[發明專利]一種基于深度學習的高速公路實時預警方法及系統

有效

• 申請號: 202011640725.9
• 申請日: 2020-12-31
• 公開（公告）號: CN112802338B
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 楊哲;王曉東;耿健;王大鵬;孫思芹;于文強;袁繼偉
• 申請（專利權）人: 山東奧邦交通設施工程有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/16;G06V20/40;G06N3/08
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 張慶騫

本發明屬于高速公路預警領域，提供了一種基于深度學習的高速公路實時預警方法及系統。其中，基于深度學習的高速公路實時預警方法包括在智能芯片內實現，包括：獲取高速公路多個方向的實時視頻數據；基于智能芯片內的神經網絡模型同時識別多個方向的實時視頻數據，得到高速公路事件識別結果；根據高速公路事件識別結果向預警裝置發出預警信號，同時將預警信號發送至后臺服務器，由后臺服務器發送至預警區域客戶端進行行車誘導。

技術領域

本發明屬于高速公路預警領域，尤其涉及一種基于深度學習的高速公路實時預警方法及系統。

背景技術

本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技術。

由于各種不確定因素的影響，導致在高速公路實際運營過程中常常發生各種各樣的交通事故，給高速公路的運營和安全管理帶來了嚴重影響。高速公路連環相撞事故屢見不鮮，其中很多是在大霧天氣時車輛未適時降速造成的。高速公路事故預警系統，是為保障高速公路行車安全而設置的，

高速公路的快速發展,為車輛運營提供了良好的行車條件,極大地改善了道路交通運輸狀況，給人民出行帶來方便。但隨之而來的交通事故也在明顯增加,給國家和人民的生命財產造成了嚴重危害和損失。近年來，高速公路上，一次事故、重特大二次事故時有發生，給道路交通安全管理工作帶來很大的壓力。其中，二次事故多發，其造成的損失往往比一次事故更加嚴重，直接威脅到初次事故逃生者、事故救援人員和現場勘查人員的生命安全。

發明人發現，目前現有的交通事故識別速度慢，無法及時對高速公路中的交通事故進行處理，從而嚴重危害人民的生命財產。

發明內容

為了解決上述背景技術中存在的至少一項技術問題，本發明提供一種基于深度學習的高速公路實時預警方法及系統，其能夠快速識別高速公路中的交通事故，能夠及時對高速公路中的交通事故進行處理。

為了實現上述目的，本發明采用如下技術方案：

本發明的第一個方面提供一種基于深度學習的高速公路實時預警方法。

一種基于深度學習的高速公路實時預警方法，該方法在智能芯片內實現，包括：

獲取高速公路多個方向的實時視頻數據；

基于智能芯片內的神經網絡模型同時識別多個方向的實時視頻數據，得到高速公路事件識別結果；

根據高速公路事件識別結果向預警裝置發出預警信號，同時將預警信號發送至后臺服務器，由后臺服務器發送至預警區域客戶端進行行車誘導。

作為一種實施方式，所述智能芯片包括：

視頻輸入模塊，用于接收高速公路多個方向的實時視頻數據；

視頻處理子系統模塊，用于將高速公路多個方向的實時視頻數據分解為基礎視頻數據和擴展視頻數據；

智能視頻引擎模塊，用于將當前擴展視頻數據中的圖像幀數據轉化為神經網絡模型相匹配的圖像格式的幀數據；

神經網絡加速引擎模塊，用于獲取格式轉化后的幀數據，通過神經網絡模型識別，得到高速公路車輛類別、對應事件類別及車輛輪廓坐標位置信息；

視頻圖形子系統模塊，用于獲取基礎視頻數據，再基于高速公路車輛類別、對應事件的類別及車輛輪廓坐標位置信息，在基礎視頻數據中勾畫出識別高速公路車輛的輪廓框。

作為一種實施方式，基礎視頻數據保持原始視頻數據的分辨率。

上述技術方案的優點在于，這樣能夠保障與原始數據數據一致，能夠更準確地將后期識別出的高速公路車輛輪廓框還原至原始視頻數據中。

作為一種實施方式，擴展視頻數據的分辨率與神經網絡加速引擎模塊內的神經網絡模型相匹配。