【技術實現步驟摘要】
本專利技術涉及交通管理，特別涉及一種基于視頻ai識別的無信號控制路段行人過街預警系統及其方法。
技術介紹
1、行人過街安全是城市交通管理中的重要問題。傳統的行人過街預警系統主要依賴于固定的交通信號燈和簡單的傳感器。這些系統存在多項局限性：首先，紅綠燈信號通常基于固定時間設定，無法根據實時交通狀況進行調整，導致行人在高峰期等待時間過長或交通稀少時未能及時過街。其次，壓力傳感器雖可檢測行人經過，但其響應機制相對被動，無法主動判斷行人的意圖和行為，導致預警效果有限。此外，傳統的視覺監控技術多為被動監視，缺乏智能分析能力，無法實時識別行人的移動模式和潛在危險。大多數系統還依賴人工監控，這在復雜交通環境中容易造成反應遲緩。
2、因此傳統的行人過街預警系統多依賴于人工巡邏或簡單的感應器，這些系統存在預警響應滯后、準確率低等問題。隨著計算機視覺和人工智能技術的快速發展，基于視頻監控的智能識別系統已經成為提升交通安全的有效手段。為此，本專利技術設計提出通過視頻ai識別的方式，檢測識別行人在斑馬線上通行時，控制斑馬線上的道釘發光和led屏顯示預警達到提前對駕駛員預警的效果，同時預警語音警報裝置、爆閃燈和行人預警屏并行對過街行人進行提醒預警，降低交通事故發生的可能性，提高安全性，保護行人的生命財產安全。
技術實現思路
1、為解決上述問題，本專利技術提供了一種基于視頻ai識別的無信號控制路段行人過街預警系統及其方法；
2、為實現上述技術方案，具體如下：
3、一種基于視
4、監控子系統包括：預警立柱上安裝的視頻ai攝像頭(內部裝有所述處理子系統——集成圖像處理芯片和ai分析模塊)；
5、預警子系統包括：安裝在人行橫道兩旁的行人預警柱(上面安裝有爆閃燈和行人預警屏)、預警立柱、和發光預警led顯示屏；
6、預警立柱內部安裝有電子電源模組；
7、電子電源模組內部安裝語音警報裝置；
8、發光預警led顯示屏和行人預警屏使用日夜雙開模式標志牌；
9、供電子系統包括：行人預警柱上安裝的太陽能電池板和安裝在預警立柱上的電子電源模組；
10、一種基于視頻ai識別的無信號控制路段行人過街預警方法，包括以下步驟：
11、s1、利用行人過街預警系統實時采集無信號控制路段下的圖像數據并將圖像輸入至處理子系統；
12、行人過街預警系統包括：監控子系統、預警子系統、供電子系統、控制子系統和處理子系統；
13、監控子系統包括：ai分析模塊，預警立柱上安裝的視頻ai攝像頭，內部裝有所述處理子系統；
14、預警子系統包括：警立柱、爆閃燈、行人預警屏和發光預警led顯示屏；
15、控制子系統用以控制地埋式發光道釘、預警語音警報裝置、爆閃燈、行人預警屏和發光預警led顯示屏工作；
16、控制子系統連接著信號接收模塊；
17、s2、利用處理子系統中的集成圖像處理芯片對圖像數據進行預處理；
18、具體的，預處理包括：圖像去噪處理和直方圖均衡化；
19、此外，處理子系統中的集成圖像處理芯片還可以存儲和處理yolo模型的權重更新或模型優化信息；隨著時間推移，預警系統可以根據實際環境數據，調整yolo模型的參數，使其更加適應特定路段的交通模式，提高系統的準確性和效率；具體過程如下：
20、s2.1、使用集成圖像處理芯片記錄視頻中的行人行為和周圍環境信息，并對數據進行存儲處理，提供給模型進行后續優化；
21、數據包括：行人流量信息、天氣變化信息及時間段信息；
22、s2.2、通過每月對預警系統性能進行評估，計算檢測精度、召回率和f1分數，重點關注不同條件下的表現，以識別誤報和漏報情況；
23、不同條件包括：時間條件、天氣條件、環境條件、行人特征；
24、進一步的，時間條件包括：高峰時段、非高峰時段、晝夜變化；
25、高峰時段即交通和行人密集，可能增加誤報和漏報；
26、非高峰時段即交通流量較少，檢測環境較簡單；
27、晝夜變化即光照差異影響檢測精度，夜間可能需要額外的增強技術；
28、進一步的，天氣條件包括：晴天、雨天/雪天、霧霾；
29、晴天即光照充足，通常系統表現較好，但需防止過曝和陰影影響；
30、雨天/雪天即影響圖像清晰度，增加漏報風險；
31、霧霾即低能見度，圖像模糊，影響識別效果；
32、進一步的，環境條件包括：遮擋、擁擠環境、復雜背景；
33、遮擋即行人被物體遮擋時，可能導致漏報；
34、擁擠環境即多人同時活動可能導致誤識別或漏報；
35、復雜背景即背景繁雜，容易產生誤報；
36、進一步的，行人特征包括：姿態、遮擋、服裝與大小；
37、姿態即行人快速移動或背對攝像頭時，易漏報；
38、遮擋即部分或完全遮擋增加漏報的風險；
39、服裝與大小即遠距離行人或與背景相似的服裝容易漏報；
40、例如，例如在高峰時段或惡劣天氣條件下的準確性問題；
41、s2.3、利用數據分析工具(python的pandas和seaborn)可視化視頻數據，分析行人的行為模式，找出影響行人過街安全的關鍵因素；例如，特定時段的行人通過率和車輛速度變化；
42、進一步的，關鍵因素包括：
43、行人通過率：單位時間內通過的行人數量(如每小時行人數量)，高峰期明顯增高；
44、車輛速度：0-30km/h(低速)、30-60km/h(中速)、60km/h以上(高速)；
45、天氣條件：晴天、雨天、雪天、霧霾等，影響行人行為與交通狀況；
46、特定時段包括：高峰時段：7:00-9:00am、5:00-7:00pm和非高峰時段：9:00am-4:00pm、7:00pm-7:00am；
47、s2.4、根據分析結果，調整yolo模型的非極大值抑制(nms)閾值，以減少漏報；提高行人被準確識別的概率，減少誤報；
48、具體的，將yolo模型的閾值從0.5降低至0.4；
49、s2.5、通過深度學習框架(pytorch)，采集新收集的視頻數據對yolo模型進行重訓練并采用梯度下降進行權重更新，特別關注在惡劣天氣和夜間的行人行為；
50、梯度下降公式如下：
51、
52、式中，wnew是更新后的參數值(例如yolo模型的某一層權重)；wold是當前的參數值；η是學習率(取0.001)；學習率控制每次更新時，參數調整的幅度；學習率過大會導致震蕩，過小則收斂太慢；是梯度，即損失函數對參數的偏導數，表示當前參數對損本文檔來自技高網...
【技術保護點】
1.一種基于視頻AI識別的無信號控制路段行人過街預警系統，其特征在于，包括：監控子系統、預警子系統、供電子系統、控制子系統和處理子系統；
2.一種基于視頻AI識別的無信號控制路段行人過街預警方法，所述方法適用于基于視頻AI識別的無信號控制路段行人過街預警系統，其包括監控子系統、預警子系統、供電子系統、控制子系統和處理子系統，其特征在于所述方法包括以下步驟：
3.根據權利要求2所述的一種基于視頻AI識別的無信號控制路段行人過街預警方法，其特征在于，所述識別并預警的方法包括：
4.根據權利要求3所述的一種基于視頻AI識別的無信號控制路段行人過街預警方法，其特征在于，所述預警子系統中發光預警LED顯示屏布置在人行橫道前的距離表達式如下：
5.根據權利要求4所述的一種基于視頻AI識別的無信號控制路段行人過街預警方法，其特征在于，所述讀取預警標志的認讀距離的表達式如下：
【技術特征摘要】
1.一種基于視頻ai識別的無信號控制路段行人過街預警系統，其特征在于，包括：監控子系統、預警子系統、供電子系統、控制子系統和處理子系統；
2.一種基于視頻ai識別的無信號控制路段行人過街預警方法，所述方法適用于基于視頻ai識別的無信號控制路段行人過街預警系統，其包括監控子系統、預警子系統、供電子系統、控制子系統和處理子系統，其特征在于所述方法包括以下步驟：
3.根據權利要求2所述的一...
【專利技術屬性】
技術研發人員：肖海承，黃軍霸，羅方伶，沈雪巖，成陽，楊玉斌，余香林，黃軍雙，
申請(專利權)人：昆明理工大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。