[发明专利]一种基于嵌入式终端的拥堵检测方法

说明书

本发明涉及道路拥堵检测，具体涉及一种基于嵌入式终端的拥堵检测方法，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；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；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；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；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；本发明提供的技术方案能够有效克服现有技术所存在的道路拥堵检测准确性较差的缺陷。

技术领域

本发明涉及道路拥堵检测，具体涉及一种基于嵌入式终端的拥堵检测方法。

背景技术

随着汽车的普及，道路交通压力越来越大，各路段车辆拥堵现象时有发生。为了在发生车辆拥堵时能够及时疏导交通，需要一种能够及时检测道路是否发生拥堵的方法，来帮助管理部门及时发现道路车辆拥堵情况。

目前，在判断某路段是否发生车辆拥堵时所采用的方法一般是计算通过该路段车辆的平均速度，在平均速度较低时，判定发生车辆拥堵。但是，如果车辆因某些特殊因素停车或启动时车速过低，可能会导致平均速度过低，进而出现错误判断。因此现有技术中，针对道路拥堵的检测方法不够准确，容易出现错误，给相关管理部门带来一定程度的不便。

发明内容

(一)解决的技术问题

针对现有技术所存在的上述缺点，本发明提供了一种基于嵌入式终端的拥堵检测方法，能够有效克服现有技术所存在的道路拥堵检测准确性较差的缺陷。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种基于嵌入式终端的拥堵检测方法，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。

优选地，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。

优选地，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。

优选地，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。