【技术实现步骤摘要】
本专利技术涉及智能交通，更具体地，涉及一种通过电动自行车劝导机器人识别交通安全隐患行为的方法。
技术介绍
1、我国是全球电动自行车生产、消费大国，目前国内电动自行车社会保有量已达3.5亿辆，电动自行车已成为人民群众短途出行的重要交通工具。然而，随着电动自行车快速普及，逆行、违规载人、不戴头盔、加装雨篷等隐患行为日益增多，道路交通安全事故频发。近年来，电动自行车已成为交管部门整治的重点之一，为此各地陆续出台了一系列治理措施，取得了显著成效。在众多治理措施中，电动自行车移动劝导机器人展现出了独特的优势，将电动自行车道路交通安全治理从被动防御向主动防控转型，一方面真正将风险纠正和教育引导前置，提醒驾驶人及时消除交通安全隐患，做到隐患即发生、即发现、即干预，确保有效管控风险；另一方面用“温馨”告知提醒替代“冰冷”处罚惩治，推动执法力度温度相统一。
2、目前，电动自行车移动劝导机器人主要通过摄像头自动对不戴头盔、违规载人、逆行等行为进行拍摄识别，并在现场对当事人的行为进行语音播报警示。尽管取得了不错的识别效果，但是存在两个问题。一是各隐患行为是串行检测的，一种隐患对应一个算法模型，这就导致为了满足实时推理，每个模型只能采用轻量级算法去做检测，检测精度有限。二是难以满足对行驶过程中电动自行车交通安全隐患行为进行及时发现、纠错需要。三是由于移动设备一般放置于道路路侧，抓拍方向与车辆行进成90°，仅通过视频图像对悬挂于电动自行车尾的号牌识别，身份识别准确率较低。四是移动设备部署不同于路侧固定安装的抓拍设备，受设备放置角度等影响，可直
3、针对上述问题，本专利技术从多任务学习角度来解决。多任务学习可以简单理解为模型一次性可以同时处理两个以上的任务，而传统的模型通常只能解决一个特定的任务。进入深度学习时代，尤其是在图像处理相关的很多任务上，特征是可以共享的，这里的共享可以理解为各个子任务上的特征存在一定的复用性，这种多任务训练出来的特征本身考虑了多任务之间的相关性，可以有效的去除各个子任务之间的特征冗余。也就是说通过共享网络设计，可以训练出来最精炼的特征，给多个子任务提取鉴别特征。使用多任务学习模型可以大大减少系统执行流程的复杂度，使得原本需要串联的多个模型只需要在统一的模型下进行推理即可完成。另外，针对身份识别准确率低问题，本专利技术将rfid读写器嵌入到电动自行车移动劝导机器人中，可以精准稳定的读取电动自行车数字号牌rfid中身份信息，并与号牌图像识别结果进行校验匹配，从而提升身份识别的精准度。
技术实现思路
1、针对现有技术中存在的上述问题，本专利技术提供了一种通过电动自行车劝导机器人识别交通安全隐患行为的方法，以解决相关技术中存在的电动自行车多种交通安全隐患行为识别准确率低、及时性差的问题。
2、作为本专利技术的第一个方面，提供一种通过电动自行车劝导机器人识别交通安全隐患行为的方法，所述通过电动自行车劝导机器人识别交通安全隐患行为的方法包括如下步骤：
3、步骤s1：获取道路中的历史电动自行车图像；
4、步骤s2：对所述历史电动自行车图像中的交通安全隐患行为类别进行标注，以得到所述历史电动自行车图像的交通安全隐患行为类别标注信息；
5、步骤s3：构建多标签图像分类模型，并利用所述历史电动自行车图像及其对应的交通安全隐患行为类别标注信息对所述多标签图像分类模型进行训练，以得到训练后的多标签图像分类模型；
6、步骤s4：对所述训练后的多标签图像分类模型进行量化加速，以得到量化后的多标签图像分类模型，并将所述量化后的多标签图像分类模型加载到所述电动自行车劝导机器人中；
7、步骤s5：获取道路中的当前电动自行车图像，并通过所述量化后的多标签图像分类模型对所述当前电动自行车图像中的交通安全隐患行为类别进行识别，以获得所述当前电动自行车图像的交通安全隐患行为类别识别结果。
8、进一步地，所述对所述历史电动自行车图像中的交通安全隐患行为类别进行标注，以得到所述历史电动自行车图像的交通安全隐患行为类别标注信息，还包括：
9、将所述历史电动自行车图像按照“未戴头盔”、“驾驶人为未成年人”、“乘客为成年人”、“超载”、“无牌”、“加装雨棚”、“从左往右行驶”、“从上往下行驶”、“玩手机”、“闯红灯”共10个标签进行交通安全隐患行为类别标注，以得到所述历史电动自行车图像的交通安全隐患行为类别标注信息；其中，1张历史电动自行车图像能够同时标注多个标签；
10、对所述历史电动自行车图像的交通安全隐患行为类别标注信息进行转换，以转换成0/1二值字符串，用于所述多标签图像分类模型的训练，其中，0表示无对应标签，1表示存在对应标签。
11、进一步地，所述构建多标签图像分类模型，并利用所述历史电动自行车图像及其对应的交通安全隐患行为类别标注信息对所述多标签图像分类模型进行训练，以得到训练后的多标签图像分类模型中，还包括：
12、所述多标签图像分类模型包括基础模型、多个分支模块和多个softmax层；其中，每个分支模块采用3个核大小为3×3的卷积；
13、将所述历史电动自行车图像输入到所述基础模型中，所述基础模型采用预先在imagenet数据集上预训练的lcnet算法对所述历史电动自行车图像进行多任务共性特征提取，以输出一个多任务共性特征；
14、将所述多任务共性特征分别输入到对应的分支模块中进行任务独有特征提取，以输出对应的任务独有特征；
15、将所述对应的任务独有特征输入到对应的softmax层中进行降维处理，以输出所述历史电动自行车图像的交通安全隐患行为类别识别结果。
16、进一步地，在所述多标签图像分类模型的训练过程中，还包括：
17、使用多标签对应的交叉熵损失函数l进行预测值和真实值的比较，其公式定义如下：
18、
19、其中，m表示历史电动自行车图像的总数，q表示交通安全隐患行为类别的总数，表示第i个历史电动自行车图像第j个交通安全隐患行为类别的真实值，表示第i个历史电动自行车图像第j个交通安全隐患行为类别的预测值。
20、进一步地，所述当前电动自行车图像的交通安全隐患行为类别识别结果包括“未戴头盔”、“驾驶人为未成年人”、“乘客为成年人”、“超载”、“无牌”、“加装雨棚”、“从左往右行驶”、“从上往下行驶”、“玩手机”和“闯红灯”中的任意一种或者多种。
21、进一步地，所述通过所述量化后的多标签图像分类模型对所述当前电动自行车图像中的交通安全隐患行为类别进行识别，以获得所述当前电动自行车图像的交通安全隐患行为类别识别结果，还包括：
22、当所述当前电动自行车图像的交通安全隐患行为类别识别结果为“未戴头盔”、“驾驶人为未成年人”、“乘客为成人”、“超载”、“无牌”和“加装雨棚”中的任意一种或者多种时，直接对当前电动自行车的驾驶人进行语音播报警示。
2本文档来自技高网...
【技术保护点】
1.一种通过电动自行车劝导机器人识别交通安全隐患行为的方法，其特征在于，所述通过电动自行车劝导机器人识别交通安全隐患行为的方法包括如下步骤：
2.根据权利要求1所述的一种通过电动自行车劝导机器人识别交通安全隐患行为的方法，其特征在于，所述对所述历史电动自行车图像中的交通安全隐患行为类别进行标注，以得到所述历史电动自行车图像的交通安全隐患行为类别标注信息，还包括：
3.根据权利要求1所述的一种通过电动自行车劝导机器人识别交通安全隐患行为的方法，其特征在于，所述构建多标签图像分类模型，并利用所述历史电动自行车图像及其对应的交通安全隐患行为类别标注信息对所述多标签图像分类模型进行训练，以得到训练后的多标签图像分类模型中，还包括：
4.根据权利要求3所述的一种通过电动自行车劝导机器人识别交通安全隐患行为的方法，其特征在于，在所述多标签图像分类模型的训练过程中，还包括：
5.根据权利要求1所述的一种通过电动自行车劝导机器人识别交通安全隐患行为的方法，其特征在于，所述当前电动自行车图像的交通安全隐患行为类别识别结果包括“未戴头盔”、“驾驶人为未
6.根据权利要求5所述的一种通过电动自行车劝导机器人识别交通安全隐患行为的方法，其特征在于，所述通过所述量化后的多标签图像分类模型对所述当前电动自行车图像中的交通安全隐患行为类别进行识别，以获得所述当前电动自行车图像的交通安全隐患行为类别识别结果，还包括：
7.根据权利要求5所述的一种通过电动自行车劝导机器人识别交通安全隐患行为的方法，其特征在于，所述通过所述量化后的多标签图像分类模型对所述当前电动自行车图像中的交通安全隐患行为类别进行识别，以获得所述当前电动自行车图像的交通安全隐患行为类别识别结果，还包括：
8.根据权利要求5所述的一种通过电动自行车劝导机器人识别交通安全隐患行为的方法，其特征在于，所述通过所述量化后的多标签图像分类模型对所述当前电动自行车图像中的交通安全隐患行为类别进行识别，以获得所述当前电动自行车图像的交通安全隐患行为类别识别结果，还包括：
9.根据权利要求5所述的一种通过电动自行车劝导机器人识别交通安全隐患行为的方法，其特征在于，所述通过所述量化后的多标签图像分类模型对所述当前电动自行车图像中的交通安全隐患行为类别进行识别，以获得所述当前电动自行车图像的交通安全隐患行为类别识别结果，还包括：
10.根据权利要求5所述的一种通过电动自行车劝导机器人识别交通安全隐患行为的方法，其特征在于，所述通过所述量化后的多标签图像分类模型对所述当前电动自行车图像中的交通安全隐患行为类别进行识别，以获得所述当前电动自行车图像的交通安全隐患行为类别识别结果，还包括：
...【技术特征摘要】
1.一种通过电动自行车劝导机器人识别交通安全隐患行为的方法，其特征在于，所述通过电动自行车劝导机器人识别交通安全隐患行为的方法包括如下步骤：
2.根据权利要求1所述的一种通过电动自行车劝导机器人识别交通安全隐患行为的方法，其特征在于，所述对所述历史电动自行车图像中的交通安全隐患行为类别进行标注，以得到所述历史电动自行车图像的交通安全隐患行为类别标注信息，还包括：
3.根据权利要求1所述的一种通过电动自行车劝导机器人识别交通安全隐患行为的方法，其特征在于，所述构建多标签图像分类模型，并利用所述历史电动自行车图像及其对应的交通安全隐患行为类别标注信息对所述多标签图像分类模型进行训练，以得到训练后的多标签图像分类模型中，还包括：
4.根据权利要求3所述的一种通过电动自行车劝导机器人识别交通安全隐患行为的方法，其特征在于，在所述多标签图像分类模型的训练过程中，还包括：
5.根据权利要求1所述的一种通过电动自行车劝导机器人识别交通安全隐患行为的方法，其特征在于，所述当前电动自行车图像的交通安全隐患行为类别识别结果包括“未戴头盔”、“驾驶人为未成年人”、“乘客为成年人”、
6.根据权利要求5所述的一种通过电动自行车劝导机器人识别交通安全隐患行为的方法，其特征在于，所述通过所述量化后的多标签图像分类模型对所述当前电动自行车图...
【专利技术属性】
技术研发人员：钱彬，王军华，李志林，朱剑欣，翁育峰，
申请(专利权)人：公安部交通管理科学研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。