买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳市嘉锋交通设施有限公司

摘要：本发明涉及一种基于CNN的城市道路交通状况分析方法，其特征在于，包括如下步骤：步骤一、获取所要分析的道路视频；步骤二、对所获取的道路视频进行处理，得到道路状况的图片；步骤三、对获取的道路状况的图片进行处理；步骤四、对获取的道路状况的图片进行分析，得到该道路的道路状况；该基于CNN的城市道路交通状况分析方法，对采集到的道路视频分帧处理为图片，再对图片进行识别，从而达到分析视频中的车辆信息，达到从视频中识别车辆信息的目的，能够更准确的提供用户前方道路信息，让用户即时根据前方道路信息更改自己的行车路线，能够及时避免交通拥堵状况的发生，减少在出行路途中所花费的时间。

主权项：1.一种基于CNN的城市道路交通状况分析方法，其特征在于，包括如下步骤：步骤一、获取所要分析的道路视频；步骤二、对所获取的道路视频进行处理，得到道路状况的图片；步骤三、对获取的道路状况的图片进行滤波处理和均衡化处理；步骤四、对获取的道路状况的图片进行分析，得到该道路的道路状况；具体过程是：通过使用COCO数据集对SSD检测模型进行训练，得到训练模型；然后将经过处理后的图片输入训练模型，进行特征提取和模式识别，输出图像中车辆坐标，通过对输出坐标数量进行统计得到图像中的车辆数量；并将车辆坐标输入到图像处理模块，将图像中的车辆标识出来，实现检测图像中的车辆的功能；所述将经过处理后的图片输入训练模型，进行特征提取和模式识别，输出图像中车辆坐标，通过对输出坐标数量进行统计得到图像中的车辆数量的过程是：一.输入图像输入图像Gx，y大小为300x300x3；二.特征提取1首先输入Gx，y大小为300x300x3，经过两次通道数为64的卷积操作，卷积核大小为3x3，再经过2x2最大池化，输出G1x，y大小为150x150x64的特征层；2经过两次通道数为128的卷积操作，卷积核大小为3x3，再经过2x2最大池化，输出G2x，y大小为75x75x128的特征层；3经过三次通道数为256的卷积操作，卷积核大小为3x3，再经过2x2最大池化，输出G3x，y大小为38x38x256的特征层；4经过三次通道数为512的卷积操作，卷积核大小为3x3，再经过2x2最大池化，输出G4x，y大小为19x19x512的特征层；5再经过三次通道数为512的卷积操作，卷积核大小为3x3，得到输出特征层G5x，y；6对输出图像G5x，y进行一次步长为1的最大池化，得到输出特征层G6x，y；7经过一次通道数为1024的卷积操作，得到输出特征层G7x，y；8将G7x，y首先进行一次通道数为256的卷积操作，卷积核大小为1，然后再进行一次通道数为256的卷积操作，卷积核大小为2，步长为2，得到大小为10x10x512的特征层G8x，y；9对G8x，y进行一次通道数为128，卷积核大小为1的卷积操作，再进行一次通道数为256，卷积核大小为3，步长为2的卷积操作，得到大小为5x5x256的特征层G9x，y；10对G9x，y进行一次通道数为128，卷积核大小为1的卷积操作，再进行一次通道数为256，卷积核大小为3的卷积操作，得到大小为3x3x256的特征层G10x，y；11对G10x，y进行一次通道数为128，卷积核大小为1的卷积操作，再进行一次通道数为256，卷积核大小为3的卷积操作，得到大小为1x1x256的特征层G11x，y；三.分类预测与回归预测对步骤二得到的G3x，y、G7x，y、G8x，y、G9x，y、G10x，y、G11x，y有效特征层进行分类预测与回归预测；其中G3x，y的先验框数量为4、G7x，y的先验框数量为6、G8x，y的先验框数量为6、G9x，y的先验框数量为6、G10x，y的先验框数量为4、G11x，y的先验框数量为4；1.生成defaultboxes：输入图像大小为300x300x3，对G3x，y生成defaultboxes，计算网格中心，求defaultboxs的短边，求defaultboxs的长边，获取正方形defaultboxes，获取长方形defaultboxes，最后对获取的defaultboxs进行reshape，此处[-1，4]中-1指所有defaultboxs，4指defaultboxs的4个参数，乘300方便绘制defaultboxes；检测模型一共可预测的defaultboxs数量为：38x38x4+19x19x6+10x10x6+5x5x6+3x3x4+1x1x4＝8732至此，获取了计算所需的defaultboxes；2.预测a.获取预测图片数量：1b.对先验框进行解码，取回归预测前两位的内容乘先验框的w和h再加上先验框的中心，就是调整后的先验框的中心；将回归预测后两位的结果乘先验框的w和h就是调整后先验框的w和h通过上述步骤确定调整后先验框的位置；c.检测模型采用卷积对特征图G3x，y、G7x，y、G8x，y、G9x，y、G10x，y、G11x，y提取检测结果；用3x3的卷积核进行卷积，每个defaultboxes生成19种confidence，输出回归用的localization其中，训练数据集采用了COCO数据集前18类，再加上背景，总共19类；d.将不同特征图获得的先验框结合起来，通过非极大线性抑制与IOU去除掉一部分重叠或者不正确的先验框，其中IOU的计算结果如下： 寻找与每一个groundtruthbox有最大JA，B的defaultbox，生成最终的先验框，即检测结果，其中，IOU指代预测模型的先验框box和标注数据GroundTruth之间的交并比，A指代先验框box，B指代标注数据GroundTruth。

全文数据：

权利要求：

百度查询： 深圳市嘉锋交通设施有限公司 一种基于CNN的城市道路交通状况分析方法