[發(fā)明專利]一種基于遙感圖像的車道空間占有率測量方法

在審

• 申請?zhí)枺?/td>: 202310039896.3
• 申請日: 2023-01-11
• 公開（公告）號: CN116246228A
• 公開（公告）日: 2023-06-09
• 發(fā)明（設(shè)計）人: 鄧天民;李亞楠;張曦月;楊令;程鑫鑫
• 申請（專利權(quán)）人: 重慶交通大學(xué);重慶市佰強(qiáng)科技有限公司
• 主分類號: G06V20/54
• 分類號: G06V20/54;G06V10/26;G06V10/40;G06V10/82;G06V10/778
• 代理公司: 北京中索知識產(chǎn)權(quán)代理有限公司 11640
• 代理人: 隋曉勇

本發(fā)明提供一種基于遙感圖像的車道空間占有率測量方法，包括：使用ResNet50作為LinkNet的圖像特征提取結(jié)構(gòu)，采用三層殘差單元、兩個1*1的卷積核和一個3*3的卷積核；在LinkNet中心區(qū)域加入空洞卷積；在ResNet50輸出層引入二元交叉熵?fù)p失函數(shù)；收集包含有道路和車輛的圖像作為數(shù)據(jù)集訓(xùn)練改進(jìn)的LinkNet；把遙感圖像圖片輸入訓(xùn)練好的LinkNet得到分割出車輛和道路的像素格圖像；計算車輛長度和道路長度；計算車輛長度的總和與道路長度的比值，求得車道空間占有率。本發(fā)明通過改進(jìn)LinkNet網(wǎng)絡(luò)使得分割出道路圖像和車輛圖像的精度更高，提高了測量效果和計算精確度，而且降低了測量成本。

技術(shù)領(lǐng)域

本發(fā)明涉及交通監(jiān)測技術(shù)領(lǐng)域，具體而言，涉及一種基于遙感圖像的車道空間占有率測量方法。

背景技術(shù)

隨著人民生活水平的不斷提高和科技的不斷發(fā)展，機(jī)動車在數(shù)量和質(zhì)量外觀上不斷突破創(chuàng)新的同時，交通擁堵的負(fù)面影響也凸顯得尤為明顯。交通擁堵不但對人們的日常生活與工作帶來許多不便，而且對城市的經(jīng)濟(jì)發(fā)展起到了嚴(yán)重的制約作用。

為了緩解交通擁堵，我們需要對道路交通狀態(tài)以及車道占有率進(jìn)行識別，判斷哪些道路擁堵。車道占有率分為時間占有率和空間占有率，是來衡量道路是否擁堵的重要指標(biāo)之一。交通密度、車輛的空間占有率是交通狀態(tài)判別的重要依據(jù)，目前在交通領(lǐng)域采集上述兩種數(shù)據(jù)的方法眾多，如地磁、感應(yīng)線圈、微波GPS/GIS等，但是受成本、外界環(huán)境等條件的影響，都不能夠有效、全面地采集交通信息。

近年來隨著數(shù)字圖像處理技術(shù)的迅速發(fā)展，遙感圖像處理技術(shù)在交通領(lǐng)域得到廣泛的研究和應(yīng)用。基于遙感圖像的交通信息采集方法，可以改變目前道路交通信息采集成本過高的現(xiàn)狀，并且能夠采集大范圍路網(wǎng)上的交通信息，參見圖3所示為現(xiàn)有技術(shù)的測量車道占有率的流程。

但是，當(dāng)前對于從遙感圖像中分割提取出交通密度、車道空間占有率兩種數(shù)據(jù)的方法采用的是傳統(tǒng)的圖像處理用hough變化求出道路長度，參見圖4所示為現(xiàn)有技術(shù)的遙感圖像分割模型所選用的LinkNet網(wǎng)絡(luò)模型，再使用模糊技術(shù)來估計車輛長度，該傳統(tǒng)方法的泛用性不強(qiáng)，成本高，需要進(jìn)行人工提取特征，測量效果并不好。

發(fā)明內(nèi)容

鑒于此，本發(fā)明的目的在于提出一種基于LinkNet網(wǎng)絡(luò)的道路和車輛遙感圖像的分割方法，再對分割出的道路和車輛的長度進(jìn)行比值，得出車道空間占有率，解決現(xiàn)有技術(shù)的采集車道空間占有率方法的成本高、不夠全面的問題。

本發(fā)明提供一種基于遙感圖像的車道空間占有率測量方法，包括以下步驟：

A、使用ResNet50作為LinkNet網(wǎng)絡(luò)模型的圖像特征提取結(jié)構(gòu)，所述ResNet50采用三層殘差單元、兩個1*1的卷積核和一個3*3的卷積核，所述三層殘差單元用以降低參數(shù)的數(shù)目，減少計算量；

通過計算可知，兩層殘差單元需要的參數(shù)數(shù)目為：3*3*256*256*2＝1179648，而本發(fā)明所述三層殘差單元需要的參數(shù)數(shù)目為：1*1*256*64+3*3*64*64+1*1*64*256＝69632；

使用ResNet50代替原LinkNet網(wǎng)絡(luò)的ResNet18，提高了道路分割的速度；

B、在LinkNet網(wǎng)絡(luò)模型的中心區(qū)域加入多個空洞卷積，在不降低提取的特征圖的分辨率的同時擴(kuò)大特征圖的感受野；

加入空洞卷積有利于保留完整的空間信息；使每個卷積輸出都包含較大的范圍信息；

C、在ResNet50的輸出層引入二元交叉熵?fù)p失函數(shù)；

使用二元交叉熵?fù)p失函數(shù)表現(xiàn)出前期收斂速度快而后期收斂速度慢，與平方差損失函數(shù)相比不受學(xué)習(xí)函數(shù)倒數(shù)的影響；

二元交叉熵?fù)p失函數(shù)解決了輸出層的神經(jīng)元學(xué)習(xí)速率緩慢的問題；