【技术实现步骤摘要】
本专利技术涉及一种基于多模态时空特征融合的交通行为实时识别方法，属于图像处理。
技术介绍
1、随着城市交通系统的快速发展，交通流量日益增长，道路交通安全问题日益突出。尤其在城市交叉路口、学校周边、商圈等交通高密度区域，存在大量潜在的交通安全隐患，其中最常见的包括行人闯红灯、不按交通信号通行、非机动车随意穿行、机动车压线越线等不规范行为。此类复杂行为往往发生突然，具有隐蔽性和高风险性，是诱发交通事故的主要因素之一。因此，如何对上述交通参与者的异常行为进行高效、准确、实时的检测和预警，已成为智能交通系统研究中的关键问题。
2、目前，在交通行为检测领域，传统方法大多依赖单一模态的视觉信息分析，主要通过布设监控摄像头采集视频数据，结合目标检测、目标跟踪等计算机视觉技术，对特定区域内的目标进行识别与分析。这类方法在静态场景下具有一定应用价值，但面对复杂动态交通环境时，往往存在识别准确率不高、对环境变化鲁棒性差、缺乏语义理解能力等问题。例如，系统可能无法区分在红灯状态下正常等待的行人与违规穿越斑马线的行人，导致误报或漏报情况频繁发生。<...
【技术保护点】
1.一种基于多模态时空特征融合的交通行为实时识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的多模态时空特征融合的交通行为实时识别方法，其特征在于，所述步骤2的数据收集过程包括：通过安装在路口的摄像机实时采集交通视频流和场景图像，同时通过信号控制系统获取同步的交通信号灯状态(红/黄/绿)；对视频帧进行图像增强和去噪处理，然后使用深度目标检测算法对视频帧中行人、车辆、非机动车等目标进行检测，获取目标的边界框信息；基于多目标跟踪算法关联检测结果，得到每个目标在连续帧中的时空轨迹。
3.根据权利要求1所述的多模态时空特征融合的交通行为实时...
【技术特征摘要】
1.一种基于多模态时空特征融合的交通行为实时识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的多模态时空特征融合的交通行为实时识别方法，其特征在于，所述步骤2的数据收集过程包括：通过安装在路口的摄像机实时采集交通视频流和场景图像，同时通过信号控制系统获取同步的交通信号灯状态(红/黄/绿)；对视频帧进行图像增强和去噪处理，然后使用深度目标检测算法对视频帧中行人、车辆、非机动车等目标进行检测，获取目标的边界框信息；基于多目标跟踪算法关联检测结果，得到每个目标在连续帧中的时空轨迹。
3.根据权利要求1所述的多模态时空特征融合的交通行为实时识别方法，其特征在于，所述步骤3的时序-空间感知模块对于预处理后的每个目标，在其时序图像序列上提取视觉时空特征；一方面，对于单帧图像使用深度卷积神经网络提取空间语义特征；另一方面，针对连续帧序列应用循环神经网络进行编码，以捕获目标运动的时间动态；
4.根据权利要求1所述的多模态时空特征融合的交通行为...
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。