[發(fā)明專利]一種基于深度學(xué)習(xí)的航拍公路車輛計(jì)數(shù)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201811054125.7
• 申請(qǐng)日: 2018-09-11
• 公開（公告）號(hào): CN108710875B
• 公開（公告）日: 2019-01-08
• 發(fā)明（設(shè)計(jì)）人: 譚鑫;羅林燕;馬維力;李思勤;張一癸
• 申請(qǐng)（專利權(quán)）人: 湖南鯤鵬智匯無人機(jī)技術(shù)有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06T7/00
• 代理公司: 長沙國科天河知識(shí)產(chǎn)權(quán)代理有限公司 43225
• 代理人: 朱桂花

本發(fā)明提供一種基于深度學(xué)習(xí)的航拍公路車輛計(jì)數(shù)方法及裝置，包括獲取多種成像條件下的航拍公路車輛樣本圖像，并對(duì)所述航拍公路車輛樣本圖像進(jìn)行預(yù)處理；構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型，利用預(yù)處理后的航拍公路車輛樣本圖像訓(xùn)練構(gòu)建的深度神經(jīng)網(wǎng)絡(luò)模型；使用所述深度神經(jīng)網(wǎng)絡(luò)模型對(duì)待檢測航拍公路車輛圖像進(jìn)行檢測，輸出檢測的公路與車輛對(duì)象識(shí)別概率、對(duì)象位置、對(duì)象區(qū)域分割；根據(jù)識(shí)別的公路與車輛結(jié)果，對(duì)位于公路區(qū)域中的車輛計(jì)數(shù)，輸出計(jì)數(shù)結(jié)果。通過共用深度圖像特征提取網(wǎng)絡(luò)，有效利用了計(jì)算資源，節(jié)省了模型訓(xùn)練與公路、車輛檢測運(yùn)行時(shí)間，準(zhǔn)確率、檢出率都大大提高。本發(fā)明應(yīng)用于交通數(shù)據(jù)采集、交通流監(jiān)測和圖像數(shù)據(jù)處理、圖像分析應(yīng)用領(lǐng)域。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像數(shù)據(jù)處理、圖像分析、圖像數(shù)據(jù)識(shí)別，以及交通應(yīng)用中的數(shù)據(jù)采集等領(lǐng)域，尤其涉及一種基于深度學(xué)習(xí)的航拍公路車輛計(jì)數(shù)方法及裝置。

背景技術(shù)

隨著社會(huì)經(jīng)濟(jì)發(fā)展，車輛數(shù)量急劇增加，擁擠、堵塞、車禍等交通問題時(shí)常發(fā)生。為了解決此類問題，有必要對(duì)車輛，尤其是車流量進(jìn)行監(jiān)控，以便及時(shí)發(fā)現(xiàn)問題，疏導(dǎo)交通。目前，常用的車輛探測與計(jì)數(shù)方法還是以安裝監(jiān)控相機(jī)、地磁感應(yīng)檢測器等為主的固定地點(diǎn)監(jiān)控。這類方法覆蓋范圍有限，存在監(jiān)控盲區(qū)。尤其是在城市周邊、郊區(qū)，以及西部廣大稀疏路網(wǎng)，基本無法監(jiān)控。近幾年，無人機(jī)以其靈活機(jī)動(dòng)與大范圍巡航的特點(diǎn)，為交通巡查領(lǐng)域的諸多問題提供了一種良好的解決方案。

在無人機(jī)交通巡查中，車輛檢測與計(jì)數(shù)是一項(xiàng)重要核心技術(shù)。其關(guān)鍵是利用計(jì)算機(jī)視覺、人工智能等技術(shù)自動(dòng)識(shí)別公路中的車輛并統(tǒng)計(jì)數(shù)量。無人機(jī)由于其飛行高度較地面監(jiān)控設(shè)備高很多，所以航拍圖像通常視場較大，場景復(fù)雜。其中，公路航拍圖像通常會(huì)拍攝到路邊人行道、停車場、樓前廣場等。這些地方常常會(huì)停放大量車輛。所以，與地面監(jiān)控設(shè)備不同，基于無人機(jī)航拍圖像的車輛計(jì)數(shù)，需要涉及兩個(gè)方面的內(nèi)容：一是識(shí)別車輛，二是識(shí)別公路。在公路兩側(cè)停放的車輛不應(yīng)納入交通車輛統(tǒng)計(jì)的范疇。

在相關(guān)研究中，“基于航拍圖像的交通信息獲取方法，申請(qǐng)?zhí)枺?01010588880.0，發(fā)明設(shè)計(jì)人：劉富強(qiáng)等”描述了基于航拍圖像的交通信息獲取。首先利用顏色直方圖分布與霍夫變換檢測出的道路線限定道路區(qū)域，然后在限定的道路區(qū)域上，利用斑塊分析方法檢測靜止車輛，而對(duì)于運(yùn)動(dòng)車輛，則采用KLT算法檢測。檢測出車輛后，提取車輛行駛方向、車輛速度和車身長度等信息；“基于航拍視頻圖像的運(yùn)動(dòng)車輛檢測方法，申請(qǐng)?zhí)枺?01710013944.6，發(fā)明設(shè)計(jì)人：于明等”提出了一種基于航拍視頻圖像的運(yùn)動(dòng)車輛檢測方法。首先利用三幀差分法對(duì)運(yùn)動(dòng)車輛進(jìn)行粗檢測，然后在車輛的精檢測時(shí)，將顏色閾值自適應(yīng)分割檢測的道路區(qū)域確定為車輛候選區(qū)域，并在該區(qū)域提取CHLBP特征，最后利用SVM分類器對(duì)CHLBP特征進(jìn)行判斷獲取運(yùn)動(dòng)車輛的精確檢測結(jié)果；“基于機(jī)載攝像機(jī)的高速公路車輛檢測與跟蹤技術(shù)，東南大學(xué)，碩士學(xué)位論文，作者：李聰”針對(duì)無人機(jī)航拍高速公路車輛檢測，提出了利用閾值分割與邊緣直線檢測的高速公路檢測方法，并在高速公路區(qū)域內(nèi)，利用Vibe自適應(yīng)背景更新算法，分割前景區(qū)域作為車輛檢測結(jié)果；“基于顯著性檢測和分類器訓(xùn)練的航拍圖像車輛檢測，北京交通大學(xué)，碩士專業(yè)學(xué)位論文，作者：王海地”針對(duì)航拍圖像車輛道路提出了基于直方圖對(duì)比度的顯著性檢測方法，并利用harr特征結(jié)合Adaboost分類器訓(xùn)練模型對(duì)道路車輛進(jìn)行檢測；“利用遙感影像探測和計(jì)數(shù)道路車輛的方法，申請(qǐng)?zhí)枺?00810227007.1，發(fā)明設(shè)計(jì)人：譚衢霖等”則針對(duì)遙感影像，提出了基于地理信息系統(tǒng)道路中心線矢量層數(shù)據(jù)生成一定寬度的道路緩沖區(qū)作為道路區(qū)域分割，并構(gòu)建面向?qū)ο蟮哪：诸惼鲗?duì)道路中的車輛對(duì)象進(jìn)行識(shí)別計(jì)數(shù)。除了上述在檢測的道路區(qū)域內(nèi)檢測車輛的研究外，還有若干單獨(dú)檢測車輛的研究。

無人機(jī)航拍圖像公路車輛計(jì)數(shù)，其核心問題是公路車輛識(shí)別。目前，在針對(duì)公路車輛識(shí)別的研究中，基本還是采用先用一種方法識(shí)別公路，然后再用另一種方法識(shí)別車輛的思路，如上述各文獻(xiàn)。這種思路的缺點(diǎn)是整體效率不高，需要對(duì)圖像做兩次分析處理。實(shí)際上，圖像的很多基礎(chǔ)特征都是相同的，兩次處理造成了時(shí)間與資源的浪費(fèi)。目前，尚未發(fā)現(xiàn)可以在同一個(gè)模型中同時(shí)識(shí)別道路與車輛的研究。