[發明專利]一種基于深度學習交通數據采集分析方法

在審

• 申請號: 201911305861.X
• 申請日: 2019-12-17
• 公開（公告）號: CN111159439A
• 公開（公告）日: 2020-05-15
• 發明（設計）人: 邵宗翰;陳婉薇;楊萬躍
• 申請（專利權）人: 昆明聯誠科技股份有限公司
• 主分類號: G06F16/51
• 分類號: G06F16/51;G06F16/55;G06F16/583;G06K9/00;G01S17/42;G01S17/58;G06Q50/26
• 代理公司: 北京聯瑞聯豐知識產權代理事務所(普通合伙) 11411
• 代理人: 黃冠華

本發明公開了一種基于深度學習交通數據采集分析方法，具體包括以下步驟：S1、激光雷達成像模塊對行駛中的車輛進行掃描，同時對掃描到的車輛進行測定，S2、判斷車輛是否超速，并且判斷該路段是否堵車，S3、獲取圖片并分析，S4、判斷車輛是否攜帶違規物品或超載，S4、對結果進行存儲，或通知工作人員處理違法行為及堵車現象等，本發明涉及數據采集分析技術領域。該基于深度學習交通數據采集分析方法，利用激光雷達成像技術，可以判斷出車輛是否有超速、超載等違法行為，能夠避免出現違法行為無法查處的現象，同時能夠獲取車輛的行駛軌跡，并且能夠自行判定該路段是否堵車，并通知工作人員及時處理，實用性較高。

技術領域

本發明涉及數據采集分析技術領域，具體為一種基于深度學習交通數據采集分析方法。

背景技術

成像激光雷達是激光技術、雷達技術、光學掃描及控制技術、高靈敏度探測技術及高速計算機處理技術的綜合新技術產物，成像激光雷達可采用多種工作體制,如采用單元探測器的掃描成像與采用陣列探測器的非掃描成像，采用單元探測器的掃描成像作用距離可以很遠,但是成像速率會受到一定的限制；采用陣列探測器的非掃描成像激光雷達可以以很高的速率成像,但是需要泛光照射目標,所以作用距離不會太遠，目前,可用于激光雷達的掃描器可分為三種:力學、電學和二元光學掃描器，由于其具有較高的角度分辨率和距離分辨率,可以同時成目標的強度像和距離像,還可以成高分辨率的三維圖像，成像激光雷達是激光雷達對硬目標探測的一種綜合應用,其中結合了測角,測距,測速等多種激光雷達功能，激光雷達的應用十分廣泛,已從地面發展到空中,從空中發展到太空,從陸地發展到海面,從海面發展到水下,并涉及到多個學科領域。

現有的交通數據在即一般依靠人力結合監控錄像的方式去完成，工作人員通過實地路面考察或者查看監控錄像來獲得行駛車輛的具體信息，工作量較大，為交通數據采集帶來不便，且難免會有部分違法行為無法被識別或查處，可靠性較差。

發明內容

(一)解決的技術問題

針對現有技術的不足，本發明提供了一種基于深度學習交通數據采集分析方法，解決了人力結合監控采集交通數據工作量較大，且部分違法行為無法被查處，可靠性較差的問題。

(二)技術方案

為實現以上目的，本發明通過以下技術方案予以實現：一種基于深度學習交通數據采集分析方法，具體包括以下步驟：

S1、激光雷達成像模塊對行駛中的車輛進行掃描，同時對掃描到的車輛進行測定，從而獲得車輛的速度、方位、高度信息；

S2、步驟S1中測得的車輛的速度、方位、高度信息傳遞到數據處理模塊，對數據進行分類和整理，處理后的信息傳遞到數據分析模塊對數據進行分析，得到固定時間內通過車輛的數量，并且對車輛的行駛速度進行分析，然后分析結果傳遞到結果判定模塊，判斷車輛是否有超速、闖紅燈的違法行為，并且判斷該路段是否有堵車現象，然后將判定結果傳遞到反饋模塊；

S3、圖片獲取模塊從步驟S1中對車輛掃描的過程中獲取車輛外觀圖片，及車輛內部物品、乘坐人員圖片，然后圖片采集模塊挑選出清晰度較高的圖片，并通過圖片分析模塊對圖片進行分析，然后將分析結果傳遞到圖片整理模塊，將重復的圖片刪除，并對剩余的圖片進行分類；

S4、特征提取模塊根據車輛的特征信息提取出車輛的具體信息，并將信息傳遞到特征對比模塊，特征對比模塊對整理出的圖片信息與提取出的車輛信息進行對比，判斷車輛是否有攜帶違規物品或超載的違法行為，并將結果傳遞到反饋模塊；

S4、反饋模塊將步驟S2及步驟S4中的結果反饋給中央處理系統，若經過車輛并無違法行為，中央處理系統將判定結果直接存儲到存儲模塊中，若經過的車輛發生了違法行為，中央處理系統會將結果通過無線信號收發模塊發送到移動終端，提醒警務人員及時進行處理。