[发明专利]一种基于深度学习的城市主干道路车流量统计方法

说明书

本发明公开一种基于深度学习的城市主干道路车流量统计方法，包括以下步骤：在城市主干道监控场景中设置虚拟计数线；使用改进的YOLOv5网络模型提取所述城市主干道监控场景中的车辆，获取车辆位置信息；基于所述车辆位置信息，跟踪所述车辆，获取所述车辆的运动轨迹；基于所述运动轨迹与所述虚拟计数线的相交情况，判断所述车辆是否通过所述虚拟计数线，是，则统计所述所述车辆的数目。本发明改进了YOLOv5网络，加快了模型的推理速度，增强了被遮挡车辆检测效果，能够准确地得到实时车流量数据，并且便于传输联网、成本低、易安装，后期维护方便。

技术领域

本发明涉及智能交通技术领域，特别是涉及一种基于深度学习的城市主干道路车流量统计方法。

背景技术

交通拥堵降低了车辆平均行驶速度，造成道路通行能力下降，增加了交通延误时间，同时导致燃油消耗和车辆排污量的增加，对环境也造成了一定程度的污染；此外交通拥堵也会增加交通事故的发生概率，而交通事故又会使道路拥堵情况恶化，由此陷入恶性循环。交通拥堵是众多因素共同作用的结果，包括汽车数量的迅速增加导致道路车流量日益增大；路网结构设计不合理，无法发挥路网的整体功能和各级道路的分流能力；城市道路管理手段落后，目前道路管理仍然依靠交通灯和警察疏导，而当前交叉路口的信号灯大多数都是定时控制，无法按照实际车流量进行合理疏导。目前交通管理部门主要采取如下几种办法来解决交通拥堵问题：道路基础设施建设升级，如拓宽道路，新建道路等；对道路上行驶的车辆数量进行限制，如尾号限行、限制异地车辆进入城区、开发智能交通系统等。

智能交通系统有效解决了城市交通的诸多问题。车流量检测技术就是智能交通系统中的一个重要研究方向。通过在互联网上查看各个道路准确的车流量数据，可以让司机提前规划好出行路线，让交警及时地疏导堵塞线路，将城市道路的利用率提高，并有效地缓解道路堵塞情况。

传统的车流量统计方法主要有感应线圈法、波频检测法等。感应线圈法工作原理是，当车辆行驶至线圈装置区域时，装置收到来自外界的压力，并将压力转化为电流，发出脉冲信号，接收器接收到脉冲信息后可判知已有车辆驶过。波频检测法是将检测装置安装于交通标志杆上，车辆驶入检测范围时，会改变原先电磁波的传播时间或者传输频率，从而能够检测出车辆。而且两种方法不仅操作复杂，维护也十分困难，更无法对车辆进行精确分类，具有很大的局限性。

随着人工智能的快速发展，基于深度学习的车流量统计方法可以准确的得到实时车流量数据，便于传输联网、成本低、易安装，后期维护方便，因此得到广泛的关注。

发明内容

本发明的目的是提供一种基于深度学习的城市主干道路车流量统计方法，以解决上述现有技术存在的问题，利用深度学习对车流量进行统计，能够准确地得到实时车流量数据，并且便于传输联网、成本低、易安装，后期维护方便。

为实现上述目的，本发明提供了如下方案：本发明提供一种基于深度学习的城市主干道路车流量统计方法，包括以下步骤：

在城市主干道监控场景中设置虚拟计数线；

构造改进的YOLOv5检测网络提取所述城市主干道监控场景中的车辆，获取车辆位置信息，其中，所述改进的YOLOv5检测网络包括GhostBottleneckCSP模块，并使用CIOU_LOSS损失函数；

基于所述车辆位置信息，跟踪所述车辆，获取所述车辆的运动轨迹；

基于所述运动轨迹与所述虚拟计数线的相交情况，判断所述车辆是否通过所述虚拟计数线，是，则统计所述所述车辆的数目。

可选地，所述虚拟计数线在不同方向道路设置两条，横跨不同方向的所有车道，并且不同方向车道的所述虚拟计数线之间保持平行。