[发明专利]闯红灯行为检测方法、装置及可读存储介质

说明书

本发明实施例提出闯红灯行为检测方法、装置及可读存储介质。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。本发明实施例实现了对闯红灯行为的检测。

技术领域

本发明涉及图像处理技术领域，尤其涉及闯红灯行为检测方法、装置及可读存储介质和计算机程序产品。

背景技术

闯红灯是一种严重的交通违法行为，这一行为给交通安全带来了巨大的隐患。

现有的交通路口所设置的闯红灯抓拍设备往往只针对机动车辆，对于非机动车辆的抓拍记录非常少。在城市交通中，由于非机动车辆没有号牌或者号牌管理混乱等原因，很难通过监控抓拍来进行警示。目前，有些行业如：外卖、代跑腿等，存在大量非机动车驾驶人，每天大量参与交通，为了准时完成任务，很容易出现闯红灯等交通违法行为，这些行为的安全隐患极大。亟需一种有效手段来检测非机动车辆的闯红灯行为，并及时给出警示，以维护交通安全。

发明内容

本发明提出闯红灯行为检测方法、装置及可读存储介质和计算机程序产品，以实现对闯红灯行为的检测。

本发明实施例的技术方案是这样实现的：

一种闯红灯行为检测方法，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。

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。

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；