[发明专利]一种交通拥堵分析方法、装置及分析设备

说明书

本发明提供一种交通拥堵分析方法、装置及分析设备，属于图像处理技术领域，所述交通拥堵分析方法包括：从目标道路视频中获取道路图像；利用深度学习网络模型检测道路图像中的目标，得到目标检测结果，所述深度学习网络模型通过采用初始图像样本数据以及对所述初始图像样本数据进行增强处理后得到的图像样本数据进行训练得到；对所述目标检测结果中的目标进行目标跟踪，得到目标跟踪结果；根据所述目标检测结果和所述目标跟踪结果，计算交通参数；根据所述交通参数，生成道路的交通拥堵信息。本发明通过使用优化的深度学习网络模型进行目标检测，可以提高目标的检测精度和检测效率，从而使交通拥堵分析结果更加准确。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种交通拥堵分析方法、装置及分析设备。

背景技术

随着汽车保有量的不断增长，交通拥堵、交通事故等问题频发，城市交通面临越来越大的压力，获取基本交通参数用于交通管理，显得尤为重要。

当前常见的拥堵分析方法主要分为两类：一是基于路面感应线圈等硬件传感器设备采集到的数据以及人为观察监控视频来进行分析，但存在着成本高且效率低的缺点；二是基于交通监控视频，利用计算机视觉技术进行拥堵分析，但该类技术大部分采用传统的图像处理方法，此类方法极易受环境干扰，阴天、雨雾天、光线变化等都会对算法结果造成影响，精度不高。

发明内容

有鉴于此，本发明提供一种交通拥堵分析方法、装置及分析设备，用于解决目前交通拥堵检测中目标检测的精度低、效率低、交通拥堵分析结果的准确度不高的问题。

为解决上述技术问题，第一方面，本发明提供一种交通拥堵分析方法，包括：

从目标道路视频中获取道路图像；

利用深度学习网络模型检测道路图像中的目标，得到目标检测结果，其中，所述深度学习网络模型通过采用初始图像样本数据以及对所述初始图像样本数据进行增强处理后得到的图像样本数据进行训练得到；

对所述目标检测结果中的目标进行目标跟踪，得到目标跟踪结果；

根据所述目标检测结果和所述目标跟踪结果，计算交通参数；

根据所述交通参数，生成道路的交通拥堵信息。

可选的，所述增强处理包括负样本增强、尺度增强、旋转变化、颜色增强中的至少一者。

可选的，所述负样本增强包括：

获取多种场景的初始图像；

若所述初始图像中不存在目标，则将所述初始图像加入负样本集；

若所述初始图像中的目标的数量少于第一预设阈值，则利用所述初始图像中不含目标的图像块替换目标所在的目标区域，将得到的不含目标的图像加入负样本集；

其中，所述负样本集用于在训练所述深度学习网络模型时作为负样本数据。

可选的，所述交通参数包括针对道路整体的第一交通参数以及针对道路上每一车道的第二交通参数，所述根据所述交通参数，生成道路的交通拥堵信息包括：

根据所述第一交通参数，得到道路整体的第一交通拥堵信息；

以及，根据所述第二交通参数，得到道路上每一车道的第二交通拥堵信息。

可选的，所述第一交通参数包括：道路中所有目标的数量、道路中每一目标类别中的目标的数量、道路中所有目标的平均速度、道路中目标的流量、道路的时间占有率、道路的空间占有率、道路的排队长度中的至少一者；所述第二交通参数包括：车道中的目标的数量、车道中目标的平均速度、车道的时间占有率、车道的空间占有率、车道的排队长度中的至少一者。