交通拥堵识别方法、装置、系统、设备及存储介质制造方法及图纸

本申请提供一种交通拥堵识别方法、装置、系统、设备及存储介质。该方法包括：获取M个待识别图像；每个待识别图像包括目标道路区域的N个车辆，M和N均为大于或等于1的整数；将每个待识别图像输入检测网络，得到目标图像；目标图像包括N个矩形框，每个矩形框中包括N个车辆中一个车辆；每个矩形框的其中一条边与待识别图像的X轴正方向之间存在夹角，且矩形框的长边的朝向对应车辆的行驶方向；根据M个待识别图像中矩形框的数量，确定目标道路区域的交通拥堵识别结果。拥堵识别结果。拥堵识别结果。

【技术实现步骤摘要】
交通拥堵识别方法、装置、系统、设备及存储介质


[0001]本申请涉及智慧交通
，尤其涉及一种交通拥堵识别方法、装置、系统、设备及存储介质。

技术介绍

[0002]城市交通拥堵逐渐成为一种常见现象，其会影响城市人口的居住舒适度。若能够对交通拥堵提前进行预测，则能够缓解城市交通拥堵现象。
[0003]交通拥堵预测的前提是对道路上车辆的识别，即采用目标检测算法对道路图像中的车辆进行目标检测，进而判断是否发生交通拥堵。目前，目标检测算法是采用基于卷积神经网络的目标检测算法，该算法是通过水平框将检测的车辆标记。
[0004]然而，道路上车辆往往较为密集，多个水平框之间会产生重叠，从而影响对车辆位置的判断，导致目标检测准确度较低，进而影响交通拥堵识别的准确度。

技术实现思路

[0005]本申请提供一种交通拥堵识别方法、装置、系统、设备及存储介质，用以解决道路上车辆往往较为密集，多个水平框之间会产生重叠，从而影响对车辆位置的判断，导致目标检测准确度较低，进而影响交通拥堵识别的准确度的问题。
[0006]第一方面，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通拥堵识别方法，其特征在于，包括：获取M个待识别图像；每个所述待识别图像包括目标道路区域的N个车辆，所述M和N均为大于或等于1的整数；将每个所述待识别图像输入检测网络，得到目标图像；所述目标图像包括N个矩形框，每个矩形框中包括所述N个车辆中一个车辆；每个矩形框的其中一条边与所述待识别图像的X轴正方向之间存在夹角，且所述矩形框的长边的朝向对应所述车辆的行驶方向；根据所述M个待识别图像中矩形框的数量，确定所述目标道路区域的交通拥堵识别结果。2.根据权利要求1所述的方法，其特征在于，所述获取M个待识别图像，包括：获取M个原始图像；所述M个原始图像中每个原始图像的分辨率为第一分辨率；对所述M个原始图像中每个原始图像进行分辨率处理，得到所述M个待识别图像；所述M个待识别图像中每个待识别图像的分辨率为第二分辨率，所述第二分辨率大于所述第一分辨率。3.根据权利要求2所述的方法，其特征在于，所述对所述M个原始图像中每个原始图像进行分辨率处理，得到所述M个待识别图像，包括：将所述M个原始图像中每个原始图像输入图像超分辨率网络，得到所述M个待识别图像；所述图像超分辨率网络用于对每个所述原始图像进行分辨率提升。4.根据权利要求3所述的方法，其特征在于，所述将所述M个原始图像中每个原始图像输入图像超分辨率网络，得到所述M个待识别图像，包括：针对所述M个原始图像中每个原始图像，将所述原始图像输入第一特征提取模块，得到第一特征图；将所述第一特征图输入P个堆叠的信息蒸馏模块，得到P个第二特征图；将所述M个原始图像中每个原始图像的P个第二特征图输入重构模块，得到所述M个原始图像中每个原始图像对应的待识别图像。5.根据权利要求1所述的方法，其特征在于，所述将每个所述待识别图像输入检测网络，得到目标图像，包括：将每个所述待识别图像输入第二特征提取模块，得到N个第三特征图；将所述N个第三特征图输入分类模块，得到N个车辆中每个车辆的类别；将所述N个第三特征图输入位置回归模块，得到N个矩形框的属性信息；每个矩形框的属性信息包括中心点位置坐标、长度、宽度和每个矩形框的其中一条边与所述待识别图像的X轴正方向之间的夹角。6.根据权利要求5所述的方法，其特征在于，所述根据所述M个待识别图像中矩形框的数量，确定所述目标道路区域的交通拥堵识别结果，包括：若所述M个待识别图像中目标矩形框的总数量大于预设数量阈值，则确定所述目标道路区域发生交通拥堵；所述目标矩形框的总数量为所述M个待识别图像中所有车辆转换为目标类型车辆后的矩形框的数量；若所述M个待识别图像中目标矩形框的总数量小于或等于预设数量阈值，则确定所述目标道路区域未发生交通拥堵...

【专利技术属性】
技术研发人员：葛文超，霍敬宇，
申请(专利权)人：北京四维图新科技股份有限公司，
类型：发明
国别省市：