基于深度学习算法的车辆违法行为智能分析

王军群, 李华鹏

(1.中远海运科技股份有限公司，上海 200135;2.深圳大学 深圳电磁控制重点实验室,广东 深圳 518060)

0 引 言

近年来，随着我国经济的不断发展，人们的生活水平不断提高，道路上的车辆越来越多，相应的交通拥堵问题和交通事故频繁发生。造成交通拥堵问题和交通事故的主要原因是车辆违法行为，因此对车辆违法行为进行智能分析较为重要。在车辆违法行为监测方面，传统的检测工具主要有磁感应线圈、红外线和超声波等。这些交通检测工具虽然在缓解交通秩序和交通压力方面起到一定的作用，但维护成本高、硬件设备安装复杂等缺点限制了其应用。近年来，随着计算机视觉技术的不断发展，基于视频监控的车辆违法行为检测技术逐渐得到应用。

基于视频监控的车辆违法行为检测主要包括目标检测、目标追踪和轨迹运动分析，其中目标检测以往采用的是传统的图像处理方法，只能检测出运动的车辆目标，无法实现车辆类型分类，且检测速度慢，检测精度低，极易受外界环境的影响。检测完毕之后运用卡尔曼滤波、粒子滤波和CamShift等方法进行跟踪时，由于车辆目标检测阶段造成的检测精度低、检测速度慢和漏检情况频发等情况，使得后续目标追踪的效果很差，进而影响轨迹的运动分析。对此，本文将深度学习算法应用到车辆违法行为分析系统中，采用基于YOLOv3的深度学习算法对车辆目标进行检测，利用卡尔曼滤波对车辆目标进行跟踪，绘制车辆的运动轨迹，进而通过对车辆的运动轨迹进行分析，判断车辆是否存在违法行为。……