[发明专利]一种基于计算机视觉的道路拥堵状态检测方法

摘要

本发明属于道路交通运行状态检测与控制技术领域，涉及一种基于计算机视觉的道路拥堵状态检测方法；其具体工艺步骤为：先将采集大量图像处理后形成的数据集进行分类标记作为神经网络训练的训练集，再将数据集采用迁移模型训练方法构建一个卷积神经网络，然后通过卷积神经网络对截取的实时交通监控视频图像进行分类，判断车辆密度状态，最后使用光流算法计算光流场，从而判断交通拥堵状态；所述检测方法设计原理科学，信息采集准确，识别图像准确率达98％以上，监控效果好，成本低且效果好，计算数据的方法简单，判断准确率高，应用方便，能够有效的判断实时的交通状态。

主权项

1.一种基于计算机视觉的道路拥堵状态检测方法，其特征在于：具体工艺步骤为：步骤1：截取交通监控图像：利用现有的道路交通监控系统，从城市交通道路监控视频中每5秒截取一张交通监控图像，将采集大量图像处理后作为数据集；并将数据集标记为三类：车辆较少、车辆较多和车辆密集，作为神经网络训练的训练集；步骤2：构建卷积神经网络：针对三类车辆密度状态的数据集，采用迁移模型训练方法构建一个卷积神经网络，实现对三类交通车辆密度状态的准确识别，形成训练成熟的卷积神经网络；步骤3：判断车辆密度状态：将实时的交通监控视频，每隔5秒截取一帧图像送入所述步骤2中训练成熟的卷积神经网络，获得当前交通车辆密集程度，卷积神经网络对传入的图像进行分类，判断其状态为车辆稀少，车辆较多还是车辆密集；如果判断结果为车辆稀少，则交通为非拥堵状态，系统正常运行，否则进入步骤4；步骤4：计算光流值并判断车辆速度：在车辆较多和车辆密集的情况下，使用Horn‑Schunck光流算法，计算所述步骤3中交通视频截取图像序列中像素点在当前帧与后一帧之间形成的运动速度矢量，判断当前交通真实的车流速度情况；或当卷积神经网络判断当前交通情况为车辆较多和车辆密集时，使用光流算法计算一次截取的视频图像序列中当前帧与后一帧之间的光流场，从而判断交通拥堵状态；而当判断结果为车辆稀少时，则默认此时交通是不拥堵状态；从而获得交通的拥堵情况，实现对道路拥堵状态的检测。