一种基于道路侧边视频的不同车型车流量统计方法

本发明涉及交通流量监测领域，特别涉及一种基于道路侧边视频的不同车型车流量统计方法。

背景技术：

1、随着国内经济迅速发展，到2022年1月，我国机动车保有量已经达到了3.95亿，随之也产生了交通拥堵、交通事故频发、噪声严重、空气污染等各种交通问题。车流量统计可以帮助了解道路的交通状况，发现交通拥堵点，及时进行交通调度和管理，提高道路的通行能力；也可以通过车流量的统计数据找到城市的交通拥挤点和高峰时段，从而进行交通系统的优化，如新增道路、设置公交专用道、调整交通规则等措施；同时通过车流量数据可以找到高车流量危险路段，并通过设置交通信号灯、限速等措施来提高路段的安全性；准确的车流量数据也有助于研究交通相关的污染及噪声情况等。车流量统计对于交通管理、规划以及保障交通安全、相关课题研究具有重要意义。

2、目前车流量统计方法多基于监控视频文件利用图像分析技术进行识别，但多为俯视视角监控视频，基于道路监控视频的不可获得性及俯视视角监控设备架设的不可行性及危险性，详细的道路车流量数据的获取成为问题，并且不同车型车流量数据的获取更加困难。

3、目前，专利公开号为cn116797979a的中国专利公开了基于改进yolov5与deepsort的小模型交通流检测方法，其包括：获取包含交通场景的数据信息，交通场景的数据信息用于对目标的检测与跟踪；基于改进的yolov5对包含交通场景的数据信息做目标检测模型训练；基于改进的deepsort对目标检测模型检测的交通场景的目标做目标跟踪模型训练车辆重识别数据集进行不同车辆的重识别训练；基于改进的yolov5的目标检测模型和基于改进的deepsort的目标跟踪模型对输入的交通场景目标检测和跟踪；获取所述交通场景的交通信息，并对交通场景的交通信息可视化展示。

4、上述方法注重获取交通场景视频后的车流量统计流程，但未深入考虑良好俯视交通场景视频获取的困难性及获取车流量数据区域的可选择性，并且未考虑通过车型划分进行分类统计，不利于按照细分需求获取车流量数据。

技术实现思路

1、鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于道路侧边视频的不同车型车流量统计方法，用于解决现有技术中俯视视角交通情况数据难以获取问题及车型细分统计问题、统计区域不可自由设定的问题，从低质量视频信息中获得准确车流量数据以及车型分类统计数据。

2、为实现上述目的及其他相关目的，本发明提供一种基于道路侧边视频的不同车型车流量统计方法，包括以下步骤：

3、步骤s1：图像采集，通过道路侧边监控视频采集包含车辆的图像，按帧截取图片数据后进行筛选作为训练数据集图像；

4、步骤s2：数据集搭建，使用labelme对训练数据集图像中的车辆进行标注，并将标签格式转换成yolo格式，作为车辆检测模型的真实训练数据集；

5、步骤s3：模型训练，采用yolov5进行模型训练，包括利用开源数据集的初步训练、真实训练数据集精训练以及保存模型的权重参数，训练完成后，将模型转为paddlepaddle格式的推理模型；

6、步骤s4：跟踪算法的设计及应用，基于目标跟踪算法(bytetrack)，将不同帧图像的同一辆车赋予相同id，确保同一辆车只被统计一次；

7、步骤s5：车流量统计视频文件的命名及整理，根据逻辑要求对待统计视频进行规范命名及文件整理；

8、步骤s6：车流量检测区域及遮挡区域配置，根据车流量检测需求进行检测区域及遮挡区域的划分后开始进行车流量统计。

9、于本发明的一实施例中，所述步骤s1中从需进行车流量检测道路的路侧边监控视频中按帧截取包含车辆的图像。

10、于本发明的一实施例中，所述步骤s1中截取包含车辆的图像后，按照同时包含普通轿车、面包车、公交车及施工车辆的要求进行选取。

11、于本发明的一实施例中，所述步骤s2中进行训练数据集图像标注时，将普通轿车标注为small_car即小型车，将面包车标注为medium_car即中型车，将公交车及施工车辆标注为large_car即大型车。

12、于本发明的一实施例中，所述步骤s3中进行模型训练时，首先采用开源数据集进行初步训练，后采用真实训练数据集进行精训练，数据集中包含图像不小于3000张。

13、于本发明的一实施例中，所述步骤s4中应用bytetrack时将不同帧图像的同一辆车赋予相同id，并且以跳过两帧的速度进行识别，以保证车流量检测的准确性及效率。

14、于本发明的一实施例中，所述步骤s5中视频文件命名格式为“xxxx-xx-xx-xx-xx-xx_xxxx-xx-xx-xx-xx-xx.mp4”，下划线“_”之前是开始时间，之后是结束时间，依次为年-月-日-时-分-秒，除了年是四位以外其他都是两位，若只有个位数则前面必须补零，同时下划线和横杆也需要严格根据格式要求进行更改。

15、于本发明的一实施例中，所述步骤s5中一个文件夹中只能存放同一个点位的视频文件，并且文件夹名称中不能包含中文字符。

16、于本发明的一实施例中，所述步骤s6中检测区域及遮挡区域配置时，遮挡区域可以同时设置多个，统计区域只能设置一个，检测区域的作用是软件只会统计经过检测区域的车辆，开始统计前，必须设置统计区域，遮挡区域的作用是把一些比较远的不需要统计的区域涂掉，此步骤为可选操作，遮挡区域的作用是对视频分析速度有一定提升。

17、于本发明的一实施例中，所述步骤s6中检测区域的划分需满足以下需求：

18、1)车辆之间无明显遮挡，比如选取车速较快的区域使车跟车之间拉开距离，优先选取靠近监控这一侧的道路进行统计。

19、2)车辆尽量不被其他物体或者树木遮挡，部分面积的遮挡一般情况下可以接受，但是大面积的遮挡往往会影响统计准确度。

20、3)车辆在监控录像中大小适中，若车辆距监控点距离过远，则车辆太小影响识别，若过近，则很容易一辆车挡住整个图像区域。

21、4)检测区域尽量不选择车辆容易拥堵的位置，尽量不选择红绿灯开始位置。

22、5)所选的检测区域，在车辆出现端和离开端距离可见边界的距离需至少留出半个车位的距离。

23、6)检测区域沿车辆前进方向不宜过小，尽量大于两个车身长度。

24、如上所述，本发明一种基于道路侧边视频的不同车型车流量统计方法，具有以下有益效果：

25、本发明解决了无法获得上方俯视视角交通视频情况下进行车流量统计的问题，利用自设道路侧边监控进行交通视频获取，根据道路侧边监控视频进行车流量统计。

26、本发明将车流量视频的统计进行精细化，区分大、中、小型车辆并进行数据集搭建，实现精细车流量统计，并且经过实验后确定以跳过两帧的速度进行车辆识别，同时保证车流量检测的准确性及效率。

27、本发明在实验基础上分析利用道路侧边监控视频进行车流量统计的特点并制定检测区域划分的相关要求，提高利用道路侧边视频进行车流量统计的准确性，并且增加检测区域划分的灵活性。