基于智能道路边缘计算网关的车辆检测方法和系统技术方案

本发明专利技术提供了基于智能道路边缘计算网关的车辆检测方法和系统，其通过分布式摄像物联网采集道路不同区域的影像，并将影像通过物联网网关传送至边缘计算终端进行截选，以此获得包含目标车辆和特定道路区域的目标图像，这样能够针对目标车辆和特定道路区域进行图像识别，并判断道路是否存在交通拥堵和目标车辆是否存在行驶违规，再生成道路交通处理通知消息并发送至交通处理终端，这样能够根据道路的实际交通情况灵活地安排人员进行交通疏导管理，从而大大降低交通疏导管理的人力成本以及对城市道路进行全面化和智能化的监控管理。城市道路进行全面化和智能化的监控管理。城市道路进行全面化和智能化的监控管理。

【技术实现步骤摘要】
基于智能道路边缘计算网关的车辆检测方法和系统


[0001]本专利技术涉及道路交通监控的
，特别涉及基于智能道路边缘计算网关的车辆检测方法和系统。

技术介绍

[0002]城市道路的交通环境复杂多变，特别在早晚高峰时段，城市主干道上行车数量剧增，容易导致交通拥堵或者车辆压线变道等情况，这不仅加重城市主干道的交通拥堵程度，并且还容易发生交通意外。为了对城市道路进行交通疏导，通常都是在城市道路的路口区域安排交通管理人员，对现场车辆进行调度。但是这种方式只能在重点的路口区域进行交通疏导，这不仅增加交通疏导管理的人力成本，同时也无法对城市道路进行全面化和智能化的交通疏导管理，从而降低城市交通管理的效率。

技术实现思路

[0003]针对现有技术存在的缺陷，本专利技术提供基于智能道路边缘计算网关的车辆检测方法和系统，其通过分布式摄像物联网采集道路不同区域的影像，并将影像通过物联网网关传送至边缘计算终端进行截选，以此获得包含目标车辆和特定道路区域的目标图像，这样能够针对目标车辆和特定道路区域进行图像识别，并判断道路是否存在交通拥堵和目标车辆是否存在行驶违规，再生成道路交通处理通知消息并发送至交通处理终端，这样能够根据道路的实际交通情况灵活地安排人员进行交通疏导管理，从而大大降低交通疏导管理的人力成本以及对城市道路进行全面化和智能化的监控管理。
[0004]本专利技术提供基于智能道路边缘计算网关的车辆检测方法，其特征在于，其包括如下步骤：
[0005]步骤S1，通过分布式摄像物联网采集道路不同区域的影像；对所述影像进行预处理后，将所述影像通过物联网网关传送至边缘计算终端；再将对所述影像进行截选，从而得到包含目标车辆和特定道路区域的目标图像；
[0006]步骤S2，对所述目标图像进行识别处理，以此确定道路路面上的车辆聚集情况和所述目标车辆的实时行驶状态；根据所述车辆聚集情况，判断道路是否存在交通拥堵情况；根据所述目标车辆的实时行驶状态，判断所述目标车辆当前是否存在行驶违规情况；
[0007]步骤S3，根据所述交通拥堵情况或者所述行驶违规情况的判断结果，生成相应的道路交通处理通知消息；并将所述道路交通处理通知消息通过物联网网关发送至相应的交通处理终端；
[0008]进一步，在所述步骤S1中，通过分布式摄像物联网采集道路不同区域的影像；对所述影像进行预处理后，将所述影像通过物联网网关传送至边缘计算终端；再将对所述影像进行截选，从而得到包含目标车辆和特定道路区域的目标图像具体包括：
[0009]步骤S101，通过分布式摄像物联网指示摄像设备对道路不同区域进行扫描拍摄，从而获得到道路不同区域对应的影像；
[0010]步骤S102，对所述影像进行保真压缩预处理后，将所述影像通过物联网网关传送至边缘计算终端；
[0011]步骤S103，通过所述边缘计算终端将所有影像依次进行拼接，从而获得关于道路整体区域的合成影像；并对所述合成影像进行灰度化转换处理后，从所述合成影像中截选出包含具有特定车牌号码的目标车辆所对应的图像和包含道路路面交通标记的区域的图像，以此作为所述目标图像；
[0012]进一步，在所述步骤S2中，对所述目标图像进行识别处理，以此确定道路路面上的车辆聚集情况和所述目标车辆的实时行驶状态；根据所述车辆聚集情况，判断道路是否存在交通拥堵情况；根据所述目标车辆的实时行驶状态，判断所述目标车辆当前是否存在行驶违规情况具体包括：
[0013]步骤S201，对所述目标图像进行识别处理，以此确定在包含斑马线标记的道路路面上车辆的存在数量，以此作为所述车辆聚集情况；对所述目标图像进行识别处理，以此确定所述目标车辆的车轮与道路路面上的实线车道线之间的重合面积，以此作为所述实时行驶状态；
[0014]步骤S202，将在包含斑马线标记的道路路面上车辆的存在数量与预设数量阈值进行比对；若所述存在数量超过预设数量阈值，则确定包含斑马线标记的道路路面存在交通拥堵情况；否则，确定包含斑马线标记的道路路面不存在交通拥堵情况；
[0015]步骤S203，将车轮与实线车道线之间的重合面积与预设面积阈值进行比对；若所述重合面积超过预设面积阈值，则确定所述目标车辆当前存在行驶压线违规情况；否则，确定所述目标车辆当前不存在行驶压线违规情况；
[0016]进一步，在所述步骤S201中，对所述目标图像进行识别处理，以此确定所述目标车辆的车轮与道路路面上的实线车道线之间的重合面积，以此作为所述实时行驶状态具体包括：
[0017]所述目标图像包含车辆在道路行驶过程中的俯视图，以及车辆在道路行驶过程中的侧视图，根据所述侧视图判断车辆的轮胎在车辆内部的位置，根据所述侧视图中车辆的轮胎在车辆内部的位置，按照比例得到所述俯视图中车辆的轮胎的外侧位置，然后通过颜色阈值对所述俯视图中的实线车道线进行识别，以此得到完成实线车道线识别的俯视图，在根据俯视图中车辆的轮胎的外侧位置得到轮胎与实线车道线之间的重合面积，其具体过程为：
[0018]步骤S2011，利用下面公式(1)，根据侧视图中车辆的轮胎在车辆内部的位置，按照比例得到所述俯视图中车辆的轮胎的外侧位置，
[0019][0020]在上述公式(1)中，表示车辆的第k排轮胎的第i端在俯视图中的像素行数值；k表示车辆轮胎的排数，从车辆的头部到尾部共具有两排轮胎，k的取值为1或2，当k＝1表示靠近车辆头部的一排轮胎，当k＝2表示靠近车辆尾部的一排轮胎；i表示每排轮胎的端数，当i＝1表示轮胎靠近车辆头部的前端，当i＝2表示轮胎靠近车辆尾部的后端；r
k,i
表示车辆的第k排轮胎的第i端；X
f,t
表示俯视图中车辆头部最前端像素点对应的像素行数值；
X
f,d
表示俯视图中车辆尾部最后端像素点对应的像素行数值；Y
c,t
表示俯视图中车辆头部最前端像素点对应的像素列数值；Y
c,d
表示俯视图中车辆尾部最后端像素点对应的像素列数值；表示车辆的第k排轮胎的第i端在俯视图中的像素列数值；表示向上取整运算；
[0021]步骤S2012，利用下面公式(2)，通过颜色阈值对所述俯视图中的实线车道线进行识别，以此得到完成实线车道线识别的俯视图
[0022][0023]在上述公式(2)中，E(X
f
,Y
f
)表示完成实线车道线识别的俯视图中第X
f
行第Y
f
列的像素点的像素值；H(X
f
,Y
f
)表示灰度化转换后俯视图中第X
f
行第Y
f
列的像素点的像素值；H
min
表示实线车道线中所有像素点的最小灰度值；H
max
表示实线车道线中所有像素点的最大灰度值；∪表示取并集运算；
[0024]步骤S2013，利用下面公式(3)，根据俯视图中车辆的轮胎的外侧位置得到轮胎与实线车道线之间的重本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于智能道路边缘计算网关的车辆检测方法，其特征在于，其包括如下步骤：步骤S1，通过分布式摄像物联网采集道路不同区域的影像；对所述影像进行预处理后，将所述影像通过物联网网关传送至边缘计算终端；再将对所述影像进行截选，从而得到包含目标车辆和特定道路区域的目标图像；步骤S2，对所述目标图像进行识别处理，以此确定道路路面上的车辆聚集情况和所述目标车辆的实时行驶状态；根据所述车辆聚集情况，判断道路是否存在交通拥堵情况；根据所述目标车辆的实时行驶状态，判断所述目标车辆当前是否存在行驶违规情况；步骤S3，根据所述交通拥堵情况或者所述行驶违规情况的判断结果，生成相应的道路交通处理通知消息；并将所述道路交通处理通知消息通过物联网网关发送至相应的交通处理终端。2.如权利要求1所述的基于智能道路边缘计算网关的车辆检测方法，其特征在于：在所述步骤S1中，通过分布式摄像物联网采集道路不同区域的影像；对所述影像进行预处理后，将所述影像通过物联网网关传送至边缘计算终端；再将对所述影像进行截选，从而得到包含目标车辆和特定道路区域的目标图像具体包括：步骤S101，通过分布式摄像物联网指示摄像设备对道路不同区域进行扫描拍摄，从而获得到道路不同区域对应的影像；步骤S102，对所述影像进行保真压缩预处理后，将所述影像通过物联网网关传送至边缘计算终端；步骤S103，通过所述边缘计算终端将所有影像依次进行拼接，从而获得关于道路整体区域的合成影像；并对所述合成影像进行灰度化转换处理后，从所述合成影像中截选出包含具有特定车牌号码的目标车辆所对应的图像和包含道路路面交通标记的区域的图像，以此作为所述目标图像。3.如权利要求1所述的基于智能道路边缘计算网关的车辆检测方法，其特征在于：在所述步骤S2中，对所述目标图像进行识别处理，以此确定道路路面上的车辆聚集情况和所述目标车辆的实时行驶状态；根据所述车辆聚集情况，判断道路是否存在交通拥堵情况；根据所述目标车辆的实时行驶状态，判断所述目标车辆当前是否存在行驶违规情况具体包括：步骤S201，对所述目标图像进行识别处理，以此确定在包含斑马线标记的道路路面上车辆的存在数量，以此作为所述车辆聚集情况；对所述目标图像进行识别处理，以此确定所述目标车辆的车轮与道路路面上的实线车道线之间的重合面积，以此作为所述实时行驶状态；步骤S202，将在包含斑马线标记的道路路面上车辆的存在数量与预设数量阈值进行比对；若所述存在数量超过预设数量阈值，则确定包含斑马线标记的道路路面存在交通拥堵情况；否则，确定包含斑马线标记的道路路面不存在交通拥堵情况；步骤S203，将车轮与实线车道线之间的重合面积与预设面积阈值进行比对；若所述重合面积超过预设面积阈值，则确定所述目标车辆当前存在行驶压线违规情况；否则，确定所述目标车辆当前不存在行驶压线违规情况。4.如权利要求3所述的基于智能道路边缘计算网关的车辆检测方法，其特征在于：在所述步骤S201中，对所述目标图像进行识别处理，以此确定所述目标车辆的车轮与
道路路面上的实线车道线之间的重合面积，以此作为所述实时行驶状态具体包括：所述目标图像包含车辆在道路行驶过程中的俯视图，以及车辆在道路行驶过程中的侧视图，根据所述侧视图判断车辆的轮胎在车辆内部的位置，根据所述侧视图中车辆的轮胎在车辆内部的位置，按照比例得到所述俯视图中车辆的轮胎的外侧位置，然后通过颜色阈值对所述俯视图中的实线车道线进行识别，以此得到完成实线车道线识别的俯视图，在根据俯视图中车辆的轮胎的外侧位置得到轮胎与实线车道线之间的重合面积，其具体过程为：步骤S2011，利用下面公式(1)，根据侧视图中车辆的轮胎在车辆内部的位置，按照比例得到所述俯视图中车辆的轮胎的外侧位置，在上述公式(1)中，表示车辆的第k排轮胎的第i端在俯视图中的像素行数值；k表示车辆轮胎的排数，从车辆的头部到尾部共具有两排轮胎，k的取值为1或2，当k＝1表示靠近车辆头部的一排轮胎，当k＝2表示靠近车辆尾部的一排轮胎；i表示每排轮胎的端数，当i＝1表示轮胎靠近车辆头部的前端，当i＝2表示轮胎靠近车辆尾部的后端；r
k,i
表示车辆的第k排轮胎的第i端；X
f,t
表示俯视图中车辆头部最前端像素点对应的像素行数值；X
f,d
表示俯视图中车辆尾部最后端像素点对应的像素行数值；Y
c,t
表示俯视图中车辆头部最前端像素点对应的像素列数值；Y
c,d
表示俯视图中车辆尾部最后端像素点对应的像素列数值；表示车辆的第k排轮胎的第i端在俯视图中的像素列数值；表示向上取整运算；步骤S2012，利用下面公式(2)，通过颜色阈值对所述俯视图中的实线车道线进行识别，以此得到完成实线车道线识别的俯视图在上述公式(2)中，E(X
f
,Y
f
)表示完成实线车道线识别的俯视图中第X
f
行第Y
f
列的像素点的像素值；H(X
f
,Y
f
)表示灰度化转换后俯视图中第X
f
行第Y
f
列的像素点的像素值；H
min
表示实线车道线中所有像素点的最小灰度值；H
max
表...

【专利技术属性】
技术研发人员：余丹，兰雨晴，邢智涣，
申请(专利权)人：中标慧安信息技术股份有限公司，
类型：发明
国别省市：