[发明专利]一种基于对抗网络原理的行人道路违章检测方法及装置

说明书

本发明公开了一种基于对抗网络原理的行人道路违章检测方法及装置，其中方法包括：获取目标区域中的视频流信息，并检测视频流信息中的行人违章图片；通过统计行人违章图片中人脸图片的关键点得到头部旋转角度，筛选出行人违章图片中的正脸图片集和与其对应的侧脸图片集；采用对抗网络架构提取人脸图片中的特征点数据集，并采用交叉熵损失函数和对称损失函数进行训练，在收敛时得到对抗网络；输入侧脸图片集得到每一侧脸图片集对应的正脸图片。本发明基于对抗网络原理采用对抗网络架构提取人脸特征点，并输入正脸图片集和侧脸图片集进行训练，能够根据单一的侧脸图片准确合成其对应的正脸图片，能够有效提高行人道路违章检测的准确性和可靠性。

技术领域

本发明涉及智能交通技术领域，尤其是涉及一种基于对抗网络原理的行人道路违章检测方法及装置。

背景技术

目前，随着城市的发展和扩大，越来越多的人口不断涌入城市中来，城市交通面临着巨大的压力，如何规范行人遵守道路规章制度，是目前城市急需解决安全问题。在城市的快速交通中，不管是隧道，桥梁，快速路等通道，还是交通路口的斑马线，都有禁止行人进入或指定斑马线内行走。传统的行人道路违章检测方法通常是通过人来完成，尤其是城市交通十字路口，需要大量的人力在指定站定进行现场指挥，需要耗费较大的时间成本和人力成本。现有的行人道路违章检测方法通常为视频监控系统来针对行人是否遵守道路规则进行识别和分析，但是现有的行人道路违章检测方法无法对人脸局部信息进行补全和转正，导致检测的准确度较差。

发明内容

本发明提供了一种基于对抗网络原理的行人道路违章检测方法及装置，以行人道路违章检测方法无法对人脸局部信息进行补全和转正，导致检测的准确度较差的问题。

本发明的一个实施例提供了一种基于对抗网络原理的行人道路违章检测方法，包括：

获取目标区域中的视频流信息，并检测所述视频流信息中的行人违章图片；

检测所述行人违章图片中的人脸图片，并通过统计所述人脸图片的关键点得到头部旋转角度，根据所述头部旋转角度筛选出所述行人违章图片中的正脸图片集和与其对应的侧脸图片集；

采用预先构建好的对抗网络架构提取所述人脸图片中的特征点数据集，并采用交叉熵损失函数和对称损失函数进行训练，在收敛时得到对抗网络；

在所述对抗网络中输入侧脸图片集，得到每一侧脸图片集对应的正脸图片。

进一步的，所述采用预先构建好的对抗网络架构提取所述人脸图片中的特征点数据集，并采用交叉熵损失函数和对称损失函数进行训练，在收敛时得到对抗网络，包括：

将所述行人违章图片输入至所述对抗网络架构中，通过所述对抗网络架构中生成器的局部路径对所述行人违章图片中的人脸图片进行局部特征，得到所述人脸图片中的特征点数据集；所述特征点数据集包括左眼、右眼、鼻子和嘴唇；

根据所述对抗网络架构中生成器的全局路径学习所述人脸图片的全局信息，根据所述特征点数据集和所述全局信息，采用所述交叉熵损失函数和所述对称损失函数进行训练，在收敛时得到对抗网络。

进一步的，所述根据所述头部旋转角度筛选出所述行人违章图片中的正脸图片集和与其对应的侧脸图片集，包括：

判断所述头部旋转角度是否超过预设角度范围，若是，则判断所述头部旋转角度对应的人脸图片为侧脸图片；若否，则判断所述头部旋转角度对应的人脸图片为正脸图片。

进一步的，所述检测所述视频流信息中的行人违章图片，包括：

采用Faster_Rcnn算法检测所述视频流信息中的行人违章图片。

进一步的，所述采用Faster_Rcnn算法检测所述视频流信息中的行人违章图片，包括：

采用卷积神经网络提取所述视频流信息中每一帧图片的特征；