1.项目简介
目标:
- 了解智慧交通项目的架构
- 知道智慧交通项目中的模块
- 能够完成智慧交通项目的环境搭建
该项目是智慧交通项目，通过该项目掌握计算机视觉的方法在交通领域的相关应用，包括车道线检测的方法，多目标车辆追踪及流量统计方法：
- 多目标车辆追踪和计数：SORT算法，匈牙利算法，卡尔曼滤波，虚拟线圈等
- 车道线检测：张氏相机校正，仿射变换等
汽车的日益普及在给人们带来极大便利的同时，也导致了拥堵的交通路况，以及更为频发的交通事故。智能交通技术已成为推动现代技术交通技术发展的重要力量，智能交通不仅能够提供实时的交通路况信息，帮助交通管理者规划管理策略，而且还能优化出行者的出行策略。还可以减轻交通道路的堵塞情况，降低交通事故的发生概率，提高道路运行的安全系数。
本项目分两个模块：
一个是基于视频的车辆跟踪及流量统计，是一个可跟踪路面实时车辆通行状况，并逐帧记录不同行车道车流量数目的深度学习项目，在视频中可看出每个车辆的连续帧路径，该项目可拓展性强，可根据企业业务外接计费结算系统、LED显示系统、语音播报系统、供电防雷系统等，
另一个是车道线检测项目，是实现自动驾驶的首要任务，广泛应用于自动驾驶厂家，能够根据车载摄像头的输入，对安全驾驶区域进行预判，提醒驾驶员进行安全驾驶，减少交通事故的发生。
该项目的架构图如下所示：
- 用户层：通过摄像头或人工选择视频送入服务层中进行处理，处理完成后可输出经渲染后的视频，或触发报警装置
- 服务层：主要包含两个模块，
- 一是车辆追踪及计数，该模块模块一对输入的视频进行处理，使用yoloV3模型进行目标检测，然后使用SORT进行目标追踪，使用卡尔曼滤波器进行目标位置预测，并利用匈牙利算法对比目标的相似度，完成车辆目标追踪，利用虚拟线圈的思想实现车辆目标的计数，并根据计数完成车道拥堵的判断；
- 另一个是车道线的检测，该模块使用张氏较正法对相机进行较正，利用较正结果对图像去畸变，然后利用边缘与颜色提取车道线，利用仿射变换转换成鸟瞰图，并利用直方图和滑动窗口的算法精确定位车道线，利用最小二乘法进行拟合，实现车道线的检测，并计算车辆偏离车道中心的距离，触发报警装置。
- 效果展示：
2.环境安装
该项目中使用的工具包包含以下：
NumPy 是使用 Python 进行科学计算的基础包。
Numba 是一个开源 JIT 编译器，它将 Python 和 NumPy 代码的子集转换为快速机器码。
SciPy 是数学、科学和工程的开源软件。SciPy 库依赖于 NumPy，它提供方便快捷的 N 维数组操作。
h5py 从 Python 读取和写入 HDF5文件。
pandas 用于数据分析、时间序列和统计的强大的数据结构。
opencv-python 用于 Python 的预构建 OpenCV 包。
moviepy 用于进行视频处理的工具包
Filterpy 实现了卡尔曼滤波器和粒子滤波器等
具体版本见requirements文件中。
安装方法：
# 创建虚拟环境
conda create -n dlcv python==3.8
# 激活虚拟环境
conda activate dlcv
# 安装对应的工具包
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
智慧交通中包含两个模块：多目标车辆跟踪及流量统计和车道线检测
智慧交通项目分为用户层和服务层，用户层进行视频或摄像头的操作，服务层对视频进行处理，完成多目标车辆的跟踪及车流量的统计和车道线检测
# 3.算法原理
该项目中主要包含车道线检测和车辆追踪与计数的模块，使用的算法主要有SORT/DeepSORT，卡尔曼滤波，匈牙利算法以及在车道线检测中使用的张氏校正法，项目主要分以下几个部分进行介绍：
- 多目标追踪
- SORT/DeepSort
- 卡尔曼滤波
- 匈牙利算法
- 相机校正
