一种基于深度学习的机动车违法行驶检测及抓拍方法技术

本发明专利技术公开了一种基于深度学习的机动车违法行驶检测及抓拍方法，包括以下操作步骤：S1：建立多个机动车监控识别系统，并分别安装在不同的路口对过往车辆进行检测识别；S2：获取车辆行驶参数；S3：数据整合；S4：深度学习，将基础数据库数中的数据与中心数据库中的同类型的数据进行同步。本发明专利技术通过将各区域的机动车监测系统的基础数据库上传至中心数据库中进行数据整合，将有关违法的车辆行驶参数的范围进行扩充，同时能够利用其他区域内的基础数据对未发现的违法相关参数进行补充，提高违法行驶参数的全面性以及数据的准确性，对不同区域内的行驶违法判断标准提供更多依据，提高机动车违法行驶的检测准确性。

A Method of Detecting and Capturing Illegal Driving of Motor Vehicles Based on Deep Learning

The invention discloses a method for detecting and capturing illegal driving of motor vehicles based on in-depth learning, which includes the following operation steps: S1: establishing multiple vehicle monitoring and recognition systems, and installing them at different intersections to detect and identify passing vehicles; S2: acquiring vehicle driving parameters; S3: data integration; S4: in-depth learning, and data and center in the number of basic databases. Synchronization of the same type of data in the database. By uploading the basic database of the motor vehicle monitoring system of each region to the central database for data integration, the scope of the driving parameters related to the violation of the law is expanded, and at the same time, the basic data in other regions can be used to supplement the relevant parameters of the violation that have not been found, so as to improve the comprehensiveness of the driving parameters and the accuracy of the data, and to different regions. The criteria for judging illegal driving in the region provide more basis to improve the accuracy of detection of illegal driving of motor vehicles.

【技术实现步骤摘要】
一种基于深度学习的机动车违法行驶检测及抓拍方法
本专利技术属于机动车检测
，具体涉及一种基于深度学习的机动车违法行驶检测及抓拍方法。
技术介绍
随着城市汽车保有量快速增长，城市道路空间的局限性，交通违法行为也越来越频发，压实线、跨线变道、逆行等交通违法行为不仅影响了正常的交通秩序，而且可能酿成严重的交通事故。现有的机动车违法检测通常采用视频识别技术对车辆的行驶参数进行提取，并将提取后的参数与系统内存储的基础数据进行对比判断，来辨别机动车是否存在违法现象。基础数据由于参数少、参数范围小等原因，容易造成误判的现象，不利于提高机动车违法检测的准确性。因此，有必要提出一种基于深度学习的机动车违法行驶检测及抓拍方法，通过不断丰富基础数据的参数种类和参数范围，提高违法行驶检测精度。
技术实现思路
本专利技术的目的在于提供一种基于深度学习的机动车违法行驶检测及抓拍方法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种基于深度学习的机动车违法行驶检测及抓拍方法，包括以下操作步骤：S1：建立多个机动车监控识别系统，并分别安装在不同的路口对过往车辆进行检测识别；S2：获本文档来自技高网...

【技术保护点】
1.一种基于深度学习的机动车违法行驶检测及抓拍方法，其特征在于：包括以下操作步骤：S1：建立多个机动车监控识别系统，并分别安装在不同的路口对过往车辆进行检测识别；S2：获取车辆行驶参数，每个路口的监控识别系统分别将获取的车辆行驶参数保存在各自存储数据库中，并将获取的车辆行驶参数与基础数据库中保存的基础数据进行对比，判断车辆是否存在违法行为；S3：数据整合，各个监控识别系统分别将各自系统中的基础数据库上传至中心数据库中，由中心数据库对各个基础数据库中的数据进行分析、整合处理，并保存在中心数据库中；S4：深度学习，将基础数据库数中的数据与中心数据库中的同类型的数据进行同步，同时将中心数据库中其他类...

【技术特征摘要】
1.一种基于深度学习的机动车违法行驶检测及抓拍方法，其特征在于：包括以下操作步骤：S1：建立多个机动车监控识别系统，并分别安装在不同的路口对过往车辆进行检测识别；S2：获取车辆行驶参数，每个路口的监控识别系统分别将获取的车辆行驶参数保存在各自存储数据库中，并将获取的车辆行驶参数与基础数据库中保存的基础数据进行对比，判断车辆是否存在违法行为；S3：数据整合，各个监控识别系统分别将各自系统中的基础数据库上传至中心数据库中，由中心数据库对各个基础数据库中的数据进行分析、整合处理，并保存在中心数据库中；S4：深度学习，将基础数据库数中的数据与中心数据库中的同类型的数据进行同步，同时将中心数据库中其他类型参数的也同步至监控识别系统中的补充数据库中，用于辅助判断机动车违法行使行为。2.根据权利要求1所述的一种基于深度学习的机动车违法行驶检测及抓拍方法，其特征在于：步骤S1中机动车监控识别系统包括高清摄像头、监控处理主机、电源和通讯...

【专利技术属性】
技术研发人员：许翔，
申请(专利权)人：合肥市智信汽车科技有限公司，
类型：发明
国别省市：安徽,34