一种基于视频分类的端到端道路拥堵检测算法制造技术

本发明专利技术公开了一种基于视频分类的端到端道路拥堵检测算法，本发明专利技术具体包括以下步骤：S1、首先通过训练数据模块对视频分类，S2、再通过数据预处理模块读取视频，S3、然后通过特征提取模块读取列表中的图片帧，S4、将深层特征组成的列表送入LSTM网络模块中对视频结果进行判定，S5、最后通过训练模块训练卷积神经网络，并加上LSTM神经网络，本发明专利技术涉及深度学习、智能交通事件判定技术领域。该基于视频分类的端到端道路拥堵检测算法，可实现将标记好的视频分类好，即可以训练视频，能够达到较好的实时性，拥有不错的准确率，同时，在整个判定过程中，只需要在训练前将视频分好类别，区分视频是否拥堵，能够很好地应对光线干扰问题。

An end-to-end congestion detection algorithm based on video classification

【技术实现步骤摘要】
一种基于视频分类的端到端道路拥堵检测算法
本专利技术涉及深度学习、智能交通事件判定
，具体为一种基于视频分类的端到端道路拥堵检测算法。
技术介绍
近年来，随着人们生活水平日益提高，物质条件丰富，加快了家用轿车的普及，然而道路车辆激增，往往会引发了一系列交通事件，尤其是交通拥堵事件，已经成为了人们出行难以解决的问题，目前，为了解决此问题，在各大城市中，道路事件的监测主要依靠人工识别，不仅费时费力，还容易混淆。因此对道路拥堵的检测尤为重要，如果能使用计算机，自动将拥堵信息抄送给有关部门，不仅方便交管部门及时对拥堵路段进行疏通，还有助于司机及时对路径规划与修改，帮助他们避免拥堵路段，缓解交通压力，本专利技术涉及深度学习、智能交通事件判定技术。根据视频中连续帧的信息进行分析，判定道路拥堵。专利“201810956994.2”-《一种车辆拥堵检测方法》，该专利是一种基于混合高斯模型建模的拥堵检测方法，主要步骤如下：第一步：采集监控区域的视频数据并进行预处理；第二步：利用混合高斯模型进行背景建模，从原始图像分离出背景像素；第三步：从监控视频图本文档来自技高网...

【技术保护点】
1.一种基于视频分类的端到端道路拥堵检测算法，其特征在于：具体包括以下步骤：/nS1、首先通过训练数据模块对视频分类，将视频打上标签，并生成train和test的列表文件；/nS2、再通过数据预处理模块读取视频，并将读取的帧缩放到固定大小，并归一化存入一个数组中；/nS3、然后通过特征提取模块读取列表中的图片帧，并将得到的新的特征保存为新的列表；/nS4、将深层特征组成的列表送入LSTM网络模块中对视频结果进行判定；/nS5、最后通过训练模块训练卷积神经网络，并加上LSTM神经网络。/n

【技术特征摘要】
1.一种基于视频分类的端到端道路拥堵检测算法，其特征在于：具体包括以下步骤：
S1、首先通过训练数据模块对视频分类，将视频打上标签，并生成train和test的列表文件；
S2、再通过数据预处理模块读取视频，并将读取的帧缩放到固定大小，并归一化存入一个数组中；
S3、然后通过特征提取模块读取列表中的图片帧，并将得到的新的特征保存为新的列表；
S4、将深层特征组成的列表送入LSTM网络模块中对视频结果进行判定；
S5、最后通过训练模块训练卷积神经网络，并加上LSTM神经网络。


2.根据权利要求1所述的一种基于视频分类的端到端道路拥堵检测算法，其特征在于：其系统结构包括：训练数据生成模块(101)、数据预处理模块(102)、模型模块(103)、训练模块(104)和预测模块(105)。


3.根据权利要求2所述的一种基于视频分类的端到端道路拥堵检测算法，其特征在于：所述训练数据生成模块(101)用于根据视频的类别，区分是否拥堵，并从单个视频中提取若干个图片，其中每个视频提取出的图片名格式为“视频名称+帧序号”。

<...

【专利技术属性】
技术研发人员：徐有正，薛全华，王文，
申请(专利权)人：中兴飞流信息科技有限公司，
类型：发明
国别省市：江苏;32