基于前景提取与深度学习融合的夜间交通拥堵检测方法技术

基于前景提取与深度学习融合的夜间交通拥堵检测方法，涉及人工智能领域和计算机视觉领域。本发明专利技术的方法步骤为：1）前景提取：（1）对公路摄像头每隔N秒取一帧图像，一共取M帧。（2）对M帧图像分别做前景提取。（3）对获取的M帧前景进行时域结合，获取修正后的前景结果。2）目标检测：网络通过one‑stage的SSD目标检测方法获取夜间拥堵时图像特征，对M帧图像进行检测进而做出拥堵的判断。3）事件判定：如果M帧中大部分都是判定为拥堵则该场景就判定为拥堵，否则不判定为拥堵。同现有技术相比，本发明专利技术是基于视频前景提取和深度学习目标检测相结合的算法来判断夜间高速是否拥堵，能有效的判断夜间路面情况，实现对交通状况的实时监测。

Night Traffic Congestion Detection Method Based on Fusion of Foreground Extraction and Deep Learning

Night traffic congestion detection method based on the fusion of foreground extraction and in-depth learning involves the fields of artificial intelligence and computer vision. The method steps of the invention are as follows: (1) foreground extraction: (1) taking a frame of image every N seconds for a highway camera, and taking a total of M frames. (2) To extract the foreground of M-frame images respectively. (3) Combining the acquired M frame foreground in time domain to obtain the corrected foreground results. 2) Target detection: The network acquires image features during night congestion through one stage SSD target detection method, and detects M frame images to make congestion judgment. 3) Event determination: If most of the M frames are judged as congestion, the scene will be judged as congestion, otherwise it will not be judged as congestion. Compared with the existing technology, the present invention is based on the combination of video foreground extraction and deep learning target detection algorithm to judge whether the night high-speed is congested or not, can effectively judge the night road condition, and realize real-time traffic monitoring.

【技术实现步骤摘要】
基于前景提取与深度学习融合的夜间交通拥堵检测方法
本专利技术涉及人工智能领域和计算机视觉领域，特别是于前景提取与深度学习融合的夜间交通拥堵检测方法。
技术介绍
保障道路安全与畅通是促进交通事业发展的永恒主题，最初对道路交通拥堵判别是通过人工进行的，通过工作人员定时巡逻、交通事件报警、车主反馈等方式对交通拥堵进行判别，然后采取相应的疏导措施来缓解大规模的交通拥堵。随着高速公路已逐渐成为交通系统的主干架，其规模的不断扩大，使得人们开始把注意力转向了交通拥堵自动判别的方法上。国外很早就对交通拥堵自动判别进行了研究，早在1965-1970年间，美国加州运输部就开发了加州算法，主要用来判别道路上存在的突发性交通事件。而1978年，Levin等人也利用两个相邻检测器之间的占有率差值，开发了贝叶斯算法。Cook等人于1974年提出了双指数平滑算法，实现了对突发性交通事件判别的算法。Persaud等人根据交通流突变理论，于1990年提出了McMaster算法，首先实现了对大交通需求引起的交通拥堵进行自动判别。随着视频监控系统在高速公路的大范围普及应用，基于视频的高速公路拥堵事件检测得到迅速发展在基于本文档来自技高网...

【技术保护点】
1.基于前景提取与深度学习融合的夜间交通拥堵检测方法，其方法步骤为：1）前景提取：采用基于时域信息的前景矫正方法，步骤如下：（1）对公路摄像头每隔N秒取一帧图像，一共取M帧；（2）对M帧图像分别做前景提取；（3）对获取的M帧前景进行时域结合，获取修正后的前景结果；2）目标检测：网络通过one‑stage的SSD目标检测方法获取夜间拥堵时图像特征，对M帧图像进行检测进而做出拥堵的判断；3）事件判定：如果M帧中大部分都是判定为拥堵则该场景就判定为拥堵，否则不判定为拥堵。

【技术特征摘要】
1.基于前景提取与深度学习融合的夜间交通拥堵检测方法，其方法步骤为：1）前景提取：采用基于时域信息的前景矫正方法，步骤如下：（1）对公路摄像头每隔N秒取一帧图像，一共取M帧；（2）对M帧图像分别做前景提取；（3）对获取的M帧前景进行时...

【专利技术属性】
技术研发人员：魏世安，江龙，赵英，王亚涛，黄刚，
申请(专利权)人：北京同方软件股份有限公司，
类型：发明
国别省市：北京,11