一种基于卷积神经网络的高速公路视频多模型行人识别方法

本发明提供了一种基于卷积神经网络的高速公路视频多模型行人识别方法，包括通过监控摄像机获取视频流并截取连续帧图像；对图像进行多环境补偿预处理，生成标准化特征图组；将特征图组输入三个并行卷积神经网络模型，分别提取空间、运动和上下文特征矩阵；通过动态特征融合模块对特征矩阵进行融合，得到综合特征张量；基于环境感知模块输出的实时环境参数，对综合特征张量进行自适应加权，生成环境补偿特征张量；利用级联分类器对特征张量进行多层次分析，输出初始识别结果；最后通过时间序列验证模块对连续帧的识别结果进行时空一致性验证，生成最终识别结果。本发明可以提高高速公路视频行人识别在复杂环境下的准确性和鲁棒性，提升系统可靠性。