一种公路道路安全评价方法及系统技术方案

本发明专利技术公开了一种公路道路安全评价方法及系统，属于图像处理技术领域，本发明专利技术中为了解决特征量少的问题，构建可以处理多帧视频数据的公路道路异常预测模型，并对当前监控视频中的视频数据进行筛选，选出标志性的多帧视频数据构建为待识别样本，本发明专利技术采用训练后的公路道路异常预测模型处理待识别样本，得到公路道路异常值，从当前监控视频中挑选出标志性的多帧视频数据，减少公路道路异常预测模型处理的数据量，本发明专利技术中通过公路道路异常预测模型处理多帧视频数据，大大增加了提取的特征量，提高了评价准确度。提高了评价准确度。提高了评价准确度。

【技术实现步骤摘要】
一种公路道路安全评价方法及系统


[0001]本专利技术涉及图像处理
，具体涉及一种公路道路安全评价方法及系统。

技术介绍

[0002]公路道路在经过一段时间的使用后，会出现各种裂纹和垮塌等异常情况，这些道路异常情况的存在不仅会影响道路的正常使用，而且在司机不清楚公路道路的情况下，按习惯行驶，对司机生命安全造成巨大威胁。
[0003]目前对于公路道路的安全评价采用目标检测方法，具体为：使用深度卷积神经网络（CNN）来检测道路上的异常区域，根据检测出的异常区域情况实现对公路道路安全的评价。但现有公路道路的安全评价方法均是对单一公路道路的图像进行处理，导致在进行特征提取时特征量少，从而存在检测精度不高，造成评价准确度低的问题。

技术实现思路

[0004]针对现有技术中的上述不足，本专利技术提供的一种公路道路安全评价方法及系统解决了现有公路道路的安全评价方法存在评价准确度低的问题。
[0005]为了达到上述专利技术目的，本专利技术采用的技术方案为：一种公路道路安全评价方法，包括以下步骤：
[0006]S1、建立公路道路异常预测模型；
[0007]S2、从历史监控视频中筛选出一段时间内的多帧视频数据，并标注标签，构建为训练集；
[0008]S3、采用训练集和损失函数对公路道路异常预测模型进行训练，得到训练后的公路道路异常预测模型；
[0009]S4、对当前监控视频中的视频数据进行筛选，得到待识别样本；
[0010]S5、将待识别样本输入训练后的公路道路异常预测模型，得到公路道路异常值。
[0011]进一步地，所述S1中公路道路异常预测模型包括：多个多阶段特征提取单元和异常值预测单元；
[0012]每个所述多阶段特征提取单元用于处理训练集中的一个样本中的一帧视频数据，得到公路道路特征，所述训练集中的样本由一段时间内的多帧视频数据构成；
[0013]所述多阶段特征提取单元的数量等于训练集中的一个样本中视频数据的帧数；
[0014]所述异常值预测单元用于根据多个多阶段特征提取单元输出的公路道路特征，计算公路道路异常值。
[0015]上述进一步地方案的有益效果为：本专利技术中设置了多个多阶段特征提取单元，每个多阶段特征提取单元均对应处理一帧视频数据，则公路道路异常预测模型在处理时是处理了一段视频，异常值预测单元综合各个多阶段特征提取单元输出的公路道路特征，计算出公路道路异常值，实现考虑一段时间内公路道路的情况。
[0016]进一步地，每个所述多阶段特征提取单元包括：第一特征提取子单元、第二特征提
取子单元、第三特征提取子单元、第四特征提取子单元和Concat层；
[0017]所述第一特征提取子单元的输入端作为多阶段特征提取单元的输入端，其输出端分别与第二特征提取子单元的输入端和Concat层的第一输入端连接；
[0018]所述第二特征提取子单元的输出端分别与第三特征提取子单元的输入端和Concat层的第二输入端连接；所述第三特征提取子单元的输出端分别与第四特征提取子单元的输入端和Concat层的第三输入端连接；所述Concat层的第四输入端与第四特征提取子单元的输出端连接，其输出端作为多阶段特征提取单元的输出端。
[0019]上述进一步地方案的有益效果为：本专利技术中设置多个特征提取子单元，Concat层将不同阶段的特征提取子单元的输出进行拼接，一方面能解决梯度消失的问题，另一方面能增加特征量。
[0020]进一步地，每个所述特征提取子单元均包括：第一卷积块、第二卷积块、第三卷积块、第四卷积块、全局池化层、深层注意力层、浅层注意力层、乘法器M1、乘法器M2和加法器A1；
[0021]所述第一卷积层的输入端作为特征提取子单元的输入端，其输出端分别与第二卷积块的输入端、乘法器M1的第一输入端和全局池化层的输入端连接；所述全局池化层的输出端分别与浅层注意力层的输入端和第四卷积块的输入端连接；所述深层注意力层的输入端与第四卷积块的输出端连接，其输出端与乘法器M2的第一输入端连接；所述浅层注意力层的输出端与乘法器M1的第二输入端连接；所述第三卷积块的输入端与第二卷积块的输出端连接，其输出端与乘法器M2的第二输入端连接；所述加法器A1的第一输入端与乘法器M1的输出端连接，其第二输入端与乘法器M2的输出端连接，并作为特征提取子单元的输出端。
[0022]上述进一步地方案的有益效果为：本专利技术中根据全局池化层输出的浅层特征图计算出浅层注意力，浅层注意力用于对第一卷积块输出浅层特征图进行施加注意力，根据第四卷积块输出的深层特征图计算深层注意力，深层注意力用于对第三卷积层块输出深层特征图进行施加注意力，在加法器A1处实现施加深浅层注意力的特征汇集，从而实现增强不同层级特征，并增加了特征量。
[0023]进一步地，所述深层注意力层和浅层注意力层的表达式均为：
[0024]，，，其中，为深层注意力层或浅层注意力层的输出，为中间参数，为将深层注意力层或浅层注意力层输入的特征图分成块后第块上的第个特征值，为第块上特征值的数量，为第块的特征值的平均值。
[0025]上述进一步地方案的有益效果为：本专利技术中将深层注意力层或浅层注意力层输入的特征图分成L块，计算每块的平均值，从而根据平均值的分布情况，计算出注意力。
[0026]进一步地，所述异常值预测单元用于计算公路道路异常值的公式为：
[0027]，其中，为公路道路异常值，为第个多
阶段特征提取单元输出的公路道路特征的权重，为第个多阶段特征提取单元输出的公路道路特征的第个特征值，为特征值的权重，为多阶段特征提取单元输出的公路道路特征中特征值的数量，为多阶段特征提取单元的数量。
[0028]上述进一步地方案的有益效果为：本专利技术中异常值预测单元综合同一段时间内的多帧视频数据的多个公路道路特征，从而达到考虑多帧视频数据内容，提高评价准确度。
[0029]进一步地，所述S3中训练公路道路异常预测模型的损失函数为：
[0030]，其中，为损失函数，为第次训练时的标签，为第次训练时公路道路异常预测模型输出的公路道路异常值。
[0031]上述进一步地方案的有益效果为：本专利技术中损失函数重点考虑标签与公路道路异常值之间的数值距离，但是仅考虑数值距离无法使得公路道路异常预测模型快速训练，因此，本专利技术设置了增强系数，增强系数能增加计算出的损失函数，加快训练速度。
[0032]进一步地，所述S4包括以下分步骤：
[0033]S41、取当前监控视频中一段时间的视频数据；
[0034]S42、在一段时间的视频数据中，在相邻时间的视频数据满足差值条件关系式时，取相邻时间的两帧视频数据；
[0035]S43、在步骤S42中获取的视频数据的帧数等于额定帧数时，将步骤S42中获取的所有视频数据构建为待识别样本；在步骤S42中获取的视频数据的帧数大于额定帧数时，则随机剔除部分视频数据，直到等于额定帧数，将剔除后的剩余视频数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种公路道路安全评价方法，其特征在于，包括以下步骤：S1、建立公路道路异常预测模型；S2、从历史监控视频中筛选出一段时间内的多帧视频数据，并标注标签，构建为训练集；S3、采用训练集和损失函数对公路道路异常预测模型进行训练，得到训练后的公路道路异常预测模型；S4、对当前监控视频中的视频数据进行筛选，得到待识别样本；S5、将待识别样本输入训练后的公路道路异常预测模型，得到公路道路异常值。2.根据权利要求1所述的公路道路安全评价方法，其特征在于，所述S1中公路道路异常预测模型包括：多个多阶段特征提取单元和异常值预测单元；每个所述多阶段特征提取单元用于处理训练集中的一个样本中的一帧视频数据，得到公路道路特征，所述训练集中的样本由一段时间内的多帧视频数据构成；所述多阶段特征提取单元的数量等于训练集中的一个样本中视频数据的帧数；所述异常值预测单元用于根据多个多阶段特征提取单元输出的公路道路特征，计算公路道路异常值。3.根据权利要求2所述的公路道路安全评价方法，其特征在于，每个所述多阶段特征提取单元包括：第一特征提取子单元、第二特征提取子单元、第三特征提取子单元、第四特征提取子单元和Concat层；所述第一特征提取子单元的输入端作为多阶段特征提取单元的输入端，其输出端分别与第二特征提取子单元的输入端和Concat层的第一输入端连接；所述第二特征提取子单元的输出端分别与第三特征提取子单元的输入端和Concat层的第二输入端连接；所述第三特征提取子单元的输出端分别与第四特征提取子单元的输入端和Concat层的第三输入端连接；所述Concat层的第四输入端与第四特征提取子单元的输出端连接，其输出端作为多阶段特征提取单元的输出端。4.根据权利要求3所述的公路道路安全评价方法，其特征在于，每个所述特征提取子单元均包括：第一卷积块、第二卷积块、第三卷积块、第四卷积块、全局池化层、深层注意力层、浅层注意力层、乘法器M1、乘法器M2和加法器A1；所述第一卷积层的输入端作为特征提取子单元的输入端，其输出端分别与第二卷积块的输入端、乘法器M1的第一输入端和全局池化层的输入端连接；所述全局池化层的输出端分别与浅层注意力层的输入端和第四卷积块的输入端连接；所述深层注意力层的输入端与第四卷积块的输出端连接，其输出端与乘法器M2的第一输入端连接；所述浅层注意力层的输出端与乘法器M1的第二输入端连接；所述第三卷积块的输入端与第二卷积块的输出端连接，其输出端与乘法器M2的第二输入端连接；所述加法器A1的第一输入端与乘法器M1的输出端连接，其第二输入端与乘法器M2的输出端连接，并作为特征提取子单元的输出端。5.根据权利要求4所述的公路道路安全评价...

【专利技术属性】
技术研发人员：陈碧义，
申请(专利权)人：南京华琨信息科技有限公司，
类型：发明
国别省市：