[發明專利]一種基于低頻數據的道路擁擠情況檢測方法和裝置

有效

• 申請號: 202211273150.0
• 申請日: 2022-10-18
• 公開（公告）號: CN115346180B
• 公開（公告）日: 2023-02-10
• 發明（設計）人: 李金陽;張瑞;曹靖雯
• 申請（專利權）人: 湖北車安達信息科技有限公司
• 主分類號: G06V20/54
• 分類號: G06V20/54;G06N3/0464;G06N3/047;G06N3/08;G06V10/52;G06V10/764;G06V10/80;G06V10/82;G08G1/01;G08G1/017
• 代理公司: 武漢知律知識產權代理事務所(普通合伙) 42307
• 代理人: 田常娟

1.一種基于低頻數據的道路擁擠情況檢測方法，其特征在于，包括：

通過攝像頭獲取高速公路上多幀連續拍攝的車流圖片；

對所述拍攝的圖片進行小波變換，得到各個車流圖片分別對應的目標圖片；其中，所述低頻數據指的是對所述拍攝的圖片進行小波變換后的數據；

按照時間順序選取第一張目標圖片作為第一目標圖片，將其余的目標圖片記為第二目標圖片；

將第一目標圖片分割為預設數量且大小相等的分塊；

判斷所述分塊是否在第二目標圖片中存在；

若所述分塊在第二目標圖片中存在，則根據預設的DS搜索算法搜尋每個分塊在各個第二目標圖片中的位置，并計算各個分塊之間的位置差值；

基于各個位置差值的平均值設置各個第二目標圖片的第一注意力分值，以及根據搜尋結果計算各個分塊之間的位移量，并求取平均值，得到平均位移量；

計算相鄰兩個平均位移量之間的矢量差值；

基于所述矢量差值并根據softmax函數設置第n+1幀第二目標圖片中第二注意力分值，以及將第一幀的第二目標圖片中的第二注意力分值設置為常數；

將各個第二目標圖片的平均位移量以及對應的第一注意力分值和第二注意力分值進行加權求和，得到各個第二目標圖片的加權和；

將各個第二目標圖片的平均位移量以及對應的加權和輸入至預設的神經網絡模型中，得到連續拍攝的車流圖片所對應的道路擁擠情況；其中，所述神經網絡模型根據多張圖片的位移量、對應的加權和以及對應的擁擠情況訓練而成。

2.如權利要求1所述的基于低頻數據的道路擁擠情況檢測方法，其特征在于，所述將各個第二目標圖片的平均位移量以及對應的加權和輸入至預設的神經網絡模型中，得到連續拍攝的車流圖片所對應的道路擁擠情況的步驟之前，還包括：

獲取多組訓練數據；其中，一組訓練數據包括多張圖片的位移量、對應的加權和以及對應的擁擠情況；

將各個訓練數據中的多張圖片的位移量以及對應的加權和作為初始模型的輸入，將對應的擁擠情況作為輸出對所述初始模型進行初步訓練，得到暫時模型；

提取所述暫時模型的卷積核；

對所述卷積核進行多次平滑操作，直至所述暫時模型的滿足訓練要求，得到所述神經網絡模型。

3.如權利要求2所述的基于低頻數據的道路擁擠情況檢測方法，其特征在于，所述對所述卷積核進行多次平滑操作，直至所述暫時模型的滿足訓練要求，得到所述神經網絡模型的步驟，包括：

獲取卷積核中各個域中的數值；

根據平滑公式進行多次平滑；其中，表示第l+1次平滑后的卷積核，表示第l次平滑后的卷積核，表示行為h，列為k處的域的數值，表示域的空間鄰域所對應的域集合，表示預設的平滑參數；

將第l+1次平滑后的卷積核輸入至所述暫時模型中，得到目標模型，并計算損失值；

判斷損失值是否小于預設值；

若損失值小于預設值，則將所述目標模型記為神經網絡模型。

4.如權利要求3所述的基于低頻數據的道路擁擠情況檢測方法，其特征在于，所述根據平滑公式進行多次平滑的步驟，包括：

獲取各組訓練數據小波變換的參數值；

根據所述參數值設置所述平滑參數的參數范圍；

判斷是否具有在所述參數范圍內取值的平滑參數滿足訓練要求；

若具有在所述參數范圍內取值的平滑參數滿足訓練要求，則根據滿足訓練要求的平滑參數對卷積核進行平滑操作。

5.如權利要求1所述的基于低頻數據的道路擁擠情況檢測方法，其特征在于，所述對所述拍攝的圖片進行小波變換，得到各個車流圖片分別對應的目標圖片的步驟，包括：

對所述拍攝的圖片進行多次小波分解，得到各個圖片對應的第一中間圖片和第二中間圖片；其中，一次小波分解包括對相鄰像素的均值輸出以及相鄰像素的差值輸出；

將所述第一中間圖片和第二中間圖片進行還原，得到目標圖片。