摘要
本发明提供了一种隧道内车辆的行为检测方法、介质及系统,属于视频图像识别技术领域,包括:首先通过隧道监控视频图像增强预处理、环境参数采集,利用小波变换进行多尺度分解提取背景和前景,并采用帧差法提取车辆运动目标区域和边缘特征。随后,提取车辆运动特征矩阵,建立车辆运动特征与隧道环境参数的映射关系,并通过车辆行为特征优化方程组进行优化计算,构建车辆行为特征系数矩阵。进一步收集车辆行为标注数据,构建训练数据集,训练深度神经网络模型实现车辆行为识别,最终根据识别结果生成车辆行为预警信息,从而实现隧道交通安全智能监控与预警,解决了现有的车辆识别方法存在难以适用于光照变化剧烈、视角复杂的隧道环境的技术问题。
技术关键词
隧道内车辆
隧道监控
运动特征
训练深度神经网络
车辆运动状态
空间特征提取
子模块
图像灰度值
视频图像识别技术
融合卷积神经网络
矩阵
卷积神经网络结构
隧道交通安全
特征值
车辆识别方法
车辆运动轨迹
小波变换方法
系统为您推荐了相关专利信息
雷达
车辆运动状态估计
定位方法
特征点云
静态特征
脱困方法
交通事件信息
网约车订单
路侧设备
脱困装置
融合多模态特征
清仓机
运动学特征
运动特征
卡尔曼滤波
多源异构数据
模拟单元
预测土壤水分
运动特征
密度分布模型