基于群体智能的积水区域处理方法、装置及存储介质制造方法及图纸

本发明专利技术公开了一种基于群体智能的积水区域处理方法、装置及存储介质。其中，该方法包括：对输入图像进行积水检测，确定输入图像中显示的路段内是否存在积水区域；当输入图像中存在积水区域时，从输入图像中获取目标群体数据；对目标群体数据进行行为分析，确定积水区域的积水程度信息；当基于积水程度信息确定输入图像中存在漫水路区域时，对目标对象进行行为识别，并在识别结果满足预设条件时，向目标对象发出告警提示。本发明专利技术解决了现有技术中的积水检测方法存在积水检测准确率较低导致告警提示不准确的技术问题。警提示不准确的技术问题。警提示不准确的技术问题。

【技术实现步骤摘要】
基于群体智能的积水区域处理方法、装置及存储介质


[0001]本专利技术涉及智能识别
，具体而言，涉及一种基于群体智能的积水区域处理方法、装置及存储介质。

技术介绍

[0002]在出现雨水天气时，漫水路往往在城市中分布广泛，交警部门难以即时调度人手到各处进行巡查，同时雨水天气也会导致交通拥堵并造成事故多发，因此，如何基于视频采集等智能分析技术对漫水路未减速车辆进行准确识别，以减少人力部署，成为亟待解决的问题。
[0003]基于智能分析技术对漫水路未减速车辆进行识别，一方面涉及车辆识别与跟踪技术，另一方面涉及积水检测技术。其中，车辆的识别与跟踪技术目前业界内已有较成熟的算法，能保证较高的准确率。但是，目前基于计算机视觉的积水检测算法尚不够成熟，对于积水的程度难以分辨，难以确定道路积水是否达到漫水路需要减速通过的程度。在下雨天时，容易误判表面湿滑或只有浅层积水的路面为漫水路，从而对其上正常行驶的车辆产生误报。
[0004]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种基于群体智能的积水区域处理方法、装置及存储介质，以至少解决现有技术中的积水检测方法存在积水检测准确率较低导致告警提示不准确的技术问题。
[0006]根据本专利技术实施例的一个方面，提供了一种基于群体智能的积水区域处理方法，包括：对输入图像进行积水检测，确定上述输入图像中显示的路段内是否存在积水区域；当上述输入图像中存在上述积水区域时，从上述输入图像中获取目标群体数据；对上述目标群体数据进行行为分析，确定上述积水区域的积水程度信息；当基于上述积水程度信息确定上述输入图像中存在漫水路区域时，对目标对象进行行为识别，并在识别结果满足预设条件时，向上述目标对象发出告警提示。
[0007]根据本专利技术实施例的另一方面，还提供了一种基于群体智能的积水区域处理装置，包括：检测模块，用于对输入图像进行积水检测，确定上述输入图像中显示的路段内是否存在积水区域；获取模块，用于当上述输入图像中存在上述积水区域时，从上述输入图像中获取目标群体数据；确定模块，用于对上述目标群体数据进行行为分析，确定上述积水区域的积水程度信息；处理模块，用于当基于上述积水程度信息确定上述输入图像中存在漫水路区域时，对目标对象进行行为识别，并在识别结果满足预设条件时，向上述目标对象发出告警提示。
[0008]根据本专利技术实施例的另一方面，还提供了一种计算机可读存储介质，上述计算机可读存储介质包括存储的程序，其中，在上述程序运行时控制上述计算机可读存储介质所
在设备执行任意一项上述的基于群体智能的积水区域处理方法。
[0009]根据本专利技术实施例的另一方面，还提供了一种电子设备，其特征在于，包括：处理器；以及存储器，与上述处理器连接，用于为上述处理器提供处理以下处理步骤的指令：对输入图像进行积水检测，确定上述输入图像中显示的路段内是否存在积水区域；当上述输入图像中存在上述积水区域时，从上述输入图像中获取目标群体数据；对上述目标群体数据进行行为分析，确定上述积水区域的积水程度信息；当基于上述积水程度信息确定上述输入图像中存在漫水路区域时，对目标对象进行行为识别，并在识别结果满足预设条件时，向上述目标对象发出告警提示。
[0010]在本专利技术实施例中，采用基于群体智能的积水区域处理的方式，通过对输入图像进行积水检测，确定上述输入图像中显示的路段内是否存在积水区域；当上述输入图像中存在上述积水区域时，从上述输入图像中获取目标群体数据；对上述目标群体数据进行行为分析，确定上述积水区域的积水程度信息；当基于上述积水程度信息确定上述输入图像中存在漫水路区域时，对目标对象进行行为识别，并在识别结果满足预设条件时，向上述目标对象发出告警提示，达到了基于群体智能判断积水区域的积水程度并发出告警提示的目的，从而实现了提高积水检测准确率以及告警提示的准确率的技术效果，进而解决了现有技术中的积水检测方法存在积水检测准确率较低导致告警提示不准确的技术问题。
附图说明
[0011]此处所说明的附图用来提供对本专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0012]图1是根据本专利技术实施例的一种用于实现基于群体智能的积水区域处理方法的计算机终端(或移动设备)的硬件结构框图；
[0013]图2是根据本专利技术实施例的一种基于群体智能的积水区域处理方法的流程图；
[0014]图3是根据本专利技术实施例的一种可选的群体智能的积水区域处理方法的场景示意图；
[0015]图4是根据本专利技术实施例的一种可选的基于群体智能的积水区域处理方法的流程图；
[0016]图5是根据本专利技术实施例的另一种可选的基于群体智能的积水区域处理方法的流程图；
[0017]图6是根据本专利技术实施例的另一种可选的基于群体智能的积水区域处理方法的流程图；
[0018]图7根据本专利技术实施例的一种基于群体智能的积水区域处理装置的结构示意图；
[0019]图8是根据本专利技术实施例的一种计算机终端的结构框图。
具体实施方式
[0020]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范
围。
[0021]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0022]首先，在对本专利技术实施例进行描述的过程中出现的部分名词或术语适用于如下解释：
[0023]群体智能(Swarm Intelligence)：群体智能是通过汇聚群体智慧协同求解超大规模复杂难题的一类机器智能前沿方法，为求解传统方法难以解决的超大规模复杂问题提供了新技术、新手段，已被广泛应用于交通、众包计算、软件开发等领域。针对具体应用场景，国内外学者分别从个体评估机制构建、个体编码与解码策略、群体组织架构等角度，设计了多种群体智能方法。
[0024]人群模拟(Crowd Simulation)：人群模拟是模拟大量实体或角色运动的过程，通常用于危机训练、建筑和城市规划、以及疏散模拟，也可用于电影或视频游戏中虚拟场景的创建。
[0025]目标检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于群体智能的积水区域处理方法，其特征在于，包括：对输入图像进行积水检测，确定所述输入图像中显示的路段内是否存在积水区域；当所述输入图像中存在所述积水区域时，从所述输入图像中获取目标群体数据；对所述目标群体数据进行行为分析，确定所述积水区域的积水程度信息；当基于所述积水程度信息确定所述输入图像中存在漫水路区域时，对目标对象进行行为识别，并在识别结果满足预设条件时，向所述目标对象发出告警提示。2.根据权利要求1所述的基于群体智能的积水区域处理方法，对所述输入图像进行积水检测，确定所述输入图像中是否存在所述积水区域包括：利用第一神经网络模型对所述输入图像进行积水检测，确定所述输入图像中是否存在所述积水区域，其中，所述第一神经网络模型为预先训练的目标检测模型。3.根据权利要求1所述的基于群体智能的积水区域处理方法，从所述输入图像中获取所述目标群体数据包括：利用第二神经网络模型对所述输入图像中的目标群体进行识别与跟踪，得到第一处理结果，其中，所述第二神经网络模型为预先训练的目标检测与跟踪模型；基于所述第一处理结果和所述路段内预置的图像采集设备的位置信息，确定第二处理结果；将所述第二处理结果转换为空间结构化数据，得到所述目标群体数据。4.根据权利要求1所述的基于群体智能的积水区域处理方法，对所述目标群体数据进行行为分析，确定所述积水程度信息包括：利用群体智能模型对所述目标群体数据进行行为分析，得到所述积水区域的积水程度分数，其中，所述群体智能模型用于表征所述积水区域的积水情况与所述积水区域内目标群体行为之间的关系，通过迭代优化模型参数拟合所述目标群体的实际行为数据，估计所述积水区域的积水程度，所述积水程度分数用于表示所述积水区域的积水程度；当所述积水程度分数大于第一预设阈值时，确定所述输入图像中存在所述漫水路区域。5.根据权利要求4所述的基于群体智能的积水区域处理方法，利用所述群体智能模型对所述目标群体数据进行行为分析，得到所述积水程度分数包括：利用所述群体智能模型对所述目标群体数据进行行为分析，得到目标群体的预测轨迹；基于所述目标群体数据确定目标群体的实际轨迹；计算所述实际轨迹与所述预测轨迹的差异结果，并基于所述差异结果与预设通行率变化规律进行多次迭代计算，确定所述积水区域的实际通行率；利用所述实际通行率计算得到所述积水程度分数。6.根据权利要求1所述的基于群体智能的积水区域处理方法，对所述目标对象进行行为识别包括：对所述目标对象进行行为识别，确定所述目标对象的速度数据；当所述速度数据超过第二预设阈值时，记录所述速度数据以及所述速度数据对应的发生时间。7.根据权利要求6所述的基于群体智能...

【专利技术属性】
技术研发人员：付志航，蔡卓骏，陶明渊，黄建强，华先胜，陈泽，金文蔚，金仲明，魏龙，
申请(专利权)人：阿里云计算有限公司，
类型：发明
国别省市：