【技术实现步骤摘要】
一种基于无人机航拍图像的道路车辆识别方法及设备
[0001]本专利技术涉及计算机视觉领域，特别是一种基于无人机航拍图像的道路车辆识别方法及设备。
技术介绍
[0002]随着我国公路交通行业高速发展和汽车保有量的迅速增高，公路交通安全与交通效率的问题也愈发严峻。传统基于视频监控、车辆检测器的道路监控系统为道路运营管理部门提供了实时道路状态与事件的感知手段。但其布设安装位置固定，感知能力的空间局限性较大。近年来，民用旋翼无人机技术迅速发展并普及，基于其灵活性强、机动性高、观测范围大的特点，可突破传统道路监控手段的空间局限性，以作为重点监控路段机动性感知以及事件下现场勘察取证的重要手段。
[0003]但无人机航拍的高度和目标图像或视频中车辆的尺寸存在负相关关系，无人机航拍的高度过高会导致采集视频图像中的车辆目标太小。图像经过深度学习算法处理时，会预先将图片处理缩放成为尺度一致的图像，缩放的过程中目标尺寸也会变小而丢失很多像素细节，导致目标识别的准确性下降。而通过增大检测模型输入图像尺寸以保持车辆目标像素细节，则目标识别过程...
【技术保护点】
【技术特征摘要】
1.一种基于无人机航拍图像的道路车辆识别方法，其特征在于，包括以下步骤：S1：获取待检测航拍图片集，并从所述航拍图片集中随机抽取a张图片构建子数据集；所述航拍图片集通过无人机拍摄生成，a为正整数；S2：获取所述子数据集中道路车辆的像素面积，与车辆目标检测模型的训练图像数据库中的车辆像素面积进行对比，计算分割倍数s；在所述待检测图像上均匀生成s
‑
1条水平分割标记线以及s
‑
1条垂直分割标记线，并在每条所述水平分割标记线的垂直方向上生成两条平行于所述水平分割标记线的水平分割线，在所述垂直分割标记线的水平方向上生成两条平行于所述垂直分割标记线的分割线；其中，所述车辆目标检测模型用于S4中对车辆目标进行目标检测，所述水平分/垂直分割线与其对应的所述水平/垂直分割标记线之间的距离为预设值；S3：沿所述水平分割线和所述垂直分割线对所述待检测图像进行分割，获得相互重叠的s*s个子图；S4：分别对每个子图进行车辆目标检测，再将检测结果转换至所述待检测图像的参考系中，并存储到非重叠区域识别结果集和交叠区域识别结果集；其中，非重叠区域的检测结果存储于非重叠区域识别结果集，重叠区域的检测结果存储为交叠区域识别结果集；S5：通过匈牙利算法对所述交叠区域识别结果集中的检测结果进行去重处理后，与所述非重叠区域识别结果集进行合并，生成所述待检测图像的识别结果。2.根据权利要求1所述的一种基于无人机航拍图像的道路车辆识别方法，其特征在于，所述S2中所述分割倍数s的计算式为：其中，A1为所述子数据集的图像像素面积，AC1为所述子数据集中目标车辆矩形框的像素面积，A2为所述车辆目标检测模型训练图像数据库的图像像素面积，AC2为所述车辆目标检测模型的训练图像数据库中目标车辆矩形框的像素面积，表示向上取整运算。3.根据权利要求2所述的一种基于无人机航拍图像的道路车辆识别方法，其特征在于，所述S2中分割线与分割标记线的距离预设值计算式为：Δ＝s
×
max(w2,h2)，其中，Δ为所述水平分割线与其对应的所述水平分割标记线与垂直分割线与其对应的所述垂直分割标记线的距离，w2与h2分别为所述子数据集中大型车辆矩形框的平均宽度和平均高度。4.根据权利要求3所述的一种基于无人机航拍图像的道路车辆识别方法，其特征在于，所述S3中每个子图所在区域的表达式为：其中，θ
mn
为水平方向第m个垂直方向第n个子图点的集合，(x,y)
为集合θ
mn
的某个点的坐标；w和h分别为所述待检测图像的宽度和高度，Z为整数集；所述水平分割线产生的水平重叠区域的表达式为：其中，为第i条水平分割线的水平重叠区域上点的集合，(x,y)为集合的某个点的坐标，1≤i≤s
‑
1,i∈Z。所述垂直分割线产生的垂直重叠区域的表达式为：其中，为第j条垂直分割线的垂直重叠区域上点的集合，(x,y)为集合的某个点的坐标；1≤j≤s
‑
1,j∈Z。5.根据权利要求1所述的一种基于无人机航拍图像的道路车辆识别方法，其特征在于，所述S4中对车辆进行目标检测的所述车辆目标检测模型为yolov5模型。6.根据权利要求5所述的一种基于无人机航拍图像的道路车辆识别方法，其特征在于，所述S4中子图的检测...
【专利技术属性】
技术研发人员：孙铸，王靖，刘建蓓，马小龙，李昱昕，张国华，赵斌，马媛媛，张维，郭静，陈天益，贺桂锡，宋浩杰，郭星，赵翔，
申请(专利权)人：中交第一公路勘察设计研究院有限公司，
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。