[发明专利]一种基于嵌入式终端的拥堵检测方法

权利要求书

1.一种基于嵌入式终端的拥堵检测方法，其特征在于：包括以下步骤：

S1、获取道路监控场景下的实时视频流数据，并进行车辆识别，确定预设区域内的目标车辆；

S2、利用第一神经网络模型从实时视频流数据中提取用于表征道路空闲区域和道路占用区域的道路特征图；

S3、根据实时视频流数据获取行车区域图，并利用第二神经网络模型确定行车区域图对应的光流矩阵；

S4、基于跟踪目标车辆得到多张跟踪图像，并利用跟踪图像确定预设区域内的车流速度；

S5、确定预设区域内的车辆掩膜图像和位置掩膜图像，基于车辆掩膜图像和位置掩膜图像确定预设区域内的车流密度；

S6、根据道路特征图、光流矩阵，以及预设区域内的车流速度、车流密度，通过道路拥堵检测模型得到道路拥堵检测结果。

2.根据权利要求1所述的基于嵌入式终端的拥堵检测方法，其特征在于：S3中根据实时视频流数据获取行车区域图，包括：

从实时视频流数据提取预设数量的前景图像，对提取的前景图像进行自适应膨胀处理；

对所有自适应膨胀处理后的前景图像进行叠加，得到行车区域图。

3.根据权利要求2所述的基于嵌入式终端的拥堵检测方法，其特征在于：S3中根据实时视频流数据获取行车区域图之后，包括：

对行车区域图进行滤波处理和平滑处理。

4.根据权利要求2所述的基于嵌入式终端的拥堵检测方法，其特征在于：S3中利用第二神经网络模型确定行车区域图对应的光流矩阵，包括：

将实时视频流数据中每相邻两帧图像依次输入至第二神经网络模型，得到多个初始光流矩阵；

对多个初始光流矩阵进行叠加，并对叠加后的光流矩阵中各元素进行归一化处理，得到中间光流矩阵；

对中间光流矩阵与行车区域图进行叠加，得到行车区域图对应的光流矩阵。

5.根据权利要求1所述的基于嵌入式终端的拥堵检测方法，其特征在于：S4中基于跟踪目标车辆得到多张跟踪图像，并利用跟踪图像确定预设区域内的车流速度，包括：

基于多张跟踪图像，确定目标车辆在不同时刻的位置信息；

根据目标车辆在不同时刻的位置信息，确定目标车辆的速度；

根据多个目标车辆的速度，确定预设区域内的车流速度。

6.根据权利要求5所述的基于嵌入式终端的拥堵检测方法，其特征在于：所述根据多个目标车辆的速度，确定预设区域内的车流速度，包括：

基于不同的权重系数，对多个目标车辆的速度进行加权平均，得到预设区域内的车流速度；

其中，权重系数与目标车辆的速度呈正相关。

7.根据权利要求1所述的基于嵌入式终端的拥堵检测方法，其特征在于：S5中确定预设区域内的车辆掩膜图像和位置掩膜图像，包括：

根据目标车辆在预设区域内的成像区域，将实时视频流数据中属于成像区域的像素标记为1，属于非成像区域的像素标记为0，生成对应的车辆掩膜图像；

根据预设区域，将实时视频流数据中属于预设区域的像素标记为1，属于非预设区域的像素标记为0，生成对应的位置掩膜图像。

8.根据权利要求7所述的基于嵌入式终端的拥堵检测方法，其特征在于：S5中基于车辆掩膜图像和位置掩膜图像确定预设区域内的车流密度，包括：

计算车辆掩膜图像与位置掩膜图像之间的乘积，得到目标车辆掩膜图像；

将目标车辆掩膜图像中像素为1的像素点数量与位置掩膜图像中像素为1的像素点数量之商，作为预设区域内的车流密度。

9.根据权利要求1所述的基于嵌入式终端的拥堵检测方法，其特征在于：S6中根据道路特征图、光流矩阵，以及预设区域内的车流速度、车流密度，通过道路拥堵检测模型得到道路拥堵检测结果，包括：

将道路特征图与光流矩阵融合后，同预设区域内的车流速度、车流密度一起输入至预先训练的道路拥堵检测模型，通过道路拥堵检测模型得到道路拥堵检测结果。