[发明专利]基于无人机的道路车流量检测方法、系统及计算机可读存储介质

说明书

本发明提供了一种基于无人机的道路车流量检测方法、系统及计算机可读存储介质，对SSD模型的深度学习网络进行压缩后再进行车辆检测，实现了更低的功耗和更持久的续航；又通过对SSD模型的深度学习网络引入通道注意力机制、特征金字塔，使得检测结果更加精确，实现包括小目标车辆在内的所有车辆目标的检测覆盖；应用于无人机检测，既保留了检测高精度、又加大了无人机的续航时间。

技术领域

本发明涉及深度学习网络技术领域，尤其涉及一种基于无人机的道路车流量检测方法、系统及计算机可读存储介质。

背景技术

高速路上的车辆目标实时检测和车流量统计在交通流量监测、道路拥堵疏散指挥等方面起着极其重要的作用。无人机具有便携、灵活的特性，因而被广泛的应用到交通监管领域。但无人机本身的电池容量有限，因此其续航时间和续航里程都很有限。为了在使用时尽可能延长其续航时间和里程，大多数厂家都会对其自身的硬件做优化，如降低机身重量，降低飞机自身飞行的功耗等。但是对于无人机的用户而言，优化的领域在于部署到无人机上的软件。在车辆检测上，其最核心的部分就是检测算法。

现有的技术中，利用无人机进行检测时，大多都采用轻量级网络做检测，为增长续航时间以牺牲精度为代价，或者利用较大的检测网络提升精度但却大幅提高了功耗，续航时间减少很多，无论哪一种方法，都与期望的“性能与续航平衡”背道而驰。

应用到无人机上的模型较小且功耗较低的检测算法的精度一般都不是很高，检测质量无法满足工作需求；而高精度检测算法模型太大，应用到无人机上会造成很大的功耗，大大的减少了无人机的续航时间和里程。

发明内容

为了克服上述技术缺陷，本发明的目的在于提供一种同时兼顾高检测精度和高续航能力的基于无人机的道路车流量检测方法、系统及计算机可读存储介质。

本发明公开了一种基于无人机的道路车流量检测方法，包括如下步骤：控制无人机飞到需要进行车辆检测的路段，通过无人机的机载摄像头以第一预设时间为间隔拍摄目标道路的实景照片；对所述实景照片进行降噪和去模糊处理获取初级处理照片；将相邻两张所述初级处理照片采用SURF算法进行去重复处理获取终级处理照片；将所述终级处理照片输入深度压缩后的SSD模型神经网络，SSD模型神经网络采用通道注意力机制进行车辆检测，判断是否通过车辆及通过车辆的数量；统计无人机当前飞行里程内所获取的所有所述终级处理照片中通过的车辆的数量，并将该数量发送至无人机控制中心。

优选地，所述将相邻两张所述初级处理照片采用SURF算法进行去重复处理获取终级处理照片包括：采用SURF算法提取相邻两张所述初级处理照片的特征点、及两所述初级处理照片的相应特征点之间的匹配点集；通过所述匹配点集将两张所述初级处理照片转换到同一坐标，并利用所述匹配点集求得单应变换矩阵，然后对两张所述初级处理照片进行配准；将配准后的两张所述初级处理照片放到同一坐标下进行对比，找到重复区域，并去除拍摄时间靠后的一张所述初级处理照片中的所述重复区域，将两张所述初级处理照片输出记为终级处理照片。