[發明專利]一種基于深度學習的機動車斑馬線禮讓行人自動審核方法

有效

• 申請號: 201811654791.4
• 申請日: 2018-12-31
• 公開（公告）號: CN110689724B
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 周康明
• 申請（專利權）人: 上海眼控科技股份有限公司
• 主分類號: G08G1/017
• 分類號: G08G1/017;G06V20/52;G06V40/10;G06V10/26
• 代理公司: 上海大邦律師事務所 31252
• 代理人: 熊磊之

1.一種基于深度學習的機動車斑馬線禮讓行人自動審核方法，其特征在于，包括以下步驟：

S1、通過交通路口卡口的視頻采集設備采集三個不同時刻的圖像,每張圖像之間依次相隔1～2秒，還有一張為第一個時刻目標車輛放大之后的特寫圖，利用切分算法切出3張有效圖；

S2、使用行人檢測算法檢測多幀圖片上的多個目標行人；

S3、使用行人重識別算法追蹤三張圖片上的行人，設置id并綁定；

所述步驟S3基于行人的重識別算法，其步驟如下：

S31、使用行人重識別算法提取第一張圖上通過S2行人檢測到的每一個行人的特征；

S32、使用行人重識別算法提取第二張圖上通過S2行人檢測到的每一個行人的特征；

S33、使用行人重識別算法提取第三張圖上通過S2行人檢測到的每一個行人的特征；

S34、通過余弦距離計算出三張證據圖上特征相同的行人，既判斷哪些行人同時出現在了三張證據圖上；

所述的余弦距離計算公式為：

A為算法提取到的目標行人的特征向量，B為提取到的待搜索的行人的特征向量；

S35、對同時出現在三張圖上的行人設置id，并綁定記錄其信息；

S4、根據追蹤到的行人的位置判斷其是否有明顯位移；

S5、使用場景分割算法分割出人行橫道區域的信息，并判斷行人是否在人行橫道區域；

S6、使用車輛檢測算法檢測出抓拍圖上的車輛；

S7、使用車牌識別和車輛重識別算法定位并追蹤三種圖上待審核的車輛;

S8、判斷追蹤的車輛行駛方向與行人位移方向是否有沖突；

S9、判斷第一張照片是否越過停止線，且第二、三張圖片機動車是否有位移并阻擋了行人通過。

2.如權利要求1所述的一種基于深度學習的機動車斑馬線禮讓行人自動審核方法，其特征在于，所述步驟S2中基于深度學習的行人檢測算法，其步驟如下：

S21、對卡口攝像頭采集到的一組圖片進行圖像變換預處理；

S22、將處理后的圖片輸入進神經網絡進行前饋預測，得到行人矩形框；

S23、使用與S22相同的方式處理第二、三張圖片，得到每一張圖片上的行人矩形框，并記錄保存；

S24、對第一張圖片上的每個行人設置id。

3.如權利要求1所述的一種基于深度學習的機動車斑馬線禮讓行人自動審核方法，其步驟如下：

S41、依次從S3記錄的信息中的每一張圖的容器里取出id相同的行人；

S42、判斷該行人的坐標從圖一到圖二，再從圖二到圖三是否有明顯位移；

S43、迭代判斷容器中的每一個行人是否在證據圖上有明顯位移；

S44、記錄在證據圖上有明顯位移的行人的id、坐標和矩形框信息。

4.如權利要求1所述的一種基于深度學習的機動車斑馬線禮讓行人自動審核方法，其特征在于，所述步驟S5中基于深度學習的場景分割算法，分割出人行橫道區域，其步驟如下：

S51、獲取卡口攝像頭抓拍到的三張車輛違章證據圖；

S52、使用場景分割算法分割得到三張證據圖的特征圖片；

S53、根據特征圖提取出每一張圖片上的人行橫道區域；

S54、判斷S4最終記錄的有明顯位移的行人的坐標區域與人行橫道的坐標區域是否重合，既判斷追蹤的行人是否在人行橫道區域。

5.如權利要求1所述的一種基于深度學習的機動車斑馬線禮讓行人自動審核方法，其特征在于，所述步驟S6中基于深度學習的車輛檢測算法，檢測出證據圖上的所有車輛，其步驟如下：

S61、對卡口攝像頭采集到的一組證據圖片進行圖像變換預處理；

S62、將處理后的圖片輸入進神經網絡進行前饋預測，得到車輛矩形框；

S63、使用與S62相同的方式處理第二、三張圖片，得到每一張圖片上的車輛矩形框，并記錄保存；

S64、對第一張圖片上的每個車輛設置id。