[发明专利]一种车辆长度估计模型建立的方法、终端设备及存储介质

说明书

本申请公开了一种车辆长度估计模型建立的方法、终端设备及存储介质，其中，该方法包括：获取检测视频，以及检测视频中的车辆信息，车辆信息包括车辆框以及车辆长度；基于车辆信息进行聚类，获取至少两个聚类结果，至少两个聚类结果中包括聚类中心及其聚类范围内的聚类车辆信息；获取初始车辆长度估计模型，其中，初始车辆长度估计模型包括至少一个待求参数；将聚类车辆信息输入初始车辆长度估计模型，求解待求参数的数值；基于待求参数的数值，得到最终车辆长度估计模型。通过上述方法，能够以无监督的方式自行建立车辆长度估计模型，实现对车辆长度的自动计算。

技术领域

本申请涉及智能交通领域，特别是涉及一种车辆长度估计模型建立的方法、终端设备及存储介质。

背景技术

城市主干道路交叉口大多由信号灯控制车流量。当车流量大于信号灯放行的车流数时，将在交叉口向路段上游方向形成车辆排队现象，增加车辆出行时间，导致的溢流现象对上游交叉口的通行产生影响。

基于机器视觉的车辆长度计算方法是目前较常使用的车辆长度计算方法，通过深度学习的方式对道路上行驶的车辆进行目标检测、语义分割，再通过已标定的相机对车辆的宽高进行长度的求解。然而目前常用的基于机器视觉的车辆长度计算方法需要进行人工标定，计算出车辆长度的精度受人工标定的精度影响，若相机设备发生一定的偏移，则需要人工重新标定；道路环境复杂多变，当道路处于过亮或过暗环境中，获取的车辆目标表面曲率将发生变化，影响检测结果准确性。

发明内容

本申请提供一种车辆长度估计模型建立的方法、终端设备及存储介质。能够以无监督的方式自行建立车辆长度估计模型，实现对车辆长度的自动计算。

本申请采用的第一个技术方案是获取检测视频，以及检测视频中的车辆信息，车辆信息包括车辆框以及车辆长度；基于车辆信息进行聚类，获取至少两个聚类结果，至少两个聚类结果中包括聚类中心及其聚类范围内的聚类车辆信息；获取初始车辆长度估计模型，其中，初始车辆长度估计模型包括至少一个待求参数；将聚类车辆信息输入初始车辆长度估计模型，求解待求参数的数值；基于待求参数的数值，得到最终车辆长度估计模型。

其中，获取检测视频，以及检测视频中的车辆信息，包括获取检测视频，并在检测视频中生成预设聚类触发线；对检测视频中的车辆进行目标检测，获取所有车辆的车辆框和车辆长度；获取与预设聚类触发线相交的车辆框及其对应车辆长度，组成检测视频中的车辆信息。

其中，基于车辆信息进行聚类，包括：获取车辆信息中的车辆框尺寸；基于车辆框尺寸对车辆信息进行聚类。

其中，基于车辆信息进行聚类，获取至少两个聚类结果，至少两个聚类结果中包括聚类中心及其聚类范围内的聚类车辆信息，包括：基于车辆框尺寸对车辆信息中的车辆框进行聚类，获取若干个聚类结果；获取若干个聚类结果的聚类距离；从若干个聚类结果筛选出聚类距离最大的两个聚类结果。

其中，获取检测视频，以及检测视频中的车辆信息之后，还包括：基于车辆信息获取若干车辆框之间的相对位置关系；基于若干车辆框之前的相对位置关系，删除车辆框至少部分重合的车辆信息。

其中，获取检测视频，以及检测视频中的车辆信息之后，还包括：基于检测视频中的车辆信息获取检测视频中的所有车辆框；基于所有车辆框，获取检测视频的数据质量参数；在数据质量参数大于等于预设质量阈值时，删除检测视频，重新获取其他检测视频。

其中，将聚类车辆信息输入初始车辆长度估计模型，求解待求参数的数值，包括：对聚类车辆信息进行数学变换后，得到聚类车辆信息的车辆框位置和车辆长度；将每一聚类车辆信息的车辆框位置和车辆长度输入至初始车辆长度估计模型，建立初始车辆长度估计线性方程组，每一个聚类结果对应一个初始车辆长度估计线性方程；对初始车辆长度估计线性方程组进行求解，获取待求参数的数值。