[發明專利]一種基于Faster R-CNN與視頻技術的橋面車輛時空信息獲取方法

有效

• 申請號: 201811091873.2
• 申請日: 2018-09-19
• 公開（公告）號: CN109064495B
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 張建;張博
• 申請（專利權）人: 東南大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/60;G06T7/80;G08G1/017
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 葛瀟敏

本發明公開了一種基于Faster R?CNN與視頻技術的橋面車輛時空信息獲取方法，包括基于Faster R?CNN的目標檢測、多目標跟蹤、車道判斷及圖像標定方法。該方法僅以橋面上布置的兩個監控攝像頭作為輸入端，結合創建的虛擬檢測區來對通過車輛的參數包括車型、車長、軸數、車速、所在車道進行識別。之后利用所得參數即可以獲得車輛的時空信息。本發明有效解決了傳統移動目標檢測方法在目標檢測與分類方面穩定性與精度較低的問題，提高了跟蹤方法的魯棒性，同時在標定過程中無需中斷交通，方便快捷。

技術領域

本發明涉及一種橋面車輛時空信息獲取技術，屬于橋梁監測技術領域。

背景技術

橋面車輛時空信息包含車輛的位置、速度、類型、大小、軸數等信息，它是反映橋梁受力狀態與交通量的重要依據也是智慧交通的重要組成部分。因此研究人員提出了多種技術手段來獲取該信息，為橋梁的維護、管理及加固提供支持。

當前獲得車輛時空信息的方式主要有三種。第一種為浸入式傳感方式。在這種傳感方式中，通常將感應線圈、磁力計、壓電電纜等傳感器埋入路面鋪裝層之下，用來直接獲得橋梁或道路的交通量、車速、軸距等參數。這種浸入式傳感方式的優點是測量精度較高，穩定性強，但難以對傳感器進行安裝、更換及維護且可能對結構造成破壞。基于這些原因，關于橋梁的表面粘貼傳感方式被廣泛研究。一些研究人員通過在橋梁特定位置安裝應變傳感器利用彎曲應變或剪應變來反演車輛參數。這些粘貼在結構表面的傳感器較浸入式傳感器安裝更方便，然而當多輛車同時在橋面上行駛時，車輛參數很難被精準識別。近幾年來，計算機視覺技術作為一項新的手段被用來獲取橋面車輛信息。通過在橋面上安裝攝像機，利用多種視頻技術來對橋面車輛進行識別。這種基于監控視頻的非接觸方式成本較低，不會對結構造成破壞，并且攝像頭方便安裝與維護。然而當前基于視頻的識別方法存在如下缺陷：(1)常用的移動目標檢測方法如幀差法、基于高斯混合模型的背景消除法、光流法等在陰影去除、部分遮擋分割與光線快速變化下的目標檢測方面缺乏魯棒性。(2)基于外形輪廓及像素個數的車型分類方法不精確。(3)由于車軸可能被其他車輛遮擋及視頻清晰度有限，在實際應用中很難通過視頻直接識別軸數。

發明內容

針對上述現有方法與技術存在的不足，本發明提出了一種基于Faster R-CNN與視頻技術的橋面車輛時空信息獲取方法，該方法包括基于Faster R-CNN的目標檢測方法，基于距離判斷的多目標跟蹤方法，車輛所在車道判斷方法及基于已知長度移動標準車的圖像標定方法，整體方法框架如圖1所示。利用該方法可獲得車輛參數如車型、車長、軸數、車速及車輛所在車道。根據得到的車輛參數，通過計算最終可得到橋面車輛的時空信息。

一種基于Faster R-CNN與視頻技術的橋面車輛時空信息獲取方法，包括以下步驟：

S1：將車輛按車寬分為三類，分別是寬體車、中體車和窄體車，在每條車道上分別選定兩輛長度已知的寬體標準車與窄體標準車，對視頻監控畫面進行標定；

S2：在視頻監控畫面中建立四邊形虛擬檢測區，在檢測區內用直線標注車道分界線并建立對應的直線方程；

S3：建立車輛圖片數據庫用于訓練Faster R-CNN網絡，將訓練后的網絡用于視頻的逐幀目標檢測；

S4：根據基于Faster R-CNN的車輛檢測結果，通過計算在四邊形虛擬檢測區內不同幀中邊界框中心間的距離來判斷跟蹤目標，在跟蹤的同時建立每輛車對應的信息序列，序列中的每個元素包含邊界框坐標、車型、車道編號及當前幀號；

S5：在跟蹤過程中利用車輛邊界框左下角坐標與車道分界線所在直線的位置關系來判斷車輛所在車道；

S6：當車輛離開檢測區后，根據圖像標定結果、車輛信息序列及虛擬檢測區信息，計算得到車型、車長、軸數、車速、所在車道；

S7：根據車輛參數及檢測區位置并結合車速不變假設計算獲得橋面車輛的時空信息。