【技术实现步骤摘要】
一种基于监控视频的隧道车辆信息全面感知方法及系统，用于隧道监控视频的车辆信息全面感知，属于计算机视觉和机器学习。
技术介绍
1、隧道在交通运输中扮演着重要的角色。它们穿越山脉和贯穿水域，为公路和铁路交通提供了关键支持。隧道的出现节省了大量的时间和金钱，并加速了各地的经济联系和区域间的联系。随着国家经济发展的加速，对交通运输的需求也在日益增长。因此，计划构建新的陆海通路，这使得修建隧道的重要性更加凸显。未来的隧道施工将更加广泛和多元化，需要在城市化进程中实现高质量的地铁网络、城际高速公路等各种建设。同时，隧道的环保功能和减少对原生态生活的影响也变得越来越重要。
2、然而，隧道也是交通事故的多发区。由于隧道入口端和出口端的亮度差异大，驾驶人员容易受到白洞效应和黑洞效应的影响，从而增加了交通事故的发生概率。此外，隧道内的弱光环境和车辆行驶过程中排出的尾气会降低可见度，从而威胁行车安全。驾驶人员在隧道中驾驶时，反应速度会变慢，视觉特性和心理特性都会降低，这时在驾驶车辆时其可靠度也会受到影响，从而增加交通事故的概率。此外，隧道管理水平与隧道交通安全有着直接的关系，如果管理人员缺失，就无法对隧道内交通事故进行防范。此时便体现出了监控视频的重要性。
3、监控视频是进行数据感知的重要技术手段，具有实时、经济、可靠、便捷等优点，成为隧道管理信息化建设不可或缺的一部分。利用监控视频进行隧道场景孪生建模对于隧道信息化建设具有重要意义。基于隧道监控视频对车辆信息进行全面感知，提高信息感知精度并可以为隧道场景中车辆的孪生建模提供更
4、综上所述，现有技术存在如下技术问题：
5、1.大多数车辆感知方法感知的信息不全面，只能进行类别和检测框长宽的检测，没有更为详细的信息，从而造成车辆感知信息有限，不利于为隧道场景孪生建模提供车辆更高精度、更多类型的数据支持。
6、2.隧道监控视频中，由于隧道的弱光环境，车辆与背景环境的对比度较低，而且车辆的大小、形状、颜色等特征在视频中存在发生变化的情况，从而造成车辆检测精度差的问题；
技术实现思路
1、针对上述研究的问题，本专利技术的目的在于提供一种基于监控视频的隧道车辆信息全面感知方法及系统，解决现有车辆感知技术感知信息不全面，只能进行类别和检测框长宽的检测，没有更为详细的信息，从而造成车辆感知信息有限，不利于为隧道场景孪生建模提供车辆更高精度、更多类型的数据支持的问题。
2、为了达到上述目的，本专利技术采用如下技术方案：
3、一种基于监控视频的隧道车辆信息全面感知方法，包括如下步骤：
4、步骤1：基于获取的历史隧道监控视频构建目标车辆数据集，同时获取实时隧道监控视频；
5、步骤2：通过目标车辆数据集训练yolov8网络模型，并基于训练好的yolov8网络模型对实时隧道监控视频进行所有目标车辆检测，得到各目标车辆的检测结果，并基于检测结果得到各目标车辆的中心坐标；
6、步骤3：基于实时隧道监控视频和各目标车辆的检测结果进行直方图均衡化和对比度增强处理，得到增强后的视频帧图像；
7、步骤4：基于各目标车辆的检测结果和中心坐标进行车辆颜色特征提取；
8、步骤5：基于各目标车辆的检测结果和边缘检测算法对各目标车辆进行形状特征提取和尺寸计算；
9、步骤6：基于增强后的视频帧图像构建车道线约束的车辆位置标定方法获取各目标车辆在车道线中的坐标数据，并基于坐标数据标定各目标车辆在实时隧道监控视频中车道线中的位置和姿态信息；
10、步骤7：基于增强后的视频帧图像构建立体匹配驱动的目标车辆速度计算方法，计算各目标车辆的速度；
11、步骤8：基于步骤4到步骤7得到的结果，最终得到所有目标车辆的全面感知信息。
12、进一步，所述步骤1的具体步骤为：
13、步骤1.1：采用背景减除法对获取的隧道监控视频进行视频帧抽取，得到视频帧图像数据集；
14、步骤1.2：使用高斯滤波对视频帧图像数据集中的视频帧图像进行去噪处理，再使用直方图均衡化对视频帧图像进行图像增强处理；
15、步骤1.3：将增强处理后的视频帧图像导入到labelimg中，使用labelimg对每一帧图像进行标注，标记出各目标车辆的相关信息，并将标注结果将保存为xml格式的文件，同时将标注结果与对应的视频帧图像保存在数据库中，构建目标车辆数据集，其中，各目标车辆的相关信息包括目标车辆的位置和类别。
16、进一步，所述步骤2的具体步骤为：
17、步骤2.1：采用目标车辆数据集对yolov8网络模型进行训练，训练好后对实时隧道监控视频进行所有目标车辆检测，得到各目标车辆的检测结果，包括左上角坐标(u1,v1)、右下角坐标(u2,v2)以及目标车辆检测框a的长度和宽度(w,h)；
18、步骤2.2：基于各目标车辆的检测结果，计算各目标车辆的中心坐标coordinate，公式为：
19、coordinate＝((u1+u2)/2,(v1+v2)/2) (1)。
20、进一步，所述步骤3采用光流法提取实时隧道监控视频中的视频帧图像，并基于各视频帧图像中的所有目标车辆的目标车辆检测框a标记视频帧图像，标记后进行直方图均衡化和对比度增强处理，得到增强后的视频帧图像。
21、进一步，所述步骤4的具体步骤为：
22、步骤4.1：以各目标车辆的中心坐标为基准，对对应的目标车辆检测框a进行等比例缩放或非等比例缩放；
23、为等比例缩放时，将各目标车辆的目标车辆检测框a尺寸调整为原来的一半，得到一个新的目标车辆检测框b，新的目标车辆检测框b的尺寸公式为：
24、size_b＝(w/2,h/2) (2)
25、为非等比例缩放时，根据长度和宽度的缩放需求，计算各目标车辆的长度和宽度方向上的缩放因子，并将缩放因子分别应用到对应的目标车辆检测框a的长度和宽度上，再根据中心坐标和缩放后的尺寸，重新计算目标车辆检测框a的左上角和右下角的位置，以及以中心坐标为基准，将目标车辆检测框a按照相应的缩放因子进行缩放，得到新的目标车辆检测框b；
26、步骤4.2：基于新的目标车辆检测框b提取车辆颜色特征，具体步骤为：
27、步骤4.21：将新的目标车辆检测框b中的图像从rgb颜色空间转换为hsv颜色空间；
28、步骤4.22：对转换后的图像进行直方图均衡化处理，再将得到的hsv值进行量化，即分别对h、s、v值进行量化，将h、s、v三个通道的量化区间数分别设为m、n和z，每个区间的宽度分别设为w、s和v；
29、对h进行量化，将h落在第i个区间内的像素归入h通道对应的本文档来自技高网...
【技术保护点】
1.一种基于监控视频的隧道车辆信息全面感知方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于监控视频的隧道车辆信息全面感知方法，其特征在于，所述步骤1的具体步骤为：
3.根据权利要求2所述的一种基于监控视频的隧道车辆信息全面感知方法，其特征在于，所述步骤2的具体步骤为：
4.根据权利要求3所述的一种基于监控视频的隧道车辆信息全面感知方法，其特征在于，所述步骤3采用光流法提取实时隧道监控视频中的视频帧图像，并基于各视频帧图像中的所有目标车辆的目标车辆检测框A标记视频帧图像，标记后进行直方图均衡化和对比度增强处理，得到增强后的视频帧图像。
5.根据权利要求4所述的一种基于监控视频的隧道车辆信息全面感知方法，其特征在于，所述步骤4的具体步骤为：
6.根据权利要求5所述的一种基于监控视频的隧道车辆信息全面感知方法，其特征在于，所述步骤5的具体步骤为：
7.根据权利要求6所述的一种基于监控视频的隧道车辆信息全面感知方法，其特征在于，所述步骤6的具体步骤为：
8.根据权利要求7所述的一种基于监
9.一种基于监控视频的隧道车辆信息全面感知系统，其特征在于，包括
...【技术特征摘要】
1.一种基于监控视频的隧道车辆信息全面感知方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于监控视频的隧道车辆信息全面感知方法，其特征在于，所述步骤1的具体步骤为：
3.根据权利要求2所述的一种基于监控视频的隧道车辆信息全面感知方法，其特征在于，所述步骤2的具体步骤为：
4.根据权利要求3所述的一种基于监控视频的隧道车辆信息全面感知方法，其特征在于，所述步骤3采用光流法提取实时隧道监控视频中的视频帧图像，并基于各视频帧图像中的所有目标车辆的目标车辆检测框a标记视频帧图像，标记后进行直方图均衡化和对比度增强处理，得到...
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。