(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210961917.2 (22)申请日 2022.08.11 (71)申请人 合肥湛达智能科技有限公司 地址 230000 安徽省合肥市高新区黄山路 602号国家大 学科技园创业孵化中心 (72)发明人 张中　赵培　 (74)专利代理 机构 合肥律众知识产权代理有限 公司 34147 专利代理师 殷娟 (51)Int.Cl. G06V 20/54(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G08G 1/052(2006.01) G08G 1/01(2006.01) (54)发明名称 一种基于嵌入式终端的拥堵检测方法 (57)摘要 本发明涉及道路拥堵检测， 具体涉及一种基 于嵌入式终端的拥堵检测方法， 获取道路监控场 景下的实时视频流数据， 并进行车辆识别， 确定 预设区域内的目标车辆； 利用第一神经网络模型 从实时视频流数据中提取用于表征道路空闲区 域和道路占用区域的道路特征图； 根据实时视频 流数据获取行车区域图， 并利用第二神经网络模 型确定行车区域图对应的光流矩阵； 基于跟踪目 标车辆得到多张跟踪图像， 并利用跟踪图像确定 预设区域内的车流速度； 确定预设区域内的车辆 掩膜图像和位置掩膜图像， 基于车辆掩膜图像和 位置掩膜图像确定预设区域内的车流密度； 本发 明提供的技术方案能够有效克服现有技术所存 在的道路拥堵检测准确性较 差的缺陷。 权利要求书2页 说明书4页 附图2页 CN 115376076 A 2022.11.22 CN 115376076 A 1.一种基于嵌入式终端的拥堵检测方法， 其特 征在于： 包括以下步骤： S1、 获取道路监控场景下的实时视频流数据， 并进行车辆识别， 确定预设区域内的目标 车辆； S2、 利用第 一神经网络模型从实时视频流数据中提取用于表征道路空闲区域和道路占 用区域的道路特 征图； S3、 根据实时视频流数据获取行车区域图， 并利用第二神经网络模型确定行车区域图 对应的光 流矩阵； S4、 基于跟踪目标车辆得到多张跟踪图像， 并利用跟踪图像确定预设区域内的车流速 度； S5、 确定预设区域内的车辆掩膜图像和位置掩膜图像， 基于车辆掩膜图像和位置掩膜 图像确定预设区域内的车流密度； S6、 根据道路特征图、 光流矩阵， 以及预设区域内的车流速度、 车流密度， 通过道路拥堵 检测模型 得到道路拥堵检测结果。 2.根据权利要求1所述的基于嵌入式终端的拥堵检测方法， 其特征在于： S3 中根据实时 视频流数据获取 行车区域图， 包括： 从实时视频流数据提取预设数量的前景图像， 对提取的前景图像进行自适应膨胀处 理； 对所有自适应膨胀处 理后的前 景图像进行叠加， 得到行 车区域图。 3.根据权利要求2所述的基于嵌入式终端的拥堵检测方法， 其特征在于： S3 中根据实时 视频流数据获取 行车区域图之后， 包括： 对行车区域图进行 滤波处理和平滑处理。 4.根据权利要求2所述的基于嵌入式终端的拥堵检测方法， 其特征在于： S3 中利用第二 神经网络模型确定行 车区域图对应的光 流矩阵， 包括： 将实时视频流数据中每相邻 两帧图像依次输入至第 二神经网络模型， 得到多个初始光 流矩阵； 对多个初始光流矩阵进行叠加， 并对叠加后的光流矩阵中各元素进行归一化处理， 得 到中间光 流矩阵； 对中间光 流矩阵与行 车区域图进行叠加， 得到行 车区域图对应的光 流矩阵。 5.根据权利要求1所述的基于嵌入式终端的拥堵检测方法， 其特征在于： S4中基于跟踪 目标车辆得到多张跟踪图像， 并利用跟踪图像确定预设区域内的车流速度， 包括： 基于多张跟踪图像， 确定目标 车辆在不同时刻的位置信息； 根据目标 车辆在不同时刻的位置信息， 确定目标 车辆的速度； 根据多个目标 车辆的速度， 确定预设区域内的车流速度。 6.根据权利要求5所述的基于嵌入式终端的拥堵检测方法， 其特征在于： 所述根据多个 目标车辆的速度， 确定预设区域内的车流速度， 包括： 基于不同的权重系数， 对多个目标车辆的速度进行加权平均， 得到预设区域内的车流 速度； 其中， 权重系数与目标 车辆的速度呈正相关。 7.根据权利要求1所述的基于嵌入式终端的拥堵检测方法， 其特征在于： S5 中确定预设权　利　要　求　书 1/2 页 2 CN 115376076 A 2区域内的车辆掩膜图像和位置掩膜图像， 包括： 根据目标车辆在预设区域内的成像区域， 将 实时视频流数据中属于成像区域的像素标 记为1， 属于非成像区域的像素 标记为0， 生成对应的车辆掩膜图像； 根据预设区域， 将实时视频流数据中属于预设区域的像素标记为1， 属于非预设区域的 像素标记为0， 生成对应的位置掩膜图像。 8.根据权利要求7所述的基于嵌入式终端的拥堵检测方法， 其特征在于： S5 中基于车辆 掩膜图像和位置掩膜图像确定预设区域内的车流密度， 包括： 计算车辆掩膜图像与位置掩膜图像之间的乘积， 得到目标 车辆掩膜图像； 将目标车辆掩膜图像中像素为1的像素点数量与位置掩膜图像中像素为1的像素点数 量之商， 作为预设区域内的车流密度。 9.根据权利要求1所述的基于嵌入式终端的拥堵检测方法， 其特征在于： S6 中根据道路 特征图、 光流矩阵， 以及预设区域内的车流速度、 车流密度， 通过道路拥堵检测模型得到道 路拥堵检测结果， 包括： 将道路特征图与光流矩阵融合后， 同预设区域内的车流速度、 车流密度一起输入至预 先训练的道路拥堵检测模型， 通过道路拥堵检测模型 得到道路拥堵检测结果。权　利　要　求　书 2/2 页 3 CN 115376076 A 3