[发明专利]一种融合视觉特征和卷积神经网络的道路拥堵检测方法有效
| 申请号： | 201711032264.5 | 申请日： | 2017-10-30 |
| 公开（公告）号： | CN107705560B | 公开（公告）日： | 2020-10-02 |
| 发明（设计）人： | 柯逍;施玲凤 | 申请（专利权）人： | 福州大学 |
| 主分类号： | G08G1/01 | 分类号： | G08G1/01;G08G1/017;G06K9/00;G06K9/46;G06K9/62 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 蔡学俊 |
| 地址： | 350116 福建省福州市*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种融合视觉特征和卷积神经网络的道路拥堵检测方法，包括步骤：1）对输入的影像视频序列进行移动前景检测与背景建模，得到原始影像的背景和初步移动前景；2）将初步移动前景集合输入卷积神经网络，进行移动车辆识别，排除其他非移动车辆的移动前景；3）利用最终移动前景集合计算反映交通状态的图像视觉特征，图像视觉特征包括交通密度、交通速度、交通占有率和交通流量；4）计算图像光流直方图的信息熵；5）利用交通密度、交通速度、交通占有率、交通流量和光流直方图的信息熵，判断交通道路拥堵状态。本发明融合多维度的视觉特征与卷积神经网络，可以更加准确的判断道路的拥堵程度。 | ||
| 搜索关键词： | 一种 融合 视觉 特征 卷积 神经网络 道路 拥堵 检测 方法 | ||
【主权项】：
一种融合视觉特征和卷积神经网络的道路拥堵检测方法，其特征在于，包括：步骤1：对输入的影像视频序列进行移动前景检测与背景建模，得到原始影像的背景和初步移动前景；步骤2：将初步移动前景集合输入卷积神经网络，进行移动车辆识别，排除其他非移动车辆的移动前景，得到最终移动前景集合；步骤3：利用最终移动前景集合计算反映交通状态的图像视觉特征，所述图像视觉特征包括交通密度、交通速度、交通占有率和交通流量；步骤4：计算图像光流直方图的信息熵；步骤5：利用交通密度、交通速度、交通占有率、交通流量和光流直方图的信息熵，判断交通道路拥堵状态。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于福州大学，未经福州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711032264.5/，转载请声明来源钻瓜专利网。
