[發(fā)明專利]基于深度卷積神經(jīng)網(wǎng)絡(luò)的交通擁堵視覺檢測系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201710440987.2
• 申請日: 2017-06-13
• 公開（公告）號: CN107730881A
• 公開（公告）日: 2018-02-23
• 發(fā)明（設(shè)計）人: 湯一平;王輝;錢小鴻;陳才君
• 申請（專利權(quán)）人: 銀江股份有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01
• 代理公司: 杭州斯可睿專利事務(wù)所有限公司33241
• 代理人: 王利強(qiáng)

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能、卷積神經(jīng)網(wǎng)絡(luò)和計算機(jī)視覺在交通擁堵檢測方面的應(yīng)用，屬于智能交通領(lǐng)域。

背景技術(shù)

當(dāng)今交通問題已經(jīng)成為全球性的“城市通病”，而交通擁堵是城市“交通病癥”的主要表現(xiàn)。城市交通擁堵的“病因”源于多種因素，且交通擁堵直接影響著人們的出行質(zhì)量，特別是利用車輛交通的人們。道路車輛擁擠，交通事故頻發(fā)，交通環(huán)境惡化，能源緊張，環(huán)境污染不斷加重，這些日益嚴(yán)重交通問題與現(xiàn)代化交通的基本的理念，即通達(dá)、有序、安全、舒適、低能耗、低污染等要求是完全相違背的。

現(xiàn)代化交通系統(tǒng)的評價標(biāo)準(zhǔn)是安全、暢通、節(jié)能。因此把握城市道路交通運(yùn)行狀況中服務(wù)水平如何，需要建立起一種科學(xué)的、客觀的評價方法。但是由于目前缺少一種比較科學(xué)有效的對道路交通服務(wù)水平進(jìn)行評價的體系和有效的道路交通狀態(tài)檢測手段，尤其是在道路交通擁堵檢測方面。

交通信息采集技術(shù)被認(rèn)為是智能交通中一項重中之重的關(guān)鍵技術(shù)，目前常用的交通信息采集技術(shù)有地感線圈、磁敏傳感器、超聲波傳感器、微波、GPS和視覺傳感器；由于地感線圈、磁敏、超聲波、微波等交通信息檢測傳感器需要埋設(shè)在道路地下面，安裝與維護(hù)時必須破壞原有路面，影響了道路交通，同時我國的道路由于車輛的超載等原因造成的路面損壞必須時常對埋在道路下面的傳感器進(jìn)行維護(hù)；另外這些檢測手段只能感知出道路上的某個點或者某條線上的所經(jīng)過的車輛，因此只能在傳感器的設(shè)置地點的通過車輛的速度間接地推定擁堵狀況；因此上述的檢測手段存在著安裝維護(hù)不方便、投資成本高、抗干擾能力差和感知范圍有限等缺陷。另外，這些檢測手段難以對道路上的靜止車輛進(jìn)行檢測。

視覺傳感器則是一種非接觸式的交通流檢測手段，它模擬人類視覺原理，融合計算機(jī)技術(shù)和圖像處理技術(shù)，通過視頻信號來檢測交通流和道路擁堵狀態(tài)，是近年來逐步發(fā)展起來的新型道路交通檢測系統(tǒng)。但是目前對道路交通狀態(tài)的視頻檢測普遍采用分析跟蹤道路上車輛的檢測和統(tǒng)計方法，這種檢測方法需要花費(fèi)很大計算資源，難以同時獲取各種交通基本參數(shù)和道路服務(wù)水平等反映全息的交通狀態(tài)。

中國發(fā)明專利申請?zhí)枮?01110108851.4公開了一種基于視頻分析技術(shù)的交通擁塞檢測方法，在視頻分割及關(guān)鍵幀提取的基礎(chǔ)上通過獲取視頻鏡頭的平均相異度、關(guān)鍵幀數(shù)、平均光流場能量三個擁堵特征量，采用多分類SVM方法實現(xiàn)交通擁堵檢測。該技術(shù)還是屬于前深度學(xué)習(xí)時代的視覺檢測技術(shù)，存在著檢測精度不高的問題。

中國發(fā)明專利申請?zhí)枮?01510969912.4公開了一種基于視頻的城市道路交通擁堵檢測系統(tǒng)，主要包括讀取視頻以及預(yù)處理視頻，以獲取視頻幀；對獲取的視頻幀進(jìn)行背景建模，獲得背景幀序列和前景幀序列；對與背景幀序列同幀的前景幀序列進(jìn)行檢測并提取運(yùn)動目標(biāo)，并在平滑濾波處理后按前景幀序列保存單幀前景圖片；按前景幀序列順序播放單幀前景圖片并對運(yùn)動目標(biāo)進(jìn)行濾波跟蹤，以獲得道路中車輛情況；根據(jù)車輛情況和/或運(yùn)動目標(biāo)的前景幀序列，計算并得出交通參數(shù)。該技術(shù)還是屬于前深度學(xué)習(xí)時代的視覺檢測技術(shù)，存在著檢測精度不高的問題。此外，對于交通擁堵檢測通過計算交通參數(shù)方式來判斷，這種判斷方式需要有多個交通參數(shù)支持，擁堵狀態(tài)判別的準(zhǔn)確性受相關(guān)交通流參數(shù)獲取的準(zhǔn)確性的影響。

道路擁堵視覺檢測的核心是道路上靜止車輛的檢測。由于我國城市道路中的人車和機(jī)動車和非機(jī)動車的混雜特殊情況，加上道路的運(yùn)行的車輛車型種類繁多，通過視覺的方式要準(zhǔn)確無誤地檢測道路上的所有車輛并非容易之事，還需進(jìn)一步判斷這些車輛是運(yùn)動的還是靜止的，檢測的難度會更大。

最近幾年深度學(xué)習(xí)在計算機(jī)視覺領(lǐng)域的技術(shù)得到了迅速的發(fā)展,深度學(xué)習(xí)能利用大量的訓(xùn)練樣本和隱藏層逐層深入地學(xué)習(xí)圖像的抽象信息,更全面直接地獲取圖像特征。數(shù)字圖像是以矩陣來描述的,卷積神經(jīng)網(wǎng)絡(luò)更好地從局部信息塊出發(fā),進(jìn)而描述圖像的整體結(jié)構(gòu),故在計算機(jī)視覺領(lǐng)域,深度學(xué)習(xí)方法中大多采用卷積神經(jīng)網(wǎng)絡(luò)來解決問題。回繞著提高檢測精度和檢測時間，深度卷積神經(jīng)網(wǎng)絡(luò)技術(shù)從R-CNN，F(xiàn)ast R-CNN到Faster R-CNN。具體表現(xiàn)為進(jìn)一步精度提升、加速、端到端及更實用化，幾乎覆蓋了從分類到檢測、分割、定位各個領(lǐng)域。深度學(xué)習(xí)技術(shù)運(yùn)用于道路擁堵視覺檢測將是一個非常有實際應(yīng)用價值的研究領(lǐng)域。