[发明专利]一种基于无人机航拍视频交通信息统计方法及系统

权利要求书

1.一种基于无人机航拍视频交通信息统计方法，应用在交通信息自动统计系统中，其特征在于，所述统计方法包括：

航拍视频采集步骤：采集无人机高分辨率航拍视频，将无人机传输的模拟信号转换成数字视频；

视频起始帧检测步骤：对高分辨率航拍视频中起始帧作多目标检测；将单帧图像按规则剖分成多张图像，通过采用深度学习算法YOLO-9000对高分辨率航拍视频中起始帧作多目标检测，并对多个剖分对象中的检测目标进行整体合并得到检测结果；

视频帧跟踪步骤：根据将目标检测结果作为视频帧目标跟踪的初始跟踪目标，并根据两帧之间的目标位移进行目标跟踪；将目标框表示被跟踪的目标，并在连续的相邻视频帧之间估计目标运动；

视频帧更新输出步骤：通过目标检测与目标跟踪的结果对目标进行更新，以达到目标的实时准确跟踪，获取基于高分辨率航拍视频中目标的跟踪信息，即跟踪目标在视频帧序列中每一帧图像中的位置和种类；

交通信息统计步骤：根据跟踪的结果进行后处理及经过视帧图像像方空间与物方空间的转换获取每个像素的实际空间坐标，目标在时间序列中的空间轨迹计算交通信息，获取道路交通流信息；

视频起始帧检测步骤包括：

单帧图像剖分子步骤：对视频中单帧图像按规则剖分成多张图像提取，设单帧图像的高与宽分别为W和H，剖分图像的宽和高分别为w和h，宽度与高度之间的重叠间隔分别为△w和△h，则共有剖分图像的个数P_n为：

图像多目标检测子步骤：深度学习算法YOLO-9000对高分辨率航拍视频中起始帧作多目标检测，维度聚类过程中YOLO-9000算法采用的是k-means聚类算法，选取最佳尺寸的候选框；k-means聚类算法需要提前指定聚类簇的个数k，且其对种子点的初始化敏感，采用k-means++算法及新的距离计算公式；

设通过卷积获取的候选框集合为

①从候选框集合中随机选择一个候选框作为第一个聚类中心；

②对于候选框集合计算中每一个候选框与最近聚类中心即已选择的聚类中心的距离D(x)；

设为候选框集合中任意一个候选框，为候选框集合中的一个聚类中心，则μ_i与μ_k之间的距离D(x)_ik为：

D(x)_ik＝1-f[IOU(μ_i,μ_k)]；

其中f(·)为Sigmoid激活函数，其公式为：

IOU(·)为检测评价函数，即模型产生的目标窗口和原来标记窗口的交叠率；

设候选框μ_i的范围为(x_i,y_i,w_i,h_i)，候选框μ_k的范围为(x_k,y_k,w_k,h_k)，候选框μ_i与候选框μ_k的IOU指即为两矩形框的交集与并集之间的除值，即：

③选择一个新的候选框作为新的聚类中心，选择的原则是：D(x)较大的候选框，被选取作为聚类中心的概率较大；

④重复②③直到m个聚类中心被选出来；

⑤根据m个初始的聚类中心来运行标准的k-means聚类算法；

目标合并子步骤：根据图像多目标检测子步骤对每个剖分的进行多目标检测，检测图像中的不同种类的车辆，剖分图像之间存在重叠，且剖分图像的边界地区也存在待检测的车辆，将单帧图像中所有的剖分图像的已检测目标进行合并，假设任意两个已检测目标分别为t_i，t_j，则t_i，t_j是否为同一目标由以下公式判定：

t_i，t_j∈同一目标IF IOU(t_i,t_j)≥0.8t_i，t_j∈同一种类。