一种智慧综合杆系统技术方案

本发明专利技术涉及智慧杆，具体涉及一种智慧综合杆系统，包括安装于路侧的杆体，以及设置于杆体内部的控制单元，控制单元通过视频数据采集模块采集道路视频数据，并利用图像序列处理模块对道路视频数据中的时序图像进行处理，控制单元通过前景区域获取模块基于时序图像处理结果获取各时序图像的前景区域，并利用前景区域校正模块对各时序图像中的前景区域进行校正，控制单元通过目标检测框获取模块获取各校正后前景区域中包含运动目标的目标检测框，并利用车辆轨迹检测模块基于目标检测框对相应的前景区域进行检测，获取车辆轨迹；本发明专利技术提供的技术方案能够克服不能对道路车流量进行准确统计，以及无法对驾驶员是否存在异常驾驶行为进行有效识别的缺陷

【技术实现步骤摘要】
一种智慧综合杆系统


[0001]本专利技术涉及智慧杆，具体涉及一种智慧综合杆系统
。

技术介绍

[0002]智慧杆
——
又叫“多功能智能杆”，是集智慧照明
、
视频监控
、
交通管理
、
环境检测
、
无线通信
、
信息交互
、
应急求助等多功能于一体的公共基础设施，是构建新型智慧城市的重要载体
。
智慧杆能挂载
5G
通信基站
、WiFi
无线路由
、
智能节能路灯
、
智能安防监控
、
智能人脸识别
、
交通诱导与指示
、
音响与广播电视
、
无人机充电
、
汽车充电桩
、
停车无感支付
、
无人驾驶诱导等多种智能设备
。
[0003]智慧杆最主要
、
最核心的应用是在智能交通领域中，实现行人闯红灯监测
、
车流人流量分析
、
异常驾驶行为监测
、
车路协同
、
危化品车辆轨迹监测等功能
。
然而，现有的智慧杆不能对道路车流量进行准确统计，同时也无法对驾驶员是否存在异常驾驶行为进行有效识别，这给智慧杆的路侧应用带来了较大的困难
。

技术实现思路

[0004](
一
)
解决的技术问题
[0005]针对现有技术所存在的上述缺点，本专利技术提供了一种智慧综合杆系统，能够有效克服现有技术所存在的不能对道路车流量进行准确统计，以及无法对驾驶员是否存在异常驾驶行为进行有效识别的缺陷
。
[0006](
二
)
技术方案
[0007]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0008]一种智慧综合杆系统，包括安装于路侧的杆体，以及设置于杆体内部的控制单元，所述控制单元通过视频数据采集模块采集道路视频数据，并利用图像序列处理模块对道路视频数据中的时序图像进行处理，所述控制单元通过前景区域获取模块基于时序图像处理结果获取各时序图像的前景区域，并利用前景区域校正模块对各时序图像中的前景区域进行校正，所述控制单元通过目标检测框获取模块获取各校正后前景区域中包含运动目标的目标检测框，并利用车辆轨迹检测模块基于目标检测框对相应的前景区域进行检测，获取车辆轨迹，所述控制单元通过道路车流量统计模块根据各时序图像中的车辆轨迹统计道路车流量；
[0009]所述控制单元通过驾驶员图像采集模块采集驾驶员图像，并利用面部关键点检测模块检测驾驶员图像中的面部关键点，所述控制单元通过面部特征确定模块基于驾驶员图像中的面部关键点确定驾驶员的面部特征，并利用人体姿态识别模型构建模块构建人体姿态识别模型，所述控制单元通过人体姿态识别模型训练模块对人体姿态识别模型进行模型训练，并利用姿态特征识别模块基于训练好的人体姿态识别模型识别驾驶员图像中驾驶员的姿态特征，所述控制单元通过异常驾驶行为监测模块根据驾驶员的面部特征和姿态特征确定驾驶员是否存在异常驾驶行为
。
[0010]优选地，所述图像序列处理模块对道路视频数据中的时序图像进行处理，包括：
[0011]对每帧时序图像进行灰度处理，得到对应的时序灰度图像；
[0012]对时序灰度图像进行滤波处理，得到对应的时序模糊图像；
[0013]对时序模糊图像进行高反差处理，得到每帧时序灰度图像的高频分量；
[0014]其中，采用下式计算得到第
i
帧时序灰度图像的高频分量
G
i
：
[0015]G
i
＝
I
i
'
‑
I
i
+
λ
[0016]上式中，
I
i
为第
i
帧时序灰度图像，
I
i
’
为第
i
帧时序模糊图像，
λ
为参考系数
。
[0017]优选地，所述前景区域获取模块基于时序图像处理结果获取各时序图像的前景区域，包括：
[0018]基于每帧时序灰度图像的高频分量进行运动检测，获取每帧序灰度图像的前景区域
。
[0019]优选地，所述前景区域校正模块对各时序图像中的前景区域进行校正，包括：
[0020]获取前景区域中以各像素点为中心像素点的
n*n
邻域，统计
n*n
邻域中包含背景像素点的个数
N
；
[0021]当
n2·
ω
＜
N
时，将中心像素点校正为背景像素点，否则将中心像素点校正为运动像素点，其中0＜
ω
＜
1。
[0022]优选地，所述目标检测框获取模块获取各校正后前景区域中包含运动目标的目标检测框，包括：
[0023]对校正后前景区域进行连通域提取，获取包含运动目标的目标检测框
。
[0024]优选地，所述车辆轨迹检测模块基于目标检测框对相应的前景区域进行检测，获取车辆轨迹，包括：
[0025]将目标检测框映射至对应的校正前前景区域，得到各前景区域的检测区域，并统计各检测区域中前景像素点的个数；
[0026]当检测区域中前景像素点的个数大于预设数量阈值时，则将该检测区域与车辆特征识别模型进行匹配，得到多个匹配结果，并根据匹配结果获取车辆轨迹
。
[0027]优选地，所述面部特征确定模块基于驾驶员图像中的面部关键点确定驾驶员的面部特征，包括：
[0028]在面部关键点中筛选眼部关键点，基于眼部关键点的位置信息确定驾驶员的双眼长宽比和双眼睁开度，得到包括双眼长宽比
、
双眼睁开度在内的面部特征
。
[0029]优选地，所述面部特征确定模块基于驾驶员图像中的面部关键点确定驾驶员的面部特征，包括：
[0030]在面部关键点中筛选嘴部关键点，基于嘴部关键点的位置信息确定驾驶员的嘴部长宽比，得到包括嘴部长宽比在内的面部特征
。
[0031]优选地，所述人体姿态识别模型训练模块对人体姿态识别模型进行模型训练，包括：
[0032]将训练数据集输入人体姿态识别模型进行模型训练，并在模型训练过程中，基于预设的正则化约束函数对模型卷积层的输出进行归一化处理，以得到卷积层各输入通道对应的激活权重；
[0033]根据卷积层各输入通道对应的激活权重，确定人体姿态识别模型的待剪枝结构；
[0034]对待剪枝结构进行剪枝处理，以得到轻量化神经网络模型
。
[0035]优选地，所述姿态特征识别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种智慧综合杆系统，其特征在于：包括安装于路侧的杆体，以及设置于杆体内部的控制单元，所述控制单元通过视频数据采集模块采集道路视频数据，并利用图像序列处理模块对道路视频数据中的时序图像进行处理，所述控制单元通过前景区域获取模块基于时序图像处理结果获取各时序图像的前景区域，并利用前景区域校正模块对各时序图像中的前景区域进行校正，所述控制单元通过目标检测框获取模块获取各校正后前景区域中包含运动目标的目标检测框，并利用车辆轨迹检测模块基于目标检测框对相应的前景区域进行检测，获取车辆轨迹，所述控制单元通过道路车流量统计模块根据各时序图像中的车辆轨迹统计道路车流量；所述控制单元通过驾驶员图像采集模块采集驾驶员图像，并利用面部关键点检测模块检测驾驶员图像中的面部关键点，所述控制单元通过面部特征确定模块基于驾驶员图像中的面部关键点确定驾驶员的面部特征，并利用人体姿态识别模型构建模块构建人体姿态识别模型，所述控制单元通过人体姿态识别模型训练模块对人体姿态识别模型进行模型训练，并利用姿态特征识别模块基于训练好的人体姿态识别模型识别驾驶员图像中驾驶员的姿态特征，所述控制单元通过异常驾驶行为监测模块根据驾驶员的面部特征和姿态特征确定驾驶员是否存在异常驾驶行为
。2.
根据权利要求1所述的智慧综合杆系统，其特征在于：所述图像序列处理模块对道路视频数据中的时序图像进行处理，包括：对每帧时序图像进行灰度处理，得到对应的时序灰度图像；对时序灰度图像进行滤波处理，得到对应的时序模糊图像；对时序模糊图像进行高反差处理，得到每帧时序灰度图像的高频分量；其中，采用下式计算得到第
i
帧时序灰度图像的高频分量
G
i
：
G
i
＝
I
i
'
‑
I
i
+
λ
上式中，
I
i
为第
i
帧时序灰度图像，
I
i
’
为第
i
帧时序模糊图像，
λ
为参考系数
。3.
根据权利要求2所述的智慧综合杆系统，其特征在于：所述前景区域获取模块基于时序图像处理结果获取各时序图像的前景区域，包括：基于每帧时序灰度图像的高频分量进行运动检测，获取每帧序灰度图像的前景区域
。4.
根据权利要求3所述的智慧综合杆系统，其特征在于：所述前景区域校正模块对各时序图像中的前景区域进行校正，包括：获取前景区域中以各像素点为...

【专利技术属性】
技术研发人员：卢青松，闫正，谢彪，马磊，汪培泉，韦丽，
申请(专利权)人：安徽超清科技股份有限公司，
类型：发明
国别省市：