[发明专利]基于视频分析的交通拥堵检测方法

权利要求书

1.一种基于视频分析的交通拥堵检测方法，其特征在于：包括

步骤一、配置路口摄像头，接通实时流的交通拥堵视频，逐帧或跳帧的获取图像地址并解码重编码成所需格式图像后，对图像进行剪裁出网络的输入大小的图像；

步骤二、目标检测，根据传入的拥堵检测的输入视频，利用自构建的网络进行目标检测，其中目标检测网络利用特征增强模块与特征融合网络，将特征增强模块与特征融合网络的加入单步检测器中，使得目标检测在复杂情景下具有较高的精度；

步骤三、卡尔曼预测目标跟踪框，根据每一帧生成的检测框，通过卡尔曼滤波器进行初步的跟踪预测，生成不同的跟踪链，利用表示目标检测框中心的位置、纵横比、高度以及对应图形坐标中的速度信息，其中x:检测框x坐标；y:检测框y坐标；r：检测框纵横比；h:检测框高度；卡尔曼跟踪器更新轨迹，该卡尔曼滤波器采用匀速模型和线性观测模型，其观测变量为(u,v,r,h)；

步骤四、级联匹配器进行特征提取，首先对所有生产的检测框构建一个级联匹配器用来提取特征，对不同的检出车辆目标都转换成一个128的特征向量，计算不同特征间的角度距离，通过不同的角度距离，可以对不同的检测框与跟踪框进行匹配，对不同的跟踪框可以通过深度学习的方法进行的特征提取，就可以在遮挡的时候产生准确的跟踪链，尽量避免了IDSwitch的影响；

步骤五、通过匈牙利算法进行检测框与跟踪框匹配，对生成的IOU匹配矩阵与级联匹配器生成的匹配矩阵通过匈牙利算法对前一帧中的跟踪框与当前帧中的检测框进行关联，至此生成图像中的所有跟踪目标；

步骤六、计算交通参数，通过目标检测跟踪之后的结果获取的跟踪链的各目标的坐标信息，统计各交通参数：a.车辆数目,在图像的画取的的区域中所有覆盖的车辆目标的总数；b.静止车辆数目,通过跟踪链跟踪每一条车的运动，当某一辆车始终在一个区域内维持相对静止，则判定该车为静止车辆，统计所有的在图像画面中的静止车辆；c.空间占有率,空间占有率指图像中的车辆像素与空间的整体区域的面积之和之比；d.IOU重合度,车辆之间遮挡的面积与两车面积之和的占比，对全图的中的相交的车辆进行统计相交占比，求取相交的平均值；

步骤七、判断短时交通状态，四种交通拥堵参数进行组合判定，

状态A：拥堵,步骤六中的四个交通参数均大于设定阈值则条件均满足，为拥堵状态；

状态B：中间状态，步骤六中的四个交通参数满足任意两个交通参数，或者满足除b以外的任意一个；

状态C：不拥堵,不满足“拥堵“和”中间状态“条件的都是非拥堵状态；

步骤八、拥堵判定的参数自适应调整方案，在捕捉到拥堵事件后，对判断拥堵所依赖的四个交通参数统计求取各自的最大值，采用以下的计算公式计算下次判断的参数值：

new＝conf*0.75+max*0.25，可调整

以上new表示新参数，conf表示配置的初始参数，max是拥堵时参数最大值，通过返回的状态与报出的拥堵状态对参数进行更新，让参数更加适合对应的路口，对不同的路口分别采用不同的参数配比；

步骤九、根据反馈的短时的交通状态进行长时间的统计判断，对车辆的短时交通状态进行累计，当到达拥堵状态时，开启拥堵状态计时，当时域大于阈值时爆出拥堵状态信息，当累计交通拥堵的状态未达到阈值，并恢复非拥堵状态，则此时交通拥堵消散开始计时，如在消散未达到阈值前又重新拥堵，则拥堵继续计时，如发散状态持续超过阈值，则判定拥堵消散，对拥堵震荡问题提出专门的对应策略，统计控制时域时采用的都是多阈值判定的组合逻辑判定；

步骤十、对交通拥堵状态结果推送给平台接口。