【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种基于深度学习的车辆闯红灯监测方法和系统。
技术介绍
1、随着城市化进程的加快，车辆数量急剧增加，交通拥堵和交通违法行为成为城市管理的重要问题之一。闯红灯行为是发生频率高且危害性严重的违法行为，其可能带来的高撞击风险、多车连锁反应、高致死率和重伤率等对道路安全和社会公共安全构成了重大威胁。传统的车辆闯红灯监测方法主要依赖于人工监控和电子眼监控系统，人工监控需要大量人力物力，成本高且监控效率低，受限于监控人员的疲劳程度和注意力集中度，难以做到24小时不间断监控，出现误判和漏检问题。电子眼监控系统则依赖于地面下的感应线圈，具有施工复杂性和维护成本高等问题。
2、目前深度学习技术已被广泛应用于交通治理中，最常见的是yolo系列目标检测算法。然而，已有的闯红灯检测中的目标检测算法大多使用其初始网络结构与权重，不一定适用于特定的交通监控场景且存在误检漏检的概率较高。
技术实现思路
1、为了克服现有技术的不足，本专利技术提供了一种基于深度学习的车辆闯红灯监...
【技术保护点】
1.基于深度学习的车辆闯红灯监测方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，检测区域包括：第一区域：待监测车辆的停止线范围区域；第二区域：路口中间范围区域；第三区域：目标车辆即将驶入的对面路口区域。
3.根据权利要求1所述的方法，其特征在于，对车辆是否闯红灯进行判断，判断依据为：红灯显示期间，第一区域、第二区域、第三区域均识别到了同一目标车辆，则该车存在闯红灯行为；若第一区域、第二区域识别到或只有第一区域识别到同一目标车辆，则不判定为完整的闯红灯行为。
4.基于深度学习的车辆闯红灯监测系统，用于实...
【技术特征摘要】
1.基于深度学习的车辆闯红灯监测方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，检测区域包括：第一区域：待监测车辆的停止线范围区域；第二区域：路口中间范围区域；第三区域：目标车辆即将驶入的对面路口区域。
3.根据权利要求1所述的方法，其特征在于，对车辆是否闯红灯进行判断，判断依据为：红灯显示期间，第一区域、第二区域、第三区域均识别到了同一目标车辆，则该车存在闯红灯行为；若第一区域、第二区域识别到或只有第一区域识别到同一目标车辆，则不判定为完整的闯红灯行为。
4.基于深度学习的车辆闯红灯监测系统，用于实施权利要求1-4任意一项所述的基于深度学习的车辆闯红灯监测方法，其特征在...
【专利技术属性】
技术研发人员：阚希，刘旭，周舟，张永宏，王泉，朱灵龙，曹燚，吴昊，娄琼丹，朱雪金，龙鹏燕，
申请(专利权)人：无锡学院，
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。