆图像进行行人检测，得到已越线车辆图像中的行人图像，当所述已越线车辆图像中的行人图像与车辆图像相邻时，根据所述已越线车辆图像以及关联图像进行分析，得出所述已越线车辆图像中的行人前进方向，所述关联图像为紧邻所述已越线图像且位于所述已越线图像之前的两幅描述行人移动轨迹的图像。3.如权利要求1所述的一种基于机器学习的斑马线车辆避让检测方法，其特征在于：在所述样本标记之前还包括建立人车样本数据库，采集若干斑马线区域及周围的原始人车图像，并将所述原始人车图像随机分类为训练原始人车图像和测试原始人车图像，存储所述训练原始人车图像和所述测试原始人车图像得到含有若干所述原始人车图像的预设人车样本数据库。4.如权利要求3所述的一种基于机器学习的斑马线车辆避让检测方法，其特征在于：所述建立人车样本数据库具体包括：视频拆分处理，采集斑马线区域及周围的人车视频，按照预设帧数将所述人车视频拆分成若干原始人车图像，并对所述原始人车图像进行灰度处理；数据库建立，随机选取80％的所述原始人车图像为训练原始人车图像，将剩余的20％的所述原始人车图像为测试原始人车图像，存储训练原始人车图像和所述测试原始人车图像得到预设人车样本数据库。5.如权利要求1所述的一种基于机器学习的斑马线车辆避让检测方法，其特征在于：所述建立检测模型还包括模型测试，将所述预设人车样本数据库中的测试原始人车图像输入至所述训练模型进行检得到对应的测试预测框，根据损失函数计算所述测试预测框与所述标记框之间的误差并得...

【专利技术属性】
技术研发人员：邓立邦，
申请(专利权)人：广东智媒云图科技股份有限公司，
类型：发明
国别省市：广东,44