[发明专利]一种基于IFast-RCNN算法的道路交通安全保护模型

权利要求书

1.一种基于IFast-RCNN算法的道路交通安全保护模型，具体步骤如下，其特征在于：

步骤1，训练数据采集：利用高清摄像头拍摄的驾驶员驾驶姿势和车外道路环境图片，确定相应的标签后上传至ASP数据库中；

步骤2，离线模型训练：上位机程序从ASP数据库中获取相应的训练数据，从而对提出的IFast-RCNN算法模型进行训练，直至模型得以收敛；

步骤3，模型在线应用：高清摄像头将实时拍摄的驾驶员驾驶姿势和车外道路环境图片输入到步骤2中已训练好的IFast-RCNN算法模型中进行判别，若预警到危险的发生，则播报相应的警报，反之继续进行实时监测；

步骤4，模型的优化升级：若预警正确，驾驶员需立马修正驾驶姿势或驾驶行为，反之，反馈此次错误播报的结果，并上传至ASP数据库中的模型纠错训练数据集中以供模型更新升级。

2.根据权利要求1所述的一种基于IFast-RCNN算法的道路交通安全保护模型，其特征在于：步骤1中将采集到的数据上传至ASP数据库的具体描述为：

基于物联网大数据共享的思想，本发明支持各地驾驶员姿势图像和道路图像上传至ASP数据库中，该数据库共享，从而可以极大的扩充IFast-RCNN模型的训练样本量以提高模型的准确性和泛化性。

3.根据权利要求1所述的一种基于IFast-RCNN算法的道路交通安全保护模型，其特征在于：步骤2中所提的IFast-RCNN模型的训练过程可分为以下步骤：

步骤2.1，采用MSRCR算法对摄像机拍摄图片进行处理以削弱图片的失真程度，该过程可具体描述如下：

步骤2.1.1，利用MSR算法对图像进行预处理以得到初步增强的图像，该过程的原理公式为：

式中，是第i个通道的MSR算法处理后得到的输出图像，K是高斯中心环绕函数的个数(K＝3)，ω_k是第k个加权权重系数，S_i(x,y)是第i个通道的原始图像，表示第i个通道的中心环绕函数；

步骤2.1.2，对步骤2.1.1处理得到的图像进行修正增强，该过程的原理公式为：

式中，C_i(x,y)代表第i个颜色通道的恢复因子，其具体的表达式为：其中β为增益系数，α是控制非强度系数，本发明中β选取42，α选择120；

步骤2.2，将步骤2.1得到的增强图像输入到Fast-RCNN网络中，实现对Fast-RCNN模型的训练，具体步骤可以描述如下：

步骤2.2.1，利用VGG16网络中的卷积和池化层逐层提取图像中的特征以得到Feature-Map，其采用的网络结构为：卷积层1—卷积层2—池化层1—卷积层3—卷积层4—池化层2—卷积层5—卷积层6—卷积层7—池化层3—卷积层8—卷积层9—卷积层10—池化层4—卷积层11—卷积层12—卷积层13—池化层5；

步骤2.2.2，将Feature-Map映射到步骤2.1得到的增强图像上，并生成k个anchor；

步骤2.2.3，利用Fast-RCNN中的RPN网络进行分类，并对存在危险的驾驶动作或者危险的行驶路况进行回归，并确定相应的候选框；

步骤2.2.4，利用RoI pooling层求得每个候选框在Feature-Map所映射的特征，而后转换为相应的特征向量；

步骤2.2.5，利用全连接层和Softmax分类层实现对步骤2.2.4得到的特征向量的判断。

4.根据权利要求1所述的一种基于IFast-RCNN算法的道路交通安全保护模型，其特征在于：步骤4中所提的IFast-RCNN模型的优化升级的具体描述为：

IFast-RCNN模型会不间断的对ASP数据库中纠错集中的训练数据进行检测，当训练数据的数量达到设定的阈值200时，会对模型进行更新以提高模型的准确性和泛化性能。