高速公路车道级视频检测区自动设定方法

针对云台摄像枪在轮巡过程中无法自动设定视频检测区,从而影响交通事件识别准确率的问题,提出了一种基于视频的高速公路车道级检测区自动设定方法。首先,通过分析U-Net和MobileNet系列模型的特征,结合深度可分离卷积和倒置残差等结构,设计了一个高效且轻量化的R-Net系列模型,专门用于车道线和可行驶区域的语义分割。在此基础上,根据高速公路特定场景识别任务的特点,提出了一种基于连通域分析的车道线和检测区标记算法,实现了车道级检测区的自动设定。同时,为了提高标记算法的准确率,首次引入了阈值处理和叠加帧数这两种预处理方法,然后利用二次方程对车道线标记结果进行拟合,实现了车道线完整且平滑的分割。实验结果表明,R-Net系列模型的性能指标MIoU与传统模型如SegNet和U-Net接近,但显著减少了模型参数量和内积运算量,其中R-NetV2模型的分割性能指标MIoU达到90.6%,与U-Net相比仅下降了0.4%,但其模型参数量减少了38.7%,内积运算量减少了62.5%。对经过预处理后的语义分割结果进行标记,车道线标记准确率与传统方法相比从80.47%提高到95.58%。