【技术实现步骤摘要】
一种路面异物自动识别预警方法和系统
本专利技术涉及公路灾害防护
,尤其涉及一种路面异物自动识别预警方法和系统。
技术介绍
公路是国家交通大动脉,公路的安全、稳定是人民生命安全的保障。目前北京市对普通公路地质灾害监测尤其是路面落石主要以人工巡查为主,养护单位通过对山区公路及地质灾害隐患点段进行巡查、看守、值守,及时发现路面落石和地灾隐患点山体变化情况,以及时进行道路清理和预警宣传和车辆疏导等工作。然而人工巡查不可能实时巡查所有路段,对路面异物及隐患的发现是非实时的。同时,当遇到恶劣天气或发生地质灾害时,人工巡查存在一定的危险性。通过在公路沿线安装视频监控设备,利用视频监控技术实时的获取海量的影像和图像数据,及时获取路面和公路边坡状况,发现路面落石、塌方等地质灾害和潜在地质灾害,以便于各级管理人员实时查看地灾隐患点和路面和周边的实时图像。视频监控是了解公路运行状态的耳目,具有实时、直观、信息丰富、可追溯等特点,在一定程度上弥补了人工巡查的不足,在地质灾害隐患点实时监控、安全防范和应急指挥方面具有重要作用。但是视频监控系统获取的海量的视频和图片数据,远超过人类的手动处理能力,必须借助计算机自动化完成。同时,对公路地质灾害防护的要求是以主动提防为首要任务,因此实现系统中图像自动识别和目标检测,实现路面落石和地灾隐患的实时监测和主动预警,改革传统的公路路面异物及地质灾害巡查和管理模式,从根本上提高公路路面异物和地质灾害识别和管理的智能化水平,显著提高公路网安全性能和服务水平以及应急处置能力。路面异物的自动识别预警 ...
【技术保护点】
1.一种路面异物自动识别预警方法,其特征在于,包括以下步骤:/n数据采集单元通过各地灾隐患点安装摄像头获取图像信息;/n将获取的图像信息进行处理,增强源图后像将获取的图像信息中各类特征进行提取;/n通过结构相似度识别相邻时间段获取的图像信息的差异性;/n采用数学形态学方法简化提取的特征信息;/n采用YOLOv2多目标检测识别模型对获取的图像信息中异物是否为机动车辆、非机动车辆和行人进行检测;/n结合差异性信息和YOLOv2多目标检测识别模型的检测结果对路面异物进行识别预警。/n
【技术特征摘要】
1.一种路面异物自动识别预警方法,其特征在于,包括以下步骤:
数据采集单元通过各地灾隐患点安装摄像头获取图像信息;
将获取的图像信息进行处理,增强源图后像将获取的图像信息中各类特征进行提取;
通过结构相似度识别相邻时间段获取的图像信息的差异性;
采用数学形态学方法简化提取的特征信息;
采用YOLOv2多目标检测识别模型对获取的图像信息中异物是否为机动车辆、非机动车辆和行人进行检测;
结合差异性信息和YOLOv2多目标检测识别模型的检测结果对路面异物进行识别预警。
2.根据权利要求1所述的路面异物自动识别预警方法,其特征在于,所述获取图像信息包括视频和抓拍图片。
3.根据权利要求1所述的路面异物自动识别预警方法,其特征在于,所述图像预处理技术包括图像滤波、变换、恢复、平滑以及增强。
4.根据权利要求1所述的路面异物自动识别预警方法,其特征在于,所述通过结构相似度识别相邻时间段获取的图像信息的差异性进一步的,通过对比相邻时间段图像/视频间在亮度、对比度和结构度三个方面的差异性,从而识别相邻时间段图像中是否存在的异物。
5.根据权利要求1所述的路面异物自动识别预警方法,其特征在于,差异性公式如下:S(X,Y)=l(X,Y)α·c(X,Y)β·s(X,Y)γ,式中l(X,Y)、c(X,Y)和s(X,Y)分别为亮度比较函数、对比度比较函数和结构比较函数;
μX、μY——X、Y子块像素值的均值,δX、δY——X、Y子块像素值方差,δXY——X和Y子块像素值的协方差,α、β、γ——均大于零,分别用来调整3个比较函数所占比重,取α=β=γ=1,C1、C2、C3——用于避免分式出现异常情况引入的常量,其中C3=C2/2,考虑到图像像素值的值域范围(0–1)及其对SSIM值的影响,所以C1=C2=0.0001。
6.根据权利要求1所述的路面异物自动识别预警方法,其特征在于,所述检测包括五个最大池化层及二十个卷积层,使用Linear激活函数,初始学习率为千分之一,学习过程中样本为在不同种类车辆在不同路段、光照下已标定好的机动车辆、非机动车辆和行人数据各五百张。
7.根据权利要求1所述的路面异物自动识别预警方法,其特征在于,所述采用YOLOv2多目标检测识别模型对获取的图像信息中异物是否为机动车辆、非机动车辆和行人进行检测还包括,输出特征...
【专利技术属性】
技术研发人员:白雪娇,李江涛,耿丹阳,艾云飞,孙云华,孙士凯,苏飞,赵鹏志,邓蕾,
申请(专利权)人:中国交通通信信息中心,中交信息技术国家工程实验室有限公司,
类型:发明
国别省市:北京;11
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。