[發明專利]一種跨尺度空基平臺區域道路交通系統綜合監視方法

有效

• 申請號: 201811204149.6
• 申請日: 2018-10-16
• 公開（公告）號: CN109448365B
• 公開（公告）日: 2020-03-06
• 發明（設計）人: 曹先彬;甄先通;李巖;王昊臣;胡宇韜
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;H04N7/18
• 代理公司: 北京永創新實專利事務所 11121
• 代理人: 冀學軍

本發明公開了一種跨尺度空基平臺區域道路交通系統綜合監視方法，屬于航空監視領域。具體過程為：首先，基于卷積神經網絡訓練語義分割模型和物體檢測模型；通過飛艇對監視區域實時采集圖像，將視頻抽幀后逐幀送入語義分割模型進行處理，人工分辨每幀圖像中存在的異常區域并進行標注；然后，針對當前幀圖像，將標注的相鄰的異常區域劃分成整片檢測區域，并給該檢測區域分派一個無人機；各無人機前往指定的檢測區域，使用物體檢測模型進行低空監視詳細檢測；最后、確定異常位置并且將消息上傳返回飛艇，進行相應的預警或處理。通過飛艇和無人機協同工作的方式，分別對監視區域進行粗略和細致的監視，從而以較小成本實現對監視區域的全面覆蓋。

技術領域

本發明屬于航空監視領域，具體是一種跨尺度空基平臺區域道路交通系統綜合監視方法。

背景技術

道路監控以快球監控為主，監控點分布在車流、人流比較集中的道路交叉口和重點路段，通過圖像傳輸通道將路面交通情況實時上傳到道路監控指揮中心，值班人員可以據此及時了解各區域路面狀況，以便調整各路口車輛流量，確保交通通暢。并且對監控路面車輛的違章情況，能及時發現并安排處理道路交通事故等，為交通、治安等各類案件的偵破提供技術支持，大大提高公安機關執法辦案的水平和效率。

傳統的道路交通監控多為路基監控，通過在某些重要區域安置監視點，例如攝像頭等裝置，或者是使用人力來進行監視。這種做法的弊端很多：首先是監視成本較高，路基監視需要在重要路口安置大量的監視設備，或者是使用人力來進行巡檢和維護。其次，路基監視是一種局部的固定監視手段，難以實現對指定目標的跟蹤監視。還有，路基監視系統存在大量的盲區，不能完全覆蓋到整個區域，這也會使監視效果變差。

在多種針對公共交通異常情況監測中，對車輛擁堵情況的監測和預警，可以保障公路系統的運載能力，通過對異常道路狀況的檢測，對異常車輛的檢測和跟蹤，異常行人的檢測和跟蹤，能有效的減少意外事故所帶來的損失，即時進行響應和處理。這些重要的實際應用使得針對公共交通系統的空基遠距離監視成為目前航空監視領域的一個重要課題。

但是，面向區域道路交通系統的空基平臺監視方法面對諸多挑戰：首先，空基平臺的監視方法多為使用攜帶攝像頭的無人機或飛艇，其拍攝距離一般較遠，視頻中車輛行人的目標相對較小，對監視方法的準確度提出了很高的要求。同時，飛行設備在拍攝過程中可能會遇到多種問題，例如遇到云層、氣球等遮蔽物體，不同的天氣或者不同的明暗度等，這對于監視系統的魯棒性也提出了很高的要求。

發明內容

針對上述問題，本發明提供了一種跨尺度空基平臺區域道路交通系統綜合監視方法，能夠全天候全方位的對公共交通進行實時監視，大大降低了傳統監視方法的建造、運營、維護成本，對于后續區域道路交通系統異常情況的監視有啟發式的幫助，對于車輛擁堵預警，追蹤肇事逃逸等具有重大意義，保障了監視的實時性和全面性，同時也給其他空基監視系統提供了參考。

所述的跨尺度空基平臺區域道路交通系統綜合監視方法，具體步驟如下：

步驟一、基于卷積神經網絡訓練語義分割模型和物體檢測模型；

語義分割模型采用deeplabv3模型作為基本的網絡結構，使用空洞卷積和多尺度特征融合進行語義分割；

具體為：首先，使用resnet-50作為base-model，對最后兩個res-block進行替換；

具體替換為：將layer3中的卷積層改成dilation為2的空洞卷積，并刪除該層下采樣的部分，將layer4中的卷積層改成dilation為4的空洞卷積，并刪除該層下采樣的部分。

然后，在編碼器和解碼器之間分別采用dilation為2，4，8，16的空洞卷積處理最后一層的特征圖；

最后，將每個卷積核的輸出結果進行拼接操作，多尺度融合后進行上采樣，得到輸出結果。