基于深度学习的流量密度估计

Question

我正在从事一个实现深度学习和计算机视觉的项目，以估计任意给定路段/环形交叉口或交叉口的交通密度。

我得到了一个安装在无人机上的摄像头，它将捕捉交通画面，我的目标是实时提取车辆和道路场景(图像分割)，以计算密度。

问题是，原来计算交通密度的公式是车辆数量/道路单位长度，而目前的方法&资源，我只能测量车辆和道路/路面覆盖的面积，而不能测量长度。我可以用车辆面积/道路面积来计算交通密度吗？如果没有，有没有人可以建议我一种通过深度学习在任何路段(直/弯)上自动测量道路长度的方法。

我读过很多论文，提到了估计交通流量而不是密度来获得交通状态的方法。然而，我发现无法从交通流量中推断道路是否拥堵(flow =0可能表示交通繁忙，也可能根本没有交通)。此外，他们中的一些人可以测量道路的长度，因为他们在灯柱上安装了静态摄像头，这使得背景是静态的，他们可以很容易地手动计算道路的像素长度。或者，我使用无人机在任何地方自动获取交通数据，所以测量道路长度是不可能的。

Answer 1

对于您的问题，我认为语义分割可能工作得更好。据我所知，您想计算包含道路的图像与车辆图像的比率。您可以使用语义分割来找出属于每个类别的像素数量，即道路和车辆，然后使用这些像素的比率作为您想要的度量的代表。