基于改进多目标跟踪的交通流量监测方法技术

本发明专利技术公开了一种基于改进多目标跟踪的交通流量监测方法，包括：获取监测视频；对监测视频进行分帧处理，得到若干帧监测图像；将若干帧监测图像分别基于预设的改进多目标跟踪算法进行处理，得到每帧监测图像对应的车流量监测结果；根据每帧监测图像对应的车流量监测结果生成最终的交通流量监测结果

【技术实现步骤摘要】
基于改进多目标跟踪的交通流量监测方法


[0001]本专利技术涉及计算机视觉
，特别涉及一种基于改进多目标跟踪的交通流量监测方法
。

技术介绍

[0002]交通的发展为人们出行带来便利，测定城市公路上车流量大小和流动方向是现代城市建设，规划管制中的重要一环，然而，随着社会经济科技的日益增长，道路车流量规模也逐渐庞大，复杂路段的交通阻塞，主干道路上的交通违章等都是交通事故的隐患
。
为此，实时的道路监管手段必不可少
。
传统的检测手段大都消耗人力，枯燥乏味的同时效率十分低下，且伴随着对车辆信息，运动方向等记录的不完善，泛化性较差
。
如今，对交通目标的检测仍然是被广泛关注的热点问题，并涉及图像处理，计算机视觉，人工智能等多个领域
。
随着
GPU
的发展，现代的信息数据处理方法已逐渐转向人工智能，基于深度学习的图像处理技术通常包含了检测及跟踪任务，并可能带有轨迹提取，评估交通信息等功能
。
这类方法由计算机自主完成，从应用角度来看，具有高效本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于改进多目标跟踪的交通流量监测方法，其特征在于，包括：获取监测视频；对监测视频进行分帧处理，得到若干帧监测图像；将若干帧监测图像分别基于预设的改进多目标跟踪算法进行处理，得到每帧监测图像对应的车流量监测结果；根据每帧监测图像对应的车流量监测结果生成最终的交通流量监测结果
。2.
如权利要求1所述的基于改进多目标跟踪的交通流量监测方法，其特征在于，得到预设的改进多目标跟踪算法的方法，包括：对原先
DeepSort
算法进行改进，得到改进
DeepSort
算法；对原先
yolov5
算法进行改进，得到改进
yolov5
算法；根据改进
DeepSort
算法及改进
yolov5
算法，得到预设的改进多目标跟踪算法
。3.
如权利要求2述的基于改进多目标跟踪的交通流量监测方法，其特征在于，对原先
yolov5
算法进行改进，得到改进
yolov5
算法，包括：获取第一数据集；将原先
yolov5
算法中的锚框损失函数由
CIoU
损失函数修改为
WIoU
损失函数；将原先
yolov5
算法中的特征提取部分由
C3
模块修改为
C3_Res2
模块，并在
SPPF
之后添加了多头自注意力机制，用
SGE
模块对特征图从空间通道两个维度筛选其符合全局特征的部分，得到初始
yolov5
算法；基于第一数据集对初始
yolov5
算法进行训练，得到改进
yolov5
算法
。4.
如权利要求3述的基于改进多目标跟踪的交通流量监测方法，其特征在于，获取第一数据集，包括：获取
UA
‑
DETRAC
车辆检测数据集；对
UA
‑
DETRAC
车辆检测数据集中的全部图片间隔
10
帧取一张，得到若干张图片的新数据集；对新数据集标注进行批量修改，确定为大型车辆及小型车辆，将修改完成的图片和标注汇编为第一数据集
。5.
如权利要求2所述的基于改进多目标跟踪的交通流量监测方法，其特征在于，对原先
DeepSort
算法进行改进，得到改进
DeepSort
算法，包括：获取第二数据集；将原先
DeepSort
算法中的图片输入部分由随机裁剪方式改为重新更改大小，将图片输入尺寸改为
64*128
；输入图片通过单层3×3卷积增大通道数，不改变特征图尺寸；并用3×3池化核最大池化，取消原先
DeepSort
算法的第二卷积层；相比原先
DeepSort
算法网络的6层残差特征提取网络，在其基础上添加一个2层的残差网络，每一组包含两层残差网络，均含有3×3的卷积；第一层提取特征，不改变通道和尺寸；后三组第一层卷积缩小一倍尺寸，增大一倍通道；第二层卷积不改变尺寸和通道；多次特征提取后，输出变成
512
×4×8，使用全局平均池化操作，池化核大小为4×8，代替原先
DeepSort
算法的全连接操作；最后，特征图通过线性变化和批正则化操作以
256

【专利技术属性】
技术研发人员：周锋，葛晓乐，刘铠纬，陈帅庭，王如刚，
申请(专利权)人：盐城工学院技术转移中心有限公司，
类型：发明
国别省市：