[实用新型]一种基于深度学习GPU具有视频分析的雷达测速装置

说明书

技术领域

本实用新型涉及一种基于深度学习GPU具有视频分析的雷达测速装置，应用于交通监管技术领域。

背景技术

随着人们生活水平的不断提高，人们需要驾驶车辆的几率也随之增加，然而大多数司机严重缺乏系安全带的交通意识，且喜欢开超速车、赌气车，增加了交通事故的危险性，这就要求交管部门对其进行监控和管理，以往道路上安装的交通行为分析仪采用的是DSP处理器，仅有两百万像素，视频分析量和分辨率都相对较小并且对三维图像的识别能力也相对较弱，因此效率低下的DSP处理器难以在车流量剧增的条件下，有效的对汽车驾驶行为进行分析。

实用新型内容

为解决现有技术方案的缺陷，本实用新型公开了一种增强视频分析分辨率、精准识别三维图像且识别速度快，有效判断、取证、提高效率，提高监管效率且间接降低了车辆事故率。

本实用新型公开了一种基于深度学习GPU具有视频分析的雷达测速装置，包括：前端视频采集单元、雷达测速单元、GPU深度学习处理器、照片抓拍装置、存储单元、交管监控平台、传输单元、数据库，所述前端视频采集单元、雷达测速单元分别通过网络信号与GPU深度学习处理器电连接，所述GPU深度学习处理器通过网络信号分两路分别与照片抓拍装置及传输单元电连接，所述照片抓拍装置通过网络信号电连接一个存储单元，所述存储单元对接所在地区的交管监控平台，所述传输单元通过网络信号电连接一个数据库。

所述前端视频采集单元安装的高度为路面以上3-4米处位置。

所述雷达测速单元为雷达测速仪。

所述GPU深度学习处理器采用的是CEVA-XM4视觉处理器。

由于采用上述技术方案，本实用新型具有以下有益优点：

1、增强视频分析分辨率、精准识别三维图像且识别速度快；

2、有效判断、取证、提高效率；

3、提高监管效率、降低事故发生率。

附图说明

图1是本实用新型一种基于深度学习GPU具有视频分析的雷达测速装置的外接图。

其中：1-前端视频采集单元；2-雷达测速单元；3-GPU深度学习处理器；4-照片抓拍装置；5-存储单元；6-交管监控平台；7-传输单元；8-数据库。

具体实施方式

如图1所示，本实用新型公开了一种基于深度学习GPU具有视频分析的雷达测速装置，包括：前端视频采集单元1、雷达测速单元2、GPU深度学习处理器3、照片抓拍装置4、存储单元5、交管监控平台6、传输单元7、数据库8，所述前端视频采集单元1、雷达测速单元2分别通过网络信号与GPU深度学习处理器3电连接，所述GPU深度学习处理器3通过网络信号分两路分别与照片抓拍装置4及传输单元7电连接，所述照片抓拍装置4通过网络信号电连接一个存储单元5，所述存储单元5对接所在地区的交管监控平台6，所述传输单元7通过网络信号电连接一个数据库8。

所述前端视频采集单元1安装的高度为路面以上3-4米处位置。

所述雷达测速单元2为雷达测速仪。

所述GPU深度学习处理器3采用的是CEVA-XM4视觉处理器，CEVA深层神经网络框架为基于卷积神经网络的算法提供了从离线训练到实时检测的快速顺畅路径，能够在短短数天内获得经过优化的独特目标检测网络实施方案，并且功耗比其它平台显著降低。

本实用新型是这样实施的：在使用过程中，前端视频采集单元1对路面上迎面而来的车辆进行视频采集，雷达测速单元2对车辆行驶速度进行测量，然后两者将视频及测量信号通过网络信号上传到GPU深度学习处理器3，采用GPU处理器的GPU深度学习处理器3将得到的三维图像进行迅速识别处理，通过所拍视频中司机的肩部和腰部是否都具有安全带的成像，从而判断出行驶车辆中的司机是否未系安全带，同时还能根据雷达测速单元2的信号判断车辆是否超速，若GPU深度学习处理器3判断出车辆未系安全带或超速，两者中满足一项或两者均满足，此时GPU深度学习处理器3迅速传送一个网络信号到照片抓拍装置4，照片抓拍装置4在接收到网络信号后立即对前方车辆进行高清抓拍，照片抓拍装置4在抓拍后将所得图像和数据上传到存储单元5，存储单元4里的数据定时上传至交管监控平台6，再由交管监控平台6的工作人员进行分类，然后进行处罚；如果驾驶司机驾驶行为符合要求，则GPU深度学习处理器3将采集到的视频传送至传输单元7，再由传输单元7网络上传至数据库8对其留存，采用本技术方案，一定程度上约束了驾驶司机，降低了事故发生率。

最后应说明的是：以上实施例仅用以说明本实用新型而并非限制本实用新型所描述的技术方案；因此，尽管本说明书参照上述的各个实施例对本实用新型已进行了详细的说明，但是，本领域的普通技术人员应当理解，仍然可以对本实用新型进行修改或等同替换；而一切不脱离本实用新型的精神和范围的技术方案及其改进，其均应涵盖在本实用新型的权利要求范围中。