一种基于车辆参照物的路面积水检测方法、装置及应用制造方法及图纸

本申请提出了一种基于车辆参照物的路面积水检测方法、装置及应用，获取道路图像，将道路图像输入到车辆检测模型中输出至少一车辆识别框、对应该车辆的积水水花以及积水波浪；自道路图像中截取对应每一车辆识别框的车辆周边图像；将车辆周边图像输入到积水程度检测模型中输出对应该车辆的积水程度信息；汇总每一道路图像的车辆的积水程度信息、积水水花以及积水波浪得到特征向量，特征向量输入到判别模型得到判别结果，其中判别结果为无积水、轻度积水和重度积水，可在排除复杂环境干扰的同时提到了道路积水程度检测的准确度。时提到了道路积水程度检测的准确度。时提到了道路积水程度检测的准确度。

【技术实现步骤摘要】
一种基于车辆参照物的路面积水检测方法、装置及应用


[0001]本申请涉及图像检测领域，特别是涉及一种基于车辆参照物的路面积水检测方法、装置及应用。

技术介绍

[0002]近年来，由强降雨引发的道路、桥梁、涵洞积水的现象时有发生，给人们带来很大不便，严重时会造成生命、财产损失。
[0003]为了实现对城市内涝的及时监控与预警，发展了一系列的监测手段：例如使用水位计直接对积水高度进行测量、使用流量计对下水道流量进行测量、使用雨量计对实时雨量进行测量等，然而以上的测量方法需要在相应位置安装特定的传感器，而一个传感器也仅能感应特定区域的水位，且传感器本身容易被破坏，进而导致整个城市管理部门的投资经费都非常地昂贵。
[0004]此外，通过对城市道路上广泛分布的光学摄像头设备进行图像采集与分析，亦可对积水情况进行分析，比如中国专利CN111160155A、CN114219788A、CN111144254A，都提到了利用深度学习模型进行道路积水的检测，但不论使用传统图像检测方法，还是深度学习等新兴方法，其检测模型往往最终倾向于检测积水的覆盖面积而非积水程度，检测的精确性大打折扣，此外还会受场景复杂化、雨水路面反光等因素影响，检测错误率很高。

技术实现思路

[0005]本申请实施例提供了一种基于车辆参照物的路面积水检测方法、装置及应用，将路面积水检测方案分为两个步骤：首先检测车辆后再截取车辆周边图像，对车辆周边图像中的积水水花、波浪信息等进行检测，排除复杂环境干扰的同时提到了道路积水检测的准确度。r/>[0006]第一方面，本申请实施例提供了一种基于车辆参照物的路面积水检测方法，所述方法包括：一获取道路图像，将所述道路图像输入到车辆检测模型中输出至少一车辆识别框、对应该车辆的积水水花以及积水波浪；自所述道路图像中截取对应每一所述车辆识别框的车辆周边图像；将所述车辆周边图像输入到积水程度检测模型中输出对应该车辆的积水程度信息；汇总每一所述道路图像的所有车辆的积水程度信息、积水水花以及积水波浪得到特征向量，所述特征向量输入到判别模型得到判别结果，其中判别结果为无积水、轻度积水和重度积水的一种。
[0007]第二方面， 本申请实施例提供了一种基于车辆参照物的路面积水检测装置，包括：车辆检测单元，用于获取道路图像，将所述道路图像输入到车辆检测模型中输出至少一车辆识别框、对应该车辆的积水水花以及积水波浪；车辆周边图像获取单元，用于自所述道路图像中截取对应每一所述车辆识别框的车辆周边图像；
积水程度获取单元，用于将所述车辆周边图像输入到积水程度检测模型中输出对应该车辆的积水程度信息；综合判断单元，用于汇总每一所述道路图像的所有车辆的积水程度信息、积水水花以及积水波浪得到特征向量，所述特征向量输入到判别模型得到判别结果，其中判别结果为无积水、轻度积水和重度积水的一种。
[0008]第三方面，本申请实施例提供了一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述的基于车辆参照物的路面积水检测方法。
[0009]第四方面，本申请实施例提供了一种计算机程序产品，包括软件代码部分，当所述计算机程序产品在计算机上被运行时，所述软件代码部分用于执行所述的基于车辆参照物的路面积水检测方法。
[0010]第五方面，本申请实施例提供了一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括所述的基于车辆参照物的路面积水检测方法。
[0011]本专利技术的主要贡献和创新点如下：本申请实施例在于改善现有技术的道路积水检测不精准的问题，且基于车辆参照物对道路积水程度进行了检测，以得到更有价值的道路积水信息。具体的，本方案首先检测道路上的车辆，然后截取车辆周边的车辆周边图像，基于车辆周边图像对车辆附近的积水水花、波浪信息进行检测，最后设置一个贝叶斯分类器将正常行驶的车辆和车辆驻停或者极慢速行驶的车辆进行判断，以提高最终的积水程度判别准确性。
[0012]本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
[0013]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1是根据本申请实施例的基于车辆参照物的路面积水检测方法的流程图；图2是根据本申请实施例的一种积水程度检测模型的结构示意图；图3是根据本申请一种实施例的基于车辆参照物的路面积水检测方法的流程图；图4是根据本申请实施例的基于车辆参照物的路面积水检测装置的结构框图；图5
‑
6是根据本申请实施例的基于车辆参照物的路面积水检测方法检测的示意图；图7是本方案的训练样本示意图；图8是根据本申请实施例的电子装置的硬件结构示意图。
具体实施方式
[0014]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相
反，它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
[0015]需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。
[0016]实施例一本申请实施例提供了一种基于车辆参照物的路面积水检测方法，可以基于车辆参照物检测道路积水的积水程度的目的，具体地，参考图1和图3，所述方法包括：获取道路图像，将所述道路图像输入到车辆检测模型中输出至少一车辆识别框、对应该车辆的积水水花以及积水波浪；自所述道路图像中截取对应每一所述车辆识别框的车辆周边图像；将所述车辆周边图像输入到积水程度检测模型中输出对应该车辆的积水程度信息；汇总每一所述道路图像的所有车辆的积水程度信息、积水水花以及积水波浪得到特征向量，所述特征向量输入到判别模型得到判别结果，其中判别结果为无积水、轻度积水和重度积水的一种。
[0017]本方案不同于传统的仅通过图片直接识别道路积水情况的方案，本方案首先根据检测到的车辆获取车辆周边图像，再以车辆周边图像作为二级检测目标进行积水程度的检测，以将车辆作为参照物进行道路积水程度的检测，与此同时通过所有车辆的积水水花、积水波浪以及积水程度得到特征向量，以特征向量通过判别模型进一步区分正常行驶车辆引起的积水不准确的问题。
[0018]本方案可适用于道路路面积水检测，此时道路图像可选自设置在街道的监控摄像头，当然，其他形式的来源也本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于车辆参照物的路面积水检测方法，其特征在于，包括：获取道路图像，将所述道路图像输入到车辆检测模型中输出至少一车辆识别框、对应该车辆的积水水花以及积水波浪；自所述道路图像中截取对应每一所述车辆识别框的车辆周边图像；将所述车辆周边图像输入到积水程度检测模型中输出对应该车辆的积水程度信息；汇总每一所述道路图像的所有车辆的积水程度信息、积水水花以及积水波浪得到特征向量，所述特征向量输入到判别模型得到判别结果，其中判别结果为无积水、轻度积水和重度积水的一种。2.根据权利要求1所述的基于车辆参照物的路面积水检测方法，其特征在于，特征向量包括：积水水花数量、每一积水水花的置信度、积水波浪数量，每一积水波浪的置信度、周围无积水的车辆数量、每一车辆周边为无积水的置信度、周边轻度积水的车辆数量、每一车辆周边为轻度积水的置信度、周边重度积水的车辆数量、每一车辆周边为重度积水的置信度。3.根据权利要求1所述的基于车辆参照物的路面积水检测方法，其特征在于，车辆周边图像内至少涵盖该车辆及周边的积水情况。4.根据权利要求1所述的基于车辆参照物的路面积水检测方法，其特征在于，利用标记有积水水花、积水波浪、车辆的道路图像训练YOLO神经网络得到车辆检测模型。5.根据权利要求1所述的基于车辆参照物的路面积水检测方法，其特征在于，利用标记有无积水、轻度积水和重度积水的车辆周边图像训练ResNet152网络架构得到积水程度检测模型。6.根据权利要求1所述的基于车辆参照物的路面积水检测方法，其特...

【专利技术属性】
技术研发人员：陈家立，刘奕慧，李晓芳，黄嘉诚，黎如昊，王洪林，
申请(专利权)人：杭州开闳流体科技有限公司，
类型：发明
国别省市：