【技术实现步骤摘要】
本专利技术属于计算机，具体涉及一种车辆检测模型训练和车辆监测方法、装置、设备。
技术介绍
1、随着社会对慢行交通的重视程度，政府部门对慢行交通的重视程度也在逐年提高。然而，当下机动车违规侵入和占用非机动车道给城市交通带来了很大的麻烦，因此，有必要对非机动车道上的机动车辆进行检测。
2、目前，随着计算机视觉领域的逐步发展，现有技术中存在一些目标检测算法，这些算法均采用深度学习技术，如卷积神经网络、yolo神经网络，虽然这些算法已经在准确性、鲁棒性和适应性方面取得了显著的进步，能够更好地应对光照变化、复杂背景、遮挡和多目标场景。但是，现有的目标检测算法并不适用于慢行交通系统，因此，亟需提供一种能够面向慢行交通系统的车辆检测模型。
技术实现思路
1、为了解决
技术介绍
中的至少一个技术问题，本专利技术提出了一种车辆检测模型训练和车辆监测方法、装置、设备，用以针对慢行交通系统，能够提高模型检测精度，从而提供准确、稳定可靠的慢行交通数据。
2、根据本专利技术的第一个方面，本专利技...
【技术保护点】
1.一种车辆检测模型训练方法，其特征在于，包括：
2.根据权利要求1所述的车辆检测模型训练方法，其特征在于，所述对所述非机动车道视频数据进行预处理，得到视频图像序列，并制成视频数据集，包括：
3.根据权利要求1所述的车辆检测模型训练方法，其特征在于，所述根据预设划分类别对所述视频数据集内图片进行标注，每张图片生成对应的标签，包括：
4.根据权利要求1所述的车辆检测模型训练方法，其特征在于，所述根据标注后的视频数据集对所述初始检测模型进行训练，直至获得满足预设条件的车辆检测模型，包括：
5.一种车辆监测方法，其特征在于，包
6...
【技术特征摘要】
1.一种车辆检测模型训练方法，其特征在于，包括：
2.根据权利要求1所述的车辆检测模型训练方法，其特征在于，所述对所述非机动车道视频数据进行预处理，得到视频图像序列，并制成视频数据集，包括：
3.根据权利要求1所述的车辆检测模型训练方法，其特征在于，所述根据预设划分类别对所述视频数据集内图片进行标注，每张图片生成对应的标签，包括：
4.根据权利要求1所述的车辆检测模型训练方法，其特征在于，所述根据标注后的视频数据集对所述初始检测模型进行训练，直至获得满足预设条件的车辆检测模型，包括：
5.一种车辆监测方法，其特征在于，包括：
<...【专利技术属性】
技术研发人员：顾涛，胡莹，王书灵，郑伟，荆禄波，初众甫，仝硕，卢霄霄，曹宇，苏楦雯，金一，李浥东，王涛，黄金，
申请(专利权)人：北京交通发展研究院，
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。