一种车辆长度估计模型建立的方法、终端设备及存储介质技术

本申请公开了一种车辆长度估计模型建立的方法、终端设备及存储介质，其中，该方法包括：获取检测视频，以及检测视频中的车辆信息，车辆信息包括车辆框以及车辆长度；基于车辆信息进行聚类，获取至少两个聚类结果，至少两个聚类结果中包括聚类中心及其聚类范围内的聚类车辆信息；获取初始车辆长度估计模型，其中，初始车辆长度估计模型包括至少一个待求参数；将聚类车辆信息输入初始车辆长度估计模型，求解待求参数的数值；基于待求参数的数值，得到最终车辆长度估计模型。通过上述方法，能够以无监督的方式自行建立车辆长度估计模型，实现对车辆长度的自动计算。对车辆长度的自动计算。对车辆长度的自动计算。

【技术实现步骤摘要】
一种车辆长度估计模型建立的方法、终端设备及存储介质


[0001]本申请涉及智能交通领域，特别是涉及一种车辆长度估计模型建立的方法、终端设备及存储介质。

技术介绍

[0002]城市主干道路交叉口大多由信号灯控制车流量。当车流量大于信号灯放行的车流数时，将在交叉口向路段上游方向形成车辆排队现象，增加车辆出行时间，导致的溢流现象对上游交叉口的通行产生影响。
[0003]基于机器视觉的车辆长度计算方法是目前较常使用的车辆长度计算方法，通过深度学习的方式对道路上行驶的车辆进行目标检测、语义分割，再通过已标定的相机对车辆的宽高进行长度的求解。然而目前常用的基于机器视觉的车辆长度计算方法需要进行人工标定，计算出车辆长度的精度受人工标定的精度影响，若相机设备发生一定的偏移，则需要人工重新标定；道路环境复杂多变，当道路处于过亮或过暗环境中，获取的车辆目标表面曲率将发生变化，影响检测结果准确性。

技术实现思路

[0004]本申请提供一种车辆长度估计模型建立的方法、终端设备及存储介质。能够以无监督的方式自行建立车辆长度估计模型，实现对车辆长度的自动计算。
[0005]本申请采用的第一个技术方案是获取检测视频，以及检测视频中的车辆信息，车辆信息包括车辆框以及车辆长度；基于车辆信息进行聚类，获取至少两个聚类结果，至少两个聚类结果中包括聚类中心及其聚类范围内的聚类车辆信息；获取初始车辆长度估计模型，其中，初始车辆长度估计模型包括至少一个待求参数；将聚类车辆信息输入初始车辆长度估计模型，求解待求参数的数值；基于待求参数的数值，得到最终车辆长度估计模型。
[0006]其中，获取检测视频，以及检测视频中的车辆信息，包括获取检测视频，并在检测视频中生成预设聚类触发线；对检测视频中的车辆进行目标检测，获取所有车辆的车辆框和车辆长度；获取与预设聚类触发线相交的车辆框及其对应车辆长度，组成检测视频中的车辆信息。
[0007]其中，基于车辆信息进行聚类，包括：获取车辆信息中的车辆框尺寸；基于车辆框尺寸对车辆信息进行聚类。
[0008]其中，基于车辆信息进行聚类，获取至少两个聚类结果，至少两个聚类结果中包括聚类中心及其聚类范围内的聚类车辆信息，包括：基于车辆框尺寸对车辆信息中的车辆框进行聚类，获取若干个聚类结果；获取若干个聚类结果的聚类距离；从若干个聚类结果筛选出聚类距离最大的两个聚类结果。
[0009]其中，获取检测视频，以及检测视频中的车辆信息之后，还包括：基于车辆信息获取若干车辆框之间的相对位置关系；基于若干车辆框之前的相对位置关系，删除车辆框至少部分重合的车辆信息。
[0010]其中，获取检测视频，以及检测视频中的车辆信息之后，还包括：基于检测视频中的车辆信息获取检测视频中的所有车辆框；基于所有车辆框，获取检测视频的数据质量参数；在数据质量参数大于等于预设质量阈值时，删除检测视频，重新获取其他检测视频。
[0011]其中，将聚类车辆信息输入初始车辆长度估计模型，求解待求参数的数值，包括：对聚类车辆信息进行数学变换后，得到聚类车辆信息的车辆框位置和车辆长度；将每一聚类车辆信息的车辆框位置和车辆长度输入至初始车辆长度估计模型，建立初始车辆长度估计线性方程组，每一个聚类结果对应一个初始车辆长度估计线性方程；对初始车辆长度估计线性方程组进行求解，获取待求参数的数值。
[0012]其中，求解待求参数的数值之后，方法还包括：基于聚类车辆信息及待求参数的数值，计算估计误差；基于估计误差，构建初始车辆长度误差检测估计模型；获取其他检测视频响应于中的车辆信息，输入至初始车辆长度误差检测模型；在初始车辆长度误差检测模型输出结果小于预设成立范围时，删除待求参数，重新获取初始车辆长度估计模型。
[0013]其中，基于估计误差，构建初始车辆长度误差检测模型基于估计误差，构建初始车辆长度估计模型，包括：获取初始车辆长度误差估计模型的误差分布；基于误差分布信息，设定模型的置信度；基于所述初始车辆长度误差检测模型的高斯分布特性，获取初始车辆长度误差检测模型的假设成立区间。
[0014]本申请采用的第二个技术方案是提供一种车辆长度检测方法，包括获取待检测视频；对待检测视频中的待检测车辆进行目标检测，以获取待检测车辆的车辆检测框；将车辆检测框输入预先训练的车辆长度估计模型；基于车辆长度估计模型输出的长度信息，确定待检测视频中待检测车辆的车辆长度；其中，车辆长度估计模型利用第一个技术方案中训练得到。
[0015]其中，长度检测方法还包括：基于待检测车辆的车辆长度，以及车辆长度估计模型的模型参数，确定当前估计误差；在当前估计误差超出预设成立范围时，重新训练车辆长度估计模型。
[0016]本申请采用的第三个技术方案是提供一种车辆长度检测设备，车辆长度检测终端设备包括存储器以及与存储器耦接的处理器；其中，存储器用于存储程序数据，处理器用于执行程序数据以实现如上述的车辆长度检测方法。
[0017]本申请采用的第四个技术方案是提供一种计算机存储介质，计算机存储介质包括计算机程序指令，当其在计算机上执行时，使得计算机执行如上述的车辆长度检测方法。
[0018]本申请的有益效果是：本申请提供一种车辆长度估计模型建立的方法、终端设备及存储介质，其中，该方法包括：获取检测视频，以及检测视频中的车辆信息，车辆信息包括车辆框以及车辆长度；基于车辆信息进行聚类，获取至少两个聚类结果，至少两个聚类结果中包括聚类中心及其聚类范围内的聚类车辆信息；获取初始车辆长度估计模型，其中，初始车辆长度估计模型包括至少一个待求参数；将聚类车辆信息输入初始车辆长度估计模型，求解待求参数的数值；基于待求参数的数值，得到最终车辆长度估计模型。通过上述方法，以无监督的方式自行建立车辆长度估计模型，实现对车辆长度的自动计算，并针对无监督学习能够自行评估当前车辆长度估计模型是否需要进行重新计算。
附图说明
[0019]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0020]图1是本申请提供的车辆长度估计模型建立方法一实施例的流程示意图；图2是图1中步骤100的流程示意图；图3是本申请提供检测视频中聚类触发线一实施例的生成示意图；图4是图2中步骤130的后续流程示意图；图5是图4中步骤150的后续流程示意图；图6是图1中步骤200的流程示意图；图7是图6中步骤220的后续流程示意图；图8是本申请提供一实施例的聚类簇筛选方法示意图；图9是图1中步骤400的流程示意图；图10是图9中步骤430后续的流程示意图；图11是图10中步骤450的流程示意图；图12是本申请提供车辆长度估计方法一实施例的流程示意图；图13是本申请提供的一种车辆长度检测终端设备的结构示意图；图14是本申请提供的计算机存储介质一实施例的结构示意图。
具体实施方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆长度估计模型建立方法，其特征在于，获取检测视频，以及所述检测视频中的车辆信息，所述车辆信息包括车辆框以及车辆长度；基于所述车辆信息进行聚类，获取至少两个聚类结果，所述至少两个聚类结果中包括聚类中心及其聚类范围内的聚类车辆信息；获取初始车辆长度估计模型，其中，所述初始车辆长度估计模型包括至少一个待求参数；将所述聚类车辆信息输入所述初始车辆长度估计模型，求解所述待求参数的数值；基于所述待求参数的数值，得到最终车辆长度估计模型。2.根据权利要求1所述的方法，其特征在于，所述获取检测视频，以及所述检测视频中的车辆信息，包括：获取检测视频，并在所述检测视频中生成预设聚类触发线；对所述检测视频中的车辆进行目标检测，获取所有车辆的车辆框和车辆长度；获取与所述预设聚类触发线相交的车辆框及其对应车辆长度，组成所述检测视频中的车辆信息。3.根据权利要求1或2所述的方法，其特征在于，所述基于所述车辆信息进行聚类，包括：获取所述车辆信息中的车辆框尺寸；基于所述车辆框尺寸对所述车辆信息进行聚类。4.根据权利要求1所述的方法，其特征在于，基于所述车辆信息进行聚类，获取至少两个聚类结果，所述至少两个聚类结果中包括聚类中心及其聚类范围内的聚类车辆信息，包括：基于所述车辆框尺寸对所述车辆信息中的车辆框进行聚类，获取若干个聚类结果；获取所述若干个聚类结果的聚类距离；从所述若干个聚类结果筛选出聚类距离最大的两个聚类结果。5.根据权利要求1所述的方法，其特征在于，所述获取检测视频，以及所述检测视频中的车辆信息之后，还包括：基于所述车辆信息获取若干车辆框之间的相对位置关系；基于所述若干车辆框之前的相对位置关系，删除车辆框至少部分重合的车辆信息。6.根据权利要求1所述的方法，其特征在于，所述获取检测视频，以及所述检测视频中的车辆信息之后，还包括：基于所述检测视频中的车辆信息获取所述检测视频中的所有车辆框；基于所述所有车辆框，获取所述检测视频的数据质量参数；在所述数据质量参数大于等于预设质量阈值时，删除所述检测视频，重新获取其他检测视频。7.根据权利要求1所述的方法，其特征在于，将所述聚类车辆信息输入所述初始车辆长度估计模型，求解所述待求参数的数值，包括：对所述聚类车辆信息进行数学变换后，得到所述聚类车...

【专利技术属性】
技术研发人员：李冬冬，李乾坤，陈向阳，吴函，向超，殷俊，江哲，王凯，王刚，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：