[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)動的方法

有效

• 申請?zhí)枺?/td>: 202210450692.4
• 申請日: 2022-04-27
• 公開（公告）號: CN114566052B
• 公開（公告）日: 2022-08-12
• 發(fā)明（設(shè)計）人: 劉電;呂洪燕;張星明;吳國平;陳嘉琪;黃宇波
• 申請（專利權(quán)）人: 華南理工大學(xué);廣州國交潤萬交通信息有限公司
• 主分類號: G08G1/01
• 分類號: 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: 北京中索知識產(chǎn)權(quán)代理有限公司 11640
• 代理人: 商金婷

本發(fā)明公開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)計路面的車輛的軌跡；實現(xiàn)車流數(shù)據(jù)信息的采集；（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，提高了深度卷積神經(jīng)網(wǎng)絡(luò)處理視頻圖像數(shù)據(jù)信息的識別能力；（S3）通過所構(gòu)建的車流數(shù)據(jù)信息分析模型實現(xiàn)車流數(shù)據(jù)信息分析；（S4）構(gòu)建分析優(yōu)化模型。本發(fā)明通過對視頻的車輛軌跡進行記錄，通過統(tǒng)計路面的車輛的軌跡，然后比較一定時間內(nèi)的整體車輛的軌跡偏差，判別監(jiān)控設(shè)備是否移位,減少光照影響和車流對路面特征的影響,大大提高了高速公路車流監(jiān)控能力。

技術(shù)領(lǐng)域

本發(fā)明涉及視頻分析技術(shù)領(lǐng)域，且更確切地涉及一種基于車流方向判別高速公路車流監(jiān)控設(shè)備轉(zhuǎn)動的方法。

背景技術(shù)

隨著國家經(jīng)濟實力、科學(xué)技術(shù)等全方面的發(fā)展進步，我國公路建設(shè)的規(guī)模也日趨龐大，公路不僅與人們的日常出行息息相關(guān)，還對我國各地區(qū)的經(jīng)濟、文化交流等活動起著巨大的推進作用。但是目前的公路勘查技術(shù)還存在著各式各樣的問題，如：對公路信息獲取不準確，無法有效排除環(huán)境對勘探設(shè)備的影響，勘探設(shè)備采集到的信息無法及時傳輸?shù)接脩羰种性斐尚畔⒙浜蟮葐栴}，因此對公路狀態(tài)的實時勘探就顯得極其重要。

現(xiàn)有技術(shù)對高速公路車流監(jiān)控進行了研究與研究，其中鄭義在車聯(lián)網(wǎng)環(huán)境下無信號交叉口車輛協(xié)同控制算法研究一文中，提出采用協(xié)同控制算法在無信號的情況下通過交叉路口，通過建立一種通過車輛行為預(yù)測的方案設(shè)計行車風(fēng)險最小化算法模型，但是由于所采用的協(xié)同算法針對于每一項任務(wù)都進行數(shù)據(jù)交換，重復(fù)性進行數(shù)據(jù)傳輸，所以數(shù)據(jù)傳輸?shù)男瘦^差。廖夢迪的車聯(lián)網(wǎng)的模擬仿真技術(shù)及其在多車跟車的應(yīng)用研究，廖夢迪在一篇文章中對VANET Tool Box車聯(lián)網(wǎng)平臺進行二次開發(fā)，設(shè)計一種多車跟車運行模型，分析多車跟車運行模型和延遲通信的特點，提高運行效率，但由于運行過程中數(shù)據(jù)通信有一定的延遲作用，所以通信過程中會發(fā)生較嚴重的丟包現(xiàn)象。

目前通過視頻判別移位主要是對整張圖片進行特征提取來比較判別。也有通過局部的路面特征進行判別，但是在數(shù)據(jù)分析過程中，數(shù)據(jù)分析能力差，分析效果滯后，在分析過程中容易會受到光照變化影響，路面特征容易受到車流影響，采集的數(shù)據(jù)信息不準確。

發(fā)明內(nèi)容

針對上述技術(shù)的不足，本發(fā)明公開一種基于車流方向判別高速公路車流監(jiān)控設(shè)備轉(zhuǎn)動的方法，本發(fā)明通過對視頻的車輛軌跡進行記錄，通過統(tǒng)計路面的車輛的軌跡，然后比較一定時間內(nèi)的的整體車輛的軌跡偏差，判別監(jiān)控設(shè)備是否移位, 減少光照影響和車流對路面特征的影響, 大大提高了高速公路車流監(jiān)控能力。

為了實現(xiàn)上述技術(shù)效果，本發(fā)明采用以下技術(shù)方案：

一種基于車流方向判別高速公路車流監(jiān)控設(shè)備轉(zhuǎn)動的方法，包括：

作為本發(fā)明進一步的技術(shù)方案，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)計路面的車輛的軌跡；實現(xiàn)車流數(shù)據(jù)信息的采集；

在本步驟中，針對車流數(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，提高了深度卷積神經(jīng)網(wǎng)絡(luò)處理視頻圖像數(shù)據(jù)信息的識別能力，采用YOLO-V4算法模型實現(xiàn)車輛目標數(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應(yīng)車道的軌跡，統(tǒng)計一定時間的車輛在每個車道的軌跡；利用深度卷積神經(jīng)網(wǎng)絡(luò)編碼算法對采集到的圖像信息進行壓縮，通過FPGA的并行化計算控制方法，提高了圖像數(shù)據(jù)信息獲取的加速能力；

（S3）通過所構(gòu)建的車流數(shù)據(jù)信息分析模型實現(xiàn)車流數(shù)據(jù)信息分析，并比較一定時間內(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YOLO-V4算法模型實現(xiàn)高速公路車流數(shù)據(jù)信息分析；