一种基于深度学习的高速公路抛洒物自动检测方法和系统技术方案

本发明专利技术提供了一种基于深度学习的高速公路抛洒物自动检测方法及系统，该方法依次包括视频图像采集步骤、目标检测步骤、目标判定步骤、事故报警步骤和优化升级步骤，通过深度学习检测算法，对监控视频范围内的抛洒物进行识别，并且可以实时检测，通过判定策略以及不断地优化升级深度学习检测算法，提高检测准确率，以减少高速公路中的事故发生。以减少高速公路中的事故发生。以减少高速公路中的事故发生。

【技术实现步骤摘要】
一种基于深度学习的高速公路抛洒物自动检测方法和系统


[0001]本专利技术涉及智能交通
，具体涉及一种基于深度学习的高速公路抛洒物自动检测方法和系统。

技术介绍

[0002]近年来，高速公路的飞速发展给人们生活带来了便利，同时高速公路的事故也更加频发，其中造成事故的很重要的因素就是高速公路上的抛洒物，因此及时发现抛洒物成为一个很大的挑战。传统的抛洒物检测算法采用基于图像处理的方法，需要人工提取图像特征，不仅耗时耗力，而且检测效果并不理想。基于视频序列的抛洒物检测方法也都是利用传统的高斯模型和三帧差法等区分前景，之后进一步来识别抛洒物，但识别准确率均不高，对小的抛洒物无法识别。因此研究一种高速公路抛洒物自动检测方法是十分必要的。

技术实现思路

[0003]本专利技术针对现有技术识别抛洒物准确率不高且对小的抛洒物无法识别的问题，本专利技术提供了一种基于深度学习的高速公路抛洒物自动检测方法，通过深度学习检测算法，对监控视频范围内的抛洒物进行识别，并且可以实时检测，通过判定策略以及不断地优化升级深度学习检测算法，提高检测准确率。本专利技术还涉及一种基于深度学习的高速公路抛洒物自动检测系统。
[0004]本专利技术的技术方案如下：
[0005]一种基于深度学习的高速公路抛洒物自动检测方法，其特征在于，包括下述步骤：
[0006]视频图像采集步骤，采用安装在高速公路上方的带云台的球形摄像机来采集高速公路上的视频图像；
[0007]目标检测步骤，采用深度学习检测算法，对采集的视频图像进行抛洒物检测，提取出抛洒物在视频图像中的位置和边框；
[0008]目标判定步骤，采用目标判定策略，对检测出的抛洒物进行判断，连续时间段在视频图像的同一位置检测出的抛洒物达到一定次数则判定为是高速公路抛洒物；
[0009]事故报警步骤，对判定出的高速公路抛洒物进行事故报警，并用视频和图像的方式记录；
[0010]优化升级步骤，对事故报警中收集到的准确以及错误报警的视频和图像进行学习处理，升级深度学习检测算法，以便后续采集的视频图像的抛洒物检测。
[0011]优选地，所述目标检测步骤先采用数据集扩充技术，构建体现现场各种状况时的若干特征的高速公路抛洒物样本集，再对样本集中的视频图像采用深度学习检测算法进行样本打标和训练，实现抛洒物检测。
[0012]优选地，所述目标检测步骤采用数据集扩充技术，是在原有视频图像的基础上，做镜像、旋转、裁剪、缩放、平移和加高斯噪声操作，构建体现现场各种状况时的若干特征的高速公路抛洒物样本集；构建的所述高速公路抛洒物样本集中的样本包含阴、晴、雨、雪天气
的视频图像，还包含白天和夜间不同光照条件的视频图像。
[0013]优选地，所述目标检测步骤采用的基于Rsnet101卷积神经网络的改进的Faster R
‑
CNN深度学习检测算法，将样本集中的视频图像输入Rsnet101卷积神经网络进行图像特征提取，生成图像的特征图，并将特征图输入Faster R
‑
CNN的RPN网络中，生成一系列的候选检测区域，再将生成的候选检测区域和特征提取生成的特征图共同传入ROI池化层，输出尺寸大小一致的特征图并输入到全连接层，进行抛洒物的分类，获取抛洒物在视频图像中的位置和边框。
[0014]优选地，所述目标判定步骤是利用交并比的方式，将前后两张视频图像检测出抛洒物的矩形框的交集面积与矩形框的并集面积作比，当比值大于设定的判断阈值时则判定前后两张视频图像检测出的抛洒物是同一位置。
[0015]一种基于深度学习的高速公路抛洒物自动检测系统，其特征在于，包括依次连接的视频图像采集模块、目标检测模块、目标判定模块、事故报警模块和优化升级模块，
[0016]所述视频图像采集模块，包括安装在高速公路上方的带云台的球形摄像机，用于采集高速公路上的视频图像；所述目标检测模块，采用深度学习检测算法，对采集的视频图像进行抛洒物检测，提取出抛洒物在视频图像中的位置和边框；所述目标判定模块，采用目标判定策略，对检测出的抛洒物进行判断，连续时间段在视频图像的同一位置检测出的抛洒物达到一定次数则判定为是高速公路抛洒物；所述事故报警模块，对判定出的高速公路抛洒物进行事故报警，并用视频和图像的方式记录；所述优化升级模块，对事故报警中收集到的准确以及错误报警的视频和图像进行学习处理，升级深度学习检测算法，以便后续采集的视频图像的抛洒物检测。
[0017]优选地，所述目标检测模块先采用数据集扩充技术，构建体现现场各种状况时的若干特征的高速公路抛洒物样本集，再对样本集中的视频图像采用深度学习检测算法进行样本打标和训练，实现抛洒物检测。
[0018]优选地，所述目标检测模块采用数据集扩充技术，是在原有视频图像的基础上，做镜像、旋转、裁剪、缩放、平移和加高斯噪声操作，构建体现现场各种状况时的若干特征的高速公路抛洒物样本集；构建的所述高速公路抛洒物样本集中的样本包含阴、晴、雨、雪天气的视频图像，还包含白天和夜间不同光照条件的视频图像。
[0019]优选地，所述目标检测模块采用的基于Rsnet101卷积神经网络的改进的Faster R
‑
CNN深度学习检测算法，将样本集中的视频图像输入Rsnet101卷积神经网络进行图像特征提取，生成图像的特征图，并将特征图输入Faster R
‑
CNN的RPN网络中，生成一系列的候选检测区域，再将生成的候选检测区域和特征提取生成的特征图共同传入ROI池化层，输出尺寸大小一致的特征图并输入到全连接层，进行抛洒物的分类，获取抛洒物在视频图像中的位置和边框。
[0020]优选地，所述目标判定模块是利用交并比的方式，将前后两张视频图像检测出抛洒物的矩形框的交集面积与矩形框的并集面积作比，当比值大于设定的判断阈值时则判定前后两张视频图像检测出的抛洒物是同一位置。
[0021]本专利技术的有益效果为：
[0022]本专利技术提供了一种基于深度学习的高速公路抛洒物自动检测方法，采用安装在高速公路上方的带云台的球形摄像机来采集高速公路上的视频图像，对高速公路整个大场景
均有所监控，监控范围广，监控实时性强；利用深度学习检测算法和视频分析，并结合目标判定策略，对监控视频范围内的抛洒物进行识别，并且可以实时检测，由于采用深度学习检测的方法，只要高速公路抛洒物数据量的足够大，Faster R
‑
CNN深度学习检测算法训练学习完高速公路抛洒物的图像特征，即便是目标小的抛洒物，也能够准确高效的检测出，检测准确率高，检出率高；再结合优化升级深度学习检测算法，使其具有成长性高，升级优化性强的优点，随着样本数量的增多，对正确报警和误报数据的学习，检测准确率可以不断提高，同样的误报也可以避免，实现高速公路抛洒物准确、高效地自动检测。
[0023]本专利技术还涉及一种基于深度学习的高速公路抛洒物自动检测系统，该系统与上述的基于深度学习的高速公路抛洒物自动检测方法相对应，可理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的高速公路抛洒物自动检测方法，其特征在于，包括下述步骤：视频图像采集步骤，采用安装在高速公路上方的带云台的球形摄像机来采集高速公路上的视频图像；目标检测步骤，采用深度学习检测算法，对采集的视频图像进行抛洒物检测，提取出抛洒物在视频图像中的位置和边框；目标判定步骤，采用目标判定策略，对检测出的抛洒物进行判断，连续时间段在视频图像的同一位置检测出的抛洒物达到一定次数则判定为是高速公路抛洒物；事故报警步骤，对判定出的高速公路抛洒物进行事故报警，并用视频和图像的方式记录；优化升级步骤，对事故报警中收集到的准确以及错误报警的视频和图像进行学习处理，升级深度学习检测算法，以便后续采集的视频图像的抛洒物检测。2.根据权利要求1所述的基于深度学习的高速公路抛洒物自动检测方法，其特征在于，所述目标检测步骤先采用数据集扩充技术，构建体现现场各种状况时的若干特征的高速公路抛洒物样本集，再对样本集中的视频图像采用深度学习检测算法进行样本打标和训练，实现抛洒物检测。3.根据权利要求2所述的基于深度学习的高速公路抛洒物自动检测方法，其特征在于，所述目标检测步骤采用数据集扩充技术，是在原有视频图像的基础上，做镜像、旋转、裁剪、缩放、平移和加高斯噪声操作，构建体现现场各种状况时的若干特征的高速公路抛洒物样本集；构建的所述高速公路抛洒物样本集中的样本包含阴、晴、雨、雪天气的视频图像，还包含白天和夜间不同光照条件的视频图像。4.根据权利要求2或3所述的基于深度学习的高速公路抛洒物自动检测方法，其特征在于，所述目标检测步骤采用的基于Rsnet101卷积神经网络的改进的Faster R
‑
CNN深度学习检测算法，将样本集中的视频图像输入Rsnet101卷积神经网络进行图像特征提取，生成图像的特征图，并将特征图输入Faster R
‑
CNN的RPN网络中，生成一系列的候选检测区域，再将生成的候选检测区域和特征提取生成的特征图共同传入ROI池化层，输出尺寸大小一致的特征图并输入到全连接层，进行抛洒物的分类，获取抛洒物在视频图像中的位置和边框。5.根据权利要求1所述的基于深度学习的高速公路抛洒物自动检测方法，其特征在于，所述目标判定步骤是利用交并比的方式，将前后两张视频图像检测出抛洒物的矩形框的交集面积与矩形框的并集面积作比，当比值大于设定的判断阈值时则判定前后两张视频图像检测出的抛洒物是同一位置。6.一种基于深度学习的高速公路抛洒物自动检测系统，其特征在于，包...

【专利技术属性】
技术研发人员：张文风，于艳玲，杨东烨，
申请(专利权)人：中远海运科技股份有限公司，
类型：发明
国别省市：