基于目标去重的交通流量监测方法、系统、终端及介质与流程

本发明涉及交通流量监测，更具体地说，它涉及基于目标去重的交通流量监测方法、系统、终端及介质。

背景技术：

1、在交通车流量监测过程中，重复车辆计数会导致对现有路段情况估计出现偏差，进而影响智能交通系统的进一步决策，是现有监测技术亟待解决的问题。

2、目前，交通流量监测方法主要是对帧图像中的车辆进行目标识别，并从识别出的车辆中筛选出尚未进行车流量监测统计的车辆进行统计。一般情况下，若所识别的车辆中能够提取出具有唯一性的车牌特征，则可以直接判断该车辆是否已进行过车流量监测统计。然而，受车辆的不同尺寸大小、车辆之间的行驶间距以及摄像头的图像采集视角等因素影响，部分车辆无法提取出车牌特征，或者所提取的车牌特征无法清楚显示，在此情况下，容易出现车辆重复统计的情况。此外，现有技术中选取每帧图像进行目标识别，其存在在目标识别过程中因较高的重复率而导致工作效率较低的问题；又或选择间隔固定时间的帧图像进行目标识别，交通流量监测时容易遗漏部分车速较快的车辆，导致交通流量监测的准确性与可靠性较差。

3、因此，如何研究设计一种能够克服上述缺陷的基于目标去重的交通流量监测方法、系统、终端及介质是我们目前急需解决的问题。

技术实现思路

1、为解决现有技术中的不足，本发明的目的是提供基于目标去重的交通流量监测方法、系统、终端及介质，从帧图像中提取车辆特征和相应车辆特征中的车牌特征，在将车辆特征中的车牌特征与车牌数据库存储的历史车牌进行匹配后，可以依据车牌匹配结果的分布情况从车辆识别矩阵中提取分界线，再依据分界线、帧间隔时间和车辆行驶速度确定下一次选取帧图像的帧数，无需在车辆特征中无车牌特征或车牌特征不清楚的情况下进行车辆特征相似度对比分析，交通流量监测难度相对较低；此外，可以自适应的调整帧图像选取的时间间隔，在对车辆进行去重处理后，有效保障了交通流量监测的准确性与可靠性。

2、本发明的上述技术目的是通过以下技术方案得以实现的：

3、第一方面，提供了基于目标去重的交通流量监测方法，包括以下步骤：

4、利用车辆检测模型对所选取的帧图像进行车辆检测，得到车辆特征和相应车辆特征中的车牌特征；

5、将车辆特征中的车牌特征与车牌数据库存储的历史车牌进行匹配，得到车牌匹配结果；

6、根据车辆特征在相应帧图像中的分布位置以及对应的车牌匹配结果建立车辆识别矩阵；

7、以车辆特征中有无车牌特征为界限从车辆识别矩阵中提取分界线，车辆识别矩阵中分界线朝向车辆驶出方向的一侧区域为有效识别区域；

8、遍历车辆识别矩阵中有效识别区域的车牌匹配结果后分析得到相应帧图像的监测流量，对已选取的帧图像的监测流量进行累计求和，得到实时交通流量；

9、依据分界线、帧间隔时间和车辆行驶速度确定下一次选取帧图像的帧数，并重复进行监测流量的遍历分析。

10、进一步的，所述车辆检测模型采用基于卷积滤波器压缩的cnn模型，模型压缩所依据的等价表达式具体为：；

11、其中，表示进行车辆检测所输入的帧图像；表示神经网络或网络层； 、均表示迁移矩阵；迁移矩阵先对输入进行变换、再将变换的结果传输到所得到的结果，与将输入映射到神经网络上再做变换得到的结果相同。

12、进一步的，所述车牌匹配结果的匹配获得过程具体为：

13、若车辆特征中不含有车牌特征，则相应的车牌匹配结果标记为-1；

14、若车辆特征中含有车牌特征，则：

15、当车辆特征中的车牌特征与车牌数据库存储的历史车牌匹配不成功时，相应的车牌匹配结果标记为1；

16、当车辆特征中的车牌特征与车牌数据库存储的历史车牌匹配成功时，相应的车牌匹配结果为标记0。

17、进一步的，所述车辆识别矩阵的建立过程具体为：

18、确定帧图像中背景图所表征的道路总长度和车道数量，按照预设占位长度将每个车道所对应的道路总长度分割成个车辆占位位置，建立的初始矩阵；

19、将每个车辆匹配结果写入初始矩阵中相应的元素位置；

20、若初始矩阵中部分的元素位置不存在相应的车辆匹配结果，则视相应元素位置的写入值与车辆已被统计所对应的车牌匹配结果一致。

21、进一步的，所述车辆识别矩阵中的有效识别区域不包含车辆特征中不含有车牌特征所对应的车牌匹配结果。

22、进一步的，所述依据分界线、帧间隔时间和车辆行驶速度确定下一次选取帧图像的帧数的表达式具体为：

23、

24、其中，表示下一次选取帧图像的帧数；表示当前次选取帧图像的帧数；表示相邻次选取帧图像的最大帧数差；表示可选的帧数差；表示分界线中朝向有效识别区域的极大值所对应的矩阵行序号；表示有效识别区域中与分界线相对的边界的矩阵行序号，与处于同一矩阵列；表示预设占位长度；表示车辆行驶速度；表示帧间隔时间。

25、进一步的，所述车辆行驶速度的确定过程具体为：

26、依据历史车辆的平均行驶速度建立车速随时间呈周期性变化的速度曲线；

27、以当前次所选取帧图像的时间值从速度曲线中提取相应的参考车速；

28、将参考车速作为计算下一次选取帧图像的帧数时的车辆行驶速度。

29、第二方面，提供了基于目标去重的交通流量监测系统，包括：

30、特征提取模块，用于利用车辆检测模型对所选取的帧图像进行车辆检测，得到车辆特征和相应车辆特征中的车牌特征；

31、车牌匹配模块，用于将车辆特征中的车牌特征与车牌数据库存储的历史车牌进行匹配，得到车牌匹配结果；

32、矩阵构建模块，用于根据车辆特征在相应帧图像中的分布位置以及对应的车牌匹配结果建立车辆识别矩阵；

33、界限划分模块，用于以车辆特征中有无车牌特征为界限从车辆识别矩阵中提取分界线，车辆识别矩阵中分界线朝向车辆驶出方向的一侧区域为有效识别区域；

34、流量检测模块，用于遍历车辆识别矩阵中有效识别区域的车牌匹配结果后分析得到相应帧图像的监测流量，对已选取的帧图像的监测流量进行累计求和，得到实时交通流量；

35、帧数调整模块，用于依据分界线、帧间隔时间和车辆行驶速度确定下一次选取帧图像的帧数，并重复进行监测流量的遍历分析。

36、第三方面，提供了一种计算机终端，包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面中任意一项所述的基于目标去重的交通流量监测方法。

37、第四方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行可实现如第一方面中任意一项所述的基于目标去重的交通流量监测方法。

38、与现有技术相比，本发明具有以下有益效果：

39、1、本发明提供的基于目标去重的交通流量监测方法，从帧图像中提取车辆特征和相应车辆特征中的车牌特征，在将车辆特征中的车牌特征与车牌数据库存储的历史车牌进行匹配后，可以依据车牌匹配结果的分布情况从车辆识别矩阵中提取分界线，再依据分界线、帧间隔时间和车辆行驶速度确定下一次选取帧图像的帧数，无需在车辆特征中无车牌特征或车牌特征不清楚的情况下进行车辆特征相似度对比分析，交通流量监测难度相对较低；此外，可以自适应的调整帧图像选取的时间间隔，在对车辆进行去重处理后，有效保障了交通流量监测的准确性与可靠性；

40、2、本发明采用基于卷积滤波器压缩的cnn模型进行目标识别，够实现对车辆检测模型的二倍甚至多倍压缩处理，有效提高了车辆检测模型进行目标识别的效率；

41、3、本发明针对不同的车牌匹配结果分配不同的标记值，可以快速识别出分界线和完成交通流量的统计分析；

42、4、本发明依据历史车辆的平均行驶速度建立车速随时间呈周期性变化的速度曲线，依据帧图像选取的时间从速度曲线中灵活选择相应的参考速度作为车辆行驶速度，可以进一步增强帧图像选取的准确性与可靠性，有效降低了帧图像选择的频次。