[发明专利]车流量实时统计方法、装置、电子设备以及存储介质

权利要求书

1.一种车流量实时统计方法，其特征在于，包括：

获取道路视频，并基于车辆检测模型，确定所述道路视频中的车辆位置框；

根据所述车辆位置框，基于卷积神经网络，确定所述车辆位置框的特征向量；

根据所述车辆位置框，基于卡尔曼滤波算法，确定所述车辆位置框的可能位置框；

根据所述特征向量和所述可能位置框，基于匈牙利算法，确定所述车辆位置框的ID编号；

根据所述ID编号，确定所述道路视频中的车辆流量。

2.根据权利要求1所述的车流量实时统计方法，其特征在于，所述获取道路视频，并基于车辆检测模型，确定所述道路视频中的车辆位置框，包括：

获取多个道路视频样本；

建立初始车辆检测模型，所述初始车辆检测模型包括支柱网络层、颈部结构层及头部输出层；

将所述多个道路视频样本输入至所述初始车辆检测模型，输出所述多个道路视频样本对应的多个车辆位置框样本，训练所述初始车辆检测模型，得到训练完备的车辆检测模型；

将所述道路视频输入至所述训练完备的车辆检测模型，确定所述道路视频中的车辆位置框。

3.根据权利要求2所述的车流量实时统计方法，其特征在于，所述将所述多个道路视频样本输入至所述初始车辆检测模型，输出所述多个道路视频样本对应的多个车辆位置框样本，包括：

根据所述多个道路视频样本，进行分帧处理，得到对应的多组车辆图片样本；

将所述多组车辆图片样本输入至所述支柱网络层，通过Focus切片处理，提取所述多组车辆图片样本的多组图片特征；

将所述多组图片特征输入至所述颈部结构层，将所述多组图片特征中的高层特征上采样和低层特征，分别进行拼接融合，得到多组新尺度特征；

将所述多组新尺度特征输入至所述头部输出层，得到所述多个道路视频样本对应的多个车辆位置框样本。

4.根据权利要求2所述的车流量实时统计方法，其特征在于，所述训练所述初始车辆检测模型，得到训练完备的车辆检测模型，之后还包括：

获取所述训练完备的车辆检测模型的置信度损失、定位损失及分类损失；

根据所述置信度损失、所述定位损失及所述分类损失，确定所述训练完备的车辆检测模型的总损失函数。

5.根据权利要求1所述的车流量实时统计方法，其特征在于，所述根据所述车辆位置框，基于卡尔曼滤波算法，确定所述车辆位置框的可能位置框，包括：

根据上一帧图像中的所述车辆位置框，基于卡尔曼滤波方程，确定当前所述车辆位置框的可能位置框；

根据所述可能位置框和当前帧图像中的所述车辆位置框，更新确定卡尔曼滤波公式；

根据所述卡尔曼滤波公式，确定所述车辆位置框的可能位置框。

6.根据权利要求1所述的车流量实时统计方法，其特征在于，所述根据所述特征向量和所述可能位置框，基于匈牙利算法，确定所述车辆位置框的ID编号，包括：

获取上一帧图像中的所述车辆位置框的第一ID编号；

根据所述特征向量和所述可能位置框，基于匈牙利算法，确定当前帧图像中的所述车辆位置框的第二ID编号；其中，若所述第二ID编号与所述第一ID编号对应同一所述车辆位置框，则所述第二ID编号与所述第一ID编号对应相同；若所述第二ID编号与所述第一ID编号对应不同的所述车辆位置框，则所述第二ID编号与所有所述第一ID编号都不相同。

7.根据权利要求6所述的车流量实时统计方法，其特征在于，所述根据所述ID编号，确定所述道路视频中的车辆流量，包括：

根据所述ID编号中不同编号的数量，确定所述道路视频中的车辆数量；

根据所述车辆数量和所述道路视频的时常，通过作商，确定所述道路视频中的车辆流量。