交通路口车流量统计方法、装置、存储介质及电子设备制造方法及图纸

本申请涉及交通路口车流量统计方法、装置、存储介质及电子设备，属于交通流量统计技术领域，本申请的方法，包括：获取交通路口的视频图像数据；基于视频图像数据，预先将路口道路中每条车道识别划分为独立的统计区域；基于视频图像数据，针对每一统计区域采用基于深度学习的目标检测识别模型对车辆进行检测统计，得到相应统计区域的车辆统计数据；将各统计区域的车辆统计数据进行叠加，以实现交通路口车流量统计。本申请有助于高效实现交通路口车流量统计。

Traffic flow statistical methods, devices, storage media and electronic equipment at intersections

【技术实现步骤摘要】
交通路口车流量统计方法、装置、存储介质及电子设备
本申请属于交通流量统计
，具体涉及一种交通路口车流量统计方法、装置、存储介质及电子设备。
技术介绍
目前，进行交通流量统计采用的技术方案主要包括地感线圈检测方案、微波检测方案和视频图像检测方案。地感线圈检测方案属于一种被动接触式的检测方案，该方案在交通流量计算、交通占有率计算等方面精度较高，且受气候条件影响较小。但是该方案施工比较复杂，在安装实施中需要将线圈埋入道路下面，施工过程中不仅影响正常的交通，同时还损坏了道路，且后续设备维护成本较高。微波检测方案是利用红外线或微波等专用探测设备，通过发射电磁波并接收感应信息完成车辆检测，该方案相比地感线圈检测方案，设备安装实施比较简单，但其检测灵敏度不够高，相邻监测点容易相关干扰，存在一定的误检率。而随着计算机图像处理与识别技术的发展，出现了基于视频图像进行检测的方案。视频图像检测方案属于非接触式检测方案，通过安装在道路上的摄像机、图像采集卡等设备来采集获取车辆视频图像。视频图像中车辆在监控视场下通行时，通过对车辆目标进行检测和跟踪，来实现本文档来自技高网...

【技术保护点】
1.一种交通路口车流量统计方法，包括：/n获取交通路口的视频图像数据；/n基于所述视频图像数据，预先将路口道路中每条车道识别划分为独立的统计区域；/n基于所述视频图像数据，针对每一统计区域采用基于深度学习的目标检测识别模型对车辆进行检测统计，得到相应统计区域的车辆统计数据；/n将各统计区域的车辆统计数据进行叠加，以实现交通路口车流量统计。/n

【技术特征摘要】
1.一种交通路口车流量统计方法，包括：
获取交通路口的视频图像数据；
基于所述视频图像数据，预先将路口道路中每条车道识别划分为独立的统计区域；
基于所述视频图像数据，针对每一统计区域采用基于深度学习的目标检测识别模型对车辆进行检测统计，得到相应统计区域的车辆统计数据；
将各统计区域的车辆统计数据进行叠加，以实现交通路口车流量统计。


2.根据权利要求1所述的方法，其特征在于，所述基于所述视频图像数据，针对每一统计区域采用基于深度学习的目标检测识别模型对车辆进行检测统计，包括针对每一统计区域对应的区域视频图像数据分别执行如下步骤；
步骤1、读取该区域视频图像数据的初始图像帧作为当前图像帧，设置并初始化该统计区域的车辆统计变量、初始距离变量和移动距离变量；
步骤2、基于目标检测识别模型检测判断当前图像帧是否存在车俩，若判断存在车辆则继续进行步骤3，否则读取该区域视频图像数据的下一图像帧，将该图像帧作为新的当前图像帧，并重复执行步骤2；
步骤3、统计检测出的当前图像帧中车辆的数量，根据得到数量值对车辆统计变量进行累加更新；
步骤4、从检测出的车辆中确认位于车道最后位置的车辆，对车道最后位置的车辆进行特征点提取，以该特征点到统计区域的检查线的距离更新所述初始距离变量；
步骤5、读取该区域视频图像数据的下一图像帧，基于流光追踪算法根据该图像帧和当前图像帧计算所述特征点的移动距离，并以该移动距离对所述移动距离变量进行累加更新，之后将该图像帧作为新的当前图像帧；
步骤6、对所述移动距离变量和初始距离变量进行比较，若所述移动距离变量的值大于初始距离变量的值，则将所述移动距离变量归零并跳转执行步骤2，否则跳转执行步骤5。


3.根据权利要求2所述的方法，其特征在于，所述统计检测出的当前图像帧中车辆的数量，具体包括，
检测提取出当前图像帧中所有车辆的边界框，并统计得到的边界框的初始个数值；
基于各车辆边界框的坐标值，确定最接近该统计区域的检查线的第一边缘车辆；
判断所述第一边缘车辆的边界框长度是否小于第一预设值，若小于所述第一预设值，则将所述初始个数值减1修正后作为当前图像帧中车辆的数量，否则将所述...

【专利技术属性】
技术研发人员：肖红光，郭鹏，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：湖南;43