基于图像识别的高速公路异常识别方法及系统技术方案

本发明专利技术涉及图像处理技术领域，尤其是涉及基于图像识别的高速公路异常识别方法及系统；本发明专利技术在对高速公路隧道的异常事件识别时，首先对物体进行追踪，得到物体的轨迹，然后根据轨迹中出现的物体的次数判断是否存在异常事件；相较于直接采用深度学习模型识别异常事件，提高了异常事件的识别准确度；本发明专利技术在对高速公路隧道的异常事件类型识别时，首先判断物体类型为行人还是车辆，若为行人，则认定为行人闯入，若为车辆，则根据车辆轨迹数量和车辆位置判断是否为隧道车辆拥堵，然后根据轨迹出现在每帧运动区域图像的位置判断是否为逆行，判断逻辑简单，易于推广和应用。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其是涉及一种基于图像识别的高速公路异常识别方法及系统。

技术介绍

1、高速公路是交通运输的重要组成，隧道作为高速公路路网的咽喉地段，具有半封闭、环境条件较差、隐患系数高、风险因素多（如气候、污染、地质灾害）等特点，在交通量大、气候恶劣的情况下，极易发生交通事故和交通阻塞。因此，高速公路隧道的异常识别在整个高速公路的运营管理中发挥着极其重要的作用，也是“智慧高速”未来发挥重要作用的领域。

2、现有技术中，存在通过神经网络对隧道内异常事件检测的方法及系统，例如，授权公告号为cn112906664b的中国专利技术专利，公开了一种基于神经网络的隧道内异常事件检测方法及系统，基于改进的卷积神经网络进行先检测后分类的方法，识别和定位事件的类型和发生位置。然而，上述图像处理方法对异常事件的类型识别数量较少，不能满足隧道监控的现实需求，同时，上述直接将监控图像输入至深度学习模型中，导致模型运算量巨大，效率不高，并且，上述方案未对监控图像处理即输入至深度学习模型中，导致训练的模型聚焦能力不足，识别准确度也会受影响。</p>
...

【技术保护点】

1.基于图像识别的高速公路异常识别方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于图像识别的高速公路异常识别方法，其特征在于，所述S2中，所述图像差分操作具体为：预先存储所述监控设备获取的前N帧图像，然后将当前帧图像与所述前N帧图像进行像素值差分运算，若像素点的差分绝对值大于阈值T1，则认为该像素点为运动点，否则为静止点，最后将像素点为运动点的区域作为运动区域图像。

3.根据权利要求2所述的基于图像识别的高速公路异常识别方法，其特征在于，所述N取值为4。

4.根据权利要求1所述的基于图像识别的高速公路异常识别方法，其特征在于，所述...

【技术特征摘要】

1.基于图像识别的高速公路异常识别方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的基于图像识别的高速公路异常识别方法，其特征在于，所述s2中，所述图像差分操作具体为：预先存储所述监控设备获取的前n帧图像，然后将当前帧图像与所述前n帧图像进行像素值差分运算，若像素点的差分绝对值大于阈值t1，则认为该像素点为运动点，否则为静止点，最后将像素点为运动点的区域作为运动区域图像。

3.根据权利要求2所述的基于图像识别的高速公路异常识别方法，其特征在于，所述n取值为4。

4.根据权利要求1所述的基于图像识别的高速公路异常识别方法，其特征在于，所述s3.1中物体识别模型为faster r-cnn模型。

5.根据权利要求4所述的基于图像识别的高速公路异常识别方法，其特征在于，所述faster r-cnn模型包括特征提取网络、候选框生成模块、roi池化模块、分类回归模块构成，所述特征提取网络为vgg-16，所述vgg-16的卷积层均使用3×3尺寸的小型卷积核，并通过将多...

【专利技术属性】
技术研发人员：张林梁，闫连山，李朝霞，李赛飞，
申请(专利权)人：西南交通大学烟台新一代信息技术研究院，
类型：发明
国别省市：