[發(fā)明專(zhuān)利]一種基于全卷積網(wǎng)絡(luò)的車(chē)道內(nèi)車(chē)輛計(jì)數(shù)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910323074.1
• 申請(qǐng)日: 2019-04-22
• 公開(kāi)（公告）號(hào): CN110009634A
• 公開(kāi)（公告）日: 2019-07-12
• 發(fā)明（設(shè)計(jì)）人: 楊嬌嬌;胡靜遠(yuǎn);袁媛
• 申請(qǐng)（專(zhuān)利權(quán)）人: 蘇州海賽人工智能有限公司
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06T7/11;G06K9/00;G06K9/32;G08G1/065
• 代理公司: 北京科家知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11427
• 代理人: 陳娟

本發(fā)明公開(kāi)了一種基于全卷積網(wǎng)絡(luò)的車(chē)道內(nèi)車(chē)輛計(jì)數(shù)方法，包括以下步驟：S1，設(shè)置監(jiān)控檢測(cè)區(qū)域，提取視頻幀信息，對(duì)視頻幀信息進(jìn)行分車(chē)道處理，在每個(gè)車(chē)道區(qū)域中設(shè)置感興趣區(qū)域，所述感興趣區(qū)域?yàn)槊總€(gè)車(chē)道需要被監(jiān)控檢測(cè)的區(qū)域；S2，對(duì)視頻幀信息處理，得到當(dāng)前監(jiān)控畫(huà)面的車(chē)輛目標(biāo)，輸出車(chē)輛密度圖；S3，根據(jù)S2中車(chē)輛密度圖和步驟S1中的車(chē)道區(qū)域，得到任意一個(gè)車(chē)道的車(chē)輛數(shù)目；S4,對(duì)車(chē)道i能容納的車(chē)輛數(shù)目N_i預(yù)設(shè)一個(gè)閾值y_i；如果時(shí)間T內(nèi)的任意時(shí)刻，N_i＞y_i則開(kāi)啟速度判斷；S5，構(gòu)建3D卷積，得到短時(shí)間t內(nèi)，車(chē)道i內(nèi)的車(chē)輛平均速度v_i；S6，結(jié)合步驟S3和步驟S5判斷車(chē)道i是否擁堵。其能夠?qū)崟r(shí)高效處理視頻幀，進(jìn)行車(chē)輛計(jì)數(shù)，判斷道路的流通狀況。

技術(shù)領(lǐng)域

本發(fā)明涉及車(chē)輛計(jì)數(shù)方法，具體涉及一種基于全卷積網(wǎng)絡(luò)的車(chē)道內(nèi)車(chē)輛計(jì)數(shù)方法。

背景技術(shù)

隨著經(jīng)濟(jì)的發(fā)展，家用車(chē)輛的迅速增加，交通道路擁堵等問(wèn)題層出不窮。為了解決這些交通問(wèn)題，智能交通控制手段應(yīng)運(yùn)而生。智能交通系統(tǒng)是綜合利用計(jì)算機(jī)技術(shù)、圖像處理和智能檢測(cè)等技術(shù)的系統(tǒng)，而視頻車(chē)流量的檢測(cè)是智能交通系統(tǒng)的重要組成部分，能夠?yàn)榻煌ǖ囊?guī)劃與管理提供可靠依據(jù)。

目前常用的視頻車(chē)流量的檢測(cè)方法是一種自適應(yīng)虛擬線圈的車(chē)流量檢測(cè)算法。所述檢測(cè)方法是根據(jù)圖像二值化原理，對(duì)ViBe算法的前景檢測(cè)部分進(jìn)行二次判斷，提出一種改進(jìn)的ViBe算法。在道路上設(shè)置固定檢測(cè)區(qū)域，根據(jù)運(yùn)動(dòng)目標(biāo)在固定檢測(cè)區(qū)域的運(yùn)動(dòng)軌跡來(lái)建立或消除非固定虛擬線圈，再進(jìn)一步使用虛擬線圈的車(chē)流量檢測(cè)算法實(shí)現(xiàn)車(chē)流量統(tǒng)計(jì)。所述的技術(shù)方案是利用第一針圖像來(lái)初始化背景模型，由于戶(hù)外環(huán)境較為復(fù)雜，攝像頭經(jīng)常會(huì)發(fā)生抖動(dòng)或者偏移，此時(shí)會(huì)對(duì)前景的檢測(cè)造成干擾，從而增加車(chē)輛的漏檢和誤檢率。當(dāng)天氣變化時(shí)，前景檢測(cè)也會(huì)有很大的誤差。

于是一種能夠?qū)崟r(shí)高效的處理視頻幀信息的車(chē)輛計(jì)數(shù)方法就顯得很有必要。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問(wèn)題是提供一種基于全卷積網(wǎng)絡(luò)的車(chē)道內(nèi)車(chē)輛計(jì)數(shù)方法，其能夠?qū)崟r(shí)高效的處理視頻幀，對(duì)視頻幀中的畫(huà)面進(jìn)行車(chē)輛計(jì)數(shù)，從而判斷道路的流通狀況以及道路的車(chē)流量。

為了解決上述技術(shù)問(wèn)題，本發(fā)明提供了一種基于全卷積網(wǎng)絡(luò)的車(chē)道車(chē)輛計(jì)數(shù)方法，包括以下步驟：

S1，設(shè)置監(jiān)控檢測(cè)區(qū)域，用監(jiān)控?cái)z像頭拍攝所述監(jiān)控檢測(cè)區(qū)域，并提取視頻幀信息，對(duì)所述視頻幀信息進(jìn)行分車(chē)道處理，在每個(gè)所述車(chē)道區(qū)域中設(shè)置感興趣區(qū)域，所述感興趣區(qū)域?yàn)槊總€(gè)車(chē)道需要被監(jiān)控檢測(cè)的區(qū)域；S2，對(duì)提取到的所述視頻幀信息進(jìn)行特征提取，得到當(dāng)前監(jiān)控畫(huà)面對(duì)應(yīng)的車(chē)輛目標(biāo)，并輸出車(chē)輛密度圖；S3，根據(jù)S2得到的所述車(chē)輛密度圖且根據(jù)步驟S1所劃分的所述車(chē)道區(qū)域，即可得到任意一個(gè)所述車(chē)道對(duì)應(yīng)的車(chē)輛數(shù)目，其計(jì)算公式如下：其中，N_i為任意一個(gè)所述車(chē)道i包含的車(chē)輛數(shù)目，S_i為任意一個(gè)所述車(chē)道i在所述視頻幀信息中的感興趣區(qū)域；所述監(jiān)控檢測(cè)區(qū)域中總車(chē)輛數(shù)目N為：S4,對(duì)每個(gè)所述車(chē)道i能容納的所述車(chē)輛數(shù)目N_i均預(yù)設(shè)一個(gè)閾值y_i；如果時(shí)間T內(nèi)的任意時(shí)刻，N_i＞y_i則開(kāi)啟速度判斷機(jī)制，進(jìn)入步驟S5；否則，不進(jìn)入步驟S5；S5，構(gòu)建3D卷積網(wǎng)絡(luò)模型，利用其得到短時(shí)間t內(nèi)，所述車(chē)道i內(nèi)的車(chē)輛平均速度v_i；S6，結(jié)合步驟S3和步驟S5的信息判斷當(dāng)前所述車(chē)道i是否存在擁堵現(xiàn)象，其判斷方法為：若在時(shí)間T內(nèi)的任意時(shí)刻，所述車(chē)道i內(nèi)的車(chē)輛數(shù)目N_i＞y_i，且所述車(chē)道i內(nèi)的平均速度v_i＜speed_i，其中speed_i為預(yù)先設(shè)定的判斷擁堵的速度閾值，則判定所述車(chē)道i為擁堵，并輸出所述車(chē)道i中的車(chē)輛排隊(duì)長(zhǎng)度；否則，判定所述車(chē)道i為不擁堵。