[发明专利]一种基于低频数据的道路拥挤情况检测方法和装置

说明书

本发明提供了一种基于低频数据的道路拥挤情况检测方法和装置，其中，方法包括：通过对拍摄的车辆图片进行小波变换，转换为低频图片，并基于车辆之间的静态距离以及车辆之间的动态距离加入了二次注意力机制识别道路的拥挤情况。本发明的有益效果：实现了对拍摄的车流图片进行低频处理，并进行了二次注意力机制，使神经网络模型可以准确识别处道路的拥挤情况，提高了对道路交通的识别，为道路拥挤情况的识别提供了有力的支持。

技术领域

本发明涉及智能交通领域，特别涉及一种基于低频数据的道路拥挤情况检测方法和装置。

背景技术

在车辆的高速行驶过程中，摄像头拍摄的画面可能会比较模糊，并且拍摄的画面中具有很多不相关的数据，导致拍摄的画面是高频的图片，因此，现有的神经网络模型难以根据拍摄的画面对交通情况进行识别。

发明内容

本发明的主要目的为提供一种基于低频数据的道路拥挤情况检测方法和装置，旨在解决现有的神经网络模型难以根据拍摄的画面对交通情况进行识别的问题。

本发明提供了一种基于低频数据的道路拥挤情况检测方法，包括：

通过摄像头获取高速公路上多帧连续拍摄的车流图片；

对所述拍摄的图片进行小波变换，得到各个车流图片分别对应的目标图片；

按照时间顺序选取第一张目标图片作为第一目标图片，将其余的目标图片记为第二目标图片；

将第一目标图片分割为预设数量且大小相等的分块；

判断所述分块是否在第二目标图片中存在；

若所述分块在第二目标图片中存在，则根据预设的DS搜索算法搜寻每个分块在各个第二目标图片中的位置，并计算各个分块之间的位置差值；

基于各个位置差值的平均值设置各个第二目标图片的第一注意力分值，以及根据搜寻结果计算各个分块之间的位移量，并求取平均值，得到平均位移量；

计算相邻两个平均位移量之间的矢量差值；

基于所述矢量差值并根据softmax函数设置第n+1帧第二目标图片中第二注意力分值，以及将第一帧的第二目标图片中的第二注意力分值设置为常数；

将各个第二目标图片的平均位移量以及对应的第一注意力分值和第二注意力分值进行加权求和，得到各个第二目标图片的加权和；

将各个第二目标图片的平均位移量以及对应的加权和输入至预设的神经网络模型中，得到连续拍摄的车流图片所对应的道路拥挤情况；其中，所述神经网络模型根据多张图片的位移量、对应的加权和以及对应的拥挤情况训练而成。

进一步地，所述将各个第二目标图片的平均位移量以及对应的加权和输入至预设的神经网络模型中，得到连续拍摄的车流图片所对应的道路拥挤情况的步骤之前，还包括：

获取多组训练数据；其中，一组训练数据包括多张图片的位移量、对应的加权和以及对应的拥挤情况；

将各个训练数据中的多张图片的位移量以及对应的加权和作为初始模型的输入，将对应的拥挤情况作为输出对所述初始模型进行初步训练，得到暂时模型；

提取所述暂时模型的卷积核；

对所述卷积核进行多次平滑操作，直至所述暂时模型的满足训练要求，得到所述神经网络模型。

进一步地，所述对所述卷积核进行多次平滑操作，直至所述暂时模型的满足训练要求，得到所述神经网络模型的步骤，包括：

获取卷积核中各个域中的数值；