一种基于专用短程通信的交通调节系统及方法与流程

文档序号:14679961发布日期:2018-06-12 22:05阅读:185来源:国知局
一种基于专用短程通信的交通调节系统及方法与流程

本发明属于环境感知技术领域,尤其是涉及一种基于专用短程通信的交通调节系统及方法。



背景技术:

智能交通是近年来交通科学发展的前沿方向,其建设目的在于缓解交通压力,加强出行安全,同时也为未来无人驾驶技术提供支持,其中路侧设备(摄像头、信号机)是交通中采集道路信息的基础设施,高质量的路侧监控设备能够准确捕捉信息,及时传递给处理终端并依托控制系统进行分析与决策。

目前路侧监控设备包括摄像头主要依靠有线网络传输,自身不带有运算能力,因此需在路侧控制中心需铺设长距离、大规模的网络目前大部分控制中心仅具备数据存储功能,且对于图像数据,数据储存利用率低,数据冗杂,分类困难,难以高效利用。



技术实现要素:

有鉴于此,本发明旨在提出一种基于专用短程通信的交通调节系统,解决了上述背景中提到的问题。

为达到上述目的,本发明的技术方案是这样实现的:

一种基于专用短程通信的交通调节系统,其特征在于:包括摄像头、图像处理器、信号机、专用短程通信系统,信号灯;

所述摄像头连接图像处理器,用于采集路口的监控图像,通过无线通信传送到图像处理器;

所述图像处理器安装在摄像头内部,用于处理采集的图像,进行行人车辆检测;

所述信号机,用于接收图像处理的结果,获得车辆和行人的数量,从而根据结果控制信号灯的变化;

所述专用短程通信系统,用于传输图像处理器的结果给信号机。

进一步的,所述专用短程通信系统包括集成在摄像头上的RSU和集成于信号机内的RSU,集成在摄像头上的RSU向集成于信号机内的RSU传递图像处理器处理后的结果,所述摄像头包括8个。

进一步的,所述8个摄像头每个路口安装两个,其中一个为拍摄十字路口图像,另一个为拍摄此条道路上远处车辆状态。

进一步的,所述图像处理器为ARM控制模块。

相对于现有技术,本发明所述的一种基于专用短程通信的交通调节系统具有以下优势:

现有的路口监控主要依靠有线网络传输,自身不带运算能力,因此需要铺设长距离、大规模的网络;此系统中的专用短程通信系统用于传输图像处理器处理好的数据给信号机,数据格式为二进制格式,相比于现有系统用有线方式传输视频格式(超大容量),数据传输量变小很多,而且在摄像头端设置图像处理器接收数据传输距离短,不易丢失数据;而且有线传输布线繁琐,施工难度大,浪费大量人力、财力;无线传输设备还有可移动性好,传输时信号无衰减的优点。

本发明的另一目的在于提出一种基于专用短程通信的交通调节方法,将基于卷积神经网络的行人和车辆检测算法应用到交通领域中,一方面进行交通规划,缓解交通压力,另一方面可实现保护行人车辆的安全。

一种基于专用短程通信的交通调节方法,其特征在于:具体包括如下步骤:

(1)启动摄像头,获取路口监控视频,并将监控视频传输到图像处理器;

(2)图像处理器获得监控视频,对图像进行基于卷积神经网络路口行人、车辆检测,检测出十字路口行人和道路车辆的数量;

(3)对于步骤(2)得出的检测结果,由专用短程通信传输进入信号机,由信号机对检测结果进行计算得到拥堵率,控制信号灯的变化。

进一步的,所述步骤(1)中定义十字路口拍摄东西方向道路且安装在十字路口以东的摄像头为Camera1,与Camera1相邻的摄像头为Camera2;十字路口拍摄南北方向道路且安装在十字路口以南的摄像头为Camera3,与Camera3相邻的摄像头为Camera4;十字路口拍摄东西方向道路且安装在十字路口以西的摄像头为Camera5,与Camera5相邻的摄像头为Camera6;十字路口拍摄南北方向道路且安装在十字路口以北的摄像头为Camera7,与Camera7相邻的摄像头为Camera8;

通过Camera1检测的结果为汽车数量为V_Num1、行人数量为P_Num1;通过Camera2检测的结果行人数量为P_Num1;通过Camera3检测的结果为汽车数量为V_Num3、行人数量为P_Num3;通过Camera4检测的结果行人数量为P_Num4;通过Camera5检测的结果为汽车数量为V_Num5、行人数量P_Num5;通过Camera6检测的结果为汽车数量行人数量为P_Num6;通过Camera7检测的结果为汽车数量为V_Num7、行人数量P_Num7;通过Camera8检测的结果行人数量为P_Num8;

其中,行人车辆检测结果由3位数字组成:第一位代表类型,0表示区域内检测出行人,1表示区域内检测出车辆,第二、三位代表目标数量,第二、三位数字用十六进制表示,表示检测出的行人或汽车数量。

进一步的,所述方法步骤(1)还包括上电检测过程,8个图像处理器向信号机发送一个特定的信号,记录出信号机接收消息的时间,分别为t1、t2、t3、t4、t5、t6、t7、t8。由于传输时间越长,信号机收到的数据可信度越低,所以给各个摄像头测得的数据按照信号机接收的时间设置权重。

进行归一化处理

其中

进一步的,所述步骤(2)具体包括如下步骤:

(21)对监控视频切帧,将切帧后的图片Pi归一化处理后输入到卷积层,提取特征,得到特征图A;

(22)将特征图A送入RPN网络,产生候选区域,其中RPN网络损失函数定义为:

(23)将候选区域映射到特征图A上,产生感兴区域层,对感兴区域层进行池化;

(24)利用softmax分类器进行分类,输出的识别结果,并通过Bbox回归方法在图片Pi中标出行人位置。

进一步的,所述步骤(3)中,由于车辆对交通的影响大于行人对交通的影响,设置车辆的权重系数为0.7,行人的权重系数为0.3;

设置车辆拥堵率C,若东西方向为绿灯,则

若南北方向为绿灯,则

进一步的,所述步骤(3)中根据计算得到的拥堵率C,按照下面的控制逻辑进行信号灯的控制:

若0<C<0.5缩短10秒的绿灯时间;

若0.5≤C<0.9,缩短5秒的绿灯时间;

若0.9≤C≤1.1,红绿灯控制逻辑不变;

若1.1<C≤1.5,延长5秒的绿灯时间;

若C>1.5延长10秒的绿灯时间。

相对于现有技术,本发明所述的一种基于专用短程通信的交通交通调节方法具有以下优势:

(1)将基于卷积神经网络的路口行人车辆检测算法用在交通路口,改变了以往用在车载设备中的状况,使测量更加方便,测量范围更加广泛,更节省了资源。

(2)设置上电检测,即通过信号从图像处理器到信号机的传播时间来决定在拥堵率计算过程中哪个摄像头所获得的数据所占权重大一些。传播时间越短,丢包率等就越小,传输的数据越精确。通过上电检测可以大大提高信号传输结果的准确率。

(3)本发明提供的行人、车辆控制逻辑,可以通过获取路口的车辆、行人信息,更好的控制信号灯的状态,很好的进行交通规划。

附图说明

构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:

图1是本发明基于专用短程通信的交通调节系统的系统结构图

图2是本发明基于专用短程通信的交通调节系统运行流程图

图3是本发明基于专用短程通信的交通调节系统的基于卷积神经网络的路口行人、车辆检测算法流程图

图4是本发明基于专用短程通信的交通调节系统的信号机处理流程图

图5是本发明基于专用短程通信的交通调节系统设备搭建图。

附图标记说明:

1-图像处理器7;2-Camera7;3-信号灯4;4-RSU7(路侧设备);5-图像处理器8;6-Camera8;7-RSU8;8-图像处理器1;9-Camera1;10-信号灯1;11-RSU1;12-图像处理器2;13-摄像头2;14-RSU2;15-信号机;16-图像处理器3;17-摄像头3;18-信号灯2;19-RSU3;20-图像处理器4;21-摄像头4;22-RSU4;23-图像处理器5;24-摄像头5;25-信号灯3;26-RSU5;27-图像处理器6;28-摄像头6;29-RSU6;30-RSU9。

具体实施方式

需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。

在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。

在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以通过具体情况理解上述术语在本发明中的具体含义。

下面将参考附图并结合实施例来详细说明本发明。

如图2所示,基于短程通信的交通调节系统的运行包括以下步骤:

S1.上电检测:在信号灯工作之前先判断东西方向中哪个方向距离信号机近和南北方向中哪个方向离信号机近,以缩短信号传输的距离,保证信号传输的准确性;

S2.摄像头获取信息:启动摄像头,获取路口监控视频,并将监控视频传输到图像处理器;

S3.图像处理器处理图像:图像处理器获得监控视频,对图像进行基于卷积神经网络路口行人、车辆检测,得出检测结果,形式如011,表示检测出行人17人,或形如105,表示汽车有5辆。具体步骤如图3所示:

S301.提取特征:对监控视频切帧,将切帧后的图片Pi(i为正整数,1<i<5000)归一化处理后输入到卷积层,提取特征Characi(1<i<5000),特别的,切帧视频时保持形变比例,以减少性能影响。所述的图片归一化后的大小为227像素×227像素。

S302.RPN网络处理:步骤301产生的特征图A送入RPN网络(候选区域产生网络),产生候选区域,其中RPN网络损失函数定义为:

S303.映射:步骤103将候选区域映射到特征图A上,产生感兴区域层,对感兴区域层进行池化。其中感兴区域输出的离散型概率分布为:

p=(p0,p1,...,pk)

P代表类型集合,k=2,集合包括p0代表车、p1代表人、p2代表背景。

S304.分类/回归:利用softmax分类器进行分类,输出的识别结果,并通过Bbox回归方法在图片Pi中标出行人位置,并用四维向量(x,y,w,h)来表示,其中x,y表示窗口的中心点坐标,w表示窗口的宽,h表示窗口的高。

S4.信号机处理:由步骤S3得出的检测结果,由专用短程通信传输进入信号机,由信号机对检测结果进行计算。具体步骤如图4所示:

S401:若0<C<0.5缩短10秒的绿灯时间;

S402:若0.5≤C<0.9,缩短5秒的绿灯时间;

S403:若0.9≤C≤1.1,红绿灯控制逻辑不变;

S404:若1.1<C≤1.5,延长5秒的绿灯时间;

S405:若C>1.5延长10秒的绿灯时间。

实施例1

图5作为实施例1,实现过程为:

首先进行上电检测,记录数据由各个图像处理器传送到信号机的时间t1、t2、t3、t4、t5、t6、t7、t8。则

其中摄像头开始拍摄交通路口图像,并将图像传输到对应图像处理器中,检测结果只写出有效结果,无效结果不计数。此外基于卷积神经网络的路口行人车辆检测算法,RSU传输的处理终端处理后的报文含义包括:所述信号灯当前配时、相位信息、所述摄像头Camerai(1≤i≤8)视野内行人、车辆数量。

具体的,所述识别算法处理结果-行人车辆检测由3位数字组成:

第一位代表类型,第二、三位代表目标数量。

类型包括:

0:区域内检测出行人

1:区域内检测出车辆

数量包括:

第二、三位数字用十六进制表示,表示检测出的行人或汽车数量。

举例说明:

000:区域内包含运动物体,但未能分辨类型

101:区域内有1个人

203:区域内有3辆车

Camera1结果为10E(V_Num1=14),即东西方向上汽车为14;Camera3结果为10A(V_Num3=10)、007(P_Num3=7),即南北方向上汽车为10,东西方向的人数为7;Camera4结果为004(P_Num4=4),即南北方向上人数为4;Camera5结果为10E(V_Num5=14),即东西方向上汽车为14;Camera7结果为109(V_Num7=9)、007(P_Num7=7),即南北方向上汽车为9,东西方向的人数为7;Camera8结果为005(P_Num8=5),即南北方向上人数为5。由拥堵率

若0<C<0.5缩短10秒的绿灯时间;若0.5≤C<0.9,缩短5秒的绿灯时间;若0.9≤C≤1.1,红绿灯控制逻辑不变;若1.1<C≤1.5,延长5秒的绿灯时间;若C>1.5延长10秒的绿灯时间。

以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1