【技术实现步骤摘要】
一种基于深度学习的高速公路实时预警方法及系统
[0001]本专利技术属于高速公路预警领域，尤其涉及一种基于深度学习的高速公路实时预警方法及系统。
技术介绍
[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]由于各种不确定因素的影响，导致在高速公路实际运营过程中常常发生各种各样的交通事故，给高速公路的运营和安全管理带来了严重影响。高速公路连环相撞事故屡见不鲜，其中很多是在大雾天气时车辆未适时降速造成的。高速公路事故预警系统，是为保障高速公路行车安全而设置的，
[0004]高速公路的快速发展,为车辆运营提供了良好的行车条件,极大地改善了道路交通运输状况，给人民出行带来方便。但随之而来的交通事故也在明显增加,给国家和人民的生命财产造成了严重危害和损失。近年来，高速公路上，一次事故、重特大二次事故时有发生，给道路交通安全管理工作带来很大的压力。其中，二次事故多发，其造成的损失往往比一次事故更加严重，直接威胁到初次事故逃生者、事故救援人员和现场勘查人员的生命安全。
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的高速公路实时预警方法，其特征在于，该方法在智能芯片内实现，包括：获取高速公路多个方向的实时视频数据；基于智能芯片内的神经网络模型同时识别多个方向的实时视频数据，得到高速公路事件识别结果；根据高速公路事件识别结果向预警装置发出预警信号，同时将预警信号发送至后台服务器，由后台服务器发送至预警区域客户端进行行车诱导。2.如权利要求1所述的基于深度学习的高速公路实时预警方法，其特征在于，所述智能芯片包括：视频输入模块，用于接收高速公路多个方向的实时视频数据；视频处理子系统模块，用于将高速公路多个方向的实时视频数据分解为基础视频数据和扩展视频数据；智能视频引擎模块，用于将当前扩展视频数据中的图像帧数据转化为神经网络模型相匹配的图像格式的帧数据；神经网络加速引擎模块，用于获取格式转化后的帧数据，通过神经网络模型识别，得到高速公路车辆类别、对应事件类别及车辆轮廓坐标位置信息；视频图形子系统模块，用于获取基础视频数据，再基于高速公路车辆类别、对应事件的类别及车辆轮廓坐标位置信息，在基础视频数据中勾画出识别高速公路车辆的轮廓框。3.如权利要求2所述的基于深度学习的高速公路实时预警方法，其特征在于，基础视频数据保持原始视频数据的分辨率。4.如权利要求2所述的基于深度学习的高速公路实时预警方法，其特征在于，扩展视频数据的分辨率与神经网络加速引擎模块内的神经网络模型相匹配。5.如权利要求2所述的基于深度学习的高速公路实时预警方法，其特征在于，所述视频处理子系统模块、智能视频引擎模块、神经网络加速引擎模块和视频图形子系统模块间进行多线程并行操作；其中，视频处理子系统模块、神经网络加速引擎模块和视频图形子系统模块间进行VitoVo线程操作...
【专利技术属性】
技术研发人员：杨哲，王晓东，耿健，王大鹏，孙思芹，于文强，袁继伟，
申请(专利权)人：山东奥邦交通设施工程有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。