[发明专利]一种基于无人机交通视频的车流量统计方法

说明书

一种基于无人机交通视频的车流量统计方法，包括如下步骤：在需要统计车流量的路口，画定标志线；选定一个与周围环境有差异的参照物；跟踪参照物，计算参照物的相对偏移量，并根据偏移量修正标志线的位置；运用深度学习技术对视频中的车辆目标进行检测；提取目标区域的HOG特征，并使用训练好的机器学习分类模型进行预测，判断出对应车辆的类别；通过前后帧匹配，建立前后帧运动区域之间的联系，判断前后两帧区域的中心点是否在标记线两侧，分别统计左转、直行、右转的车辆类型和车辆数量；将流量信息导出并存储。本发明能统计并高精度的分析视频中不同车型的流量，极大地减轻工作人员的工作负荷，并且将大大提高工作效率。

技术领域

本发明涉及一种基于无人机交通视频的车流量统计方法，具体通过计算机视觉技术分析无人机拍摄的交通视频，对路口的不同车型进行流量统计，该方法在智能交通、城市规划和建设等领域有着广泛的应用需求。

背景技术

无人机交通视频指用无人机对道路交通进行航拍获得的视频，具备一般摄像头所不能轻易拥有的视角，是分析交通实时路况、规划和建设交通设施等任务的一个客观依据。

为了更好地分析交通路口的车流量变化情况，通过部署监控摄像头，经过车辆检测、车辆分类、流量统计等操作，可以帮助交通道路设计人员更好地分析优化路口的情况，设计出更加符合实际需求的道路。

由于拍摄人员以及部署位置等因素，目前现有的无人机交通路口视频包含着各种角度（0~90度），高度（从地面到空中几十米）。同时，不同型号的摄像机也导致拍摄视频的分辨率无法统一（720P~4K）。除此之外，由于风力等外部环境的影响以及拍摄人员录制视频时可能的行为变化，导致视频图像常常包含大量抖动（特指100像素以上的数量级）。由于拍摄目标较小，所以一般的车流量分析方法对这种变化非常敏感。

发明内容

本发明针对现有技术中的不足，提供一种基于无人机交通视频的车流量统计方法。

为实现上述目的，本发明采用以下技术方案：

一种基于无人机交通视频的车流量统计方法，其特征在于，包括以下步骤：

步骤1）：在需要统计车流量的路口，画定标志线；

步骤2）：选定一个静止的且与周围环境在颜色或几何形状上有差异的参照物；

步骤3）：跟踪参照物，计算参照物的相对偏移量，并根据偏移量修正标志线的位置；

步骤4）：运用深度学习技术对视频中的车辆目标进行检测；

步骤5）：提取目标区域的HOG特征，并使用训练好的机器学习分类模型进行预测，判断出对应车辆的类别；

步骤6）：通过前后帧匹配，建立前后帧运动区域之间的联系，判断前后两帧区域的中心点是否在标记线两侧，分别统计左转、直行、右转的车辆类型和车辆数量；

步骤7）：视频处理结束后，自动将流量信息导出并存储。

为优化上述技术方案，采取的具体措施还包括：

所述步骤1）中的路口为十字路口，在十字路口处画定四条标志线。

所述步骤3）中，通过核相关滤波的目标跟踪方法跟踪已标记的参照物，每一帧都对参照物计算相对偏移量，并以相对偏移量修正标志线因视频抖动造成偏移的目标位置。

所述步骤5）中的机器学习分类模型采用如下方式建立：采用标记数据集的交互式工具对给定图像进行标记车辆的操作，以获得包括车型的车辆数据集，用作车辆检测与分类学习任务中的训练数据集；提取训练数据集的HOG特征，并训练机器学习分类模型。

所述机器学习分类模型可采用随机森林或SVM。