基于AI分析的智慧交通安防监控系统及方法与流程

本技术涉及智能化安防监控，尤其涉及一种基于ai分析的智慧交通安防监控系统及方法。

背景技术：

1、交通安防监控是指通过安装摄像头或其他监控设备，对交通场景进行实时监测和管理，以提高交通安全性和管理效率。交通安防监控系统可以用于城市道路、高速公路、停车场等交通场所，帮助监测交通流量、识别违章行为、提供证据等。

2、然而，传统的交通安防监控系统主要依靠人工操作，监控人员需要长时间观察监控画面，容易疲劳和出错。同时，由于人工监控的范围和效率的限制，无法实现对大范围交通场景的全面监控。并且，传统的交通安防监控系统通过依靠人工观察和判断的方式来识别违章行为，准确性有限，人的视觉和反应能力有限，容易漏检或误判，导致违章行为未被及时发现和处理。此外，传统的交通安防监控系统通常需要人工干预才能发现和处理违章行为，无法实现实时监控和及时响应，这导致了违章行为的延误处理，无法有效预防交通事故和提高交通管理效率。

3、因此，期望一种基于ai分析的智慧交通安防监控系统。

技术实现思路

1、本技术提供一种基于ai分析的智慧交通安防监控系统及方法，其通过智慧交通摄像头实时监测采集道路监控视频，并在后端引入基于人工智能和深度学习的视频处理和分析算法来进行该道路监控视频的语义分析，以此来识别和追踪交通工具、行人和其他物体目标，并进行目标对象的异常行为（如逆行、闯红灯等）检测，同时对于异常行为进行及时报警，以便相关部门能够及时采取措施。这样，提高了智慧交通安防监控系统的监控准确性、实时性和效率，从而更好地保障交通安全和管理。

2、本技术还提供了一种基于ai分析的智慧交通安防监控系统，其包括：

3、道路监控视频采集模块，用于获取由智慧交通摄像头采集的道路监控视频；

4、目标对象感兴趣区域提取模块，用于将所述道路监控视频通过目标对象检测网络以得到待检测目标对象感兴趣区域监控视频；

5、视频关键帧提取模块，用于从所述待检测目标对象感兴趣区域监控视频中提取待检测目标对象感兴趣区域关键帧的序列；

6、目标对象行为语义特征提取模块，用于通过基于深度神经网络模型的目标对象行为语义特征提取器分别对所述待检测目标对象感兴趣区域关键帧的序列进行特征提取以得到目标对象行为语义特征图的序列；

7、目标对象行为语义特征显化模块，用于对所述目标对象行为语义特征图的序列进行空间语义显著化分析以得到目标对象行为语义显著化表达特征图的序列；

8、目标对象行为语义关联编码模块，用于对所述目标对象行为语义显著化表达特征图的序列进行行为模式时序动态语义关联编码以得到目标对象行为动态语义编码特征；

9、目标对象异常行为检测模块，用于基于所述目标对象行为动态语义编码特征，确定待检测目标对象是否存在异常行为，并确定是否发出警报信号。

10、在上述基于ai分析的智慧交通安防监控系统中，所述视频关键帧提取模块，用于：对所述待检测目标对象感兴趣区域监控视频进行稀疏采样以得到所述待检测目标对象感兴趣区域关键帧的序列。

11、在上述基于ai分析的智慧交通安防监控系统中，所述深度神经网络模型为卷积神经网络模型。

12、在上述基于ai分析的智慧交通安防监控系统中，所述目标对象行为语义特征显化模块，用于：将所述目标对象行为语义特征图的序列通过基于空间注意力层的目标对象行为语义显化器以得到所述目标对象行为语义显著化表达特征图的序列。

13、在上述基于ai分析的智慧交通安防监控系统中，所述目标对象行为语义特征显化模块，用于：

14、将所述目标对象行为语义特征图的序列通过基于空间注意力层的目标对象行为语义显化器中使用如下显著化公式进行处理所述目标对象行为语义显著化表达特征图的序列；

15、其中，所述显著化公式为：其中，表示所述目标对象行为语义特征图的序列，表示使用3×3的卷积核进行卷积处理，表示使用1×1的卷积核进行卷积处理，表示函数，表示所述目标对象行为语义显著化表达特征图的序列。

16、在上述基于ai分析的智慧交通安防监控系统中，所述目标对象行为语义关联编码模块，用于：将所述目标对象行为语义显著化表达特征图的序列通过基于转换器模块的行为模式时序动态编码器以得到目标对象行为动态语义编码特征向量作为所述目标对象行为动态语义编码特征。

17、在上述基于ai分析的智慧交通安防监控系统中，所述目标对象异常行为检测模块，包括：目标对象行为异常检测单元，用于将所述目标对象行为动态语义编码特征向量通过分类器以得到分类结果，所述分类结果用于表示待检测目标对象是否存在异常行为；警报信号发出单元，用于响应于所述待检测目标对象存在异常行为，发出警报信号。

18、在上述基于ai分析的智慧交通安防监控系统中，还包括用于对所述基于卷积神经网络模型的目标对象行为语义特征提取器、所述基于空间注意力层的目标对象行为语义显化器、所述基于转换器模块的行为模式时序动态编码器和所述分类器进行训练的训练模块；其中，所述训练模块，包括：训练道路监控视频采集单元，用于获取由智慧交通摄像头采集的训练道路监控视频；训练目标对象感兴趣区域提取单元，用于将所述训练道路监控视频通过所述目标对象检测网络以得到训练待检测目标对象感兴趣区域监控视频；训练视频关键帧提取单元，用于从所述训练待检测目标对象感兴趣区域监控视频中提取训练待检测目标对象感兴趣区域关键帧的序列；训练目标对象行为语义特征提取单元，用于通过所述基于深度神经网络模型的目标对象行为语义特征提取器分别对所述训练待检测目标对象感兴趣区域关键帧的序列进行特征提取以得到训练目标对象行为语义特征图的序列；训练目标对象行为语义特征显化单元，用于对所述训练目标对象行为语义特征图的序列进行空间语义显著化分析以得到训练目标对象行为语义显著化表达特征图的序列；训练优化单元，用于对所述训练目标对象行为语义显著化表达特征图的序列进行特征优化以得到优化后训练目标对象行为语义显著化表达特征图的序列；训练目标对象行为语义关联编码单元，用于将所述优化后训练目标对象行为语义显著化表达特征图的序列通过所述基于转换器模块的行为模式时序动态编码器以得到优化后训练目标对象行为动态语义编码特征向量；训练分类单元，用于将所述优化后训练目标对象行为动态语义编码特征向量通过所述分类器以得到分类损失函数值；训练单元，用于基于所述分类损失函数值对所述基于卷积神经网络模型的目标对象行为语义特征提取器、所述基于空间注意力层的目标对象行为语义显化器、所述基于转换器模块的行为模式时序动态编码器和所述分类器进行训练。

19、在上述基于ai分析的智慧交通安防监控系统中，所述训练优化单元，包括：级联子单元，用于将所述训练目标对象行为语义显著化表达特征图的序列沿通道级联为级联特征图；线性变换子单元，用于对所述级联特征图进行线性变换以使得所述级联特征图中沿通道维度的每个特征矩阵的宽度和高度相等以得到转换后的级联特征图；通道维度优化子单元，用于对所述转换后的级联特征图进行通道维度优化以得到优化后级联特征图；特征图还原子单元，用于将所述优化后级联特征图还原为特征图的序列以得到所述优化后训练目标对象行为语义显著化表达特征图的序列。

20、本技术还提供了一种基于ai分析的智慧交通安防监控方法，其包括：

21、获取由智慧交通摄像头采集的道路监控视频；

22、将所述道路监控视频通过目标对象检测网络以得到待检测目标对象感兴趣区域监控视频；

23、从所述待检测目标对象感兴趣区域监控视频中提取待检测目标对象感兴趣区域关键帧的序列；

24、通过基于深度神经网络模型的目标对象行为语义特征提取器分别对所述待检测目标对象感兴趣区域关键帧的序列进行特征提取以得到目标对象行为语义特征图的序列；

25、对所述目标对象行为语义特征图的序列进行空间语义显著化分析以得到目标对象行为语义显著化表达特征图的序列；

26、对所述目标对象行为语义显著化表达特征图的序列进行行为模式时序动态语义关联编码以得到目标对象行为动态语义编码特征；

27、基于所述目标对象行为动态语义编码特征，确定待检测目标对象是否存在异常行为，并确定是否发出警报信号。

28、与现有技术相比，本技术提供的基于ai分析的智慧交通安防监控系统及方法，其通过智慧交通摄像头实时监测采集道路监控视频，并在后端引入基于人工智能和深度学习的视频处理和分析算法来进行该道路监控视频的语义分析，以此来识别和追踪交通工具、行人和其他物体目标，并进行目标对象的异常行为（如逆行、闯红灯等）检测，同时对于异常行为进行及时报警，以便相关部门能够及时采取措施。这样，提高了智慧交通安防监控系统的监控准确性、实时性和效率，从而更好地保障交通安全和管理。