本發(fā)明涉及交通擁堵檢測，尤其是涉及一種基于目標(biāo)跟蹤的地下車庫擁堵檢測方法。

背景技術(shù)：

1、隨著計算機視覺和深度學(xué)習(xí)技術(shù)的不斷進(jìn)步，基于目標(biāo)跟蹤的交通擁堵檢測系統(tǒng)技術(shù)已經(jīng)日益成熟。此類系統(tǒng)的核心模塊主要包括目標(biāo)跟蹤和擁堵判斷。目前廣泛采用的目標(biāo)跟蹤方法是將目標(biāo)檢測和目標(biāo)跟蹤技術(shù)相結(jié)合，以獲取更為精準(zhǔn)的目標(biāo)信息。例如中國專利cn116310946a使用了yolov4模型和tensorrt加速技術(shù)進(jìn)行目標(biāo)檢測，并采用卡爾曼濾波和匈牙利算法進(jìn)行目標(biāo)跟蹤，從而獲得同一目標(biāo)在持續(xù)時間內(nèi)的像素坐標(biāo)。此外，目前常見的擁堵判斷方法主要是通過計算各指標(biāo)以獲得擁堵指數(shù)，其中，計算指標(biāo)包括車輛流量、車輛速度和車輛密度。例如中國專利cn110688922a通過車輛速度和車輛密度計算擁堵指數(shù)，從而判斷交通擁堵級別。

2、盡管當(dāng)前針對室外交通的擁堵檢測已經(jīng)較為成熟，但針對室內(nèi)地下車庫的擁堵檢測仍處于發(fā)展階段。傳統(tǒng)的地下車庫擁堵檢測主要依賴于人工監(jiān)控和基于圖像處理的相關(guān)指標(biāo)分析，然而，隨著智能停車管理系統(tǒng)需求的增加，越來越多的深度學(xué)習(xí)技術(shù)被應(yīng)用于地下車庫擁堵檢測領(lǐng)域。在實際應(yīng)用過程中，將室外交通擁堵檢測系統(tǒng)遷移至地下車庫內(nèi)應(yīng)用時，主要存在以下問題：

3、1.針對目標(biāo)跟蹤模塊，深度學(xué)習(xí)的計算量較大，同時對多路視頻數(shù)據(jù)進(jìn)行目標(biāo)檢測和目標(biāo)跟蹤可能導(dǎo)致處理器過載，進(jìn)而引起程序崩潰或系統(tǒng)死機。

4、2.地下車庫環(huán)境復(fù)雜，在車流量大時，突發(fā)情況較多。例如，管理員可能會臨時使用過道的一側(cè)進(jìn)行交通疏導(dǎo)或臨時占用，導(dǎo)致傳統(tǒng)的擁堵指數(shù)計算方法不適用于這種場景。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于目標(biāo)跟蹤的地下車庫擁堵檢測方法，能夠?qū)崿F(xiàn)多路視頻的實時目標(biāo)檢測和目標(biāo)跟蹤，有效監(jiān)測和分析地下車庫的交通狀況。

2、本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)：一種基于目標(biāo)跟蹤的地下車庫擁堵檢測方法，包括以下步驟：

3、s1、獲取地下車庫視頻數(shù)據(jù)；

4、s2、針對視頻數(shù)據(jù)進(jìn)行目標(biāo)檢測，以識別車輛；

5、s3、針對識別車輛進(jìn)行目標(biāo)跟蹤；

6、s4、基于目標(biāo)跟蹤結(jié)果，判斷當(dāng)前擁堵狀態(tài)，若判斷發(fā)生擁堵，則執(zhí)行步驟s5，否則返回步驟s1；

7、s5、計算擁堵指數(shù)并輸出。

8、進(jìn)一步地，所述步驟s1具體是利用rtsp(real?time?streaming?protocol，實時流傳輸協(xié)議)技術(shù)獲取地下車庫攝像頭的多路視頻數(shù)據(jù)，并在拉取視頻數(shù)據(jù)進(jìn)行丟幀處理。

9、進(jìn)一步地，所述步驟s2具體是利用預(yù)先訓(xùn)練好的yolov5模型，針對多路視頻進(jìn)行實時目標(biāo)檢測，并在檢測過程中采用跳幀方式以減少計算量。

10、進(jìn)一步地，所述步驟s3包括以下步驟：

11、s31、針對各識別車輛分配對應(yīng)id；

12、s32、結(jié)合濾波器技術(shù)，并提高目標(biāo)跟蹤的置信度閾值，以獲取各識別車輛的目標(biāo)運動軌跡。

13、進(jìn)一步地，所述步驟s4具體是分別針對多路視頻，選取相機視野內(nèi)的車道區(qū)域作為roi(region?of?interest，感興趣區(qū)域)，基于目標(biāo)跟蹤結(jié)果，存儲各路roi區(qū)域內(nèi)每輛車輛的數(shù)據(jù)，并根據(jù)這些數(shù)據(jù)計算出各路視頻每幀的信息，以判斷篩選出符合自定義擁堵工況的道路。

14、進(jìn)一步地，所述步驟s4在對于某一路攝像頭的一幀數(shù)據(jù)進(jìn)行處理時，包括以下步驟：

15、s41、根據(jù)預(yù)設(shè)數(shù)據(jù)處理頻率，處理當(dāng)前幀各車輛信息數(shù)據(jù)；

16、首先，獲取此幀的目標(biāo)跟蹤結(jié)果，包括車輛像素坐標(biāo)位置和id，根據(jù)車輛像素坐標(biāo)與設(shè)定的roi像素坐標(biāo)區(qū)域，判斷當(dāng)前車輛是否處于roi內(nèi)，若不處于roi內(nèi)，則對下一輛車輛進(jìn)行判斷，若此幀中處于roi內(nèi)的車輛已遍歷完畢，則等待下一幀數(shù)據(jù)輸入；

17、若車輛處于roi內(nèi)，則存儲各路車輛的id、出現(xiàn)時間和存在時間，之后，根據(jù)當(dāng)前車輛像素坐標(biāo)和之前遍歷的車輛像素坐標(biāo)，判斷車輛是否處于同一側(cè)車道，并對應(yīng)輸出值not_on_the_same_side為1或0，其中，1表示車輛不處于同一側(cè)車道，0表示車輛處于同一側(cè)車道；

18、s42、統(tǒng)計當(dāng)前幀車輛的信息；

19、遍歷完此幀各車輛后，計算當(dāng)前車輛數(shù)目和存在時間以及相較于上一幀消失的車輛數(shù)目和存在時間；

20、s43、擁堵狀態(tài)判斷；

21、首先獲取用戶自定義預(yù)設(shè)的每條道路對應(yīng)的值usr_value，其中，usr_value＝0表明定義雙側(cè)車道擁堵為真擁堵，usr_value＝1則表明單側(cè)車道擁堵為真擁堵；

22、將usr_value值和not_on_the_same_side值進(jìn)行相或計算，若結(jié)果大于0，則輸出擁塞指標(biāo)congestion_one為1，同時，根據(jù)每幀的數(shù)據(jù)，計算前m幀內(nèi)所有出現(xiàn)車輛的平均速度、相對延誤、當(dāng)前幀車輛數(shù)目，當(dāng)滿足預(yù)設(shè)擁堵條件時，則判斷當(dāng)前幀為擁堵狀態(tài)。

23、進(jìn)一步地，所述步驟s43中預(yù)設(shè)擁堵條件具體為：前m幀內(nèi)所有出現(xiàn)車輛的平均速度小于1～2m/s、相對延誤小于0～1、當(dāng)前幀車輛數(shù)目大于2～4、且congestion_one值為1。

24、進(jìn)一步地，所述m的取值范圍為30s～60s。

25、進(jìn)一步地，所述步驟s5中計算擁堵指數(shù)的計算指標(biāo)包括車輛流量、車輛密度、平均速度、相對延誤和超時車輛數(shù)目。

26、進(jìn)一步地，所述步驟s5具體是通過先驗知識對計算指標(biāo)進(jìn)行加權(quán)平均，以計算得到擁堵指數(shù)。

27、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點：

28、本發(fā)明首先獲取地下車庫視頻數(shù)據(jù)，之后針對視頻數(shù)據(jù)進(jìn)行目標(biāo)檢測，以識別車輛，再針對識別車輛進(jìn)行目標(biāo)跟蹤，最后基于目標(biāo)跟蹤結(jié)果，判斷當(dāng)前擁堵狀態(tài)，若判斷發(fā)生擁堵，則進(jìn)一步計算擁堵指數(shù)并輸出。其中，在獲取視頻數(shù)據(jù)時采用丟幀技術(shù)，以在不影響擁堵結(jié)果判斷的前提下減少數(shù)據(jù)輸入量；在對視頻數(shù)據(jù)進(jìn)行目標(biāo)檢測時，利用預(yù)先訓(xùn)練好的yolov5模型對多路視頻進(jìn)行實時目標(biāo)檢測，能夠保證在地下車庫場景中識別車輛的準(zhǔn)確性，并在檢測過程中采用跳幀方式以減少計算量；再結(jié)合濾波器技術(shù)來精確跟蹤各識別車輛的運動軌跡，通過提高目標(biāo)跟蹤的置信度閾值以降低跟蹤錯誤率。由此能夠在確保實時性和準(zhǔn)確性的前提下，降低系統(tǒng)計算量，有效實現(xiàn)多路視頻的實時目標(biāo)檢測和目標(biāo)跟蹤。

29、本發(fā)明針對多路視頻，選取相機視野內(nèi)的車道區(qū)域作為roi，基于目標(biāo)跟蹤結(jié)果，存儲各路roi區(qū)域內(nèi)每輛車輛的數(shù)據(jù)，再根據(jù)車輛數(shù)據(jù)計算出各路每幀的信息，以判斷篩選出符合自定義擁堵工況的道路，并計算對應(yīng)的擁堵指數(shù)。由此充分考慮到地下車庫環(huán)境的復(fù)雜性，設(shè)計了適用于地下策劃庫場景的擁堵判斷和擁堵指數(shù)計算方法，考慮到車流量較大時車庫面臨狀況的復(fù)雜性，不同道路對于單側(cè)或雙側(cè)擁堵即為真擁堵的要求不一樣，因此還設(shè)計自定義預(yù)設(shè)的每條道路對應(yīng)的值usr_value，以方便用戶根據(jù)實際情況自定義每條道路對應(yīng)的擁堵要求，提高了系統(tǒng)靈活性與適應(yīng)性。

30、本發(fā)明的可移植性強，能夠部署至邊緣計算單元或已有的服務(wù)器上；此外，本發(fā)明的輸入僅需連接攝像頭，無需額外硬件設(shè)施，在應(yīng)用上能夠最大程度降低成本。