申请/专利权人：合肥湛达智能科技有限公司

申请日：2019-10-16

公开（公告）日：2024-02-02

公开（公告）号：CN111008554B

主分类号：G06V20/54

分类号：G06V20/54;G06V40/10;G06V10/26;G06V10/764;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.02.02#授权;2020.05.08#实质审查的生效;2020.04.14#公开

摘要：本发明提供了一种基于深度学习的动态交通斑马线内不礼让行人识别方法，应用于交通自动识别技术领域，包括：获取连续时间段内的多个待检测图像，其中，目标图像为包含斑马线区域的行人和或车辆的图像；将每一个待检测图像进行图像分割处理，获得分割图像，并对分割图像按照时间顺序和图像的位置顺序进行编号；将编号后的分割图像分别输入至深度学习模型中，通过所述深度学习模型进行识别是否存在不礼让行为的机动车，并记录该机动车的车牌号。应用本发明实施例，自动识别不礼让行人的车辆，提高了识别效率。

主权项：1.一种基于深度学习的动态交通斑马线内不礼让行人识别方法，其特征在于，所述方法包括：S101，获取连续时间段内的多个待检测图像，其中，目标图像为包含斑马线区域的行人和或车辆的图像；S102，将每一个待检测图像进行图像分割处理，获得分割图像，并对分割图像按照时间顺序和图像的位置顺序进行编号；S103，将编号后的分割图像分别输入至深度学习模型中，通过所述深度学习模型进行识别是否存在不礼让行为的机动车，并记录该机动车的车牌号，其中，所述深度学习模型的识别过程包括：识别与行人距离最小、且位于斑马线上的机动车；根据相邻两幅待检测图像确定车辆是否为减速状态，如果否，则确认车辆为非礼让行人状态，并识别该车辆的车牌号；所述深度学习模型包括：第一卷积层，包括两个卷积层，每一个卷积层为多个3*3的卷积核，对包含非机动车道的输入图像进行卷积操作，获得第一图像特征；第一池化层，接收所输入的第一图像特征，并对所述第一图像特征进行压缩；第二卷积层，包括三个卷积层，每一个卷积层为多个3*3的卷积核，对包含非机动车道的输入图像进行卷积操作，获得第二图像特征；第二池化层，接收所输入的第二图像特征，并对所述第二图像特征进行压缩；第三卷积层，包括二个卷积层，每一个卷积层为多个3*3的卷积核，对包含非机动车道的输入图像进行卷积操作，获得第三图像特征；第三池化层，接收所输入的第三图像特征，并对所述第三图像特征进行压缩；所述第一卷积层与上采样层相连逆卷积层后接一个向上采样层，每一个卷积层与激活函数相连，第二卷积层后接一个向上采样层，采用上采样层进行内容复制并扩充特征映射图；接收原始车道图片，通过多个卷积层提取车道区域特征信息，以及经过上采样层进行填充处理，获得与行人距离最小的车辆，并获得车辆是否为减速状态的结果；所述将编号后的分割图像分别输入至深度学习模型中的步骤，包括：将分割后图像输入深度学习模型中，判定所述分割后图像中各像素点的类别并赋予类别标签，得到分割出车道区域的各分割后图像，其中，所述类别标签包括减速状态和非减速状态；所述深度学习模型的识别过程包括的步骤，包括：根据所述类别标签，获取每一分割后图像中每一个像素点所对应的类别标签；统计该分割后图像中，每一个类别标签的数量；获取所述数量的最大值；将该最大值对应的类别标签确定为该分割后图像做对应的区域；获取类别标签为非减速状态的车辆，并识别该车辆的车牌号。

全文数据：

权利要求：

百度查询： 合肥湛达智能科技有限公司 一种基于深度学习的动态交通斑马线内不礼让行人识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD