【技术实现步骤摘要】
本专利技术涉及交通违法行为检测，具体涉及一种基于人脸质量优化的非机动车闯红灯检测方法。
技术介绍
1、随着城市交通的不断发展，非机动车成为城市交通中不可或缺的一部分。非机动车闯红灯行为时有发生，给交通安全和秩序带来了严重的隐患。传统的手工巡逻或固定式监控系统往往无法有效检测和记录这些违法行为，因此需要一种高效、准确的非机动车闯红灯检测系统。
2、近年来，随着远景近景摄像头、人工智能检测等技术的快速发展，利用这些技术实现非机动车闯红灯检测成为可能。远景近景摄像头联动提供了更全面的交通场景信息，而人工智能检测算法能够高速、准确地识别非机动车辆和行人，为闯红灯行为提供有效证据。
3、中国专利cn116631178a中公开了一种基于机器视觉和神经网络的行人闯红灯检测系统和方法，其基于机器视觉和神经网络技术，实现了对行人或者车辆闯红灯的监测；此类现有技术存在拍摄人脸质量不足，难以获取清晰的人脸证据的问题；其次，缺乏近远景摄像头的联动，导致无法获得足够的证据链，包括闯红灯证据和人脸证据，更进一步地，现有技术在实时性方面也存在挑战，采样频率较高导致处理速度较慢。鉴于此，本专利技术提出了一种基于人脸质量优化的非机动车闯红灯检测方法。
技术实现思路
1、本专利技术的目的在于提供一种基于人脸质量优化的非机动车闯红灯检测方法以解决
技术介绍
中所提出的问题；本专利技术综合应用远景近景摄像头联动和人脸质量筛选模型，在提供完整证据链的同时，优化了证据链的准确度和人脸证据的清晰度，从而提高
2、为了实现上述目的，本专利技术采用了如下技术方案：
3、一种基于人脸质量优化的非机动车闯红灯检测方法，包括以下步骤：
4、s1、通过前台系统实时显示监控信息，用户在前台页面中输入检测路段的近景摄像头和远景摄像头路径ip、红绿灯坐标以及撞线坐标；
5、s2、后台系统根据用户所输入的近、远景摄像头路径获取实时近、远景视频流；
6、s3、根据远景视频流中的红绿灯坐标，利用坐标位置色域占比检测当前红绿灯状态，判断当前时刻是否为红灯，若为红灯则执行s4；若为绿灯则继续读取视频流；
7、s4、对远景视频流中的闯红灯行为进行检测，判断是否存在闯红灯行为；若存在，则进入s6；
8、s5、对近景摄像头进行追踪，并通过人脸质量检测算法从中筛选出人脸质量最高的近景人脸图像；
9、s6、根据s5中所得人脸图像对s4中识别出的闯红灯行为进行reid，得到当前目标的近景人脸证据
10、s7、将s4中所得的远景的闯红灯证据与s6中所得的近景的人脸证据形成完整证据链，保存并返回前台系统。
11、优选地，s2中所述视频流获取采用每秒8帧的视频流采样方式，以提升检测的实时性。
12、优选地，s4中所述闯红灯行为检测优化了撞线的判断方式，在提升速度的同时确保了判断的准确性，具体包括如下内容：
13、a1、利用coco数据集以及开源的非机动车数据集对yolov5m模型进行优化，通过优化后的yolov5m检测算法对远景场景中的非机动车目标进行识别和定位；yolov5m模型相对于其他目标检测模型有着较高的准确度，且能达到46fps的检测处理速度，在保证准确度的同时，满足该方法的实时性，能够快速捕捉到远景摄像头中的潜在闯红灯目标；优化后的模型能够同时检测到非机动车上的人和非机动车本身，通过双重检测的方式进一步提高检测的准确度，有效减少漏检的情况。通过该步骤，系统能够准确地检测出远景中的闯红灯非机动车目标。
14、a2、sort算法能够根据目标的外观特征和运动轨迹，准确跟踪并更新目标的位置信息，对sort追踪算法的iou计算进行优化，利用优化后的sort追踪算法对闯红灯目标进行持久化追踪，具体为：引入动态更新的尺度信息参数s，设图像宽高分别为wimg和himg，检测目标的宽高为wobj和hobj，参数s的计算方式如下：
15、
16、基于上式，优化后的iou计算方式为：
17、iou’＝iou*s
18、上式中，目标参数s值越大，则检测框越小，iou随着检测框大小同步进行调整以减少目标跟丢的情况；优化后的iou计算能够更好的适应每秒8帧的检测频率，解决了机动车小目标跳帧跟丢的问题，同时能够确保目标在视频序列中的连续性，提高了追踪的准确性和鲁棒性。
19、a3、在追踪过程中，分析非机动车的运动轨迹，设计三根撞线检测规则：当非机动车目标撞到某根线时，系统记录该非机动车的撞线时间和撞线图像，具体撞线判断条件为：检测追踪框与预设的撞线是否存在交集；
20、a4、根据交通规则，当非机动车依次撞到预设的三根撞线时，判定其闯红灯行为成立，保证了闯红灯检测结果的准确性。
21、优选地，所述s5具体包括如下内容：
22、b1、利用yolo目标检测算法对近景摄像头捕捉到的非机动车目标、行人进行识别和定位，完成近景目标检测工作；
23、b2、通过优化后的sort追踪算法基于目标的外观特征和运动轨迹进行跨帧匹配，其中人脸质量评估模块能够对在追踪期间捕获的目标进行人脸质量评估，评估结果用于选择人一系列行动中人脸质量最高的一帧图像；
24、b3、通过时间约束和行动轨迹约束对b2中得到的近景候选队列进行筛选；
25、b4、使用reid技术对从筛选后的近景目标候选队列中选出与远景闯红灯目标最接近的目标；
26、b5、获取近景摄像头中行为者的人脸证据。
27、与现有技术相比，本专利技术提供了一种基于人脸质量优化的非机动车闯红灯检测方法，具备以下有益效果：
28、(1)本专利技术引入了近远景摄像头的联动，以获取更全面的证据链，包括闯红灯证据和清晰的人脸证据。
29、(2)本专利技术通过减少采样频率来加快处理速度，有效提高了实时性；
30、(3)本专利技术通过撞线优化来提升检测的准确性；
31、(4)本专利技术引入了人脸质量筛选，以确保获取清晰的人脸证据。
32、综上所述，本专利技术在远近景摄像头联动、实时性和人脸质量优化方面具有显著的优势。通过此技术，交通管理部门能够更准确地追踪和记录非机动车闯红灯行为，提高交通安全水平，维护行车秩序，为城市交通管理带来新的突破。
本文档来自技高网...【技术保护点】
1.一种基于人脸质量优化的非机动车闯红灯检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人脸质量优化的非机动车闯红灯检测方法，其特征在于，S2中所述视频流获取采用每秒8帧的视频流采样方式。
3.根据权利要求1所述的基于人脸质量优化的非机动车闯红灯检测方法，其特征在于，S4中所述闯红灯行为检测，具体包括如下内容：
4.根据权利要求3所述的基于人脸质量优化的非机动车闯红灯检测方法，其特征在于，所述S5具体包括如下内容：
【技术特征摘要】
1.一种基于人脸质量优化的非机动车闯红灯检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人脸质量优化的非机动车闯红灯检测方法，其特征在于，s2中所述视频流获取采用每秒8帧的视频流采样方式。
3....
【专利技术属性】
技术研发人员：院旺，黄伟达，黄子轩，陈烧泉，
申请(专利权)人：杭州智科通智能科技有限公司，
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。