[發(fā)明專利]一種用于道路交叉口交通管理的方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201911317612.2
• 申請日: 2019-12-19
• 公開（公告）號: CN110969875B
• 公開（公告）日: 2022-06-24
• 發(fā)明（設計）人: 曹泉;何小晨;劉紹兵
• 申請（專利權）人: 深圳市哈工大交通電子技術有限公司
• 主分類號: G08G1/081
• 分類號: G08G1/081;G06K9/62;G08G1/01
• 代理公司: 廣州一銳專利代理有限公司 44369
• 代理人: 董云;甘奎強

本發(fā)明涉及視頻監(jiān)控領域，一種用于道路交叉口交通管理的方法、系統(tǒng)及終端，所述的一種用于交叉口交通管理的方法包括：獲取拍攝的視頻；將拍攝的視頻進行視頻幀配準生成配準幀；對配準幀進行處理生成路口背景圖；通過配準幀獲取路口交通流參數(shù)；對路口背景圖進行路口丈量。本發(fā)明提供一種用于道路交叉口交通管理的方法、系統(tǒng)及終端可以方便地在合成底圖上丈量任意兩點的實際距離。

技術領域

本發(fā)明涉及視頻監(jiān)控領域，具體涉及一種用于道路交叉口交通管理的方法及系統(tǒng)。

背景技術

中國城市規(guī)模的迅猛發(fā)展，促使城市車輛增多、交通網(wǎng)絡日趨復雜。在城市交通網(wǎng)為人們生活帶來便捷的同時，車多路繁的狀況亦給交通增加了很大的壓力，更是為交通控制和管理帶來更多的難題。

在交通管理中，路口是最復雜，也是重要性最高的。路口的交通控制設計是否合理，對城市交通的順暢程度起了非常重要的作用。路口的交通控制設計一般由交通設計院完成，需要眾多的參數(shù)支持，一方面需要在路口場地進行實際丈量，另一方面路口不同方向的交通流OD（交通起止點）信息需要通過人工計數(shù)的方式獲取。工作量比較大，而且準確性難以保證。另外車頭時距、車輛加速度、轉彎半徑等等參數(shù)的獲取則更加困難。

目前國內(nèi)的智能交通產(chǎn)業(yè)偏重于車載定位及違章檢測等方面的應用，而對路口的交通流量分析卻鮮有涉及，利用無人機視頻進行交通流量分析方面的論文和專利也甚是少有。本發(fā)明正是基于以上背景，研究一種通過無人機拍攝路口全景視頻，用于輔助路口測繪及路口交通控制設計。

為此，本發(fā)明提出一種用于道路交叉口交通管理的方法、系統(tǒng)及終端。

發(fā)明內(nèi)容

本發(fā)明解決的技術問題是，提供了一種用于道路交叉口交通管理的方法及、系統(tǒng)及終端。所述的一種用于道路交叉口交通管理的方法、系統(tǒng)及終端，可以方便地在合成底圖上丈量任意兩點的實際距離。

為了解決上述技術問題，本發(fā)明提供的技術方案為：

一種用于道路交叉口交通管理的方法，包括：

獲取拍攝的視頻；

將拍攝的視頻進行視頻幀配準生成配準幀；

對配準幀進行處理生成路口背景圖；

通過配準幀獲取路口交通流參數(shù)；

對路口背景圖進行路口丈量。

優(yōu)選地，所述的視頻幀配準方法包括：

確定基準幀與待匹配幀；

將待匹配幀通過深度學習模型生成二值化蒙板；

在二值化蒙板上，進行基準幀與待匹配幀之間的特征點提取與匹配，生成特征點組合；

根據(jù)特征點組合計算待匹配幀到基準幀的投影映射矩陣；

根據(jù)投影映射矩陣對待匹配幀進行投影變換，轉換為配準幀。通過對拍攝的視頻的每一幀進行校正，可以有效的克服無人機在拍攝時的抖動與轉動，方便后續(xù)的背景圖的生成。在此步驟中，根據(jù)匹配好的特征點組合，計算待配準幀到基準幀的投影映射矩陣利用的是RANSAC算法，使用這種算法的優(yōu)點在于增加計算的準確度。

優(yōu)選地，所述的深度學習模型的訓練方法包括：

獲取樣本并進行標定，所述的樣本為不同場景以及不同光照條件下的交通目標圖像；

調(diào)節(jié)深度學習卷積神經(jīng)網(wǎng)絡的結構和參數(shù)進行測試；

獲取無法正確識別的正負樣本圖；

將無法識別的正負樣本圖進行再次訓練；