[发明专利]一种道路路况智能视频监控方法及系统

说明书

本发明公开了一种道路路况智能视频监控方法及系统，方法包括：获取道路过往车辆场景视频，基于深度学习的神经网络对所述过往车辆视频进行识别分析，实时分析采集车辆数据；对同一路段不同地点所获取的道路过往车辆场景视频进行识别，确定统计固定时间间隔内，通过该区域的车辆ID个数，得到车流量，车速结果；利用所述得到车流量，车速结果推导道路路况至大数据平台，进行预警决策。运用该种道路路况智能视频监控方法及系统，通过深度学习的神经网络对道路路况实时智能视频监控，及时发现交通通行状况，违反安全规范的行为、人员，并自动报警上传后端交通平台，后端交通平台通知相关工作人员立刻处理，确保道路通行安全。

技术领域

本发明涉及视频安防监控领域，尤其涉及一种道路路况智能视频监控方法 及系统。

背景技术

目前，道路是城市的一个主要组成部分，道路智能化能够实现城市服务能力提升。智慧道路建设，有如下意义和效果：弥补道路交通现状的信息采集覆盖不足、数据整合难的缺陷；实现运输管理的智能化监管、智能化调度；实现道路一侧情况智能识别和自动预警；融合实时路况实现对道路险情、交通拥堵及突发事件的预判和预警。因此需要一种道路路况智能视频监控方法及系统来实现道路实时路况智能识别和自动预警。

发明内容

本发明实施例提供了一种道路路况智能视频监控方法及系统，可以解决现 有技术中道路视频安防监控主要依赖人工，效率低，预警不及时及信息采集覆 盖不足、数据整合难的技术问题。

为实现上述目的，本发明第一方面提供一种道路路况智能视频监控方法， 所述方法包括：获取道路过往车辆场景视频，基于深度学习的神经网络对所述 过往车辆视频进行识别分析，实时分析采集车辆数据；

对同一路段不同地点所获取的道路过往车辆场景视频进行识别，确定统计 固定时间间隔内，通过该区域的车辆ID个数，得到车流量，车速结果；

利用所述得到车流量，车速结果推导道路路况至大数据平台，进行预警决 策。

进一步地，还包括基于深度学习的神经网络对所述过往车辆场景进行识别 车辆数据分析模型训练。

进一步地，基于深度学习的神经网络对所述过往车辆场景进行识别分析模 型训练还包括路面险情识别。

进一步地，基于深度学习的神经网络对所述过往车辆场景进行识别分析模 型训练还包括识别交通违法事件。

进一步地，基于深度学习的神经网络对所述过往车辆场景进行识别分析模 型训练还包括识别非机动车违法事件。

进一步地，基于深度学习的神经网络对所述过往车辆场景进行识别分析模 型训练还包括识别行人出行状态。

进一步地，基于深度学习的神经网络对所述过往车辆场景进行识别分析模 型训练还包括识别机动车，行人，非机动车的越区越线行为。

进一步地，基于深度学习的神经网络对所述过往车辆场景进行识别分析之 后，还包括将识别的道路路况结果发送至后台。

进一步地，利用所述得到车流量，车速结果推导道路路况至大数据平台， 进行预警决策包括设置相应道路路况阈值，若超过阈值则进行报警提示。

为实现上述目的，本发明实施例还提供一种道路路况智能视频监控系统， 包括获取识别模块，车流车速结果确定模块，预警决策模块，

所述获取识别模块用于获取道路过往车辆场景视频，基于深度学习的神经 网络对所述过往车辆视频进行识别分析，实时分析采集车辆数据；

所述车流车速结果确定模块用于对同一路段不同地点所获取的道路过往车 辆场景视频进行识别，确定统计固定时间间隔内，通过该区域的车辆ID个数， 得到车流量，车速结果；

所述预警决策模块用于利用所述得到车流量，车速结果推导道路路况至大 数据平台，进行预警决策。