[发明专利]一种基于深度学习的车辆闯红灯识别判定方法

权利要求书

1.一种基于深度学习的车辆闯红灯识别判定方法，其特征在于，包括以下步骤：

S1：获取视频流，对视频流进行抽帧处理，并对视频流中的场景进行区域标定；

S2：采集视频流中车辆数据并标注，建立车辆种类标注数据集，采用Yolov5s模型对不同种类车辆进行结构化检测模型训练，并使用TensorRT模型优化；

S3：采用Mobi lenNetV1模型来进行红绿灯状态的分类检测，判断当前的红灯，绿灯或者黄灯状态，并将红绿灯状态与车辆通行状态连动；

S4：对经过标定的待检测标定区域内的车辆进行轨迹追踪，包括以下步骤：

S41：判定车辆是否在标定区域内，所述S41包括以下步骤：

S411：将标定区域中顶点位置对应关系，按照顺时针的顺序依次排列p1,p2,p3,p4；

S412：根据标定区域内部点p0，计算位置间的向量关系

S413：根据两组向量进行叉乘计算，计算公式为：

S414：进行顶点的循环计算，计算公式为：

S415：将四个顶点的结果信息进行统计分析，如果n_i＜0，则可判定点标定区域内，否则不在；

S416：根据Yolov5s模型的输出结果，来进行车辆的中心点p_center及车辆检测框的上下边缘中点p_top,p_bottom，共三个点的信息记录；

S417：根据记录的车辆中心点p_center信息来判定车辆是否进入标定区域；

S42：对进入标定区域内的车辆进行车辆初始化信息采集；

S43：进行车辆特征匹配，通过行Reid模型对目标车辆进行追踪和轨迹记录；

S5：根据步骤S43中对目标车辆追踪的轨迹结果，进行目标车辆行驶方向和闯红灯状态的判定，并推送出判定结果；

所述S5中对所述目标车辆的判定方法包括所述视频流中目标车辆在前后抽帧的位置信息，判定目标车辆是否越线，判定目标车辆是否越线的计算公式为：

如果n₁·n₂＜0，则发生越线行为；

所述S5中对所述目标车辆的判定方法还包括所述目标车辆是否越过所述标定区域内中斑马线前的停止线，所述方法为：

先将当前红绿灯的状态是绿灯，p_bottom发生穿越停止线，标记状态为0；当前红绿灯的状态是黄灯，p_bottom发生穿越停止线，标记状态为1；当前红绿灯的状态是红灯，p_bottom发生穿越停止线，标记状态为2；

当目标车辆在标记状态2的时候，追踪到目标车辆发生左转，或者直行行为，则进行闯红灯行为标记和结果推送。

2.根据权利要求1所述的车辆闯红灯识别判定方法，其特征在于，所述步骤S1中，区域标定包括以下步骤：

S101：对视频流中的道路线和红绿灯位置信息进行标定，并将道路坐标写入数据库中；

S102：将S101中道路线属性进行标定，并生成json格式标定文件。

3.根据权利要求2所述的车辆闯红灯识别判定方法，其特征在于，所述S102中的道路线属性包括直行、右转、左转、直行左转、直行右转或无限制。

4.根据权利要求2所述的车辆闯红灯识别判定方法，其特征在于，所述S3中，红绿灯状态的分类包括以下步骤：

S301：进行红绿灯数据采集，建立红绿灯分类的数据集；

S302：对S301中的数据集进行红绿灯状态分类模型训练，并使用TensorRT模型优化。

5.根据权利要求1所述的车辆闯红灯识别判定方法，其特征在于，所述视频流包括若干个电警和卡口摄像机的实时视频流。