[發(fā)明專利]一種基于車流方向判別高速公路車流監(jiān)控設(shè)備轉(zhuǎn)動(dòng)的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202210450692.4
• 申請(qǐng)日: 2022-04-27
• 公開（公告）號(hào): CN114566052B
• 公開（公告）日: 2022-08-12
• 發(fā)明（設(shè)計(jì)）人: 劉電;呂洪燕;張星明;吳國(guó)平;陳嘉琪;黃宇波
• 申請(qǐng)（專利權(quán)）人: 華南理工大學(xué);廣州國(guó)交潤(rùn)萬(wàn)交通信息有限公司
• 主分類號(hào): G08G1/01
• 分類號(hào): G08G1/01;G08G1/123;G06T9/00;G06V20/54;G06V20/40;G06V10/94;G06V10/762;G06V10/764;G06V10/766;G06V10/82;G06K9/62;G06T7/20;G06N3/04;G06N3/08
• 代理公司: 北京中索知識(shí)產(chǎn)權(quán)代理有限公司 11640
• 代理人: 商金婷

1.一種基于車流方向判別高速公路車流監(jiān)控設(shè)備轉(zhuǎn)動(dòng)的方法，其特征在于：包括以下步驟：

(S1)獲取車流數(shù)據(jù)信息，記錄視頻的車輛軌跡，統(tǒng)計(jì)路面的車輛的軌跡；實(shí)現(xiàn)車流數(shù)據(jù)信息的采集；

在本步驟中，針對(duì)車流數(shù)據(jù)信息利用集成電路總線接口連接視頻圖像傳感器，控制信息采集，

（S2） 采用基于深度卷積神經(jīng)網(wǎng)絡(luò)的視頻圖像編碼算法完成視頻圖像壓縮處理，采用YOLO-V4算法模型實(shí)現(xiàn)車輛目標(biāo)數(shù)據(jù)和車道信息的提取；跟蹤每輛車的位置，獲取每輛車在視頻對(duì)應(yīng)車道的軌跡，統(tǒng)計(jì)一定時(shí)間的車輛在每個(gè)車道的軌跡；利用深度卷積神經(jīng)網(wǎng)絡(luò)編碼算法對(duì)采集到的圖像信息進(jìn)行壓縮并結(jié)合FPGA的并行化計(jì)算控制方法；

（S3）通過(guò)所構(gòu)建的車流數(shù)據(jù)信息分析模型實(shí)現(xiàn)車流數(shù)據(jù)信息分析，并比較一定時(shí)間內(nèi)的整體車輛的軌跡偏差，判別監(jiān)控設(shè)備是否移位；通過(guò)YOLO-V4算法模型實(shí)現(xiàn)高速公路車流數(shù)據(jù)信息分析；

（S4）構(gòu)建分析優(yōu)化模型，通過(guò)優(yōu)化模塊提高了YOLO-V4算法模型的優(yōu)化效果；

優(yōu)化模塊優(yōu)化的方法為：

首先對(duì)公路監(jiān)控圖像缺陷數(shù)據(jù)集進(jìn)行統(tǒng)一標(biāo)準(zhǔn)化，縮放每個(gè)輸入變量x在預(yù)定義的[0,1]范圍內(nèi)，其表達(dá)式為：

（1）

式（2）中，是指縮放后的標(biāo)準(zhǔn)化值，和是訓(xùn)練集中變量的最小值和最大值，是變量的實(shí)際值；則公路圖像信息缺陷評(píng)估指標(biāo)均值計(jì)算公式為：

（2）

式（2）中，表示公路監(jiān)控圖像缺陷評(píng)估指標(biāo)均值，T表示預(yù)測(cè)運(yùn)行周期，表示深度學(xué)習(xí)模型各項(xiàng)超參數(shù)，表示工作人員需求評(píng)價(jià)指標(biāo)；

通過(guò)建立正交化的評(píng)估矩陣將公路監(jiān)控圖像缺陷評(píng)估指標(biāo)進(jìn)行信息交疊，不同信息交疊圖像之間相互影響迭代過(guò)程為：

（3）

式（3）中，表示公路監(jiān)控圖像缺陷評(píng)估指標(biāo)相互交疊函數(shù)，表示相互交疊函數(shù)之間相互影響迭代過(guò)程；根據(jù)公路監(jiān)控圖像缺陷評(píng)估指標(biāo)之間的迭代公式，對(duì)等式（4）矩陣建立算法程序，即：

（4）

式（4）中，表示公路監(jiān)控圖像缺陷評(píng)估正交化安全矩陣，表示正交化矩陣編輯參數(shù)。

2.根據(jù)權(quán)利要求1所述的一種基于車流方向判別高速公路車流監(jiān)控設(shè)備轉(zhuǎn)動(dòng)的方法，其特征在于：車流數(shù)據(jù)信息采集的方法為：

將輸入圖像傳輸至卷積器中，通過(guò)控制器控制卷積計(jì)算，各卷積器包含存儲(chǔ)權(quán)值的系數(shù)存儲(chǔ)器，利用輸入圖像和權(quán)值實(shí)施卷積運(yùn)算獲取輸出結(jié)果，在計(jì)算卷積時(shí)間，輸入不同尺寸大小的圖像尺寸、卷積核大小與數(shù)量，并配置深度卷積神經(jīng)網(wǎng)絡(luò)編碼算法計(jì)算過(guò)程中的參數(shù)，進(jìn)而確定采集圖像的地址。

3.根據(jù)權(quán)利要求1所述的一種基于車流方向判別高速公路車流監(jiān)控設(shè)備轉(zhuǎn)動(dòng)的方法，其特征在于：視頻圖像編碼算法的工作步驟為：

采用基于深度卷積神經(jīng)網(wǎng)絡(luò)的視頻圖像編碼算法完成視頻圖像壓縮處理；首先通過(guò)預(yù)訓(xùn)練模型采集視頻圖像特征，選取K均值算法計(jì)算不同視頻圖像間特征的距離信息，基于相同來(lái)源的視頻圖像屬一類的原則調(diào)整視頻圖像特征的距離信息，由此獲取視頻圖像聚類標(biāo)簽，然后利用深度卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)距離信息，通過(guò)多次迭代計(jì)算，進(jìn)而依照自編碼位數(shù)實(shí)際要求，實(shí)施圖像稀疏自編碼。