(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 202210364395.8 (22)申请日 2022.04.08 (65)同一申请的已公布的文献号 申请公布号 CN 114495509 A (43)申请公布日 2022.05.13 (73)专利权人 四川九通智路科技有限公司 地址 610041 四川省成 都市高新区天府一 街535号2幢10楼10 02号 (72)发明人 邓承刚　张煜　陈宇　王廷梅　 代李涛　刘义才　童兴彬　 (74)专利代理 机构 北京卓恒知识产权代理事务 所(特殊普通 合伙) 11394 专利代理师 孔鹏 (51)Int.Cl. G08G 1/01(2006.01) G08G 1/065(2006.01) G08G 1/017(2006.01) G06V 20/52(2022.01) G06V 30/148(2022.01) G06V 20/62(2022.01) G06V 10/22(2022.01) G06V 10/25(2022.01)G06V 10/56(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 113327248 A,2021.08.31 CN 113903180 A,202 2.01.07 CN 112562315 A,2021.0 3.26 CN 113850136 A,2021.12.28 CN 112069944 A,2020.12.1 1 CN 111429484 A,2020.07.17 CN 114255428 A,202 2.03.29 CN 114067284 A,202 2.02.18 CN 112907981 A,2021.0 6.04 CN 112507844 A,2021.0 3.16 CN 113593219 A,2021.1 1.02 CN 113903008 A,202 2.01.07 CN 113393679 A,2021.09.14 CN 114219829 A,2022.03.22 CN 110008882 A,2019.07.12 US 2022092797 A1,202 2.03.24 US 201620 3380 A1,2016.07.14 (续) 审查员 高僮 (54)发明名称 基于深度神经网络监控隧道运行状态的方 法 (57)摘要 本发明公开了一种基于深度神经网络监控 隧道运行状态的方法， 通过检测监控图像中的小 于最前车辆阈值的范围中的车辆， 在最前车辆阈 值的范围中， 车辆不能完成一个完整的超车操 作， 避免了超 车所造成的最前车辆进行改变而车 辆又未通过的情况， 获得双车道中的最前车辆， 只对最前车辆进行判断， 减少了数据的计算， 同 时使得颜色识别和车牌识别时只对最前方清晰 的车辆进行识别， 大大增加了车辆识别的准确 性。 [转续页] 权利要求书2页 说明书9页 附图3页 CN 114495509 B 2022.07.12 CN 114495509 B (56)对比文件 CN 111967377 A,2020.1 1.20 JP 2018151287 A,2018.09.27 JP 2021096720 A,2021.0 6.24 WO 202020 5640 A1,2020.10.08 US 2021117706 A1,2021.04.2 2 US 2021101593 A1,2021.04.08 US 2020180 637 A1,2020.0 6.11 EP 3605458 A1,2020.02.0 5 US 2022108610 A1,202 2.04.07孙政军.基于YOLOv3的车辆 计数系统的设计 与实现. 《中国优秀硕士学位 论文全文数据库 工 程科技Ⅱ辑》 .2020,C 034-237. 张博.基于计算机视觉的桥梁车流信息识别 与防船撞预警方法研究. 《中国博士学位 论文全 文数据库 工程科技 Ⅱ辑》 .2022,C034-39. 吴松泽.智能交通 流量预测系统的研究与实 现. 《中国优秀硕士学位 论文全文数据库 工程科 技Ⅱ辑》 .2018,C 034-267.2/2 页 2[接上页] CN 114495509 B1.一种基于深度神经网络监控隧道运行状态的方法， 其特 征在于， 包括： 获得第一 监控图像； 所述第一 监控图像为隧道前的监控设备采集的监控图像； 基于所述第一 监控图像和车辆检测算法， 得到第一车辆检测框集 合； 基于所述第一车辆检测框集 合， 得到第一检测框底边 位置集合； 基于所述第一检测框底边 位置， 得到第一 最前方车辆框集合； 获得第二监控图像； 所述第二监控图像为隧道前的监控设备在采集第一监控图像后N 秒采集的监控图像； 基于所述第二 监控图像和车辆检测算法， 得到第二车辆检测框集 合； 基于所述第二车辆检测框集 合， 得到第二检测框底边 位置集合； 基于所述第二检测框底边 位置， 得到第二 最前方车辆框集合； 基于所述第 一最前方车辆框集合和所述第 二最前方车辆框集合， 得到通过隧道的车流 量。 2.根据权利要求1所述的基于深度神经网络监控隧道运行状态的方法， 其特征在于， 基 于所述第一最前方车辆框集合和所述第二最前方车辆框集合， 得到通过隧道的车流量， 包 括： 基于所述第一最前方车辆框集合和所述第二最前方车辆框集合， 得到不相同车辆数 量； 基于所述不相同车辆数量， 得到通过隧道的车流量； 所述不相同车辆数量包括0或1或 2； 所述不相同车辆数量为0表示所述第 一最前方车辆框集合中的车辆和所述第 二最前方 车辆框集合中的车辆不相同的数量为0， 还表示所述第一最前方车辆框集合中车辆都未进 入隧道； 所述不相同车辆数量为1表示所述第 一最前方车辆框集合中的车辆和所述第 二最前方 车辆框集合中的车辆不相同的数量为1， 还表示所述第一最前方车辆框集合中有一辆车进 入隧道； 所述不相同车辆数量为2表示所述第 一最前方车辆框集合中和所述第 二最前方车辆框 集合中车辆不相同的数量 为2， 还表示所述第一 最前方车辆框集合中有两 辆车进入隧道。 3.根据权利要求1所述的基于深度神经网络监控隧道运行状态的方法， 其特征在于， 所 述基于所述第一检测框底边 位置， 得到第一 最前方车辆框集合， 包括： 获得第一最前车辆候选框集合， 所述第 一最前车辆候选框集合包括所述第 一检测底边 位置的起 点位置的纵坐标位置小于最前 车辆阈值的车辆检测框； 获得第一最前方车辆； 所述第 一最前方车辆为所述第 一最前车辆候选框集合中起点位 置的纵坐标最小的位置； 将所述第一 最前方车辆的车辆 框加入所述第一 最前方车辆框集合； 基于所述第一最前车辆候选框集合， 得到第二最前方车辆； 所述第二最前方车辆为所 述第一最前车辆候选 框集合中除第一 最前方车辆外起点位置的纵坐标最小的位置； 若所述第二最前方车辆起点位置的横坐标大于所述第一最前方车辆终点位置的横坐 标或第二最前方车辆终点位置的横坐标小于所述第一最前方车辆起点位置的横坐标， 将所 述第二最前方车辆的车辆 框加入所述第一 最前方车辆框集合。权　利　要　求　书 1/2 页 2 CN 114495509 B 3