[发明专利]一种基于计算机视觉的交通违章行为检测方法

权利要求书

1.一种基于计算机视觉的交通违章行为检测方法，其特征在于：包括如下步骤，

S1：获取违章行为目标区域图像，进行数据标注与模型训练，得到目标检测模型；

S2：处理原始数据，对采集的原始图像数据进行特征提取和特征筛选，获取车辆或行人目标后，通过前帧数据中的目标记录，对目标在图像中的位置进行记录，获取目标行进轨迹，实现目标跟踪；

S3：预测目标，利用完成训练的YOLOv3模型预测目标类别及位置坐标；

S4：保存和利用目标检测结果，在输入视频的副本中根据预测的坐标绘制识别框，标记识别的种类名称与位置信息，同时将识别的特定种类目标的信息，保存在列表数据结构中；

S5：报警输出，根据保存在列表数据结构，利用冗余筛选规则进行冗余筛选输出，并对判断的结果进行可视化的展示。

2.根据权利要求1所述的一种基于计算机视觉的交通违章行为检测方法，其特征在于：所述步骤S1具体包括，

S11：针对机动车存在的违法行为确定数据集所需的类别，可自动检测的类别包括超载、未戴安全帽，目标检测算法检测出的类别即包括机动车、人、安全帽；

S12：从各大开源的数据集中收集所需类别数据，对于收集数量不足的类别进行针对性的数据标注，标注信息保存在xml格式的文件中，即包括目标类别和位置坐标；

S13：将所有xml格式的文件里的标注信息合并成一个txt格式文件，文件内容包括图片路径、图片内包括的目标类别、目标对应的位置坐标；

S14：将数据集划分为训练集、验证集和测试集；

S15：在训练集被加载时随机地进行数据增强来增加数据集，即对图片进行平移、缩放、扭曲，最后得到得到目标检测模型。

3.根据权利要求2所述的一种基于计算机视觉的交通违章行为检测方法，其特征在于：获取违章行为目标区域图像是通过违章时的违规违章过程视频流图像、系列图像、单幅照片、来自视频流文件的违规违章过程记录中的任意一种。

4.根据权利要求3所述的一种基于计算机视觉的交通违章行为检测方法，其特征在于：所述违章行为包括跨实线变更车道、不避让行人、闯红灯、超速行驶中的一个条件或多个条件。

5.根据权利要求1所述的一种基于计算机视觉的交通违章行为检测方法，其特征在于：所述步骤S2具体包括，

S21：利用背景减除法检测当前帧内的运动目标；

S22：检测是否有违章目标；

S23：若没有符合条件的违章目标，则转到下一帧，继续执行步骤S21，若检测到违章目标，则保存当前帧图像作为目标违章的取证图像1；

S24：利用目标跟踪算法对步骤S22中检测到的违章目标进行跟踪，计算其在当前帧的位置及尺寸信息；

S25：当运动目标到达位置1时，保存当前帧作为目标违章的取证图像2，其中位置1是由步骤S22中目标违章的初始位置和设置好的预设跟踪结束位置取中间位置得到；

S26：当运动目标到达预设跟踪结束位置时，跟踪结束，并保存当前帧图像作为目标违章的取证图像，并结合S23保存的取证图像1生成目标轨迹。

6.根据权利要求1所述的一种基于计算机视觉的交通违章行为检测方法，其特征在于：所述S3步骤具体包括，

S31：利用聚类算法K-means对数据集的目标坐标框的尺寸大小进行聚类，将K-means算法的输出数值作为YOLOv3模型的候选框参数；

S32：加载数据集及验证集txt格式文件，加载类别txt格式文件，加载候选框的txt文件；

S33：加载预训练的YOLOv3模型，构建计算损失函数和准确率函数，YOLOv3输出结果为向量；

S34：以批为迭代单位训练YOLOv3模型，反向传播修改YOLOv3模型参数。