一种基于改进CrowdDet算法的高速公路交通拥堵检测的方法

一种基于改进crowddet算法的高速公路交通拥堵检测的方法
技术领域
1.本发明涉及计算机视觉和智能交通领域，特别地涉及一种基于改进crowddet算法的高速公路交通拥堵检测的方法。


背景技术：

2.交通运输是城市现代化发展的不可或缺的一环，在许多重要方面与我们密切相关。高速公路作为交通系统的主干架，在城市化进程中起着及其关键的作用。近年来，我国高速公路建设取得了巨大成就，高速公路的规模在不断扩大，但仍然没能解决日益突出的交通拥堵问题。交通拥堵的出现会降低道路网络的服务水平，los的降低会给社会带来直接或间接的成本，如会引起交通运行效率低，环境污染，经济损失和道路安全等问题。若及时发现拥堵路段，交通运营管理部门可以快速采取解决措施来疏通拥堵车辆，将交通拥堵事件在一定范围内解决，避免由连锁反应产生更大面积交通拥堵。
3.目前在交通拥堵判别研究方面取得了重要的研究成果。按照提取交通参数的不同，可以将交通拥堵判别技术分为三类：基于传感器的交通拥堵判别技术、基于车载自组织网络(vanet)的交通拥堵判别技术和基于机器视觉的交通拥堵判别技术。大多数依赖传感器的判别方法通常需要固定的设备，计算特定时间的平均速度，然后将其与预定义的阈值进行比较，这种方法比较费时费力。车载自组织网络构成了一个自组织、结构开放的车辆间通信网络，提供无中心、支持多跳转发的数据传输能力，以便收集和汇总与单个车辆相关的实时速度和位置信息。但是vanet的部署非常昂贵，车辆必须配备车载单元以及路边单元必须沿道路安装。
4.基于机器视觉的拥堵判别技术是一种有吸引力且具有成本效益的解决方案。摄像机便宜、维护简便并且可以提供高质量的视频序列，随着公路摄像头的大范围普及以及计算机视觉技术的不断发展，为使用图像检测技术判别交通拥堵奠定了基础。目前许多基于图像的交通拥堵判别都是面向城市化道路，由于高速公路的封闭性，交通拥堵也变得越来越严重，并且高速公路上的监控摄像头通常具有更大的视角范围，生成的图像具有更大的背景区域，因此是否能直接使用基于城市道路的监控图像方法进行高速公路拥堵的判别还需要验证。


技术实现要素：

5.针对以上提出的问题，本发明提供一种基于改进crowddet算法的高速公路交通拥堵检测的方法，具体采用的技术方案如下：
6.1.在高速公路上安装摄像头，通过摄像头采集高速公路上的监控视频，对视频进行抽帧、筛选、标注等工作获得训练和测试用的图像。
7.1.1)在高速公路上安装监控摄像头，收集道路监控视频；
8.1.2)对收集到监控视频进行抽帧、筛选、标注等工作，为了防止路边干扰信息影响检测效果，对原视频图像进行裁剪并手动划分感兴趣的区域。
9.2.用改进的crowddet目标检测算法对交通拥堵场景下的车辆进行检测。
10.2.1)我们选用crowddet算法作为基线检测器，crowddet算法最初是用来解决密集行人的检测问题，但是交通拥堵下车辆的遮挡类似于密集行人检测问题，所以我们把crowddet作为基线检测器；
11.2.2)由于高速公路摄像头通常具有更大的视角范围，会存在远距离小目标车辆，由于小目标车辆在单帧图片中覆盖区域小，图像模糊，携带的特征信息比较少。我们将特征提取主干网络resnet-50第五层替换为involution来克服远距离车辆检测的问题；
12.2.3)此外，高速公路上的车辆大小不同，发生交通拥堵时，车辆比较密集容易出现遮挡问题，所以模型需要在不同的多尺度上下文中捕获信息来准确获得车辆的数目和车辆密度等相关交通参数。为了解决拥堵状态下的车辆检测多尺度问题，提升对不同尺度物体的特征提取性能，引入bifpn来学习不同输入特征的重要性，同时反复应用自上而下和自下而上的多尺度特征融合，将改进后的算法命名为ibcnet。
13.3.基于以上检测到的车辆交通参数，结合我国高度速度公路los以及交通学分为速度法对交通状态评估。
14.3.1)根据交通学三相交通流理论，将交通流分成了三个相位状态即自由流、同步流以及拥堵状态。路段自由流状态变化至拥堵状态前，达到一个较大流量，称为通行能力，而在发生拥堵时，产生快速的削减，这种削减即为通行能力下降。而通行能力的下降可以通过车速的降低来衡量；
15.3.2)根据我国《公路工程技术标准》中对高速公路服务水平进行了等级划分规定，以速度指标对高速公路交通的拥堵程度进行了界定；
16.3.3)使用多目标跟踪技术来自动识别，然后计算对象在两个连续帧中行进的距离，除以两个帧之间的时间来完成速度估计，利用获取到车辆速度结果绘制车流速度时序图，根据速度波动幅度，将车辆拥堵的全过程分为五种交通状态，并根据速度变化强度与速度阈值判别交通拥堵成立及消散的时刻；
17.3.4)其中状态a为稳定态，车流自由运行。状态b为拥堵形成态，该状态最为明显的特点是速度在短期内急剧下降。状态c1为严重拥堵态，c2为轻度拥堵态，由状态b引起，若车速低于一个阈值，认为车流进入拥堵状态，依据实际交通流量不同，拥挤态持续时长不同。状态d为拥堵消散态体现为速度的迅速上升；
18.3.5)状态c1，低于c1阈值23.9km/h，严重拥堵，有走走停停现象，车辆间距极小，行车舒适度非常差。速度时序图符合状态c2，低于c2阈值38.5km/h轻微拥堵，车速显著低于限速标准，车辆间距非常小，行车舒适度较差，车辆流动性受到较大影响，但仍能够前行。
19.本发明的优势：本发明考虑到在高速公路监控场景下存在车辆尺寸小、车辆遮挡等问题，使车辆漏检率高，导致交通拥堵检测准确率低。针对该问题，本文通过引入involution网络和bifpn模块提出了一种改进的crowddet算法(ibcdet)，该算法通过远距离信息交互和多尺度特征融合，提高高速公路拥堵场景下车辆检测准确率，实现更高的交通拥堵检测准确率。在此基础上，本文使用ibcdet算法的跟踪算法计算车辆运行速度，并根据中国高速公路los准则对车辆行驶速度划分拥堵等级，实现交通拥堵检测。与常用的目标检测算法相比，在车辆检测准确率和交通拥堵检测准确率方面本文都表现出最佳效果。
附图说明
20.图1交通拥堵检测总体架构
21.图2整体网络结构图
22.图3involution结构示意图
23.图4bifpn模块示意图
24.图5ibcnet网络结构图
25.图6车流速度时序图
具体实施方式
26.为了使本发明所实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施例和图示，进一步阐述本发明。
27.下面将结合本发明实例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，此外，所叙述的实施例仅仅是本发明一部分实施例，而不是所有的实施例。基于本发明中的实施例，本研究方向普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护范围。
28.针对以上提出的问题，本发明提出一种基于改进crowddet算法的高速公路交通拥堵检测的方法，具体采用的技术方案如下：
29.1.在高速公路上安装摄像头，通过摄像头采集高速公路上的监控视频，对视频进行抽帧、筛选、标注等工作获得训练和测试用的图像。
30.1.1)在高速公路上安装监控摄像头，收集道路监控视频；
31.1.2)对收集到监控视频进行抽帧、筛选、标注等工作，为了防止路边干扰信息影响检测效果，对原视频图像进行裁剪并手动划分感兴趣的区域，具体交通拥堵检测总体架构如图1所示。
32.2.用改进的crowddet目标检测算法对交通拥堵场景下的车辆进行检测；
33.2.1)我们选用crowddet算法作为基线检测器，crowddet算法最初是用来解决密集行人的检测问题，但是交通拥堵下车辆的遮挡类似于密集行人检测问题，所以我们把crowddet作为基线检测器，如图2所示；
34.2.2)由于高速公路摄像头通常具有更大的视角范围，会存在远距离小目标车辆，由于小目标车辆在单帧图片中覆盖区域小，图像模糊，携带的特征信息比较少。我们将特征提取主干网络resnet-50第五层替换为involution来克服远距离车辆检测的问题，involution结构图如图3所示；
35.2.3)此外，高速公路上的车辆大小不同，发生交通拥堵时，车辆比较密集容易出现遮挡问题，所以模型需要在不同的多尺度上下文中捕获信息来准确获得车辆的数目和车辆密度等相关交通参数。为了解决拥堵状态下的车辆检测多尺度问题，提升对不同尺度物体的特征提取性能，引入bifpn来学习不同输入特征的重要性，同时反复应用自上而下和自下而上的多尺度特征融合，如图4所示；
36.2.4)将通过在crowddet算法中引入involution网络和bifpn模块，可以提高高速公路拥堵场景下车辆检测精度，改进后的网络称为ibcnet，如图5所示。
37.3.将改进后的算法添加追踪技术，测量车辆行驶速度；
38.3.1)根据车辆运行轨迹计算在两个连续帧中所跟踪车辆的行进距离，除以两帧时间差来完成速度估计。具体公式如(1)所示：
[0039][0040]
其中车辆在时刻t1处于位置(x1,y1)，在t2处于位置(x2,y2)；
[0041]
3.2)为了能更准确的反应视频中车辆行驶的速度，我们将计算特定时刻全部车辆车速的平均值，具体公式如(2)所示：
[0042][0043]
其中n为ibcdet算法检测视频中车辆数，vi代表第i辆车行驶的速度。通过该公式反映，车辆检测率越高，在一定程度上vs的准确性越高。
[0044]
4.基于以上检测到的车辆交通参数利用时序信息进行交通状态评估；
[0045]
4.1)根据交通学三相交通流理论，将交通流分成了三个相位状态即自由流、同步流以及拥堵状态。路段自由流状态变化至拥堵状态前，达到一个较大流量，称为通行能力，而在发生拥堵时，产生快速的削减，这种削减即为通行能力下降。而通行能力的下降可以通过车速的降低来衡量；
[0046]
4.2)根据我国《公路工程技术标准》中对高速公路los进行了等级划分规定，以速度指标对高速公路交通的拥堵程度进行了界定；
[0047]
4.3)使用多目标跟踪技术来自动识别，然后计算对象在两个连续帧中行进的距离，除以两个帧之间的时间来完成速度估计，利用获取到车辆速度结果绘制车流速度时序图，根据速度波动幅度，将车辆拥堵的全过程分为五种交通状态，并根据速度变化强度与速度阈值判别交通拥堵成立及消散的时刻；
[0048]
4.4)如图6所示，其中状态a为稳定态，车流自由运行。状态b为拥堵形成态，该状态最为明显的特点是速度在短期内急剧下降。状态c1为严重拥堵态，c2为轻度拥堵态，由状态b引起，若车速低于一个阈值，认为车流进入拥堵状态，依据实际交通流量不同，拥挤态持续时长不同。状态d为拥堵消散态体现为速度的迅速上升；
[0049]
4.5)状态c1，低于c1阈值23.9km/h，严重拥堵，有走走停停现象，车辆间距极小，行车舒适度非常差。速度时序图符合状态c2，低于c2阈值38.5km/h轻微拥堵，车速显著低于限速标准，车辆间距非常小，行车舒适度较差，车辆流动性受到较大影响，但仍能够前行。
[0050]
以上所述为本技术优选实施而以，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本技术的保护范围内。

技术特征：
1.一种基于改进crowddet算法的高速公路交通拥堵检测的方法，其特征在于，该方法包括以下步骤：(1)在高速公路上安装摄像头，通过摄像头采集高速公路上的监控视频，对视频进行抽帧、筛选、标注等工作获得训练和测试用的图像；(2)用改进的crowddet目标检测算法对交通拥堵场景下的车辆进行检测；(3)基于以上检测到车辆数结合追踪算法计算车辆平均速度；(4)利用时序信息进行交通状态检测。2.根据权利要求1所述的一种基于改进crowddet算法的高速公路交通拥堵检测的方法，其特征在于：所述步骤(1)具体方法是：2.1)在高速公路上安装监控摄像头，收集道路监控视频；2.2)对收集到监控视频进行抽帧、筛选、标注等工作，为了防止路边干扰信息影响检测效果，对原视频图像进行裁剪并手动划分感兴趣的区域。3.根据权利要求1所述的一种基于改进crowddet算法的高速公路交通拥堵检测的方法，其特征在于：所述步骤(2)具体方法是：3.1)我们选用crowddet算法作为基线检测器，crowddet算法最初是用来解决密集行人的检测问题，但是交通拥堵下车辆的遮挡类似于密集行人检测问题，所以我们把crowddet作为基线检测器；3.2)由于高速公路摄像头通常具有更大的视角范围，会存在远距离小目标车辆，由于小目标车辆在单帧图片中覆盖区域小，图像模糊，携带的特征信息比较少。我们将特征提取主干网络resnet-50第五层替换为involution来克服远距离车辆检测的问题；3.3)此外，高速公路上的车辆大小不同，发生交通拥堵时，车辆比较密集容易出现遮挡问题，所以模型需要在不同的多尺度上下文中捕获信息来准确获得车辆的数目和车辆密度等相关交通参数。为了解决拥堵状态下的车辆检测多尺度问题，提升对不同尺度物体的特征提取性能，引入bifpn来学习不同输入特征的重要性，同时反复应用自上而下和自下而上的多尺度特征融合，将改进后的目标检测算法命名为ibcnet。4.根据权利要求1所述的一种基于改进crowddet算法的高速公路交通拥堵检测的方法，其特征在于：所述步骤(3)具体方法是：4.1)根据车辆运行轨迹计算在两个连续帧中所跟踪车辆的行进距离，除以两帧时间差来完成速度估计。具体公式如(1)所示：其中车辆在时刻t1处于位置(x1,y1)，在t2处于位置(x2,y2)；4.2)为了能更准确的反应视频中车辆行驶的速度，我们将计算特定时刻全部车辆车速的平均值，具体公式如(2)所示：其中n为ibcdet算法检测视频中车辆数，v
i
代表第i辆车行驶的速度。通过该公式反映，
车辆检测率越高，在一定程度上v
s
的准确性越高。5.根据权利要求1所述的一种基于改进crowddet算法的高速公路交通拥堵检测的方法，其特征在于：所述步骤(4)具体方法是：5.1)根据我国《公路工程技术标准》中高速公路服务水平等级划分规定，以速度指标对高速公路交通的拥堵程度进行了界定；5.2)根据速度波动幅度，将车辆拥堵全过程划分为五种交通状态，根据速度变化强度和速度阈值判别交通拥堵成立及消散的时刻。分析不同路段车速分布图及车速置信区间来确定拥堵阈值，一般取40％分位车速为轻度拥堵车速阈值的判别依据，25％分位车速为严重拥堵车速阈值的判别依据。

技术总结
本发明属于计算机视觉和智能交通技术领域，公开了一种基于改进CrowdDet算法的高速公路交通拥堵检测的方法。本发明利用目标检测知识来进行拥堵场景下高速公路的车辆检测，并利用检测到的车辆交通参数进行交通状态评估。包括以下步骤：(1)在高速公路上安装摄像头，通过摄像头采集高速公路上的监控视频，并对视频进行抽帧、筛选、标注等工作获得训练和测试用的图像；(2)用改进的CrowdDet目标检测算法对交通拥堵场景下的车辆进行检测；(3)基于以上检测到的车辆交通参数，结合高速公路服务水平(LOS)以及交通学分位速度法对车辆运行速度进行划分，进而对交通状态评估。虽然造成高速公路拥堵的场景很多，导致拥堵持续的时间也不同，但是我们提出的方法适用于大部分场景。但是我们提出的方法适用于大部分场景。但是我们提出的方法适用于大部分场景。


技术研发人员：陈玉婷 王池社 陈迪逢
受保护的技术使用者：安徽理工大学
技术研发日：2023.05.06
技术公布日：2023/8/9