基于帧差与深度学习融合的车辆监控方法

本发明公开了一种基于帧差与深度学习融合的车辆监控方法，涉及车辆监控技术领域，在监控区域部署摄像头、环境传感器，借助车路协同采集视频及多源数据；运用自适应帧差法，配合形态学与光流估计，依据环境确定阈值，提取车辆特征；构建带注意力机制的深度卷积神经网络，利用多样数据，结合迁移与强化学习训练模型；基于图注意力网络融合两类特征，形成优质融合特征；通过时空图卷积网络结合LSTM跟踪车辆、预测轨迹，构建行为模式库判定异常，结合SVM和知识图谱分类分析。本发明融合帧差与深度学习，提高监控准确性，可精准识别检测车辆；增强实时性，快速处理数据，降低环境影响；助力交通管理，打造安全高效交通环境。