一种基于视频深度学习技术的公路路产路权车载识别系统技术方案

本发明专利技术公开了一种基于视频深度学习技术的公路路产路权车载识别系统，该套硬件设备主要由车载摄像机，车载分析设备和车载显示器构成，车载摄像机用于捕捉，采集车辆行驶区域内的视频图像，采集到的视频图像通过数据线或网线传输至车载分析设备，车载分析设备根据车辆当前的行驶速度和在固件中设置的拍摄频率，拍摄一张图片，对图片内容进行基于人工智能深度学习的图像结构化检测，对图像中的路面、护栏、情报板不同的重点区域进行识别，并将识别到的结果通过无线网络上传到云端管理中心，采用机器视觉的深度学习技术算法实现，对于车载分析设备分析出的结果，巡检人员可以通过车载显示器也可以了解到本次巡检任务的工作效果。器也可以了解到本次巡检任务的工作效果。器也可以了解到本次巡检任务的工作效果。

【技术实现步骤摘要】
一种基于视频深度学习技术的公路路产路权车载识别系统


[0001]本专利技术涉及公路路产路权识别
，具体领域为一种基于视频深度 学习技术的公路路产路权车载识别系统。

技术介绍

[0002]当前对于高速公路基建设备的巡检，主要采用外场工作人员驾驶巡检车 辆，以一定的平均速度在高速公路的最外侧车道巡检，巡检过程中，车内的 工作人员采用双眼注视所处区域对高速公路的基建设施进行目测。检测的对 象包含养护车辆所在路面状态，路面标线质量，路面两侧护栏，道路侧方以 及高出情报板；巡检过程中需要工作人员眼观六路耳听八方，在进行长距离 的巡检过程中，人员双眼会产生疲惫，并且在行进的过程中难免会出现观察 疏漏的现象，不同的巡检人员均根据自己的目测判断经验对高速公路上的各 种设施进行巡视和判断，也有可能出现标准不统一的现象，从而导致在同一 个路面上不同的巡检人员报告不同的巡检结果，或者在巡检车辆提升行驶速 度时，观察人员会出现漏看漏检的现象。

技术实现思路

[0003]本专利技术的目的在于提供一种基于视频深度学习技术的公路路产路权车载 识别系统，以解决上述
技术介绍
中提出的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种基于视频深度学习技 术的公路路产路权车载识别系统，包括车载摄像机、车载分析设备和车载显 示器；
[0005]所述车载摄像机为4台，设置于巡检车辆的车顶中后部，分别采集巡检 车辆前、后、左、右四个方向的视频图像；
[0006]所述车载分析设备和车载显示器均设置于巡检车辆内部，车载分析设备 获取巡检车辆的实时移动速度，根据巡检车辆实时移动速度，控制车载摄像 机按照设定的速度与相拍摄帧率规则进行拍摄，并进行图像结构化识别，车 载显示器用于实现车载分析设备与巡检人员之间的人机交互。
[0007]进一步地，所述车载分析设备包括输入接口模块、信息储存模块、信息 处理模块和输出接口模块，所述信息处理模块分别与输入接口模块、信息储 存模块、输出接口模块和对外输出模块数据连接，所述输入接口模块与车载 摄像机数据连接，所述输出接口模块与车载显示器数据相连。
[0008]进一步地，所述车载分析设备采用基于深度学习的机器视觉技术，通过 对图片进行素材采集，素材标定，算法训练，算法模型开发，模型优化以及 封装，实现本地信息分析终端对车载摄像机拍摄的图像进行检测。
[0009]进一步地，所述巡检车辆的驶速度在40～80Km/h的范围内，所述车载分 析设备控制架设在车顶中后部的4台车载摄像机以每张/3
‑
8米的拍摄频率。
[0010]进一步地，前部的所述车载摄像机用于采集和识别路侧标识标牌、路面 不特定抛
撒物以及路侧边坡变形；左、右侧的所述车载摄像机用于采集路侧 护板和边坡变形；后部的所述车载摄像机用于采集移动巡检车后方3*3m的范 围的路面视频图像，识别路面病害。
[0011]进一步地，还包括云管理平台，所述云管理平台包括数据交换机、储存 服务器和应用服务器，所述数据交换机分别与储存服务器和应用服务器数据 相连，所述车载分析设备还包括对外输出模块，所述对外输出模块与信息处 理模块数据连接，所述对外输出模块与数据交换机之间通过无线网络相连。
[0012]进一步地，所述车载分析设备通过GPS卫星定位获取巡检车辆的实时移 动速度。
[0013]与现有技术相比，本专利技术的有益效果是：是在高速公路巡检车辆外部安 装一套硬件设备，该套硬件设备主要由车载摄像机，车载分析设备和车载显 示器构成，车载摄像机用于捕捉，采集车辆行驶区域内的视频图像，采集到 的视频图像通过数据线或网线传输至车载分析设备，车载分析设备根据车辆 当前的行驶速度和在固件中设置的拍摄频率，实现在40km/h到80km/h车速 的情况下，车辆每运动3米拍摄拍摄一张图片，并且对图片内容进行基于人 工智能深度学习的图像结构化检测，对图像中的路面，护栏，情报板不同的 重点区域进行识别，并将识别到的结果通过无线网络上传到云端管理中心， 因为本技术采用机器视觉的深度学习技术算法实现，对于车载分析设备分析 出的结果，巡检人员可以通过车载显示器也可以了解到本次巡检任务的工作 效果。
[0014]1)、由图像识别系统辅助巡检，降低人工目测巡检因疲惫产生遗漏的几 率。
[0015]2)、通过人工智能技术采用图像结构化算法巡检，统一巡检作业标准， 规避人为因素导致的影响效果。
[0016]3)、检测频率与车辆行驶速度关联，确保不同车速下检测的质量保持一 致。
[0017]4)、检测目标覆盖全面，降低人为检测遗漏的现象。
[0018]5)、降本增效节省人力，原先一趟巡检需要多人，使用本专利技术可以减少 人员投入。
附图说明
[0019]图1为本专利技术的系统结构示意图；
[0020]图2为本专利技术中车载摄像机与巡查车辆结构示意图；
[0021]图3为本专利技术实施例一的检测流程图；
[0022]图4为本专利技术中车载分析设备的工作流程图；
[0023]图5为本专利技术中路面遗撒物的检测流程图；
[0024]图6为本专利技术中高速公路道路设施的检测流程；
[0025]图7为本专利技术中前端相机的水平拍摄范围示意图；
[0026]图8为本专利技术中前端相机的垂直拍摄范围示意图；
[0027]图9为本专利技术中右端相机的水平拍摄范围示意图；
[0028]图10为本专利技术中右端相机的垂直拍摄范围示意图；
[0029]图11为本专利技术中左端相机的水平拍摄范围示意图；
[0030]图12为本专利技术中左端相机的垂直拍摄范围示意图；
[0031]图13为本专利技术中实施例二的检测流程图。
具体实施方式
[0032]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，都属于本专利技术保护的范围。
[0033]请参阅图1
‑
13，本专利技术提供一种技术方案：一种基于视频深度学习技术 的公路路产路权车载识别系统，包括车载摄像机、车载分析设备和车载显示 器；车载摄像机为4台，设置于巡检车辆的车顶中后部，分别采集巡检车辆 前、后、左、右四个方向的视频图像；车载分析设备和车载显示器均设置于 巡检车辆内部，车载分析设备获取巡检车辆的实时移动速度，根据巡检车辆 实时移动速度，控制车载摄像机按照设定的速度与相拍摄帧率规则进行拍摄， 并进行图像结构化识别，车载显示器用于实现车载分析设备与巡检人员之间 的人机交互。车载分析设备包括输入接口模块、信息储存模块、信息处理模 块和输出接口模块，信息处理模块分别与输入接口模块、信息储存模块、输 出接口模块和对外输出模块数据连接，输入接口模块与车载摄像机数据连接， 输出接口模块与车载显示器数据相连。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视频深度学习技术的公路路产路权车载识别系统，其特征在于：包括车载摄像机、车载分析设备和车载显示器；所述车载摄像机为4台，设置于巡检车辆的车顶中后部，分别采集巡检车辆前、后、左、右四个方向的视频图像；所述车载分析设备和车载显示器均设置于巡检车辆内部，车载分析设备获取巡检车辆的实时移动速度，根据巡检车辆实时移动速度，控制车载摄像机按照设定的速度与相拍摄帧率规则进行拍摄，并进行图像结构化识别，车载显示器用于实现车载分析设备与巡检人员之间的人机交互。2.根据权利要求1所述的一种基于视频深度学习技术的公路路产路权车载识别系统，其特征在于：所述车载分析设备包括输入接口模块、信息储存模块、信息处理模块和输出接口模块，所述信息处理模块分别与输入接口模块、信息储存模块、输出接口模块和对外输出模块数据连接，所述输入接口模块与车载摄像机数据连接，所述输出接口模块与车载显示器数据相连。3.根据权利要求2所述的一种基于视频深度学习技术的公路路产路权车载识别系统，其特征在于：所述车载分析设备采用基于深度学习的机器视觉技术，通过对图片进行素材采集，素材标定，算法训练，算法模型开发，模型优化以及封装，实现本地信息分析终端对车载摄像机拍摄的图像进行检测。4....

【专利技术属性】
技术研发人员：沈炜，裴植嵩，马乙恒，
申请(专利权)人：北京动视元科技有限公司，
类型：发明
国别省市：