CN110556000A - 人工智慧交通检测*** - Google Patents

Abstract

本发明为一种人工智慧交通检测***，由设置于路口的鱼眼摄影机连续拍摄路口的影像，交由具有人工智慧演算法的处理器来分析所述影像，以获得交通信息，该交通信息传送至一服务器后，服务器依据该交通信息来产生控制路***通标志的时制计划，本发明可即时且连续不间断的提供交通信息，有助于即时产生最适合各路***通标志的时制计划，进而改善交通壅塞的情形。

Description

人工智慧交通检测***

技术领域

本发明为一种交通检测***，指一种运用人工智慧检测交通状况的***。

背景技术

交通壅塞往往是都会区难解的问题，交通壅塞的原因除了车流量大以外，交通标志所掌控车辆行进与停止的时间长短，也扮演着关键的角色。目前大多数的交通标志均由设置于路口的交通控制器所掌控，多半以预设的时制计划(timing plan)运行，而预设的时制计划多半由人员统计现场车流量后，再加以运算后得出预设时制计划。

然而，由人力统计车流量，不但费时费力，也会因人员的疏忽而有误差，且也难以进行长时间不间断的统计。再者，也因为无法随时配置人力进行现场监控，故无法随着路口状况即时调整交通标志的时制。因此，现有技术确有其缺陷。

发明内容

有鉴于此，本发明针对现有技术中的缺点进行改良研发，能够即时检测路***通状况，有助于即时调整交通标志的时制。

为达到上述的发明目的，本发明所采用的技术手段为提供一种人工智慧交通检测***，其中包括：

一鱼眼摄影机，用于拍摄多张路口连续的影像；

一具有人工智慧演算法的处理器，接收所述多张连续的影像，该处理器藉由该人工智慧演算法分析所述多张连续的影像，获得一交通信息，该交通信息包括在直行及转弯等不同的行进方向上的各种车辆的数量；以及

一通讯装置，耦接该处理器，用以传送该交通信息。

本发明的优点在于，可实现长时间监控且收集到准确的车流信息，以实现即时调整交通标志的控制，改善交通雍塞的情况。

附图说明

图1说明本发明一实施例。

图2的示意图说明本发明各个元件的装设位置。

图3为本发明的交通信息示意图。

图4的示意图说明本发明可在影像中标示车辆。

图5为本发明应用在多个路口的示意图。

其中，附图标记：

P人工智慧交通检测***

10鱼眼摄影机 20处理器

21即时串流协定影像解码器 22人工智慧判断单元

23储存装置 30通讯装置

40服务器 50交通标志控制器

60交通标志 70灯架

80识别框 100影像

200机箱

1、2、3、4、5、6、7、8路口

T₁、T₂交通信息

具体实施方式

以下配合图式及本发明的实施例，进一步阐述本发明为达成预定发明目的所采取的技术手段。

请参阅图1所示，本发明的人工智慧交通检测***P包含有一鱼眼摄影机10、一具有人工智慧演算法的处理器20以及一通讯装置30。该人工智慧交通检测***P是用来检测一路口的交通状况，并且产生一交通信息。该人工智慧交通检测***P将该交通信息传送给远端的服务器40，服务器40根据该交通信息产生交通标志60的时制计划(timing plan)，并且可将该时制计划传送给控制该交通标志60运作的交通标志控制器50。

鱼眼摄影机10具有广角的镜头，用以拍摄多张连续的影像。鱼眼摄影机10可以设置于路口上方，以拍摄俯视影像。在图2的实施例中，鱼眼摄影机10架设在路口的交通标志60的灯架70上，但并不以此为限。处理器20及该通讯装置30放置在一机箱200里面，机箱200的外壳可以保护处理器20及通讯装置30不会淋到雨或遭到人为的破坏。在图2的实施例中，机箱200设置在灯架70上，但并不以此为限。在一实施例中，鱼眼摄影机10为一360度全景鱼眼摄影机，具有500万或者更高的像素，能够拍摄在路口左转、直行或右转的各种车辆，例如摩托车、三轮车、小客车、大客车、大货车、联结车等等两轮以上的车辆。在其他实施例中，鱼眼摄影机10亦可以是设置在路口其他适合的支架上，例如路标的支架，容纳处理器20与通讯装置30的机箱200则是设置于该支架上。

处理器20可以是NVIDIA公司所开发的JETSON TX2平台或其他的人工智慧平台，Jetson TX2是一款人工智慧超级电脑模块，采用NVIDIA Pascal架构，支持人工智慧的运算处理。处理器20耦接鱼眼摄影机10，具有人工智慧，用以接收鱼眼摄影机10所拍摄的多张连续的影像。在一实施例中，鱼眼摄影机10藉由一网络线(例如RJ45)连接处理器20，鱼眼摄影机10经由该网络线传送影像给处理器20。该处理器20利用人工智慧演算法，从所述多张连续的影像中识别出不同种类的车辆以及其行进方向，以获得一交通信息。该交通信息中可包含直行及转弯的多种车辆的数量等。举例而言，图3的示意图包括8个路口1～8，处理器20所产出的交通信息如每个路口所标示的表格，每一组交通信息提供三个行进方向的车辆种类及数量。图3中以A代表大客车、大货车等大型车辆、以B代表休旅车、小客车等中型车辆、以C代表机车等小型车辆，例如交通信息T₁显示，从由南向北的路口1共有51台车通过，其中右转离开并进入路口5的大型车辆有1台、中型车辆有4台、小型车辆有10台，直行离开并进入路口3的大型车辆有3台、中型车辆有20台、小型车辆有6台，左转离开并进入路口8的大型车辆有2台、中型车辆有5台、小型车辆有0台，交通信息T₂则显示，在由南向北的路口3，共有47台车通过，其中从路口7左转进入的大型车辆有0台、中型车辆有8台、小型车辆有0台，从路口1直行进入的大型车辆有3台、中型车辆有20台、小型车辆有6台，从路口6右转进入的大型车辆有0台、中型车辆有2台、小型车辆有8台，依此类推可得知该路口的交通信息。在其他实施例中，该处理器20从鱼眼摄影机10所识别出的车辆，包括两轮以上的车辆，例如摩托车、三轮车、小客车、大客车、货车、联结车…等等。

鱼眼摄影机10与处理器20可以装设在每一个路口，也可以是只装设在路口1、4、6与7。如图所示，例如路口3的交通信息T₂，其实可以根据路口7、1与6的交通信息来获得，因此，省略路口3的鱼眼摄影机10与处理器20亦是可行的，以此类推则路口2、5、8的鱼眼摄影机10亦可被省略。如果是在较小型的十字或T字路口，架设一只360度全景鱼眼摄影机10以及一处理器20，便可能足已拍摄到所有路口的交通影像，并产生各方向的交通信息。在一实施例中，多个处理器20可以共用一个通讯装置，以节省成本。在其他的实施例中，处理器20产生的交通信息可以包括更多的内容，例如车行速度，每单位时间(例如小时或分钟)的车流量等等。

在图1所示的实施例中，处理器20包含一即时串流协定(Real Time StreamingProtocol,RTSP)影像解码器21、一人工智慧判断单元22及一储存装置23。即时串流协定影像解码器21耦接储存装置23与人工智慧判断单元22。即时串流协定影像解码器21的输入端耦接鱼眼摄影机10的输出，用以接收及解码鱼眼摄影机10拍摄的多张连续影像，并将解码后的影像数据传送至该人工智慧判断单元22。

人工智慧判断单元22包括人工智慧演算法及车辆数据库，用以对多张连续的影像进行分析，以产生交通信息。车辆数据库是来自机器学习的结果，其中包括各种车辆的特征信息，该人工智慧演算法将影像中的车辆物件与车辆数据库的特征信息进行比对，以识别出车辆的种类。在一实施例中，每一种车辆对应多笔的特征信息，这多笔的特征信息分别对应不同程度的鱼眼变形(fisheye distortion)的车辆图像。举例来说，为了进行机器学习，需在各式路口(例如三叉路口、十字路口)，各种天候情境(例如白天、晚上、睛天、阴天、雨天)下拍摄大量的连续的路口影像，这些路口影像是以上述的鱼眼摄影机10所拍摄的鱼眼影像。从这些鱼眼影像中，各个车辆在各个位置的影像被用来进行机器学习以萃取出特征信息。在一实施例中，以这些鱼眼影像进行机器学习的过程并不把鱼眼影像或者鱼眼影像中扭曲变形的车辆图像进行还原或变形校正，因此这些鱼眼影像中，所有因鱼眼镜头而扭曲变形的车辆图像都会被用于机器学习以萃取出特征信息。每一种车辆会对应到多笔的特征信息，而且每一笔特征信息对应的车辆图像具有不同程度的扭曲变形。从这些扭曲变形的车辆图像分别萃取出特征信息，有利于将来能迅速的从拍摄到的鱼眼影像中直接识别出车辆。

在收到鱼眼摄影机10传来的影像之后，人工智慧判断单元22藉由人工智慧演算法从该影像中找到所有像车子的物件，并且与车辆数据库里的特征信息进行比对，以识别出该影像中的所有车辆。在一实施例中，当人工智慧判断单元22从鱼眼图像识别出一车辆时，即给予该车辆一标示，例如图4所示的一识别框80包括该车辆。藉由该标示及多张连续的鱼眼影像，该人工智慧判断单元22可以追踪该车辆是直行，左转或右转。

人工智慧判断单元22藉由人工智慧演算法识别影像中的车辆种类(例如摩托车、三轮车、小客车、大客车、货车、联结车等等)及识别各种车辆的行进方向(例如左转，右转，直行)。根据识别的结果，该人工智慧判断单元22分别统计各种车辆在各个行进方向的车辆数目，以产出交通信息。在其他实施例中，根据鱼眼摄影机10的帧率(frame rate)(每秒拍摄几张)，该人工智慧判断单元22更可以计算车行速度、单位时间的车流量，路口占有率等等的数据，并整合到交通信息中。

举例来说，车行速度的计算方式，可以是在鱼眼摄影机10拍摄的鱼眼影像中预设一测距范围，该测距范围的长度为M个像素，该M个像素的长度对应到实际的道路距离N，藉由追踪车辆物件，并计算经过多少张连续的鱼眼影像，影像中的车辆物件的位置通过该测距范围，即可计算出车行速度，例如，在60张连续的鱼眼影像中，一车辆物件的位置移动了该测距范围，该测距范围对应的实际道路距离为20公尺，该鱼眼摄影机10的帧率(framerate)为每秒30张影像，换言之，一车辆物件移动该测距范围的时间为2秒(60/30)。则将距离20公尺除以行驶时间2秒，即可获得该车辆物件的车行速度为10公尺/秒。单位时间的车流量可以是根据处理器统计每20秒钟通过该路口的车辆总数来计算。路口占有率(Occupancy)是用来评估是否塞车的一项信息，路口占有率的计算可以是在鱼眼摄影机10拍摄的路口影像中预设一监视区域，该监视区域可以是对应例如十字路口中央的一块区域。藉由计算在一分钟的影像中，有多少张影像的监视区域有包括车辆物件，可以计算出路口占有率。举例来说，该鱼眼摄影机10的帧率(frame rate)为每秒30张影像，1分钟即为1800张影像，如果1800张连续的影像中，有180张影像的监视区域有包括车辆物件，则路口占有率为监视区域有包括车辆物件的影像张数180除以1分钟鱼眼摄影机10产出的影像张数1800，等于10/100。路口占有率可以被服务器40用来作为评估交通雍塞的信息之一。举例来说，当路口占有率达到一门槛值(例如100/100)，即表示该十字路口的中央区域持续有车子在通过，可能已经发生塞车的情况，则服务器40可以据该路口占有率即时调整该十字路口的各个交通标志的时间控制，以维持各方向的交通顺畅。

储存装置23用以暂存人工智慧判断单元22产出的交通信息。在一实施例中，该储存装置23更储存必要的影像及历史交通信息。储存装置23可以是例如硬盘、SSD硬盘等储存媒体。

通讯装置30耦接于处理器20，用以传送处理器20产生的交通信息。在一实施例中，处理器20包括一网络界面(图中未示出)耦接通讯装置30，通讯装置30与该网络界面之间以网络线(例如RJ45网络线)相连接。储存装置23中暂存的交通信息经由该网络界面传送至通讯装置30。通讯装置30可通过有线网络或无线网络与该服务器40通讯，以传送该交通信息。在一实施例中，通讯装置30为一路由器(router)。

服务器40接收通讯装置30传来的交通信息，并且根据该交通信息产生一用于交通标志60的时制计划(timing plan)，服务器40可以是交通单位既有或新设的***。交通标志60是由交通标志控制器50控制，服务器40可藉由有线网络或无线网络将时制计划传送给交通标志控制器50，交通标志控制器50接收该时制计划之后，即根据该时制计划控制交通标志60。在一实施例中，该时制计划包含对交通标志60的时间控制，例如直行绿灯的秒数、右转绿灯的秒数、左转绿灯的秒数、红灯的秒数、黄灯的秒数等等。

从以上说明可以了解，本发明的人工智慧交通检测***P是用鱼眼摄影机10监控路口的影像加上人工智慧影像分析，可以产出大数据，而且可以判断转向(例如左转或右转)的车流以及识别出机车(这是目前使用雷达检测无法作到的功能)。

上述实施例的一项优点在于，鱼眼摄影机10所拍到的影像是由位于鱼眼摄影机10近端的处理器10分析，通讯装置30只传送处理器20产生的交通信息给远端的服务器40，该交通信息的数据量较少，因此对于通讯装置30的服务器40之间的网络的频宽要求较低，有助于减少建置网络的成本，提高数据传输的可靠性及速度，有利于即时地进行时制计划的调整。如果是将鱼眼摄影机10的影像传到云端的服务器处理，将会需要相当大的网络频宽，除了会增加建置网络的成本，也可能因为网络壅塞而导致影像传送失败。

在图5的示意图中，多个路口的处理器20共用一通讯装置30。在图5中，路口A、B与C分别设有一交通标志60，一鱼眼摄影机10以及一处理器30。路口A、B与C可以是一条道路上的三个路口，这三个路口的处理器30都连接到一通讯装置30。这三个处理器20所产生的交通信息，由通讯装置30传送给远端的交通单位既有或新设的服务器40，服务器40依据所获得各路口的交通信息，规划出各路***通标志60最佳的时制计划，并且可将该时制计划传送给交通标志控制器50，以控制各路口A、B与C的交通标志60。为了改善一区域或一整条道路的交通，必须综合考量多个路口的车流情况，图4所示的架构根据多个相关路口的车流，来规划各路口的交通标志的时制，能够使整体的车流速度最佳化。

从以上说明可以了解，根据本发明的人工智慧交通检测***P可以即时的反映不同交通时段的车流情形，有助于优化交通单位既有交通标志60的控制，使车流速度最佳化。举例来说，当处理器20产出的交通信息显示东西向道路的车流量少，南北向车流大时，服务器40即可以自动缩短东西向的绿灯时间，延长南北向道路的绿灯时间来疏解塞车问题。另一方面，通过长期收集的交通信息可以对交通壅塞的成因进行分析，有助于交通管理调度及相关决策，建立整体宏观的交通规划。

本发明的特点之一，在于应用了人工智慧来识别车辆，不仅准确率高，而且连机车这种体积较小的两轮车辆，也都能够准确的辨识出来。如果是以电脑影像分析的方式从路口影像找出车辆物件，容易因天候，光线，而降低车辆识别的准确性，效果明显会比本发明差。

以上所述仅是本发明的实施例而已，并非对本发明做任何形式上的限制，虽然本发明已以实施例揭露如上，然而并非用以限定本发明，任何所属技术领域中具有通常知识者，在不脱离本发明技术方案的范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (15)

1.一种人工智慧交通检测***，其特征在于，包括：

一鱼眼摄影机，用于拍摄路口多张连续的影像；

一具有人工智慧演算法的处理器，接收所述多张连续的影像，该处理器藉由该人工智慧演算法从所述多张连续的影像中识别出不同种类的车辆以及其行进方向，以获得一交通信息，该交通信息包括直行及转弯的多种车辆的数量；以及

一通讯装置，耦接该处理器，用以传送该交通信息。

2.如权利要求1所述的人工智慧交通检测***，其特征在于，所述鱼眼摄影机为360度全景鱼眼摄影机。

3.如权利要求2所述的人工智慧交通检测***，其特征在于，所述鱼眼摄影机设于一路口的上方，以拍摄俯视影像。

4.如权利要求1所述的人工智慧交通检测***，其特征在于，该处理器包含：

一即时串流协定影像解码器，接收及解码所述多张连续的影像；

一人工智慧判断单元，耦接该即时串流协定影像解码器，该人工智慧判断单元接收该解码后的多张连续的影像，并利用该人工智慧演算法分析该解码后的多张连续的影像，以识别出多种不同的车辆及其行进方向，并统计不同车辆在不同行进方向的数量，以产生该交通信息。

5.如权利要求4所述的人工智慧交通检测***，其特征在于，该处理器中包含有一储存装置，用以暂存该交通信息。

6.如权利要求1所述的人工智慧交通检测***，其特征在于，该鱼眼摄影机设置于一交通标志的灯架上、或设置于该路口其他支架上。

7.如权利要求6所述的人工智慧交通检测***，其特征在于，该处理器与该通讯装置设置于该灯架或该支架上的一个机箱内。

8.如权利要求1所述的人工智慧交通检测***，其特征在于，该通讯装置以无线或有线网络传送该交通信息给一服务器。

9.如权利要求1所述的人工智慧交通检测***，其特征在于，该处理器更以一识别框标示所识别出的车辆。

10.如权利要求1所述的人工智慧交通检测***，其特征在于，该交通信息更包括车行速度、单位时间的车流量以及路口占有率的至少其中之一。

11.如权利要求1所述的人工智慧交通检测***，其特征在于，该处理器从所述多张连续的影像中所识别出的车辆，包括两轮以上的车辆。

12.如权利要求1所述的人工智慧交通检测***，其特征在于，该处理器根据该鱼眼摄影机所拍摄到的鱼眼影像进行车辆的识别，并不把该鱼眼影像或该鱼眼影像中的车辆物件进行变形校正。

13.如权利要求1所述的人工智慧交通检测***，其特征在于，该鱼眼摄影机藉由一网络线连接该处理器。

14.如权利要求4所述的人工智慧交通检测***，其特征在于，该人工智慧判断单元包括该人工智慧演算法与一车辆数据库，该车辆数据库包括各种车辆的特征信息，供该人工智慧演算法比对该影像中的车辆物件。

15.如权利要求13所述的人工智慧交通检测***，其特征在于，在该车辆数据库中，每一种车辆对应多笔的该特征信息，该多笔的该特征信息分别对应不同程度的鱼眼变形的车辆图像。