[发明专利]一种基于图像处理的智能交通控制方法

权利要求书

1.一种基于图像处理的智能交通控制方法，其特征在于，包括以下步骤：

A、获取当前路口的视频图像数据；

B、分析处理所述视频图像数据；

C、对所述视频图像数据进行判别；

D、生成通行规则，发布通行命令。

2.根据权利要求1所述的一种基于图像处理的智能交通控制方法，其特征在于,所述步骤A中获取当前路口的视频图像数据，包括以下步骤：

A1、采集当前路口的交通视频流；

A2、将所述交通视频流中的车辆视频流与行人视频流分离开来。

3.根据权利要求1所述的一种基于图像处理的智能交通控制方法，其特征在于,所述步骤B中分析处理所述视频图像数据包括检测所述车辆视频流中的车辆和所述行人视频流中的行人。

4.根据权利要求3所述的一种基于图像处理的智能交通控制方法，其特征在于,检测所述车辆视频流中的车辆包括对所述车辆视频流中的车辆进行计数与识别，并生成车流量信息和车辆类别信息。

5.根据权利要求4所述的一种基于图像处理的智能交通控制方法，其特征在于,检测所述行人视频流中的行人包括对所述行人视频流中的行人进行计数，并生成行人通行量信息。

6.根据权利要求5所述的一种基于图像处理的智能交通控制方法，其特征在于,所述步骤C中对所述视频图像数据进行判别，包括以下步骤：

C1、根据所述车流量信息、所述车辆类别信息和所述行人通行量信息生成预定通行规则；

C2、结合当前路口通行状态信息和所述预定通行规则，生成通行决策。

7.根据权利要求5所述的一种基于图像处理的智能交通控制方法，其特征在于,对所述车辆视频流中的车辆进行计数是由深度学习方法来实现的，具体步骤包括：

B11、创建基于区域的快速卷积神经网络,所述快速卷积神经网络包括卷积层、池化层、全连接层和筛选层；

B12、从当前路口的目标图像中选择候选区域；

B13、利用卷积层和池化层处理目标图像，产生候选区域的特征图；

B14、池化层从候选区域的特征图中提取特征向量；

B15、将特征向量送入全连接层，全连接层输出两个同级的输出层，其中一个输出层输出车辆的概率估计值，另一个输出层输出标记车辆的边界框；

B16、将边界框送入筛选层，对车辆进行计数。

8.根据权利要求7所述的一种基于图像处理的智能交通控制方法，其特征在于，对所述行人视频流中的行人进行计数是由深度学习方法来实现的，具体步骤包括：

B21、从目标图像中获得视角图；

B22、估计视角图并在视角图的基础上根据候选区域中心的行人位置创建人群密度图；

B23、建立匹配网络，以人群密度图作为真值来训练所述匹配网络；

B24、从目标图像中检索出具有可识别的视角、尺度和密度分布的局部块；

B25、将目标图像输入到匹配网络中，得到行人密度分布图；

B26、从行人密度分布图中检索出与所述局部块的视角、尺度和密度分布相似的分块；

B27、根据分块生成卷积神经网络，由所述卷积神经网络对行人进行计数。

9.根据权利要求4所述的一种基于图像处理的智能交通控制方法，其特征在于，对所述车辆视频流中的车辆进行识别包括识别救护车、警车和消防车。

10.根据权利要求9所述的一种基于图像处理的智能交通控制方法，其特征在于，对所述车辆视频流中的车辆进行识别的具体步骤包括：

B11、建立一个与警车、消防车和救护车有关的数据库；

B12、将数据库的一部分用作训练集，另一部分用作测试集；

B13、利用训练集对捕捉到的视频中的车辆进行识别。