基于人工智能的车流量检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能领域，公开了一种基于人工智能的车流量检测方法、装置、设备及存储介质，用于提高车流量检测的效率。所述方法包括：基于第一支干道设计方案和第二支干道设计方案获取目标道路模拟运行时的模拟图像数据集；将模拟图像数据集输入车流量检测模型，并通过车流量检测模型提取模拟图像数据集中每个图像对应的车辆空间坐标；根据车辆空间坐标对模拟图像数据集进行车流量检测，得到车流量数据集合；根据车流量数据集合计算支干道的车流量合理度，得到第一支干道合理度和第二支干道合理度；根据第一支干道合理度和第二支干道合理度从第一支干道设计方案和第二支干道设计方案中选取目标支干道设计方案。计方案中选取目标支干道设计方案。计方案中选取目标支干道设计方案。

【技术实现步骤摘要】
基于人工智能的车流量检测方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能领域，尤其涉及一种基于人工智能的车流量检测方法、装置、设备及存储介质。

技术介绍

[0002]随着交通越来越发达，道路愈加拥堵，如何实时准确地获取路况中车辆的分类和数量，以便交通部门及时设计出更加优异的道路设计方案。只有准确地预测出车辆的流量数据，才能更好进行车流统计、车辆的识别与跟踪。
[0003]现有方案是逐一检测其中是否存在某种车辆进而得到道路的预测流量数据，但是现有方案无法及时统计出准确的车流量数据，导致道路方案的设计和选取过程很慢，即现有方案的效率较低。

技术实现思路

[0004]本专利技术提供了一种基于人工智能的车流量检测方法、装置、设备及存储介质，用于提高车流量检测的效率。
[0005]本专利技术第一方面提供了一种基于人工智能的车流量检测方法，所述基于人工智能的车流量检测方法包括：获取多个样本道路图像和训练模型，并对所述样本道路图像进行信息标注，得到带有标签的样本道路图像，以及根据所述带有标签的样本道路图像对所述训练模型进行训练，得到车流量检测模型；基于预置的第一支干道设计方案和第二支干道设计方案获取目标道路模拟运行时的模拟图像数据集，其中，所述模拟图像数据集包括：主干道图像、第一支干道图像和第二支干道图像；将所述模拟图像数据集输入所述车流量检测模型，并通过所述车流量检测模型提取所述模拟图像数据集中每个图像对应的车辆空间坐标；根据所述车辆空间坐标对所述模拟图像数据集进行车流量检测，得到车流量数据集合，其中，所述车流量数据集合包括：主干道车流量、第一支干道车流量以及第二支干道车流量；根据所述车流量数据集合计算支干道的车流量合理度，得到第一支干道合理度和第二支干道合理度；根据所述第一支干道合理度和所述第二支干道合理度从所述第一支干道设计方案和所述第二支干道设计方案中选取所述目标道路对应的目标支干道设计方案。
[0006]可选的，在本专利技术第一方面的第一种实现方式中，所述获取多个样本道路图像和训练模型，并对所述样本道路图像进行信息标注，得到带有标签的样本道路图像，以及根据所述带有标签的样本道路图像对所述训练模型进行训练，得到车流量检测模型，包括：将所述多个样本道路图像输入预置的训练模型，其中，所述训练模型包括：三层卷积网络、三层全连接网络和分类网络；通过所述三层卷积网络对所述样本道路图像进行特征提取，得到初始特征图；将所述特征图输入所述三层全连接网络进行处理，得到目标特征图；将所述目标特征图输入所述分类网络进行特征融合和预测，生成目标预测结果；根据所述目标预测结果和所述样本道路图像对所述训练模型进行参数优化，直至所述训练模型收敛，得到车流量检测模型。
[0007]可选的，在本专利技术第一方面的第二种实现方式中，所述基于预置的第一支干道设计方案和第二支干道设计方案获取目标道路模拟运行时的模拟图像数据集，其中，所述模拟图像数据集包括：主干道图像、第一支干道图像和第二支干道图像，包括：从预置的云数据库中查询第一支干道设计方案和第二支干道设计方案；分别构建所述第一支干道设计方案对应的第一有限元模型以及所述第二支干道设计方案对应的第二有限元模型；基于所述第一有限元模型对目标道路进行模拟运行，并采集模拟运行时的第一图像数据集；基于所述第二有限元模型对目标道路进行模拟运行，并采集模拟运行时的第二图像数据集；对所述第一图像数据集和所述第二图像数据集进行分类存储和数据集合并，生成模拟图像数据集，其中，所述模拟图像数据集包括：主干道图像、第一支干道图像和第二支干道图像。
[0008]可选的，在本专利技术第一方面的第三种实现方式中，所述将所述模拟图像数据集输入所述车流量检测模型，并通过所述车流量检测模型提取所述模拟图像数据集中每个图像对应的车辆空间坐标，包括：将所述模拟图像数据集输入所述车流量检测模型；通过所述车流量检测模型提取所述模拟图像数据集中每个图像对应的车辆关键点热图；对所述车辆关键点热图进行空间坐标转换，得到所述模拟图像数据集中每个图像对应的车辆空间坐标。
[0009]可选的，在本专利技术第一方面的第四种实现方式中，所述根据所述车辆空间坐标对所述模拟图像数据集进行车流量检测，得到车流量数据集合，其中，所述车流量数据集合包括：主干道车流量、第一支干道车流量以及第二支干道车流量，包括：提取所述模拟图像数据集中的主干道图像、第一支干道图像和第二支干道图像；分别对所述主干道图像、所述第一支干道图像和所述第二支干道图像进行空间坐标匹配，得到主干道空间坐标数据、第一支干道空间坐标数据以及第二支干道空间坐标数据；分别根据所述主干道空间坐标数据、所述第一支干道空间坐标数据以及所述第二支干道空间坐标数据计算车流量，得到主干道车流量、第一支干道车流量以及第二支干道车流量；根据所述主干道车流量、所述第一支干道车流量以及所述第二支干道车流量生成车流量数据集合。
[0010]可选的，在本专利技术第一方面的第五种实现方式中，所述根据所述车流量数据集合计算支干道的车流量合理度，得到第一支干道合理度和第二支干道合理度，包括：根据所述车流量数据集合中的主干道车流量和第一支干道车流量计算支干道设计的合理度，得到第一支干道合理度；根据所述车流量数据集合中的主干道车流量和第二支干道车流量计算支干道设计的合理度，得到第二支干道合理度。
[0011]可选的，在本专利技术第一方面的第六种实现方式中，所述根据所述第一支干道合理度和所述第二支干道合理度从所述第一支干道设计方案和所述第二支干道设计方案中选取所述目标道路对应的目标支干道设计方案，包括：分别将所述第一支干道合理度和所述第二支干道合理度与预设目标值进行误差计算，得到第一支干道误差值和第二支干道误差值；对所述第一支干道误差值和所述第二支干道误差值进行比较，得到误差值比较结果；根据所述误差值比较结果从所述第一支干道设计方案和所述第二支干道设计方案中选取所述目标道路对应的目标支干道设计方案。
[0012]本专利技术第二方面提供了一种基于人工智能的车流量检测装置，所述基于人工智能的车流量检测装置包括：训练模块，用于获取多个样本道路图像和训练模型，并对所述样本道路图像进行信息标注，得到带有标签的样本道路图像，以及根据所述带有标签的样本道路图像对所述训练模型进行训练，得到车流量检测模型；获取模块，用于基于预置的第一支
干道设计方案和第二支干道设计方案获取目标道路模拟运行时的模拟图像数据集，其中，所述模拟图像数据集包括：主干道图像、第一支干道图像和第二支干道图像；提取模块，用于将所述模拟图像数据集输入所述车流量检测模型，并通过所述车流量检测模型提取所述模拟图像数据集中每个图像对应的车辆空间坐标；检测模块，用于根据所述车辆空间坐标对所述模拟图像数据集进行车流量检测，得到车流量数据集合，其中，所述车流量数据集合包括：主干道车流量、第一支干道车流量以及第二支干道车流量；计算模块，用于根据所述车流量数据集合计算支干道的车流量合理度，得到第一支干道合理度和第二支干道合理度；选取模块，用于根据所述第一支干道合理度和所述第二支干本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的车流量检测方法，其特征在于，所述基于人工智能的车流量检测方法包括：获取多个样本道路图像和训练模型，并对所述样本道路图像进行信息标注，得到带有标签的样本道路图像，以及根据所述带有标签的样本道路图像对所述训练模型进行训练，得到车流量检测模型；基于预置的第一支干道设计方案和第二支干道设计方案获取目标道路模拟运行时的模拟图像数据集，其中，所述模拟图像数据集包括：主干道图像、第一支干道图像和第二支干道图像；将所述模拟图像数据集输入所述车流量检测模型，并通过所述车流量检测模型提取所述模拟图像数据集中每个图像对应的车辆空间坐标；根据所述车辆空间坐标对所述模拟图像数据集进行车流量检测，得到车流量数据集合，其中，所述车流量数据集合包括：主干道车流量、第一支干道车流量以及第二支干道车流量；根据所述车流量数据集合计算支干道的车流量合理度，得到第一支干道合理度和第二支干道合理度；根据所述第一支干道合理度和所述第二支干道合理度从所述第一支干道设计方案和所述第二支干道设计方案中选取所述目标道路对应的目标支干道设计方案。2.根据权利要求1所述的基于人工智能的车流量检测方法，其特征在于，所述获取多个样本道路图像和训练模型，并对所述样本道路图像进行信息标注，得到带有标签的样本道路图像，以及根据所述带有标签的样本道路图像对所述训练模型进行训练，得到车流量检测模型，包括：将所述多个样本道路图像输入预置的训练模型，其中，所述训练模型包括：三层卷积网络、三层全连接网络和分类网络；通过所述三层卷积网络对所述样本道路图像进行特征提取，得到初始特征图；将所述特征图输入所述三层全连接网络进行处理，得到目标特征图；将所述目标特征图输入所述分类网络进行特征融合和预测，生成目标预测结果；根据所述目标预测结果和所述样本道路图像对所述训练模型进行参数优化，直至所述训练模型收敛，得到车流量检测模型。3.根据权利要求1所述的基于人工智能的车流量检测方法，其特征在于，所述基于预置的第一支干道设计方案和第二支干道设计方案获取目标道路模拟运行时的模拟图像数据集，其中，所述模拟图像数据集包括：主干道图像、第一支干道图像和第二支干道图像，包括：从预置的云数据库中查询第一支干道设计方案和第二支干道设计方案；分别构建所述第一支干道设计方案对应的第一有限元模型以及所述第二支干道设计方案对应的第二有限元模型；基于所述第一有限元模型对目标道路进行模拟运行，并采集模拟运行时的第一图像数据集；基于所述第二有限元模型对目标道路进行模拟运行，并采集模拟运行时的第二图像数据集；
对所述第一图像数据集和所述第二图像数据集进行分类存储和数据集合并，生成模拟图像数据集，其中，所述模拟图像数据集包括：主干道图像、第一支干道图像和第二支干道图像。4.根据权利要求1所述的基于人工智能的车流量检测方法，其特征在于，所述将所述模拟图像数据集输入所述车流量检测模型，并通过所述车流量检测模型提取所述模拟图像数据集中每个图像对应的车辆空间坐标，包括：将所述模拟图像数据集输入所述车流量检测模型；通过所述车流量检测模型提取所述模拟图像数据集中每个图像对应的车辆关键点热图；对所述车辆关键点热图进行空间坐标转换，得到所述模拟图像数据集中每个图像对应的车辆空间坐标。5.根据权利要求1所述的基于人工智能的车流量检测方法，其特征在于，所述根据所述车辆空间坐标对所述模拟图像数据集进行车流量检测，得到车流量数据集合，其中，所述车流量数据集合包括：主干道车流量、...

【专利技术属性】
技术研发人员：张顺庆，宋鄂，张龙，王辉，刘小斌，
申请(专利权)人：深圳市诺龙技术股份有限公司，
类型：发明
国别省市：