(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 202210450692.4 (22)申请日 2022.04.27 (65)同一申请的已公布的文献号 申请公布号 CN 114566052 A (43)申请公布日 2022.05.31 (73)专利权人 华南理工大 学 地址 510635 广东省广州市天河区五山路 专利权人 广州国交润万交通信息有限公司 (72)发明人 刘电　吕洪燕　张星明　吴国平　 陈嘉琪　黄宇波　 (74)专利代理 机构 北京中索 知识产权代理有限 公司 11640 专利代理师 商金婷 (51)Int.Cl. G08G 1/01(2006.01) G08G 1/123(2006.01) G06T 9/00(2006.01) G06V 20/54(2022.01) G06V 20/40(2022.01)G06V 10/94(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/766(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06T 7/20(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 112101433 A,2020.12.18 CN 113658115 A,2021.1 1.16 CN 109919204 A,2019.0 6.21 CN 105150999 A,2015.12.16 CN 111723672 A,2020.09.2 9 CN 110084739 A,2019.08.02 CN 113850123 A,2021.12.28 CN 111062450 A,2020.04.24 (续) 审查员 李朝志 (54)发明名称 一种基于车流方向判别高速公路车流监控 设备转动的方法 (57)摘要 本发明公开一种基于车流方向判别高速公 路车流监控设备转动的方法， 其特征在于： 包括 以下步骤： (S1)获取车流数据信息， 记录视频的 车辆轨迹， 统计路面的车辆的轨迹； 实现车流数 据信息的采集； （S2） 采用基于深度卷积神经网络 的视频图像编码算法完成视频图像压缩处理， 提 高了深度卷积神经网络处理视频图像数据信息 的识别能力； （S3） 通过所构建的车流数据信息分 析模型实现车流数据信息分析； （S4） 构建分析优 化模型。 本发明通过对视频的车辆轨迹进行记 录， 通过统计路面的车辆的轨迹， 然后比较一定 时间内的整体车辆的轨迹偏差， 判别监控设备是 否移位,减少光照影响和车流对路面特征的影响,大大提高了高速公路车流 监控能力。 [转续页] 权利要求书3页 说明书9页 附图6页 CN 114566052 B 2022.08.12 CN 114566052 B (56)对比文件 CN 113038086 A,2021.0 6.25 CN 111583341 A,2020.08.25 CN 212009589 U,2020.1 1.24 CN 110033006 A,2019.07.19 CN 10968238 8 A,2019.04.26 US 20173270 39 A1,2017.1 1.16 US 2013140457 A1,2013.0 6.06 CN 108267 745 A,2018.07.10 CN 104680180 A,2015.0 6.03 CN 106530711 A,2017.0 3.22 CN 113822292 A,2021.12.21 CN 110210378 A,2019.09.0 6 CN 113033604 A,2021.0 6.25 CN 114092884 A,202 2.02.25 匡慈维.摄 像机异常检测及分类的算法研 究. 《中国优秀博硕士学位 论文全文数据库(硕 士)信息科技 辑》 .2017,(第02期),I13 6-1851. 孙亚东.基于深度学习的多 模态传感器行为识别研究. 《中国优秀博硕士学位 论文全文数据 库(硕士)信息科技 辑》 .2020,(第07期),I140 - 170. 陈波等.基 于图像识别技 术的高速公路隧道 交通态势分析. 《中国交通信息化》 .2021,(第08 期),129-132. Thuy Tuong Nguyen 等.Compensati ng Background for N oise due to Camera Vibration in Uncalibrated- Camera-Based Vehicle Spe ed Measurement System. 《IE EE Transacti ons on Vehicular Tec hnology》 .2010,30-43. Hasan To nbul等.Application of Taguchi Optimizati on and ANOV A Statistics i n Optimal Parameter Set ting of Multi- Resolution Segmentati on. 《2019 9 th Internati onal Conference o n Recent Advances i n Space Tec hnologies (RAST)》 .2019,387- 391.2/2 页 2[接上页] CN 114566052 B1.一种基于车流方向判别 高速公路车流监控设备转动的方法， 其特征在于： 包括以下 步骤： (S1)获取车流数据信息， 记录视频的车辆轨迹， 统计路面的车辆的轨迹； 实现车流数据 信息的采集； 在本步骤中， 针对车流数据信息利用集成电路总线接口连接视频图像传感器， 控制信 息采集， （S2） 采用基于深度卷积神经网络的视频图像编码算法完成视频图像压缩处理， 采用 YOLO‑V4算法模 型实现车辆目标数据和车道信息的提取； 跟踪每辆车的位置， 获取每辆车在 视频对应车道的轨迹， 统计一定时间的车辆在每个车道的轨迹； 利用深度卷积神经网络编 码算法对 采集到的图像信息进行压缩并结合FPGA的并行化计算控制方法； （S3） 通过所构建的车流数据信息分析模型实现车流数据信 息分析， 并比较一定时间内 的整体车辆的轨迹偏 差， 判别监控设备是否移位； 通过Y OLO‑V4算法模型实现高速公路车流 数据信息分析； （S4） 构建 分析优化模型， 通过优化模块 提高了YOLO‑V4算法模型的优化效果； 优化模块优化的方法为： 首先对公路监控图像缺陷数据集进行统一标准化， 缩放每个输入变量x在预定义的[0, 1]范围内， 其表达式为：               （1） 式 （2） 中， 是指缩放后的标准化值， 和 是训练集中变量的最小值和最大 值， 是变量的实际值； 则公路图像信息缺陷评估指标均值计算公式为： （2） 式 （2） 中， 表示公路监控图像缺陷评估指标均值， T表示预测运行周期， 表示 深度学习模型 各项超参数， 表示工作人员需求评价指标； 通过建立正交化的评估矩阵将 公路监控图像缺陷评估指标进行信 息交叠， 不同信 息交 叠图像之间相互影响迭代过程 为： （3） 式 （3） 中， 表示公路监控图像缺陷评估指标相互交叠函数， 表示相互交叠函数之间 相互影响迭代过程； 根据公路监控图像缺陷评估指标之间的迭代公 式， 对等式 （4） 矩阵建立 算法程序， 即：      （4）权　利　要　求　书 1/3 页 2 CN 114566052 B 3