CN110717433A 一种基于深度学习的交通违规分析方法及装置 （华中科技大学）_第1页
CN110717433A 一种基于深度学习的交通违规分析方法及装置 （华中科技大学）_第2页
CN110717433A 一种基于深度学习的交通违规分析方法及装置 （华中科技大学）_第3页
CN110717433A 一种基于深度学习的交通违规分析方法及装置 （华中科技大学）_第4页
CN110717433A 一种基于深度学习的交通违规分析方法及装置 （华中科技大学）_第5页
已阅读5页，还剩13页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于深度学习的交通违规分析方法及本发明公开了一种基于深度学习的交通违分别对道路交通视频图像中的行人及车辆目标线的识别，从而完成对道路交通视频图像的理其中交通违规检测模型可以检测参与交通的所2S2、将监控视频中的图像序列连续输入到预训练好若接收到的信号灯状态为红灯状态，且所得道路交若所得道路交通标线中包含道路类型标线，且目若所得道路交通标线中包含指示车辆行驶方向的标线，若所得道路交通标线中包含非虚线的道路分割若所得道路交通标线中包含斑马线，且检测到斑马3.根据权利要求1所述的交通违规分析方法，其特征在于，采集道路交通视频图像数4.根据权利要求1所述的交通违规分析方法，其特征在于，采集道路交通视频图像数据，对其中的行人和车辆目标的属性进行标注输入到深度学习网络ResNet50中进行训练，5.根据权利要求1所述的交通违规分析方法，其特征在于，采集道路交通视频图像数线所在的像素点标注为1，同时标注其交通指示类别作为训练样本输入到SegNet网络中进所述前端采集分析模块与所述后台记录管理模块所述前端采集分析模块用于采集道路交通视频，并基于权利要求1-6任意一项所述的所述后台记录管理模块用于将接收到的检测到的目标属性以及其违规行为检测结果3所述监控单元将采集到的视频流输入到所述交通违所述交通违法分析单元有多个，每个交通违法分析单4[0007]为实现上述目的，本发明一方面提供了一种基于深度学习的5[0015]若所得道路交通标线中包含道路类型标线，且目标属性与当[0016]若所得道路交通标线中包含指示车辆行驶方向的标线，且检[0026]后台记录管理模块用于将接收到的检测到的目标属性以及其违规行为检测结果6理模块对检测到的目标属性以及其违规行为检测结果进行统计，有利于对长期数据的观[0041]为实现上述目的，本发明一方面提供了一种基于深度学习的7测模型。采用交通违规检测模型对视频监控中的图像序列的每一帧图像中的目标进行检[0053]若所得道路交通标线中包含道路类型标线，且目标属性与当8[0054]若所得道路交通标线中包含指示车辆行驶方向的标线，且检[0060]后台记录管理模块用于将接收到的检测到的目标属性以及其违规行为检测结果

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论