[发明专利]闯红灯行为检测方法、装置及可读存储介质

权利要求书

1.一种闯红灯行为检测方法，其特征在于，该方法包括：

接收佩戴的摄像头采集的图像；

在所述图像中检测交通信号灯；

若在所述图像中检测到交通信号灯，则根据交通信号灯在所述图像中的位置跟踪交通信号灯的轨迹；

根据交通信号灯的轨迹和交通信号灯在所述图像中的类型，检测是否存在闯红灯行为；

所述根据交通信号灯的轨迹和交通信号灯在所述图像中的类型，检测是否存在闯红灯行为，包括：

对于轨迹集合中的每一交通信号灯的轨迹，当该轨迹上的轨迹点的数目大于预设第二数目时，从该轨迹上采样出第二数目个轨迹点；

计算两两相邻的采样轨迹点之间的相对位置和两两相邻的采样轨迹点之间的该交通信号灯的类型变化；

将两两相邻的采样轨迹点之间的相对位置和两两相邻的采样轨迹点之间的该交通信号灯的类型变化信息输入到闯红灯行为判别模型中，则闯红灯行为判别模型输出该交通信号灯的轨迹是否为闯红灯轨迹的判定结果。

2.根据权利要求1所述的方法，其特征在于，所述在所述图像中检测交通信号灯，包括：

将所述图像输入第一神经网络模型，经由所述第一神经网络模型输出在所述图像中检测到的交通信号灯信息，其中，所述交通信号灯信息包括：交通信号灯在所述图像中的位置信息和类型信息，所述交通信号灯在所述图像中的位置信息以所述交通信号灯在所述图像中的目标框的位置信息表示；

其中，所述第一神经网络模型通过如下训练过程得到：

采集训练图像样本集，并针对训练图像样本集中的每帧训练图像给出对应的标注图像，每帧标注图像中标注有交通信号灯信息；

将训练图像样本集中的每帧训练图像依次输入待训练的第一神经网络模型，其中，第一神经网络模型的期望输出为输入的训练图像对应的标注图像，所述标注图像包括目标框的位置信息；

当第一神经网络模型收敛时，将此时的神经网络模型作为最终使用的第一神经网络模型。

3.根据权利要求2所述的方法，其特征在于，所述将训练图像样本集中的每帧训练图像依次输入待训练的第一神经网络模型之前，进一步包括：

统计训练图像样本集中每帧训练图像中的各交通信号灯的宽高比，采用预设聚类方法对统计得到的所有交通灯的宽高比进行聚类，得到n个聚类中心，将该n个聚类中心对应的n个宽高比作为第一神经网络模型输出的交通信号灯目标框的标准宽高比，采用该n个宽高比对第一神经网络输出的交通信号灯目标框的宽高比进行初始化，n≥1。

4.根据权利要求1至3任一所述的方法，其特征在于，所述根据交通信号灯在所述图像中的位置跟踪交通信号灯的轨迹，包括：

对于轨迹集合中的每个交通信号灯的轨迹，根据该交通信号灯的已有轨迹估计该交通信号灯在当前帧图像中的参考位置框；

对于该交通信号灯在当前帧图像中的参考位置框，分别计算该参考位置框与在当前帧图像中检测出的每个目标框的交并比；

根据该参考位置框与在当前帧图像中检测出的每个目标框的交并比，在当前帧图像中检测出的所有目标框中寻找该参考位置框的匹配目标框；

若未寻找到该参考位置框的匹配目标框，则认为该交通信号灯在当前帧图像中没有出现，且若该交通信号灯连续在预设第一数目帧图像中没有出现，则认为该交通信号灯的轨迹完结，将该交通信号灯的轨迹从轨迹集合中删除；或，

若寻找到该参考位置框的匹配目标框，则根据该匹配目标框的位置更新轨迹集合中的该交通信号灯的轨迹；或，

若寻找到该参考位置框的匹配目标框，且，对于在当前帧图像中检测出的任一目标框，若该目标框未与任一交通信号灯在当前帧图像中的参考位置框匹配上，则将该目标框作为新的交通信号灯，并将该目标框的位置作为该交通信号灯的轨迹的第一个轨迹点的位置，将该交通信号灯的轨迹加入轨迹集合中。