[发明专利]道路区域标定方法及电子设备

说明书

本公开提供道路区域标定方法及电子设备。该方法包括：针对道路视频中指定时长内的任意一帧视频图像，利用预设的目标检测神经网络模型对所述视频图像进行车辆目标检测，得到各目标车辆的检测位置；基于各目标车辆的检测位置对各目标车辆进行识别，得到各目标车辆的标识，其中，不同视频图像中同一目标车辆的标识相同；针对任意一个目标车辆，通过所述指定时长内各帧视频图像中所述目标车辆的标识和检测位置，确定所述目标车辆在道路中的运动轨迹；根据各目标车辆在所述道路中的运动轨迹，确定所述道路中的车辆密集区域。故此，本公开可以确定出指定时长内道路中的车辆密集区域，可以及时对道路中的车辆密集区域进行干预，提高车辆出行效率。

技术领域

本发明涉及智能交通技术领域，特别涉及一种道路区域标定方法及电子设备。

背景技术

随着经济的迅速发展，城市道路中的车辆越来越多，导致城市交通越来越拥堵，所以需要对城市交通道路中的车辆密集区域进行标定，以便于提前对密集区域的车辆进行干预。以此来提高车辆出行效率。

但是，现有技术中并没有可以对道路中车辆密集的区域进行标定的方法。由此，导致交通出行的效率较低。

发明内容

本公开示例性的实施方式中提供一种道路区域标定方法及电子设备，用于对道路中的车辆密集区域进行标定，以便于提前对车辆密集区域进行干预，提高交通出行的效率。

本公开的第一方面提供一种道路区域标定方法，所述方法包括：

针对道路视频中指定时长内的任意一帧视频图像，利用预设的目标检测神经网络模型对所述视频图像进行车辆目标检测，得到各目标车辆的检测位置；

基于各目标车辆的检测位置对各目标车辆进行识别，得到各目标车辆的标识，其中，不同视频图像中同一目标车辆的标识相同；

针对任意一个目标车辆，通过所述指定时长内各帧视频图像中所述目标车辆的标识和检测位置，确定所述目标车辆在道路中的运动轨迹；

根据各目标车辆在所述道路中的运动轨迹，确定所述道路中的车辆密集区域。

本实施例中通过对道路视频中指定时长内的任一帧视频图像，利用预设的目标检测神经网络模型对所述视频图像进行车辆目标检测，得到各目标车辆的检测位置，然后基于各目标车辆的检测位置对各目标车辆进行识别，得到各目标车辆的标识，并针对任意一个目标车辆，通过所述指定时长内各帧视频图像中所述目标车辆的标识和检测位置，确定所述目标车辆在道路中的运动轨迹；最后根据各目标车辆在所述道路中的运动轨迹，确定所述道路中的车辆密集区域。由此，本实施例可以确定出指定时长内道路中的车辆密集区域，可以及时对道路中的车辆密集区域及时干预，提高车辆出行效率。

在一个实施例中，所述目标检测神经网络模型的主干网络中至少一个目标卷积的扩张率为设定值的空洞卷积，且所述目标卷积为指定大小的卷积。

本实施例通过将目标检测神经网络模型的主干网络将至少一个指定大小的卷积替换为扩张率为设定值的空洞卷积。以此，利用目标检测神经网络中的空洞卷积来扩展全局视野来获取视频图像中更多抽象特征和空间信息。使得车辆目标检测的结果更加准确。

在一个实施例中，所述基于各目标车辆的检测位置对各目标车辆进行识别，得到各目标车辆的标识，包括：

针对任意一个目标车辆，通过匈牙利算法将所述目标车辆的检测位置分别与各目标车辆的预测位置进行匹配，确定与所述目标车辆的检测位置相对应的预测位置；其中，所述各目标车辆的预测位置是利用卡尔曼滤波算法对上一帧视频图像中的各目标车辆的检测位置进行预测得到的；

若确定与所述目标车辆的检测位置相对应的预测位置的数量为一个，则将与所述预测位置对应的上一帧视频图像中目标车辆的标识确定为所述目标车辆的标识；