【技术实现步骤摘要】
一种基于语义分割网络的抛洒物检测方法与系统
本专利技术涉及道路检测领域，具体涉及一种基于语义分割网络的抛洒物检测方法与系统。
技术介绍
随着道路交通的发展，城际交通运输有了很大的提速，然而越来越多的货运车辆也造成了很多的问题，除了频发的追尾、碰撞事故，还存在货物掉落后车避让不及导致的交通事故的发生，因此除了规范行车行为外，对于意外抛洒物的检测也是交通安全的重要参考因素。现有的交通道路抛洒物事件检测方法，大多数采用传统的人工提取特征的方式进行检测，例如SIFT角点特征、LBP纹理特征等，这种方式受到人为因素影响，当更换监测场景时，特征的泛化能力不足，抗干扰能力弱，不能很好的满足检测的要求。而深度学习方法能够有效解决这类问题。在实际交通场景中，抛洒物的形态各式各样，包括有纸箱、木料、铁块、塑料壳体、遮雨布、轮胎皮等等，但因为这类素材量太少，如果直接通过对抛洒物进行训练学习，无疑难度系数很大，一是难以覆盖到所有的抛洒物类型，二是样本素材少，难以有效泛化未训练到的抛洒物，因而直接采用对抛洒物进行学习训练的方式难以有效...
【技术保护点】
1.一种基于语义分割网络的抛洒物检测方法，其特征在于，通过对实时图像中的样本数据进行提取，分割出道路中的非运动目标区域，结合语义分割网络训练进行背景对比，实现抛洒物检测，包括三个部分：/nA1：离线建模阶段，采集各监控环境、各时间段监控视频图像中的样本数据，并利用语义分割网络对样本数据进行训练学习，获得道路训练模型；/nB1：在线背景获取阶段，基于背景建模的方法对实时图像进行运动目标提取和比值计算，并根据计算结果对预设背景图像和更新系数进行更新；/nC1：在线抛洒判断阶段，根据道路训练模型将实时图像分割为区域图像，通过对区域图像中样本数据的判定获取候选判定区域，将候选判定区...
【技术特征摘要】
1.一种基于语义分割网络的抛洒物检测方法，其特征在于，通过对实时图像中的样本数据进行提取，分割出道路中的非运动目标区域，结合语义分割网络训练进行背景对比，实现抛洒物检测，包括三个部分：
A1：离线建模阶段，采集各监控环境、各时间段监控视频图像中的样本数据，并利用语义分割网络对样本数据进行训练学习，获得道路训练模型；
B1：在线背景获取阶段，基于背景建模的方法对实时图像进行运动目标提取和比值计算，并根据计算结果对预设背景图像和更新系数进行更新；
C1：在线抛洒判断阶段，根据道路训练模型将实时图像分割为区域图像，通过对区域图像中样本数据的判定获取候选判定区域，将候选判定区域与预设背景图像的相似度与预设阈值进行对比，获取抛洒物判断结果。
2.如权利要求1所述的一种基于语义分割网络的抛洒物检测方法，其特征在于，所述各监控环境包括隧道、桥梁、外场、晴天、雨天、雾天、夜晚，所述样本数据包括车辆、行人、非机动车和道路路面，其中车辆、行人和非机动车为运动目标。
3.如权利要求2所述的一种基于语义分割网络的抛洒物检测方法，其特征在于，所述A1具体分为以下几个步骤：
A1.1：采集各监控环境、各时间段监控视频图像中的样本数据；
A1.2：标注样本数据中的道路路面，保存道路路面的映射二值图像并与对应的监控视频图像对应；
A1.3：根据预设训练参数，利用语义分割网络对样本数据进行训练，获得道路训练模型。
4.如权利要求2所述的一种基于语义分割网络的抛洒物检测方法，其特征在于，所述B1具体分为以下几个步骤：
B1.1：建立第一预设背景图像和第二预设背景图像并初始化，初始化第一更新系数和第二更新系数为标准值；
B1.2：根据实时图像利用背景建模的方法获取运动目标，计算运动目标在对应的实时图像中的比值，若比值小于第一更新系数，第一预设背景图像更新为当前实时图像，第一更新系数更新为当前比值，并在第一帧数段内重复执行该步骤；
B1.3：在第一帧数段后的第二帧数段中，利用上一步骤的方法更新第二预设背景图像和第二更新系数；
B1.4：每隔第二预设帧数重复步骤B1.2至B1.4，并每间隔第一预设帧数初始化第一更新系数和第二更新系数为标准值。
5.如权利要求4所述的一种基于语义分割网络的抛洒物检测方法，其特征在于，所述步骤B1.2中，计算比值的方法具体为：
比值＝运动目标面积/(width*height)
其中，width为实时图像的宽度，height为实时图像的高度。
6.如权利要求4所述的一种基于语义分割网络的抛洒物检测方法，其特征在于，所述C1具体分为以下几个步骤：
C1.1：利用道路训练模型对实时图像进行分割，获得区域图像；
C1.2：对区域图像进行轮廓分析，提取含有样本数据的区域图像，判定是否含有运动目标，若无，则判定为候选判定区域并进入下一步...
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。