[發(fā)明專利]無人機(jī)航拍視頻車流量統(tǒng)計方法、主機(jī)及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010946810.1
• 申請日: 2020-09-10
• 公開（公告）號: CN112215070A
• 公開（公告）日: 2021-01-12
• 發(fā)明（設(shè)計）人: 吳慶耀;吳曉琳;杜永紅;張凱;楊嘉賀
• 申請（專利權(quán)）人: 佛山聚卓科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 胡楓;曹萬菊

本發(fā)明公開了一種基于深度學(xué)習(xí)的無人機(jī)航拍視頻車流量統(tǒng)計方法，包括：獲取樣本視頻圖像，并對樣本視頻圖像中的車輛進(jìn)行標(biāo)注；根據(jù)需要統(tǒng)計車流量的路口，在樣本視頻圖像中設(shè)置標(biāo)志線；設(shè)置參照物，并根據(jù)參照物修正標(biāo)志線；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)練深度神經(jīng)網(wǎng)絡(luò)模型；實時獲取無人機(jī)拍攝的路口位置的待測視頻圖像；使用訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)模型對待測視頻圖像進(jìn)行識別，并輸出識別結(jié)果；根據(jù)識別結(jié)果計算待測視頻圖像所對應(yīng)的公路區(qū)域中的車輛數(shù)量。本發(fā)明還公開了一種主機(jī)及基于深度學(xué)習(xí)的無人機(jī)航拍視頻車流量統(tǒng)計系統(tǒng)。采用本發(fā)明，可統(tǒng)計并分析車流量，減輕工作人員的工作負(fù)荷，提高工作效率。

技術(shù)領(lǐng)域

本發(fā)明涉及交通監(jiān)控技術(shù)領(lǐng)域，尤其涉及一種基于深度學(xué)習(xí)的無人機(jī)航拍視頻車流量統(tǒng)計方法、一種主機(jī)及一種基于深度學(xué)習(xí)的無人機(jī)航拍視頻車流量統(tǒng)計系統(tǒng)。

背景技術(shù)

隨著社會經(jīng)濟(jì)的發(fā)展，交通事業(yè)在迅速發(fā)展，車輛數(shù)量龐大，并且仍然在逐年增長，造成交通事故、車輛擁堵、車輛混亂等現(xiàn)象的頻率也越來越高。這些交通問題嚴(yán)重影響居民的日常出行，也增加了地面交通疏導(dǎo)工作的負(fù)擔(dān)。雖然目前城市關(guān)鍵節(jié)點上都裝有攝像頭，但是這無法直觀顯示整條道路的交通狀況。由于無人機(jī)的便攜性和靈活性，利用無人機(jī)進(jìn)行車輛的精確定位和識別，在檢測道路交通狀況發(fā)揮巨大優(yōu)勢。

在智能交通系統(tǒng)中，實時獲取交通車流量統(tǒng)計技術(shù)為智能交通系統(tǒng)提供基礎(chǔ)決策數(shù)據(jù)，有助于交通管理部門對交通進(jìn)行優(yōu)化調(diào)度，有助于駕駛員更好的選擇出行路線，城市規(guī)劃者可以根據(jù)車流量參數(shù)做出對道路是否進(jìn)行加寬的規(guī)劃，因此交通車流量統(tǒng)計的研究具有十分重要的理論意義及潛在的應(yīng)用價值。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題在于，提供一種基于深度學(xué)習(xí)的無人機(jī)航拍視頻車流量統(tǒng)計方法、主機(jī)及系統(tǒng)，可統(tǒng)計并分析車流量，減輕工作人員的工作負(fù)荷，提高工作效率。

為了解決上述技術(shù)問題，本發(fā)明提供了一種基于深度學(xué)習(xí)的無人機(jī)航拍視頻車流量統(tǒng)計方法，包括：獲取樣本視頻圖像，并對所述樣本視頻圖像中的車輛進(jìn)行標(biāo)注；根據(jù)需要統(tǒng)計車流量的路口，在所述樣本視頻圖像中設(shè)置標(biāo)志線；設(shè)置參照物，并根據(jù)所述參照物修正所述標(biāo)志線；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；實時獲取無人機(jī)拍攝的路口位置的待測視頻圖像；使用訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)模型對所述待測視頻圖像進(jìn)行識別，并輸出識別結(jié)果；根據(jù)識別結(jié)果計算所述待測視頻圖像所對應(yīng)的公路區(qū)域中的車輛數(shù)量。

作為上述方案的改進(jìn)，所述識別結(jié)果包括：公路與車輛的對象識別概率信息、對象位置信息及對象區(qū)域分割信息。

作為上述方案的改進(jìn)，所述根據(jù)參照物修正所述標(biāo)志線的步驟包括：通過核相關(guān)濾波跟蹤方法跟蹤所述參照物；計算所述參照物的相對偏移量；根據(jù)所述相對偏移量修正所述標(biāo)志線的目標(biāo)位置。

作為上述方案的改進(jìn)，所述根據(jù)需要統(tǒng)計車流量的路口，在樣本視頻圖像中設(shè)置標(biāo)志線的步驟包括：提取需要統(tǒng)計車流量的十字路口；在所述十字路口處設(shè)置四條標(biāo)志線。

作為上述方案的改進(jìn)，所述參照物為與周圍環(huán)境在顏色或幾何形狀上有差異的靜止物體。

作為上述方案的改進(jìn)，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。

相應(yīng)地，本發(fā)明還提供了一種主機(jī)，包括：標(biāo)注模塊，用于獲取樣本視頻圖像，并對所述樣本視頻圖像中的車輛進(jìn)行標(biāo)注；標(biāo)志模塊，用于根據(jù)需要統(tǒng)計車流量的路口，在所述樣本視頻圖像中設(shè)置標(biāo)志線；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；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，用于實時獲取無人機(jī)拍攝的路口位置的待測視頻圖像；識別模塊，用于使用訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)模型對所述待測視頻圖像進(jìn)行識別，并輸出識別結(jié)果；計算模塊，用于根據(jù)識別結(jié)果計算所述待測視頻圖像所對應(yīng)的公路區(qū)域中的車輛數(shù)量。