确定高速服务区的车辆饱和的方法及电子设备技术

本公开提供确定高速服务区的车辆饱和的方法及电子设备。用于提高检测高速服务区的车辆是否饱和的效率。包括：周期将获取的高速服务区的监控视频的目标帧图像输入到预先训练好的目标检测神经网络模型中进行车辆识别，得到各车辆的位置坐标；基于各车辆的位置坐标以及目标帧图像中标注的车辆检测区域的位置坐标，得到在车辆检测区域中的各目标车辆；根据各目标车辆分别在车辆检测区域中的占比面积，得到车辆检测区域的总车辆占比面积，其中，任一目标车辆的占比面积是基于目标车辆的位置坐标得到的；通过总车辆占比面积和车辆检测区域在目标帧图像中的占比面积，得到车辆饱和值；若车辆饱和值大于预设阈值，则确定高速服务区的车辆饱和。务区的车辆饱和。务区的车辆饱和。

【技术实现步骤摘要】
确定高速服务区的车辆饱和的方法及电子设备


[0001]本专利技术涉及智能交通
，特别涉及一种确定高速服务区的车辆饱和的方法及电子设备。

技术介绍

[0002]由交通运输部科学研究院交通信息中心提供的数据显示，高速公路货车流量持续稳步增长，全国多个省市高速公路货车流量约为15亿辆次，年日均货车流量为493万辆次。高速道路的货运流量的大幅度增长，也给高速交通和服务区运转带来了很大压力。特别是在夜间休息时段，高速服务区经常出现的货车占用饱和，导致服务区匝道进行排队，以至于溢出到高速主干道排队，给高速道路通行带来了极大的交通隐患，交通事故频频发生。所以，需要对高速服务区进行车辆饱和检测。
[0003]现有技术中，针对服务区的车辆运营监管多是通过部署视频摄像机对服务区进行人为的视频查看，但是这样会造成发现问题不及时，不能实时掌握服务区的运行状态，导致检测高速服务区车辆是否饱和的效率较低。

技术实现思路

[0004]本公开示例性的实施方式中提供一种确定高速服务区的车辆饱和的方法及电子设备，用于提高检测高速服务区车辆是否饱和的效率。
[0005]本公开的第一方面提供一种确定高速服务区的车辆饱和的方法，所述方法包括：
[0006]周期获取高速服务区的监控视频的目标帧图像，并将所述目标帧图像输入到预先训练好的目标检测神经网络模型中进行车辆识别，得到在所述目标帧图像中各车辆的位置坐标；
[0007]基于所述各车辆的位置坐标以及所述目标帧图像中标注的车辆检测区域的位置坐标，得到在所述车辆检测区域中的各目标车辆；
[0008]根据所述各目标车辆分别在所述车辆检测区域中的占比面积，得到所述车辆检测区域的总车辆占比面积，其中，任意一个目标车辆在所述车辆检测区域中的占比面积是基于所述目标车辆的位置坐标得到的；
[0009]通过所述总车辆占比面积和所述车辆检测区域在所述目标帧图像中的占比面积，得到车辆饱和值，其中，所述车辆检测区域的在所述目标帧图像中的占比面积是基于所述车辆检测区域的位置坐标确定出的；
[0010]若所述车辆饱和值大于预设阈值，则确定所述高速服务区的车辆饱和。
[0011]本实施例中通过对高速服务区的监控视屏的目标帧图像进行车辆识别，得到目标帧图像中标注的车辆检测区域中的总车辆占比面积，然后通过所述总车辆占比面积和所述车辆检测区域在所述目标帧图像中的占比面积，得到车辆饱和值，最后基于该车辆饱和值确定出高速服务区的车辆是否饱和。由此，本实施例中可以自动确定出高速服务区的车辆是否饱和，并不需要人工进行审核，提高了高速服务区的车辆饱和检测的效率。
[0012]在一个实施例中，所述目标检测神经网络模型为M2Det模型，且所述M2Det模型的主干网络为残差网络Resnet50，所述Resnet50中各残差块的激活函数为mish激活函数。
[0013]本实施例通过将目标检测神经网络模型M2Det模型中的主干网络替换为残差网络Resnet50，并将Resnet50中各残差块的激活函数替换为mish激活函数。由于Resnet50可以扩大网络维度，加深网络深度，能够提取出更多细节特征，进一步提供车辆饱和检测的准确率。并且采用mish激活函数是一种平滑非单调的激活函数，该函数无上界、有下界，可以避免出现梯度饱和现象，提高神经网络的正则化效果，提高车辆识别的准确率。
[0014]在一个实施例中，所述根据所述各目标车辆分别在所述车辆检测区域中的占比面积，得到所述车辆检测区域的总车辆占比面积，包括：
[0015]针对任意两个目标车辆，基于所述两个目标车辆的位置坐标确定所述两个目标车辆是否存在重合；
[0016]若确定所述两个目标车辆存在重合，则通过所述两个目标车辆的位置坐标，得到所述两个目标车辆在所述车辆检测区域中重合区域的占比面积；
[0017]根据所述各目标车辆分别在所述车辆检测区域中的占比面积以及各目标车辆在所述车辆检测区域中的各重合区域的占比面积，得到所述车辆检测区域的总车辆占比面积。
[0018]本实施例中若基于两个目标车辆的位置坐标确定所述两个目标车辆存在重合，则通过所述两个目标车辆的位置坐标，得到所述两个目标车辆在所述车辆检测区域中重合区域的占比面积，然后根据所述各目标车辆分别在所述车辆检测区域中的占比面积以及各目标车辆在所述车辆检测区域中的各重合区域的占比面积，得到所述车辆检测区域的总车辆占比面积。由此，提高车辆检测区域的总车辆占比面积的准确率。
[0019]在一个实施例中，所述根据所述各目标车辆分别在所述车辆检测区域中的占比面积以及各目标车辆在所述车辆检测区域中的各重合区域的占比面积，得到所述车辆检测区域的总车辆占比面积，包括：
[0020]将所述各目标车辆在所述车辆检测区域中的占比面积相加，得到所述各目标车辆在所述车辆检测区域中的总占比面积；以及，
[0021]将所述各目标车辆在所述车辆检测区域中的各重合区域的占比面积相加，得到所述各目标车辆在所述车辆检测区域中的重合区域的总占比面积；
[0022]将所述各目标车辆在所述车辆检测区域中的总占比面积和所述各目标车辆在所述车辆检测区域中的重合区域的总占比面积相减，得到所述车辆检测区域的总车辆占比面积。
[0023]本实施例通过将所述各目标车辆在所述车辆检测区域中的总占比面积和所述各目标车辆在所述车辆检测区域中的重合区域的总占比面积相减，得到所述车辆检测区域的总车辆占比面积。由此，使得确定出的车辆检测区域的总车辆占比面积更加准确。
[0024]在一个实施例中，所述通过所述总车辆占比面积和所述车辆检测区域在所述目标帧图像中的占比面积，得到车辆饱和值，包括：
[0025]将所述总车辆占比面积和所述车辆检测区域在所述目标帧图像中的占比面积相除，得到所述车辆饱和值。
[0026]本实施例将所述总车辆占比面积和所述车辆检测区域在所述目标帧图像中的占
比面积相除，得到所述车辆饱和值。由此，通过总车辆占比面积在车辆检测区域中的占有率，得到车辆饱和值，从而能够更准确的确定车辆饱和值。
[0027]本公开第二方面提供一种电子设备，包括存储单元和处理器，其中：
[0028]所述存储单元，被配置为存储高速服务区的监控视频；
[0029]所述处理器，被配置为：
[0030]周期获取所述高速服务区的监控视频的目标帧图像，并将所述目标帧图像输入到预先训练好的目标检测神经网络模型中进行车辆识别，得到在所述目标帧图像中各车辆的位置坐标；
[0031]基于所述各车辆的位置坐标以及所述目标帧图像中标注的车辆检测区域的位置坐标，得到在所述车辆检测区域中的各目标车辆；
[0032]根据所述各目标车辆分别在所述车辆检测区域中的占比面积，得到所述车辆检测区域的总车辆占比面积，其中，任意一个目标车辆在所述车辆检测区域中的占比面积是基于所述目标车辆的位置坐标得到的；
[0033]通过所述总车辆占比面积和所述车辆检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种确定高速服务区的车辆饱和的方法，其特征在于，所述方法包括：周期获取高速服务区的监控视频的目标帧图像，并将所述目标帧图像输入到预先训练好的目标检测神经网络模型中进行车辆识别，得到在所述目标帧图像中各车辆的位置坐标；基于所述各车辆的位置坐标以及所述目标帧图像中标注的车辆检测区域的位置坐标，得到在所述车辆检测区域中的各目标车辆；根据所述各目标车辆分别在所述车辆检测区域中的占比面积，得到所述车辆检测区域的总车辆占比面积，其中，任意一个目标车辆在所述车辆检测区域中的占比面积是基于所述目标车辆的位置坐标得到的；通过所述总车辆占比面积和所述车辆检测区域在所述目标帧图像中的占比面积，得到车辆饱和值，其中，所述车辆检测区域的在所述目标帧图像中的占比面积是基于所述车辆检测区域的位置坐标确定出的；若所述车辆饱和值大于预设阈值，则确定所述高速服务区的车辆饱和。2.根据权利要求1所述的方法，其特征在于，所述目标检测神经网络模型为M2Det模型，且所述M2Det模型的主干网络为残差网络Resnet50，所述Resnet50中各残差块的激活函数为mish激活函数。3.根据权利要求1所述的方法，其特征在于，所述根据所述各目标车辆分别在所述车辆检测区域中的占比面积，得到所述车辆检测区域的总车辆占比面积，包括：针对任意两个目标车辆，基于所述两个目标车辆的位置坐标确定所述两个目标车辆是否存在重合；若确定所述两个目标车辆存在重合，则通过所述两个目标车辆的位置坐标，得到所述两个目标车辆在所述车辆检测区域中重合区域的占比面积；根据所述各目标车辆分别在所述车辆检测区域中的占比面积以及各目标车辆在所述车辆检测区域中的各重合区域的占比面积，得到所述车辆检测区域的总车辆占比面积。4.根据权利要求3所述的方法，其特征在于，所述根据所述各目标车辆分别在所述车辆检测区域中的占比面积以及各目标车辆在所述车辆检测区域中的各重合区域的占比面积，得到所述车辆检测区域的总车辆占比面积，包括：将所述各目标车辆在所述车辆检测区域中的占比面积相加，得到所述各目标车辆在所述车辆检测区域中的总占比面积；以及，将所述各目标车辆在所述车辆检测区域中的各重合区域的占比面积相加，得到所述各目标车辆在所述车辆检测区域中的重合区域的总占比面积；将所述各目标车辆在所述车辆检测区域中的总占比面积和所述各目标车辆在所述车辆检测区域中的重合区域的总占比面积相减，得到所述车辆检测区域的总车辆占比面积。5.根据权利要求1～4任一所述的方法，其特征在于，所述通过所述总车辆占比面积和所述车辆检测区域在所述目标帧图像中的占比面积，得到车辆饱和值，包括：将所述总车辆占比面积和所述车辆检测区域在所述目标帧图像中的占比面积相除，得到所述车辆饱和值。6.一种电子设备，其特征在于，包括存储单元和处理器，其中：所述存储单元，被配置为存储高速...

【专利技术属性】
技术研发人员：张四海，王雯雯，苏士斌，冯远宏，
申请(专利权)人：青岛海信网络科技股份有限公司，
类型：发明
国别省市：