本发明专利技术公开了一种基于计算机视觉识别的路面目标检测方法，属于计算机视觉技术领域，该检测方法具体步骤如下：(1)采集路面信息并进行影像优化；(2)依据影像信息对路面目标进行提取；(3)构建图谱库并对提取的目标进行识别；(4)将识别结果反馈给管理人员进行核实；(5)更新图谱库并提取日志数据进行风险分析；本发明专利技术能够有效地提高跟踪框位置的精度，确保检测目标能够进行充分的跨相机匹配，避免出现漏检情况，大幅提高对路面目标检测的准确性，方便工作人员使用，能够对采集的目标图片进行精确分析，大幅提高识别准确性，降低分析难度，提高工作人员工作效率。提高工作人员工作效率。提高工作人员工作效率。
【技术实现步骤摘要】
一种基于计算机视觉识别的路面目标检测方法
[0001]本专利技术涉及计算机视觉
，尤其涉及一种基于计算机视觉识别的路面目标检测方法。
技术介绍
[0002]路面状态也叫路面状况，是指受天气等自然或人为因素影响，使道路表面存在凝结物的状态。它是近年来出现在交通气象学范畴的一个专业术语，至今没有一个确切的定义。从广义角度讲，路面状态是指道路表面与降水和温度有关的状态的集合。路面状态是影响公路交通安全的最重要的因素之一，实时路面信息是实现交通智能化的关键数据。要研究公路的路面状态监测问题，首先必须对路面状态的定义和测量原理进行了解，分析路面状态测量的主要影响因素；因此，专利技术出一种基于计算机视觉识别的路面目标检测方法变得尤为重要。
[0003]经检索，中国专利号CN115223123A公开了基于计算机视觉识别的路面目标检测方法，该专利技术虽然可以更准确的提取路面坑洼等不规则的轮廓信息，以便精确的进行点云分类，但是无法确保检测目标能够进行充分的跨相机匹配，容易出现漏检情况，不方便使用；此外，现有的基于计算机视觉识别的路面目标检测方法分析难度高，降低工作人员工作效率；为此，我们提出一种基于计算机视觉识别的路面目标检测方法。
技术实现思路
[0004]本专利技术的目的是为了解决现有技术中存在的缺陷，而提出的一种基于计算机视觉识别的路面目标检测方法。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]一种基于计算机视觉识别的路面目标检测方法，该检测方法具体步骤如下：
[0007](1)采集路面信息并进行影像优化；
[0008](2)依据影像信息对路面目标进行提取；
[0009](3)构建图谱库并对提取的目标进行识别；
[0010](4)将识别结果反馈给管理人员进行核实；
[0011](5)更新图谱库并提取日志数据进行风险分析。
[0012]作为本专利技术的进一步方案，步骤(1)中所述影像优化具体步骤如下：
[0013]步骤一：边缘计算设备对当前路面影像信息进行采集，并将采集到的影像信息进行逐帧提取以获取路面图片，之后依据各路面图片显示比列进行分块处理，之后对分块后的各组路面图片通过傅里叶变换对数据中高频成分进行分析提取，并通过高斯滤波进行平滑处理；
[0014]步骤二：分别计算各路面图片的灰度值的平均值，之后将分块后各路面图片中每组像素的灰度值与计算出的均值进行比较，并将所有灰度值大于均值的像素构成分割目标，将所有灰度值小于均值的像素构成分割图像的背景。
[0015]作为本专利技术的进一步方案，步骤一中所述傅里叶变换具体变换公式如下：
[0016][0017][0018]其中，u，v均为频率变量，x，y为该路面图片各像素点坐标，公式(1)为傅里叶正变换，公式(2)为傅里叶反变换。
[0019]作为本专利技术的进一步方案，步骤(2)中所述路面目标具体提取步骤如下：
[0020]步骤Ⅰ：对各影像信息实际视频帧的间隔时间进行计算，并记录计算出的实际视频帧的间隔时间，再通过卡尔曼滤波理论建立运动模型，同时通过构建的运动模型实时获取跟踪目标的运动状态；
[0021]步骤Ⅱ：为各跟踪目标分配一个唯一的编号，之后运动模型依据对跟踪目标的线性运动假设，对其在视频帧中的运动状态进行定义，并收集跟踪目标在当前视频帧中的运动状态，并构建预测方程对各跟踪目标在下一视频帧中的运动状态进行估计；
[0022]步骤Ⅲ：通过图像金字塔对各路面图片进行尺度归一化处理，并通过骨干卷积神经网络对各组路面图片进行特征提取，再将提取出的特征送入双向特征金字塔进行特征融合，再将融合结果进行分类回归，输出检测框以及类别，对路面图片中目标检测框信息进行收集，并生成对应检测框坐标；
[0023]步骤Ⅳ：对相关路面图片进行扩大化剪裁，通过RPN过滤掉各组裁剪图片中属于背景的简单负样本，挑选出可能含有目标的区域进行分类和回归，之后在各裁剪图片中生产相应数量的锚框并对这些锚框进行分类和回归，通过扩大化剪裁提取各组图片中的目标信息。
[0024]作为本专利技术的进一步方案，步骤Ⅰ中所述间隔时间具体计算公式如下：
[0025][0026][0027]式中，Δt
k+1
代表两组视频帧之间的间隔时间，代表下采样得到的视频帧与原始视频流中的之间的延迟时间，代表跟踪算法处理视频帧的消耗时间；
[0028]步骤Ⅱ中所述运动状态具体定义形式如下：
[0029][0030]式中，S代表跟踪目标的运动状态，(x,y,w,h)代表跟踪目标边界包围框的中心点坐标和宽高，代表相对应的跟踪目标速度值。
[0031]作为本专利技术的进一步方案，步骤(3)中所述图谱库构建具体步骤如下：
[0032]步骤
①
：工作人员选择可能出现的路面目标作为知识范围，之后同时获取相关目标数据，并提取各组特征关键词，同时将各特征关键词转换为词向量；
[0033]步骤
②
：构建TransD模型接收相关数据，并使用prefer向量表示空间中原点到目标信息嵌入的向量，同时对特定目标信息的偏好程度通过prefer和该信息的欧几里得距离进行衡量；
[0034]步骤
③
：TransD模型构造主题文本知识子图，并依照实体提取子图中与实体相连的关系，采用知识图谱嵌入模型进行学习，把学习到的实体向量作为CNN层的输入，并输出相对应的实体表以及关系表，之后安装配置Neo4j数据库，同时启动Neo4j服务并导入数据，完成数据导入，知识图谱构建结束，之后将不同类目标的知识图谱进行收集以构建图谱库。
[0035]作为本专利技术的进一步方案，步骤(5)中所述日志数据风险分析具体步骤如下：
[0036]第一步：在不同的系统的监测平台部署相关的日志采集插件或者通过syslog服务器获取不同系统的监测平台中所记录的日志数据，并筛选出满足工作人员预设条件的日志信息；
[0037]第二步：将剩余日志数据处理为统一格式的日志信息，再将处理后的日志信息中记录的用户操作行为与异常行为特征进行匹配，并依据匹配结果生成相对应的告警信息，同时对各告警信息风险分数进行计算并输出计算结果，之后将该告警信息反馈给相关工作人员，并中断相关操作进程。
[0038]相比于现有技术，本专利技术的有益效果在于：
[0039]1、该基于计算机视觉识别的路面目标检测方法通过对各影像信息实际视频帧的间隔时间进行计算，并记录计算出的实际视频帧的间隔时间，再通过卡尔曼滤波理论建立运动模型，同时通过构建的运动模型实时获取跟踪目标的运动状态，之后运动模型依据对跟踪目标的线性运动假设，对其在视频帧中的运动状态进行定义，并收集跟踪目标在当前视频帧中的运动状态，构建预测方程对各跟踪目标在下一视频帧中的运动状态进行估计，通过骨干卷积神经网络对各组路面图片进行处理以输出检测框以及类别，对路面图片中目标检测框信息进行收集，并生成对应检测框坐标本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于计算机视觉识别的路面目标检测方法，其特征在于，该检测方法具体步骤如下：(1)采集路面信息并进行影像优化；(2)依据影像信息对路面目标进行提取；(3)构建图谱库并对提取的目标进行识别；(4)将识别结果反馈给管理人员进行核实；(5)更新图谱库并提取日志数据进行风险分析。2.根据权利要求1所述的一种基于计算机视觉识别的路面目标检测方法，其特征在于，步骤(1)中所述影像优化具体步骤如下：步骤一：边缘计算设备对当前路面影像信息进行采集，并将采集到的影像信息进行逐帧提取以获取路面图片，之后依据各路面图片显示比列进行分块处理，之后对分块后的各组路面图片通过傅里叶变换对数据中高频成分进行分析提取，并通过高斯滤波进行平滑处理；步骤二：分别计算各路面图片的灰度值的平均值，之后将分块后各路面图片中每组像素的灰度值与计算出的均值进行比较，并将所有灰度值大于均值的像素构成分割目标，将所有灰度值小于均值的像素构成分割图像的背景。3.根据权利要求2所述的一种基于计算机视觉识别的路面目标检测方法，其特征在于，步骤一中所述傅里叶变换具体变换公式如下：步骤一中所述傅里叶变换具体变换公式如下：步骤一中所述傅里叶变换具体变换公式如下：其中，u，v均为频率变量，x，y为该路面图片各像素点坐标，公式(1)为傅里叶正变换，公式(2)为傅里叶反变换。4.根据权利要求2所述的一种基于计算机视觉识别的路面目标检测方法，其特征在于，步骤(2)中所述路面目标具体提取步骤如下：步骤Ⅰ：对各影像信息实际视频帧的间隔时间进行计算，并记录计算出的实际视频帧的间隔时间，再通过卡尔曼滤波理论建立运动模型，同时通过构建的运动模型实时获取跟踪目标的运动状态；步骤Ⅱ：为各跟踪目标分配一个唯一的编号，之后运动模型依据对跟踪目标的线性运动假设，对其在视频帧中的运动状态进行定义，并收集跟踪目标在当前视频帧中的运动状态，并构建预测方程对各跟踪目标在下一视频帧中的运动状态进行估计；步骤Ⅲ：通过图像金字塔对各路面图片进行尺度归一化处理，并通过骨干卷积神经网络对各组路面图片进行特征提取，再将提取出的特征送入双向特征金字塔进行特征融合，再将融合结果进行分类回归，输出检测框以及类别，对路面图片中目标检测框信息进行收集，并生成对应检测框坐标；步骤Ⅳ：对相关路面图片进行扩大化剪裁，通过RPN过滤掉各组裁剪图片中属于背景的
简单负样本，挑选出可...
【专利技术属性】
技术研发人员：赵立业，倪同阳，
申请(专利权)人：东南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。