[发明专利]车流密度检测方法、系统及计算机可读存储介质

权利要求书

1.一种车流密度检测方法，其特征在于，包括以下步骤：

获取车流视频数据，并对所述车流视频数据进行预处理，得到预处理视频数据；

构建深度学习网络，将所述预处理视频数据输入至所述深度学习网络中，得到背景图像；

根据所述背景图像，采用背景差分法获取每一帧图的前景区域中的前景运动目标；

采用最大连通区域检测和行扫描标记算法，获取所述前景运动目标的最小外截距，根据所述最小外截距确定车辆；

根据所述每一帧图的所述车辆的数量，计算得到车流密度。

2.根据权利要求1所述的车流密度检测方法，其特征在于，所述获取车流视频数据，包括：

通过无人机实时采集目标检测区域中的车流视频，得到车流视频数据；其中，所述无人机包括飞行控制模块、摄像模块、导航模块和通信模块，所述摄像模块、所述导航模块和所述通信模块分别与所述飞行控制模块电连接。

3.根据权利要求1所述的车流密度检测方法，其特征在于，所述构建深度学习网络，将所述预处理视频数据输入至所述深度学习网络中，得到背景图像，包括：

训练深度学习网络；其中，所述深度学习网络包括深度卷积编码器—解码器网络和全卷积网络；

将所述预处理视频数据和对应的黑白静态图输入至所述深度卷积编码器—解码器网络中，得到特征图像；

将所述预处理视频数据和所述特征图像输入至全卷积网络中，得到背景图像。

4.根据权利要求3所述的车流密度检测方法，其特征在于：采用前景预测损失函数和分组损失函数对所述深度学习网络进行优化。

5.根据权利要求1所述的车流密度检测方法，其特征在于：所述根据所述背景图像，采用背景差分法获取每一帧图的前景区域中的前景运动目标之后，包括：

对所述每一帧图的前景区域进行二值化处理和腐蚀膨胀计算，以消除所述前景运动目标的内部的空隙以及去除微小目标，得到每一帧图的前景区域中的车辆运动目标。

6.根据权利要求5所述的车流密度检测方法，其特征在于：所述采用最大连通区域检测和行扫描标记算法，获取所述前景运动目标的最小外截距，包括：

建立二维标记表；其中，所述二维标记表与所述每一帧图等宽等高；

基于所述二维标记表，逐行扫描所述每一帧图，以获取所述车辆运动目标的最大连通区域；

根据所述最大连通区域，获取所述车辆运动目标的最小外截距。

7.根据权利要求6所述的车流密度检测方法，其特征在于，所述根据所述最大连通区域，获取所述车辆运动目标的最小外截距，包括：

基于所述每一帧图，构建交叉线模型；

根据所述交叉线模型，确定所述车辆运动目标的阴影；

根据所述最大连通区域、所述二维标记表，构建映射表；

采用最小外截距算法对所述映射表进行更新，得到所述车辆运动目标的最小外截距的面积；

根据面积的阈值，过滤所述车辆运动目标的部分阴影，得到所述车辆运动目标的最小外截距。

8.根据权利要求2所述的车流密度检测方法，其特征在于，所述根据所述每一帧图的所述车辆的数量，计算得到车流密度，包括：

统计所述每一帧图的所述车辆的数量；

获取所述目标检测区域中最大容纳车数；

根据所述每一帧图的所述车辆的数量、所述目标检测区域中最大容纳车数，计算得到车流密度。

9.一种车流密度检测系统，其特征在于，包括：至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1至8任一项所述的车流密度检测方法。

10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至8任一项所述的车流密度检测方法。