CN113593219A - 车流的统计方法、装置、电子设备及存储介质 - Google Patents
车流的统计方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113593219A CN113593219A CN202110732356.4A CN202110732356A CN113593219A CN 113593219 A CN113593219 A CN 113593219A CN 202110732356 A CN202110732356 A CN 202110732356A CN 113593219 A CN113593219 A CN 113593219A
- Authority
- CN
- China
- Prior art keywords
- matching degree
- vehicle
- determining
- video stream
- stream data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开公开了一种车流的统计方法、装置、电子设备及存储介质,涉及计算机技术领域,尤其涉及计算机视觉、智能交通等人工智能技术领域。具体实现方案为:获取在预设时段内的交通视频流数据;对视频流数据进行解析,以确定视频流数据中每个车辆的行驶轨迹;根据每个车辆的行驶轨迹与每个参考轨迹的匹配度,确定每个车辆的行驶方向;根据每个车辆的行驶方向,确定在预设时段内每个方向的车流量。由此,通过基于每个行驶方向对应的参考轨迹,确定每个车辆的行驶方向,进而确定每个方向的车流量,从而可以更加准确地获取每个方向的车流量。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及计算机视觉、智能交通等人工智能技术领域,具体涉及一种车流的统计方法、装置、电子设备及存储介质。
背景技术
随着人工智能技术地不断发展和完善,其已经在与人类日常生活相关的各个领域扮演着极其重要的作用,例如,人工智能技术已经在智能交通领域取得了显著进步。目前,如何准确地获取车流量成为热点的研究方向。
发明内容
本公开提供了一种车流的统计方法、装置、电子设备及存储介质。
根据本公开的第一方面,提供了一种车流的统计方法,包括:
获取预设时段内的交通视频流数据;
对所述视频流数据进行解析,以确定所述视频流数据中每个车辆的行驶轨迹;
根据所述每个车辆的行驶轨迹与每个参考轨迹的匹配度,确定所述每个车辆的行驶方向;
根据所述每个车辆的行驶方向,确定在所述预设时段内每个方向的车流量。
根据本公开的第二方面,提供了一种车流的统计装置,包括:
第一获取模块,用于获取预设时段内的交通视频流数据;
第一确定模块,用于对所述视频流数据进行解析,以确定所述视频流数据中每个车辆的行驶轨迹;
第二确定模块,用于根据所述每个车辆的行驶轨迹与每个参考轨迹的匹配度,确定所述每个车辆的行驶方向;
第三确定模块,用于根据所述每个车辆的行驶方向,确定在所述预设时段内每个方向的车流量。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如第一方面所述的方法。
根据本公开第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行如第一方面所述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如第一方面所述的方法。
本公开提供的车流的统计方法、装置、电子设备及存储介质,存在如下有益效果:
本公开实施例中,首先获取预设时段内的交通视频流数据,之后对视频流数据进行解析,以确定视频流数据中每个车辆的行驶轨迹,根据每个车辆的行驶轨迹与每个参考轨迹的匹配度,确定每个车辆的行驶方向,最后根据每个车辆的行驶方向,确定在预设时段内每个方向的车流量。由此,通过基于每个行驶方向对应的参考轨迹,确定每个车辆的行驶方向,进而确定每个方向的车流量,从而可以更加准确地获取每个方向的车流量。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开一实施例提供的一种车流的统计方法的流程示意图;
图2是根据本公开又一实施例提供的一种车流的统计方法的流程示意图;
图3是根据本公开一实施例提供的一种车流的统计装置的结构示意图;
图4是根据本公开一实施例提供的一种车流的统计装置的结构示意图;
图5是用来实现本公开实施例的车流的统计方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开实施例涉及计算机视觉、智能交通等人工智能技术领域。
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
智能交通,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。
计算机视觉,指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
图1是根据本公开一实施例提供的一种车流的统计方法的流程示意图;
其中,需要说明的是,本实施例的车流的统计方法的执行主体为车流的统计装置,该装置可以由软件和/或硬件的方式实现,该装置可以配置在电子设备中,电子设备可以包括但不限于终端、服务器端等。
如图1所示,该车流的统计方法包括:
S101:获取在预设时段内的交通视频流数据。
其中,预设的时段可以为三十秒、一分钟、五分钟、1个信号灯周期、3个信号灯周期等等,本公开对此不做限定。
其中,交通视频流数据可以为具备录像功能的电子设备获取的车辆行驶的视频流。其中,视频流数据中可以包含连续多帧车辆行驶的图像。
S102:对视频流数据进行解析,以确定视频流数据中每个车辆的行驶轨迹。
可选的,可以采用光流法对视频流数据中连续多帧车辆行驶的图像进行解析,以确定视频流数据中每个车辆的行驶轨迹。
其中,光流法是关于视域中的物体运动检测中的概念。用来描述相对于观察者的运动所造成的观测目标、表面或边缘的运动。光流法在样型识别、计算机视觉以及其他影像处理领域中非常有用,可用于运动检测、物件切割、碰撞时间与物体膨胀的计算、运动补偿编码,或者通过物体表面与边缘进行立体的测量等等。
或者,也可以采用帧间差分法对视频流数据中连续多帧车辆行驶的图像进行分析,以确定视频流数据中每个车辆的行驶轨迹。
其中,帧间差分法是一种通过对视频图像序列中相邻两帧作差分运算来获得运动目标轮廓的方法,它可以很好地适用于存在多个运动目标和摄像机移动的情况。当监控场景中出现异常物体运动时,帧与帧之间会出现较为明显的差别,两帧相减,得到两帧图像亮度差的绝对值,判断它是否大于阈值来分析视频或图像序列的运动特性,确定图像序列中有无物体运动。
S103:根据每个车辆的行驶轨迹与每个参考轨迹的匹配度,确定每个车辆的行驶方向。
其中,参考轨迹,为任一行驶方向对应的典型车辆行驶轨迹。举例来说,若视频流数据中的信号灯所在的路口为十字路口,则共有十二种参考轨迹,分别为十字路口中四个方向上的左转弯,直行和右转弯。
可选的,可以先获取视频流数据关联的路口对应的参考数据集,其中,参考数据集中包括多个车辆在路口中的行驶轨迹及行驶方向;之后根据行驶方向相同的各个车辆在路口的行驶轨迹,确定路口中每个行驶方向对应的参考轨迹。
比如,可以对行驶方向相同的各个车辆在路口的行驶轨迹进行轨迹聚类,以确定路口中每个行驶方向对应的参考轨迹。或者,也可以对行驶方向相同的各个车辆在路口的行驶轨迹进行模型训练,以确定路口中每个行驶方向对应的参考轨迹。
可选的,由于路口中不同行驶方向车道数量不同时,或者路口所在路段对车辆的限速不同时,车辆的行驶轨迹也可能不同。因此,本公开也可以先确定视频流数据关联的路口所属路段的类型及路口中每个行驶方向对应的车道数量,之后根据路段的类型及每个行驶方向对应的车道数量,确定路口中每个行驶方向对应的参考轨迹。
其中,视频流数据关联的路口所属的路段类型,用于表征该路口所在道路的类型。比如,主干路、快速路、次干路等等。而不同的道路类型对车辆的限速不同,从而可以根据路口所属路段的类型及每个行驶方向对应的车道数量,确定每个行驶方向对应的参考轨迹,本公开对此不做限定。
可选的,可以使用欧式距离公式、豪斯多夫距离公式等计算每个车辆的行驶轨迹与每个参考轨迹的匹配度,本公开在此不做限定。
其中,与车辆的行驶轨迹匹配度最高的参考轨迹对应的行驶方向为车辆的行驶方向。
S104:根据每个车辆的行驶方向,确定在预设时段内每个方向的车流量。
可选的,可以将预设时段内相同行驶方向的车辆进行分类,以统计预设时段内每个方向的车流量。或者,每获取一个车辆的行驶方向,就将该行驶方向对应的车流量加一,直至获取预设时段内每个方向的车流量。
本公开实施例中,首先获取预设时段内的交通视频流数据,之后对视频流数据进行解析,以确定视频流数据中每个车辆的行驶轨迹,根据每个车辆的行驶轨迹与每个参考轨迹的匹配度,确定每个车辆的行驶方向,最后根据每个车辆的行驶方向,确定路口在预设时段内每个方向的车流量。由此,通过基于每个行驶方向对应的参考轨迹,确定每个车辆的行驶方向,进而确定每个方向的车流量,从而可以更加准确地获取每个方向的车流量。
通过上述分析可知,本公开中可以通过基于每个行驶方向对应的参考轨迹,确定每个车辆的行驶方向,进而确定每个方向的车流量。在一种可能的实现方式中,可以根据车辆的颜色直方图、检测框及位置,获取车辆的行驶轨迹,进而基于车辆的行驶轨迹与各个参考轨迹的匹配度,确定每个方向的车流量,进一步根据车流量对信号灯进行控制,。下面结合图2,对上述过程进行详细说明。
图2是根据本公开又一实施例提供的一种车流的统计方法的流程示意图。
如图2所示,该车流的统计方法包括:
S201:获取在预设时段内的交通视频流数据。
其中,上述步骤S201的具体实现形式,可参照本公开中其他各实施例的详细描述,在此不再赘述。
S202:确定视频流数据中第i帧图像中包含的第一车辆及第一车辆对应的第一颜色直方图、第一检测框及第一位置、第i+1帧图像中包含的第二车辆及第二车辆对应的第二颜色直方图、第二检测框及第二位置,其中,i为自然数。
可选的,可以采用目标检测网络对视频流数据中的每帧图像进行检测,以获取每帧图像中车辆的检测框及车辆的位置,同时对检测框中的车辆的颜色进行提取,以获取每个车辆的颜色直方图。
其中,目标检测网络可以卷积神经网络(Convolutional Neural Networks,CNN)、区域卷积神经网络(Region-CNN,R-CNN)等等,本公开对此不做限定。
可以理解的是,第i帧图像中的第一车辆的数量可能为一个,也可能为多个,同样的,第i+1帧图像中包含的第二车辆的数量可能为一个,也可能为多个,本公开对此不做限定。
S203:确定第一颜色直方图与第二颜色直方图间的第一匹配度、第一检测框与第二检测框间的第二匹配度、第一位置与第二位置间的第三匹配度。
可选的,可以采用以下公式获取第一匹配度、第二匹配度及第三匹配度:
dappearance(i,j)=1-cosine(Ci,Cj) (1)
其中,公式(1)为第一匹配度的计算公式,公式(2)为第二匹配度的计算公式,公式(3)为第三匹配度的计算公式,dappearance(i,j)为第一匹配度,dmotion(i,j)为第二匹配度,dshape(i,j)为第三匹配度,i为第i帧图像中的第一车辆,j为第i+1帧图像中的第二车辆,cosine为余弦距离,Ci为第一颜色直方图对应的向量,Cj为第二颜色直方图对应的向量,Xi为第一位置的横坐标,Yi为第一位置的纵坐标,Xj为第二位置的横坐标,Yj为第二位置的纵坐标,Wi为第一检测框的长,Hi为第一检测框的宽,Wj为第二检测框的长,Hj为第二检测框的宽,ω1、ω2为参考系数。
或者,还可以通过计算第一颜色直方图与第二颜色直方图之间的第一余弦相似度,第一检测框与第二检测框间的第二余弦相似度、及第一位置与第二位置间的第三余弦相似度,之后将第一余弦相似度作为第一匹配度、第二余弦相似度作为第二匹配度、第三余弦相似度作为第三匹配度。
S204:根据第一匹配度、第二匹配度及第三匹配度,确定第一车辆与第二车辆间的第四匹配度。
可选的,可以将第一匹配度、第二匹配度及第三匹配度的均值作为第一车辆及第二车辆的第四匹配度。或者,将第一匹配度、第二匹配度及第三匹配度分配相同的权重,将第一匹配度、第二匹配度及第三匹配度的加权和作为第四匹配度。
可选的,由于第一匹配度、第二匹配度及第三匹配度之间采用不同的融合方式,得到的第四匹配度不同。因此,可以先确定当前的匹配度融合模式,之后基于当前的匹配度融合模式,将第一匹配度、第二匹配度及第三匹配度进行融合,以确定第四匹配度。
可选的,由于不同类型的道路中,车辆的速度不同,从而连续两帧图像中,同一车辆的位置、或形状等差异程度不同,因此,本公开可以根据视频流数据关联的路口所属路段的类型,确定当前的匹配度融合模式。
举例来说,若路口所属路段的车道数量较多,同一车辆在相邻帧中出现的位置差异较小、且对应的检测框形状的差异较小,则同一车辆对应的第一检测框及第二检测框间的第二匹配度,及第一位置与第二位置间的第三匹配度的权重可以适当调高。而由于不同颜色的车辆可能相同,此时基于颜色直方图确定的匹配度的权重可以适当调低。
和/或,由于车辆在图像中的面积不同时,基于颜色直方图及形状确定的匹配的可信度也不同,因此,本公开中也可以根据第一检测框在第i帧图像中的面积,确定当前的匹配度融合模式。
比如,若第一检测框在第i帧图像中的面积较大,即第一车辆对应的颜色直方图可以准确、完整的表征第一车辆的颜色信息,从而基于其确定的第一匹配度可以具有较高的权重等等,本公开对此不做限定。
和/或,也可以根据第二检测框在第i+1帧图像中的面积,确定当前的匹配度融合模式。
需要说明的是,上述示例只是简单的举例说明,不能作为对本公开中第一匹配度、第二匹配度及第三匹配度的限定。
S205:在第四匹配度满足设定条件的情况下,根据第二位置及第一位置,确定车辆在第i帧图像及第i+1帧图像对应的时段内的行驶轨迹。
进一步地,在确定了车辆在第i帧图像及第i+1帧图像对应的时段内的行驶轨迹之后,则说明该车辆已经为跟踪车辆,有其对应的行驶轨迹。
需要说明的是,对于第四匹配度未满足设定的车辆,还可以通过其他的匹配方式,进一步进行对比匹配,比如可以采用交并比匹配的方式,进一步进行匹配,以确定每个车辆在第i帧图像与第i+1帧图像间的行驶轨迹。
S206:根据每个车辆的行驶轨迹与每个参考轨迹的匹配度,确定每个车辆的行驶方向。
S207:根据每个车辆的行驶方向,确定在预设时段内每个方向的车流量。
S208:根据每个方向的车流量,对视频流数据关联的路口的信号灯进行控制。
可以理解的是,若某个方向的车流量较小,则可以缩短该方向上的绿灯时间,增大红灯时间。相反的,若某个方向上的车流量较大,则需要增大该方向上的绿灯时间,缩短红灯时间。
本公开实施例中,首先通过视频流数据中车辆的颜色直方图特征、检测框特征、及位置特征确定车辆的行驶轨迹,之后根据每个车辆的行驶轨迹与每个参考轨迹的匹配度,确定每个车辆的行驶方向,再根据每个车辆的行驶方向,确定在预设时段内每个方向的车流量,最后根据每个方向的车流量,对信号灯进行控制。由此,首先基于车辆的颜色直方图特征、检测框特征、及位置特征对车辆进行跟踪,以确定车辆的行驶轨迹,进而基于确定的行驶轨迹与各个参考轨迹的匹配度,确定每个方向的车流量,从而可以准确地对信号灯进行控制,进一步提高了车辆的通行效率,避免出现道路拥挤的情况。
图3是根据本公开一实施例提供的一种车流的统计装置的结构示意图。
如图3所示,该车流的统计装置300,包括:第一获取模块310、第一确定模块320、第二确定模块330、第三确定模块340。
其中,第一获取模块,用于获取在预设时段内的交通视频流数据。
第一确定模块,用于对视频流数据进行解析,以确定视频流数据中每个车辆的行驶轨迹。
第二确定模块,用于根据每个车辆的行驶轨迹与每个参考轨迹的匹配度,确定每个车辆的行驶方向。
第三确定模块,用于根据每个车辆的行驶方向,确定路口在预设时段内每个方向的车流量。
需要说明的是,前述对车流的统计方法的解释说明也适用于本实施例的车流的统计装置,此处不再赘述。
本公开实施例中的车流的统计装置,首先获取预设时段内的交通视频流数据,之后对视频流数据进行解析,以确定视频流数据中每个车辆的行驶轨迹,根据每个车辆的行驶轨迹与每个参考轨迹的匹配度,确定每个车辆的行驶方向,最后再根据每个车辆的行驶方向,确定在预设时段内每个方向的车流量。由此,通过基于每个行驶方向对应的参考轨迹,确定每个车辆的行驶方向,进而确定每个方向的车流量,从而可以准确地获取每个方向的车流量。
在本公开的一些实施例中,如图4所示,图4是根据本公开一实施例提供的一种车流的统计装置的结构示意图,该车流的统计装置400,包括:第一获取模块410、第一确定模块420、第二确定模块430、第三确定模块440、控制模块450、第二获取模块460、第三获取模块470。
在一种可能的实现方式中,第二获取模块460,具体用于:
获取视频流数据关联的路口对应的参考数据集,其中,参考数据集中包括多个车辆在路口中的行驶轨迹及行驶方向;
根据行驶方向相同的各个车辆在路口的行驶轨迹,确定路口中每个行驶方向对应的参考轨迹。
在一种可能的实现方式中,第三获取模块470,具体用于:
确定视频流数据关联的路口所属路段的类型及路口中每个行驶方向对应的车道数量;
根据路段的类型及每个行驶方向对应的车道数量,确定路口中每个行驶方向对应的参考轨迹。
在一种可能的实现方式中,第一确定模块420,包括:
第一确定单元4201,用于确定视频流数据中第i帧图像中包含的第一车辆及第一车辆对应的第一颜色直方图、第一检测框及第一位置、第i+1帧图像中包含的第二车辆及第二车辆对应的第二颜色直方图、第二检测框及第二位置,其中,i为自然数;
第二确定单元4202,用于确定第一颜色直方图与第二颜色直方图间的第一匹配度、第一检测框与第二检测框间的第二匹配度、第一位置与第二位置间的第三匹配度;
第三确定单元4203,用于根据第一匹配度、第二匹配度及第三匹配度,确定第一车辆与第二车辆间的第四匹配度;
第四确定单元4204,用于在第四匹配度满足设定条件的情况下,根据第二位置及第一位置,确定车辆在第i帧图像及第i+1帧图像对应的时段内的行驶轨迹。
在一种可能的实现方式中,第三确定单元4203,具体用于:
确定当前的匹配度融合模式;
基于当前的匹配度融合模式,将第一匹配度、第二匹配度及第三匹配度进行融合,以确定第四匹配度。
在一种可能的实现方式中,第三确定单元4203,还用于:
根据视频流数据关联的路口所属路段的类型,确定当前的匹配度融合模式;
和/或,
根据第一检测框在第i帧图像中的面积,确定当前的匹配度融合模式;
和/或,
根据第二检测框在第i+1帧图像中的面积,确定当前的匹配度融合模式。
在一种可能的实现方式中,控制模块450,具体用于:
根据每个方向的车流量,对视频流数据关联的路口的信号灯进行控制。
可以理解的是,本实施例附图4中的车流的统计装置400与上述实施例中的车流的统计装置300,第一获取模块410与上述实施例中的第一获取模块310,第一确定模块420与上述实施例中的第一确定模块320,第二确定模块430与上述实施例中的第二确定模块330,第三确定模块440与上述实施例中的第三确定模块340,可以具有相同的功能和结构。
需要说明的是,前述对车流的统计方法的解释说明也适用于本实施例的车流的统计装置,此处不再赘述。
本公开实施例中的车流的统计装置,首先通过视频流数据中车辆的颜色直方图特征、检测框特征、及位置特征确定车辆的行驶轨迹,之后根据每个车辆的行驶轨迹与每个参考轨迹的匹配度,确定每个车辆的行驶方向,再根据每个车辆的行驶方向,确定在预设时段内每个方向的车流量,最后根据每个方向的车流量,对信号灯进行控制。由此,首先基于车辆的颜色直方图特征、检测框特征、及位置特征对车辆进行跟踪,以确定车辆的行驶轨迹,进而基于确定的行驶轨迹与各个参考轨迹的匹配度,确定每个方向的车流量,从而可以准确地对信号灯进行控制,提高了车辆的通行效率,避免出现道路拥挤的情况。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如车流的统计方法。例如,在一些实施例中,车流的统计方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的车流的统计方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行车流的统计方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网及区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
本公开实施例中,首先获取预设时段内的交通视频流数据,之后对视频流数据进行解析,以确定视频流数据中每个车辆的行驶轨迹,根据每个车辆的行驶轨迹与每个参考轨迹的匹配度,确定每个车辆的行驶方向,最后根据每个车辆的行驶方向,确定在预设时段内每个方向的车流量。由此,通过基于每个行驶方向对应的参考轨迹,确定每个车辆的行驶方向,进而确定每个方向的车流量,从而可以更加准确地获取每个方向的车流量。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种车流的统计方法,包括:
获取预设时段内的交通视频流数据;
对所述视频流数据进行解析,以确定所述视频流数据中每个车辆的行驶轨迹;
根据所述每个车辆的行驶轨迹与每个参考轨迹的匹配度,确定所述每个车辆的行驶方向;
根据所述每个车辆的行驶方向,确定在所述预设时段内每个方向的车流量。
2.如权利要求1所述的方法,其中,在所述根据所述每个车辆的行驶轨迹与每个参考轨迹的匹配度,确定所述每个车辆的行驶方向之前,还包括:
获取所述视频流数据关联的路口对应的参考数据集,其中,所述参考数据集中包括多个车辆在所述路口中的行驶轨迹及行驶方向;
根据行驶方向相同的各个车辆在所述路口的行驶轨迹,确定所述路口中每个行驶方向对应的参考轨迹。
3.如权利要求1所述的方法,其中,在所述根据所述每个车辆的行驶轨迹与每个参考轨迹的匹配度,确定所述每个车辆的行驶方向之前,还包括:
确定所述视频流数据关联的路口所属路段的类型及所述路口中每个行驶方向对应的车道数量;
根据所述路段的类型及每个行驶方向对应的车道数量,确定所述路口中每个行驶方向对应的参考轨迹。
4.如权利要求1所述的方法,其中,所述对所述视频流数据进行解析,以确定所述视频流数据中每个车辆的行驶轨迹,包括:
确定所述视频流数据中第i帧图像中包含的第一车辆及所述第一车辆对应的第一颜色直方图、第一检测框及第一位置、第i+1帧图像中包含的第二车辆及所述第二车辆对应的第二颜色直方图、第二检测框及第二位置,其中,i为自然数;
确定所述第一颜色直方图与所述第二颜色直方图间的第一匹配度、所述第一检测框与所述第二检测框间的第二匹配度、所述第一位置与所述第二位置间的第三匹配度;
根据所述第一匹配度、所述第二匹配度及所述第三匹配度,确定所述第一车辆与所述第二车辆间的第四匹配度;
在所述第四匹配度满足设定条件的情况下,根据所述第二位置及所述第一位置,确定所述车辆在所述第i帧图像及第i+1帧图像对应的时段内的行驶轨迹。
5.如权利要求4所述的方法,其中,所述根据所述第一匹配度、所述第二匹配度及所述第三匹配度,确定所述第一车辆与所述第二车辆间的第四匹配度,包括:
确定当前的匹配度融合模式;
基于所述当前的匹配度融合模式,将所述第一匹配度、第二匹配度及第三匹配度进行融合,以确定所述第四匹配度。
6.如权利要求5所述的方法,其中,所述确定当前的匹配度融合模式,包括:
根据所述视频流数据关联的路口所属路段的类型,确定所述当前的匹配度融合模式;
和/或,
根据所述第一检测框在所述第i帧图像中的面积,确定所述当前的匹配度融合模式;
和/或,
根据所述第二检测框在所述第i+1帧图像中的面积,确定所述当前的匹配度融合模式。
7.如权利要求1-6任一所述的方法,其中,在所述确定在所述预设时段内每个方向的车流量之后,还包括:
根据所述每个方向的车流量,对所述视频流数据关联的路口的信号灯进行控制。
8.一种车流的统计装置,包括:
第一获取模块,用于获取预设时段内的交通视频流数据;
第一确定模块,用于对所述视频流数据进行解析,以确定所述视频流数据中每个车辆的行驶轨迹;
第二确定模块,用于根据所述每个车辆的行驶轨迹与每个参考轨迹的匹配度,确定所述每个车辆的行驶方向;
第三确定模块,用于根据所述每个车辆的行驶方向,确定在所述预设时段内每个方向的车流量。
9.如权利要求8所述的装置,其中,还包括:
第二获取模块,用于获取所述视频流数据关联的路口对应的参考数据集,其中,所述参考数据集中包括多个车辆在所述路口中的行驶轨迹及行驶方向;
所述第二获取模块,还用于根据行驶方向相同的各个车辆在所述路口的行驶轨迹,确定所述路口中每个行驶方向对应的参考轨迹。
10.如权利要求8所述的装置,其中,还包括:
第三获取模块,用于确定所述视频流数据关联的路口所属路段的类型及所述路口中每个行驶方向对应的车道数量;
所述第三获取模块,还用于根据所述路段的类型及每个行驶方向对应的车道数量,确定所述路口中每个行驶方向对应的参考轨迹。
11.如权利要求8所述的装置,其中,所述第一确定模块,包括:
第一确定单元,用于确定所述视频流数据中第i帧图像中包含的第一车辆及所述第一车辆对应的第一颜色直方图、第一检测框及第一位置、第i+1帧图像中包含的第二车辆及所述第二车辆对应的第二颜色直方图、第二检测框及第二位置,其中,i为自然数;
第二确定单元,用于确定所述第一颜色直方图与所述第二颜色直方图间的第一匹配度、所述第一检测框与所述第二检测框间的第二匹配度、所述第一位置与所述第二位置间的第三匹配度;
第三确定单元,用于根据所述第一匹配度、所述第二匹配度及所述第三匹配度,确定所述第一车辆与所述第二车辆间的第四匹配度;
第四确定单元,用于在所述第四匹配度满足设定条件的情况下,根据所述第二位置及所述第一位置,确定所述车辆在所述第i帧图像及第i+1帧图像对应的时段内的行驶轨迹。
12.如权利要求11所述的装置,其中,所述第三确定单元,具体用于:
确定当前的匹配度融合模式;
基于所述当前的匹配度融合模式,将所述第一匹配度、第二匹配度及第三匹配度进行融合,以确定所述第四匹配度。
13.如权利要求12所述的装置,其中,所述第三确定单元,还用于:
根据所述视频流数据关联的路口所属路段的类型,确定所述当前的匹配度融合模式;
和/或,
根据所述第一检测框在所述第i帧图像中的面积,确定所述当前的匹配度融合模式;
和/或,
根据所述第二检测框在所述第i+1帧图像中的面积,确定所述当前的匹配度融合模式。
14.如权利要求8-13任一所述的装置,其中,还包括:
控制模块,用于根据所述每个方向的车流量,对所述视频流数据关联的路口的信号灯进行控制。
15.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。
17.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110732356.4A CN113593219B (zh) | 2021-06-30 | 2021-06-30 | 车流的统计方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110732356.4A CN113593219B (zh) | 2021-06-30 | 2021-06-30 | 车流的统计方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113593219A true CN113593219A (zh) | 2021-11-02 |
CN113593219B CN113593219B (zh) | 2023-02-28 |
Family
ID=78245177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110732356.4A Active CN113593219B (zh) | 2021-06-30 | 2021-06-30 | 车流的统计方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113593219B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114093170A (zh) * | 2021-11-26 | 2022-02-25 | 阿波罗智联(北京)科技有限公司 | 一种信号机控制方案的生成方法、系统、装置及电子设备 |
CN114495509A (zh) * | 2022-04-08 | 2022-05-13 | 四川九通智路科技有限公司 | 基于深度神经网络监控隧道运行状态的方法 |
CN114582125A (zh) * | 2022-03-02 | 2022-06-03 | 北京百度网讯科技有限公司 | 道路通行方向的识别的方法、装置、设备及存储介质 |
CN114822049A (zh) * | 2022-03-23 | 2022-07-29 | 山东省交通规划设计院集团有限公司 | 一种车辆流向监测分析方法及系统 |
CN115547036A (zh) * | 2022-08-31 | 2022-12-30 | 北京罗克维尔斯科技有限公司 | 轨迹过滤方法、装置、电子设备、存储介质及车辆 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102208036A (zh) * | 2010-03-31 | 2011-10-05 | 爱信艾达株式会社 | 车辆位置检测系统 |
JP2018055597A (ja) * | 2016-09-30 | 2018-04-05 | 株式会社東芝 | 車種判別装置および車種判別方法 |
CN108009494A (zh) * | 2017-11-30 | 2018-05-08 | 中山大学 | 一种基于无人机的道路交叉口车辆跟踪方法 |
CN109584558A (zh) * | 2018-12-17 | 2019-04-05 | 长安大学 | 一种面向城市交通信号配时的交通流统计方法 |
CN110335139A (zh) * | 2019-06-21 | 2019-10-15 | 深圳前海微众银行股份有限公司 | 基于相似度的评估方法、装置、设备及可读存储介质 |
US20190325738A1 (en) * | 2018-04-18 | 2019-10-24 | Here Global B.V. | Lane-level geometry and traffic information |
CN110674723A (zh) * | 2019-09-19 | 2020-01-10 | 北京三快在线科技有限公司 | 一种确定无人驾驶车辆行驶轨迹的方法及装置 |
EP3614225A1 (en) * | 2018-08-23 | 2020-02-26 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for positioning autonomous vehicle |
KR102144975B1 (ko) * | 2019-11-08 | 2020-08-14 | 주식회사 알체라 | 머신 러닝 시스템 및 머신 러닝 시스템의 동작 방법 |
CN111652912A (zh) * | 2020-06-10 | 2020-09-11 | 北京嘀嘀无限科技发展有限公司 | 车辆计数方法和系统、数据处理设备及智能拍摄设备 |
CN111932901A (zh) * | 2019-05-13 | 2020-11-13 | 阿里巴巴集团控股有限公司 | 道路车辆跟踪检测设备、方法及存储介质 |
CN112309126A (zh) * | 2020-10-30 | 2021-02-02 | 杭州海康威视数字技术股份有限公司 | 车牌检测方法、装置、电子设备及计算机可读存储介质 |
CN112597822A (zh) * | 2020-12-11 | 2021-04-02 | 国汽(北京)智能网联汽车研究院有限公司 | 车辆的轨迹确定方法、装置、电子设备及计算机存储介质 |
CN112990124A (zh) * | 2021-04-26 | 2021-06-18 | 湖北亿咖通科技有限公司 | 一种车辆跟踪方法、装置、电子设备及存储介质 |
-
2021
- 2021-06-30 CN CN202110732356.4A patent/CN113593219B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102208036A (zh) * | 2010-03-31 | 2011-10-05 | 爱信艾达株式会社 | 车辆位置检测系统 |
JP2018055597A (ja) * | 2016-09-30 | 2018-04-05 | 株式会社東芝 | 車種判別装置および車種判別方法 |
CN108009494A (zh) * | 2017-11-30 | 2018-05-08 | 中山大学 | 一种基于无人机的道路交叉口车辆跟踪方法 |
US20190325738A1 (en) * | 2018-04-18 | 2019-10-24 | Here Global B.V. | Lane-level geometry and traffic information |
EP3614225A1 (en) * | 2018-08-23 | 2020-02-26 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for positioning autonomous vehicle |
CN109584558A (zh) * | 2018-12-17 | 2019-04-05 | 长安大学 | 一种面向城市交通信号配时的交通流统计方法 |
CN111932901A (zh) * | 2019-05-13 | 2020-11-13 | 阿里巴巴集团控股有限公司 | 道路车辆跟踪检测设备、方法及存储介质 |
CN110335139A (zh) * | 2019-06-21 | 2019-10-15 | 深圳前海微众银行股份有限公司 | 基于相似度的评估方法、装置、设备及可读存储介质 |
CN110674723A (zh) * | 2019-09-19 | 2020-01-10 | 北京三快在线科技有限公司 | 一种确定无人驾驶车辆行驶轨迹的方法及装置 |
KR102144975B1 (ko) * | 2019-11-08 | 2020-08-14 | 주식회사 알체라 | 머신 러닝 시스템 및 머신 러닝 시스템의 동작 방법 |
CN111652912A (zh) * | 2020-06-10 | 2020-09-11 | 北京嘀嘀无限科技发展有限公司 | 车辆计数方法和系统、数据处理设备及智能拍摄设备 |
CN112309126A (zh) * | 2020-10-30 | 2021-02-02 | 杭州海康威视数字技术股份有限公司 | 车牌检测方法、装置、电子设备及计算机可读存储介质 |
CN112597822A (zh) * | 2020-12-11 | 2021-04-02 | 国汽(北京)智能网联汽车研究院有限公司 | 车辆的轨迹确定方法、装置、电子设备及计算机存储介质 |
CN112990124A (zh) * | 2021-04-26 | 2021-06-18 | 湖北亿咖通科技有限公司 | 一种车辆跟踪方法、装置、电子设备及存储介质 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114093170A (zh) * | 2021-11-26 | 2022-02-25 | 阿波罗智联(北京)科技有限公司 | 一种信号机控制方案的生成方法、系统、装置及电子设备 |
CN114093170B (zh) * | 2021-11-26 | 2023-01-24 | 阿波罗智联(北京)科技有限公司 | 一种信号机控制方案的生成方法、系统、装置及电子设备 |
CN114582125A (zh) * | 2022-03-02 | 2022-06-03 | 北京百度网讯科技有限公司 | 道路通行方向的识别的方法、装置、设备及存储介质 |
CN114582125B (zh) * | 2022-03-02 | 2023-08-29 | 北京百度网讯科技有限公司 | 道路通行方向的识别的方法、装置、设备及存储介质 |
CN114822049A (zh) * | 2022-03-23 | 2022-07-29 | 山东省交通规划设计院集团有限公司 | 一种车辆流向监测分析方法及系统 |
CN114495509A (zh) * | 2022-04-08 | 2022-05-13 | 四川九通智路科技有限公司 | 基于深度神经网络监控隧道运行状态的方法 |
CN114495509B (zh) * | 2022-04-08 | 2022-07-12 | 四川九通智路科技有限公司 | 基于深度神经网络监控隧道运行状态的方法 |
CN115547036A (zh) * | 2022-08-31 | 2022-12-30 | 北京罗克维尔斯科技有限公司 | 轨迹过滤方法、装置、电子设备、存储介质及车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN113593219B (zh) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113593219B (zh) | 车流的统计方法、装置、电子设备及存储介质 | |
US11314973B2 (en) | Lane line-based intelligent driving control method and apparatus, and electronic device | |
Zhang et al. | High speed automatic power line detection and tracking for a UAV-based inspection | |
CN111709328A (zh) | 车辆跟踪方法、装置及电子设备 | |
CN103246896B (zh) | 一种鲁棒性车辆实时检测与跟踪方法 | |
CN113221677B (zh) | 一种轨迹异常检测方法、装置、路侧设备和云控平台 | |
CN103065325B (zh) | 一种基于彩色颜色距离和图像分割聚合的目标跟踪方法 | |
CN113012176B (zh) | 样本图像的处理方法、装置、电子设备及存储介质 | |
Yang et al. | Multiple object tracking with kernelized correlation filters in urban mixed traffic | |
CN112560580B (zh) | 障碍物识别方法、装置、系统、存储介质和电子设备 | |
CN112528786A (zh) | 车辆跟踪方法、装置及电子设备 | |
CN113177968A (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN113221768A (zh) | 识别模型训练方法、识别方法、装置、设备及存储介质 | |
CN115641359B (zh) | 确定对象的运动轨迹的方法、装置、电子设备和介质 | |
WO2023273344A1 (zh) | 车辆跨线识别方法、装置、电子设备和存储介质 | |
CN112528927B (zh) | 基于轨迹分析的置信度确定方法、路侧设备及云控平台 | |
CN111161325A (zh) | 基于卡尔曼滤波与lstm的三维多目标跟踪方法 | |
CN113592903A (zh) | 车辆轨迹识别方法、装置、电子设备和存储介质 | |
CN113763427A (zh) | 一种基于从粗到精遮挡处理的多目标跟踪方法 | |
CN115620081A (zh) | 一种目标检测模型的训练方法及目标检测方法、装置 | |
CN112257604A (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN113705381A (zh) | 雾天的目标检测方法、装置、电子设备以及存储介质 | |
CN101877135B (zh) | 一种基于背景重构的运动目标检测方法 | |
CN105279761B (zh) | 一种基于样本局部密度离群点检测的背景建模方法 | |
CN115953434A (zh) | 轨迹匹配方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |