System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于高空飞行器多路视频的交通流参数检测方法技术_技高网

一种基于高空飞行器多路视频的交通流参数检测方法技术

技术编号:39965013 阅读:10 留言:0更新日期:2024-01-09 00:20
本发明专利技术公开了一种基于高空飞行器多路视频的交通流参数检测方法,包括以下步骤:S1:训练模型:将已有路口的交通流数据输入深度学习网络模型中并调整超参数,基于labelimg软件对训练模型中车辆、行人等进行标记,对模型进行多轮训练,得出最优模型;S2:预测模型:在步骤S1中获得的最优模型中输入400米的高空视频流,并进行降帧处理,对每帧图像进行分割并进行图像增强处理,检测图分割后图片中的目标数据,对完成识别后的分割图片进行合成,形成每一帧图片,获得目标值;S3:对合成后的每一帧图片进行车道线、速度线、流量线、排队长度线等交通标识进行标定,并输出多路视频的交通流结构化数据。本发明专利技术具有检测精度高、降低检测设备成本的优点。

【技术实现步骤摘要】

本专利技术涉及交通流参数检测,特别是涉及一种基于高空飞行器多路视频的交通流参数检测方法


技术介绍

1、近年来,随着我国智能交通的普及,越来越多的高新技术应用于交通发展领域。其中,红外传感技术、雷达检测技术和视频目标追踪技术等作为我国检测交通流参数的常用方法,可以实时检测路口的交通状况,获取相关参数。然而,由于我国交通的迅速发展,道路压力的增加,路口的交通状况呈现出各式各样的问题,这不仅对人们通勤、旅游等出行产生极大的影响,也对交通管理和控制提出严峻考验。

2、交通流参数是检验交通运行状态的重要物理参数,检测路口的交通流参数能够直观的反映路口的交通状态。尽管我国智能化的交通流参数采取技术在不断发展,但依然存在一定的局限性。目前,我国多采用低空设备对于路口交通流的相关参数进行检测,例如雷达、鹰眼等检测设备。就单个交叉口而言,低空检测设备对于一个路口各个方向的交通流参数进行检测时,往往需要在每个方向均安装相应的检测设备,这很大程度上提高了检测交通流参数时所需要的成本;此外,考虑到低空设备的安装位置,可能会出现视频监控的俯仰角过大,导致路口交通流参数检测精度较低、视频覆盖面不足的情况。


技术实现思路

1、针对上述现有技术的不足,本专利申请所要解决的技术问题是如何提供一种提高路口交通流参数检测精度、降低检测设备成本的基于高空飞行器多路视频的交通流参数检测方法。

2、为了解决上述技术问题,本专利技术采用了如下的技术方案:

3、一种基于高空飞行器多路视频的交通流参数检测方法,包括以下步骤:s1:训练模型:将已有路口的交通流数据输入深度学习网络模型中并调整超参数,基于labelimg软件对训练模型中车辆、行人等进行标记,对模型进行多轮训练,得出最优模型;s2:预测模型:在步骤s1中获得的最优模型中输入400米的高空视频流,并进行降帧处理,对每帧图像进行分割并进行图像增强处理,检测图分割后图片中的目标数据,对完成识别后的分割图片进行合成,形成每一帧图片,获得目标值;s3:对合成后的每一帧图片进行车道线、速度线、流量线、排队长度线等交通标识进行标定,并输出多路视频的交通流结构化数据。

4、作为优化,步骤s2中输入的400米高空视频流为30fps。

5、作为优化,步骤s2中,400米高空视频流通过高空飞行器调查取得的路口视频。

6、作为优化,步骤s2中,将每一帧图像看成一张图片,将其分割为4-8小图片,对每一张小图片进行增强处理,确保每一张图片上的目标能被识别到。

7、作为优化,步骤s2中进行目标检测时采用labelimg软件对分割后的小图片进行一键目标检测,标的包括车辆和行人。

8、作为优化,步骤s2中对每一帧图片进行合成时,删除相同标的的重复标记目标。

9、作为优化,步骤s3中,输出的多路视频交通流结构化数据包括流量、行驶方向、速度、密度、延误的交通流参数。

10、综上,本专利技术为了避免低空视频对交通流参数提取的弊端,提出了一种基于高空飞行器多路视频的交通流参数检测方法,对路口交通的多路视频进行图像拆分、处理、合并等操作,从而得出多路视频的交通流参数数据,针对不同的路口,该方法也能够同时得到路口多个方向的交通流参数。

本文档来自技高网...

【技术保护点】

1.一种基于高空飞行器多路视频的交通流参数检测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于高空飞行器多路视频的交通流参数检测方法,其特征在于,步骤S2中输入的400米高空视频流为30fps。

3.根据权利要求2所述的一种基于高空飞行器多路视频的交通流参数检测方法,其特征在于,步骤S2中,400米高空视频流通过高空飞行器调查取得的路口视频。

4.根据权利要求1所述的一种基于高空飞行器多路视频的交通流参数检测方法,其特征在于,步骤S2中,将每一帧图像看成一张图片,将其分割为4-8小图片,对每一张小图片进行增强处理,确保每一张图片上的目标能被识别到。

5.根据权利要求1所述的一种基于高空飞行器多路视频的交通流参数检测方法,其特征在于,步骤S2中进行目标检测时采用labelimg软件对分割后的小图片进行一键目标检测,标的包括车辆和行人。

6.根据权利要求1所述的一种基于高空飞行器多路视频的交通流参数检测方法,其特征在于,步骤S2中对每一帧图片进行合成时,删除相同标的的重复标记目标。

7.根据权利要求1所述的一种基于高空飞行器多路视频的交通流参数检测方法,其特征在于,步骤S3中,输出的多路视频交通流结构化数据包括流量、行驶方向、速度、密度、延误的交通流参数。

...

【技术特征摘要】

1.一种基于高空飞行器多路视频的交通流参数检测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种基于高空飞行器多路视频的交通流参数检测方法,其特征在于,步骤s2中输入的400米高空视频流为30fps。

3.根据权利要求2所述的一种基于高空飞行器多路视频的交通流参数检测方法,其特征在于,步骤s2中,400米高空视频流通过高空飞行器调查取得的路口视频。

4.根据权利要求1所述的一种基于高空飞行器多路视频的交通流参数检测方法,其特征在于,步骤s2中,将每一帧图像看成一张图片,将其分割为4-8小图片,对每一张小图片进行增强处理,确保每...

【专利技术属性】
技术研发人员:邢茹茹杨涛梁译文杨泽鹏张兴华
申请(专利权)人:重庆交通大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1