[發(fā)明專利]目標(biāo)檢測(cè)模型構(gòu)建及闖紅燈追責(zé)方法、系統(tǒng)、終端及介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010798307.6
• 申請(qǐng)日: 2020-08-11
• 公開(kāi)（公告）號(hào): CN111931650A
• 公開(kāi)（公告）日: 2020-11-13
• 發(fā)明（設(shè)計(jì)）人: 曹學(xué)軍
• 申請(qǐng)（專利權(quán)）人: 杭州智行星科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/32;G06K9/34;G06K9/62;G06N3/04;G06N3/08;G08G1/017
• 代理公司: 上海唯源專利代理有限公司 31229
• 代理人: 汪家瀚

本發(fā)明提供目標(biāo)檢測(cè)模型構(gòu)建及闖紅燈追責(zé)方法、系統(tǒng)、終端及介質(zhì)，當(dāng)發(fā)生非機(jī)動(dòng)車闖紅燈違章現(xiàn)象時(shí)，采用本發(fā)明的技術(shù)方案可以在非人為干預(yù)的情況下利用計(jì)算機(jī)視覺(jué)以及深度學(xué)習(xí)系統(tǒng)做到自動(dòng)化違章追責(zé)，對(duì)于有闖紅燈行為的非機(jī)動(dòng)車駕駛員進(jìn)行違章處罰，從而規(guī)范非機(jī)動(dòng)車駕駛員的行車行為，保障行車安全。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能及深度學(xué)習(xí)技術(shù)領(lǐng)域，尤其涉及目標(biāo)檢測(cè)模型構(gòu)建及闖紅燈追責(zé)方法、系統(tǒng)、終端及介質(zhì)。

背景技術(shù)

隨著城市公共交通日趨飽和，越來(lái)越多的出行者選擇非機(jī)動(dòng)車作為中短距離出行的交通工具，由此帶來(lái)的問(wèn)題是交通管理部門(mén)并不能對(duì)這些非機(jī)動(dòng)車輛進(jìn)行有效監(jiān)測(cè)和管理。

有研究顯示，電動(dòng)車20％的死亡事故是由闖紅燈造成的，非機(jī)動(dòng)車駕駛員由于缺乏道路交通安全方面的培訓(xùn)，安全意識(shí)較為淡薄，在道路行駛過(guò)程中容易存在闖紅燈的違法行為，引發(fā)較多交通事故，帶來(lái)較大的安全隱患。對(duì)于此類違法行為，交管部門(mén)多是采取在馬路道口設(shè)置卡點(diǎn)抓取闖紅燈行為人，對(duì)其進(jìn)行道路安全教育以及違法處罰。然而這樣的檢查方式耗費(fèi)大量的人力，違法人多有僥幸心理，在無(wú)人監(jiān)管的環(huán)境下沒(méi)有可以約束非機(jī)動(dòng)車駕駛員安全駕駛行為的措施，導(dǎo)致交管部門(mén)線下查處非機(jī)動(dòng)車闖紅燈的檢查方式治標(biāo)不治本。為此，需要提出一種可以對(duì)非機(jī)動(dòng)車闖紅燈行為閉環(huán)追責(zé)的系統(tǒng)方法。

發(fā)明內(nèi)容

有鑒于現(xiàn)有技術(shù)的上述缺陷，本發(fā)明提出目標(biāo)檢測(cè)模型構(gòu)建及闖紅燈追責(zé)方法、系統(tǒng)、終端及介質(zhì)，用于結(jié)局現(xiàn)有技術(shù)中對(duì)非機(jī)動(dòng)車闖紅燈行為追責(zé)低效、成本高、欠缺有效性等問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明的第一方面提供了一種基于深度學(xué)習(xí)的目標(biāo)檢測(cè)模型構(gòu)建方法，包括：獲取指定區(qū)域內(nèi)的交通視頻流；對(duì)所述交通視頻流進(jìn)行標(biāo)注后得到車輛目標(biāo)框和紅燈顯示區(qū)目標(biāo)框，并形成第一標(biāo)注數(shù)據(jù)；對(duì)所述車輛目標(biāo)框進(jìn)行二次標(biāo)注后得到車牌目標(biāo)框，并形成第二標(biāo)注數(shù)據(jù)；將所述第一標(biāo)注數(shù)據(jù)輸入第一深度學(xué)習(xí)目標(biāo)檢測(cè)模型中進(jìn)行訓(xùn)練，并在訓(xùn)練完成后對(duì)所述第一深度學(xué)習(xí)目標(biāo)檢測(cè)模型進(jìn)行測(cè)試，并根據(jù)測(cè)試結(jié)果確定用于識(shí)別目標(biāo)車輛和紅燈狀態(tài)的車輛及紅燈檢測(cè)模型；將所述第二標(biāo)注數(shù)據(jù)輸入第二深度學(xué)習(xí)目標(biāo)檢測(cè)模型中進(jìn)行訓(xùn)練，并在訓(xùn)練完成后對(duì)所述第二深度學(xué)習(xí)目標(biāo)檢測(cè)模型進(jìn)行測(cè)試，并根據(jù)測(cè)試結(jié)果確定用于識(shí)別車牌的車牌檢測(cè)模型。

在本發(fā)明的較佳實(shí)施方式中，所述方法還包括：對(duì)車輛目標(biāo)框和紅燈顯示區(qū)目標(biāo)框進(jìn)行目標(biāo)框聚類，以得到接近實(shí)際場(chǎng)景所使用的目標(biāo)框基準(zhǔn)尺寸；對(duì)聚類后的車輛目標(biāo)框和紅燈顯示區(qū)目標(biāo)框進(jìn)行誤差平方和判斷。

在本發(fā)明的另一較佳實(shí)施方式中，所述第一標(biāo)注數(shù)據(jù)包括所述紅燈顯示區(qū)目標(biāo)框的中心點(diǎn)坐標(biāo)數(shù)據(jù)、寬度及高度數(shù)據(jù)，還包括所述車輛目標(biāo)框的中心點(diǎn)坐標(biāo)數(shù)據(jù)、寬度及高度數(shù)據(jù)；所述第二標(biāo)注數(shù)據(jù)包括所述車牌目標(biāo)框的中心點(diǎn)坐標(biāo)數(shù)據(jù)、寬度及高度數(shù)據(jù)。

為實(shí)現(xiàn)上述目的，本發(fā)明的第二方面提供一種基于深度學(xué)習(xí)的闖紅燈追責(zé)方法，包括：獲取當(dāng)前交通視頻流，并確定實(shí)際場(chǎng)景紅燈目標(biāo)框坐標(biāo)；將所述當(dāng)前交通視頻流輸入通過(guò)訓(xùn)練深度學(xué)習(xí)目標(biāo)檢測(cè)模型得到的車輛及紅燈檢測(cè)模型，并獲取所述車輛及紅燈檢測(cè)模型輸出的車輛目標(biāo)框坐標(biāo)及紅燈顯示區(qū)目標(biāo)框坐標(biāo)；計(jì)算所述實(shí)際場(chǎng)景紅燈目標(biāo)框坐標(biāo)與所述車輛及紅燈檢測(cè)模型輸出的紅燈顯示區(qū)目標(biāo)框坐標(biāo)之間的重疊度，并根據(jù)重疊度計(jì)算結(jié)果判斷所述當(dāng)前視頻流的紅燈狀態(tài)；將判斷為紅燈的當(dāng)前交通視頻流所對(duì)應(yīng)的車輛目標(biāo)框輸入通過(guò)訓(xùn)練深度學(xué)習(xí)目標(biāo)檢測(cè)模型得到的車牌檢測(cè)模型，并獲取所述車牌檢測(cè)模型輸出的車牌目標(biāo)框坐標(biāo)；根據(jù)所述車牌檢測(cè)模型輸出的車牌目標(biāo)框坐標(biāo)對(duì)車牌進(jìn)行字符識(shí)別，以獲取車牌號(hào)；將車牌號(hào)及車輛圖像同步輸出，以供進(jìn)行闖紅燈追責(zé)。

在本發(fā)明的較佳實(shí)施方式中，所述根據(jù)重疊度計(jì)算結(jié)果判斷所述當(dāng)前視頻流的紅燈狀態(tài)，包括：判斷所述實(shí)際場(chǎng)景紅燈目標(biāo)框坐標(biāo)與所述車輛及紅燈檢測(cè)模型輸出的紅燈顯示區(qū)目標(biāo)框坐標(biāo)之間的重疊度是否超過(guò)重疊度閾值；若超過(guò)重疊度閾值，判斷當(dāng)前交通視頻流中的交通指示燈為紅燈狀態(tài)；否則，判斷當(dāng)前交通視頻流中的交通指示燈不為紅燈狀態(tài)。