具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

目前城市的路口基本都配置有地磁线圈为交通信号灯调优控制提供依据。但是传统的地磁线圈存在一些缺点，如大面积破坏路面，安装施工要求的技术较高，维修更换成本也高；另外还有一种无线地磁，虽然安装方便，路面破坏不大，但是施工时仍需要破坏部分路面，并且影响正常的交通。而且一旦安装如再想更换位置，只能重新施工，提高了运营成本。

随着城市智能交通的发展，现在每个路口基本都有安装电子警察或卡口，用于交通违章或者布控的需要，而这些设备除了能够完成上述任务之外，还可以在视频中配置虚拟线圈模拟实际地磁线圈的功能，结合视频分析技术实现车流量检测。

图1为本公开所基于的一种场景架构的示意图，如图1所示的，本公开基于的一种场景架构可包括车流量检测装置1以及摄像头2。

其中，车流量检测装置1是可与摄像头2通过网络进行交互的硬件或软件，其可用于执行下述各实施例中所述的车流量检测方法。

当车流量检测装置1为硬件时，其可以为具备运算功能的电子设备。当车流量检测装置1为软件时，其可以安装在具备运算功能的电子设备中。其中的电子设备包括但不限于服务器、笔记本和台式计算机等等。

其中，摄像头2具体可为枪机、球机、微卡口等具有拍摄功能的硬件设备，而车流量检测装置1可为集成或安装在所述摄像头2上的服务端。

车流量检测装置1可在摄像头2上运行，并为摄像头2提供车流量检测服务，并且，车流量检测装置1利用其显示器或显示组件向用户显示车流量检测结果。

当然，在其他使用场景中，车流量检测装置1还可集成在用于处理车辆视频的服务器中，此时，摄像头2则可为包括枪机、球机、微卡口等在内的可与前述的车流量检测装置1通过网络进行通信和数据交互的设备。摄像头2则可将实时视频流发送至车流量检测装置1，以使车流量检测装置1采用如下所示的方法对实时视频流进行车流量检测。

以下将对本申请提供的基于视频虚拟线圈的车流量检测方法及装置进行进一步说明：

图2为本公开实施例提供的一种基于视频虚拟线圈的车流量检测方法的流程示意图。如图2所示，本公开实施例提供的一种基于视频虚拟线圈的车流量检测方法包括：

S21、在视频画面中配置至少一个用于检测车流量的虚拟线圈，得到各虚拟线圈的位置信息和编号信息。

其中，虚拟线圈为配置在视频画面中的线框，以模拟实际道路上设置的地磁线圈，虚拟线圈的位置信息为虚拟线圈在视频画面中的坐标，虚拟线圈的编号信息为配置虚拟线圈时赋予虚拟线圈的唯一身份编号，以标识各虚拟线圈。

本实施例中，在视频画面中配置虚拟线圈时，利用视频播放器显示当前需要配置虚拟线圈的道路视频画面，利用画框插件在视频画面中按照需求绘制线框，线框为多边形结构，如果是首次配置虚拟线圈，则直接根据需求在视频画面中绘制线框；如果之前已配置虚拟线圈，可先删除之前绘制的线框，再按照最新的需求重新绘制新的线框即可。虚拟线圈配置完成后，得到各虚拟线圈在视频画面中的坐标，并为每个虚拟线圈赋予身份编号，每个虚拟线圈的身份编号都是唯一的。

S22、获取实时视频流，并将所述实时视频流进行解码得到视频帧图像。

本实施例中，在配置完虚拟线圈后，可基于RTSP接入实时视频流，并应用基于硬件设备Jetson Xavier NX提供的硬件解码芯片NVDEC，调用视频解码API从实时视频流数据解码出原始图像数据。

S23、利用车辆检测跟踪算法对所述视频帧图像进行处理，得到各车辆的检测跟踪信息；其中，所述各车辆的检测跟踪信息包括各车辆的检测框信息和ID信息。

其中，车辆的检测框信息包括车辆的检测框在图像中的坐标，车辆的ID信息为赋予检测出的车辆的唯一身份编号。

本实施例中，可首先采用车辆检测算法检测图像中的车辆，车辆检测算法至少包括YOLO算法、SSD算法、Faster-RCNN算法中的一个，然后结合车辆检测算法生成的二维车辆检测框与SORT多目标跟踪方法对检测出的车辆目标进行跟踪，直至车辆离开检测区，最终得到每一帧图像中各车辆的检测框信息和ID信息。

举例来说，采用车辆检测算法在第一帧图像中检测到3辆汽车，在每辆车四周生成包围汽车的检测框，得到3辆汽车的检测框在图像中的坐标，并分别编号为1、2、3，继续采用车辆检测算法检测下一帧图像，并结合车辆检测算法生成的二维车辆检测框与SORT多目标跟踪方法对检测出的车辆目标进行跟踪，检测到5辆汽车，其中3辆为第一帧图像中的，另外2辆汽车为刚进入检测区的，在每辆车四周生成包围汽车的检测框，得到5辆汽车的检测框在图像中的坐标，之前已存在的3辆汽车编号仍然为1、2、3，另外2辆汽车编号为4、5。

S24、根据各车辆的检测跟踪信息和各虚拟线圈的位置信息确定各虚拟线圈的当前状态；其中，所述各虚拟线圈的当前状态反映了各虚拟线圈对应的道路区域的车流量。

本实施例中，为了实时检测各虚拟线圈对应的道路区域的车流量，利用每一帧图像中各车辆的检测跟踪信息和各虚拟线圈的位置信息确定各虚拟线圈是否被车辆占据，具体可根据各车辆的检测框在图像中的坐标以及各虚拟线圈在视频画面中的坐标，计算出各车辆的检测框与各虚拟线圈的相交面积，根据相交面积确定各车辆检测框与各虚拟线圈的重合情况，从而确定各车辆所占据的虚拟线圈，进而确定各虚拟线圈对应的道路区域的车流量。

本实施例提供了一种基于视频虚拟线圈的车流量检测方法，在视频画面中配置至少一个用于检测车流量的虚拟线圈，得到各虚拟线圈的位置信息和编号信息；获取实时视频流，并将所述实时视频流进行解码得到视频帧图像；利用车辆检测跟踪算法对所述视频帧图像进行处理，得到各车辆的检测跟踪信息；其中，所述各车辆的检测跟踪信息包括各车辆的检测框信息和ID信息；根据各车辆的检测跟踪信息和各虚拟线圈的位置信息确定各虚拟线圈的当前状态；其中，所述各虚拟线圈的当前状态反映了各虚拟线圈对应的道路区域的车流量。本实施例提供的基于视频虚拟线圈的车流量检测方法在视频画面中配置虚拟线圈模拟实际中的地磁线圈，并利用检测跟踪算法得到的各车辆的检测跟踪信息和配置在视频画面中的各虚拟线圈的位置信息确定各虚拟线圈的当前状态，从而实现了道路车流量的准确检测，具有实时性强、检测准确、成本低廉的优点。

为了准确地获得每一帧图像中各车辆的检测框信息和ID信息，在图2所述实施例的基础上，图3为本公开实施例提供的车辆检测跟踪方法的流程示意图，本公开实施例提供的方法是对前述实施例中S23步骤的进一步说明，如图3所示，S23包括：

S231、利用Yolov5模型检测视频帧图像中的全部车辆，并采用TensorRT技术进行前向推理加速，得到各车辆的检测框信息；

S232、利用Sort跟踪算法跟踪检测出的各车辆确定各车辆的跟踪结果，并根据所述各车辆的跟踪结果为不同图像中的同一车辆赋予相同的ID信息。

本实施例中，首先采用Yolov5模型检测视频帧图像中的全部车辆，并生成包围车辆的二维车辆检测框，为了提高检测速度，采用TensorRT技术进行前向推理加速，得到各车辆的检测框信息，然后结合Yolov5模型生成的二维车辆检测框与SORT多目标跟踪算法对检测出的车辆目标进行跟踪，直至车辆离开检测区，根据各车辆的跟踪结果为不同图像中的同一车辆赋予相同的ID信息。

为了准确地检测视频中的车流量，在图2所述实施例的基础上，图4为本公开实施例提供的虚拟线圈的状态检测方法的流程示意图，本公开实施例提供的方法是对前述实施例中S24步骤的进一步说明，如图4所示，S24包括：

S241、将初始时刻图像中的各车辆的检测框信息和各虚拟线圈的位置信息进行比对确定初始时刻各车辆所占据的虚拟线圈，得到各虚拟线圈的初始状态，并将初始时刻图像中的各车辆的ID信息与各车辆占据的虚拟线圈的编号信息进行绑定得到初始绑定关系信息。

本实施例中，为了减少车辆的检测框与相邻车道虚拟线圈碰撞造成的误检，可对车辆的检测框进行适应性缩减，根据缩减后的各车辆的检测框在图像中的坐标以及各虚拟线圈在视频画面中的坐标，计算出缩减后的各车辆的检测框与各虚拟线圈的相交面积，根据相交面积确定各车辆检测框与各虚拟线圈的重合情况，从而确定各车辆所占据的虚拟线圈。

具体来说，将车辆的检测框宽度进行缩减处理，得到缩减后的车辆的检测框信息；根据缩减后的车辆的检测框信息与各虚拟线圈的位置信息计算缩减后的车辆的检测框与各虚拟线圈的相交面积；若所述相交面积大于预设面积阈值，则确定车辆所占据的虚拟线圈；重复上述步骤，直到确定每一车辆所占据的虚拟线圈。

示例一，在路口的三条车道配置了3个虚拟线圈，分别编号为1、2、3，在第一帧图像中检测到3辆汽车，得到3辆汽车的检测框在图像中的坐标，且3辆汽车分别编号为1、2、3，将3辆汽车的检测框的宽度两边分别缩减1/3，计算出缩减后的3辆汽车的检测框在图像中的坐标，利用缩减后的3辆汽车的检测框在图像中的坐标和3个虚拟线圈在视频画面中的坐标计算各车辆的检测框与各虚拟线圈的相交面积，得到车辆1与虚拟线圈1的相交面积为508个像素、车辆2与虚拟线圈2的相交面积为531个像素、车辆3未与任何虚拟线圈相交，由于车辆1与虚拟线圈1的相交面积为508个像素大于预设面积阈值400个像素，则车辆1占据虚拟线圈1，同理，车辆2与虚拟线圈2的相交面积为531个像素大于预设面积阈值400个像素，则车辆2占据虚拟线圈2，另外车辆3未占据任何虚拟线圈，则车辆1与虚拟线圈1绑定，车辆2与虚拟线圈2绑定。

S242、将前一时刻的绑定关系信息作为确定当前时刻各虚拟线圈状态的最新初始绑定关系信息，重复基于最新初始绑定关系信息，将当前时刻图像中各车辆的检测框信息和各虚拟线圈的位置信息进行比对确定当前时刻各车辆所占据的虚拟线圈，得到各虚拟线圈的当前状态，并根据当前时刻各车辆所占据的虚拟线圈对最新初始绑定关系信息进行更新的步骤。

本实施例中，由于视频中车辆处于移动状态，因此虚拟线圈的状态也随着车辆的移动而变化，为了保证虚拟线圈的状态检测的速度，可根据绑定关系信息判断当前时刻各车辆是否已占据虚拟线圈，对未占据虚拟线圈的车辆和已占据虚拟线圈的车辆执行不同的操作，来确定各虚拟线圈的当前状态。

具体来说，在一种可能的实施方式中，根据最新初始绑定关系信息确定当前时刻图像中的各车辆是否已占据虚拟线圈；将未占据虚拟线圈的车辆的检测框信息和各虚拟线圈的位置信息进行比对确定该车辆所占据的虚拟线圈，其具体步骤如前述步骤S231所述；根据已占据虚拟线圈的车辆的检测框信息和该车辆已占据的虚拟线圈的位置信息计算该车辆的检测框与该车辆已占据的虚拟线圈的重合面积；判断所述重合面积是否大于预设面积阈值；若是，则将该车辆之前已占据的虚拟线圈作为当前时刻该车辆所占据的虚拟线圈，否则，将该车辆的检测框信息和其他虚拟线圈的位置信息进行比对确定当前时刻该车辆所占据的虚拟线圈，其具体步骤如前述步骤S231所述。

示例二，基于前述示例一，最新初始绑定关系信息为车辆1与虚拟线圈1绑定以及车辆2与虚拟线圈2绑定，第二帧图像中检测到5辆汽车，其中3辆为第一帧图像中的，另外2辆汽车为刚进入检测区的，之前已存在的3辆汽车编号仍然为1、2、3，另外2辆汽车编号为4、5，由于车辆1与虚拟线圈1绑定以及车辆2与虚拟线圈2绑定，因此确定车辆3、车辆4和车辆5均未占据虚拟线圈，将车辆3、车辆4和车辆5的检测框信息和各虚拟线圈的位置信息进行比对确定车辆3占据虚拟线圈3，车辆4和车辆5未占据任何虚拟线圈，将车辆1的检测框信息和虚拟线圈1的位置信息进行比对确定车辆1仍然占据虚拟线圈1，将车辆2的检测框信息和虚拟线圈2的位置信息进行比对确定车辆2不再占据虚拟线圈2，将车辆2的检测框信息和其他虚拟线圈的位置信息进行比对确定车辆2未占据任何其他虚拟线圈，则最终确定当前时刻车辆1占据虚拟线圈1，车辆,3占据虚拟线圈3，车辆2、车辆4和车辆5未占据任何虚拟线圈，则车辆1与虚拟线圈1绑定，车辆3与虚拟线圈3绑定。

确定了各虚拟线圈的当前状态后，由于各虚拟线圈的当前状态可以反映各虚拟线圈对应的道路区域的车流量，因此可以利用虚拟线圈的当前状态进行交通信号灯的控制，在上述实施例的基础上，图5为本公开实施例提供的另一种基于视频虚拟线圈的车流量检测方法的流程示意图，所述方法还包括：

S25、根据各虚拟线圈的当前状态进行二进制赋值，生成虚拟线圈状态编码。

本实施例中，可将被车辆占据的虚拟线圈编码为1，未被车辆占据的虚拟线圈编码为0。

S26、将所述虚拟线圈状态编码发送至信号机以对交通路口的交通信号灯实时动态调节。

其中，信号机是现代城市交通系统的重要组成之一，主要用于城市道路交通信号的控制与管理。

本实施例中，可将虚拟线圈状态编码通过RS485串口通信发送到信号机当所有虚拟线圈的状态未发生变化，则不向信号机发送虚拟线圈状态编码，当有至少一个虚拟线圈的状态发生变化，则向信号机发送最新生成的虚拟线圈状态编码。

本实施例通过二进制赋值的方式将虚拟线圈的状态转换为二进制编码，将该二进制赋值发送至信号机可以辅助信号机对交通路口的交通信号灯进行控制，实现了根据车流量对交通信号灯的实时动态调节。

对应于上文实施例的基于视频虚拟线圈的车流量检测方法，图6为本公开实施例提供的一种基于视频虚拟线圈的车流量检测装置的结构示意图。为了便于说明，仅示出了与本公开实施例相关的部分。参照图6，所述基于视频虚拟线圈的车流量检测装包括：

配置模块61，用于在视频画面中配置至少一个用于检测车流量的虚拟线圈，并得到各虚拟线圈的位置信息和编号信息；

解码模块62，用于获取实时视频流，并将所述实时视频流进行解码得到视频帧图像；

车辆检测跟踪模块63，用于利用车辆检测跟踪算法对视频帧图像进行处理，得到各车辆的检测跟踪信息；其中，所述各车辆的检测跟踪信息包括各车辆的检测框信息和ID信息；

确定模块64，用于根据各车辆的检测跟踪信息和各虚拟线圈的位置信息确定各虚拟线圈的当前状态；其中，所述各虚拟线圈的当前状态反映了各虚拟线圈对应的道路区域的车流量。

可选的，所述车辆检测跟踪模块63，具体用于：

利用Yolov5模型检测视频帧图像中的全部车辆，并采用TensorRT技术进行前向推理加速，得到各车辆的检测框信息；

利用Sort跟踪算法跟踪检测出的各车辆确定各车辆的跟踪结果，并根据所述各车辆的跟踪结果为不同图像中的同一车辆赋予相同的ID信息。

可选的，所述确定模块64，具体用于：

将初始时刻图像中的各车辆的检测框信息和各虚拟线圈的位置信息进行比对确定初始时刻各车辆所占据的虚拟线圈，得到各虚拟线圈的初始状态，并将初始时刻图像中的各车辆的ID信息与各车辆占据的虚拟线圈的编号信息进行绑定得到初始绑定关系信息；

将前一时刻的绑定关系信息作为确定当前时刻各虚拟线圈状态的最新初始绑定关系信息，重复基于最新初始绑定关系信息，将当前时刻图像中各车辆的检测框信息和各虚拟线圈的位置信息进行比对确定当前时刻各车辆所占据的虚拟线圈，得到各虚拟线圈的当前状态，并根据当前时刻各车辆所占据的虚拟线圈对最新初始绑定关系信息进行更新的步骤。

进一步的，所述确定模块64，具体用于：

将车辆的检测框宽度进行缩减处理，得到缩减后的车辆的检测框信息；

根据缩减后的车辆的检测框信息与各虚拟线圈的位置信息计算缩减后的车辆的检测框与各虚拟线圈的相交面积；

若所述相交面积大于预设面积阈值，则确定车辆所占据的虚拟线圈；

重复上述步骤，直到确定每一车辆所占据的虚拟线圈。

进一步的，所述确定模块64，具体用于：

根据最新初始绑定关系信息确定当前时刻图像中的各车辆是否已占据虚拟线圈；

根据未占据虚拟线圈的车辆的检测框信息和各虚拟线圈的位置信息进行比对确定该车辆所占据的虚拟线圈；

根据已占据虚拟线圈的车辆的检测框信息和该车辆已占据的虚拟线圈的位置信息计算该车辆的检测框与该车辆已占据的虚拟线圈的重合面积，并判断所述重合面积是否大于预设面积阈值；

若是，则将该车辆之前已占据的虚拟线圈作为当前时刻该车辆所占据的虚拟线圈，否则，将该车辆的检测框信息和其他虚拟线圈的位置信息进行比对确定当前时刻该车辆所占据的虚拟线圈，其具体步骤如权利要求4所述。

可选的，所述装置还包括：发送模块65；

所述发送模块，用于根据各虚拟线圈的当前状态进行二进制赋值，生成虚拟线圈状态编码；将所述虚拟线圈状态编码发送至信号机以对交通路口的交通信号灯实时动态调节。

本实施例提供了一种基于视频虚拟线圈的车流量检测装置，通过配置模块61在视频画面中配置至少一个用于检测车流量的虚拟线圈，并得到各虚拟线圈的位置信息和编号信息；通过解码模块62获取实时视频流，并将所述实时视频流进行解码得到视频帧图像；通过车辆检测跟踪模块63利用车辆检测跟踪算法对视频帧图像进行处理，得到各车辆的检测跟踪信息；其中，所述各车辆的检测跟踪信息包括各车辆的检测框信息和ID信息；通过确定模块64根据各车辆的检测跟踪信息和各虚拟线圈的位置信息确定各虚拟线圈的当前状态；其中，所述各虚拟线圈的当前状态反映了各虚拟线圈对应的道路区域的车流量。本实施例提供的基于视频虚拟线圈的车流量检测装置，能够在视频画面中配置虚拟线圈模拟实际中的地磁线圈，并利用检测跟踪算法得到的各车辆的检测跟踪信息和配置在视频画面中的各虚拟线圈的位置信息确定各虚拟线圈的当前状态，从而实现了道路车流量的准确检测，具有实时性强、检测准确、成本低廉的优点。

图7为本公开实施例提供的一种计算机设备的结构示意图，如图7所示，本实施例的电子设备70可以包括：存储器71、处理器72。

存储器71，用于存储计算机程序(如实现上述一种基于视频虚拟线圈的车流量检测方法的应用程序、功能模块等)、计算机指令等；

上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器71中。并且上述的计算机程序、计算机指令等可以被处理器72调用。

处理器72，用于执行存储器71存储的计算机程序，以实现上述实施例涉及的方法中的各个步骤。

具体可以参见前面方法实施例中的相关描述。

存储器71和处理器72可以是独立结构，也可以是集成在一起的集成结构。当存储器71和处理器72是独立结构时，存储器71、处理器72可以通过总线73耦合连接。

本实施例的一种电子设备可以执行图2-图5所示方法中的技术方案，其具体实现过程和技术原理参见图2-图5所示方法中的相关描述，此处不再赘述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些端口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以本发明权利要求的保护范围为准。