[发明专利]一种基于雷达与视频融合的道路运行状态检测方法及系统

说明书

本发明涉及道路交通状态检测技术领域，尤其涉及一种基于雷达与视频融合的道路运行状态检测方法及系统，包括如下步骤：步骤一：通过毫米波雷达和视频检测器对运动目标进行数据采集，对数据进行预处理；步骤二：将毫米波雷达数据坐标转换至视频像素坐标系坐标，并将毫米波雷达与视频检测器的时间进行配准，实现毫米波雷达的冗余车辆感兴趣区域对视频图像的映射，完成空间与时间上的融合；步骤三：采用经历史图像数据训练得到的卷积神经网络对感兴趣区域进行车辆识别，确定存在车辆的感兴趣区域，剔除雷达虚警信息。步骤四：根据车辆识别结果进行交通统计数据计算，得到一定时间段内交通运行状态参数，包括流量、平均速度和排队长度。

技术领域

本发明涉及道路交通状态检测技术领域，尤其涉及一种基于雷达与视频融合的道路运行状态检测方法及系统。

背景技术

国民经济的飞速发展不断刺激居民出行需求，人均机动车保有量逐年攀升，城市间交通活动出行日益频繁，高速公路作为公路交通的主动脉将承载越来越多的出行交通流量。智慧高速公路建设是提升高速公路通行效率与运营安全的有效手段，而全方位智慧感知体系是实现高速公路智能管控、智能服务和智能决策的基础条件，技术发展使得交通检测器不断向智能感知系统发展，交通状态检测性能逐渐优化，设备种类多样。

高速公路现有的感知系统大多基于视频检测器，视频检测器集成了图像处理技术、摄像机技术和车辆检测技术，摄像头一般固定安装在道路门架上，摄像机在道路现场实时监测区域视频图像，当车辆通过摄像机检测区域时，引起无车状态时视频图像的灰度数值变化，在图像处理技术的支持下比较灰度变化，以车辆检测技术获得车辆流量、车型、车速等交通信息。常用的视频车辆检测算法有光流法、背景差分法，但这些算法精确度较差，基于深度学习的目标检测算法不需要人工设定特征，且运行速度较快，逐渐得到推广应用。基于视频检测器的交通状态检测单元一般由摄像机、视频处理模块、交通分析模块、通信传输模块等构成。视频检测器采集的图像信息直观且检测精度较高，但在大雾、雨雪等光照条件较差的恶劣天气环境中，视频检测器的观察范围受到影响，此外体积较大车辆的遮挡容易造成小型车辆的漏检。

在建设智慧高速时毫米波雷达被广泛采用，可以安装在道路侧方或者车道上方。毫米波雷达是工作在毫米波波段探测的雷达，利用高频电路产生的特定调制频率电磁波，根据发射信号与回波信号差频频率计算目标的径向距离以及目标速度在目标与雷达中心连线方向的分速度。根据辐射电磁波方式不同，毫米波雷达主要有脉冲体制及连续波体制两种工作体制，目前大多数交通信息检测雷达采用基于调频连续波的工作模式。基于毫米波雷达的交通状态检测单元一般由天线、收发模块、信号处理模块、数据传输模块等构成。毫米波雷达能够穿透雾、烟、灰尘，通过捕获反射信号，可以对多车道多目标进行跟踪，能够获取距离、速度、角度等参数，但在大车长时间遮挡小车和因高分辨率多次识别大型车辆不同位置的情况下会产生检测误差。

鉴于上述问题的存在，本设计人基于从事此类产品工程应用多年丰富的实务经验及专业知识，并配合学理的运用，积极加以研究创新，以期创设一种基于雷达与视频融合的道路运行状态检测方法及系统，使其更具有实用性。

发明内容

为了达到上述目的，本发明所采用的技术方案是：一种基于雷达与视频融合的道路运行状态检测方法，包括如下步骤：

步骤一：通过毫米波雷达和视频检测器对运动目标进行数据采集，毫米波雷达实时采集运动目标的位置、速度和角度；视频检测器实时采集高清图像信息，对数据进行初步处理，过滤干扰和无效信息，保证传感器数据质量；

步骤二：将毫米波雷达数据坐标转换至视频像素坐标系坐标，并将毫米波雷达与视频检测器的时间进行配准，把毫米波雷达的冗余车辆感兴趣区域对视频图像的映射，完成传感器的时空融合；

步骤三：采用经历史图像数据训练得到的卷积神经网络对感兴趣区域进行识别，确定存在车辆的感兴趣区域，剔除雷达虚警信息。

步骤四：根据车辆识别结果进行交通统计数据计算，得到一定时间段内交通运行状态参数，包括流量、平均速度和排队长度。