(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210601190.7 (22)申请日 2022.05.30 (71)申请人 江苏集萃深度感知技 术研究所有限 公司 地址 214135 江苏省无锡市新吴区菱湖大 道111号软件园天鹅座C座2 2层 (72)发明人 黄健翔　王明明　唐举城　 (74)专利代理 机构 无锡市观知成专利商标代理 事务所 (特殊普通合伙) 32591 专利代理师 任月娜 (51)Int.Cl. G06V 20/54(2022.01) G06V 40/20(2022.01) G06V 10/762(2022.01)G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G08G 1/01(2006.01) G08G 1/017(2006.01) (54)发明名称 交通监管模 型的建立方法、 交通监管系统及 方法 (57)摘要 本发明提供一种交通监管模 型的建立方法、 交通监管系 统及方法。 其中， 本发明利用YOLOv5 网络结构和MOT算法训练成交通监管模型， 以应 用于交通监管系统及方法中。 所述交通监管系统 包括： 数据采集单元、 图像处理单元和信息输出 单元； 数据处理单元用于采集道路的交通影像数 据； 图像处理单元基于训练出的交通监管模型， 从交通影像数据中识别出目标车辆、 驾驶员是否 佩戴头盔和目标车辆的运行轨迹， 并基于识别数 据实现对目标车辆逆行、 闯红灯以及未佩戴头盔 的违规判定。 信息输出单元用于将违规判定结果 输出至终端。 因此， 本发明实现了对电动自行车 违规的自动化识别， 无需耗费大量的人力成本， 提高了监管效率。 权利要求书2页 说明书8页 附图4页 CN 115019263 A 2022.09.06 CN 115019263 A 1.一种交通 监管模型的建立方法， 其特 征在于， 包括： 采集道路的交通影 像数据； 对所述交通影 像数据进行第一数据标注； 选取部分标注后的所述交通影像数据作为第 一训练集， 以及选取部分标注后的所述交 通影像数据作为第一测试集； 将所述第一训练集输入YOLOv5网络结构， 以训练并生成车辆识别模型； 以及， 采用所述 第一测试集验证所述车辆识别模型； 采用所述车辆识别模型识别所述交通影 像数据， 以获得目标 车辆数据集； 采用MOT算法对所述目标车辆数据集进行追踪处理， 以获得目标车辆的运行轨迹； 以 及， 根据所述目标 车辆数据集至少训练生成头盔识别模型； 至少根据 所述目标车辆的运行轨迹和所述头盔识别模型的识别结果， 将所述目标车辆 数据集按照设定规则， 分为多个 违规数据集。 2.根据权利要求1所述的交通监管模型的建立方法， 其特征在于， 所述对所述交通影像 数据进行第一数据标注的过程， 包括： 至少识别所述交通影 像数据中的行 人图像、 自行 车图像和电动自行 车图像； 对所有的所述行 人图像、 所述自行 车图像和所述电动自行 车图像分别进行序号标注。 3.根据权利要求2所述的交通监管模型的建立方法， 其特征在于， 所述目标车辆数据集 包括所有电动自行 车图像。 4.根据权利要求1所述的交通监管模型的建立方法， 其特征在于， 所述根据所述目标车 辆数据集训练生成头盔识别模型的过程， 包括： 对所述目标 车辆数据集进行第二数据标注； 选取部分标注后的数据作为第二训练集， 以及选取部分标注后的数据作为第二测试 集； 将所述第二训练集输入所述YOLOv5网络结构， 以训练并生成头盔识别模型， 并采用所 述第二测试集验证所述头盔识别模型。 5.根据权利要求4所述的交通监管模型的建立方法， 其特征在于， 所述对所述目标车辆 数据集进行第二数据标注的过程， 包括： 识别所述目标 车辆数据集中每 个目标车辆上的驾驶员头 部和头盔； 对所有所述驾驶员头 部和所述头盔进行序号标注。 6.根据权利要求1或4所述的交通监管模型的建立方法， 其特征在于， 在训练所述 YOLOv5网络结构之前， 采用K ‑Means聚类算法处 理训练数据。 7.根据权利要求1或4所述的交通监管模型的建立方法， 其特征在于， 采用VoTT软件或 Image Labeling软件进行 数据标注。 8.根据权利要求1所述的交通监管模型的建立方法， 其特征在于， 多个所述违规数据集 包括： 逆行 数据集、 闯红灯数据集以及未佩戴头盔数据集。 9.一种交通监管系统， 其特征在于， 包括： 数据采集单元、 图像处理单元和信息输出单 元； 所述数据处 理单元用于采集道路的交通影 像数据； 所述图像处理单元包括车辆识别模块、 头盔识别模块、 轨迹追踪模块和违规分类模块；权　利　要　求　书 1/2 页 2 CN 115019263 A 2其中， 所述车辆识别模块具有 车辆识别模型， 用于识别所述交通影像数据中的目标车辆， 以 生成目标车辆数据集； 所述头盔识别模块具有头盔识别模型， 用于识别所述 目标车辆中驾 驶员是否佩戴头盔； 所述轨迹追踪模块用于获取所述 目标车辆的运行轨迹； 所述违规分类 模块用于根据所述头盔识别模型的识别结果以及所述运行轨迹， 将所述目标车辆数据集至 少分为逆行 数据集、 闯红灯数据集以及未佩戴头盔数据集； 所述信息输出单元用于至少输出所述逆行数据集、 所述闯红灯 数据集以及所述未佩戴 头盔数据集至终端。 10.一种交通 监管方法， 其特 征在于， 使用如权利要求9所述的交通 监管系统， 包括： 数据采集单 元采集道路的交通影 像数据， 并输送至车辆识别模块； 所述车辆识别模块标注并识别目标 车辆， 以生成目标 车辆数据集； 头盔识别模块识别所述目标车辆数据集中每个驾驶员是否佩戴头盔； 以及， 轨迹追踪 模块获取 所述目标 车辆的运行轨 迹； 违规分类模块根据所述头盔识别模型的识别结果以及所述运行轨迹， 将所述目标车辆 数据集至少分为逆行 数据集、 闯红灯数据集以及未佩戴头盔数据集； 所述信息输出单元至少输出所述逆行数据集、 所述闯红灯 数据集以及所述未佩戴头盔 数据集至终端。权　利　要　求　书 2/2 页 3 CN 115019263 A 3