[发明专利]一种基于车载摄像的道路交通状况检测方法

说明书

本发明公开了一种基于车载摄像的道路交通状况检测方法，该方法利用基于深度学习车辆检测理论，充分考虑了道理交通的动态性以及不确定性。交通状况估计在协助车辆动态描述当前交通状况，从而提高了智能交通中的交通效率。本发明针对智能交通系统提出了一种基于车载摄像的交通状况检测方法，以协助车辆通过车载摄像设备收集的交通信息来估计通状况。通过与边缘计算和V2X网络集成，可以获得额外的计算和通信资源，以准确估算车辆到达的交通状况。文发明中提出基于车载摄像的道路交通状况检测方法来对在不同车道上行驶的车辆数量进行计数。最后，对道路交通状况进行细粒度的估计。

技术领域

本发明属于深度学习与智能交通领域，具体涉及一种车载摄像的道路交通状况检测方法。

背景技术

智能交通在迅速发展，应用在汽车领域的技术也在随着快速变革。防撞预警系统主要用于协助驾驶员避免高速、低速追尾，高速中无意识偏离车道，与行人碰撞等重大交通事故。各个研究人员也在投入大量的资源进行研究。在车辆检测与追踪上已经做了大量的工作，对于车辆检测，大多数工作是假定摄像机是静态的。高级辅助驾驶系统主要用于协助驾驶员避免高速、低速追尾，高速中无意识偏离车道，与行人碰撞等重大交通事故。但对于高速公路、乡道以及距离城区较远的道路发生的事故，由于监控摄像头较少，且大多采用固定式拍摄，无法有效地事故监控，指挥交通。驾驶人员与无法及时获取前方道路的交通状况。目前，驾驶人员未将车辆信息共享到云端，在车联网应用场景下，车辆之间能够直接相互通信，获取车辆信息，了解当前的交通状况信息，以便于驾驶人员或具有自动驾驶功能的车辆选择更为适合的驾驶行为和路线。通过汽车上集成的GPS定位，RFID识别，传感器、摄像头和图像处理等电子组件，按照约定的通信协议和数据交互标准，在V2V、 V2R、V2I之间，进行无线通信和信息交换的大系统网络。并融合现代通信与网络技术，实现车与人、车、路、后台等智能信息的交换共享，具备复杂的环境感知、智能决策、协同控制和执行等功能。随着人们生活水平和经济收入的不断提高，汽车变成人们负担得起的必需品，道路上行驶的车辆也越来越多，不仅仅是城市交通状况日渐拥堵，而且远离城市区域的道路交通也开始变得紧张。但对于高速公路、乡道以及距离城区较远的道路等固定式摄像头较少的路段无法进行有效的检测与车辆统计。

发明内容

本发明提供一种基于车载摄像的道路交通状况检测方法，为了能准确的估计当前交通状况并给驾驶人员反馈一个准确估计结果，将车辆作为边缘计算节点，通过车载摄像机感知周围环境，并记录下来。使用车辆数据集训练的模型。利用基于深度学习的目标检测算法YOLOv3来检测所记录视频流中的车辆信息，对视频流进行帧提取，逐帧检测与识别图像中的车辆，对预测出的车辆并绘制出bounding boxes。

针对各个车道上的路段交通评估，由于车载摄像设备相对于车是固定的，而汽车相对于车道的左右位置也是基本固定的，所以车道在车载摄像设备记录的视频中基本保持在一个固定区域内，对视频中提取出的图像设置感兴趣的区域(ROI)，利用的灰度变换、高斯滤波、Canny边缘检测等图像处理技术，然后结合Hough变换找到图像中的线，根据得到的线计算出左车道和右车道，划分出识别到的车辆属于左车道、中间车道、右车道。

根据车辆检测算法，预测车辆画出bounding boxes，对每帧图像中的 boundingboxes进行统计，统计的数目就是当前帧车辆数，结合道路宽度和长度信息，计算某一瞬间内的车辆密度。通过车辆密度的大小反映了一条道路上的交通密集程度，对于同向行驶的具有三车道的道路，为使车辆密度具有可比性，按照单车道估计，最后得到同向行驶路段交通状况，近似地来衡量驾驶员操作车辆的舒适性，和灵活性。能够进一步提高交通管制、事故探测、路线规划的水平。

为实现上述目的，本发明的技术方案为：

一种基于车载摄像的道路交通状况检测方法，(1)车载摄像标定：根据单目车载摄像设备成像原理，车载摄像标定是三维计算机视觉中从二维图像中提取度量信息；