一种基于先验知识集合的车流量流速自动测算方法及系统技术方案

本发明专利技术涉及一种基于先验知识集合的车流量流速自动测算方法，其方法包括：步骤S1：用道路监控摄像头获取视频帧，输入目标检测模型，得到车辆的检测框和车辆类型；S2：基于检测框对所有车辆进行多目标跟踪，为每一车辆分配唯一ID；S3：对视频帧进行边缘检测，并基于车辆目标检测和跟踪结果构建先验知识集合；S4：基于先验知识集，利用进化算法或直接对成像原理建模的方法，实现对摄像头参数的自动校正；S5：基于车辆目标检测和多目标跟踪结果，统计车流量；并利用校正后的摄像头参数，计算车辆的位移量，利用视频固定帧率计算车辆运动时间，计算车辆速度。本发明专利技术提供的方法可构建用于摄像头参数自动校正的先验知识集，据此实现车流量流速自动测算。流速自动测算。流速自动测算。

【技术实现步骤摘要】
一种基于先验知识集合的车流量流速自动测算方法及系统


[0001]本专利技术涉及智能交通和图像识别领域，具体涉及一种基于先验知识集合的车流量流速自动测算方法及系统。

技术介绍

[0002]交通流量是指在一定的时间范围内通过某截面、短区间或某一路段的车辆数，在智能交通系统背景下，基于流量时空信息能够进行交通信号灯控制、城市道路规划以及基于实时流量的导航等，因此，对于交通区域全方位全天候的实时流量监测显得尤为重要。对于特定车辆，流速是指在一定的时间内该车辆行驶的距离，流速作为一种体现车辆微观属性的物理量，在交通监管方面有着重要作用，例如道路异常情况检测、违法超速取证、拥堵路段检测等。
[0003]传统计算统计流量流速的方法大多基于提前布设的硬件设备，包括线圈、雷达、门架等，这几项技术相对成熟，也较为普及。但是，雷达测速价格昂贵且容易被电子狗反侦测；感应线圈测速只能用于固定路段检测，对路面有一定的破坏，难以进行大范围布设，且数据波动大；激光测速精度较高但数据重复性差且价格昂贵。
[0004]近年来，随着计算机视觉技术的不断发展和道路监控摄像头数量的增加，通过分析监控视频数据直接统计流量和测算速度的方法越来越受到人们的重视。基于监控摄像头数据实现流量流速测算的方法无需其他传感器，成本低，但目前的方法大多需要提前对摄像头参数进行人工标定，一旦摄像头位置改变或角度发生偏移等，则需要重新标定，难以实现自动化。

技术实现思路

[0005]为了解决上述技术问题，本专利技术提供一种基于先验知识集合的车流量流速自动测算方法及系统。
[0006]本专利技术技术解决方案为：一种基于先验知识集合的车流量流速自动测算方法，包括：
[0007]步骤S1：用道路监控摄像头获取连续的视频帧数据，输入预训练的目标检测模型，得到每一帧中标识场景内所有车辆的检测框和车辆类型；
[0008]步骤S2：利用跟踪算法和连续帧的IOU匹配规则，基于所述检测框对视频帧内所有车辆进行多目标跟踪，为每一车辆分配唯一的标识身份的ID；
[0009]步骤S3：对所述视频帧进行边缘检测，并基于车辆目标检测和跟踪结果构建先验知识集合，其中，所述先验知识集合包括：场景中消失点的图像坐标；车道线的图像坐标和表示相邻车道宽度真实距离的线段，以及动态目标的图像坐标和真实尺寸；
[0010]步骤S4：基于所述先验知识集，选择适用于当前道路交通场景的先验知识，利用进化算法或直接对成像原理建模的方法，实现对摄像头参数的自动校正；
[0011]步骤S5：基于车辆目标检测和多目标跟踪结果，统计特定区域、特定时间段内的车
流量指标；并利用校正后的摄像头参数，计算车辆的位移量，利用视频固定帧率计算车辆运动时间，基于所述位移量和所述运动时间计算车辆瞬时速度和平均速度。
[0012]本专利技术与现有技术相比，具有以下优点：
[0013]本专利技术公开了一种基于先验知识集合的车流量流速自动测算方法，基于道路监控摄像头数据，构建用于摄像头参数自动校正的先验知识集，该先验知识集的应用场景广泛，解决了目前摄像头标定需要人工介入的限制，减少了信息采集、传输和计算成本；基于目标检测算法和多目标跟踪结果，结合校正得到的图像坐标到真实世界坐标的映射关系，实现流量流速参数的自动测算。
附图说明
[0014]图1为本专利技术实施例中一种基于先验知识集合的车流量流速自动测算方法的流程图；
[0015]图2A为本专利技术实施例中第一个消失点示意图；
[0016]图2B为本专利技术实施例中第二个消失点示意图；
[0017]图3为本专利技术实施例中摄像头旋转矩阵和平移矩阵计算原理示意图；
[0018]图4为本专利技术实施例中一种基于先验知识集合的车流量流速自动测算方法流程示意图；
[0019]图5为本专利技术实施例中一种基于先验知识集合的车流量流速自动测算系统的结构框图。
具体实施方式
[0020]本专利技术提供了一种基于先验知识集合的车流量流速自动测算方法，构建用于摄像头参数自动校正的先验知识集，并据此实现车流量流速自动测算，无需人工介入标定，具有较高的鲁棒性、实时性和准确性。
[0021]为了使本专利技术的目的、技术方案及优点更加清楚，以下通过具体实施，并结合附图，对本专利技术进一步详细说明。
[0022]实施例一
[0023]如图1所示，本专利技术实施例提供的一种基于先验知识集合的车流量流速自动测算方法，包括下述步骤：
[0024]步骤S1：用道路监控摄像头获取连续的视频帧数据，输入预训练的目标检测模型，得到每一帧中标识场景内所有车辆的检测框和车辆类型；
[0025]步骤S2：利用跟踪算法和连续帧的IOU匹配规则，基于检测框对视频帧内所有车辆进行多目标跟踪，为每一车辆分配唯一的标识身份的ID；
[0026]步骤S3：对所述视频帧进行边缘检测，并基于车辆目标检测和跟踪结果构建先验知识集合，其中，先验知识集合包括：场景中消失点的图像坐标；车道线的图像坐标和表示相邻车道宽度真实距离的线段，以及动态目标的图像坐标和真实尺寸；
[0027]步骤S4：基于先验知识集，选择适用于当前道路交通场景的先验知识，利用进化算法或直接对成像原理建模的方法，实现对摄像头参数的自动校正；
[0028]步骤S5：基于车辆目标检测和多目标跟踪结果，统计特定区域、特定时间段内的车
流量指标；并利用校正后的摄像头参数，计算车辆的位移量，利用视频固定帧率计算车辆运动时间，基于位移量和运动时间计算车辆瞬时速度和平均速度。
[0029]在一个实施例中，上述步骤S1：用道路监控摄像头获取连续的视频帧数据，输入预训练的目标检测模型，得到每一帧中标识场景内所有车辆的检测框和车辆类型，具体包括：
[0030]用道路监控摄像头获取连续的视频帧数据，输入与训练好的目标检测模型，本专利技术实施例采用YOLOv3，处理连续视频帧数据，得到每一帧中所有车辆检测框，从而获取车辆位置的图像坐标，同时输出车辆对应的类型，例如轿车、卡车等。
[0031]在一个实施例中，上述步骤S2：利用跟踪算法和连续帧的IOU匹配规则，基于检测框对视频帧内所有车辆进行多目标跟踪，为每一车辆分配唯一的标识身份的ID，具体包括：
[0032]本专利技术实施例采用DeepSort跟踪算法计算预测检测框、预测特征向量与实际检测框、实际特征向量的差别，计算得到不同帧之间相同物体检测框的对应关系。由于本专利技术的场景较为简单，汽车运动模式较为单一，在DeepSort的基础上加入相邻帧之间不同检测框的交并比的计算也能辅助提升多目标检测的效果，并为每一车辆分配唯一的标识身份的ID，从而实现多目标跟踪。
[0033]在一个实施例中上述步骤S3：对视频帧进行边缘检测，并基于车辆目标检测和跟踪结果构建先验知识集合，其中，先验知识集合包括：场景中消失点的图像坐标；车道线的图像坐标和表示相邻车道宽度真实距离的线段，以及动态目标的图像坐标和真实尺寸，具体包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于先验知识集合的车流量流速自动测算方法，其特征在于，包括：步骤S1：用道路监控摄像头获取连续的视频帧数据，输入预训练的目标检测模型，得到每一帧中所有车辆的检测框和车辆类型；步骤S2：利用跟踪算法和连续帧的IOU匹配规则，基于所述检测框对视频帧内所有车辆进行多目标跟踪，为每一车辆分配唯一的标识身份的ID；步骤S3：对所述视频帧进行边缘检测，并基于车辆目标检测和跟踪结果构建先验知识集合，其中，所述先验知识集合包括：场景中消失点的图像坐标；车道线的图像坐标和表示相邻车道宽度真实距离的线段，以及动态目标的图像坐标和真实尺寸；步骤S4：基于所述先验知识集，选择适用于当前道路交通场景的先验知识，利用进化算法或直接对成像原理建模的方法，实现对摄像头参数的自动校正；步骤S5：基于车辆目标检测和多目标跟踪结果，统计特定区域、特定时间段内的车流量指标；并利用校正后的摄像头参数，计算车辆的位移量，利用视频固定帧率计算车辆运动时间，基于所述位移量和所述运动时间计算车辆瞬时速度和平均速度。2.根据权利要求1所述的基于先验知识集合的车流量流速自动测算方法，其特征在于，所述步骤S3中构建场景中消失点的图像坐标，具体包括：步骤S301：基于车辆目标检测和跟踪结果，获得车辆短时运动轨迹，对运动轨迹使用基于平行坐标的霍夫变换，将其从图像空间映射到钻石空间中，通过计算交点最多的位置，确定第一个消失点图像坐标，所述第一个消失点与车道线方向一致；步骤S302：任取当前摄像头连续视频帧中的一帧图像帧，通过Canny边缘检测算法获取所述图像帧的边缘，过滤删除背景边缘、与所述第一消失点的方向一致的边缘及竖直方向上的边缘，采用与步骤S301中相同的方法，计算剩余边缘在钻石空间中交点最多的位置坐标，即第二个消失点图像坐标，所述第二个消失点与车道线垂直方向一致。3.根据权利要求2所述的基于先验知识集合的车流量流速自动测算方法，其特征在于，所述步骤S3中构建车道线的图像坐标和表示相邻车道宽度真实距离的线段，具体包括：步骤S311：任取所述车辆视频帧中一帧图像帧，通过Canny边缘检测算法获取所述图像帧的边缘，过滤背景边缘，对轮廓数据进行多边形拟合，提取可以被凸四边形拟合的轮廓，生成车道线候选集合；步骤S312：对所述车道线候选集合根据剪枝条件进行筛选，得到车道线集合，所述剪枝条件包括但不限于：a)所述候选车道线像素区域大小在预设范围内；b)所述候选车道线轮廓中心不与其他物体重合；c)所述候选车道线的轮廓方向与所述图像帧的纵轴角度不小于预设角度；d)所述候选车道线平均RGB值与白色的欧式距离的倒数值大于预设阈值；步骤S313：任取所获车道线上的一点，求其与第二个消失点的连线，根据该连线确定相邻两车道线交点的图像坐标，并计算相邻两交点的像素距离可得到相邻两车道宽度真实距离；将相邻两车道线的交点坐标之间的连线作为表示相邻车道宽度真实距离的线段，加入所述先验知识集；步骤S314：重复步骤S313，计算得到多组表示车道宽度的相邻交点的车道线图像坐标和像素距离，构成所述先验知识集中车道线的图像坐标和多个表示相邻车道宽度真实距离
的线段。4.根据权利要求3所述的基于先验知识集合的车流量流速自动测算方法，其特征在于，所述步骤S3中构建动态目标的图像坐标和真实尺寸，具体包括：步骤S321：基于步骤S302中所述图像帧的边缘，得到车辆竖直方向上的边缘；步骤S322：结合所述车辆的检测框，得到检测框范围内车辆竖直方向上的边缘并计算像素长度，根据检测得到的所述车辆类型，确定车辆的真实长宽高。5.根据权利要求4所述的基于先验知识集合的车流量流速...

【专利技术属性】
技术研发人员：黄坚，金玉辉，杨思逊，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：