【发布时间】：2019-01-06 21:59:54
【问题描述】：
我正在开展一个实施深度学习和计算机视觉的项目，以估计任何随机给定路段/环形交叉路口或交叉路口的交通密度。
我在无人机上安装了一个摄像头，它将捕捉交通镜头，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。
问题是计算交通密度的原始公式是车辆数量/道路单位长度，而使用目前的方法和资源，我无法测量长度，而只能测量车辆和道路/人行道覆盖的面积。我可以将交通密度计算为车辆面积/道路面积吗？如果没有，谁能建议我一种通过在任何路段（直线/曲线）上自动进行深度学习来测量道路长度的方法。
我读过很多论文提到估计交通流量而不是密度来获得交通状态的方法。但是，我发现无法从交通流量中推断出道路是否拥堵（流量 = 0 可能意味着交通繁忙或根本没有交通）。此外，他们中的一些可以测量道路的长度，因为他们在灯柱上安装了一个静态摄像头，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，因此无法测量道路长度。
【问题讨论】：
-
我投票结束这个问题，因为它与编程无关。
-
我没有提到任何与编程有关的内容。我要问的是解决问题的方法。如有任何误解，请见谅。
-
这正是你的问题跑题的原因，Stack Overflow 是一个关于编程的 QA 网站。
-
对于给您带来的不便，我深表歉意。我是这个网站的新手。你能推荐我可以发布我的问题的任何其他页面吗？
标签： deep-learning computer-vision network-traffic drone traffic-simulation