[發明專利]一種基于車載攝像的道路交通狀況檢測方法

在審

• 申請號: 202010556147.4
• 申請日: 2020-06-17
• 公開（公告）號: CN111915883A
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 藺杰;黃勇;趙鵬
• 申請（專利權）人: 西安交通大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/0967;H04N7/18;G06K9/00;G06T7/80
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 王艾華

本發明公開了一種基于車載攝像的道路交通狀況檢測方法，該方法利用基于深度學習車輛檢測理論，充分考慮了道理交通的動態性以及不確定性。交通狀況估計在協助車輛動態描述當前交通狀況，從而提高了智能交通中的交通效率。本發明針對智能交通系統提出了一種基于車載攝像的交通狀況檢測方法，以協助車輛通過車載攝像設備收集的交通信息來估計通狀況。通過與邊緣計算和V2X網絡集成，可以獲得額外的計算和通信資源，以準確估算車輛到達的交通狀況。文發明中提出基于車載攝像的道路交通狀況檢測方法來對在不同車道上行駛的車輛數量進行計數。最后，對道路交通狀況進行細粒度的估計。

技術領域

本發明屬于深度學習與智能交通領域，具體涉及一種車載攝像的道路交通狀況檢測方法。

背景技術

智能交通在迅速發展，應用在汽車領域的技術也在隨著快速變革。防撞預警系統主要用于協助駕駛員避免高速、低速追尾，高速中無意識偏離車道，與行人碰撞等重大交通事故。各個研究人員也在投入大量的資源進行研究。在車輛檢測與追蹤上已經做了大量的工作，對于車輛檢測，大多數工作是假定攝像機是靜態的。高級輔助駕駛系統主要用于協助駕駛員避免高速、低速追尾，高速中無意識偏離車道，與行人碰撞等重大交通事故。但對于高速公路、鄉道以及距離城區較遠的道路發生的事故，由于監控攝像頭較少，且大多采用固定式拍攝，無法有效地事故監控，指揮交通。駕駛人員與無法及時獲取前方道路的交通狀況。目前，駕駛人員未將車輛信息共享到云端，在車聯網應用場景下，車輛之間能夠直接相互通信，獲取車輛信息，了解當前的交通狀況信息，以便于駕駛人員或具有自動駕駛功能的車輛選擇更為適合的駕駛行為和路線。通過汽車上集成的GPS定位，RFID識別，傳感器、攝像頭和圖像處理等電子組件，按照約定的通信協議和數據交互標準，在V2V、 V2R、V2I之間，進行無線通信和信息交換的大系統網絡。并融合現代通信與網絡技術，實現車與人、車、路、后臺等智能信息的交換共享，具備復雜的環境感知、智能決策、協同控制和執行等功能。隨著人們生活水平和經濟收入的不斷提高，汽車變成人們負擔得起的必需品，道路上行駛的車輛也越來越多，不僅僅是城市交通狀況日漸擁堵，而且遠離城市區域的道路交通也開始變得緊張。但對于高速公路、鄉道以及距離城區較遠的道路等固定式攝像頭較少的路段無法進行有效的檢測與車輛統計。

發明內容

本發明提供一種基于車載攝像的道路交通狀況檢測方法，為了能準確的估計當前交通狀況并給駕駛人員反饋一個準確估計結果，將車輛作為邊緣計算節點，通過車載攝像機感知周圍環境，并記錄下來。使用車輛數據集訓練的模型。利用基于深度學習的目標檢測算法YOLOv3來檢測所記錄視頻流中的車輛信息，對視頻流進行幀提取，逐幀檢測與識別圖像中的車輛，對預測出的車輛并繪制出bounding boxes。

針對各個車道上的路段交通評估，由于車載攝像設備相對于車是固定的，而汽車相對于車道的左右位置也是基本固定的，所以車道在車載攝像設備記錄的視頻中基本保持在一個固定區域內，對視頻中提取出的圖像設置感興趣的區域(ROI)，利用的灰度變換、高斯濾波、Canny邊緣檢測等圖像處理技術，然后結合Hough變換找到圖像中的線，根據得到的線計算出左車道和右車道，劃分出識別到的車輛屬于左車道、中間車道、右車道。

根據車輛檢測算法，預測車輛畫出bounding boxes，對每幀圖像中的 boundingboxes進行統計，統計的數目就是當前幀車輛數，結合道路寬度和長度信息，計算某一瞬間內的車輛密度。通過車輛密度的大小反映了一條道路上的交通密集程度，對于同向行駛的具有三車道的道路，為使車輛密度具有可比性，按照單車道估計，最后得到同向行駛路段交通狀況，近似地來衡量駕駛員操作車輛的舒適性，和靈活性。能夠進一步提高交通管制、事故探測、路線規劃的水平。

為實現上述目的，本發明的技術方案為：

一種基于車載攝像的道路交通狀況檢測方法，(1)車載攝像標定：根據單目車載攝像設備成像原理，車載攝像標定是三維計算機視覺中從二維圖像中提取度量信息；