(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 202210217837.6 (22)申请日 2022.03.08 (65)同一申请的已公布的文献号 申请公布号 CN 114332740 A (43)申请公布日 2022.04.12 (73)专利权人 青岛海信网络科技股份有限公司 地址 266071 山东省青岛市崂山区株洲路 151号 (72)发明人 陈维强　王雯雯　陈晓明　臧海洋　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 专利代理师 常晓 (51)Int.Cl. G06V 20/40(2022.01) G06T 7/62(2017.01)G06N 3/04(2006.01) G08G 1/01(2006.01) G08G 1/017(2006.01) G06V 10/80(2022.01) 审查员 苏晓燕 (54)发明名称 一种基于视频的路口死锁事件检测方法及 设备 (57)摘要 本申请涉及智能交通技术领域， 提供一种基 于视频的路口死锁事件检测方法及设备， 该方法 采用基于部分通道随机分组卷积的车辆检测模 型， 提升路口中目标车辆的检测准确率； 同时， 该 车辆检测模 型采用多层特征强化融合方式， 降低 模型对车辆姿态的敏感度， 进一步提升了路口中 目标车辆的检测准确率； 进一步地， 通过对车辆 检测模型检测出的目标车辆进行跟踪， 获得路口 对应的交通参数集合， 并根据获得的交通参数集 合， 检测是否发生路口死锁事件。 通过准确地检 测出目标车辆， 提高了 路口死锁事件的检测准确 率， 以便对发生死锁事件的路口及时进行处置， 避免车辆在路口持续积累， 从而提高路口中车辆 的通行效率。 权利要求书2页 说明书13页 附图8页 CN 114332740 B 2022.06.03 CN 114332740 B 1.一种基于 视频的路口死锁事 件检测方法， 其特 征在于， 包括： 获取目标路口 的交通视频流； 针对每一视频帧， 采用训练好的车辆检测模型， 获取所述视频帧的预设检测区域对应 的特征图集合， 所述特 征图集合中不同特 征图的尺度不同； 对所述特征图集合中的至少一张特征图， 分别进行部分通道随机分组卷积， 获得相应 特征图对应的特 征向量； 对所述特征图集合中最小尺度的特征图， 进行至少一次多尺度强化池化操作， 得到融 合后的特征向量， 其中， 所述多尺度强化池化操作为： 对复制的N ‑1张最小尺度的特征图分 别使用不同的池化核进行一次池化操作， 以及对其余1张最小尺度的特征图使用不同尺度 的池化核 进行多次池化操作以实现池化增强， N 为大于1的整数； 根据所述特征图集合中每个特征图对应的特征向量， 获得所述视频帧中包含的至少一 个目标车辆； 根据检测出的各目标车辆， 确定所述目标路口的交通参数集合， 并根据所述交通参数 集合， 确定是否发生路口死锁事 件。 2.如权利要求1所述的方法， 其特征在于， 所述对所述特征图集合中的至少一张特征 图， 分别进行部分通道随机分组卷积， 获得相应特 征图对应的特 征向量， 包括： 针对所述特 征图集合中的至少一张特 征图， 分别执 行以下操作： 对所述特征图的通道进行分组卷积， 并将卷积后特征图通道的后 三分之二部分进行重 组， 得到所述特 征图对应的特 征向量。 3.如权利要求1所述的方法， 其特征在于， 所述对所述特征图集合中最小尺度的特征 图， 进行至少一次多尺度强化池化操作， 得到融合后的特 征向量， 包括： 将最小尺度的特 征图复制为 N张； 对复制的N ‑1张特征图进行池化， 得到N ‑1个第一特征向量， N ‑1张特征图使用的池化核 不同； 对复制的剩余1张特征图， 采用不同尺度的池化核分别进行池化， 并融合为一张新的特 征图， 将新的特征图作为下一次强化池化操作的输入， 重新进 行多尺度强化池化， 得到第二 特征向量； 将N‑1个所述第一特 征向量和所述第二特 征向量进行融合， 得到融合后的特 征向量。 4.如权利要求1所述的方法， 其特征在于， 所述根据检测出的各目标车辆， 确定所述目 标路口的交通参数集合， 包括： 根据检测出的各目标 车辆在不同时刻的行驶数据， 确定所述各目标 车辆的行驶方向； 计算检测出的各目标 车辆的总区域与所述预设检测区域的面积比； 根据所述行驶方向和所述 面积比， 获得 所述目标路口 的交通参数集合。 5.如权利要求4所述的方法， 其特征在于， 所述根据所述交通参数集合， 确定是否发生 路口死锁事 件， 包括： 当所述面积比大于预设面积阈值， 且所述行驶方向相互垂直的目标车辆的数量大于预 设车辆阈值时， 确定发生路口死锁事 件。 6.如权利要求1 ‑5中任一项所述的方法， 其特征在于， 当确定发生路口死锁事件后， 所 述方法还 包括：权　利　要　求　书 1/2 页 2 CN 114332740 B 2向所述目标路口关联的下游车辆发送提示信 息， 以使所述下游车辆根据 所述提示信 息 重新规划路线或调整行驶速度。 7.一种基于视频的路口死锁事件检测设备， 其特征在于， 包括处理器、 存储器和通信 接 口， 所述通信接口、 所述存 储器与所述处 理器通过总线连接： 所述存储器存储有计算机程序， 所述处 理器根据所述计算机程序， 执 行以下操作： 通过所述通信接口， 获取目标路口 的交通视频流； 针对每一视频帧， 采用训练好的车辆检测模型， 获取所述视频帧的预设检测区域对应 的特征图集合， 所述特 征图集合中不同特 征图的尺度不同； 对所述特征图集合中的至少一张特征图， 分别进行部分通道随机分组卷积， 获得相应 特征图对应的特 征向量； 对所述特征图集合中最小尺度的特征图， 进行至少一次多尺度强化池化操作， 得到融 合后的特征向量， 所述多尺度强化池化操作为： 对复制的N ‑1张最小尺度的特征图分别使用 不同的池化核进行一次池化操作， 以及对其余1张最小尺度的特征图使用不同尺度的池化 核进行多次池化操作以实现池化增强， N 为大于1的整数； 根据所述特征图集合中每个特征图对应的特征向量， 获得所述视频帧中包含的至少一 个目标车辆； 根据检测出的各目标车辆， 确定所述目标路口的交通参数集合， 并根据所述交通参数 集合， 确定是否发生路口死锁事 件。 8.如权利要求7所述的检测设备， 其特征在于， 所述处理器对所述特征图集合中的至少 一张特征图， 分别进 行部分通道随机 分组卷积， 获得相应特征图对应的特征向量， 具体操作 为： 针对所述特征图集合中的至少一张特征图， 对所述特征图的通道进行分组卷积， 并将 卷积后特 征图通道的后三分之二部分进行重组， 得到所述特 征图对应的特 征向量。 9.如权利要求7所述的检测设备， 其特征在于， 所述处理器对所述特征图集合中最小尺 度的特征图， 进行至少一次多尺度强化池化操作， 得到融合后的特 征向量， 具体操作为： 将最小尺度的特 征图复制为 N张； 对复制的N ‑1张特征图进行池化， 得到N ‑1个第一特征向量， N ‑1张特征图使用的池化核 不同； 对复制的剩余1张特征图， 采用不同尺度的池化核分别进行池化， 并融合为一张新的特 征图， 将新的特征图作为下一次强化池化操作的输入， 重新进 行多尺度强化池化， 得到第二 特征向量； 将N‑1个所述第一特 征向量和所述第二特 征向量进行融合， 得到融合后的特 征向量。 10.如权利要求7所述的检测设备， 其特征在于， 所述处理器根据检测出的各目标车辆， 确定所述目标路口 的交通参数集合， 具体操作为： 根据检测出的各目标 车辆在不同时刻的行驶数据， 确定所述各目标 车辆的行驶方向； 计算检测出的各目标 车辆的总区域与所述预设检测区域的面积比； 根据所述行驶方向和所述 面积比， 获得 所述目标路口 的交通参数集合。权　利　要　求　书 2/2 页 3 CN 114332740 B 3