1.一种基于图像识别的共享单车危险骑行行为检测方法,其特征在于:包括以下步骤:S1.获取带有时间戳的共享单车骑行轨迹数据;时间戳精确到秒级,每一个时间戳为间隔时间相同的t1,t2,t3...tn,确保能够准确反映骑行的时间顺序和持续时长;
S2.将轨迹数据匹配到高精度地图上;确保所选用的高精度地图能够准确呈现道路、路口、地标的各类地理信息;通过匹配算法,将获取到的共享单车骑行轨迹数据中的每一个坐标点以及其对应的时间戳信息,与高精度地图上的相应位置进行精确匹配,以实现轨迹数据在地图上的准确“落点”;
S3.对匹配后的轨迹骑行图像进行预处理,并提取轨迹特征参数;
S4.对提取的轨迹特征参数进行正常骑行和危险骑行轨迹的标记;危险骑行轨迹包括逆行、违规左转、横穿马路;
S5.将特征参数按比例制作训练集和验证集;所述训练集与验证集的比例为7:3;
S6.构建享单车危险骑行行为检测神经网络,并对其网络参数进行初始化,得到初级共享单车危险骑行行为检测神经网络;
S7.通过训练集对初级共享单车危险骑行行为检测神经网络进行训练;
所述初级共享单车危险骑行行为检测神经网络的训练具体包括以下步骤:S71:将训练集中的所有数据进行归一化处理;
S72:将处理后的数据投入到神经网络中,依次经过卷积层、池化层与全连接层处理;
S73:对训练完成后的神经网络计算损失函数,并依据损失函数最小的原则调整神经网络;
S8.将验证集放入训练好的共享单车危险骑行行为检测神经网络进行验证,并对该网络进行评价;
S9.采集待识别共享单车轨迹数据并与高精度地图匹配形成待识别图像,对待识别图像进行预处理,并将预处理后的待识别图像输入完成的共享单车危险骑行行为检测神经网络中,得到共享单车危险骑行行为识别结果。
2.根据权利要求1所述的基于图像识别的共享单车危险骑行行为检测方法,其特征在于:所述方法包括以下单元:A21.轨迹数据获取单元:负责通过共享单车的定位系统或其他数据采集设备获取带有时间戳的共享单车骑行轨迹数据;
A22.地图匹配单元:将获取的轨迹数据匹配到高精度地图上,利用地图匹配算法确定轨迹在地图上的准确位置,提升轨迹与地图的关联度和精度;
A23.图像预处理及特征提取单元:对匹配后的轨迹骑行图像进行清洗、去噪、归一化预处理操作,并提取图像中轨迹骑行方向的关键特征;
A24.特征标记单元:对提取的轨迹特征参数进行正常骑行和危险骑行轨迹的标记;
A25.数据集制作单元:将特征参数按比例制作训练集和验证集,合理划分数据集,保障后续模型训练和验证工作能有效开展;
A26.神经网络构建与初始化单元:构建共享单车危险骑行行为检测神经网络,并对其网络参数进行初始化,得到初级共享单车危险骑行行为检测神经网络;
A27.模型训练单元:通过训练集对初级共享单车危险骑行行为检测神经网络进行训练,采用优化算法和损失函数不断调整网络参数,提升网络对危险骑行行为特征的学习和识别能力;
A28.模型验证与评价单元:将验证集放入训练好的共享单车危险骑行行为检测神经网络进行验证,并通过评估指标对该网络进行评价,根据评价结果进一步优化网络性能;
A29.行为识别单元:采集待识别共享单车轨迹数据并与高精度地图匹配形成待识别图像,对待识别图像进行预处理,并将预处理后的待识别图像输入完成的共享单车危险骑行行为检测神经网络中,得到共享单车危险骑行行为识别结果。
3.根据权利要求1所述的一种基于图像识别的共享单车危险骑行行为检测方法,其特征在于:在步骤S3中,对图像进行尺寸归一化处理,确保后续分析处理时图像尺寸的一致性。
4.根据权利要求2所述的一种基于图像识别的共享单车危险骑行行为检测方法,其特征在于:在所述A28中,对该网络进行评价的评估指标准确率的公式为:Accuracy=预测正确的样本数/总样本数,召回率的公式为:Recall=真正例数/实际为危险行为的样本数。