[发明专利]高速公路路段的车辆行驶拥堵状态的参数获取及评估方法

说明书

本发明属于计算机视觉技术领域，尤其涉及一种高速公路路段的车辆行驶拥堵状态的参数获取及评估方法。其能够准确、实时、高效的评估高速公路中车辆的拥堵状态，为交通的管理和运营提供准确的数据支持。包括以下步骤：建立特征增强模块；使用改进FCOS网络检测车辆目标；使用SORT算法跟踪车辆目标；获取交通特征参数；建立车辆拥堵状态评估模型。

技术领域

本发明属于计算机视觉技术领域，尤其涉及一种高速公路路段的车辆行驶拥堵状态的参数获取及评估方法。

背景技术

截止到2020年，中国公民拥有机动车数目超过3.72亿辆，机动车的使用为人类的生产生活带来了巨大的帮助，但是数量庞大的机动车为城市交通的良好运行带来了巨大的挑战，城市交通面临着巨大的压力，车辆拥堵成为城市规划中亟需解决的问题。

车辆拥堵检测的研究与目前的很多技术互相融合，按照交通特征参数获取方法的不同，可以将车辆拥堵检测分为基于地磁线圈的车辆拥堵检测、基于微波的车辆拥堵检测、基于车载GPS数据的车辆拥堵检测以及基于视频的车辆拥堵检测四类。地磁线圈属于灵敏器件，如果附近有金属物体会影响地磁线圈的准确性，在铺埋时，对施工人员的技术要求较高，往往会花费非常大的时间成本和经济成本。铺埋地磁线圈会大面积的毁坏路面，一经铺埋，无法保养和维修。基于微波方法检测的准确率受环境因素的影响较小，但是无法检测静止的车辆和速度较慢的车辆，无法适应特殊情况的道路交通状态。而基于车载GPS数据的车辆拥堵检测虽然不需要在道路上安装任何设备，但是在对数据进行处理时会存在很多的冗余计算，计算量十分巨大。而道路监控摄像头的成本在不断下降，各地交通部门有经济能力将摄像头安装在各处道路。相比于其他交通监测方式，道路监控摄像头可以直观的观测的各处路段的交通通行情况，并且安装时不会影响道路交通的正常通行。目前我国绝大多数道路上都已安装有监控摄像头，可以节省大量的设备成本，各种视频图像处理技术也发展迅速，特别是深度学习在对视频图像进行分析识别的效果显著。

目前基于视频的车辆拥堵检测主要是通过深度学习算法和传统图像算法来获取视频中的交通特征参数，通过相关的拥堵判别算法来评估车辆拥堵状态。在获取交通特征参数时，基于视频的车辆拥堵检测会存在对小尺寸车辆漏检的情况，这会对车辆拥堵检测及状态评估的结果产生严重的影响。

发明内容

本发明就是针对现有技术存在的缺陷，提供一种高速公路路段的车辆行驶拥堵状态的参数获取及评估方法，其通过深度学习和传统图像处理方法相结合的方法实现视频中交通特征参数的获取，并应用数学模型准确的实现对车辆拥堵状态的评估。

为实现上述目的，本发明采用如下技术方案，包括以下步骤:

建立特征增强模块；

使用改进FCOS网络检测车辆目标；

使用SORT算法跟踪车辆目标；

获取交通特征参数；

建立车辆拥堵状态评估模型。

进一步地，所述建立特征增强模块用于将视频拆分为单帧图像，在图像中划分检测区域；

所述使用改进FCOS网络检测车辆目标用于检测划分区域中的车辆目标；

所述使用SORT算法跟踪车辆目标用于根据车辆目标的检测结果跟踪图像中的车辆目标；

所述获取交通特征参数用于：跟据车辆检测的结果获取车辆密度、根据车辆检测和车辆跟踪的结果获取车辆速度；

所述建立车辆拥堵状态评估模型用于：车辆密度和车辆速度输入车辆拥堵状态评估模型，得出车辆拥堵状态。

进一步地，所述建立特征增强模块包括以下步骤使用1×1的卷积操作来规范化的特征图；采用对应点相乘的方式融合浅层特征图和经过插值上采样操作的深层特征图；对融合后的特征图进行了1×1的卷积操作，得到最终的增强特征图。