[發(fā)明專(zhuān)利]無(wú)人機(jī)航拍視頻車(chē)流量統(tǒng)計(jì)方法、主機(jī)及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010946810.1
• 申請(qǐng)日: 2020-09-10
• 公開(kāi)（公告）號(hào): CN112215070A
• 公開(kāi)（公告）日: 2021-01-12
• 發(fā)明（設(shè)計(jì)）人: 吳慶耀;吳曉琳;杜永紅;張凱;楊嘉賀
• 申請(qǐng)（專(zhuān)利權(quán)）人: 佛山聚卓科技有限公司
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州三環(huán)專(zhuān)利商標(biāo)代理有限公司 44202
• 代理人: 胡楓;曹萬(wàn)菊

1.一種基于深度學(xué)習(xí)的無(wú)人機(jī)航拍視頻車(chē)流量統(tǒng)計(jì)方法，其特征在于，包括：

獲取樣本視頻圖像，并對(duì)所述樣本視頻圖像中的車(chē)輛進(jìn)行標(biāo)注；

根據(jù)需要統(tǒng)計(jì)車(chē)流量的路口，在所述樣本視頻圖像中設(shè)置標(biāo)志線(xiàn)；

設(shè)置參照物，并根據(jù)所述參照物修正所述標(biāo)志線(xiàn)；

構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型，并使用修正后的樣本視頻圖像訓(xùn)練所述深度神經(jīng)網(wǎng)絡(luò)模型；

實(shí)時(shí)獲取無(wú)人機(jī)拍攝的路口位置的待測(cè)視頻圖像；

使用訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)模型對(duì)所述待測(cè)視頻圖像進(jìn)行識(shí)別，并輸出識(shí)別結(jié)果；

根據(jù)識(shí)別結(jié)果計(jì)算所述待測(cè)視頻圖像所對(duì)應(yīng)的公路區(qū)域中的車(chē)輛數(shù)量。

2.如權(quán)利要求1所述的基于深度學(xué)習(xí)的無(wú)人機(jī)航拍視頻車(chē)流量統(tǒng)計(jì)方法，其特征在于，所述識(shí)別結(jié)果包括：公路與車(chē)輛的對(duì)象識(shí)別概率信息、對(duì)象位置信息及對(duì)象區(qū)域分割信息。

3.如權(quán)利要求1所述的基于深度學(xué)習(xí)的無(wú)人機(jī)航拍視頻車(chē)流量統(tǒng)計(jì)方法，其特征在于，所述根據(jù)參照物修正所述標(biāo)志線(xiàn)的步驟包括：

通過(guò)核相關(guān)濾波跟蹤方法跟蹤所述參照物；

計(jì)算所述參照物的相對(duì)偏移量；

根據(jù)所述相對(duì)偏移量修正所述標(biāo)志線(xiàn)的目標(biāo)位置。

4.如權(quán)利要求1所述的基于深度學(xué)習(xí)的無(wú)人機(jī)航拍視頻車(chē)流量統(tǒng)計(jì)方法，其特征在于，所述根據(jù)需要統(tǒng)計(jì)車(chē)流量的路口，在樣本視頻圖像中設(shè)置標(biāo)志線(xiàn)的步驟包括：

提取需要統(tǒng)計(jì)車(chē)流量的十字路口；

在所述十字路口處設(shè)置四條標(biāo)志線(xiàn)。

5.如權(quán)利要求1所述的基于深度學(xué)習(xí)的無(wú)人機(jī)航拍視頻車(chē)流量統(tǒng)計(jì)方法，其特征在于，所述參照物為與周?chē)h(huán)境在顏色或幾何形狀上有差異的靜止物體。

6.如權(quán)利要求1所述的基于深度學(xué)習(xí)的無(wú)人機(jī)航拍視頻車(chē)流量統(tǒng)計(jì)方法，其特征在于，所述深度神經(jīng)網(wǎng)絡(luò)模型為Faster R-CNN深度神經(jīng)網(wǎng)絡(luò)模型。

7.一種主機(jī)，其特征在于，包括：

標(biāo)注模塊，用于獲取樣本視頻圖像，并對(duì)所述樣本視頻圖像中的車(chē)輛進(jìn)行標(biāo)注；

標(biāo)志模塊，用于根據(jù)需要統(tǒng)計(jì)車(chē)流量的路口，在所述樣本視頻圖像中設(shè)置標(biāo)志線(xiàn)；

修正模塊，用于設(shè)置參照物，并根據(jù)所述參照物修正所述標(biāo)志線(xiàn)；

訓(xùn)練模塊，用于構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型，并使用修正后的樣本視頻圖像訓(xùn)練所述深度神經(jīng)網(wǎng)絡(luò)模型；

獲取模塊，用于實(shí)時(shí)獲取無(wú)人機(jī)拍攝的路口位置的待測(cè)視頻圖像；

識(shí)別模塊，用于使用訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)模型對(duì)所述待測(cè)視頻圖像進(jìn)行識(shí)別，并輸出識(shí)別結(jié)果；

計(jì)算模塊，用于根據(jù)識(shí)別結(jié)果計(jì)算所述待測(cè)視頻圖像所對(duì)應(yīng)的公路區(qū)域中的車(chē)輛數(shù)量。

8.如權(quán)利要求7所述的主機(jī)，其特征在于，所述修正模塊包括：

設(shè)置單元，用于設(shè)置參照物；

跟蹤單元，用于通過(guò)核相關(guān)濾波跟蹤方法跟蹤所述參照物；

計(jì)算單元，用于計(jì)算所述參照物的相對(duì)偏移量；

修正單元，用于根據(jù)所述相對(duì)偏移量修正所述標(biāo)志線(xiàn)的目標(biāo)位置。

9.一種基于深度學(xué)習(xí)的無(wú)人機(jī)航拍視頻車(chē)流量統(tǒng)計(jì)系統(tǒng)，其特征在于，包括無(wú)人機(jī)多源影像采集平臺(tái)及權(quán)利要求7或8所述的主機(jī)。

10.如權(quán)利要求9所述的無(wú)人機(jī)航拍視頻車(chē)流量統(tǒng)計(jì)系統(tǒng)，其特征在于，所述無(wú)人機(jī)多源影像采集平臺(tái)為搭載可見(jiàn)光相機(jī)及熱紅外相機(jī)，并進(jìn)行多源影像采集的無(wú)人機(jī)平臺(tái)。