[发明专利]一种基于路面提取与分割的深度学习车辆计数方法

说明书

本发明公开了一种基于路面提取与分割的深度学习车辆计数方法，具体包括利用摄像机采集道路的视频图像，利用数字图像处理方法获取道路路面区域并使用分割策略将路面分割成“近端”、“远端”两部分，将分割后的路面区域送入深度学习网络进行车辆目标的检测，并对检测结果进行持续跟踪获取车辆二维轨迹，利用车辆二维轨迹统计某一道路方向的不同类别车辆的流量，达到车辆计数的目的。该方法对于路面远处的小型车辆检测精度较高，为精准的车辆计数提供了数据基础。本发明的方法可应用于多种交通场景，具有较高的稳定性和计数精度，能有效地对图像视野中道路范围的车辆进行准确的检测与持续的跟踪，从而实现车辆的计数，具有广阔的应用前景。

技术领域

本发明属于视频检测技术领域，具体涉及一种基于路面提取与分割的深度学习车辆计数方法。

背景技术

公路的智能化监管在智能交通领域越来越受到关注。我国经济的正处于飞速发展的阶段，车辆日益增多带来了严重的交通拥堵，降低了道路的通行能力。因此，使用较新的科技方法，对道路进行智能化管理，提供道路交通流元数据是十分必要的。对监控摄像头监测的道路范围进行车辆的检测并统计车流量，从而为交通管理部门等相关行业提供数据，达到了公路智能管理与控制的目的。

利用监控视频进行车辆的检测与车流量统计，不需安装额外的检测硬件或设施，成本低廉且具有较高的检测性能，拥有巨大的市场潜力。目前，基于监控视频的车辆检测方法对车辆的检测精度不高，尤其是对于路面的远处的小型车辆存在检测不到等问题，从而无法在实际场景中达到预期效果。

发明内容

针对现有技术中的缺陷和不足，本发明提供了一种基于路面提取与分割的深度学习车辆计数方法，解决目前基于监控视频的车辆检测方法对车辆的检测精度不高，尤其是对于路面的远处的小型车辆存在检测不到等问题。

为达到上述目的，本发明采取如下的技术方案：

本发明提供一种基于路面提取与分割的深度学习车辆计数方法，该方法包括如下步骤：

步骤一，运用数字图像处理方法对交通视频进行处理，提取完整的路面区域图像；

步骤二，利用提取的道路路面区域，使用分割策略将路面分割为“近端”“远端”两部分，得到路面提取分割后的交通图像；

步骤三，使用深度学习目标检测算法，分别对分割后的路面区域进行车辆检测，得到路面“近端”及“远端”的车辆图像位置及车辆类别；

步骤四，使用跟踪算法，并利用步骤三得到的车辆图像位置及车辆类别，获取车辆目标轨迹；

步骤五，在步骤二得到的路面提取分割后的交通图像中确定检测线位置；

步骤六，统计与步骤五中的检测线相交的轨迹，即为车辆计数结果。

本发明还包括如下技术特征：

具体的，所述步骤一具体包括以下步骤：

步骤1.1，取输入的交通视频的多个连续帧，采用高斯混合建模方法，提取出交通场景背景图像，消除路面中车辆行驶的影响；

步骤1.2，对步骤1.1中提取的交通场景背景图像，采用数字滤波器对背景图像进行平滑处理得到交通图像，再对该交通图像进行平滑滤波，得到滤波后的图像；

步骤1.3，对步骤1.2滤波后的图像，采用漫水填充算法，分离出路面区域；

步骤1.4，对步骤1.3提取的路面区域，进行孔洞填充及形态学膨胀操作，从而提取完整的路面区域图像。

具体的，所述步骤二具体包括以下步骤：

步骤2.1，将步骤一得到的路面区域图像，对其生成最小外接矩形，排除路面区域图像中全为0的像素行、全为0的像素列；