[發(fā)明專利]一種基于深度學(xué)習(xí)的機(jī)動(dòng)車斑馬線禮讓行人自動(dòng)審核方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811654791.4
• 申請(qǐng)日: 2018-12-31
• 公開（公告）號(hào): CN110689724B
• 公開（公告）日: 2022-08-30
• 發(fā)明（設(shè)計(jì)）人: 周康明
• 申請(qǐng)（專利權(quán)）人: 上海眼控科技股份有限公司
• 主分類號(hào): G08G1/017
• 分類號(hào): G08G1/017;G06V20/52;G06V40/10;G06V10/26
• 代理公司: 上海大邦律師事務(wù)所 31252
• 代理人: 熊磊之

本發(fā)明公開了一種基于深度學(xué)習(xí)的機(jī)動(dòng)車斑馬線禮讓行人自動(dòng)審核方法：獲取卡口攝像頭抓拍到的車輛經(jīng)過交通路口時(shí)的照片；使用行人檢測(cè)算法檢測(cè)圖片上是否有行人；使用行人重識(shí)別算法追蹤三張圖片上的行人，并根據(jù)行人的位置判斷行人是否有明顯位移；使用場(chǎng)景分割算法分割出人行橫道區(qū)域的信息，并判斷行人是否在人行橫道區(qū)域；使用車輛檢測(cè)算法檢測(cè)出抓拍圖上的車輛；使用車牌識(shí)別和車輛重識(shí)別算法定位并追蹤三種圖上待審核的車輛；判斷追蹤的車輛行駛方向與行人位移方向是否有沖突；判斷第一張照片是否越過停止線，且第二、三張圖片機(jī)動(dòng)車是否有位移并阻擋了行人通過。

技術(shù)領(lǐng)域

本發(fā)明涉及道路交通領(lǐng)域交通路口的違章車輛的自動(dòng)抓拍審核的全自動(dòng)化、人工智能化判斷的技術(shù)領(lǐng)域，特別涉及目標(biāo)檢測(cè)、字符識(shí)別、目標(biāo)重識(shí)別、屬性分類、場(chǎng)景分割等智能圖像識(shí)別方法。

背景技術(shù)

隨著社會(huì)經(jīng)濟(jì)的不斷發(fā)展和人民私家車的保有量持續(xù)提高，道路交通安全狀況也面臨越來(lái)越嚴(yán)峻的考驗(yàn)。除了完善交通基礎(chǔ)設(shè)施、多修路、加強(qiáng)駕駛員和普通民眾的交通安全意識(shí)培訓(xùn)、教育之外，合理的法律手段也是督促駕駛員遵守交通法規(guī)、減少道路傷亡的有效手段。《道路交通安全法》規(guī)定，機(jī)動(dòng)車行經(jīng)人行橫道時(shí)，應(yīng)當(dāng)減速行駛；遇行人正在通過人行橫道，應(yīng)當(dāng)停車讓行。機(jī)動(dòng)車行經(jīng)沒有交通信號(hào)的道路時(shí)，遇行人橫過道路，應(yīng)當(dāng)避讓。

各種交通路口的抓拍攝像頭會(huì)抓拍到大量的車輛經(jīng)過路口時(shí)的疑似違規(guī)圖片組，傳統(tǒng)的做法是對(duì)這些證據(jù)圖進(jìn)行多輪審核以嚴(yán)格確認(rèn)駕駛員是否違反交通規(guī)則，并保證準(zhǔn)確性、公正性，減少駕駛員的投訴率。

傳統(tǒng)的傳統(tǒng)的違章審核方式主要通過人工審核、矯正、查驗(yàn)，該方法人工成本較高，效率低下，且長(zhǎng)時(shí)間的重復(fù)性工作和監(jiān)考員的主觀狀態(tài)的不好等不良影響，會(huì)影響到違章審核的效率和公平性、公正性。

如何快速、有效、公正、公開的監(jiān)督、評(píng)判駕駛員的違章行為和違章程度，同時(shí)避免人工成本較高，提升交通管理部門效率等問題，是急需解決的技術(shù)問題。

發(fā)明內(nèi)容

本發(fā)明的目的是：提出一種基于深度學(xué)習(xí)的機(jī)動(dòng)車斑馬線禮讓行人自動(dòng)審核方法，替代現(xiàn)有審核體系中的人工審核的方式，提高了違章審核的準(zhǔn)確性、審核效率和違章審核的公正性，并顯著的降低了政企單位的人力資源成本，幫助其減少勞動(dòng)密集性的崗位，投入更多精力培養(yǎng)員工到高附加值的崗位中，減小企業(yè)的開支并大大提高工作效率。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

一種用于自動(dòng)判別道路違章審核中機(jī)動(dòng)車是否違反遇到行人正在通過人行橫道時(shí)未停車讓行的規(guī)則的算法，包括如下步驟：

S1、通過交通路口卡口攝像頭抓拍車輛經(jīng)過交通路口時(shí)的組合照片；

S2、使用基于yolo-v2的行人檢測(cè)算法檢測(cè)多幀圖片上的多個(gè)目標(biāo)行人；

S3、使用基于深度神經(jīng)網(wǎng)絡(luò)inception的行人重識(shí)別算法追蹤三張圖片上的行人，設(shè)置id并綁定；

S4、根據(jù)追蹤到的行人的位置在多張圖片上的軌跡判斷其是否有明顯位移；

S5、使用pixel-level場(chǎng)景分割算法deeplab-v2分割出人行橫道區(qū)域的信息，并判斷行人是否在人行橫道區(qū)域；

S6、使用基于caffe-ssd的車輛檢測(cè)算法檢測(cè)出抓拍圖上的車輛；

S7、使用基于caffe-lstm和caffe-ssd的車牌識(shí)別和車輛重識(shí)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(jī)動(dòng)車是否有位移并阻擋了行人通過；

進(jìn)一步，所述基于深度學(xué)習(xí)的行人檢測(cè)方法步驟如下：