CN111815951A - 一种基于智能视觉物联网的道路车辆监控***及方法 - Google Patents
一种基于智能视觉物联网的道路车辆监控***及方法 Download PDFInfo
- Publication number
- CN111815951A CN111815951A CN202010692727.6A CN202010692727A CN111815951A CN 111815951 A CN111815951 A CN 111815951A CN 202010692727 A CN202010692727 A CN 202010692727A CN 111815951 A CN111815951 A CN 111815951A
- Authority
- CN
- China
- Prior art keywords
- module
- road vehicle
- monitoring
- traffic flow
- prediction
- 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.)
- Withdrawn
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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- 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)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于道路车辆监控技术领域,公开了一种基于智能视觉物联网的道路车辆监控***及方法,所述基于智能视觉物联网的道路车辆监控***包括:车速采集模块、道路车辆视频采集模块、视频增强模块、主控模块、物联通信模块、车流量预测模块、违章识别模块、交通堵塞监测模块、事故救援模块、云存储模块、显示模块。本发明通过道路车辆视频增强模块实现了基于帧的道路车辆视频增强,提高了道路车辆视频增强效果,提升了道路车辆视频质量;通过车流量预测模块选取与当前车流量匹配的预测模型进行预测,可以根据当前车流量进行选取,使得预测模型随着实时数据进行动态调整,实现了更高准确度的车流量预测,为驾驶员及时推荐更合理的出行路线。
Description
技术领域
本发明属于道路车辆监控技术领域,尤其涉及一种基于智能视觉物联网的道路车辆监控***及方法。
背景技术
目前,道路监控***是公安指挥***的重要组成部分,提供对现场情况最直观的反映,是实施准确调度的基本保障,重点场所和监测点的前端设备将视频图像以各种方式(光纤、专线等)传送至交通指挥中心,进行信息的存储、处理和发布,使交通指挥管理人员对交通违章、交通堵塞、交通事故及其它突发事件做出及时、准确的判断,并相应调整各项***控制参数与指挥调度策略。城市道路是城市的基本骨架,从某种意义上讲,城市道路监控***就是城市治安监控***的骨架。作为道路交通管理的主力军,交警承担了城市道路交通电视监控、机动车交通违法监测抓拍、智能卡口等***建设,这三个***的监控范围都是机动车道,监控对象都是机动车辆,是城市道路监控网络***的重要组成部分,对构建城市治安防控网络***都有着十分重要的作用。为改善交通拥挤局面,各城市正在逐步推广实施各重要交通道口区域实时交通状况图像监控***计划,即在城市各重要交通道口安装一套智能型道路监控***,通过图像传输通道将路面交通情况实时上传到道路监控指挥中心,中心值班人员可以据此及时了解各区域路面状况,以便调整各路口车辆流量,确保交通通畅。对监控路面车辆的违章情况,能及时发现并安排处理道路交通事故等。然而,现有基于智能视觉物联网的道路车辆监控***监控道路车辆视频质量差,不清晰,影响监控;同时,由于气候因素、驾驶员的心理状态、突发事件和交通事故等多种原因,导致短时车流量具有高度的不确定性,造成当前车流量的分布不再与历史车流量的分布一致,若仍采用传统预测方法的预测模型进行预测,可能导致车流量预测不准确。
综上所述,现有技术存在的问题及缺陷是:现有基于智能视觉物联网的道路车辆监控***监控道路车辆视频质量差,不清晰,影响监控;同时,由于气候因素、驾驶员的心理状态、突发事件和交通事故等多种原因,导致短时车流量具有高度的不确定性,造成当前车流量的分布不再与历史车流量的分布一致,若仍采用传统预测方法的预测模型进行预测,可能导致车流量预测不准确。
发明内容
针对现有技术存在的问题,本发明提供了一种基于智能视觉物联网的道路车辆监控***及方法。
本发明是这样实现的,一种基于智能视觉物联网的道路车辆监控方法,所述基于智能视觉物联网的道路车辆监控方法包括以下步骤:
步骤一,通过车速采集模块利用测速器采集道路车辆行驶的车速数据;通过道路车辆视频采集模块利用摄像器采集道路车辆行驶的视频数据。
步骤二,通过视频增强模块利用视频增强程序依次获取道路车辆视频中的各个帧;对道路车辆视频的一帧图像进行帧内增强,计算其增强参数。
步骤三,对每一个当前帧,确定反映运动状态或明暗的属性信息,查找预设的映射关系得到与所述属性信息对应的控制参数,用所述控制参数、增强参数对所述当前帧执行道路车辆视频增强操作。
步骤四,确定反映运动状态或明暗的所述当前帧的属性信息,查找预设的属性信息与控制参数的映射关系得到所述当前帧的控制参数;计算所述当前帧的控制参数与上一帧的控制参数的差值,判断所述差值的绝对值是否超过指定的阈值;如果超过所述指定的阈值,则根据所述上一帧的控制参数和所述阈值计算得到新控制参数,用所述新控制参数对所述当前帧执行道路车辆视频增强操作;如果未超过所述指定的阈值,则用所述当前帧的控制参数对所述当前帧执行道路车辆视频增强操作。
步骤五,通过主控模块利用主控器控制所述基于智能视觉物联网的道路车辆监控***各个模块的正常工作。
步骤六,通过物联通信模块对物联通信共享信道进行监听,当侦听到物联通信共享信道处于繁忙状态时,获取当前正在使用所述物联通信共享信道的设备还需占用所述物联通信共享信道的信道第一占用时长;在所述信道第一占用时长后,侦听所述物联通信共享信道的状态。
步骤七,在所述物联通信共享信道处于空闲状态且达预设第三时长后,利用网络接口接入物联网,采用所述物联通信共享信道传输所述数据;其中,所述预设第三时长为时隙与一随机数的乘积与预设第一时长之和。
步骤八,通过车流量预测模块接收用于采集参考位置的车流量的摄像设备采集并发送的参考位置的当前车流量数据;获取具有时间序列的多个历史车流量,得到历史数据集。
步骤九,利用预测程序根据N个预设调整集分别调整所述历史数据集,得到N个具有不同的分布模式的训练数据集;其中,N为正整数;根据N个训练数据集构建N个预测模型;根据监控视频获取当前车流量,从N个预测模型中选取与所述当前车流量匹配的预测模型进行预测,得到车流量预测值。
步骤十,通过违章识别模块利用识别程序根据监控视频对道路车辆违章进行识别;通过交通堵塞监测模块利用监测程序根据监控视频对道路车辆堵塞进行监测;通过事故救援模块利用救援程序对道路车辆事故进行警报通知救援。
步骤十一,通过云存储模块利用云数据库服务器存储采集的道路车辆行驶的车速数据、道路车辆视频、预测结果、识别结果、监测结果以及警报通知。
步骤十二,通过显示模块利用显示器显示采集的道路车辆行驶的车速数据、道路车辆视频、预测结果、识别结果、监测结果以及警报通知的实时数据。
进一步,步骤四中,所述确定反映运动状态或明暗的属性信息,查找预设的映射关系得到与所述属性信息对应的控制参数,用所述控制参数、增强参数对所述当前帧执行道路车辆视频增强操作的方法,包括:
(I)将所述当前帧划分为多个区域;
(II)确定反映运动状态或明暗的每一个区域的属性信息;
(III)查找预设的属性信息与控制参数的映射关系得到所述每一个区域的控制参数,用所述当前帧内所有区域的控制参数对所述当前帧执行道路车辆视频增强操作。
进一步,所述确定反映运动状态或明暗的所述当前帧的属性信息,查找预设的属性信息与控制参数的映射关系得到所述当前帧的控制参数的方法,包括:
(1)计算所述当前帧的量化参数QP,查找预设的映射关系得到与所述QP对应的控制参数;
(2)确定所述当前帧的场景类别,查找预设的映射关系得到与所述场景类别对应的控制参数;
(3)计算所述当前帧的亮度值,查找预设的映射关系得到与所述亮度值对应的控制参数;其中,所述控制参数包括以下至少一种:对比度控制参数、清晰度控制参数或降噪控制参数。
进一步,步骤九中,所述预设调整集的元素个数相同,且等于所述历史数据集的元素个数:
(a)分布模式由均值和方差确定;
(b)根据N个预设调整集分别调整所述历史数据集,得到N个具有不同的分布模式的训练数据集,将所述N个预设调整集分别与所述历史数据集的对应位置的元素相加或相乘,得到N个训练数据集,所述N个训练数据集具有不同的分布模式。
进一步,步骤九中,所述获取当前车流量,从N个预测模型中选取与所述当前车流量匹配的预测模型进行预测,得到车流量预测值的方法,包括:
a)获取当前时刻前第一时间段内车流量作为线上测试数据,所述线上测试数据用于预测当前时刻的车流量;分别输入所述线上测试数据至所述N个预测模型进行当前时刻的车流量的预测,得到N个预测值;
b)获取当前时刻车流量的监测值;根据所述监测值,分别计算N个预测值的准确率;选取准确率符合预设条件的预测值对应的预测模型作为与所述当前车流量匹配的预测模型;根据选取的预测模型对当前时刻后第二时间段内的车流量进行预测,得到车流量预测值。
进一步,所述根据选取的预测模型对当前时刻后第二时间段内的车流量进行预测,得到车流量预测值,包括:
判断选取的预测模型的个数;若所述个数为一个,根据选取的一个预测模型对当前时刻后第二时间段内的车流量进行预测,得到车流量的预测值;
若所述个数为多个,根据选取的多个预测模型分别对当前时刻后第二时间段内的车流量进行预测,得到多个中间预测值,计算所述多个中间预测值的平均值,确定所述平均值为车流量预测值。
进一步,步骤九中,所述根据N个训练数据集构建N个预测模型的方法,包括:
1)初始化所述N个训练数据集,得到N个初始化结果集;
2)根据长短期记忆网络LSTM训练所述N个初始化结果集,得到N个预测模型。
本发明的另一目的在于提供一种应用所述的基于智能视觉物联网的道路车辆监控方法的基于智能视觉物联网的道路车辆监控***,所述基于智能视觉物联网的道路车辆监控***包括:
车速采集模块,与主控模块连接,用于通过测速器采集道路车辆行驶的车速数据;
道路车辆视频采集模块,与主控模块连接,用于通过摄像器采集道路车辆行驶的视频数据;
视频增强模块,与主控模块连接,用于通过视频增强程序对采集的道路车辆视频进行增强处理;
主控模块,与车速采集模块、道路车辆视频采集模块、视频增强模块、物联通信模块、车流量预测模块、违章识别模块、交通堵塞监测模块、事故救援模块、云存储模块、显示模块连接,用于通过主控器控制所述基于智能视觉物联网的道路车辆监控***各个模块的正常工作;
物联通信模块,与主控模块连接,用于通过网络接口接入物联网进行物联通信;
车流量预测模块,与主控模块连接,用于通过预测程序根据监控视频对道路车辆流量进行预测;
违章识别模块,与主控模块连接,用于通过识别程序根据监控视频对道路车辆违章进行识别;
交通堵塞监测模块,与主控模块连接,用于通过监测程序根据监控视频对道路车辆堵塞进行监测;
事故救援模块,与主控模块连接,用于通过救援程序对道路车辆事故进行警报通知救援;
云存储模块,与主控模块连接,用于通过云数据库服务器存储采集的道路车辆行驶的车速数据、道路车辆视频、预测结果、识别结果、监测结果以及警报通知;
显示模块,与主控模块连接,用于通过显示器显示采集的道路车辆行驶的车速数据、道路车辆视频、预测结果、识别结果、监测结果以及警报通知的实时数据。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述的基于智能视觉物联网的道路车辆监控方法。
本发明的另一目的在于提供一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行所述的基于智能视觉物联网的道路车辆监控方法。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明通过道路车辆视频增强模块依次获取道路车辆视频中的各个帧;对每一个当前帧,确定反映运动状态或明暗的属性信息,查找预设的映射关系得到与所述属性信息对应的控制参数,用所述控制参数、增强参数对所述当前帧执行道路车辆视频增强操作;解决了由于道路车辆视频中各帧进行相同的增强而导致处理不灵活的问题,能够对道路车辆视频中的各帧区别对待,依据各帧中的运动状态或明暗来确定不同的控制参数,以此进行不同的增强,实现了基于帧的道路车辆视频增强,有效地提高了道路车辆视频增强效果,提升了道路车辆视频质量;同时,通过车流量预测模块获取具有时间序列的多个历史车流量,得到历史数据集,根据N个预设调整集分别调整所述历史数据集,得到N个具有不同的分布模式的训练数据集,其中,N为正整数,根据N个训练数据集构建N个预测模型,获取当前车流量,从N个预测模型中选取与所述当前车流量匹配的预测模型进行预测,得到车流量预测值,通过对历史数据集进行调整再构建预测模型,选取与当前车流量匹配的预测模型进行预测,使得训练数据集与当前车流量的分布相同,预测模型可以根据当前车流量进行选取,从而使得预测模型随着实时数据进行动态调整,实现了更高准确度的车流量预测,为驾驶员及时推荐更合理的出行路线。
附图说明
图1是本发明实施例提供的基于智能视觉物联网的道路车辆监控方法流程图。
图2是本发明实施例提供的基于智能视觉物联网的道路车辆监控***结构框图;
图中:1、车速采集模块;2、道路车辆视频采集模块;3、视频增强模块;4、主控模块;5、物联通信模块;6、车流量预测模块;7、违章识别模块;8、交通堵塞监测模块;9、事故救援模块;10、云存储模块;11、显示模块。
图3是本发明实施例提供的通过视频增强程序对采集的道路车辆视频进行增强处理的方法流程图。
图4是本发明实施例提供的通过物联通信模块利用网络接口接入物联网进行物联通信的方法流程图。
图5是本发明实施例提供的通过车流量预测模块利用预测程序根据监控视频对道路车辆流量进行预测的方法流程图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明实施例提供的基于智能视觉物联网的道路车辆监控方法包括以下步骤:
S101,通过车速采集模块利用测速器采集道路车辆行驶的车速数据;通过道路车辆视频采集模块利用摄像器采集道路车辆行驶的视频数据。
S102,通过视频增强模块利用视频增强程序对采集的道路车辆视频进行增强处理。
S103,通过主控模块利用主控器控制所述基于智能视觉物联网的道路车辆监控***各个模块的正常工作。
S104,通过物联通信模块利用网络接口接入物联网进行物联通信;通过车流量预测模块利用预测程序根据监控视频对道路车辆流量进行预测。
S105,通过违章识别模块利用识别程序根据监控视频对道路车辆违章进行识别。
S106,通过交通堵塞监测模块利用监测程序根据监控视频对道路车辆堵塞进行监测;通过事故救援模块利用救援程序对道路车辆事故进行警报通知救援。
S107,通过云存储模块利用云数据库服务器存储采集的道路车辆行驶的车速数据、道路车辆视频、预测结果、识别结果、监测结果以及警报通知。
S108,通过显示模块利用显示器显示采集的道路车辆行驶的车速数据、道路车辆视频、预测结果、识别结果、监测结果以及警报通知的实时数据。
如图2所示,本发明实施例提供的基于智能视觉物联网的道路车辆监控***包括:车速采集模块1、道路车辆视频采集模块2、视频增强模块3、主控模块4、物联通信模块5、车流量预测模块6、违章识别模块7、交通堵塞监测模块8、事故救援模块9、云存储模块10、显示模块11。
车速采集模块1,与主控模块4连接,用于通过测速器采集道路车辆行驶的车速数据;
道路车辆视频采集模块2,与主控模块4连接,用于通过摄像器采集道路车辆行驶的视频数据;
视频增强模块3,与主控模块4连接,用于通过视频增强程序对采集的道路车辆视频进行增强处理;
主控模块4,与车速采集模块1、道路车辆视频采集模块2、视频增强模块3、物联通信模块5、车流量预测模块6、违章识别模块7、交通堵塞监测模块8、事故救援模块9、云存储模块10、显示模块11连接,用于通过主控器控制所述基于智能视觉物联网的道路车辆监控***各个模块的正常工作;
物联通信模块5,与主控模块4连接,用于通过网络接口接入物联网进行物联通信;
车流量预测模块6,与主控模块4连接,用于通过预测程序根据监控视频对道路车辆流量进行预测;
违章识别模块7,与主控模块4连接,用于通过识别程序根据监控视频对道路车辆违章进行识别;
交通堵塞监测模块8,与主控模块4连接,用于通过监测程序根据监控视频对道路车辆堵塞进行监测;
事故救援模块9,与主控模块4连接,用于通过救援程序对道路车辆事故进行警报通知救援;
云存储模块10,与主控模块4连接,用于通过云数据库服务器存储采集的道路车辆行驶的车速数据、道路车辆视频、预测结果、识别结果、监测结果以及警报通知;
显示模块11,与主控模块4连接,用于通过显示器显示采集的道路车辆行驶的车速数据、道路车辆视频、预测结果、识别结果、监测结果以及警报通知的实时数据。
下面结合具体实施例对本发明作进一步描述。
实施例1
本发明实施例提供的基于智能视觉物联网的道路车辆监控方法如图1所示,作为优选实施例,如图3所示,本发明实施例提供的通过视频增强程序对采集的道路车辆视频进行增强处理的方法包括:
S201,通过视频增强程序依次获取道路车辆视频中的各个帧;对道路车辆视频的一帧图像进行帧内增强,计算其增强参数。
S202,对每一个当前帧,确定反映运动状态或明暗的属性信息,查找预设的映射关系得到与所述属性信息对应的控制参数,用所述控制参数、增强参数对所述当前帧执行道路车辆视频增强操作。
S203,确定反映运动状态或明暗的所述当前帧的属性信息,查找预设的属性信息与控制参数的映射关系得到所述当前帧的控制参数。
S204,计算所述当前帧的控制参数与上一帧的控制参数的差值,判断所述差值的绝对值是否超过指定的阈值。
如果超过所述指定的阈值,则根据所述上一帧的控制参数和所述阈值计算得到新控制参数,用所述新控制参数对所述当前帧执行道路车辆视频增强操作;如果未超过所述指定的阈值,则用所述当前帧的控制参数对所述当前帧执行道路车辆视频增强操作。
本发明实施例提供的确定反映运动状态或明暗的属性信息,查找预设的映射关系得到与所述属性信息对应的控制参数,用所述控制参数、增强参数对所述当前帧执行道路车辆视频增强操作包括:
将所述当前帧划分为多个区域,确定反映运动状态或明暗的每一个区域的属性信息,查找预设的属性信息与控制参数的映射关系得到所述每一个区域的控制参数,用所述当前帧内所有区域的控制参数对所述当前帧执行道路车辆视频增强操作。
本发明实施例提供的确定反映运动状态或明暗的所述当前帧的属性信息,查找预设的属性信息与控制参数的映射关系得到所述当前帧的控制参数,包括:
计算所述当前帧的量化参数QP,查找预设的映射关系得到与所述QP对应的控制参数;或,
确定所述当前帧的场景类别,查找预设的映射关系得到与所述场景类别对应的控制参数;或,
计算所述当前帧的亮度值,查找预设的映射关系得到与所述亮度值对应的控制参数;
其中,所述控制参数包括以下至少一种:对比度控制参数、清晰度控制参数或降噪控制参数。
本发明实施例提供的确定反映运动状态或明暗的每一个区域的属性信息,查找预设的属性信息与控制参数的映射关系得到所述每一个区域的控制参数,包括:
计算每一个区域的QP,查找预设的QP与控制参数的映射关系,得到所述每一个区域的控制参数;或,
确定每一个区域的场景类别,查找预设的场景类别与控制参数的映射关系,得到所述每一个区域的控制参数;或,
计算每一个区域的亮度值,查找预设的亮度值与控制参数的映射关系,得到所述每一个区域的控制参数;
其中,所述控制参数包括以下至少一种:对比度控制参数、清晰度控制参数或降噪控制参数。
实施例2
本发明实施例提供的基于智能视觉物联网的道路车辆监控方法如图1所示,作为优选实施例,如图4所示,本发明实施例提供的通过网络接口接入物联网进行物联通信的方法包括:
S301,通过物联通信模块对物联通信共享信道进行监听,当侦听到物联通信共享信道处于繁忙状态时,获取当前正在使用所述物联通信共享信道的设备还需占用所述物联通信共享信道的信道第一占用时长。
S302,在所述信道第一占用时长后,侦听所述物联通信共享信道的状态。
S303,在所述物联通信共享信道处于空闲状态且达预设第三时长后,利用网络接口接入物联网,采用所述物联通信共享信道传输所述数据;其中,所述预设第三时长为时隙与一随机数的乘积与预设第一时长之和。
实施例3
本发明实施例提供的基于智能视觉物联网的道路车辆监控方法如图1所示,作为优选实施例,如图5所示,本发明实施例提供的通过车流量预测模块利用预测程序根据监控视频对道路车辆流量进行预测的方法包括:
S401,通过接收用于采集参考位置的车流量的摄像设备采集并发送的参考位置的当前车流量数据。
S402,获取具有时间序列的多个历史车流量,得到历史数据集。
S403,根据N个预设调整集分别调整所述历史数据集,得到N个具有不同的分布模式的训练数据集;其中,N为正整数;根据N个训练数据集构建N个预测模型。
S404,获取当前车流量,从N个预测模型中选取与所述当前车流量匹配的预测模型进行预测,得到车流量预测值。
本发明实施例提供的预设调整集的元素个数相同,且等于所述历史数据集的元素个数:
分布模式由均值和方差确定;
根据N个预设调整集分别调整所述历史数据集,得到N个具有不同的分布模式的训练数据集,将所述N个预设调整集分别与所述历史数据集的对应位置的元素相加或相乘,得到N个训练数据集,所述N个训练数据集具有不同的分布模式。
本发明实施例提供的获取当前车流量,从N个预测模型中选取与所述当前车流量匹配的预测模型进行预测,得到车流量预测值,包括:
获取当前时刻前第一时间段内车流量作为线上测试数据,所述线上测试数据用于预测当前时刻的车流量;分别输入所述线上测试数据至所述N个预测模型进行当前时刻的车流量的预测,得到N个预测值;
获取当前时刻车流量的监测值;根据所述监测值,分别计算N个预测值的准确率;选取准确率符合预设条件的预测值对应的预测模型作为与所述当前车流量匹配的预测模型;根据选取的预测模型对当前时刻后第二时间段内的车流量进行预测,得到车流量预测值。
本发明实施例提供的根据选取的预测模型对当前时刻后第二时间段内的车流量进行预测,得到车流量预测值,包括:
判断选取的预测模型的个数;若所述个数为一个,根据选取的一个预测模型对当前时刻后第二时间段内的车流量进行预测,得到车流量的预测值;
若所述个数为多个,根据选取的多个预测模型分别对当前时刻后第二时间段内的车流量进行预测,得到多个中间预测值,计算所述多个中间预测值的平均值,确定所述平均值为车流量预测值。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于智能视觉物联网的道路车辆监控方法,其特征在于,所述基于智能视觉物联网的道路车辆监控方法包括以下步骤:
步骤一,通过车速采集模块利用测速器采集道路车辆行驶的车速数据;通过道路车辆视频采集模块利用摄像器采集道路车辆行驶的视频数据;
步骤二,通过视频增强模块利用视频增强程序依次获取道路车辆视频中的各个帧;对道路车辆视频的一帧图像进行帧内增强,计算其增强参数;
步骤三,对每一个当前帧,确定反映运动状态或明暗的属性信息,查找预设的映射关系得到与所述属性信息对应的控制参数,用所述控制参数、增强参数对所述当前帧执行道路车辆视频增强操作;
步骤四,确定反映运动状态或明暗的所述当前帧的属性信息,查找预设的属性信息与控制参数的映射关系得到所述当前帧的控制参数;计算所述当前帧的控制参数与上一帧的控制参数的差值,判断所述差值的绝对值是否超过指定的阈值;如果超过所述指定的阈值,则根据所述上一帧的控制参数和所述阈值计算得到新控制参数,用所述新控制参数对所述当前帧执行道路车辆视频增强操作;如果未超过所述指定的阈值,则用所述当前帧的控制参数对所述当前帧执行道路车辆视频增强操作;
步骤五,通过主控模块利用主控器控制所述基于智能视觉物联网的道路车辆监控***各个模块的正常工作;
步骤六,通过物联通信模块对物联通信共享信道进行监听,当侦听到物联通信共享信道处于繁忙状态时,获取当前正在使用所述物联通信共享信道的设备还需占用所述物联通信共享信道的信道第一占用时长;在所述信道第一占用时长后,侦听所述物联通信共享信道的状态;
步骤七,在所述物联通信共享信道处于空闲状态且达预设第三时长后,利用网络接口接入物联网,采用所述物联通信共享信道传输所述数据;其中,所述预设第三时长为时隙与一随机数的乘积与预设第一时长之和;
步骤八,通过车流量预测模块接收用于采集参考位置的车流量的摄像设备采集并发送的参考位置的当前车流量数据;获取具有时间序列的多个历史车流量,得到历史数据集;
步骤九,利用预测程序根据N个预设调整集分别调整所述历史数据集,得到N个具有不同的分布模式的训练数据集;其中,N为正整数;根据N个训练数据集构建N个预测模型;根据监控视频获取当前车流量,从N个预测模型中选取与所述当前车流量匹配的预测模型进行预测,得到车流量预测值;
步骤十,通过违章识别模块利用识别程序根据监控视频对道路车辆违章进行识别;通过交通堵塞监测模块利用监测程序根据监控视频对道路车辆堵塞进行监测;通过事故救援模块利用救援程序对道路车辆事故进行警报通知救援;
步骤十一,通过云存储模块利用云数据库服务器存储采集的道路车辆行驶的车速数据、道路车辆视频、预测结果、识别结果、监测结果以及警报通知;
步骤十二,通过显示模块利用显示器显示采集的道路车辆行驶的车速数据、道路车辆视频、预测结果、识别结果、监测结果以及警报通知的实时数据。
2.如权利要求1所述的基于智能视觉物联网的道路车辆监控方法,其特征在于,步骤四中,所述确定反映运动状态或明暗的属性信息,查找预设的映射关系得到与所述属性信息对应的控制参数,用所述控制参数、增强参数对所述当前帧执行道路车辆视频增强操作的方法,包括:
(I)将所述当前帧划分为多个区域;
(II)确定反映运动状态或明暗的每一个区域的属性信息;
(III)查找预设的属性信息与控制参数的映射关系得到所述每一个区域的控制参数,用所述当前帧内所有区域的控制参数对所述当前帧执行道路车辆视频增强操作。
3.如权利要求2所述的基于智能视觉物联网的道路车辆监控方法,其特征在于,所述确定反映运动状态或明暗的所述当前帧的属性信息,查找预设的属性信息与控制参数的映射关系得到所述当前帧的控制参数的方法,包括:
(1)计算所述当前帧的量化参数QP,查找预设的映射关系得到与所述QP对应的控制参数;
(2)确定所述当前帧的场景类别,查找预设的映射关系得到与所述场景类别对应的控制参数;
(3)计算所述当前帧的亮度值,查找预设的映射关系得到与所述亮度值对应的控制参数;其中,所述控制参数包括以下至少一种:对比度控制参数、清晰度控制参数或降噪控制参数。
4.如权利要求1所述的基于智能视觉物联网的道路车辆监控方法,其特征在于,步骤九中,所述预设调整集的元素个数相同,且等于所述历史数据集的元素个数:
(a)分布模式由均值和方差确定;
(b)根据N个预设调整集分别调整所述历史数据集,得到N个具有不同的分布模式的训练数据集,将所述N个预设调整集分别与所述历史数据集的对应位置的元素相加或相乘,得到N个训练数据集,所述N个训练数据集具有不同的分布模式。
5.如权利要求1所述的基于智能视觉物联网的道路车辆监控方法,其特征在于,步骤九中,所述获取当前车流量,从N个预测模型中选取与所述当前车流量匹配的预测模型进行预测,得到车流量预测值的方法,包括:
a)获取当前时刻前第一时间段内车流量作为线上测试数据,所述线上测试数据用于预测当前时刻的车流量;分别输入所述线上测试数据至所述N个预测模型进行当前时刻的车流量的预测,得到N个预测值;
b)获取当前时刻车流量的监测值;根据所述监测值,分别计算N个预测值的准确率;选取准确率符合预设条件的预测值对应的预测模型作为与所述当前车流量匹配的预测模型;根据选取的预测模型对当前时刻后第二时间段内的车流量进行预测,得到车流量预测值。
6.如权利要求5所述的基于智能视觉物联网的道路车辆监控方法,其特征在于,所述根据选取的预测模型对当前时刻后第二时间段内的车流量进行预测,得到车流量预测值,包括:
判断选取的预测模型的个数;若所述个数为一个,根据选取的一个预测模型对当前时刻后第二时间段内的车流量进行预测,得到车流量的预测值;
若所述个数为多个,根据选取的多个预测模型分别对当前时刻后第二时间段内的车流量进行预测,得到多个中间预测值,计算所述多个中间预测值的平均值,确定所述平均值为车流量预测值。
7.如权利要求1所述的基于智能视觉物联网的道路车辆监控方法,其特征在于,步骤九中,所述根据N个训练数据集构建N个预测模型的方法,包括:
1)初始化所述N个训练数据集,得到N个初始化结果集;
2)根据长短期记忆网络LSTM训练所述N个初始化结果集,得到N个预测模型。
8.一种应用如权利要求1~7任意一项所述的基于智能视觉物联网的道路车辆监控方法的基于智能视觉物联网的道路车辆监控***,其特征在于,所述基于智能视觉物联网的道路车辆监控***包括:
车速采集模块,与主控模块连接,用于通过测速器采集道路车辆行驶的车速数据;
道路车辆视频采集模块,与主控模块连接,用于通过摄像器采集道路车辆行驶的视频数据;
视频增强模块,与主控模块连接,用于通过视频增强程序对采集的道路车辆视频进行增强处理;
主控模块,与车速采集模块、道路车辆视频采集模块、视频增强模块、物联通信模块、车流量预测模块、违章识别模块、交通堵塞监测模块、事故救援模块、云存储模块、显示模块连接,用于通过主控器控制所述基于智能视觉物联网的道路车辆监控***各个模块的正常工作;
物联通信模块,与主控模块连接,用于通过网络接口接入物联网进行物联通信;
车流量预测模块,与主控模块连接,用于通过预测程序根据监控视频对道路车辆流量进行预测;
违章识别模块,与主控模块连接,用于通过识别程序根据监控视频对道路车辆违章进行识别;
交通堵塞监测模块,与主控模块连接,用于通过监测程序根据监控视频对道路车辆堵塞进行监测;
事故救援模块,与主控模块连接,用于通过救援程序对道路车辆事故进行警报通知救援;
云存储模块,与主控模块连接,用于通过云数据库服务器存储采集的道路车辆行驶的车速数据、道路车辆视频、预测结果、识别结果、监测结果以及警报通知;
显示模块,与主控模块连接,用于通过显示器显示采集的道路车辆行驶的车速数据、道路车辆视频、预测结果、识别结果、监测结果以及警报通知的实时数据。
9.一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施如权利要求1~7任意一项所述的基于智能视觉物联网的道路车辆监控方法。
10.一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1~7任意一项所述的基于智能视觉物联网的道路车辆监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010692727.6A CN111815951A (zh) | 2020-07-17 | 2020-07-17 | 一种基于智能视觉物联网的道路车辆监控***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010692727.6A CN111815951A (zh) | 2020-07-17 | 2020-07-17 | 一种基于智能视觉物联网的道路车辆监控***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111815951A true CN111815951A (zh) | 2020-10-23 |
Family
ID=72866085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010692727.6A Withdrawn CN111815951A (zh) | 2020-07-17 | 2020-07-17 | 一种基于智能视觉物联网的道路车辆监控***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111815951A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113065691A (zh) * | 2021-03-22 | 2021-07-02 | 中国联合网络通信集团有限公司 | 一种交通行为预测方法及*** |
CN114973694A (zh) * | 2022-05-19 | 2022-08-30 | 杭州中威电子股份有限公司 | 一种基于巡检机器人的隧道车流量监测***及其方法 |
CN117177178A (zh) * | 2023-11-03 | 2023-12-05 | 四川川西数据产业有限公司 | 一种基于物联网的城市道路分流*** |
CN118135798A (zh) * | 2024-04-30 | 2024-06-04 | 贵州大学 | 基于物联网实现高速公路的车流量实时监控方法及*** |
-
2020
- 2020-07-17 CN CN202010692727.6A patent/CN111815951A/zh not_active Withdrawn
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113065691A (zh) * | 2021-03-22 | 2021-07-02 | 中国联合网络通信集团有限公司 | 一种交通行为预测方法及*** |
CN114973694A (zh) * | 2022-05-19 | 2022-08-30 | 杭州中威电子股份有限公司 | 一种基于巡检机器人的隧道车流量监测***及其方法 |
CN114973694B (zh) * | 2022-05-19 | 2024-05-24 | 杭州中威电子股份有限公司 | 一种基于巡检机器人的隧道车流量监测***及其方法 |
CN117177178A (zh) * | 2023-11-03 | 2023-12-05 | 四川川西数据产业有限公司 | 一种基于物联网的城市道路分流*** |
CN117177178B (zh) * | 2023-11-03 | 2024-05-17 | 四川川西数据产业有限公司 | 一种基于物联网的城市道路分流*** |
CN118135798A (zh) * | 2024-04-30 | 2024-06-04 | 贵州大学 | 基于物联网实现高速公路的车流量实时监控方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111815951A (zh) | 一种基于智能视觉物联网的道路车辆监控***及方法 | |
EP3944213B1 (en) | Method, device, storage medium and computer program for controlling traffic | |
US20200334979A1 (en) | Predictive, integrated and intelligent system for control of times in traffic lights | |
Osman et al. | Intelligent traffic management system for cross section of roads using computer vision | |
KR102122859B1 (ko) | 교통 영상감시시스템의 멀티 표적 추적 방법 | |
CN105447458A (zh) | 一种大规模人群视频分析***和方法 | |
CN109243181A (zh) | 交通事故预警方法、装置、终端设备及存储介质 | |
CN105427610A (zh) | 一种基于车路协同技术的交通管理方法 | |
Razavi et al. | Smart traffic light scheduling in smart city using image and video processing | |
CN112988830A (zh) | 人流量统计方法、装置、***、存储介质和计算机设备 | |
CN110175533A (zh) | 高架桥交通状况实时监测方法、装置、终端及存储介质 | |
CN109784254A (zh) | 一种车辆违规事件检测的方法、装置和电子设备 | |
CN103150899A (zh) | 监测道路交通信息的方法、装置及*** | |
CN114357243A (zh) | 一种海量实时视频流多级分析及监控*** | |
CN114913447B (zh) | 基于场景识别的警务智慧指挥室***及方法 | |
CN114399726B (zh) | 实时智能监测客流及预警的方法和*** | |
CN214338041U (zh) | 一种基于5g物联网的智能城市监控*** | |
CN117612394A (zh) | 城市路权共享方法及装置 | |
CN117612060A (zh) | 基于人工智能检测的视频预警***、方法、设备及介质 | |
CN116153067A (zh) | 一种交通事件的视频轮巡*** | |
CN116208633A (zh) | 一种人工智能服务平台***、方法、设备及介质 | |
CN115866289A (zh) | 一种机务数据整合管理*** | |
CN114463980A (zh) | 一种交通状态检测方法、装置、存储介质及电子装置 | |
CN114283615A (zh) | 一种基于景区多个停车场车流量的客流预警***和方法 | |
CN117812392B (zh) | 可视化屏幕的分辨率自适应调节方法、***、介质及设备 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201023 |