[发明专利]基于无人机与长短时记忆网络的车辆行为识别方法及系统

说明书

本发明公开了基于无人机与长短时记忆网络的车辆行为识别方法及系统，方法包括：调取离线采集到的交通视频数据；对交通视频数据中的车辆进行检测追踪，提取出车辆行驶轨迹；对预处理后的车辆行驶轨迹进行特征提取，并建立训练数据集与测试数据集；使用双向长短时记忆递归神经网络对训练数据集进行模型训练，生成车辆行为识别模型；将测试数据集输入至车辆行为识别模型中进行精度评估；将在线实时采集到的交通视频数据输入至经过精度评估后的车辆行为识别模型进行车辆行为的识别，输出识别结果。本发明通过基于双向长短时记忆网络建立车辆行为识别模型来对交通视频数据中的车辆行驶轨迹进行识别，从而判断出车辆的行驶行为，识别精度高。

技术领域

本发明涉及车辆行为识别技术领域，具体涉及一种基于无人机与长短时记忆网络的车辆行为识别方法及系统。

背景技术

基于视频的车辆驾驶行为识别是建立和完善智能交通系统的基础，对提高道路通行安全，改善交通拥挤具有重要意义。传统道路摄像头位置固定、监控范围小，无法对车辆在交叉路口等复杂全局场景下进行跟踪检测，随着无人机及传感器集成技术的快速发展，搭载高清摄像头的无人机为交通领域提供了新视角的数据采集方法。大场景下的无人机交通视频包含了复杂多样的车辆行为信息，车辆轨迹长短不一，车辆轨迹数目众多，使用传统摄像头单一场景下的车辆行为分析方法，计算量大、预测效果也难以满足要求。

因此，现有技术还有待于改进和发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于无人机与长短时记忆网络的车辆行为识别方法及系统，旨在解决现有中技术使用传统摄像头单一场景下的车辆行为分析方法，计算量大、预测效果难以满足要求问题。

本发明解决技术问题所采用的技术方案如下：

一种基于无人机与长短时记忆网络的车辆行为识别方法，其中，所述方法包括：

调取通过设置在交通道路上空的无人机离线采集到的交通视频数据；

使用深度卷积神经网络建立的车辆检测模型对所述交通视频数据中的车辆进行检测追踪，提取出车辆行驶轨迹；

对所述车辆行驶轨迹进行预处理，对预处理后的车辆行驶轨迹进行特征提取，并依据提取的特征数据建立训练数据集与测试数据集；

使用双向长短时记忆递归神经网络对所述训练数据集进行模型训练，生成车辆行为识别模型；

将所述测试数据集输入至车辆行为识别模型中进行精度评估；

将无人机实时采集到的交通视频数据输入至经过精度评估后的车辆行为识别模型进行车辆行为的识别，输出识别结果。

所述的基于无人机与长短时记忆网络的车辆行为识别方法，其中，所述使用深度卷积神经网络建立的车辆检测模型对所述交通视频数据中的车辆进行检测追踪，提取出车辆行驶轨迹的步骤，具体包括：

接收到离线采集到的交通视频数据之后，将离线采集到的交通视频数据标定处理后输入至多尺度深度卷积神经网络中进行模型训练，生成车辆检测模型；

使用所述车辆检测模型对交通视频数据中的车辆进行检测追踪，提取出所有车辆的行驶轨迹。

所述的基于无人机与长短时记忆网络的车辆行为识别方法，其中，所述对所述车辆行驶轨迹进行预处理的步骤，具体包括：

对所述车辆行驶轨迹进行平滑处理、重复点删除处理以及轨迹压缩处理。

所述的基于无人机与长短时记忆网络的车辆行为识别方法，其中，所述轨迹压缩处理具体包括：

将车辆行驶轨迹的起始点与终止点连为一条直线，并求解所述车辆行驶轨迹上的所有点与所述直线之间的距离；

找出最大距离，并将最大距离与预设的阈值进行比较；