一种基于无人机交通视频的车流量统计方法技术

一种基于无人机交通视频的车流量统计方法，包括如下步骤：在需要统计车流量的路口，画定标志线；选定一个与周围环境有差异的参照物；跟踪参照物，计算参照物的相对偏移量，并根据偏移量修正标志线的位置；运用深度学习技术对视频中的车辆目标进行检测；提取目标区域的HOG特征，并使用训练好的机器学习分类模型进行预测，判断出对应车辆的类别；通过前后帧匹配，建立前后帧运动区域之间的联系，判断前后两帧区域的中心点是否在标记线两侧，分别统计左转、直行、右转的车辆类型和车辆数量；将流量信息导出并存储。本发明专利技术能统计并高精度的分析视频中不同车型的流量，极大地减轻工作人员的工作负荷，并且将大大提高工作效率。

A vehicle traffic statistics method based on UAV traffic video

A traffic statistics method based on unmanned aerial vehicle (UAV) traffic video, which includes the following steps: draw a marking line at the intersection of the vehicle traffic; select a reference that is different from the surrounding environment; follow the reference object, calculate the relative offset of the reference material, and modify the position of the mark line according to the offset; use depth. The learning technology is used to detect the vehicle target in the video, extract the HOG features of the target area, and use the trained machine learning classification model to predict the category of the corresponding vehicle. By matching the front and back frames, the relationship between the front and back frame movement areas is established to determine whether the center of the two frames in the front and back frames is in the standard. On the both sides of the recording line, the number and type of vehicles left turn, go straight and right turn are counted respectively, and the traffic information is exported and stored. The invention can analyze the traffic of different models of video in a high accuracy and high precision, greatly reduce the workload of the staff, and will greatly improve the efficiency of work.

【技术实现步骤摘要】
一种基于无人机交通视频的车流量统计方法
本专利技术涉及一种基于无人机交通视频的车流量统计方法，具体通过计算机视觉技术分析无人机拍摄的交通视频，对路口的不同车型进行流量统计，该方法在智能交通、城市规划和建设等领域有着广泛的应用需求。
技术介绍
无人机交通视频指用无人机对道路交通进行航拍获得的视频，具备一般摄像头所不能轻易拥有的视角，是分析交通实时路况、规划和建设交通设施等任务的一个客观依据。为了更好地分析交通路口的车流量变化情况，通过部署监控摄像头，经过车辆检测、车辆分类、流量统计等操作，可以帮助交通道路设计人员更好地分析优化路口的情况，设计出更加符合实际需求的道路。由于拍摄人员以及部署位置等因素，目前现有的无人机交通路口视频包含着各种角度（0~90度），高度（从地面到空中几十米）。同时，不同型号的摄像机也导致拍摄视频的分辨率无法统一（720P~4K）。除此之外，由于风力等外部环境的影响以及拍摄人员录制视频时可能的行为变化，导致视频图像常常包含大量抖动（特指100像素以上的数量级）。由于拍摄目标较小，所以一般的车流量分析方法对这种变化非常敏感。
技术实现思路
本专利技术针对现有技术中的不足，提供一种基于无人机交通视频的车流量统计方法。为实现上述目的，本专利技术采用以下技术方案：一种基于无人机交通视频的车流量统计方法，其特征在于，包括以下步骤：步骤1）：在需要统计车流量的路口，画定标志线；步骤2）：选定一个静止的且与周围环境在颜色或几何形状上有差异的参照物；步骤3）：跟踪参照物，计算参照物的相对偏移量，并根据偏移量修正标志线的位置；步骤4）：运用深度学习技术对视频中的车辆目标进行检测；步骤5）：提取目标区域的HOG特征，并使用训练好的机器学习分类模型进行预测，判断出对应车辆的类别；步骤6）：通过前后帧匹配，建立前后帧运动区域之间的联系，判断前后两帧区域的中心点是否在标记线两侧，分别统计左转、直行、右转的车辆类型和车辆数量；步骤7）：视频处理结束后，自动将流量信息导出并存储。为优化上述技术方案，采取的具体措施还包括：所述步骤1）中的路口为十字路口，在十字路口处画定四条标志线。所述步骤3）中，通过核相关滤波的目标跟踪方法跟踪已标记的参照物，每一帧都对参照物计算相对偏移量，并以相对偏移量修正标志线因视频抖动造成偏移的目标位置。所述步骤5）中的机器学习分类模型采用如下方式建立：采用标记数据集的交互式工具对给定图像进行标记车辆的操作，以获得包括车型的车辆数据集，用作车辆检测与分类学习任务中的训练数据集；提取训练数据集的HOG特征，并训练机器学习分类模型。所述机器学习分类模型可采用随机森林或SVM。所述步骤6）中，前后帧匹配指根据前两帧目标区域中心点位置的变化，估算出当前帧该区域中心点的位置，取离预测中心点最近的区域进行匹配。本专利技术的有益效果是：全自动对车辆进行流量统计和分类，大大提高了工作效率；深度学习技术精度高，对视角变化鲁棒；较好地解决了视频抖动带来的影响，减少了统计的错误率；前后帧匹配减少了采用多目标跟踪算法的时间开销。附图说明图1是本专利技术的系统流程图。图2是本专利技术的数据标记交互式工具示意图。图3是本专利技术的车辆检测效果示意图。图4是本专利技术的流量统计效果示意图。图5是本专利技术的视频抖动解决示意图。图6是本专利技术的车辆分类解决示意图。图7是本专利技术的用户图形界面示意图。具体实施方式本专利技术的系统流程图见图1，以下结合附图，并以十字路口为例，详细说明本专利技术的实施方式。第一步，开发一个标记数据集的交互式工具。如图2所示，可以实现在给定图像上进行标记车辆的操作，以获得一个包括小汽车、大客车、卡车等各种车型的车辆数据集，用作后续车辆检测与分类等学习任务中的训练集。第二步，提取训练数据集的HOG（HistogramofOrientedGradient，方向梯度直方图）特征，并训练随机森林、SVM（SupportVectorMachine，支持向量机）等机器学习分类模型。通过计算机程序，这些模型利用车辆数据集进行学习，进而在车辆分类任务上的获得了性能改善。第三步，在需要统计车流量的路口，划定标志线，例如：统计十字路口的车流量需要手工画四条标志线；选定一个静止的、与周围环境有较显著区别的参照物，如楼房、广告牌等与周围环境有着颜色或几何形状上的差异的目标。第四步，进行车辆检测。如图3所示，本专利技术使用深度学习技术进行车辆检测。深度学习技术是基于人工神经网络，使用神经科学的表示方法，将图像表示为如像素强度值的向量等形式，从而更容易地从实例中进行学习任务，其优点为用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征，精度高，对视角变化鲁棒。第五步，进行流量统计。如图4所示，通过对视频前后帧的匹配，得到运动车辆的行驶轨迹。在每个方向上驶入和驶出的道路上各划一条线，运用前后帧匹配的方法，从而可以分别统计得到从某一方向驶来在该十字路口左转、直行、右转的车辆数量（即碰到两条线）。进一步参见图5，考虑到若发生视频抖动，图像中某一个不动点也必定跟随发生移动，因此在图像中标记某一个静止的参照物（如楼房），通过跟踪该参照物的移动情况，用偏差来修正视频的抖动，从而使得车辆的流量统计更加准确。第六步，进行车辆分类。如图6所示，运用HOG特征，随机森林，SVM集成等机器学习方法，对视频中来往的车辆进行分类，即分别完成对小汽车、大客车、卡车等车辆的流量统计任务。取出一个运动区域，判断其是否为背景，若为背景，则判断下一个运动区域，否则判断其车型。最后，结合图1和图7，本专利技术将以上六步工作的实现构建成了一个图形界面，方便用户进行操作与查看结果。本专利技术通过无人机在十字路口拍摄交通视频，运用计算机视觉及机器学习等技术对车辆目标进行检测，统计并高精度的分析视频中不同车型的流量，极大地减轻交通相关部门工作人员的工作负荷，并且将大大提高工作效率。以上仅是本专利技术的优选实施方式，本专利技术的保护范围并不仅局限于上述实施例，凡属于本专利技术思路下的技术方案均属于本专利技术的保护范围。应当指出，对于本
的普通技术人员来说，在不脱离本专利技术原理前提下的若干改进和润饰，应视为本专利技术的保护范围。本文档来自技高网...

【技术保护点】
1.一种基于无人机交通视频的车流量统计方法，其特征在于，包括以下步骤：步骤1）：在需要统计车流量的路口，画定标志线；步骤2）：选定一个静止的且与周围环境在颜色或几何形状上有差异的参照物；步骤3）：跟踪参照物，计算参照物的相对偏移量，并根据偏移量修正标志线的位置；步骤4）：运用深度学习技术对视频中的车辆目标进行检测；步骤5）：提取目标区域的HOG特征，并使用训练好的机器学习分类模型进行预测，判断出对应车辆的类别；步骤6）：通过前后帧匹配，建立前后帧运动区域之间的联系，判断前后两帧区域的中心点是否在标记线两侧，分别统计左转、直行、右转的车辆类型和车辆数量；步骤7）：视频处理结束后，自动将流量信息导出并存储。

【技术特征摘要】
1.一种基于无人机交通视频的车流量统计方法，其特征在于，包括以下步骤：步骤1）：在需要统计车流量的路口，画定标志线；步骤2）：选定一个静止的且与周围环境在颜色或几何形状上有差异的参照物；步骤3）：跟踪参照物，计算参照物的相对偏移量，并根据偏移量修正标志线的位置；步骤4）：运用深度学习技术对视频中的车辆目标进行检测；步骤5）：提取目标区域的HOG特征，并使用训练好的机器学习分类模型进行预测，判断出对应车辆的类别；步骤6）：通过前后帧匹配，建立前后帧运动区域之间的联系，判断前后两帧区域的中心点是否在标记线两侧，分别统计左转、直行、右转的车辆类型和车辆数量；步骤7）：视频处理结束后，自动将流量信息导出并存储。2.如权利要求1所述的一种基于无人机交通视频的车流量统计方法，其特征在于：所述步骤1）中的路口为十字路口，在十字路口处画定四条标志线。3.如权利要求1所述的一种基于无人机交通视频的车流量...

【专利技术属性】
技术研发人员：单晓峰，祁磊，王池社，黄继鹏，于沛泽，高阳，
申请(专利权)人：金陵科技学院，江苏万维艾斯网络智能产业创新中心有限公司，
类型：发明
国别省市：江苏,32