一种营运车辆防控用非高清视频图像内容分析系统的制作方法

技术特征：
1.一种营运车辆防控用非高清视频图像内容分析系统，其特征在于，包括视频监控模块、车辆数据采集模块、北斗导航模块、导航记录模块以及视频图像分析模块，所述视频监控模块包括摄像头、麦克风以及存储单元，所述视频图像分析模块包括深度学习单元、视频图像拆分单元、图像分类单元、分析单元以及图像增强单元，所述摄像头以及麦克风的输出端均与存储单元的输入端进行信息传输，所述视频图像分析模块的输入端与视频监控模块的输出端进行信息传输。2.根据权利要求1所述的一种营运车辆防控用非高清视频图像内容分析系统，其特征在于，所述车辆数据采集模块的输出端与视频图像分析模块的输入端进行信息数据传输，所述车辆数据采集模块对车辆行车电脑进行数据采集，所述车辆数据采集模块信息用于视频图像分析模块的分析参考，所述北斗导航模块可以跟踪车辆行驶路径，所述北斗导航模块的输出端与导航记录模块的输入端进行信息传输，所述导航记录模块的输出端与视频图像分析模块的输入端进行信息传输。3.根据权利要求1所述的一种营运车辆防控用非高清视频图像内容分析系统，其特征在于，所述视频图像拆分单元基于帧数时间间隔对视频画面进行抽帧，将视频画面拆分成若干图片并提取特征区域，所述图像分类单元将画面相同的视频帧删除，所述图像增强单元对保留图像的画面的特征区域进行分辨率增强，所述分析单元对画面的特征区域进行画面识别。4.根据权利要求1所述的一种营运车辆防控用非高清视频图像内容分析系统，其特征在于，所述深度学习单元包括神经网络模型，所述深度学习单元对视频图像分析模块的分析数据进行采集，并对图像分析判断结果进行记录以作为神经网络模型的训练，所述深度学习单元采用神经网络算法，所述分析单元根据神经网络模型修正判断结果，所述深度学习单元采用预训练神经网络模型迁移到神经网络模型中，所述预训练神经网络模型作为分析单元的初始化权重。5.根据权利要求3所述的一种营运车辆防控用非高清视频图像内容分析系统，其特征在于，所述视频图像拆分单元采用聚类抽帧、基于运动抽帧以及基于镜头抽帧，所述视频图像拆分单元采取深度学习cnn模型框架对图像进行特征提取，所述视频图像拆分单元按照视频时间的固定间隔抽取关键帧。6.根据权利要求1所述的一种营运车辆防控用非高清视频图像内容分析系统，其特征在于，所述图像增强单元采用双三插值算法，将低分辨率图像插值到目标分辨率作为网络的输入，计算公式如下：f-1
＝h
bic
(i
lr
)式中，f-1
＝h
bic
(*)为双三次插值函数，f-1
为经过双三次插值函数所得到的图像，由此可得到下式：f0＝h
cfen
(f-1
)式中，h
cfen
为图像粗特征提取网络，通过一层卷积操作提取图像的浅层特征作为多介特征融合单元的输入，设该网络包括d个多介特征融合单元，f
d
表示第d个多介特征融合单元的输出，f
d
由f-1
和f0开始经过对应的h
cfen
函数逐级计算得到下式：f
d
＝h
mfu.d
(f
d-1
f0)＝h
mfu.d
(h
mfu.d-1
(h
mu.2
(f-1
f0)
……
))式中，h
mfu.d
表示第d个多介特征融合单元，h
mfu.d
是个复合函数，包括卷积操作和relu激
活函数，在每个h
mfu.d
内，不同卷积层提取的图像特征被先级联、后融合，使用递归学习策略，在mfu之间实现权值共享。

技术总结
本发明涉及车辆智能防控技术领域，且公开了一种营运车辆防控用非高清视频图像内容分析系统，包括视频监控模块、车辆数据采集模块、北斗导航模块、导航记录模块以及视频图像分析模块，所述视频监控模块包括摄像头、麦克风以及存储单元，所述视频图像分析模块包括深度学习单元、视频图像拆分单元、图像分类单元、分析单元以及图像增强单元。本发明的优点在于：能够有效的提取视频画片人物特征区域的图像信息，并通过图像增强单元，大大提高图像区域的分辨率，提高识别效果，同时将判断结果用于神经网络模型的训练，可以逐步提高对非高清画面特征的分析效果，通过对比神经网络模型，可以快速会析出司机行为是否规范，提高对营运车辆的管控力。的管控力。的管控力。


技术研发人员：何国庆 胡加德 冯雷 何廷刚
受保护的技术使用者：贵州省交通科学研究院股份有限公司
技术研发日：2021.06.17
技术公布日：2022/12/19