一种基于计算机视觉的交通违章行为检测方法技术

本发明专利技术公开了一种基于计算机视觉的交通违章行为检测方法，其通过计算机视觉技术，对在交通场景下的行人、不同类别机动车、交通指示灯、行车线、斑马线、车牌、车标等物体进行实时的目标识别，同时对机动车车速、车流量等信息进行实时检测与统计，对于行人闯红灯、机动车闯红灯、机动车不礼让行人、机动车超速行驶等违反交通道路规范章程的行为，该应用也进行捕捉和识别，协助交通监管者进行高效、便捷、智能的交通监管，提高工作效率，减少漏检，误检的发生。

【技术实现步骤摘要】
一种基于计算机视觉的交通违章行为检测方法
本专利技术涉及交通违章行为检测领域，尤其涉及一种基于计算机视觉的交通违章行为检测方法。
技术介绍
当今交通问题已经成为全球性的“城市通病”，而交通拥堵是城市“交通病症”的主要表现。城市交通拥堵的“病因”源于多种因素，且交通拥堵直接影响着人们的出行质量，特别是利用车辆交通的人们。道路车辆拥挤，交通事故频发，交通环境恶化，能源紧张，环境污染不断加重，这些日益严重交通问题与现代化交通的基本的理念，即通达、有序、安全、舒适、低能耗、低污染等要求是完全相违背的。因此在全国大中小城市的交通枢纽中，对于交通违章行为检测也越来越重视，随着国家对互联网科技的重要，交通已进入智能时代，在日常交通出行中存在着大量的交通违法行为，采用以往的直接检测法，即主要通过在车辆和道路上安装探测传感器来收集数据，对数据进行分析目标物的运行状态，判断是否有异常情况，上述检测方法已经不能满足智能交通系统的需求，鉴于此，研发出能适应现代交通错综复杂环境的交通违章行为检测方法是本领域技术人员亟待解决的技术问题。
技术实现思路
为了解决上述现有技术中存在的不足，本专利技术提供一种基于计算机视觉的交通违章行为检测方法，其通过计算机视觉技术，对在交通场景下的行人、不同类别机动车、交通指示灯、行车线、斑马线、车牌、车标等物体进行实时的目标识别，同时对机动车车速、车流量等信息进行实时检测与统计，对于行人闯红灯、机动车闯红灯、机动车不礼让行人、机动车超速行驶等违反交通道路规范章程的行为，该应用也进行捕捉和识别，协助交通监管者进行高效、便捷、智能的交通监管，提高工作效率，减少漏检，误检的发生。本专利技术解决上述技术问题所采用的技术方案为：一种基于计算机视觉的交通违章行为检测方法，包括如下步骤，S1：获取违章行为目标区域图像，进行数据标注与模型训练，得到目标检测模型；S2：处理原始数据，对采集的原始图像数据进行特征提取和特征筛选，获取车辆或行人目标后，通过前帧数据中的目标记录，对目标在图像中的位置进行记录，获取目标行进轨迹，实现目标跟踪；S3：预测目标，利用完成训练的YOLOv3模型预测目标类别及位置坐标；S4：保存和利用目标检测结果，在输入视频的副本中根据预测的坐标绘制识别框，标记识别的种类名称与位置信息，同时将识别的特定种类目标的信息，保存在列表数据结构中；S5：报警输出，根据保存在列表数据结构，利用冗余筛选规则进行冗余筛选输出，并对判断的结果进行可视化的展示。所述步骤S1具体包括，S11：针对机动车存在的违法行为确定数据集所需的类别，可自动检测的类别包括超载、未戴安全帽，目标检测算法检测出的类别即包括机动车、人、安全帽；S12：从各大开源的数据集中收集所需类别数据，对于收集数量不足的类别进行针对性的数据标注，标注信息保存在xml格式的文件中，即包括目标类别和位置坐标；S13：将所有xml格式的文件里的标注信息合并成一个txt格式文件，文件内容包括图片路径、图片内包括的目标类别、目标对应的位置坐标；S14：将数据集划分为训练集、验证集和测试集；S15：在训练集被加载时随机地进行数据增强来增加数据集，即对图片进行平移、缩放、扭曲，最后得到得到目标检测模型。获取违章行为目标区域图像是通过违章时的违规违章过程视频流图像、系列图像、单幅照片、来自视频流文件的违规违章过程记录中的任意一种。所述违章行为包括跨实线变更车道、不避让行人、闯红灯、超速行驶中的一个条件或多个条件。所述步骤S2具体包括，S21：利用背景减除法检测当前帧内的运动目标；S22：检测是否有违章目标；S23：若没有符合条件的违章目标，则转到下一帧，继续执行步骤S21，若检测到违章目标，则保存当前帧图像作为目标违章的取证图像1；S24：利用目标跟踪算法对步骤S22中检测到的违章目标进行跟踪，计算其在当前帧的位置及尺寸信息；S25：当运动目标到达位置1时，保存当前帧作为目标违章的取证图像2，其中位置1是由步骤S22中目标违章的初始位置和设置好的预设跟踪结束位置取中间位置得到；S26：当运动目标到达预设跟踪结束位置时，跟踪结束，并保存当前帧图像作为目标违章的取证图像，并结合S23保存的取证图像1生成目标轨迹。所述S3步骤具体包括，S31：利用聚类算法K-means对数据集的目标坐标框的尺寸大小进行聚类，将K-means算法的输出数值作为YOLOv3模型的候选框参数；S32：加载数据集及验证集txt格式文件，加载类别txt格式文件，加载候选框的txt文件；S33：加载预训练的YOLOv3模型，构建计算损失函数和准确率函数，YOLOv3输出结果为向量；S34：以批为迭代单位训练YOLOv3模型，反向传播修改YOLOv3模型参数。与现有技术相比，本专利技术的优点在于：现有的检测违法行为的方式或者依赖于各种硬件设施，如监控摄像头和地感线圈等；或者依赖于交警人工巡逻检测违法行为，这些方式检测区域具有时空限制、建设维护成本高；本专利技术基于计算机视觉，使用基于深度学习的目标检测算法和基于规则的推理方式进行交通违法行为的自动检测。附图说明图1为本专利技术的检测流程图。具体实施方式以下结合附图和实施例对本专利技术作进一步详细说明，但不作为对本专利技术的限定。实施例：如图所示，一种基于计算机视觉的交通违章行为检测方法，包括如下步骤，S1：获取违章行为目标区域图像，进行数据标注与模型训练，得到目标检测模型；S2：处理原始数据，对采集的原始图像数据进行特征提取和特征筛选，获取车辆或行人目标后，通过前帧数据中的目标记录，对目标在图像中的位置进行记录，获取目标行进轨迹，实现目标跟踪；S3：预测目标，利用完成训练的YOLOv3模型预测目标类别及位置坐标；S4：保存和利用目标检测结果，在输入视频的副本中根据预测的坐标绘制识别框，标记识别的种类名称与位置信息，同时将识别的特定种类目标的信息，保存在列表数据结构中；S5：报警输出，根据保存在列表数据结构，利用冗余筛选规则进行冗余筛选输出，并对判断的结果进行可视化的展示。步骤S1具体包括，S11：针对机动车存在的违法行为确定数据集所需的类别，可自动检测的类别包括超载、未戴安全帽，目标检测算法检测出的类别即包括机动车、人、安全帽；S12：从各大开源的数据集中收集所需类别数据，对于收集数量不足的类别进行针对性的数据标注，标注信息保存在xml格式的文件中，即包括目标类别和位置坐标；S13：将所有xml格式的文件里的标注信息合并成一个txt格式文件，文件内容包括图片路径、图片内包括的目标类别、目标对应的位置坐标；S14：将数据集划分为训练集、验证集和测试集；S15：在训练集被加载时随机地进行数据增强来增加数据集，即对图片进行平移、缩放、扭曲，最后得到得到目标本文档来自技高网...

【技术保护点】
1.一种基于计算机视觉的交通违章行为检测方法，其特征在于：包括如下步骤，/nS1：获取违章行为目标区域图像，进行数据标注与模型训练，得到目标检测模型；/nS2：处理原始数据，对采集的原始图像数据进行特征提取和特征筛选，获取车辆或行人目标后，通过前帧数据中的目标记录，对目标在图像中的位置进行记录，获取目标行进轨迹，实现目标跟踪；/nS3：预测目标，利用完成训练的YOLOv3模型预测目标类别及位置坐标；/nS4：保存和利用目标检测结果，在输入视频的副本中根据预测的坐标绘制识别框，标记识别的种类名称与位置信息，同时将识别的特定种类目标的信息，保存在列表数据结构中；/nS5：报警输出，根据保存在列表数据结构，利用冗余筛选规则进行冗余筛选输出，并对判断的结果进行可视化的展示。/n

【技术特征摘要】
1.一种基于计算机视觉的交通违章行为检测方法，其特征在于：包括如下步骤，
S1：获取违章行为目标区域图像，进行数据标注与模型训练，得到目标检测模型；
S2：处理原始数据，对采集的原始图像数据进行特征提取和特征筛选，获取车辆或行人目标后，通过前帧数据中的目标记录，对目标在图像中的位置进行记录，获取目标行进轨迹，实现目标跟踪；
S3：预测目标，利用完成训练的YOLOv3模型预测目标类别及位置坐标；
S4：保存和利用目标检测结果，在输入视频的副本中根据预测的坐标绘制识别框，标记识别的种类名称与位置信息，同时将识别的特定种类目标的信息，保存在列表数据结构中；
S5：报警输出，根据保存在列表数据结构，利用冗余筛选规则进行冗余筛选输出，并对判断的结果进行可视化的展示。


2.根据权利要求1所述的一种基于计算机视觉的交通违章行为检测方法，其特征在于：所述步骤S1具体包括，
S11：针对机动车存在的违法行为确定数据集所需的类别，可自动检测的类别包括超载、未戴安全帽，目标检测算法检测出的类别即包括机动车、人、安全帽；
S12：从各大开源的数据集中收集所需类别数据，对于收集数量不足的类别进行针对性的数据标注，标注信息保存在xml格式的文件中，即包括目标类别和位置坐标；
S13：将所有xml格式的文件里的标注信息合并成一个txt格式文件，文件内容包括图片路径、图片内包括的目标类别、目标对应的位置坐标；
S14：将数据集划分为训练集、验证集和测试集；
S15：在训练集被加载时随机地进行数据增强来增加数据集，即对图片进行平移、缩放、扭曲，最后得到得到目标检测模型。


3.根据权利要求2所述的一种基于计算机视觉的交通违章行为检测方法，其特征在于：获取违章行为目标区域图像是通过违章时的违规违...

【专利技术属性】
技术研发人员：刘东，陈昂，杨兆宝，郑开淼，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32