(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 202210197934.3 (22)申请日 2022.03.02 (71)申请人 青岛海信网络科技股份有限公司 地址 266071 山东省青岛市崂山区松岭路 399号海信研发中心B3号楼4层 (72)发明人 陈维强　王雯雯　冯远宏　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 专利代理师 金俊姬 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/52(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06V 10/25(2022.01) G06V 10/44(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 确定交通拥堵等级的方法及电子设备 (57)摘要 本公开提供确定交通拥堵等级的方法及电 子设备。 用于提高拥堵等级的准确率。 包括： 每隔 指定时长， 获取目标视频图像； 针对目标视频图 像中任一目标检测区域， 基于目标检测区域中各 车辆的相对速度和车辆总数量， 确定该目标检测 区域是否发生交通拥堵； 若是， 则针对目标检测 区域中任一等级检测区域， 根据各车辆的位置， 确定在等级检测区域中各第一车辆； 通过各目标 第一车辆在等级检测区域中的面积和等级检测 区域的面积， 得到拥堵等级参数； 各车辆的位置 和目标第一车辆在等级检测区域中的面积为基 于目标检测模 型确定， 目标第一车辆为相对速度 小于预设阈值的第一车辆； 利用各等级检测区域 的拥堵等级参数， 得到目标检测区域的交通拥堵 等级。 权利要求书3页 说明书14页 附图7页 CN 114639036 A 2022.06.17 CN 114639036 A 1.一种确定交通拥堵等级的方法， 其特 征在于， 所述方法包括： 每隔指定时长， 获取目标视频图像； 其中， 所述目标视频图像包括交通道路中的多个目 标检测区域； 针对所述目标视频图像中的任意 一个目标检测区域， 执 行以下步骤： 基于所述目标检测区域中各车辆的相对速度以及车辆的总数量， 确定出所述目标检测 区域是否发生交通拥堵； 其中， 任一车辆的相对速度是通过所述 目标视频图像和上一帧目 标视频图像确定出的； 若确定所述目标检测区域发生交通拥堵， 则针对所述目标检测区域中的任意一个等级 检测区域， 根据所述 目标检测区域中各车辆的位置， 确定在所述等级检测区域中的各第一 车辆； 并， 通过各目标第 一车辆在所述等级检测区域中的面积以及所述等级检测区域的面积， 得 到拥堵等级参数； 其中， 所述各车辆的位置和所述 目标第一车辆在所述等级检测区域中的 面积为基于目标检测模型确定出的， 且所述目标第一车辆为相对速度小于预设阈值的第一 车辆； 利用各等级检测区域的拥堵等级参数， 得到所述目标检测区域的交通拥堵等级。 2.根据权利要求1所述的方法， 其特征在于， 所述目标检测区域中各车辆的总数量是基 于目标检测神经网络模型yolov4确定出的， 且所述yolov4包括主干网络、 空间金字塔池化 SPP层和PANet网络结构层； 所述SPP层得到的第一特征图在输入到PANet网络结构层之前需要先进行上采样操作； 以及， 所述主干网络中的第四残差块得到的第二特征图在输入到PANet网络结构层 之前需要 先进行上采样操作和注意力机制特 征提取操作。 3.根据权利要求2所述的方法， 其特征在于， 所述注意力 机制特征提取操作 是通过注意 力机制特征提取层进行 的， 且所述注意力机制特征提取层包括至少一个子特征提取层， 所 述子特征提取层包括全连接层和激活函数。 4.根据权利要求1所述的方法， 其特征在于， 所述基于所述目标检测区域中各车辆的相 对速度以及车辆的总数量， 确定出 所述目标检测区域是否发生交通拥堵， 包括： 通过所述目标检测区域中各车辆的相对速度， 得到与 所述目标检测区域对应的平均相 对速度； 基于所述平均相对速度和车辆的总数量， 得到拥堵参数； 将所述拥堵参数与预设拥堵阈值进行比对； 若所述拥堵参数 大于预设拥堵阈值， 则确定所述目标检测区域发生交通拥堵； 若所述拥堵参数不大于所述预设拥堵阈值， 则确定所述目标检测区域未发生交通拥 堵。 5.根据权利要求 4所述的方法， 其特 征在于， 所述拥堵参数满足下列公式： 其中， T为所述拥堵参数， 为所述平均相对速度， N为所述车辆的总数量， k1、 k2为预设 权重。权　利　要　求　书 1/3 页 2 CN 114639036 A 26.根据权利要求1或4所述的方法， 其特征在于， 通过以下方式确定所述目标检测区域 中各车辆的相对速度： 利用目标检测模型对所述目标检测区域中的车辆进行检测， 得到所述目标检测区域中 各车辆的位置； 针对任意一个车辆， 根据所述车辆的位置和所述车辆在上一帧目标视频图像中的位 置， 得到所述车辆的相对位移； 基于所述车辆的相对位移， 确定所述车辆的相对速度。 7.根据权利要求1所述的方法， 其特征在于， 所述通过各目标第 一车辆在所述等级检测 区域中的面积以及所述 等级检测区域的面积， 得到拥堵等级参数， 包括： 将各目标第一车辆在所述 等级检测区域中的面积相加， 得到车辆总面积； 将所述车辆总面积和所述 等级检测区域的面积相除， 得到所述拥堵等级参数。 8.根据权利要求1所述的方法， 其特征在于， 所述利用各等级检测区域的拥堵等级参 数， 得到所述目标检测区域的交通拥堵等级， 包括： 针对任意一个等级检测区域， 若所述等级检测区域的拥堵等级参数大于预设等级参 数， 则确定所述 等级检测区域发生拥堵； 利用预设的等级检测区域和等级标识的对应关系， 确定与发生拥堵的各等级检测区域 相对应的各等级标识； 其中， 等级标识用于表示等级检测区域在所述 目标检测区域中位置 的排列顺序； 从所述各等级标识中确定出满足指定条件的目标等级标识， 并将所述目标等级标识确 定为所述目标检测区域的交通拥堵等级。 9.一种电子设备， 其特 征在于， 包括存 储单元和处理器， 其中： 所述存储单元， 被配置为存储目标视频图像， 其中， 所述目标视频图像包括交通道路中 的多个目标检测区域； 所述处理器， 被配置为： 每隔指定时长， 获取 所述目标视频图像； 针对所述目标视频图像中的任意 一个目标检测区域， 执 行以下步骤： 基于所述目标检测区域中各车辆的相对速度以及车辆的总数量， 确定出所述目标检测 区域是否发生交通拥堵； 其中， 任一车辆的相对速度是通过所述 目标视频图像和上一帧目 标视频图像确定出的； 若确定所述目标检测区域发生交通拥堵， 则针对所述目标检测区域中的任意一个等级 检测区域， 根据所述 目标检测区域中各车辆的位置， 确定在所述等级检测区域中的各第一 车辆； 并， 通过各目标第 一车辆在所述等级检测区域中的面积以及所述等级检测区域的面积， 得 到拥堵等级参数； 其中， 所述各车辆的位置和所述 目标第一车辆在所述等级检测区域中的 面积为基于目标检测模型确定出的， 且所述目标第一车辆为相对速度小于预设阈值的第一 车辆； 利用各等级检测区域的拥堵等级参数， 得到所述目标检测区域的交通拥堵等级。 10.根据权利要求9所述的电子设备， 其特征在于， 所述目标检测区域中各车辆的总数 量是基于目标检测神经网络模型yolov4确 定出的， 且所述yolov4包括主干网络、 空间金字权　利　要　求　书 2/3 页 3 CN 114639036 A 3