深度学习下交通拥堵路段信息自动识别仿真

由于人口密度、汽车保有量等因素的增加，导致城市道路交通拥堵，严重影响了人们的正常生活和工作。为了有效识别出交通拥堵路段，提出基于深度学习的交通拥堵路段信息自动识别方法。将交通图像输入深度学习网络中，输出增强后的交通图像；采用时空兴趣点检测算法消除图像中的冗余点，并提取兴趣点的边缘信息、纹理特征和颜色分布属性，根据提取结果获取图像中的交通拥堵区域；在二流理论的基础上建立交通拥堵路段信息识别模型，对交通拥堵路段信息自动识别。实验结果表明，所提方法的图像增强效果好、车辆检测精度高、交通拥堵路段车流量信息识别与实际流量相符。