[发明专利]一种基于视频的路口死锁事件检测方法及设备

说明书

本申请涉及智能交通技术领域，提供一种基于视频的路口死锁事件检测方法及设备，该方法采用基于部分通道随机分组卷积的车辆检测模型，提升路口中目标车辆的检测准确率；同时，该车辆检测模型采用多层特征强化融合方式，降低模型对车辆姿态的敏感度，进一步提升了路口中目标车辆的检测准确率；进一步地，通过对车辆检测模型检测出的目标车辆进行跟踪，获得路口对应的交通参数集合，并根据获得的交通参数集合，检测是否发生路口死锁事件。通过准确地检测出目标车辆，提高了路口死锁事件的检测准确率，以便对发生死锁事件的路口及时进行处置，避免车辆在路口持续积累，从而提高路口中车辆的通行效率。

技术领域

本申请涉及智能交通技术领域，尤其涉及一种基于视频的路口死锁事件检测方法及设备。

背景技术

随着经济的发展，城市中机动车数量显著增多，饱和交通已成为一种常见的现象。特别是在高峰期，交通拥堵越发严重，已成为各城市共同面对的难题。

在交叉路口处，一个方向的拥堵导致的车辆积压，会最终令路口其他方向的交通都受到影响，拥堵成为阻塞，路口交通进入“死锁”（Deadlock）状态，道路交通瘫痪。

为避免交通拥堵，需对路口死锁事件进行检测以合理的控制行驶车辆。目前，路口死锁事件的检测，往往基于路口中目标车辆的检测跟踪结果，确定该路口的拥堵情况，进而确定是否发生死锁事件。

然而，在实际场景中，进入死锁状态的路口，堵塞的车辆数较多、车辆分布密集、车辆之间存在严重遮挡；同时，路口死锁时，车辆因行驶方向、路口转向不同，导致车辆姿态及可视范围都存在较大的不同。这些问题导致路口中目标车辆的检测准确率较低，进而影响了死锁事件的检测结果。

发明内容

本申请实施例提供了一种基于视频的路口死锁事件检测方法及设备，用以提高路口死锁事件的检测准确率。

第一方面，本申请实施例提供一种基于视频的路口死锁事件检测方法，包括：

获取目标路口的交通视频流；

针对每一视频帧，采用训练好的车辆检测模型，获取所述视频帧的预设检测区域对应的特征图集合，所述特征图集合中不同特征图的尺度不同；

对所述特征图集合中的至少一张特征图，分别进行部分通道随机分组卷积，获得相应特征图对应的特征向量；

对所述特征图集合中最小尺度的特征图，进行至少一次多尺度强化池化操作，得到融合后的特征向量；

根据所述特征图集合中每个特征图对应的特征向量，获得所述视频帧中包含的至少一个目标车辆；

根据检测出的各目标车辆，确定所述目标路口的交通参数集合，并根据所述交通参数集合，确定是否发生路口死锁事件。

可选的，所述对所述特征图集合中的全部或部分特征图，分别进行部分通道随机分组卷积，获得每个特征图对应的特征向量，包括：

针对所述特征图集合中的至少一张特征图，分别执行以下操作：

对所述特征图的通道进行分组卷积，并将卷积后特征图通道的后三分之二部分进行重组，得到所述特征图对应的特征向量。

可选的，所述对所述特征图集合中最小尺度的特征图，进行至少一次多尺度强化池化操作，得到融合后的特征向量，包括：

将最小尺度的特征图复制为N张，N为大于1的整数；

对复制的N-1张特征图进行池化，得到N-1个第一特征向量，N-1张特征图使用的池化核不同；

对复制的剩余1张特征图，采用不同尺度的池化核分别进行池化，并融合为一张新的特征图，将新的特征图作为下一次强化池化操作的输入，重新进行多尺度强化池化，得到第二特征向量；