[發(fā)明專利]一種基于監(jiān)控視頻的高速公路路面拋灑物檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110100793.4
• 申請(qǐng)日: 2021-01-26
• 公開（公告）號(hào): CN112883813B
• 公開（公告）日: 2022-02-01
• 發(fā)明（設(shè)計(jì)）人: 范亮;陳慶;李騰;顏新云
• 申請(qǐng)（專利權(quán)）人: 南京公路發(fā)展（集團(tuán)）有限公司;金陵科技學(xué)院
• 主分類號(hào): G06V20/40
• 分類號(hào): G06V20/40;G06V20/52;G06V10/26;G06V10/44;G06V10/764;G06V10/70;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G06N20/00;G06V10/56
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 徐燕

本發(fā)明提供了一種基于監(jiān)控視頻的高速公路路面拋灑物檢測(cè)方法，在基于監(jiān)控視頻的基礎(chǔ)上，使用機(jī)器學(xué)習(xí)的方法，學(xué)習(xí)高速公路特征和車輛特征，并且提取拋灑物特征，進(jìn)行檢測(cè)，最后得到拋灑物位置和范圍，反饋到系統(tǒng)中，本發(fā)明不僅限于高速公路，同時(shí)普通路面和其余路面也具有實(shí)用性，均可以檢測(cè)出不同形態(tài)、不同顏色的拋灑物，本發(fā)明還可以當(dāng)攝像頭所拍攝的視頻上傳到監(jiān)控室云端后，實(shí)時(shí)檢測(cè)路面有無拋灑物。

技術(shù)領(lǐng)域

本發(fā)明涉及目標(biāo)檢測(cè)圖像技術(shù)領(lǐng)域，具體涉及一種基于監(jiān)控視頻的高速公路路面拋灑物檢測(cè)方法。

背景技術(shù)

由于近年來，高速公路中頻繁出現(xiàn)事故。其事故原因大部分都是由于駕駛員或者乘車者扔擲垃圾或者車廂拋灑物，導(dǎo)致后面行車?yán)щy。但是高速公路中行車速度快，無法及時(shí)發(fā)現(xiàn)這些拋灑物，所以導(dǎo)致的事故不計(jì)其數(shù)。同時(shí)，國(guó)內(nèi)外并無高速公路拋灑物檢測(cè)有效技術(shù)，大部分都依賴于前后幀的場(chǎng)景連續(xù)性，無法隨意切換視頻源和檢測(cè)任意形態(tài)的拋灑物，小部分方法則無法當(dāng)拋灑物是動(dòng)態(tài)的時(shí)候進(jìn)行有效檢測(cè)和無法及時(shí)上報(bào)異常。比如在文獻(xiàn)面向高速公路拋灑物檢測(cè)的動(dòng)態(tài)背景建模方法[J]. 浙江大學(xué)學(xué)報(bào):工學(xué)版, 2020(7):1249-1255中對(duì)傳統(tǒng)高斯混合模型的背景劃分和模型匹配方法進(jìn)行改進(jìn),設(shè)計(jì)基于像素點(diǎn)的高斯分布背景模型權(quán)值的衰減狀況進(jìn)行背景建模和背景更新的方法,既能減少開放環(huán)境大量環(huán)境噪聲的影響,也能對(duì)拋灑物快速進(jìn)入靜止?fàn)顟B(tài)后的準(zhǔn)確檢測(cè)。文獻(xiàn)名稱為基于幀間差分自適應(yīng)法的車輛拋灑物檢測(cè)[J]. 長(zhǎng)春理工大學(xué)學(xué)報(bào):自然科學(xué)版, 2018,v.41(04):112-117等采用相位相關(guān)方法估計(jì)和補(bǔ)償偽運(yùn)動(dòng)，利用當(dāng)前幀與歷史幀的共性信息建立運(yùn)動(dòng)背景模型，提取實(shí)際運(yùn)動(dòng)目標(biāo)。通過形態(tài)學(xué)操作和卡爾曼濾波器跟蹤運(yùn)動(dòng)目標(biāo)，利用運(yùn)動(dòng)目標(biāo)質(zhì)心、尺寸和灰度強(qiáng)度分布等信息，解決跟蹤過程中的數(shù)據(jù)關(guān)聯(lián)問題。基于HOG 特征使用 SVM 分類器對(duì)非車輛目標(biāo)(拋灑物)進(jìn)行檢測(cè)。

發(fā)明內(nèi)容

（一）解決的技術(shù)問題

本發(fā)明的目的在于提供一種基于監(jiān)控視頻的高速公路路面拋灑物檢測(cè)方法，以解決上述背景技術(shù)中提出的實(shí)際問題。

（二）技術(shù)方案

為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于監(jiān)控視頻的高速公路路面拋灑物檢測(cè)方法，包括以下步驟：

步驟（1）：采集高速公路上的不同路段、不同時(shí)間的視頻，通過對(duì)視頻的解析，得到圖片，并對(duì)圖片進(jìn)行預(yù)處理，得到高速公路數(shù)據(jù)集圖像；

步驟（2）：使用分割模型對(duì)高速公路數(shù)據(jù)集圖像進(jìn)行分割掩碼得到高速公路區(qū)域圖像；

步驟（3）：將高速公路區(qū)域圖像與原始高速公路數(shù)據(jù)集圖像相加，并使用yolov5目標(biāo)檢測(cè)方法檢測(cè)出車輛的坐標(biāo)點(diǎn)；

步驟（4）：通過ORB角點(diǎn)檢測(cè)方法對(duì)原始視頻數(shù)據(jù)集圖像進(jìn)行檢測(cè)，得到特征點(diǎn)密集度大于200點(diǎn)的特征點(diǎn)圖像，并通過特征點(diǎn)圖像得到分類模型；

步驟（5）：訓(xùn)練得到分類模型后，進(jìn)行測(cè)試，輸入高速公路視頻，自動(dòng)在視頻中檢測(cè)出拋灑物，提示異常，如果沒有拋灑物，則提示正常

進(jìn)一步的，所述步驟（1）中的視頻是通過高速公路監(jiān)控?cái)z像頭采集的。

進(jìn)一步的，所述步驟（4）中的得到分類模型的具體過程包括：以特征點(diǎn)圖像的特征點(diǎn)為中心，上下左右各加50個(gè)像素為特征圖，作為正樣本，其余無特征點(diǎn)的部分，以滑動(dòng)窗口100*100的規(guī)格，進(jìn)行裁剪，作為負(fù)樣本，通過機(jī)器學(xué)習(xí)來訓(xùn)練正樣本和負(fù)樣本，得到分類模型。

進(jìn)一步的，所述機(jī)器學(xué)習(xí)采用SqueezeNet網(wǎng)絡(luò)作為分類網(wǎng)絡(luò)。

（三）有益效果

（1）基于監(jiān)控視頻的高速公路路面拋灑物檢測(cè)方法的適用性，本發(fā)明不僅限于高速公路，同時(shí)普通路面和其余路面也具有實(shí)用性，均可以檢測(cè)出不同形態(tài)、不同顏色的拋灑物。