详情

原文传递物流运输道路交通堵塞识别方法、装置、设备及存储介质

专利名称：	物流运输道路交通堵塞识别方法、装置、设备及存储介质
摘要：	本发明涉及物流技术领域，尤其涉及一种物流运输道路交通堵塞识别方法、装置、设备及存储介质，包括采集交通状态图像样本，并对交通状态图像样本进行分类处理，以得到堵塞样本集、通畅样本集和其它样本集；基于InceptionV1网络构建GoogLeNet网络结构；将加权交叉熵损失函数引入至GoogLeNet网络结构中，以得到预训练模型；根据堵塞样本集、通畅样本集和其它样本集生成识别训练集；将识别训练集输入至预训练模型进行迭代训练，以得到交通堵塞识别模型；将实时路况图像输入至交通堵塞识别模型进行识别，以得到路况结果；通过InceptionV1网络为GoogLeNet网络结构提供模块化设计，使GoogLeNet网络结构在使用时更加灵活；将加权交叉熵损失函数引入GoogLeNet网络结构可解决模型数据不平衡的问题。
专利类型：	发明专利
国家地区组织代码：	上海;31
申请人：	上海东普信息科技有限公司
发明人：	曾月;李斯;杨周龙
专利状态：	有效
申请日期：	2023-08-31T00:00:00+0800
发布日期：	2023-11-24T00:00:00+0800
申请号：	CN202311120279.2
公开号：	CN117115764A
代理机构：	深圳市君胜知识产权代理事务所(普通合伙)
代理人：	朱阳波
分类号：	G06V20/54;G06V20/40;G06V10/774;G06V10/764;G06V10/80;G06V10/82;G;G06;G06V;G06V20;G06V10;G06V20/54;G06V20/40;G06V10/774;G06V10/764;G06V10/80;G06V10/82
申请人地址：	201700 上海市青浦区外青松公路5045号508室U区44号
主权项：	1.一种物流运输道路交通堵塞识别方法，其特征在于，包括：采集交通状态图像样本，并对交通状态图像样本进行分类处理，以得到堵塞样本集、通畅样本集和其它样本集；基于InceptionV1网络构建GoogLeNet网络结构；将加权交叉熵损失函数引入至GoogLeNet网络结构中，以得到预训练模型；根据堵塞样本集、通畅样本集和其它样本集生成识别训练集；将识别训练集输入至预训练模型进行迭代训练，以得到交通堵塞识别模型；将实时路况图像输入至交通堵塞识别模型进行识别，以得到路况结果。 2.根据权利要求1所述的物流运输道路交通堵塞识别方法，其特征在于，所述采集交通状态图像样本，并对交通状态图像样本进行分类处理，以得到堵塞样本集、通畅样本集和其它样本集，包括：采集物流车辆的车载连续视频数据，并对车载连续视频数据进行随机截取处理，以得到交通状态图像样本；基于CVAT标注工具对交通状态图像样本进行标注，以得到车况标注数据；根据预设车辆阈值条件对车况标注数据进行路况分析；将满足预设车辆阈值条件的车况标注数据进行聚类，以形成堵塞样本集；将不满足预设车辆阈值条件的车况标注数据进行聚类，以形成通畅样本集；将非路况问题的车况标注数据进行聚类，以形成其它样本集。 3.根据权利要求1所述的物流运输道路交通堵塞识别方法，其特征在于，所述基于InceptionV1网络构建GoogLeNet网络结构，包括：基于InceptionV1网络构建基础网络框架；将多个不同尺度的卷积核进行拼接融合，以形成卷积层；并将卷积层接入基础网络框架，以形成卷积网络框架；将Average Pooling接入替代卷积网络框架中的全连接层，并将两个softmax分类器融合至卷积网络框架中，以形成GoogLeNet网络结构。 4.根据权利要求1所述的物流运输道路交通堵塞识别方法，其特征在于，所述根据堵塞样本集、通畅样本集和其它样本集生成识别训练集，包括：将堵塞样本集、通畅样本集和其它样本集进行灰度格式转换；将灰度格式转换后的堵塞样本集、通畅样本集和其它样本集按照预设权重进行聚合，以形成初级训练集；对初级训练集进行预处理，以形成识别训练集。 5.根据权利要求4所述的物流运输道路交通堵塞识别方法，其特征在于，所述对初级训练集进行预处理，以形成识别训练集，包括：将初级训练集的灰度像素映射至预设像素范围；对映射后的初级训练集进行线性拉伸，以得到一级处理样本集；对一级处理样本集进行均值归一化和标准差归一化处理，以得到二级处理样本集；对二级处理样本集进行数据缩放处理和编码处理，以得到识别训练集。 6.根据权利要求1所述的物流运输道路交通堵塞识别方法，其特征在于，所述将识别训练集输入至预训练模型进行迭代训练，以得到交通堵塞识别模型之前，还包括：对识别训练集中的图像样本随机进行图像翻转和图像裁剪，以得到第一增广集；对第一增广集进行颜色变换和随机模糊处理，以得到第二增广集；对第二增广集中不同的图像样本进行数据混合，以得到新的识别训练集。 7.根据权利要求1所述的物流运输道路交通堵塞识别方法，其特征在于，所述将实时路况图像输入至交通堵塞识别模型进行识别，以得到路况结果，包括：基于监控和车载监控定时抓拍路面的实时路况图像，并将实时路况图像缓存至预设缓存数据库中；调取交通堵塞识别模型，并基于预设道路范围内容车辆数量阈值对实时路况图像进行识别分析；若实时路况图像中的车辆数量大于预设道路范围内容车辆数量阈值，则输出路况结果；并根据该路况结构建立物流货物拥堵档案库。 8.一种物流运输道路交通堵塞识别装置，其特征在于，包括：采集模块，用于采集交通状态图像样本，并对交通状态图像样本进行分类处理，以得到堵塞样本集、通畅样本集和其它样本集；构建模块，用于基于InceptionV1网络构建GoogLeNet网络结构；引入模块，用于将加权交叉熵损失函数引入至GoogLeNet网络结构中，以得到预训练模型；生成模块，用于根据堵塞样本集、通畅样本集和其它样本集生成识别训练集；训练模块，用于将识别训练集输入至预训练模型进行迭代训练，以得到交通堵塞识别模型；识别模块，用于将实时路况图像输入至交通堵塞识别模型进行识别，以得到路况结果。 9.一种物流运输道路交通堵塞识别设备，其特征在于，所述物流运输道路交通堵塞识别设备包括：存储器和至少一个处理器，所述存储器中存储有指令；至少一个所述处理器调用所述存储器中的所述指令，以使得所述物流运输道路交通堵塞识别设备执行如权利要求1-7中任一项所述的物流运输道路交通堵塞识别方法的各个步骤。 10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述物流运输道路交通堵塞识别方法的各个步骤。