[發明專利]一種基于深度卷積神經網絡的車流密度估計方法

有效

• 申請號: 201611267917.3
• 申請日: 2016-12-31
• 公開（公告）號: CN106650913B
• 公開（公告）日: 2018-08-03
• 發明（設計）人: 康宇;魏夢;宋衛國;曹洋;袁璟
• 申請（專利權）人: 中國科學技術大學
• 主分類號: G06M11/00
• 分類號: G06M11/00;G06K9/00;G06K9/32;G06K9/34;G06N3/04
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 楊學明;顧煒

本發明提出了一種基于深度卷積神經網絡的車流密度估計方法，包括利用攝像機收集道路視頻圖像，通過圖像預處理，將多尺度金字塔圖像塊送入卷積神經網絡，提取由底層簡單到高層抽象的特征，得到各種尺度車流圖像的分布密度圖；再用全連接網絡層學習多尺度分布密度圖到整體圖像分布密度圖以及圖像總車輛個數的映射；對卷積神經網絡輸出的視頻圖像的分布密度圖劃分感興趣區域，對感興趣區域像素求和得到單車道或多車道車輛數；通過區域長度計算得到區域瞬時車流密度。本發明大大提高了車輛計數和車流密度估計的準確性和實時性。

技術領域

本發明涉及一種基于深度卷積神經網絡的車流密度估計方法，屬于智能交通技術領域。

背景技術

隨著科學技術的發展和人民生活水平的提高，車已經成為了人們出行、運輸不可或缺的交通工具。道路上各種機動車輛隨處可見，汽車交通讓人們感受現代化生活便捷舒適的同時，也體現出了道路設施的滯后性與有限性。交通擁堵會帶來車輛等待時間長，交通事故的發生，以及環境污染等一系列不容忽視的問題。為了解決以上問題，智能交通應運而生。車輛計數與車流密度檢測是智能交通的重要內容。車輛個數和車流密度是反映道路上車輛擁擠程度的最直觀的指標，直接反映了道路上車輛的密集程度和交通堵塞狀況。車輛個數和車流密度同時也對道路通行能力的研究十分有用。此外，隨著道路上車輛的增多，汽車尾氣污染已經成為大氣污染的重要組成部分，嚴重威脅著人們的身體健康和生活環境，對于汽車尾氣的相關研究已經迫在眉睫，刻不容緩。尾氣的污染和道路的阻塞程度也有一定的關系，車輛擁堵程度大，阻塞時間長，尾氣排放量增大，對環境的影響也增大，因此，車流密度和車輛數與地區汽車尾氣污染程度密切相關，有必要對道路車流密度和車輛數進行實時的檢測。

對于車輛的計數，最開始是使用環形線圈的方法，該方法根據電磁感應原理將環形線圈與車輛檢測器構成一個簡單的計數系統，它的傳感器是一個埋設在路面下，通有一定交變電流的環形線圈。車輛通過環形線圈時，引起線圈回路電感量的變化，檢測器便檢測出有車輛經過，計數器的數字加一。這種方法在車距較小時，檢測精度大大降低，從而影響計數準確性。且該方法是針對運動中的車輛，而本發明所需研究的是某一瞬間對一段道路上的車輛進行計數。在道路下埋線圈也會影響道路使用，不便于維修，因此，當前的方法多是基于道路視頻圖像進行一系列圖像處理，得到車輛的計數。

對于視頻的區域車輛計數方法，包括幀間差分法和背景差分法。幀間差分法是當圖像序列中出現異常物體運動時，幀與幀之間會出現較為明顯的差別，通過差分后得到的絕對值，確定圖像序列中是否物體運動。幀間差分法對慢速運動和靜止的物體不敏感，不能準確檢測靜止物體。背景差分法，即當前視頻幀和一張背景圖像相比較，如果同位置的像素特征存在一定程度的差別，則當前視頻幀中這些位置的像素點就構成前景運動目標。背景差分法可以檢測靜態目標，但是背景建模受光照、目標物等影響，不能得到實時、準確的背景圖像，造成車輛計數的誤差。

在北京中星微電子有限公司王磊、王皓、黃英申請、2010年1月6日公開、公開號為CN100578563C、發明名稱為“基于視頻圖像的車輛計數方法”的中國發明專利申請中，提出從預定的幀圖像開始，根據收集的該多幀圖像中每個像素點的像素值，計算該預定幀視頻圖像的每個像素在預定時刻的像素值的概率密度值，確定所述視頻圖像中的前景圖像，前景圖像中面積大于一給定值的區域為運動的車輛，跟蹤檢測出的車輛，獲得新出現的車輛數量以及離開的車輛的數量。該發明申請利用了背景建模的方法檢測前景點，為保證獲得的前景像素點的準確性，獲得好的背景圖像至關重要，一方面由于前景車輛目標的存在，給背景建模工作增加了難度，另一方面，對于室外道路環境，光照變化、背景擾動等都會引起背景圖像發生變化，為背景建模工作帶來困難。

車流密度是指單位長度車道上，某一瞬間所存在的車輛數，一般用輛/(km×車道)表示。目前，車流密度主要通過感應線圈、紅外檢測器、微博雷達等檢測器得到時間占有率，定性判斷車流密度大小，即時間占有率大，車流密度越大。這種方法沒有定量的測量車流密度。另一種方法時根據檢測器得到的流量和速度數據，根據公式：流量＝速度×密度，計算得到車流密度，這種方法在流量和速度檢測出現較大誤差時，檢測結果出現較大出入。