买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国海洋大学

摘要：本发明提供了一种复杂天气情况下道路车辆检测方法、介质及系统，属于道路车辆检测技术领域，包括：首先获取道路监控视频和音频,对这些原始数据进行预处理,包括对音频信号的分割和时间对齐,以及对视频信号的边缘检测、车辆定位等处理,从而提取出音频和视频的特征。然后将这些特征进行多模态融合,结合地理位置信息,训练一个基于CNN神经网络的车辆识别模型。最后,可以利用该模型对新的待测道路数据进行车辆识别。整个过程涉及数据采集、预处理、特征提取、模型训练以及应用等多个步骤,旨在在复杂天气环境下实现准确的车辆识别,为智能交通管理等应用提供支撑。解决了在复杂天气下，存在的数据难以处理，难以得到高质量的特征的技术问题。

主权项：1.一种复杂天气情况下道路车辆检测方法，其特征在于，包括以下步骤：S10、获取复杂天气环境下道路的监控视频和监控音频集，并进行预处理，得到基础视频和基础音频集；S20、将每个基础音频根据能量或零穿越率进行分割,得到多个音频段,根据每个基础音频的音频段的起止时间、幅度特征,将每个基础音频进行时间对齐,得到对齐后的基础音频集,记作第一音频集,包含多个第一音频;S30、采用低通滤波算法+谱减法降噪算法的方式对每一条第一音频进行降噪，得到第二音频，并对应形成第二音频集；S40、对每一个第二音频，提取音频特征，包括时域特征和频域特征；S50、对所述基础视频的视频流进行包括：Canny边缘检测、HoughLine检测、基于帧差法的车辆道路定位以及基于视觉特征检测的步骤，得到图像特征；S60、将所述音频特征和所述图像特征，根据时间的对应关系以及RTK技术获取的地理位置信息进行多模态融合，得到融合特征，并获取所述视频流中的车辆人工识别标签；S70、重复执行步骤S10~S60，得到多组融合特征及对应的车辆人工识别标签，训练一个CNN神经网络，得到车辆识别模型；S80、根据步骤S10~S60的方式，获取待测道路的融合模型，输入到所述车辆识别模型，输出车辆识别结果；其中，所述CNN神经网络为基于负载均衡的分布式的CNN神经网络，具体结构包括：数据分割模块:将训练数据均匀分割到多个计算节点；并行计算模块:每个计算节点利用本地数据,并行地训练神经网络的权重参数；参数合并模块:周期性地汇总各节点的局部模型参数,进行全局加权平均,得到新的全局模型参数；参数分发模块:将合并后的全局模型参数分发给各计算节点,替换原有的局部参数；负载均衡模块:动态监控各节点的计算负载,对计算节点进行动态分配,避免某些节点长期过载而影响训练效率。

全文数据：

权利要求：

百度查询： 中国海洋大学 一种复杂天气情况下道路车辆检测方法、介质及系统