有技术相同，因此不做过多寶述。
[0143] 平均车辆数计算单元2023,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。
[0144] 本实施例中，基于上述实施例中的交通流密度数学模型，因此，需要获得在所述检 测周期内进入所述虚拟区域的平均车辆数，具体通过计算每帖样本图像中进入该虚拟区域 内的平均车辆数量得到。也即在检测周期内获取多个时刻进入虚拟区域内的车辆数，然后 求取算数平均值。例如监控摄像机在检测周期5min内5次捕捉到的进入虚拟区域内的车辆 数分别为18辆、32辆、23辆、37辆、20辆，则反映出的在本检测周期5min内进入虚拟区域内的 平均车辆数为24辆，也即上述交通流密度数学模型中的Q值为24。
[0145] 本实施例中，通过在视频内划定虚拟区域，并且多目标跟踪算法只对区域内的多 个车辆进行多目标跟踪捕捉并进行数量统计，从而可相应提高车辆捕捉的精确度。此外，通 过对交通视频图像信息进行运动分割，并统计进入虚拟区域内的车辆数量，即可根据本发 明的交通流密度数学模型，计算得到当前检测周期内的交通流密度，从而简化了交通流密 度的确定方式，同时也使得交通流密度的精确性得到提升。
[0146] 参照图14,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。基于上述实施例，本实施例中，所述交通流密度检测装置还包括：
[0147] 交通流状态识别模块205,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。
[0148] 本实施例中，在获取到目标道路的交通流密度后，即可根据交通状态分级标准判 别目标道路交通流状态。由于道路交通流密度受到道路结构和道路车辆组成等因素影响， 不同的道路设定的交通流密度临界值及交通流密度的变化特性应该有所不同。所W根据实 测的交通流密度数据来确定某个特定路段的交通流密度临界值非常必要。而在实践中，一 般根据测得的交通流密度与设定的交通流密度临界值比较后直接来判断道路的交通流状 况。如下表2所示为某一条道路的交通流状态判定临界值，其中0、12、44、90为交通流状态阔 值，通过比较计算得到的交通流密度与设定的交通流状态阔值，即可确定当前的交通流状 态，例如，若计算得到的当前交通流密度为55,则可确定为当前监测的目标道路的交通流状 态为轻度拥挤。
[0149] 表2
[0151] 本实施例中，通过无人机实时获取道路的车流情况，并采用多目标捕捉技术统计 目标道路上一定虚拟区域内的所有车辆，W及获取多个瞬间时刻的车辆数W得到检测周期 内的平均车辆数，进而计算出交通流密度，同时进一步直接给出当前的交通流状态W便于 用户读取并做出主观判断。无人机监控检测法可对重点路段、交叉口进行实时监控，同时还 可进行多个区域路段的巡回监控检测，机动性很强，监控面广，并能将路段的实时交通状况 回传监控中屯、W为交通管理部口提供准确的决策依据。
[0152] W上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发 明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技 术领域，均同理包括在本发明的专利保护范围内。
【主权项】
1. 一种基于无人机监控的交通流密度检测方法，其特征在于，所述基于无人机监控的 交通流密度检测方法包括： 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； 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帧样本图像中进入所述虚拟区域内的车辆数量以及计算得到在所 述检测周期内进入所述虚拟区域的平均车辆数； 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。2. 如权利要求1所述的基于无人机监控的交通流密度检测方法，其特征在于，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： 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。3. 如权利要求2所述的基于无人机监控的交通流密度检测方法，其特征在于，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 刻所对应的多帧样本图像中进入所述虚拟区域内的车辆数量以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： 采用背景差分法并基于动态的分割阈值对所述交通视频图像信息进行运动分割处理， 得到多帧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； 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； 根据统计得到的车辆数量，计算每帧样本图像中进入所述虚拟区域内的平均车辆数量 以得到在所述检测周期内进入所述虚拟区域的平均车辆数。4. 如权利要求1-3中任一项所述的基于无人机监控的交通流密度检测方法，其特征在 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： K = Q/L； 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。5. 如权利要求4所述的基于无人机监控的交通流密度检测方法，其特征在于，所述根据 所述虚拟区域所对应的路段长度、所述平均车辆数以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： 根据计算得到的所述交通流密度及预设的交通流状态阈值，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。6. -种基于无人机监控的交通流密度检测系统，其特征在于，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； 其中，所述交通流密度检测装置包括： 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 视频图像彳目息； 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帧样本图像中进入所述虚拟区域内的车 辆数量以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； 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。7. 如权利要求6所述的基于无人机监控的交通流密度检测系统，其特征在于，所述交通 流密度检测装置还包括： 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。8. 如权利要求7所述的基于无人机监控的交通流密度检测系统，其特征在于，所述交通 图像处理模块包括： 图像分割单元，用于采用背景差分法并基于动态的分割阈值对所述交通视频图像信息 进行运动分割处理，得到多帧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； 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； 平均车辆数计算单元，用于根据统计得到的车辆数量，计算每帧样本图像中进入所述 虚拟区域内的平均车辆数量以得到在所述检测周期内进入所述虚拟区域的平均车辆数。9. 如权利要求6-8中任一项所述的基于无人机监控的交通流密度检测系统，其特征在 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： K = Q/L； 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。10. 如权利要求9所述的基于无人机监控的交通流密度检测系统，其特征在于，所述交 通流密度检测装置还包括： 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阈 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。
【专利摘要】本发明公开了一种基于无人机监控的交通流密度检测方法，包括：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；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帧样本图像中进入所述虚拟区域内的车辆数量以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；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。本发明还公开了一种基于无人机监控的交通流密度检测系统。通过本发明可以快速简便且更为精准地计算出所监控的目标道路的实时交通流密度，进而便于对交通状况进行协调管理。
【IPC分类】G08G1/01, G06T7/20
【公开号】CN105528891
【申请号】CN201610022176
【发明人】李大成, 吴海东, 李树立, 刘锋
【申请人】深圳市中盟科技有限公司
【公开日】2016年4月27日
【申请日】2016年1月13日