一种路灯智能检测与夜间状态判断方法技术

本发明专利技术提供一种路灯智能检测与夜间状态判断方法，包括如下步骤：步骤1、收集白天环境下的路灯图片，手工标注出路灯在图片中的位置坐标；步骤2、采用深度卷积神经网络训练路灯检测模型；步骤3、白天环境下对系统初始化，利用步骤2得到的路灯检测模型初始化路灯在摄像头中的位置和角度关系；步骤4、夜间路灯状态判断，根据步骤3得到的摄像头和路灯位置模型，得到路灯位置区间；步骤5、根据步骤4得到的路灯位置，判断路灯明暗状态；步骤6、如连续发现路灯处于不亮状态，发送报警信息给路灯管理人员。本发明专利技术无需对现有路灯和路面环境进行改造，将路政部门现有安装的摄像头的影像传输到后台分析，即可得到夜间环境下路灯的明暗状态。

An Intelligent Detection and Night State Judgment Method for Street Lamp

【技术实现步骤摘要】
一种路灯智能检测与夜间状态判断方法
本专利技术涉及一种智能检测与判断
，具体涉及一种路灯智能检测与夜间状态判断方法。
技术介绍
路政部门需要掌握城市道路中存在的路灯的情况，要能够及时掌握哪些路灯发生了故障不亮。城市路灯数量极其大，依靠人工巡检需要耗费大量的人力物力。
技术实现思路
本专利技术要解决的技术问题是提供一种路灯智能检测与夜间状态判断方法，无需对现有路灯进行改造，对路面环境也无需任何改造，将路政部门现有安装的摄像头的影像传输到后台分析，即可得到夜间环境下路灯的明暗状态，采用智能算法对道路的路灯状态进行分析，及时排查有故障的路灯。为解决上述技术问题，本专利技术的实施例提供一种路灯智能检测与夜间状态判断方法，包括如下步骤：步骤1、收集白天环境下的路灯图片，手工标注出路灯在图片中的位置坐标；步骤2、采用深度卷积神经网络训练路灯检测模型；步骤3、白天环境下对系统初始化，利用步骤2得到的路灯检测模型初始化路灯在摄像头中的位置和角度关系；步骤4、夜间路灯状态判断，根据步骤3得到的摄像头和路灯位置模型，得到路灯位置区间；步骤5、根据步骤4得到的路灯位置，判断路灯明暗状态；步骤6、如连续发现路灯处于不亮状态，发送报警信息给路灯管理人员。其中，所述步骤2包括如下具体步骤：2-1、构建基础网络层，分别由6层卷积层、池化层和ReLU激活函数构成，将图像送入基础网络，得到输出o1；2-2、构建区域生成网络，用于区分前景和背景，在步骤2-1的输出o1上应用滑动窗口，每个滑动窗口生成9个候选区域，候选区域比例按照1:1选择；将所有候选区域连接到区域生成网络，采用softmax回归出所有候选区域，选择前500个区域作为输出o2；2-3、将步骤2-2的输出o2接入已训练的ResNet18网络进行迁移学习，得到路灯检测模型。其中，所述步骤3包括如下具体步骤：3-1、针对一个监控摄像头，读取摄像头数据，得到当前图像帧，运行步骤2得到的路灯检测模型；3-2、改变摄像头的PT坐标，读取摄像头数据，得到当前图像帧，运行步骤2得到的路灯检测模型，得到路灯位置坐标，重复八次，得到九组摄像头PT坐标和路灯坐标对应点；3-3、建立摄像头PT坐标和路灯坐标的线性函数模型；3-4、对系统中所有摄像头执行3-1至3-3，得到所有摄像头及其所监控的路灯之间的线性函数模型。其中，所述步骤4包括如下具体步骤：4-1、获取当前摄像头PT坐标，读取摄像头数据，得到当前图像帧；4-2、根据步骤3得到的线性函数模型，计算出路灯坐标区域；4-3、取路灯区域宽高三倍大小的区域作为候选区域。其中，所述步骤5包括如下具体步骤：5-1、截取步骤4得到的候选区域，提取其中的亮度分量得到亮度图；5-2、计算步骤5-1的亮度图中圆形光斑大小，计算光斑面积与已知路灯的面积比值，将该比值记为路灯明暗概率；管理员设置一阈值，如果路灯明暗概率小于该阈值，则认为路灯不亮。本专利技术的上述技术方案的有益效果如下：本专利技术能够利用道路上现有的摄像头，采用智能算法对道路的路灯状态进行分析，及时排查有故障的路灯。本专利技术无需对现有路灯进行改造，对路面环境也无需任何改造，将路政部门现有安装的摄像头的影像传输到后台分析，即可得到夜间环境下路灯的明暗状态。附图说明图1为本专利技术中步骤5-1中得到的亮度图；图2为根据亮度图判断的路灯状态示意图。具体实施方式为使本专利技术要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。本专利技术提供了一种路灯智能检测与夜间状态判断方法，包括如下步骤：步骤1、收集白天环境下的路灯图片，手工标注出路灯在图片中的位置坐标；步骤2、采用深度卷积神经网络训练路灯检测模型，具体步骤为：2-1、构建基础网络层，分别由6层卷积层、池化层和ReLU激活函数构成，将图像送入基础网络，得到输出o1；2-2、构建区域生成网络，用于区分前景和背景，在步骤2-1的输出o1上应用滑动窗口，每个滑动窗口生成9个候选区域，候选区域比例按照1:1选择；将所有候选区域连接到区域生成网络，采用softmax回归出所有候选区域，选择前500个区域作为输出o2；2-3、将步骤2-2的输出o2接入已训练的ResNet18网络进行迁移学习，得到路灯检测模型。步骤3、白天环境下对系统初始化，利用步骤2得到的路灯检测模型初始化路灯在摄像头中的位置和角度关系，具体步骤为：3-1、针对一个监控摄像头，读取摄像头数据，得到当前图像帧，运行步骤2得到的路灯检测模型；3-2、改变摄像头的PT坐标，读取摄像头数据，得到当前图像帧，运行步骤2得到的路灯检测模型，得到路灯位置坐标，重复八次，得到九组摄像头PT坐标和路灯坐标对应点；3-3、建立摄像头PT坐标和路灯坐标的线性函数模型；3-4、对系统中所有摄像头执行3-1至3-3，得到所有摄像头及其所监控的路灯之间的线性函数模型。步骤4、夜间路灯状态判断，根据步骤3得到的摄像头和路灯位置模型，得到路灯位置区间，具体步骤为：4-1、获取当前摄像头PT坐标，读取摄像头数据，得到当前图像帧；4-2、根据步骤3得到的线性函数模型，计算出路灯坐标区域；4-3、取路灯区域宽高三倍大小的区域作为候选区域。步骤5、根据步骤4得到的路灯位置，判断路灯明暗状态，具体步骤为：5-1、截取步骤4得到的候选区域，提取其中的亮度分量得到亮度图；5-2、计算步骤5-1的亮度图中圆形光斑大小，计算光斑面积与已知路灯的面积比值，将该比值记为路灯明暗概率；管理员设置一阈值，如果路灯明暗概率小于该阈值，则认为路灯不亮。步骤6、如连续发现路灯处于不亮状态，发送报警信息给路灯管理人员。本专利技术的原理为：首先整理路灯样本库，路灯样本库包含了大多数路灯样式；然后进行路灯位置初始化操作，利用该样本库训练基于深度卷积神经网络的路灯检测模型，得到路灯位置和摄像头角度之间的关系；最终在夜晚环境下，根据摄像头角度得到路灯位置，提取图像中路灯局部位置的亮度信息，从而判断出路灯的明暗状态，解决了需要人工巡检路灯是否正常亮起的难题。下面结合附图具体说明本技术方案的计算结果图。如图1所示为步骤5-1中得到的亮度图，图1（a）-图1（d）的4幅图分别代表4个不同候选区域处的路灯亮度示意图，图1（e）和图1（f）为同一候选区域的不同亮度示意图。如图2所示为亮度图判断的路灯状态示意图，其中图2（a）为与图1（e）对应的无路灯损坏的示意图，图2（b）为与图1（f）对应的有路灯损坏的示意图，图2（a）和图2（b）中标识为ON的表示灯灯，OFF表示灯不亮。以上所述是本专利技术的优选实施方式，应当指出，对于本
的普通技术人员来说，在不脱离本专利技术所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本专利技术的保护范围。本文档来自技高网...

【技术保护点】
1.一种路灯智能检测与夜间状态判断方法，其特征在于，包括如下步骤：步骤1、收集白天环境下的路灯图片，手工标注出路灯在图片中的位置坐标；步骤2、采用深度卷积神经网络训练路灯检测模型；步骤3、白天环境下对系统初始化，利用步骤2得到的路灯检测模型初始化路灯在摄像头中的位置和角度关系；步骤4、夜间路灯状态判断，根据步骤3得到的摄像头和路灯位置模型，得到路灯位置区间；步骤5、根据步骤4得到的路灯位置，判断路灯明暗状态；步骤6、如连续发现路灯处于不亮状态，发送报警信息给路灯管理人员。

【技术特征摘要】
1.一种路灯智能检测与夜间状态判断方法，其特征在于，包括如下步骤：步骤1、收集白天环境下的路灯图片，手工标注出路灯在图片中的位置坐标；步骤2、采用深度卷积神经网络训练路灯检测模型；步骤3、白天环境下对系统初始化，利用步骤2得到的路灯检测模型初始化路灯在摄像头中的位置和角度关系；步骤4、夜间路灯状态判断，根据步骤3得到的摄像头和路灯位置模型，得到路灯位置区间；步骤5、根据步骤4得到的路灯位置，判断路灯明暗状态；步骤6、如连续发现路灯处于不亮状态，发送报警信息给路灯管理人员。2.根据权利要求1所述的路灯智能检测与夜间状态判断方法，其特征在于，所述步骤2包括如下具体步骤：2-1、构建基础网络层，分别由6层卷积层、池化层和ReLU激活函数构成，将图像送入基础网络，得到输出o1；2-2、构建区域生成网络，用于区分前景和背景，在步骤2-1的输出o1上应用滑动窗口，每个滑动窗口生成9个候选区域，候选区域比例按照1:1选择；将所有候选区域连接到区域生成网络，采用softmax回归出所有候选区域，选择前500个区域作为输出o2；2-3、将步骤2-2的输出o2接入已训练的ResNet18网络进行迁移学习，得到路灯检测模型。3.根据权利要求1所述的路灯智能检测...

【专利技术属性】
技术研发人员：胡彬，唐庆阳，程实，
申请(专利权)人：南通大学，
类型：发明
国别省市：江苏,32