基于无人机监控的交通流密度检测方法及系统的制作方法
【技术领域】
[0001] 本发明设及智能交通技术领域，尤其设及基于无人机监控的交通流密度检测方法 及系统。
【背景技术】
[0002] 密度是交通流十分重要参数之一，也是判别交通流状态的一个重要指标。通过交 通流密度可W直接判定交通的拥挤程度，从而决定采用何种交通管理和控制措施。在实际 应用中往往还采用较易测量的车辆的道路占用率来间接表征交通流密度，车辆占用率越 高，交通流密度就越大。其中，车辆占用率具体包括空间占用率和时间占用率。
[0003] 空间占用率一般通过高处摄影法进行调查，但适用性并不高，比如高处摄影法并 不能无限制地标高摄像机的高度，也即拍摄的道路长度有限制；而时间占用率主要通过感 应线圈等定点检测器来检测得到，是目前调查交通流密度的主流方式，时间占有率越大，贝U 表明交通流密度越大，但该方法计算过程比较复杂，且不能定量地描述时间占有率和交通 流密度之间的关系；同时，当交通流量和区间平均车速出现较大误差时，通过本方法所得到 的检测结果将会存在较大误差。
【发明内容】
[0004] 本发明的主要目的在于提供一种基于无人机监控的交通流密度检测方法及系统， 旨在解决现有计算交通流密度的方式适应性不高、计算复杂且计算误差较大的技术问题。
[0005] 为实现上述目的，本发明提供一种基于无人机监控的交通流密度检测方法，所述 基于无人机监控的交通流密度检测方法包括：
[0006] 获取无人机在设定的检测周期及虚拟区域内拍摄的交通视频图像信息；
[0007] 对所述交通视频图像信息进行运动分割处理，并统计所选定的所述交通视频图像 信息中多个时刻所对应的多帖样本图像中进入所述虚拟区域内的车辆数量W及计算得到 在所述检测周期内进入所述虚拟区域的平均车辆数；
[000引根据所述虚拟区域所对应的路段长度与所述平均车辆数，计算得到当前所述检测 周期内的交通流密度。
[0009] 优选地，所述获取无人机在设定的检测周期及虚拟区域内拍摄的交通视频图像信 息之前包括：
[0010] 根据所述无人机所监控的目标道路的结构特征，在所述无人机的监控视野内划定 所述虚拟区域并标定所述虚拟区域所对应的路段长度，其中，所述虚拟区域包括多个虚拟 线圈且所述虚拟线圈分别对应覆盖所述目标道路的同向所有车道。
[0011] 优选地，所述对所述交通视频图像信息进行运动分割处理，并统计所选定的所述 交通视频图像信息中多个时刻所对应的多帖样本图像中进入所述虚拟区域内的车辆数量 W及计算得到在所述检测周期内进入所述虚拟区域的平均车辆数包括：
[0012] 采用背景差分法并基于动态的分割阔值对所述交通视频图像信息进行运动分割 处理，得到多帖样本图像中分别进入所述虚拟区域内的车辆所对应的像素点集合；
[0013] 采用多目标跟踪算法对所述像素点集合进行跟踪，并对应统计进入所述虚拟区域 的车辆数量；
[0014] 根据统计得到的车辆数量，计算每帖样本图像中进入所述虚拟区域内的平均车辆 数量W得到在所述检测周期内进入所述虚拟区域的平均车辆数。
[0015] 优选地，根据所述虚拟区域所对应的路段长度与所述平均车辆数构建交通流密度 数学模型，其中，所述交通流密度数学模型为：
[0016] K = Q/!;
[0017] 其中，K为交通流密度，L为虚拟区域的路段长度，Q为虚拟区域路段内的瞬时平均 车辆数。
[0018] 优选地，所述根据所述虚拟区域所对应的路段长度、所述平均车辆数W及设定的 交通流密度数学模型，计算得到当前所述检测周期内的交通流密度之后还包括：
[0019] 根据计算得到的所述交通流密度及预设的交通流状态阔值，识别当前所述检测周 期内所述无人机所监控的目标道路的交通流状态。
[0020] 进一步地，为实现上述目的，本发明还提供一种基于无人机监控的交通流密度检 测系统，所述基于无人机监控的交通流密度检测系统包括:无人机、交通流密度检测装置； [0021 ]其中，所述交通流密度检测装置包括：
[0022] 交通图像获取模块，用于获取所述无人机在设定的检测周期及虚拟区域内拍摄的 交通视频图像信息；
[0023] 交通图像处理模块，用于对所述交通视频图像信息进行运动分割处理，并统计所 选定的所述交通视频图像信息中多个时刻所对应的多帖样本图像中进入所述虚拟区域内 的车辆数量W及计算得到在所述检测周期内进入所述虚拟区域的平均车辆数；
[0024] 交通流密度计算模块，用于根据所述虚拟区域所对应的路段长度与所述平均车辆 数，计算得到当前所述检测周期内的交通流密度。
[0025] 优选地，所述交通流密度检测装置还包括：
[0026] 虚拟区域划定模块，用于根据所述无人机所监控的目标道路的结构特征，在所述 无人机的监控视野内划定所述虚拟区域并标定所述虚拟区域所对应的路段长度，其中，所 述虚拟区域包括多个虚拟线圈且所述虚拟线圈分别对应覆盖所述目标道路的同向所有车 道。
[0027] 优选地，所述交通图像处理模块包括：
[0028] 图像分割单元，用于采用背景差分法并基于动态的分割阔值对所述交通视频图像 信息进行运动分割处理，得到多帖样本图像中分别进入所述虚拟区域内的车辆所对应的像 素点集合；
[0029] 车辆跟踪统计单元，用于采用多目标跟踪算法对所述像素点集合进行跟踪，并对 应统计进入所述虚拟区域的车辆数量；
[0030] 平均车辆数计算单元，用于根据统计得到的车辆数量，计算每帖样本图像中进入 所述虚拟区域内的平均车辆数量W得到在所述检测周期内进入所述虚拟区域的平均车辆 数。
[0031] 优选地，根据所述虚拟区域所对应的路段长度与所述平均车辆数构建交通流密度 数学模型，其中，所述交通流密度数学模型为：
[0032] K = Q/!;
[0033] 其中，K为交通流密度，L为虚拟区域的路段长度，Q为虚拟区域路段内的瞬时平均 车辆数。
[0034] 优选地，所述交通流密度检测装置还包括：
[0035] 交通流状态识别模块，用于根据计算得到的所述交通流密度及预设的交通流状态 阔值，识别当前所述检测周期内所述无人机所监控的目标道路的交通流状态。
[0036] 本发明采用无人机拍摄交通视频图像，不仅降低了拍摄设备的成本，同时通过无 人机可实现对重点路段的实时监控W及进行多个区域的巡回监控检测，并进一步可根据实 际需要调整拍摄的高度、角度及拍摄区域等，从而可保证交通数据信息的实时性W及准确 性，进而可相应提高交通流密度计算的精确性。此外，本发明中仅统计在检测周期内进入设 定的虚拟区域的车辆数量，因而通过虚拟区域限定了图像处理的像素区域范围，进而可简 化对图像的处理效率W及提高了车辆识别的精度。进一步地，本发明中仅需根据虚拟区域 所对应的路段长度W及进入该虚拟区域的平均车辆数即可计算得到当前检测周期内的交 通流密度，也即直接根据交通流密度的定义计算交通流密度，从而简化了交通流密度计算 过程，同时也保证计算结果的精确性。
【附图说明】
[0037] 图1为本发明基于无人机监控的交通流密度检测方法第一实施例的流程示意图；
[0038] 图2为本发明基于无人机监控的交通流密度检测方法一实施例中不同检测周期所 对应的平均误差变化趋势示意图；
[0039] 图3为本发明基于无人机监控的交通流密度检测方法另一实施例中不同检测周期 所对应的最大误差变化趋势示意图；
[0040] 图4为本发明基于无人机监控的交通流密度检测方法第二实施例的流程示意图；
[0041] 图5为本发明基于无人机监控的交通流密度检测方法一实施例中虚拟区域的示意 图；
[0042] 图6为图1中步骤S20的细化流程示意图；
[0043] 图7为本发明基于无人机监控的交通流密度检测方法中运动分割处理一实施例中 像素点(X，y)及其八邻域C8示意图；
[0044] 图8为本发明基于无人机监控的交通流密度检测方法中运动分割处理一实施例中 计算照明因子的图像分块示意图；
[0045] 图9为本发明基于无人机监控的交通流密度检测方法第=实施例的流程示意图；
[0046] 图10为本发明基于无人机监控的交通流密度检测系统一实施例的功能模块示意 图；
[0047] 图11为图10中交通流密度检测装置第一实施例的细化功能模块示意图；
[0048] 图12为图10中交通流密度检测装置第二实施例的细化功能模块示意图；
[0049] 图13为图11中交通图像处理模块的细化功能模块示意图；
[0050] 图14为图10中交通流密度检测装置第=实施例的细化功能模块示意图。
[0051 ]本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
【具体实施方式】
[0052] 应当理解，此处所描述的具体实施例仅用W解释本发明，并不用于限定本发明。
[0053] 参照图1，图1为本发明基于无人机监控的交通流密度检测方法第一实