一种基于球机的实时路面检测方法技术

本发明专利技术公开了一种基于球机的实时路面检测方法，涉及到路面检测技术领域，该基于球机的实时路面检测方法将图像先缩小，输入到分割模型中进行训练，以获取道路的深度特征，最后利用学习的特征对新的样本进行分类筛选，将道路从背景和目标中分割出来，从而起到以下的进步：第一，速度快，一台普通的计算机可以实时处理每一帧图像；第二，准确度高，通过分割模型训练实现对复杂路面进行检测，不易产生误报；第三，稳定性好，对于不同场景下路况的检测效果好，对车辆等背景因素产生的抗干扰性强，识别更加精确，能够达到准确识别道路的目的。能够达到准确识别道路的目的。能够达到准确识别道路的目的。

【技术实现步骤摘要】
一种基于球机的实时路面检测方法


[0001]本专利技术中涉及路面检测
，特别涉及一种基于球机的实时路面检测方法。

技术介绍

[0002]视频监控与处理是智能交通系统中的一个重要组成部分。在道路监控的实际应用中，如拥堵检测、道路抛洒检测等，都需要先将道路准确地检测出来，才能以此为基础进行进一步处理。
[0003]现有技术基于背景建模技术，将道路作为背景来检测，缺点是容易受天气影响，而且背景更新错误容易将目标更新进去，近年来，基于机器学习的框架被逐渐引入到道路检测中，将图像中的像素块输入到分类器中进行“道路”和“非道路”分类。但是，这样的处理方案由于待检测场景的复杂多样性，和现有分类器中的特征表达能力有限，在减少了计算强度的同时，也存在部分场景下分割效果不佳的问题。因此提出了一种基于球机的实时路面检测方法。

技术实现思路

[0004]本申请的目的在于提供一种基于球机的实时路面检测方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本申请提供如下技术方案：一种基于球机的实时路面检测方法，包括以下步骤：
[0006]S1、图像采集：从视频采集系统中获取视频流，将得到的视频流进行解码，读取视频帧；
[0007]S2、图像预处理：对视频帧进行缩放、归一化处理，获取图像主要信息；
[0008]S3、图像分割；对预处理后的图像进行分割，得到道路概率图；
[0009]S4、过滤筛选：将道路概率图进行后处理，把概率图转成多张连续区域图，对区域进行过滤筛选；
[0010]S5、转动判断：将多张连续区域图进行区域重合度比较，判断球机的转动情况；
[0011]S6、输出检测结果：将区域以及球机的转动状态标注在视频帧上，按照时序合并视频帧，输出最终的处理结果。
[0012]优选地，所述S3中，将预处理后的图片送入分割模型进行分割，得到的道路概率图包括道路的概率值和背景的概率值。
[0013]优选地，所述分割模型对预处理后的图片分割包括：对输入数据进行多层卷积采样，通过分割模型自动提取高维特征，所述分割模型最终输出的概率图与原图尺寸相同，且每个坐标点表示为道路或者背景的概率值。
[0014]优选地，所述S4中，把所述分割模型输出的概率图转成背景为0、道路为1的二值图，利用检测连通区域算法检测二值图中连通的部分，利用对道路的先验知识对不同连通区域进行筛选。
[0015]优选地，所述筛选条件包括面积大小和形状。
[0016]优选地，所述S5中，对多张连续区域图进行交并比计算，交并比大于预设阈值则认为不转动，否则视为转动。
[0017]综上，本专利技术的技术效果和优点：
[0018]本专利技术中，该基于球机的实时路面检测方法将图像先缩小，输入到分割模型中进行训练，以获取道路的深度特征，最后利用学习的特征对新的样本进行分类筛选，将道路从背景和目标中分割出来，从而起到以下的进步：第一，速度快，一台普通的计算机可以实时处理每一帧图像；第二，准确度高，通过分割模型训练实现对复杂路面进行检测，不易产生误报；第三，稳定性好，对于不同场景下路况的检测效果好，对车辆等背景因素产生的抗干扰性强，识别更加精确，能够达到准确识别道路的目的。
附图说明
[0019]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0020]图1为本实施例中的方法流程图；
[0021]图2为本实施例中的检测系统的模块图。
具体实施方式
[0022]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。
[0023]实施例：参考图1所示的一种基于球机的实时路面检测方法，包括以下步骤：
[0024]S1、图像采集：从视频采集系统中获取视频流，将得到的视频流进行解码，读取视频帧；
[0025]S2、图像预处理：对视频帧进行缩放、归一化处理，获取图像主要信息；
[0026]S3、图像分割；对预处理后图片送入分割模型，对输入数据进行多层卷积采样，通过分割模型自动提取高维特征，分割模型最终输出的概率图与原图尺寸相同，且每个坐标点表示为是道路还是背景的概率值；
[0027]S4、过滤筛选：将道路概率图进行后处理，把概率图转成多张连续区域图，对区域进行过滤筛选，具体为：把分割模型输出的概率图转成背景为0道路为1的二值图，利用检测连通区域算法检测二值图中连通的部分，因为模型可能会产生误报，利用对道路的先验知识比如面积大小、形状等条件对不同连通区域进行筛选；
[0028]S5、转动判断：将多张连续区域图进行区域重合度比较，判断球机的转动情况，具体为：对多张连续区域图进行交并比计算，交并比大于预设阈值则认为不转动，否则视为转动；
[0029]S6、输出检测结果：将区域以及球机的转动状态标注在视频帧上，按照时序合并视
频帧，输出最终的处理结果。
[0030]为实现上述基于球机的实时路面检测方法，采用了特定的检测系统，如图2所示，该检测系统包括：视频图像采集模块、视频图像预处理模块、分割图像后处理模块、模型推理模块、转动判定模块和检测结果输出模块，其中，视频图像采集模块用于从摄像头(包括模拟摄像机，数字摄像机等)采集系统获得视频流，将得到的视频流进行解码，读取视频帧；视频图像预处理模块用于将视频图像采集模块输出的当前视频帧进行缩放、归一化等操作，获取图像主要信息；模型推理模块将视频图像预处理模块得到的预处理图像数据送入分割模型，对输入数据进行多层卷积采样，通过分割模型自动提取高维特征，分割模型最终输出的概率图与原图尺寸相同，且每个坐标点表示为是道路还是背景的概率值；分割图像后处理模块将模型推理模块中输出的道路概率图进行后处理，把概率图转成连续区域图，对区域的形状大小进行过滤筛选，具体为：把分割模型输出的概率图转成背景为0道路为1的二值图，利用检测连通区域算法检测二值图中连通的部分，因为模型可能会产生误报，利用对道路的先验知识比如面积大小、形状等条件对不同连通区域进行筛选；转动判断模块将分割图像后处理模块输出的多张连续区域图进行区域重合度比较，判断转动情况，具体为：对多张连续区域图进行交并比计算，交并比大于预设阈值则认为不转动，否则视为转动；检测结果输出模块将转动判断模块得到的道路区域以及转动状态标注在视频帧上，按照时序合并视频帧，输出最终的处理结果，并进行相关的告警提示。
[0031]该基于球机的实时路面检测方法将图像先缩小，输入到分割模型中进行训练，以获取道路的深度特征，最后利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于球机的实时路面检测方法，其特征在于，包括以下步骤：S1、图像采集：从视频采集系统中获取视频流，将得到的视频流进行解码，读取视频帧；S2、图像预处理：对视频帧进行缩放、归一化处理，获取图像主要信息；S3、图像分割；对预处理后的图像进行分割，得到道路概率图；S4、过滤筛选：将道路概率图进行后处理，把概率图转成多张连续区域图，对区域进行过滤筛选；S5、转动判断：将多张连续区域图进行区域重合度比较，判断球机的转动情况；S6、输出检测结果：将区域以及球机的转动状态标注在视频帧上，按照时序合并视频帧，输出最终的处理结果。2.根据权利要求1所述的一种基于球机的实时路面检测方法，其特征在于：所述S3中，将预处理后的图片送入分割模型进行分割，得到的道路概率图包括道路的概率值和背景的概率值。3.根据权利要求2所述的一...

【专利技术属性】
技术研发人员：吕阿斌，梁栋，
申请(专利权)人：中兴飞流信息科技有限公司，
类型：发明
国别省市：