龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：东南大学
申请日：2020-09-04
公开（公告）日：2024-06-21
公开（公告）号：CN112084928B
主分类号：G06V20/40
分类号：G06V20/40;G08G1/017;G06V20/52;G06V10/82;G06N3/0442;G06N3/0464
优先权：
专利状态码：有效-授权
法律状态：2024.06.21#授权;2021.01.01#实质审查的生效;2020.12.15#公开
摘要：本发明公开了一种基于视觉注意力机制和ConvLSTM网络的道路事故检测方法，包括如下步骤：收集和划分事故图片数据集和视频数据集；搭建事故外观特征提取网络；训练事故外观特征提取网络；在训练后的事故外观特征提取模型的基础上引入事故的运动特征提取网络，完成总事故检测模型的搭建；使用视频数据训练集对总事故检测模型进行训练；通过训练后的总事故检测模型进行事故检测。本发明采用基于视觉注意力模块CBAM和图像特征提取网络ResNet‑50融合的事故外观特征提取模型，能够捕捉更局部，更具体的事故外观特征；采用了ConvLSTM网络捕捉事故运动特征，弥补了RNN和LSTM网络无法很好捕捉事故运动特征等缺陷，从而提高了事故检测精度。
主权项：1.一种基于视觉注意力机制和ConvLSTM网络的道路交通事故检测方法，其特征在于：包括如下步骤：S1：收集和划分事故图片数据集和事故视频数据集，划分后的事故图片数据集包括图片数据训练集和图片数据测试集，划分后的事故视频数据集包括视频数据训练集和视频数据测试集；S2：搭建事故外观特征提取网络；S3：使用图片数据训练集对事故外观特征提取网络进行训练，且使用图片数据测试集对训练好的事故外观特征提取网络进行测试；S4：在训练后的事故外观特征提取模型的基础上引入事故的运动特征提取网络，完成总事故检测模型的搭建；S5：使用视频数据训练集对总事故检测模型进行训练，且使用视频数据测试集对训练好的总事故检测模型进行测试；S6：通过训练后的总事故检测模型进行事故检测；步骤S4中总事故检测模型的搭建过程具体为：S41：搭建基于网络提取事故视频的外观特征；S42：使用卷积对输出的特征图进行降维；S43：将步骤S42降维后的特征图输入到按时间方向连接的运动特征提取Conv-LSTM网络，提取事故的运动特征。
全文数据：
权利要求：
百度查询： 东南大学 基于视觉注意力机制和ConvLSTM网络的道路交通事故检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号