[發明專利]交通路口車道線檢測方法及系統

在審

• 申請號: 202110369183.4
• 申請日: 2021-04-06
• 公開（公告）號: CN113128382A
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 費東;王堃;王成
• 申請（專利權）人: 青島以薩數據技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京酷愛智慧知識產權代理有限公司 11514
• 代理人: 鐘繼蓮

本發明提供了交通路口車道線檢測方法及系統，方法包括獲取多個鏡頭未發生移動的攝像頭拍攝到的交通口監控視頻，分別提取各個交通路口監控視頻的背景圖像；分別從每個交通路口監控視頻中抽取一幀提取背景圖像后的圖像，對抽取的圖像進行標注，以得到車道線檢測訓練數據集；對車道線檢測訓練數據集進行訓練，生成交通路口車道線檢測模型；實時獲取攝像頭拍攝到的交通路口實時視頻，提取交通路口實時視頻的背景圖像；使用交通路口車道線檢測模型，對交通路口實時視頻提取背景圖像后的每一幀圖像進行檢測，得到交通路口實時視頻的車道線檢測結果。該方法能夠快速、高效地對車道線進行檢測和識別。

技術領域

本發明屬于智能交通技術領域，具體涉及交通路口車道線檢測方法及系統。

背景技術

近年來隨著智能交通的迅速發展，監控設備越來越多，計算機處理能力越來越強，對交通視頻的實時處理需求也逐步提高。交通路況環境復雜，通過對交通路口的車道線進行檢測和提取，可以有效地監管復雜的交通環境。常見的車道線檢測方法有兩種：

1、主要通過機器視覺算法提取圖像特征，然后通過特征的數值來區分是否是車道線。但是車道線標志的種類繁多，尤其當車輛擁擠時，會造成車道線標志區域被遮擋。這類算法通常是通過卷積濾波方式，先分割出車道線區域，然后在結合霍夫變換等算法進行車道線檢測這樣就需要手動去調濾波算子，根據不同的場景人工調節參數，否則當外界環境出現明顯變化時，車道線的檢測效果不佳。

2、采用基于神經網絡的圖像識別方法，通過訓練大量的樣本，在適應性和特征提取等方面都有一定的優勢。通過硬件加速，神經網絡能夠獲得更快的處理速度。對于交通路口監控中的實時視頻流，基于深度卷積神經網絡的圖像檢測能夠快速地對每一幀圖像進行檢測與識別。但是該方法在處理交通擁擠的路段時，由于大量車道線被車輛遮擋，造成檢測效果不佳，因此該方法需要大量的訓練樣本，每一幀圖像由于車輛遮擋車道線位置不同，需要人工對成千上萬的圖像進行標注，這是一項艱巨的任務，并且要付出較大的成本。

綜上所述，由于實際交通路況環境復雜，如何快速、高效地對車道線進行檢測和識別，成為亟待解決的技術問題。

發明內容

針對現有技術中的缺陷，本發明提供一種交通路口車道線檢測方法及系統，能夠快速、高效地對車道線進行檢測和識別。

第一方面，一種交通路口車道線檢測方法，包括以下步驟：

獲取多個鏡頭未發生移動的攝像頭拍攝到的交通路口監控視頻，分別提取各個交通路口監控視頻的背景圖像；

分別從每個交通路口監控視頻中抽取一幀提取背景圖像后的圖像，對抽取的圖像進行標注，以得到車道線檢測訓練數據集；

對車道線檢測訓練數據集進行訓練，生成交通路口車道線檢測模型；

實時獲取攝像頭拍攝到的交通路口實時視頻，提取交通路口實時視頻的背景圖像；

使用交通路口車道線檢測模型，對交通路口實時視頻提取背景圖像后的每一幀圖像進行檢測，得到交通路口實時視頻的車道線檢測結果。

優選地，所述提取交通路口監控視頻或交通路口實時視頻的背景圖像具體包括：

將交通路口監控視頻或交通路口實時視頻中連續多幀圖像相加，計算連續多幀圖像的平均值，得到所述背景圖像。

優選地，該方法在提取交通路口監控視頻的背景圖像之后，還包括：

當預設的背景更新時間到達或者是攝像頭發生移動時，重新更新對應交通路口監控視頻的背景圖像。

優選地，所述對抽取的圖像進行標注具體包括：

使用預設的樣本標注工具對抽取的圖像進行人工標注。

優選地，所述對車道線檢測訓練數據集進行訓練，生成交通路口車道線檢測模型具體包括：