[發明專利]一種高速公路出入口的行人預警方法及系統

在審

• 申請號: 201711360946.9
• 申請日: 2017-12-18
• 公開（公告）號: CN108563977A
• 公開（公告）日: 2018-09-21
• 發明（設計）人: 曾德爐;賀鑫
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 王東東

本發明公開了一種高速公路出入口的行人預警方法及系統，包括收集行人數據集并制作樣本標簽文件作為訓練樣本，用卷積神經網絡方法從訓練樣本中提取行人的特征；根據提取的行人特征迭代訓練區域建議網絡和目標檢測網絡，得到行人檢測網絡模型；實時拍攝公路路況視頻并送入訓練好的行人檢測網絡模型，得到行人目標概率和目標邊框，則立即報警并提示行人位置信息。本發明在進行實時行人檢測的同時確定行人的數量及地理位置，在遠距離情況下，檢測速度快，準確率高，這樣不僅提高高速公路突發事件處理的效率，并且能夠避免引入額外的誤差，保證了處理的精準性。

技術領域

本發明涉及視頻物體檢測領域，具體涉及一種高速公路出入口的行人預警方法及系統。

背景技術

隨著我國高速公路事故嚴重程度逐年增加，目前已上升居世界第二。交通事故每死亡11人，就有1人死于高速公路，傷亡人數占公路交通事故比例逐年提高。高速公路致死率與死傷比要比國道分別高出15.4％和22.2％。因此，準確把握交通運行狀態并及時檢測出異常情況，對于交通管理和制定應急策略很有必要性。

降低高速公路交通事故發生率，關鍵之一是要保證高速公路上只有車輛。如果有人因沒有注意到潛在的危險而不小心進入高速公路，交通管理系統可以通過行人預警提醒交通管理者和附近的車輛。也就是說，如果監控系統或汽車攝像頭可以捕獲行人信息并及時告警，顯然可以有效減少事故的發生。目前國內外存在的交通異常狀態判別算法主要包括統計算法、平滑濾波算法、突變理論和人工智能事件檢測算法等，其中統計算法、平滑濾波算法、突變理論算法的可移植性比較差，結果并不令人滿意。人工智能算法在近年來得到極大的發展，特別是深度學習的研究熱潮這兩年席卷而來，然而目前深度學習方法應用在高速公路交通運行狀態的劃分還不夠細致，并且由于高速公路對速度和準確率要求極高的特殊性，制約著智能交通系統的發展。

發明內容

為了克服現有技術存在的缺點與不足，本發明提供一種高速公路出入口的行人預警方法及系統。

本發明采用如下技術方案：

一種高速公路出入口的行人預警方法，包括：

收集行人數據集并制作樣本標簽文件作為訓練樣本；

用卷積神經網絡方法從訓練樣本中提取行人的特征；

根據提取的行人特征迭代訓練區域建議網絡和目標檢測網絡，得到行人檢測網絡模型；

實時拍攝公路路況視頻并送入訓練好的行人檢測網絡模型，一旦檢測到較高的行人目標概率和目標邊框，則立即報警并提示行人位置信息。

所述樣本標簽文件為彩色圖像，每張圖像至少包含一個行人，樣本標簽文件為1000張。

所述卷積神經網絡方法，包括一個神經元接收其它n個神經元的輸入信息，通過帶權值的連接傳遞信息，輸入之和再與臨界值進行比較，最后用激活函數處理輸出的單個神經元工作模式；

采用的一個輸入層、一個輸出層、多個隱含層的神經網絡架構；

相鄰層之間的神經元采用部分連接而不是全連接，進行局部區域感知和權值共享。

所述激活函數，采用的是ReLu，公式如下：

max(0,x)是目前最符合生物神經激活的函數模型，當輸入x小于0處于抑制態，當x大于0呈線性激活態，帶有單側抑制效果和稀疏性質。

所述局部區域感知和權值共享，包括：

采用一定大小的局部感知野的局部連接網絡，減少權值參數個數；

在圖像的部分不同區域采用同一個卷積核，共享權值參數。

根據提取的行人特征迭代訓練區域建議網絡和目標檢測網絡，具體為：