一种长隧道内的低速跟拍系统技术方案

技术编号:22445404 阅读:20 留言:0更新日期:2019-11-02 05:06
本发明专利技术公开了一种长隧道内的低速跟拍系统,包括设置于隧道口的定点检测机构、设置于隧道内的跟拍系统服务器以及巡检机构,包括定点检测机构获取运动数据流;运动数据流通过第一通讯模块传输至系统服务器;通过系统服务器中的学习模块分析运动数据流,并确认具体模型;根据具体模型的学习结果,向巡检机构发出巡检指令;当巡检机构收到巡检指令后,会根据所述指令完成巡检动作,通过隧道口的定点检测机构配合隧道内的跟拍系统服务器,通讯以及数据处理分析,判别不同情况,控制巡检机构动作,对进入隧道的违法人员和车辆做最快响应,并警示和提醒违法行为,同时对隧道内的车辆做出危险预警,主动预防潜在的危险,降低隧道内的安全隐患。

A low speed tracking system in a long tunnel

【技术实现步骤摘要】
一种长隧道内的低速跟拍系统
本专利技术涉及交通监测
,尤其涉及一种长隧道内的低速跟拍系统。
技术介绍
隧道是道路通行的一个重要地段,承载着道路上大部分的车辆,隧道通行的安全一直是交管部门注意的焦点之一。近年来随着城市建设的不断发展,城市规模的不断扩大,交通压力的不断增大!在城市市政工程项目中,城市交通隧道以及高速交通隧道的数量和规模在不断攀升,其隧道运营安全日益引起人们的重视!隧道中机动车道行人乱道、非机动车误入产生的危险骑行,农用车辆误驶隧道产生的交通压力与交通事故隐患,小型车、大型车违规低速行驶产生的交通压力与交通隐患,传统的抓拍系统通常是24小时沿着导轨来回运行,被动持续的对隧道内进行监控,存在的弊端是当隧道较长时,若抓拍系统运行至隧道尾,而违法行为在隧道口发生时,抓拍系统无法关注到隧道口发生的情况,只有当抓拍系统再运行一个工作行程后,才能够获取隧道的异常信息,不仅造成信息滞后,相关人员无法获取信息,而且无法提醒和警示进入隧道的违法行为,使得隧道内发送交通事故的隐患增加。
技术实现思路
本专利技术针对现有技术不足,提供一种主动性较高的长隧道内的低速跟拍系统,能够较短时间内对进入隧道内的违法行为做出响应。为解决上述技术问题,本专利技术通过以下技术方案得以解决:一种长隧道内的低速跟拍系统,包括设置于隧道口的定点检测机构、设置于隧道内的跟拍系统服务器以及巡检机构,包括如下步骤:步骤一、定点检测机构获取运动数据流;步骤二、运动数据流通过第一通讯模块传输至系统服务器;步骤三、通过系统服务器中的学习模块分析运动数据流,并确认具体模型;步骤四、根据具体模型的学习结果,向巡检机构发出巡检指令;步骤五:当巡检机构收到巡检指令后,会根据所述指令完成巡检动作。上述技术方案中,所述运动数据流为视频流。上述技术方案中,所述的学习模块包括第一学习模块、第二学习模块以及第三学习模块,当运动数据流上传至系统服务器时,首先通过第一学习模块对运动数据流中的物体进行识别,并判断出物体的具象模型,若判断出的具象模型符合第一类情况时,则直接判定为异常,则跳过第二学习模块直接进入第三学习模块中进行场景学习,若判断出的具象模型不符合第一类情况时,通过第二学习模块对具象模型深度学习,获取具象模型的速度信息,并计算具象模型的速度信息是否异常,具象模型的速度信息不符合系统预设值时,判定运动数据流异常,再通过第三学习模块对异常的运动数据流进行场景学习,并根据学习结果发送巡检指令。上述技术方案中,当第二学习模块中判定的运动数据正常时,系统服务器刷新,现有的数据将被新获取运动数据流覆盖。上述技术方案中,所述第一学习模块、所述第二学习模块以及所述第三学习模块中均采用了YOLOV3算法。上述技术方案中,所述巡检指令包括行人运用场景指令、非机动车运用场景指令、农用车辆运用场景指令、机动车辆运用场景指令。上述技术方案中,所述定点检测机构为高清摄像机。上述技术方案中,所述巡检机构包括音频以及巡检主机,所述巡检主机上设置有巡检服务器、主控模块、运动模块、第二通讯模块、警报预警模块、雷达模块以及云台模块。上述技术方案中,所述运动数据流以及巡检指令的传输方式均通过wifi或者4g/5g网络。与现有技术相比,本申请具有如下有益效果:通常情况下,隧道中机动车道行人乱道、非机动车误入产生的危险骑行,农用车辆误驶隧道产生的交通压力与交通事故隐患的发生是从隧道口就开始的,因此,通过隧道口的定点检测机构配合隧道内的跟拍系统服务器,通过通讯以及数据处理分析,判别不同的情况,控制巡检机构动作,对进入隧道的违法人员和车辆做出最快的响应,并警示和提醒违法行为,同时对隧道内的车辆做出危险预警,主动预防潜在的危险,降低隧道内的安全隐患。具体实施方式下面结合具体实施方式对本专利技术作进一步详细描述。实施例1、当发生行人运用场景,该系统的运用如下。一种长隧道内的低速跟拍系统,包括设置于隧道口用于对隧道口外侧机动车道进行检测的定点检测机构、跟拍系统服务器设置在隧道里适合定点检测机构与巡检机器人通信良好的设置点,巡检机构设置在隧道内的导轨上,包括如下步骤:步骤一、定点检测机构获取运动数据流,定点检测机构对即将进入隧道的各种运动物体进行抓拍,并将抓拍之后的得到的各种运动数据流;定点检测机构用的是高清成像摄像机,摄像机的成像清晰度是一定的,因为此次采集的数据流都是针对低速运行物体的;步骤二、抓拍得到的视频流通过设在系统服务器上的第一通讯模块以数据流量的形式上传至系统服务器,步骤三、系统服务器收到定点检测机构传输的数据流,将数据流传输给第一学习模块,YOLOV3会对系统传输的运动数据流里运行的各种物体进行甄别,比对已经建立完成的模型库中的模型,确认机动车道上运行物体的具像模型为行人、非机动车、农用车辆;第三学习模块对识别的行人、非机动车、农用车辆具像模型进行场景学习,通过与第三学习模块内的运用场景库内容比对,确认异常场景为行人运用场景;步骤四、当第三学习模块识别场景为行人运用场景后,系统服务器会将检测到行人运用场景指令上传至巡检机构的巡检服务器;步骤五、巡检服务器收到行人运用场景指令后,主控模块控制运动模块运行到定点检测机构检测到异常发生的隧道口,确认异常并进行跟踪,同时主控模块控制第二通讯模块给隧道内的分布式音频通讯,对隧道中运行的车辆进行时差的语音播报,提示隧道口机动车道行人错道,车辆谨慎驾驶,同时巡检机构内部自设的警报模块会不间断持续工作,提示行人离开机动车道,并对行人周围过往车辆示警,雷达模块对机动车道的异常进行跟踪确认,待雷达模块检测到隧道机动车道恢复正常,各模块响应解除,巡检机构恢复自主巡检。长隧道一般情况下不会存在行人错道行为,此场景旨在发生特殊意外情况下对在隧道口或即将进入隧道的机动车道上的行人做出保护,主动预防潜在的危险。实施例2、当发生非机动车运用场景,该系统的运用如下。一种长隧道内的低速跟拍系统,包括设置于隧道口用于对隧道口外侧机动车道进行检测的定点检测机构、跟拍系统服务器设置在隧道里适合定点检测机构与巡检机器人通信良好的设置点,巡检机构设置在隧道内的导轨上,包括如下步骤:步骤一、定点检测机构获取运动数据流,定点检测机构对即将进入隧道的各种运动物体进行抓拍,并将抓拍之后的得到的各种运动数据流;定点检测机构用的是高清成像摄像机,摄像机的成像清晰度是一定的,因为此次采集的数据流都是针对低速运行物体的;步骤二、抓拍得到的视频流通过设在系统服务器上的第一通讯模块以数据流量的形式上传至系统服务器,步骤三、系统服务器收到定点检测机构传输的数据流,将数据流传输给第一学习模块,YOLOV3会对系统传输的运动数据流里运行的各种物体进行甄别,比对已经建立完成的模型库中的模型,确认机动车道上运行物体的具像模型为行人、非机动车、农用车辆;第三学习模块对识别的行人、非机动车、农用车辆具像模型进行场景学习,通过与第三学习模块内的运用场景库内容比对,确认异常场景为非机动车运用场景;步骤四、当第三学习模块识别场景为非机动车运用场景后,系统服务器会将检测到非机动车运用场景指令上传至巡检机构的巡检服务器;步骤五:巡检服务器收到非机动车运用场景指令后,主控模块控制运动模块运行到定点检测机构检测到异常发生的隧道口,确认异常本文档来自技高网...

【技术保护点】
1.一种长隧道内的低速跟拍系统,其特征在于,包括设置于隧道口的定点检测机构、设置于隧道内的跟拍系统服务器以及巡检机构,包括如下步骤:步骤一、定点检测机构获取运动数据流;步骤二、运动数据流通过第一通讯模块传输至系统服务器;步骤三、通过系统服务器中的学习模块分析运动数据流,并确认具体模型;步骤四、根据具体模型的学习结果,向巡检机构发出巡检指令;步骤五:当巡检机构收到巡检指令后,会根据所述指令完成巡检动作。

【技术特征摘要】
1.一种长隧道内的低速跟拍系统,其特征在于,包括设置于隧道口的定点检测机构、设置于隧道内的跟拍系统服务器以及巡检机构,包括如下步骤:步骤一、定点检测机构获取运动数据流;步骤二、运动数据流通过第一通讯模块传输至系统服务器;步骤三、通过系统服务器中的学习模块分析运动数据流,并确认具体模型;步骤四、根据具体模型的学习结果,向巡检机构发出巡检指令;步骤五:当巡检机构收到巡检指令后,会根据所述指令完成巡检动作。2.根据权利要求1所述的一种长隧道内的低速跟拍系统,其特征在于,所述运动数据流为视频数据。3.根据权利要求1所述的一种长隧道内的低速跟拍系统,其特征在于,所述的学习模块包括第一学习模块、第二学习模块以及第三学习模块,当运动数据流上传至系统服务器时,首先通过第一学习模块对运动数据流中的物体进行识别,并判断出物体的具象模型,若判断出的具象模型符合第一类情况时,则直接判定为异常,则跳过第二学习模块直接进入第三学习模块中进行场景学习,若判断出的具象模型不符合第一类情况时,通过第二学习模块对具象模型深度学习,获取具象模型的速度信息,并计算具象模型的速度信息是否异常,具象模型的速度信息不符合系统预设值时,判定运动数据流异...

【专利技术属性】
技术研发人员:程归兵余成柴晓波
申请(专利权)人:宁波诠航机械科技有限公司
类型:发明
国别省市:浙江,33

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1