【技术实现步骤摘要】
基于无人机和多目标追踪的智能交通流量数据统计方法及系统
[0001]本专利技术属于深度学习图像处理
,涉及图像的预处理、目标检测和追踪、深度学习模型压缩等技术,该方法可用于智慧城市的交通流量数据获取和管控中。具体为用无人机获取实时路面视频,通过部署在嵌入式平台上的算法进行数据的智能处理,获取车流量信息,最终可视化到网页中。
技术介绍
[0002]随着我国经济发展和人民生活水平提高,对城市交通的压力越来越大,交通拥堵现象严重,现代化的城市急需更加智能的交通管控方案。在智慧交通的建设过程当中,车流量数据的获取一直存在许多亟待解决的问题。车流量指的是在一定的时间内,通过某道路断面的车辆数,可通过道路路口的摄像头对行驶的车辆进行监控,进而获取车流量,但是传统的道路路口摄像头视野小、灵活性差、在大型十字路口应用低效,并且由于固定摄像头通常安装位置不是很高,在进行拍摄时,车辆的遮挡问题比较严重。
[0003]目前的追踪算法大部分采用了先检测后追踪方式实现多目标追踪任务,为了保证系统的追踪效果,需要检测器具有较高的车辆检测能力。无人机从高空拍摄地面汽车时,所拍摄的图像中很多汽车的像素面积很小,这会影响模型的检测能力。现阶段常用的追踪算法为 DEEPSORT(见参考文献[1]),其最初设计是为了追踪行人,其表观特征提取网络也是针对行人的,因此在追踪汽车这类快速运动小目标时直接使用原网络模型权重效果并不好。
[0004]无人机车流检测需要具有较好的实时性,然而目前的深度学习算法移植到嵌入式平台后,由于嵌入式平台比 ...
【技术保护点】
【技术特征摘要】
1.一种基于无人机和多目标追踪的智能交通流量数据统计方法,其特征在于,包括以下步骤:S1:制作具有高空俯视角度车辆图片的目标检测数据集作为训练集,将目标分为小目标和普通目标;其中,根据数据集标签给的目标左上角和右下角的坐标确定目标的宽和高,将目标宽是图片宽的十分之一以下或目标高是图片高的十分之一以下的目标定义为小目标;将除了小目标以外其他的目标定义为普通目标;S2:用所述训练集训练YOLOv5目标检测模型,作为多目标追踪网络的车辆检测模块;S3:改进多目标追踪网络DEEPSORT算法,构建CD
‑
DEEPSORT模型,作为多目标追踪网络的车辆追踪模块;S4:将所述车辆检测模块和车辆追踪模块移植到嵌入式平台;S5:无人机配备GPS和电子罗盘,以获得当前GPS坐标和方向角;无人机搭载云台、摄像头、嵌入式平台以及5G通信模块飞到天空,到达指定GPS坐标和方向角位置悬停,对道路情况进行拍摄,获得道路的实时视频数据;嵌入式平台上的计数区域划定算法会划定计数区域,为车流量的计数做准备;S6:通过部署在嵌入式平台上的车辆检测模块和车辆追踪模块对摄像头拍摄的图像进行处理,确定车辆位置以及编号信息;S7:车辆计数模块根据步骤S6的输出的车辆位置和编号信息对车辆进行计数,获得通过路口的车辆数量,进而计算出车流量;S8:嵌入式平台通过无人机搭载的5G通信模块将经过车辆检测模块、车辆追踪模块以及车辆计数模块处理后生成的带有车辆检测框和编号信息的画面以及车流量数据传送到服务器,服务器将数据存储到数据库;S9:构建可视化模块,显示5G通信模块传送过来的图像以及数据。2.如权利要求1所述的基于无人机和多目标追踪的智能交通流量数据统计方法,其特征在于,步骤S1中,针对所述训练集中的小目标车辆进行贴图的数据增强,增加小目标的数量;贴图的方式包括:训练集中选取一部分图片作为贴图的背景图片,然后将其他图片作为原图,根据数据集标签坐标从原图中抠取小目标,将抠取的小目标贴在背景图片上;挑选的图片在贴图时相互不重叠,且不发生形变。3.如权利要求2所述的基于无人机和多目标追踪的智能交通流量数据统计方法,其特征在于,将原图抠取的小目标根据原图与背景图的宽高比按公式1和公式2进行面积调整,得到背景图粘贴小目标:先根据公式1的形式对原图抠取小目标的宽进行调整,得到调整好的宽,然后用调整好的宽按照原图抠取小目标的宽高比例根据公式2的形式对原图抠取小目标的高进行调整,得到小目标贴到背景图时的高:X1*W2=X2*W1ꢀꢀꢀꢀ
公式1在调整原图抠取小目标的宽时,其中X1为原图抠取小目标的宽,X2为背景图粘贴小目标的宽,W1为原图的宽,W2为背景图的宽;X1*Y2=Y1*X2ꢀꢀꢀꢀ
公式2在调整原图抠取小目标的高时,其中X1为原图抠取小目标的宽,Y1为原图抠取小目标的高,X2为背景图粘贴小目标的宽,Y2为背景图粘贴小目标的高。
4.如权利要求2或3所述的基于无人机和多目标追踪的智能交通流量数据统计方法,其特征在于,在贴图时,通过对背景图中的公路进行像素级分割,确定公路的范围,将抠取的小目标图片贴在这个范围中。5.如权利要求1所述的基于无人机和多目标追踪的智能交通流量数据统计方法,其特征在于,把YOLOv5目标检测模型和CD
‑
DEEPSORT的表观特征提取网络模型精度从32浮点型降低到16浮点型,并采用once
‑
for
‑
all算法对YOLOv5目标检测模型和CD
‑
DEEPSORT的表观特征提取网络模型进行压缩;和/或,所述车辆检测模块和所述车辆追踪模块的深度学习模型由pytorch框架转换到TensorRT框架进行部署。6.如权利要求1所述的基于无人机和多目标追踪的智能交通流量数据统计方法,其特征在于,步骤S3中CD
‑
DEEPSORT模型在原DEEPSORT算法上的改进包括以下中的一个或多个:a...
【专利技术属性】
技术研发人员:邱崧,刘壮,韩定定,张博远,张聪慧,金豫,
申请(专利权)人:华东师范大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。