[发明专利]基于图像的交通拥堵识别方法、装置以及设备

说明书

本发明公开了一种基于图像的交通拥堵识别方法、装置以及设备，本发明的构思在于通过构造端到端的路况分类模型对车辆行驶中采集的道路交通视频数据进行影像背景特征分析，基于视频中的背景信息，而非图像前景信息，进行交通拥堵与否的辨识，从而可以准确得到当前车辆所在道路的真实路况，进而可以对路线规划进行实时更新，为缓解交通拥堵现象作出具有成效的技术贡献。

技术领域

本发明涉及智能驾驶领域，尤其涉及一种基于图像的交通拥堵识别方法、装置以及设备。

背景技术

交通拥堵是指在某一段时间内，由于交通需求的增加，通过道路中的某条路段或交叉口的总的车流量大于道路的交通容量(路段或交叉口的通行能力)时，导致道路上的交通流无法畅行，超过部分交通流滞留在道路(路段或交叉口)上的交通现象。

而城市道路的交通拥堵问题日趋严峻，已成为制约城市健康、可持续发展的重要因素之一。对于司机来说，如何能够预知路况，改换其他道路行驶，也是解决道路拥堵的至关重要的因素。因而，目前结合网络及计算机技术，已相应发展出基于机器的道路拥堵识别方案，例如但不限于本发明关注的基于图像视觉的交通拥堵识别系统。

目前采用图像分析的交通拥堵识别方案主要通过行车记录仪等车载视觉采录设备拍摄的实时道路情况来分析道路是否为拥堵、缓行、通畅等状态。具体来说，可以由3D-CNN或者CNN+LSTM等技术，结合既定的视频分类策略对路况进行图像层面的识别归类。而现有的分类策略按照常规的技术逻辑和实现习惯，其主要学习的是图像前景语义特征，即是主要通过对图像中的车辆信息进行处理，进而判断路况是否为拥堵状态。但是经由实践分析，本发明认为图像前景信息对于路况判断容易出现偏差，不同路况下的视频图像中的车辆数量、前后车距等特征差异可能并不明显，因此常规思路中基于图像前景信息进行的交通拥堵判定其准确度可能并不高。

发明内容

鉴于上述，本发明旨在提供一种基于图像的交通拥堵识别方法、装置以及设备，以及相应地提供了一种计算机数据存储介质和计算机程序产品，以解决机器通过图像识别路况准确度不高的问题。

本发明采用的技术方案如下：

第一方面，本发明提供了一种基于图像的交通拥堵识别方法，其中包括：

将车辆行驶过程采集的视频数据输入至预先训练的基于端到端的路况识别模型，所述路况识别模型包括影像特征提取网络，所述影像特征提取网络用于提取所述视频数据中的影像信息的背景特征；

经由所述路况识别模型处理，获得用于辨识交通拥堵与否的路况分类结果。

在其中至少一种可能的实现方式中，所述经由所述路况识别模型处理包括：

分别提取所述视频数据中的时间信息以及所述背景特征，其中，所述时间信息包括相邻视频帧的时间间隔特征；

将所述背景特征和所述时间间隔特征叠加后进行时序特征编码；

根据时序特征编码结果进行路况分类。

在其中至少一种可能的实现方式中，所述影像特征提取网络采用自监督机制进行训练，具体包括：

利用包含连续视频帧的路况视频训练样本，随机构造出正序视频样本以及逆序视频样本，并生成对应于正序视频样本以及逆序视频样本的标签值；

将正序视频样本和/或逆序视频样本输入至所述影像特征提取网络，获取到影像信息；

根据所述影像信息以及所述标签值，将输入的路况视频训练样本分类为正序视频或逆序视频，并将分类损失回传至所述影像特征提取网络进行迭代。

在其中至少一种可能的实现方式中，所述路况识别模型的训练方式包括：

对原始训练数据进行动态重采样，得到与原始训练数据的数据分布规律相反的重采样数据；