基于深度學(xué)習(xí)視頻分類的道路通行異常狀態(tài)檢測方法及裝置
基本信息
| 申請?zhí)?/td> | CN202110007646.2 | 申請日 | - |
| 公開（公告）號 | CN112686187A | 公開（公告）日 | 2021-04-20 |
| 申請公布號 | CN112686187A | 申請公布日 | 2021-04-20 |
| 分類號 | G06N3/08(2006.01)I;G06K9/00(2006.01)I;G06K9/62(2006.01)I;G06N3/04(2006.01)I | 分類 | 計算；推算；計數(shù); |
| 發(fā)明人 | 李嘉;張南蛟;黎艷;張珂溢;梁豪;林世奕 | 申請（專利權(quán)）人 | 四川云控交通科技有限責(zé)任公司 |
| 代理機(jī)構(gòu) | 成都厚為專利代理事務(wù)所（普通合伙） | 代理人 | 夏柯雙 |
| 地址 | 610000四川省成都市高新區(qū)九興大道12號 | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明提供了基于深度學(xué)習(xí)視頻分類的道路通行異常狀態(tài)檢測方法及裝置，方法包括：對每段采集過來的長視頻，均勻劃分為一組預(yù)設(shè)時長的視頻片段；標(biāo)注每段視頻片段中道路通行狀態(tài)是否異常；將標(biāo)注的每段視頻作為樣本對模型進(jìn)行訓(xùn)練，得到訓(xùn)練模型；確定圖像的特征的幀間動態(tài)信息；確定圖像特征的時空信息；將幀間信息提取模塊和時空信息提取模塊融入至ResNet的瓶頸模塊中，得到視頻特征提取模塊；將提取出的特征輸入到全連接層中，進(jìn)行時序池化；將時序池化的特征，輸入訓(xùn)練模型中，輸出該視頻片段為異常狀態(tài)的概率p；依據(jù)概率p確定視頻信息是否異常。時空特征提取模塊解決了長視頻時序信息的缺失問題，同時避免了3D卷積計算量大的缺點。?? |
