(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210747704.X (22)申请日 2022.06.29 (65)同一申请的已公布的文献号 申请公布号 CN 114822043 A (43)申请公布日 2022.07.29 (73)专利权人 长沙海信智能系统研究院有限公 司 地址 410006 湖南省长 沙市岳麓区洋湖街 道潇湘南路一段368号中盈广场C座5 层502号 (72)发明人 廖代海　吴婷　闾凡兵　 (74)专利代理 机构 长沙市岳麓慧专利代理事务 所(普通合伙) 43270 专利代理师 王中华 (51)Int.Cl. G08G 1/01(2006.01) G06V 20/54(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06T 7/62(2017.01) G06T 7/66(2017.01) G06T 7/73(2017.01) (56)对比文件 CN 170754 4 A,2005.12.14 CN 107301369 A,2017.10.27 CN 110992693 A,2020.04.10 CN 111027447 A,2020.04.17 CN 111724591 A,2020.09.2 9 CN 1091473 31 A,2019.01.04 CN 111605481 A,2020.09.01 CN 105844328 A,2016.08.10 CN 104282020 A,2015.01.14 US 2019271550 A1,2019.09.0 5 US 2002082767 A1,20 02.06.27 IN 2007MUM01871 A1,20 07.11.30 JP 2005004426 A,20 05.01.06 JP H07253476 A,19 95.10.03 (续) 审查员 吴莎 (54)发明名称 道路拥堵检测方法、 装置及电子设备 (57)摘要 本发明提供一种道路拥堵检测方法、 装置及 电子设备。 所述方法采用历史数据在三维空间上 进行拟合得到各个拥堵等级对应的曲面特征矩 阵， 再根据曲面特征矩阵确定比较速度， 然后通 过比较速度与当前像素速度的比较结果确定拥 堵等级， 相比于通过人为设置固定的阈值进行拥 堵等级判断， 能够提升道路拥堵检测的准确性。 [转续页] 权利要求书2页 说明书7页 附图7页 CN 114822043 B 2022.09.13 CN 114822043 B (56)对比文件 SEN GUO， SAN-FENG C HEN.THE APPLICATION OF THE BINOCULAR CAM ERA TO CROWD DENSITY ESTIMATION. 《Proce edings of the 2012 Internati onal Conference o n Machine Learning and Cybernetics》 .2012, Yongmei Zhang 等.Video-Based Traf fic Flow Monitoring Algorithm. 《2020 IE EE 3rd Internati onal Conference o n Computer and Communication Engineering Technology》 .2020,2/2 页 2[接上页] CN 114822043 B1.一种道路拥堵检测方法， 其特 征在于， 包括如下步骤： 步骤S1、 收集第一道路的对应不同拥堵等级的多组历史图像数据， 每一组历史图像数 据均包括多个三 维离散点， 所述三 维离散点的x轴和y轴的坐标为图像中车辆的检测框的中 心点坐标、 z轴的坐标为图像中车辆的像素速度； 步骤S2、 对所述多组历史图像数据进行曲面拟合， 计算得到各个历史图像数据对应的 拥堵等级的曲面特 征矩阵； 步骤S3、 将第 一道路的当前图像输入训练好的车辆检测模型中， 得到目标车辆在第n帧 画面中检测框的中心点 坐标和在第m帧画面中检测框的中心点 坐标， n和m为 正整数； 步骤S4、 根据目标车辆在第n帧画面中检测框的中心点坐标、 在第m帧画面中检测框的 中心点坐标、 以及第n帧画面与第m帧画面之间的时间差计算目标 车辆的当前像素速度； 步骤S5、 根据目标车辆在第m帧画面中检测框的中心点坐标和对应不同拥堵等级的曲 面特征矩阵， 计算得到在第m帧画面中目标车辆分别对应多个不同拥堵等级的多个比较速 度； 步骤S6、 将 目标车辆的当前像素速度与所述多个比较速度进行比较， 确定与目标车辆 的当前像素速度差距最小的比较速度， 并判定目标车辆在第m帧画面中检测框的中心点坐 标对应的区域的拥堵等级为所述差距最小的比较速度对应的拥堵等级。 2.如权利要求1所述的道路拥堵检测方法， 其特征在于， 对所述多组历史图像数据进行 曲面拟合， 计算得到各个历史图像数据对应的拥堵等级的曲面特 征矩阵具体包括： 设定待拟合的曲面对应的二次曲面方程 为： v=A*(x,y)； 其中， v为图像中车辆的像素速度， x和y为图像中车辆的检测框的中心点坐标， A为二次 曲面方程的系数矩阵； 将当前历史图像数据中的多个三维离散点写入所述二 次曲面方程中进行曲面拟合， 求 解得到二次曲面方程的系数矩阵， 并该系数矩阵作为当前历史图像数据对应的拥堵等级的 曲面特征矩阵。 3.如权利要求1所述的道路拥堵检测方法， 其特征在于， 所述计算目标车辆的当前像素 速度的公式为： 其中， )为目标车辆在第n帧画面中检测框的中心点坐标、 ) 为目标 车辆在第m帧画面中检测框的中心点 坐标， 为目标车辆的当前像素速度。 4.如权利要求1所述的道路拥堵检测方法， 其特 征在于， 还 包括： 对第一道路的当前图像进行透 视变换， 得到第一道路的当前图像对应的俯视图； 在俯视图中进行 车道线识别， 得到道路区域的面积； 获取第m帧画面中各个车辆的检测框的长和宽， 并计算各个车辆的检测框的面积； 计算各个车辆的检测框的面积之和与道路区域 面积的比值， 得到当前道路的占用率。 5.如权利要求4所述的道路拥堵检测方法， 其特征在于， 还包括根据当前道路的占用率 对步骤S6中确定的拥堵等级 进行验证， 判断步骤S6中确定的拥堵等级是否准确。权　利　要　求　书 1/2 页 2 CN 114822043 B 3