【技术实现步骤摘要】
一种基于视频流的智能交通信号灯故障识别方法
[0001]本专利技术涉及计算机视觉与深度学习
,具体涉及一种基于视频流的智能交通信号灯故障识别方法。
技术介绍
[0002]在城市交通管理中,交通信号灯对交通流的控制和引导起着至关重要的作用,一旦发生错误,会对交通安全和城市通行效率带来巨大影响。然而,城市交通信号灯数量多、分布广,且人工巡检效率低下,使得交通信号灯故障的实时监测工作变得困难,影响交通的正常运行。如何准确、高效地检测交通信号灯的故障状态是当前城市交通管理迫切需要解决的问题。因此,构建实时视频流的交通信号灯故障检测系统,力保当交通信号灯出现故障时,能尽早被发现和处理,是目前提高道路通行效率和市民出行体验最有效的策略。
[0003]目前交通信号灯故障检测主要依靠电子电路检测设备结合人工观察的方式来发现故障。电子电路检测方法需要设计一种交通信号灯故障检测电路,该电路包括对信号灯内部及信号机输出的电压和电流进行检测。缺点是对城市交通信号灯模块的维护和更换成本非常高,包括路口新增检测模块的远程维护和保障工作。且通过信号机输出的检测方式来判断信号灯状态,需要适应不同供电类型和功率类型的信号灯,复杂度高,同时外部供电环境的变化也会影响检测的准确性。
[0004]对于交通信号灯检测和识别的算法从基于手工特征的传统算法已经发展到现阶段应用广泛的基于深度神经网络的相关算法。从2013年提出OverFeat算法,到R
‑
CNN算法,2015年提出的Fast RCNN和YOLO算法,以及后续
【技术保护点】
【技术特征摘要】
1.一种基于视频流的智能交通信号灯故障识别方法,其特征在于,包括如下步骤:步骤1:读取电子警察视频流,获取制作数据集所需的信号灯视频流;步骤2:制作数据集:根据步骤1获取的视频流,使用Python脚本对不同方位的视频流进行拼接以得到数据集;步骤3:改进YOLOv5网络模型,并基于该模型识别信号灯:引入SE
‑
Net注意力机制网络,将SE模块分别嵌入YOLOv5网络的Backbone、Neck、Head三个网络模块中,产生三个新的网络模型SEA_YOLOv5s、SEB_YOLOv5s和SEC_YOLOv5s,具体的:SEA_YOLOv5s中,将SE模块嵌入Backbone网络的BottleneckCSP结构,具体嵌入位置在Conv卷积特征融合Concat的输出端与BN的输入端之间;SEB_YOLOv5s中,将SE模块嵌入Neck网络,具体嵌入位置在每一个Contact模块的输出端与BottleneckCSP2_1的输入端之间;SEC_YOLOv5s中,将SE模块嵌入Head网络,具体嵌入位置在Neck网络的BottleneckCSP2_1输出端与Head网络的YOLO检测头卷积的输入端之间;步骤4:改进YOLOv5网络模型的损失函数,引入焦点损失函数,包含正负样本的权重控制、易分类和难分类样本的权重控制、两种权重控制方法合并;步骤5:训练和验证改进后的YOLOv5网络模型:基于YOLOv5模型以及预训练权重yolov5s.pt,创建模型配置文件并修改训练所需的超参数,进行交通信号灯训练集的训练,最终得到模型检测准确率、召回率最高的权重文件best.pt;步骤6:将权重文件best.pt配置于YOLOv5模型中进行信号灯识别及故障判定。2.根据权利要求1所述的一种基于视频流的智能交通信号灯故障检测方法,其特征在于,所述步骤2中,定义拼接函数为“videopj”,再使用FFmpeg对拼接成功后的视频进行分帧截取,使用LabelImg软件对视频流分帧后的图片中的信号灯的形状特征和颜色特征进行标注,并将标注后的数据集按比例划分为训练集与验证集。3.根据权利要求1所述的一种基于视频流的智能交通信号灯故障检测方法,其特征在于,Backbone网络为主干特征提取网络,为Focus+CSP结构,Focus模块输出端依次连接四组CBL+BottleneckCSP模块,BottleneckCSP模块的输出端均连接至Neck的输入端;Neck网络为加强特征提取网络,为FPN+PAN结构,将SE嵌入每一个Contact模块的输出端;Head网络为分类器与回归器,分类和回归在一个1
×
1卷积里实现,对特征点进行判断,判断特征点是否有物体与其对应。4.根据权利要求1所述的一种基于视频流的智能交通信号灯故障检测方法,其特征在于,所述正负样本的权重控制具体为:生成的候选框中有目标为正样本,否则为负样本,在损失函数前增加一个系数α
t
,范围为[0,1];所述易分类和难分类样本的权重控制具体为:在损失函数的基础上乘以调制系数,调制系数为(1...
【专利技术属性】
技术研发人员:张正华,戚义盛,金志琦,苏权,苏波,李斌,
申请(专利权)人:扬州国脉通信发展有限责任公司,
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。