[发明专利]一种用于交通管理的图像处理方法及系统

说明书

本发明公开了一种用于交通管理的图像处理方法及系统，步骤S1、构成进端交通时序图像和出端交通时序图像；步骤S2、在出端交通时序图像中截取一段连续时序的出端交通真实图像作为训练时序样本；步骤S3、利用所述训练时序样本训练CNN‑LSTM预测模型得到路段出口端的出端交通图像预测模型；步骤S4、得到目标路段在未来时序处的交通状态。本发明利用CNN‑LSTM预测模型得到路段出口端的出端交通图像预测模型，将出端交通预测图像与对应未来时序处的进端交通真实图像的图像相似度与监测阈值比较得到目标路段在未来时序处的交通状态，以实现对目标路段的交通状态的预测，可便于后续对目标路段进行交通预警或对目标路段的提前规划。

技术领域

本发明涉及交通管理技术领域，具体涉及一种用于交通管理的图像处理方法及系统。

背景技术

智能交通系统(Intelligent Traffic System，简称ITS)又称智能运输系统(Intelligent Transportation System)，是将先进的科学技术(信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等)有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。

现有技术CN202011314742.3公开了一种基于大数据图像采集的道路交通追踪管理方法及系统，包括：获取海量交通道路图像，并利用灰度图转换方法将交通道路图像转换为灰度图；利用局部最大类间方差法对所述灰度图进行二值化处理，得到二值化交通道路图像；利用一种基于形态学的去雾算法对二值化交通道路图像进行去雾处理，得到去雾后的交通道路图像；利用边缘滤波器对去雾后的交通道路图像进行边缘滤波处理，得到边缘图像；利用基于最佳梯度方向和插值算法的车道线识别算法对边缘图像中的车道线进行识别，实现交通道路的识别和追踪。

虽然上述现有技术能够实现交通道路的识别和追踪，但仍然存在一定的不足，包括智能对交通道路进行实时的局部识别和追踪，并不能实现对交通道路在未来时序上的交通状态的全面掌控，难以进行交通道路的提前规划或预警。

发明内容

本发明的目的在于提供一种用于交通管理的图像处理方法及系统，以解决现有技术中不能实现对交通道路在未来时序上的交通状态的全面掌控，难以进行交通道路的提前规划或预警的技术问题。

为解决上述技术问题，本发明具体提供下述技术方案：

一种用于交通管理的图像处理方法，包括以下步骤：

步骤S1、在目标路段的路段入口端和路段出口端处设置交通监测点，并利用所述交通监测点采集路段入口端和路段出口端处在每个时序上的进端交通真实图像和出端交通真实图像，再依时序排列分别构成进端交通时序图像和出端交通时序图像；

步骤S2、在出端交通时序图像中标记出表征目标路段处于异常交通状态的异常出端交通真实图像，并在出端交通时序图像中截取一段连续时序的出端交通真实图像作为训练时序样本，所述训练时序样本包括正样本和负样本，其中，所述正样本表征为目标路段处于正常交通状态的正常出端交通真实图像，负样本表征为目标路段处于异常交通状态的异常出端交通真实图像；

步骤S3、利用所述训练时序样本训练CNN-LSTM预测模型得到路段出口端的出端交通图像预测模型，所述出端交通图像预测模型用于预测出路段出口端在未来时序的出端交通预测图像；

步骤S4、计算所述出端交通时序图像与进端交通时序图像在对应时序上的图像相似度得到出端和进端的图像关系曲线，并依据所述图像关系曲线得到区分目标路段处于正常交通状态和异常交通状态的监测阈值，将出端交通预测图像与对应未来时序处的进端交通真实图像的图像相似度与监测阈值比较得到目标路段在未来时序处的交通状态，以实现对目标路段的交通状态的预测。