[发明专利]一种车流量检测方法、装置、设备及介质

说明书

本发明公开了一种车流量检测方法，包括：根据接收到的车辆监控图像集，确定出目标检测图像；将目标检测图像输入至预先建立的目标神经网络中，以生成与目标检测图像对应的目标密度图；其中，目标神经网络中包含经过空洞化处理的卷积层；对目标密度图进行求和操作以得到计算结果，并将计算结果作为目标检测图像中包含的车辆数量。由此可见，本发明采用对卷积层进行空洞化处理的方式，增加了网络的感受野；从而无需设置多列结构的神经网络，即避免了由于多列结构而产生的不必要的计算量，提高了车流量检测过程中的效率，避免了不必要的时间资源浪费。此外，本发明所提供的一种车流量检测装置、设备及存储介质与上述方法对应。

技术领域

本发明涉及智能交通系统技术领域，特别是涉及一种车流量检测方法、装置、设备及介质。

背景技术

随着全球经济和科学技术地飞速发展，交通作为社会发展和人民生活水平提高的基本条件，得到了巨大的发展，交通量也在不断增长。与此同时，交通道路拥堵、交通事故频发以及交通环境恶化等也成为了全球性的问题。

车流量检测是智能交通中的一个重要功能和任务，现有技术中通过轻量化卷积神经网络(Compact Convolutional Neural Network，C-CNN)完成车流量的实时检测，但是C-CNN网络为确保网络的感受野，采用了多列结构，从而导致车流量检测过程中的计算量大大增加，检测过程较为耗时。

由此可见，提供一种能够既能保证网络的感受野，同时又无需增加工作量的车流量检测方法成为当前亟待解决的问题。

发明内容

本发明的目的是提供一种车流量检测方法、装置、设备及介质，提供的目标神经网络中包含经过空洞化处理的卷积层，以增加网络的感受野；从而避免了由于多列结构而产生的不必要的计算量，提高了车流量检测过程中的效率，减少不必要的时间资源浪费。

为解决上述技术问题，本发明提供一种车流量检测方法，包括：

根据接收到的车辆监控图像集，确定出目标检测图像；

将所述目标检测图像输入至预先建立的目标神经网络中，以生成与所述目标检测图像对应的目标密度图；其中，所述目标神经网络中包含经过空洞化处理的卷积层；

对所述目标密度图进行求和操作以得到计算结果，并将所述计算结果作为所述目标检测图像中包含的车辆数量。

优选地，所述目标神经网络具体为通过损失函数处理后得到的神经网络。

优选地，所述目标神经网络包含十一层卷积层；其中，第一卷积层、第四卷积层和第七卷积层后与最大池化层相接，第八卷积层、第九卷积层和第十卷积层为空洞处理后的卷积层。

优选地，所述经过空洞化处理的卷积层的空洞率为2。

优选地，所述目标神经网络中各卷积层具体为经过Ghost压缩操作的Ghost卷积层。

优选地，所述根据接收到的车辆监控图像集，确定出目标检测图像具体为：

根据接收到的车辆监控图像集，将预设时间段内对应的各车辆监控图像确定为所述目标检测图像。

优选地，其特征在于，还包括：

判断是否接收到用于更新所述目标神经网络的更新信息；

如果是，则按照所述更新信息对所述目标神经网络进行更新操作。

为解决上述技术问题，本发明还提供一种车流量检测装置，包括：

确定模块，用于根据接收到的车辆监控图像集，确定出目标检测图像；

生成模块，用于将所述目标检测图像输入至预先建立的目标神经网络中，以生成与所述目标检测图像对应的目标密度图；其中，所述目标神经网络中包含经过空洞化处理的卷积层；