本发明属于交通管理，尤其涉及一种基于多源数据融合的车流量监测方法及系统。
背景技术：
1、随着无人机技术的全面发展，无人机在交通管理领域中扮演着越来越重要的角色。装备各类传感器的无人机可以实现对交通状况的实时监测，对交通管理具有重要意义，因此，基于无人机航拍图像处理技术已成为当前研究的重点。
2、目前的技术中，多光谱数据（ms）提供了丰富的光谱信息，但受天气、时间和气候等因素影响，难以实现实时监测；合成孔径雷达（sar）能够在全天候、全时段提供监测数据，并且图像的结构信息较好，但它是单波段成像，虽然纹理信息丰富，但缺乏多光谱信息。因此，基于单一数据的监测技术存在明显缺陷，而通过无人机搭载的多源传感器实现多源数据融合成为了一个亟待解决的热点问题。
3、现有多源数据融合技术存在以下几个难点需要突破：首先，实时性问题，从实时应用的角度考虑，多源数据融合需要在计算复杂度和资源消耗的前提下控制计算时间，以实现实时的车流量监测，达到交通高效管理的目的；其次，数据异质性问题，不同传感器或模态采集的图像数据在分辨率、噪声水平、亮度和对比度等特征上存在较大差异，需要进行有效的归一化和融合处理；最后，特征的提取与选择问题，不同传感器收集的图像数据中存在大量重复或冗杂的信息，如何提取和选择关键特征是一个现有的问题。
4、因此，现有方案无法实现准确、高效、实时的车流量监测。
技术实现思路
1、为克服上述现有技术的不足，本发明提供了一种基于多源数据融合的车流量监测方法及系统，将无人机采集的多光谱数据和合成孔径雷达数据进行多源数据融合，充分发挥各项技术的优势，得到具有优良纹理和光谱信息的融合数据，用于车流量的准确、高效、实时监测。
2、为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：
3、本发明第一方面提供了一种基于多源数据融合的车流量监测方法。
4、一种基于多源数据融合的车流量监测方法，包括：
5、获取实时采集的多光谱数据和合成孔径雷达数据，并进行预处理；
6、将预处理后的多光谱数据和合成孔径雷达数据输入到双分支融合模型中，得到融合后的数据；
7、基于融合后的数据，进行车流量监测；
8、其中，所述双分支融合模型通过并行的卷积神经网络cnn和注意力机制transformer分别提取局部特征和全局特征，以交互方式对局部特征和全局特征进行融合，生成提升空间细节的融合图像，再次融合多光谱数据的光谱特征后，得到具有优良纹理和光谱信息的融合数据。
9、进一步的，所述多光谱数据和合成孔径雷达数据，分别通过无人机上搭载的多光谱相机和合成孔径雷达实时采集。
10、进一步的，所述预处理包括几何校正、空间对齐和数据增强；
11、其中，所述数据增强是对图像边缘进行增强。
12、进一步的，所述对图像边缘进行增强，是通过对临近像素点按不同权重进行线性内插或通过三次卷积函数进行内插，使多光谱图像边缘连贯平滑。
13、进一步的，所述双分支融合模型包括两个分路：细节提升分路和光谱保持分路；
14、其中，所述细节提升分路是基于并行的卷积神经网络cnn和注意力机制transformer，生成提升空间细节的融合图像；
15、所述光谱保持分路是通过对多光谱数据进行采样，得到多光谱数据的光谱特征。
16、进一步的，所述细节提升分路，包括并行的卷积神经网络cnn和注意力机制transformer、pfm模块；
17、所述并行的卷积神经网络cnn和注意力机制transformer，用于提取局部特征和全局特征；
18、所述pfm模块，基于改进的pfm方法，通过融合过程中的特征相似性计算和自适应阈值策略，以交互方式融合局部特征和全局特征，生成提升空间细节的融合图像。
19、进一步的，所述双分支融合模型还包括残差融合网络和解码器网络；
20、所述残差融合网络，用于对融合图像和光谱特征进行多层级融合；
21、所述解码器网络，用于将多层级融合的结果采样到同一尺度，得到具有优良纹理和光谱信息的融合数据。
22、本发明第二方面提供了一种基于多源数据融合的车流量监测系统。
23、一种基于多源数据融合的车流量监测系统，包括：
24、获取模块，被配置为：获取实时采集的多光谱数据和合成孔径雷达数据，并进行预处理；
25、融合模块，被配置为：将预处理后的多光谱数据和合成孔径雷达数据输入到双分支融合模型中，得到融合后的数据；
26、监测模块，被配置为：基于融合后的数据，进行车流量监测；
27、其中，所述双分支融合模型通过并行的卷积神经网络cnn和注意力机制transformer分别提取局部特征和全局特征，以交互方式对局部特征和全局特征进行融合，生成提升空间细节的融合图像，再次融合多光谱数据的光谱特征后，得到具有优良纹理和光谱信息的融合数据。
28、本发明第三方面提供了计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明第一方面所述的一种基于多源数据融合的车流量监测方法中的步骤。
29、本发明第四方面提供了电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明第一方面所述的一种基于多源数据融合的车流量监测方法中的步骤。
30、以上一个或多个技术方案存在以下有益效果：
31、本发明提供了一种机载多源数据融合方法，通过卷积神经网络cnn和注意力机制transformer并行的多尺度特征提取和并行融合的方法实现机载合成孔径雷达数据和多光谱数据的融合，能够有效结合局部和全局特征，改善细节丢失和光谱失真现象，实现更高效、更全面的图像数据融合，为无人机搭载的多传感器系统在交通管理、实时监测等应用提供了新的解决方案。
32、本发明提供了一种动态pfm策略，采用权重调整机制，在融合过程中实时评估特征的重要性，不仅通过像素级匹配计算特征相似性，还结合了自适应阈值策略，以动态选择重要特征进行融合。该方法允许模型根据输入图像的不同特征分布，灵活调整融合策略，从而最大限度地保留关键细节和上下文信息。
33、本发明还提供了一种改进的残差融合网络，特别是引入注意力模块和反卷积可视化模块，以提升模型性能和可解释性。在残差融合网络的各个融合层中集成注意力机制，通过对特征图的显著性进行建模，自动增强重要特征的权重，同时抑制不相关特征的影响，从而提升了目标检测的准确性和鲁棒性。该注意力模块基于自注意力机制，有效捕捉长距离依赖关系，使得模型在处理复杂场景时能够更加聚焦于目标区域，从而显著提高了车辆等目标的检测性能。
34、本发明还提供了一种反卷积可视化模块，用于对模型的决策过程进行可视化分析。通过在网络的特定层引入反卷积操作，将高维特征映射还原为输入图像空间，能够直观展示哪些特征对最终检测结果产生了重要影响。这一创新性设计不仅增强了模型的可解释性，还为后续的模型优化和调试提供了有力的支持。
35、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
1.一种基于多源数据融合的车流量监测方法，其特征在于，包括：
2.如权利要求1所述的一种基于多源数据融合的车流量监测方法，其特征在于，所述多光谱数据和合成孔径雷达数据，分别通过无人机上搭载的多光谱相机和合成孔径雷达实时采集。
3.如权利要求1所述的一种基于多源数据融合的车流量监测方法，其特征在于，所述预处理包括几何校正、空间对齐和数据增强；
4.如权利要求3所述的一种基于多源数据融合的车流量监测方法，其特征在于，所述对图像边缘进行增强，是通过对临近像素点按不同权重进行线性内插或通过三次卷积函数进行内插，使多光谱图像边缘连贯平滑。
5.如权利要求1所述的一种基于多源数据融合的车流量监测方法，其特征在于，所述双分支融合模型包括两个分路：细节提升分路和光谱保持分路；
6.如权利要求5所述的一种基于多源数据融合的车流量监测方法，其特征在于，所述细节提升分路，包括并行的卷积神经网络cnn和注意力机制transformer、pfm模块；
7.如权利要求5所述的一种基于多源数据融合的车流量监测方法，其特征在于，所述双分支融合模型还包括残差融合网络和解码器网络；
8.一种基于多源数据融合的车流量监测系统，其特征在于，包括：
9.一种电子设备，其特征是，包括：
10.一种存储介质，其特征是，非暂时性地存储计算机可读指令，其中，当所述计算机可读指令由计算机执行时，执行权利要求1-7任一项所述的方法。
