[发明专利]一种基于计算机视觉的道路目标流量监测系统

说明书

本发明公开了一种基于计算机视觉的道路目标流量监测系统，研究目标为图像目标监测，基于机器视觉库opencv的yolov4卷积神经网络模型，进行批量预处理拟定检测目标，优化原yolov4的损失函数，利用模块化矩阵检测系统框选出图片上每一个拟定识别物体，并对对象进行分类并计数，且输出每一个监测对象的坐标；对于采集数据的偏差，进行自定义的临界值设置与比对；将获取的视频、数据、标识结果进行存储，实时导入数据库，进行大数据的采集与分析，使得目标分类更细化，为图像化管理提供基础，在保证识别精度的同时,提升运算效率,加快检测速度，为后序规划提供现实可靠的数据源。

技术领域

本发明涉及图像目标监测技术领域，具体为一种基于计算机视觉的道路目标流量监测系统。

背景技术

交通流量信息是交通控制中的重要信息，要实现交通流数据的提取，先要进行车辆检测.目前国内常见的交通流检测的方法有超声波检测、红外检测、环形感应圈检测和计算机视觉检测，超声波检测精度不高，容易受车辆遮挡和行人的影响，检测的距离短(一般不超过12m)；红外检测受车辆本身热源的影响，抗噪声的能力不强，检测精度也不高；环形感应圈检测精度高，但要求设置于路面土木结构中，对路面有损坏，施工和安装不便，而且安装的数量多。

发明内容

为了克服上述问题，本发明提出了一种基于计算机视觉的道路目标流量监测系统，包括以下步骤：

步骤一，数据采集，数据采集包括静态图片采集和动态视频采集，以摄像头对现场检测目标状态与位置进行采集，用传感器设备对环境进行检测；并将云端与智能终端相连接，研究人员对交通控制系统实现远程可视化监察与控制的管理，图像采集与智能识别系统以C/S架构呈现，实现智能设备与后台控制程序交互；

步骤二，数据分析，在数据分析过程中，过滤器为自定义模式，根据样本的采集进行背景移除、临界值、腐蚀化、双边过滤、中值模糊或拓展形态的处理，得到更精确的结果；

步骤三，数据存储，将获取的视频、数据、标识结果进行存储，实时导入数据库，以进行大数据的采集与分析，使得目标分类更细化，并将数据库与上位机连接，实现数据库与上位机之间的数据信息传递。

优选的，在步骤二中，腐蚀化处理的目的在于消除画布中图像的边界点，令边界按拟定参数向内部收缩，用于消除与检测目标相比无意义的物体。

优选的，在步骤二中，对图像的中值模糊处理，采用MedianBlur函数，作为一个非线性的滤波器，取当前领域的中值作为当前点的灰度值。

优选的，通过YOLO网络进行对象识别，具体包括以下步骤：

步骤一，实时读取摄像头内的信息送入YOLO网络，并把图片等分为多个格子；

步骤二，预测每个格子当中是否存在目标中心点，若存在则实现目标检测，其工作内容需要确定目标是否属于检测对象以及检测对象所在位置，预测目标位置时需获得以下参数：即目标框中心点位置，目标框的长和宽以及置信度，用以判断选框中内容是否属于检测对象；

步骤三，计算置信度，在抽样对总体参数作出估计时，采用概率的陈述方法，即估计值与总体参数在一定允许的误差范围以内，其相应的概率为计算目标。

优选的，在拍摄过程中，定位至检测图像中带有给定标签的单个目标，之后检测图像中带有给定标签的所有目标。

优选的，拟定摄像头拍摄区域内，60秒，交通流量＜10，区域为白色；10≤交通流量＜20，区域为绿色；20≤交通流量＜30，区域为蓝色；30≤交通流量＜50，区域为黄色；交通流量≥50，区域为红色。

对于归一化指数函数softmax，将多分类的结果以数值概率的形式表达，为确保概率的非负性，softmax将模型的预测结果转化至指数函数上。