一种高速路车流密度监测计算系统及方法技术方案

本发明专利技术涉及一种高速路车流密度监测计算系统及方法，深度摄像头采集RGB‑D图像，将图像数据传输到云服务器，在云端对传输过来的图像数据进行处理和分析，估计出高速路感兴趣区域的车辆密度估计图和经过的车辆数目，将分析结果传送到系统监视器进行显示。本发明专利技术将深度摄像头采集的RGB‑D图像中彩色图像和深度图像拼接成四通道直接输入变分自编码器，使用变分自编码器对RGB‑D图像进行编解码，在隐式空间中进行采样，直接得到车辆密度分布图和车辆数目的估计，有效提升了车流密度估计的准确率，流程简捷，可以实现高效准确的车流密度估计，可以很好地满足实际应用的需要。

【技术实现步骤摘要】
一种高速路车流密度监测计算系统及方法
本专利技术属于智能交通管理
，具体涉及一种高速路车流密度监测计算系统及方法。
技术介绍
高速路的交通安全和高效通行是全民关注的热点问题，智能视频监控系统也已经在高速路的管理中得到了广泛的普及。作为智能视频监控系统中的重要内容，车流密度估计可以为避免拥堵、减少交通事故发生、实时路况分析、车辆导流等提供最直接的现场数据指导，为交通管理部门进行公共管理提供重要依据，有着大量的应用场景。车流密度估计的目标是让计算机准确地估计出采集到的图像中感兴趣区域的车辆数量。现有技术的技术方案是使用传统摄像头采集RGB彩色图像，通过对图像中的前后景进行分割，分割出车辆的像素区域，然后对车辆区域的面积、形状等属性进行分析，使用线性回归等方法估算出车辆的数目，来进行车辆密度估计。现有技术存在的缺陷包括：传统RGB摄像头采集图像进行车辆密度估计，难以对车身尺度差异、车辆互相遮挡、雨雪天、夜晚光线昏暗等复杂的实际场景中进行精确的建模，大大地增加了图像前后景分割的难度，从而对车辆像素区域的划分出现错误，导致在这些复杂场景中对车辆密度估计的不够准确。另外，现有技术的车辆密度估计的实现方案是需要进行前后景分割以后，对分割出的车辆像素区域进行面积、形状等属性的分析，再进行车流密度的估计，实现流程较为复杂，误差会在各个步骤中累积，导致最终的估计结果误差很大，精确度太低。
技术实现思路
针对上述现有技术中存在的问题，本专利技术的目的在于提供一种可避免出现上述技术缺陷的高速路车流密度监测计算系统及方法。为了实现上述专利技术目的，本专利技术提供的技术方案如下：一种高速路车流密度监测计算系统，包括依次连接的深度摄像头、云服务器和系统监视器。一种高速路车流密度监测计算方法，采用所述的高速路车流密度监测计算系统。进一步地，所述高速路车流密度监测计算方法包括：深度摄像头采集RGB-D图像，将图像数据传输到云服务器，在云端对传输过来的图像数据进行处理和分析，估计出高速路感兴趣区域的车辆密度估计图和经过的车辆数目，将分析结果传送到系统监视器进行显示。进一步地，所述高速路车流密度监测计算方法包括：将深度摄像头采集的RGB-D图像中彩色图像和深度图像拼接成四通道直接输入变分自编码器的步骤；使用变分自编码器对RGB-D图像进行编解码，在隐式空间中进行采样，直接得到车辆密度分布图和车辆数目的估计的步骤。进一步地，所述高速路车流密度监测计算方法包括：1)深度摄像头采集RGB-D图像，数据传输到云服务器；2)云服务器将深度摄像头传送来的RGB-D图像中R/G/B三个颜色通道和深度层次的一个通道在数据层拼接成4个通道作为一个整体输入编码器；3)经过编码器进行编码操作，输出编码向量；4)对编码向量分别使用不同多层感知器建模均值向量和共享标准差向量；5)使用先验高斯假设构建隐式空间，在隐式空间进行采样，获得隐式空间向量；6)经过解码器对所述隐式空间向量进行解码，得到估计的车流密度分布图；7)对估计出的车辆密度分布图进行像素值求和，得到由密度分布估计出的车辆数目；通过对解码器的输出使用一个全连接层建模，回归出车辆数目估计的残差；将密度分布估计出的车辆数目和由全卷积层建模出的车辆数目估计残差相加，得到最终估计出的车辆数目；8)系统输出给系统监视器的结果为估计出的车流密度分布图和车辆数目。进一步地，所述高速路车流密度监测计算方法包括：(1)深度摄像头采集RGB-D图像，数据传输到云服务器；(2)云服务器将深度摄像头传送来的RGB-D图像中R/G/B三个颜色通道和深度层次的一个通道在数据层拼接成4个通道作为一个整体Irgb-d输入编码器；(3)经过编码器进行编码操作，输出维度为1024的编码向量Hencoder，如公式(1)所示：Hencoder＝Enc(θencoder，Irgb-d)(1)其中，Enc(·)表示编码器(Encoder)所定义的操作，θencoder表示编码器中每个卷积层的卷积核的参数集合；(4)对编码向量Hencoder分别使用不同多层感知器建模均值向量μz和共享标准差向量δz，如公式(2)和(3)所示：μz＝mlp(θu，Hencoder)(2)δz＝mlp(θδ，Hencoder)(3)其中，mlp(·)表示多层感知器定义的操作，θu表示用于建模μz的参数，θδ表示用于建模δz的参数；(5)使用先验高斯假设构建隐式空间，在隐式空间进行采样，获得隐式空间向量z，采样方式由公式(4)表示，其中ε∈Rd且ε～N(0，I)，⊙为哈德曼积(Hadamardproduct)；z＝μz+ε⊙δz(4)；(6)经过解码器对隐式空间向量z进行解码，得到估计的车流密度分布图D，如公式(5)所示：D＝Dec(θdecoder，z)(5)其中，Dec(·)表示解码器所定义的操作，θdecoder表示解码器中全连接层和反卷积层滤波器的参数集合；(7)对估计出的车辆密度分布图进行像素值求和，得到由密度分布估计出的车辆数目；通过对解码器的输出使用一个全连接层建模，回归出车辆数目估计的残差；将密度分布估计出的车辆数目和由全卷积层建模出的车辆数目估计残差相加，得到最终估计出的车辆数目C，由公式(6)表示：C＝sum(D)+FC(θfc，D)(6)其中，sum(·)表示对像素值求和的过程，FC(·)表示全连接层的操作，θfc表示全连接层的参数；(8)系统输出给系统监视器的结果为估计出的车流密度分布图D和车辆数目C。进一步地，所述编码器由5个卷积层和一个全局池化层构成，每个卷积层使用尺寸和参数固定好的卷积核对来自上一层的输入进行卷积操作，并将得到的结果输入下一层。进一步地，解码器的结构由一个全连接层和5个反卷积层构成，全连接层将隐式空间向量转换成可以进行反卷积操作的输入，每个反卷积层使用尺寸和参数固定好的卷积核对来自上一层的输入进行反卷积操作，并将得到的结果输入下一层。进一步地，编码器中每一个卷积层定义的卷积核尺寸分别为3*3*32、3*3*64、3*3*128、3*3*512、3*3*1024，全局池化层没有参数，只对第5个卷积层的输出结果执行按通道的下采样。进一步地，解码器中全连接层的尺寸为1024*128，反卷积层的卷积核尺寸分别为3*3*1024、3*3*512、3*3*128、3*3*64、3*3*32。本专利技术提供的高速路车流密度监测计算系统及方法，将深度摄像头采集的RGB-D图像中彩色图像和深度图像拼接成四通道直接输入变分自编码器，使用变分自编码器对RGB-D图像进行编解码，在隐式空间中进行采样，直接得到车辆密度分布图和车辆数目的估计，有效提升了车流密度估计的准确率，流程简捷，可以实现高效准确的车流密度估计，可以很好地满足实际应用的需要。附图说明图1为本专利技术的高速路车流密度监测计算系统的结构框图；图2为本专利技术的高速路车流密度监测计算方法的流程图；图3为编码器的结构示意图；图4为解码器的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施例对本专利技术做进一步说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其本文档来自技高网...

【技术保护点】
1.一种高速路车流密度监测计算系统，其特征在于，包括依次连接的深度摄像头、云服务器和系统监视器。

【技术特征摘要】
1.一种高速路车流密度监测计算系统，其特征在于，包括依次连接的深度摄像头、云服务器和系统监视器。2.一种高速路车流密度监测计算方法，其特征在于，采用权利要求1所述的高速路车流密度监测计算系统。3.根据权利要求2所述的高速路车流密度监测计算方法，其特征在于，所述高速路车流密度监测计算方法包括：深度摄像头采集RGB-D图像，将图像数据传输到云服务器，在云端对传输过来的图像数据进行处理和分析，估计出高速路感兴趣区域的车辆密度估计图和经过的车辆数目，将分析结果传送到系统监视器进行显示。4.根据权利要求2-3所述的高速路车流密度监测计算方法，其特征在于，所述高速路车流密度监测计算方法包括：将深度摄像头采集的RGB-D图像中彩色图像和深度图像拼接成四通道直接输入变分自编码器的步骤；使用变分自编码器对RGB-D图像进行编解码，在隐式空间中进行采样，直接得到车辆密度分布图和车辆数目的估计的步骤。5.根据权利要求2-4所述的高速路车流密度监测计算方法，其特征在于，所述高速路车流密度监测计算方法包括：1)深度摄像头采集RGB-D图像，数据传输到云服务器；2)云服务器将深度摄像头传送来的RGB-D图像中R/G/B三个颜色通道和深度层次的一个通道在数据层拼接成4个通道作为一个整体输入编码器；3)经过编码器进行编码操作，输出编码向量；4)对编码向量分别使用不同多层感知器建模均值向量和共享标准差向量；5)使用先验高斯假设构建隐式空间，在隐式空间进行采样，获得隐式空间向量；6)经过解码器对所述隐式空间向量进行解码，得到估计的车流密度分布图；7)对估计出的车辆密度分布图进行像素值求和，得到由密度分布估计出的车辆数目；通过对解码器的输出使用一个全连接层建模，回归出车辆数目估计的残差；将密度分布估计出的车辆数目和由全卷积层建模出的车辆数目估计残差相加，得到最终估计出的车辆数目；8)系统输出给系统监视器的结果为估计出的车流密度分布图和车辆数目。6.根据权利要求2-5所述的高速路车流密度监测计算方法，其特征在于，所述高速路车流密度监测计算方法包括：(1)深度摄像头采集RGB-D图像，数据传输到云服务器；(2)云服务器将深度摄像头传送来的RGB-D图像中R/G/B三个颜色通道和深度层次的一个通道在数据层拼接成4个通道作为一个整体Irgb-d输入编码器；(3)经过编码器进行编码操作，输出维度为1024的编码向量Hencoder，如公式(1)所示：Hencoder＝Enc(θencoder，Irgb-d)(1)其中，Enc(·)表示编码器(Encoder)所定义的操作，θencoder表示编码器中每...

【专利技术属性】
技术研发人员：孙睿，
申请(专利权)人：孙睿，
类型：发明
国别省市：山东,37