【技术实现步骤摘要】
基于车流量大数据的隧道监控系统与分析方法
[0001]本专利技术涉及隧道监控分析的
,尤其涉及基于车流量大数据的隧道监控系统与分析方法。
技术介绍
[0002]随着现代化城市规模的不断发展壮大,城市机动车保有量逐年升高。各类因事故,复杂交通场景或异常天气而导致的拥堵也愈发平常,对车辆监控行为分析的需求日益增加。 同时,车辆与交通道路带来的巨大海量数据信息为城市智慧交通系统建设提供了基础信息资源,也加快了对于系统建设的迫切需求。但是,现有的车辆监控行为分析主要应用场景是城市环境,在应用于隧道环境时存在车辆识别不准确、语义理解程度低等问题,尤其是昏暗隧道环境中内部车辆高速行驶,车辆监控系统无法快速精确识别车辆不同时刻在隧道内部不同位置的通过车辆是否为同一车辆,导致存在车流量统计误差,对准确掌握隧道内部车流量差生重要影响。针对该问题,本专利技术提出一种基于车流量大数据的隧道监控系统与分析方法,能够在隧道昏暗环境中精确识别车辆,实现智能化隧道车辆流量统计。
技术实现思路
[0003]有鉴于此,本专利技术提供基于车流量大数据的隧道监控系统与分析方法,目的在于:1)采用基于图像空间域以及亮度域的图像滤波方式对隧道监控图像进行滤波处理,隧道昏暗环境下的车辆监控图像像素点的亮度差异不大,因此用结合空间域信息的滤波方式过滤车辆监控图像的噪声,在不同车辆交接的边缘,由于两者边缘像素的空间位置距离较小,因此用结合亮度域信息的滤波方式进行滤波处理,从而有效过滤噪声以及分割不同的车辆,提高车辆前景图像区域分割的准确性,有 ...
【技术保护点】
【技术特征摘要】
1.基于车流量大数据的隧道分析方法,其特征在于,所述基于车流量大数据的隧道分析方法包括:S1:获取隧道监控图像,并对所获取的隧道监控图像进行规范化处理;S2:构建自适应隧道车辆场景生成模型,所构建模型包括车辆编码模块以及车辆场景解析模块;S3:确定所构建自适应隧道车辆场景生成模型的优化目标函数;S4:利用改进的L
‑
BFGS算法对优化目标函数进行优化求解,得到最优自适应隧道车辆场景生成模型;S5:将规范化处理后的隧道监控图像输入到最优自适应隧道车辆场景生成模型,得到对应的车辆场景解析图;S6:根据隧道内的相邻车辆场景解析图进行隧道内车辆追踪,并基于隧道内车辆追踪结果进行隧道车流量统计。2.如权利要求1所述的基于车流量大数据的隧道分析方法,其特征在于,所述S1步骤中获取隧道监控图像,对隧道监控图像进行规范化处理,包括:利用隧道内部的监控装置实时获取隧道监控图像,其中所获取的隧道监控图像为,t表示隧道监控图像的采集时刻,相邻隧道监控图像的采集时间间隔为;对所获取的隧道监控图像进行规范化处理,其中规范化处理流程为:S11:对隧道监控图像进行灰度化处理,其中灰度化处理公式为:;其中:分别表示隧道监控图像中像素在R,G,B三个颜色通道的颜色值,表示隧道监控图像中像素的灰度值,其中像素表示图像中第x行第y列的像素;S12:计算得到隧道监控图像中每个像素的亮度值,其中像素的亮度值计算公式为:;;;其中:表示隧道监控图像中像素的亮度值;S13:基于图像空间域以及亮度域对隧道监控图像进行滤波处理,其中像素的滤波结果为:;
;其中:表示隧道监控图像中像素的滤波结果;表示以像素为中心的邻域像素矩阵,其中邻域像素矩阵的大小为;表示邻域像素矩阵中的任意像素,表示像素的灰度值,表示像素的亮度值,表示像素的滤波加权系数;表示L1范数;表示邻域像素矩阵中像素灰度值的标准差,表示邻域像素矩阵中像素亮度值的标准差;S14:利用最大类间方差法对滤波处理后的隧道监控图像进行二值化处理,得到隧道监控图像中的前景部分以及背景部分,其中隧道监控图像中的前景部分为车辆图像,背景部分为车道及其他区域的图像;S15:将隧道监控图像中的前景部分在灰度化处理后的隧道监控图像中标记,得到规范化处理后的隧道监控图像。3.如权利要求1所述的基于车流量大数据的隧道分析方法,其特征在于,所述S2步骤中构建自适应隧道车辆场景生成模型,包括:构建自适应隧道车辆场景生成模型,所构建模型包括车辆编码模块以及车辆场景解析模块,车辆编码模块以规范化处理后的隧道监控图像为输入,以隧道监控图像中前景部分的二维编码向量为输出,车辆场景解析模块以隧道监控图像中前景部分的二维编码向量为输入,以表征隧道内车辆分布情况的车辆场景解析图为输出。4.如权利要求3所述的基于车流量大数据的隧道分析方法,其特征在于,所述S2步骤中自适应隧道车辆场景生成模型的运行流程为:基于自适应隧道车辆场景生成模型的车辆场景解析图输出流程为:S21:计算所输入规范化处理后隧道监控图像中第k个前景部分的像素分布:;;其中:表示第k个前景部分中灰度级G的概率分布,表示第k个前景部分中灰度值为G的像素数目,表示第k个前景部分的像素总数;S22:将第k个前景部分的像素分布输入到车辆编码模块中,得到第k个前景部分的二维编码向量:;;;其中:
表示第k个前景部分的二维编码向量,表示添加的噪声向量,表示噪声向量符合高斯分布,表示逐元素相乘;表示车辆编码模块中隐藏层的权重系数,表示车辆编码模块中隐藏层的偏置量;S23:将第k个前景部分的二维编码向量输入到车辆场景解析模块,车辆场景解析模块将二维编码向量解析为二维高斯分布图,其中解析公式为:;;其中:表示二维编码向量对应的二维高斯分布图,表示二维编码向量在横轴的均值,表示二维编码向量在纵轴的均值;表示第k个前景部分的宽,表示第k个前景部分的高;将所有前景部分的二维高斯分布图进行等比例缩放,使得缩放后的二维高斯分布图大小与规范化处理后隧道监控图像中对应前景部分的大小相同,并将前景部分替换为缩放后的对应二维高斯分布图,得到表征隧道内车辆分布情况的车辆场景解析图。5.如权利要求1所述的基于车流...
【专利技术属性】
技术研发人员:陈俊山,苏浩,刘长增,
申请(专利权)人:山东康威大数据科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。