[发明专利]一种基于深度学习的自动声检测的飙车行为自动识别装置及方法

说明书

技术领域

本发明涉及车辆信息监测技术领域，具体为一种基于深度学习的自动声检测的飙车行为自动识别装置及方法。

背景技术

飙车在法律上被称为在道路上驾驶机动车“追逐竞驶”，如果情节恶劣则构成危险驾驶罪。2011年5月1日实施的《刑法修正案(八)》将驾驶机动车追逐竞驶行为规定为犯罪，规定：“在道路上驾驶机动车追逐竞驶，情节恶劣的，处拘役，并处罚金”。“有前款行为，同时构成其他犯罪的，依照处罚较重的规定定罪处罚”。这为治理此类危险驾驶行为提供了重要法律依据。

然而目前的道路监控系统仍多为以车速监控的手段对飙车行为进行监控，但是这种方式因车速过快，无法有效的识别飙车行为，检测结果多为机动车超速行驶，需要人为的对飙车行为进行判定，效率低下，难以做到及时有效的对飙车对象的各种信息进行捕捉，相应的监管部门无法及时获取相关信息，无法及时的对飙车对象进行布控抓捕，不利于飙车行为的有效治理。

如何改善现有技术缺陷，是现今急需解决的问题。

发明内容

本发明的目的在于克服现有技术的不足，提供了一种基于深度学习的自动声检测的飙车行为自动识别装置及方法，以解决现有技术中飙车行为判定困难、效率低和难以获取有用信息的技术问题。

本发明是通过以下技术方案实现的：一种基于深度学习的自动声检测的飙车行为自动识别装置，包括控制单元，所述控制单元分别与用于机动车飙车噪声识别及抓拍的自动声检测单元、用于机动车超速识别与抓拍的超速检测单元、用于发布监控信息的监控单元和用于存储信息的存储单元信号连接，所述自动声检测单元分别与用于音频信息捕捉识别的噪音检测单元和用于抓怕机动车车牌信息的第一抓拍单元信号连接，所述超速检测单元分别与用于超速检测的测速单元和用于捕获高速运动目标信息的第二抓拍单元信号连接。

进一步，所述第一抓拍单元抓拍对象具体为所述噪音识别单元捕捉对象。

进一步，，所述第二抓拍单元抓拍对象具体为测速模块检测对象。

一种基于深度学习的自动声检测的飙车行为自动识别方法，识别步骤包括：

步骤1：检测并锁定大噪声机动车目标，同时对锁定的目标进行车牌信息进行捕获；

步骤2：机动车超速行为检测及锁定，并捕获高速运动目标的视频与图像，具体包括车牌信息、人脸信息、车辆信息等；

步骤3：对比步骤1和步骤2所捕获的信息，当步骤1和步骤2所获取的车牌信息一致时判定为飙车行为，当步骤1和步骤2所获取的信息不一致时，判定为非飙车行为；

步骤4：将步骤3中判定为飙车行为时所获取的车辆及车辆驾驶员的详细信息发送给公安、交通等管理部门；

步骤5：将步骤1和步骤2所获取的信息进行存储。

本发明相比现有技术具有以下优点：本发明提供一种基于深度学习的自动声检测的飙车行为自动识别装置及方法，是一种基于噪声检测、超速检测、人脸识别、车牌识别技术为核心的机动车飙车行为实时检测和识别一体化装置，该装置融合飙车车辆噪声特征和超速行为识别、视频图像智能分析和快速检索技术，将图像与事件描述之间建立一种映射关系，使计算机从纷繁的视频图像中快速分辩、识别出飙车目标的发动机噪声及其驾驶人人脸特征、车牌特征、超速等。识别精度高、识别结果清晰可辨、识别智能化程度、识别效率高，并为公共安全、交通安全、社会面智能监控提供高技术含量的核心数据，为管理部门辅助决策，提供高可靠性数据支撑。

附图说明

图1是本发明一种基于深度学习的自动声检测的飙车行为自动识别装置的原理框图。

图中：1、控制单元；2、自动声检测单元；3、超速检测单元；4、监控单元；5、存储单元；6、噪音检测单元；7、第一抓拍单元；8、测速单元；9、第二抓拍单元。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。