一种智慧城市公路养护方法、计算机设备及介质

1.本技术涉及计算机技术领域，尤其是涉及一种智慧城市公路养护方法、计算机设备及介质。


背景技术：

2.随着我国基建工程的快速发展，在很多城市修建了很多公路，目前公路路网已经基本形成。公路必须进行科学合理养护以保证其保持良好的运营状态，为了保证公路的安全性、功能性和结构性，需要对公路进行及时的养护。公路养护是指对公路的保养与维护，保养侧重于从建成通车开始的全过程养护，维护侧重于对被破坏的部分进行修复。进一步地，公路养护必须及时修复损坏部分，否则将导致修复工程的投资加大，缩短公路的使用寿命，并给用路者造成损失。因此，如何及时发现公路发现损坏，并及时进行修护成为一个关键问题。
3.一般情况下，通过公路养护人员进行道路巡查，以确定公路是否存在损坏以及存在损坏的位置，或者通过群众反映哪块公路存在损坏，则安排公路养护人员进行修护。
4.发明人在研究中发现：无论是通过公路养护人员进行道路巡查以确定公路是否存在损坏，或者通过群众反映发现公路损坏，都不能及时的发现公路发现损坏，从而可能导致公路损坏较为严重的情况下才被发现并进行养护，进而可能导致提高对公路进行养护的成本。


技术实现要素：

5.本技术目的是提供一种智慧城市公路养护方法、计算机设备及介质，用于解决以上技术问题。
6.本技术的上述申请目的一是通过以下技术方案得以实现的：第一方面，提供了一种智慧城市公路养护方法，包括：获取预设路段对应的监控视频；基于所述预设路段对应的监控视频确定包含路面的多媒体信息以及包含车辆信息的多媒体信息；从所述包含路面的多媒体信息中筛选出至少一张图像信息；对所述至少一张图像信息进行灰度处理，得到灰度处理后的图像信息；对所述包含车辆信息的多媒体信息进行速度识别和/或行驶路线识别，得到速度识别结果和/或行驶路线结果；基于所述速度识别结果以及所述行驶路线结果中的至少一项，以及所述灰度处理后的图像信息，确定预设路段的路面是否存在缺陷；若存在缺陷，确定路面缺陷信息，所述路面缺陷信息包括：路面缺陷类型信息以及路面缺陷位置信息；基于所述路面缺陷信息确定对应的公路养护策略。
7.在一种可能的实现方式中，基于所述灰度处理后的图像信息确定预设路段的路面是否存在缺陷，包括：确定所述灰度处理后的图像信息中各个像素分别对应的像素值；将所述灰度处理后的图像信息转化为深度图像；基于所述各个像素分别对应的像素值以及所述深度图像确定当前路面是否存在缺陷。
8.在另一种可能的实现方式中，所述速度识别结果包括：至少一个车辆在行驶过程中的速度变化信息，所述行驶路线结果包括：至少一个车辆对应的行驶路线信息；基于所述速度识别结果以及所述行驶路线结果，确定预设路段的路面是否存在缺陷，包括：基于所述至少一个车辆在行驶过程中的速度变化信息，确定满足第一预设条件的路段；确定至少一个车辆在所述满足第一预设条件的路段中对应的实际行驶路线信息；确定所述实际行驶路线的偏移量；若所述实际行驶路线的偏移量满足第二预设条件，则确定预设路段的路面存在缺陷；其中，所述满足第一预设条件的路段包括：速度下降幅度大于预设幅度所对应的路段；所述第二预设条件包括：行驶路线的偏移量大于预设偏移量。
9.在另一种可能的实现方式中，确定任一车辆的实际行驶路线的偏移量，包括：在所述满足第一预设条件的路段中识别车道线；和/或，在所述满足第一预设条件的路段中识别车道边缘线；和/或，识别所述满足第一预设条件的路段的形状；确定所述任一车辆在预设参照点处的行驶方向以及所述预设参照点的位置信息，所述预设参照点为所述任一车辆进入满足第一预设条件的路段时所对应的参照点；基于所述车道线、所述车道边缘线以及所述满足第一预设条件的路段的形状中的至少一项，所述任一车辆在预设点处的行驶方向以及所述预设参照点的位置信息，预测行驶路线；基于预测到的行驶路线与所述实际行驶路线，确定所述任一车辆的实际行驶路线的偏移量。
10.在另一种可能的实现方式中，所述基于预测到的行驶路线与所述实际行驶路线，确定所述任一车辆实际行驶路线的偏移量，包括以下至少一项：确定各个第一参照点以及各自对应的第二参照点之间的偏移量，并基于所述各个第一参照点以及所述各自对应的第二参照点之间的偏移量，确定所述任一车辆实际行驶路线的偏移量，所述第一参照点为所述预测到的行驶路线上的参照点，所述第二参照点为所述实际行驶路线上的参照点；确定所述预测到的行驶路线的曲率信息以及所述实际行驶路线的曲率信息，并基于所述预设参照点的位置信息、所述预测到的行驶路线的曲率信息以及所述实际行驶路线的曲率信息，确定所述任一车辆实际行驶路线的偏移量。
11.在另一种可能的实现方式中，所述确定路面缺陷信息，包括：
若速度下降幅度大于预设幅度，和/或，所述实际行驶路线的偏移量不在预设偏移范围内，则确定第一位置，所述第一位置为速度下降幅度大于预设幅度的位置和/或实际行驶路线的偏移量不在预设偏移范围内的位置；基于所述第一位置从图像中筛选出至少一张满足第三预设条件的图像，并基于所述至少一张满足第三预设条件的图像预测当前路面是否存在凸起区域和/或凹陷区域，所述满足第三预设条件的图像包括：包含所述当前路面的图像；若存在，确定当前缺陷信息为凸起类型和/或凹陷类型，并确定凸起区域的属性信息和/或凹陷区域的属性信息，所述凸起区域的属性信息包括：凸起区域所对应的位置信息、所述凸起区域的凸起区域范围以及所述凸起区域的凸起高度；所述凹陷区域的属性信息包括：所述凹陷区域所对应的位置信息、所述凹陷区域的凹陷范围以及所述凹陷区域的凹陷深度。
12.在另一种可能的实现方式中，基于至少一张满足第三预设条件的图像确定凹陷区域的属性信息，包括：基于所述至少一张满足第三预设条件的图像，确定所述凹陷区域与摄像头的位置关系，并基于所述摄像头的位置信息以及所述凹陷区域与摄像头的位置关系确定凹陷区域的位置信息；对所述至少一张满足第三预设条件的图像进行梯度检测，得到梯度信息，并对所述梯度信息进行非极大值抑制处理，得到处理结果；基于所述处理结果确定所述凹陷区域的凹陷范围和所述凹陷区域的凹陷深度。
13.在另一种可能的实现方式中，基于至少一张满足第三预设条件的图像确定凸起区域的属性信息，包括：基于所述至少一张满足第三预设条件的图像，确定所述凸起区域与摄像头的关系，并基于摄像头的位置信息以及所述凸起区域与摄像头的关系确定凸起区域的位置信息；对所述凸起区域进行特征提取，并基于提取的特征确定所述凸起区域的凸起类型、凸起区域的凸起区域范围以及所述凸起区域的凸起高度。
14.在另一种可能的实现方式中，所述基于所述路面缺陷信息确定对应的公路养护策略，包括：获取存在路面缺陷的路段的车辆信息以及路面厚度信息；基于所述路面缺陷信息、所述路面厚度信息以及所述存在路面缺陷的路段的车辆信息，确定公路养护策略，所述公路养护策略包括：路面养护的时间、路面养护的位置、路面养护的工具、路面养护的材料以及完成路面养护所需的时间。
15.第二方面，提供了一种智慧城市公路养护装置，包括：获取模块，用于获取预设路段对应的监控视频；第一确定模块，用于基于所述预设路段对应的监控视频确定包含路面的多媒体信息以及包含车辆信息的多媒体信息；筛选模块，用于从所述包含路面的多媒体信息中筛选出至少一张图像信息；灰度处理模块，用于对所述至少一张图像信息进行灰度处理，得到灰度处理后的图像信息；
识别模块，用于对所述包含车辆信息的多媒体信息进行速度识别和/或行驶路线识别，得到速度识别结果和/或行驶路线结果；第二确定模块，用于基于所述速度识别结果以及所述行驶路线结果中的至少一项，以及所述灰度处理后的图像信息，确定预设路段的路面是否存在缺陷；第三确定模块，用于当存在缺陷时，确定路面缺陷信息，所述路面缺陷信息包括：路面缺陷类型信息以及路面缺陷位置信息；第四确定模块，用于基于所述路面缺陷信息确定对应的公路养护策略。
16.在一种可能的实现方式中，所述第二确定模块在基于所述灰度处理后的图像信息确定预设路段的路面是否存在缺陷时，具体用于：确定所述灰度处理后的图像信息中各个像素分别对应的像素值；将所述灰度处理后的图像信息转化为深度图像；基于所述各个像素分别对应的像素值以及所述深度图像确定当前路面是否存在缺陷。
17.在另一种可能的实现方式中，所述速度识别结果包括：至少一个车辆在行驶过程中的速度变化信息，所述行驶路线结果包括：至少一个车辆对应的行驶路线信息；所述第二确定模块在基于所述速度识别结果以及所述行驶路线结果，确定预设路段的路面是否存在缺陷时，具体用于：基于所述至少一个车辆在行驶过程中的速度变化信息，确定满足第一预设条件的路段；确定至少一个车辆在所述满足第一预设条件的路段中对应的实际行驶路线信息；确定所述实际行驶路线的偏移量；若所述实际行驶路线的偏移量满足第二预设条件，则确定预设路段的路面存在缺陷；其中，所述满足第一预设条件的路段包括：速度下降幅度大于预设幅度所对应的路段；所述第二预设条件包括：行驶路线的偏移量大于预设偏移量。
18.在另一种可能的实现方式中，所述第二确定模块在确定任一车辆的实际行驶路线的偏移量时，具体用于：在所述满足第一预设条件的路段中识别车道线；和/或，在所述满足第一预设条件的路段中识别车道边缘线；和/或，识别所述满足第一预设条件的路段的形状；确定所述任一车辆在预设参照点处的行驶方向以及所述预设参照点的位置信息，所述预设参照点为所述任一车辆进入满足第一预设条件的路段时所对应的参照点；基于所述车道线、所述车道边缘线以及所述满足第一预设条件的路段的形状中的至少一项，所述任一车辆在预设点处的行驶方向以及所述预设参照点的位置信息，预测行驶路线；基于预测到的行驶路线与所述实际行驶路线，确定所述任一车辆的实际行驶路线的偏移量。
19.在另一种可能的实现方式中，所述第二确定模块在基于预测到的行驶路线与所述实际行驶路线，确定所述任一车辆实际行驶路线的偏移量时，具体用于以下至少一项：
确定各个第一参照点以及各自对应的第二参照点之间的偏移量，并基于所述各个第一参照点以及所述各自对应的第二参照点之间的偏移量，确定所述任一车辆实际行驶路线的偏移量，所述第一参照点为所述预测到的行驶路线上的参照点，所述第二参照点为所述实际行驶路线上的参照点；确定所述预测到的行驶路线的曲率信息以及所述实际行驶路线的曲率信息，并基于所述预设参照点的位置信息、所述预测到的行驶路线的曲率信息以及所述实际行驶路线的曲率信息，确定所述任一车辆实际行驶路线的偏移量。
20.在另一种可能的实现方式中，所述第三确定模块在确定路面缺陷信息时，具体用于：当速度下降幅度大于预设幅度，和/或，所述实际行驶路线的偏移量不在预设偏移范围内时，确定第一位置，所述第一位置为速度下降幅度大于预设幅度的位置和/或实际行驶路线的偏移量不在预设偏移范围内的位置；基于所述第一位置从图像中筛选出至少一张满足第三预设条件的图像，并基于所述至少一张满足第三预设条件的图像预测当前路面是否存在凸起区域和/或凹陷区域，所述满足第三预设条件的图像包括：包含所述当前路面的图像；当存在凸起区域和/或凹陷区域时，确定当前缺陷信息为凸起类型和/或凹陷类型，并确定凸起区域的属性信息和/或凹陷区域的属性信息，所述凸起区域的属性信息包括：凸起区域所对应的位置信息、所述凸起区域的凸起区域范围以及所述凸起区域的凸起高度；所述凹陷区域的属性信息包括：所述凹陷区域所对应的位置信息、所述凹陷区域的凹陷范围以及所述凹陷区域的凹陷深度。
21.在另一种可能的实现方式中，所述第三确定模块在基于至少一张满足第三预设条件的图像确定凹陷区域的属性信息时，具体用于：基于所述至少一张满足第三预设条件的图像，确定所述凹陷区域与摄像头的位置关系，并基于所述摄像头的位置信息以及所述凹陷区域与摄像头的位置关系确定凹陷区域的位置信息；对所述至少一张满足第三预设条件的图像进行梯度检测，得到梯度信息，并对所述梯度信息进行非极大值抑制处理，得到处理结果；基于所述处理结果确定所述凹陷区域的凹陷范围和所述凹陷区域的凹陷深度。
22.在另一种可能的实现方式中，所述第三确定模块在基于至少一张满足第三预设条件的图像确定凸起区域的属性信息时，具体用于：基于所述至少一张满足第三预设条件的图像，确定所述凸起区域与摄像头的关系，并基于摄像头的位置信息以及所述凸起区域与摄像头的关系确定凸起区域的位置信息；对所述凸起区域进行特征提取，并基于提取的特征确定所述凸起区域的凸起类型、凸起区域的凸起区域范围以及所述凸起区域的凸起高度。
23.在另一种可能的实现方式中，所述第四确定模块在基于所述路面缺陷信息确定对应的公路养护策略时，具体用于：获取存在路面缺陷的路段的车辆信息以及路面厚度信息；基于所述路面缺陷信息、所述路面厚度信息以及所述存在路面缺陷的路段的车辆
信息，确定公路养护策略，所述公路养护策略包括：路面养护的时间、路面养护的位置、路面养护的工具、路面养护的材料以及完成路面养护所需的时间。
24.第三方面，提供了一种计算机设备，包括：至少一个处理器；存储器；至少一个应用程序，其中所述至少一个应用程序被存储在所述存储器中并被配置为由所述至少一个处理器执行，所述至少一个应用程序配置用于：执行根据第一方面所述的一种智慧城市公路养护方法。
25.第四方面，提供了一种计算机可读存储介质，所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第一方面所述的一种智慧城市公路养护方法。
26.综上所述，本技术包括以下至少一种有益技术效果：本技术提供了一种智慧城市公路养护方法、计算机设备及介质，与相关技术相比，本技术通过对预设路段对应的监控视频进行处理，以得到包含路面的多媒体信息以及包含车辆信息的多媒体信息，并通过对包含路面的多媒体信息进行灰度处理，以得到灰度处理后的图像，以及通过对所述包含车辆信息的多媒体信息进行车辆速度识别和/或车辆行驶路线识别，以得到速度识别结果和/或行驶路线结果，能够基于这些信息确定预设路段的路面是否存在缺陷，以及相对应的路面缺陷信息，从而可以根据路面缺陷信息确定出对应的公路养护策略，从而可以提高公路损坏被发现的效率，进而也可以降低对公路进行养护的成本。
附图说明
27.图1是本技术实施例提供的一种智慧城市公路养护方法流程示意图；图2是本技术实施例提供的一种智慧城市公路养护装置结构示意图；图3是本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
28.以下结合附图对本技术作进一步详细说明。
29.本具体实施例仅仅是对本技术的解释，其并不是对本技术的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本技术的权利要求范围内都受到专利法的保护。
30.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
31.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
32.下面结合说明书附图对本技术实施例作进一步详细描述。
33.本技术实施例提供一种智慧城市公路养护方法，如图1所示，在本技术实施例中提供的智慧城市公路养护方法可以由计算机设备执行，该计算机设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此，该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本技术实施例在此不做限制，该方法包括：步骤s101、获取预设路段对应的监控视频。
34.具体地，预设路段可以为用户触发的公路养护请求中携带的，也就是说，当检测到用户触发的公路养护请求信息时，基于请求信息获取预设路段对应的监测视频；也可以预先设置路段与养护时间的关系，也就是说，当达到针对预设路段的养护时间时，获取预设路段对应的监控视频。
35.进一步地，预先设置路段和摄像头之间的映射关系，获取预设路段对应的摄像头信息，并基于预设路段对应的摄像头信息获取预设路段对应的监控视频。在本技术实施例中，预设路段对应的监控视频不限于一个摄像头拍摄的监控视频，可以为至少两个摄像头拍摄的监控视频，在本技术实施例中不做限定。
36.步骤s102、基于预设路段对应的监控视频确定包含路面的多媒体信息以及包含车辆信息的多媒体信息。
37.具体地，在得到预设路段对应的监控视频时，可以对监控视频中各个视频帧分别进行目标识别或者目标检测，以确定包含路面的多媒体信息以及包含车辆信息的多媒体信息；也可以在得到预设路段对应的监控视频时，从预设路段对应的监控视频中抽取多帧视频帧，并基于抽取得到的多帧视频帧进行目标识别或者目标检测，以确定包含路面的多媒体信息以及包含车辆信息的多媒体信息。
38.步骤s103、从包含路面的多媒体信息中筛选出至少一张图像信息。
39.对于本技术实施例，由于包含路面的多媒体信息中可能包含很多帧图像，为了降低灰度处理的复杂度，可以从包含里面的多媒体信息中筛选出至少一张图像信息，并使得后续对至少一张图像信息进行灰度处理。具体地，从包含路面的多媒体信息中筛选出至少一张图像信息的方式可以包括：随机从包含路面的多媒体信息中筛选至少一张图像信息，或者，从包含路面的多媒体信息中筛选出包含完整路面的至少一张图像信息。
40.步骤s104、对至少一张图像信息进行灰度处理，得到灰度处理后的图像信息。
41.具体地，在本技术实施例中，对至少一张图像信息中每张图像信息进行灰度处理，得到灰度处理后的图像信息，在本技术实施例中并不对灰度处理的方式进行限定。
42.步骤s105、对包含车辆信息的多媒体信息进行速度识别和/或行驶路线识别，得到速度识别结果和/或行驶路线结果。
43.对于本技术实施例，对包含车辆信息的多媒体信息进行速度识别的方式，可以通过训练后的网络模型进行识别，也可以通过其他算法对车辆进行速度识别；同理，对包含车辆信息的多媒体信息进行行驶路线的识别的方式可以通过训练后的网络模型进行识别，也可以通过其他算法对车辆进行行驶路线识别。
44.需要说明的是：步骤s105可以在步骤s103之前执行，可以在步骤s104之前执行，可以在步骤s104之后执行，可以和步骤s103同时执行，也可以和步骤s104同时执行，其中，图1
仅是一种可能的执行顺序示意图，并不作为对本技术实施例的限定。
45.步骤s106、基于速度识别结果以及行驶路线结果中的至少一项，以及灰度处理后的图像信息，确定预设路段的路面是否存在缺陷。
46.对于本技术实施例，在通过上述实施例得到速度识别结果以及行驶路线结果中的至少一项，以及灰度处理后的图像信息之后，基于这些信息确定预设路段的路面是否存在缺陷。例如，可以确定是否存在路面凹陷、路面凸起和/或裂缝等缺陷。
47.步骤s107、若存在缺陷，确定路面缺陷信息。
48.其中，路面缺陷信息包括：路面缺陷类型信息以及路面缺陷位置信息。
49.步骤s108、基于路面缺陷信息确定对应的公路养护策略。
50.对于本技术实施例，不同的路面缺陷类型对应的公路养护策略并不相同，并且路面缺陷位置信息不同，对应的公路养护策略也可能不同。在本技术实施例中，路面缺陷类型不同，对应的公路养护工具、公路养护材料以及公路养护方式可能均不相同；路面缺陷的位置信息不同，对应的公路养护的时间也并不相同。
51.本技术实施例提供了一种智慧城市公路养护方法，与相关技术相比，本技术实施例通过对预设路段对应的监控视频进行处理，以得到包含路面的多媒体信息以及包含车辆信息的多媒体信息，并通过对包含路面的多媒体信息进行灰度处理，以得到灰度处理后的图像，以及通过对所述包含车辆信息的多媒体信息进行车辆速度识别和/或车辆行驶路线识别，以得到速度识别结果和/或行驶路线结果，能够基于这些信息确定预设路段的路面是否存在缺陷，以及相对应的路面缺陷信息，从而可以根据路面缺陷信息确定出对应的公路养护策略，从而可以提高公路损坏被发现的效率，进而也可以降低对公路进行养护的成本。
52.具体地，在本技术实施例中，步骤s101-步骤s105可以采用本技术实施例中介绍的方式来实现，也可以通过相关技术中介绍的方式来实现。
53.具体地，步骤s106中基于灰度处理后的图像信息确定预设路段的路面是否存在缺陷，具体可以包括：步骤s1061（图中未示出）、步骤s1062（图中未示出）以及步骤s1063（图中未示出），其中，步骤s1061、确定灰度处理后的图像信息中各个像素分别对应的像素值。
54.步骤s1062、将灰度处理后的图像信息转化为深度图像。
55.具体地，在本技术实施例中，可以通过一张灰度处理后的图像信息，确定对应的深度图像，也可以通过至少两张灰度处理后的图像确定深度图像。具体地，通过两张灰度处理后的图像确定深度图像的方式，可以包括：计算第一灰度处理后的图像和第二灰度处理后的图像中对应于目标的相同位置的像素点在水平方向的偏移量；根据偏移量，利用计算公式获得像素点的深度信息；根据第一灰度处理后的图像或第二灰度处理后的图像中所有像素点的深度信息获得对应的深度图像。
56.具体地，步骤s1061可以在步骤s1062之前执行，也可以在步骤s1062之后执行，也可以与步骤s1062同时执行，在本技术实施例中不限定。
57.步骤s1063、基于各个像素分别对应的像素值以及深度图像确定当前路面是否存在缺陷。
58.具体地，基于各个像素分别对应的像素值以及深度图像确定路面是否存在缺陷，具体可以包括：基于各个像素分别对应的像素值得到各个像素处灰度值的分布，基于各个
像素处灰度值的分布以及深度图像确定当前路面是否存在缺陷。
59.具体地，基于各个像素处灰度值的分布以及深度图像确定当前路面是否存在缺陷，具体可以包括：基于各个像素处灰度值的分布确定各对应位置处的相对深度，基于确定出的各对应位置处的相对深度，确定当前路面是否存在缺陷；基于深度图像确定当前路面是否存在缺陷，若上述至少一项可以确定出缺陷，则可以确定当前路面存在缺陷。
60.具体地，基于各个像素处灰度值的分布以及深度图像确定当前路面是否存在缺陷，具体还可以包括：基于各个像素处灰度值的分布确定各对应位置处的相对深度，并基于各对应位置处的相对深度调整深度图像，基于调整后的深度图像确定当前路面是否存在缺陷。
61.进一步地，速度识别结果包括：至少一个车辆在行驶过程中的速度变化信息，行驶路线结果包括：至少一个车辆对应的行驶路线信息；在本技术实施例中，步骤s106中基于速度识别结果以及行驶路线结果，确定预设路段的路面是否存在缺陷，具体可以包括：步骤s106a（图中未示出）、步骤s106b（图中未示出）、步骤s106c（图中未示出）以及步骤s106d（图中未示出），在本技术实施例中，步骤s106a-步骤s106d可以在步骤s1061-步骤s1063之前执行，也可以在步骤s1061-步骤s1063之后执行，也可以与步骤s1061-步骤s1063同时执行，也可以为其他执行顺序，在本技术实施例中不做限定。
62.步骤s106a、基于至少一个车辆在行驶过程中的速度变化信息，确定满足第一预设条件的路段。
63.其中，满足第一预设条件的路段包括：速度下降幅度大于预设幅度所对应的路段。在本技术实施例中，预设幅度可以预先设置的，也可以为用户输入的，还可以为特定方式计算得到的，在本技术实施例中不做限定。进一步地，若预设幅度为基于特定方式计算得到的，则可以通过车辆类型以及预设路段的规定的车辆速度信息确定。
64.步骤s106b、确定至少一个车辆在满足第一预设条件的路段中对应的实际行驶路线信息。
65.步骤s106c、确定实际行驶路线的偏移量。在本技术实施例中，确定实际行驶路线的偏移量，具体可以包括：确定实际行驶路线相对于预测行驶路线的偏移量。
66.具体地，确定任一车辆的实际行驶路线的偏移量，具体可以包括：步骤s1（图中未示出）、步骤s2（图中未示出）以及步骤s3（图中未示出）中的至少一项、步骤s4（图中未示出）、步骤s5（图中未示出）以及步骤s6（图中未示出），其中，步骤s1、在满足第一预设条件的路段中识别车道线。
67.具体地，通过从包含路面的多媒体信息中确定满足第一预设条件的路段对应的多媒体信息，并基于满足第一预设条件的路段对应的多媒体信息识别车道线。
68.进一步地，为了降低识别车道线的复杂度以及降低计算压力，可以从满足第一预设条件对应的多媒体信息中筛选出至少一张图像，并基于筛选的至少一张图像识别车道线。
69.步骤s2、在满足第一预设条件的路段中识别车道边缘线。
70.具体地，通过从包含路面的多媒体信息中确定满足第一预设条件的路段对应的多媒体信息，并基于满足第一预设条件的路段对应的多媒体信息识别车道边缘线。
71.进一步地，为了降低识别车道边缘线的复杂度以及降低计算压力，可以从满足第
一预设条件对应的多媒体信息中筛选出至少一张图像，并基于筛选的至少一张图像识别车道边缘线。
72.步骤s3、识别满足第一预设条件的路段的形状。
73.具体地，通过从包含路面的多媒体信息中确定满足第一预设条件的路段对应的多媒体信息，并基于满足第一预设条件的路段对应的多媒体信息识别满足第一预设条件的路段的形状。
74.进一步地，为了降低识别路段形状的复杂度以及降低计算压力，可以从满足第一预设条件对应的多媒体信息中筛选出至少一张图像，并基于筛选的至少一张图像识别满足第一预设条件的路段的形状。
75.对于本技术实施例，步骤s1、步骤s2以及步骤s3中所利用的满足第一预设条件的路段对应的多媒体信息可以为相同的多媒体信息，也可以为不同的多媒体信息，也可以部分相同，在本技术实施例中不做限定。
76.需要说明的是，若同时包含步骤s1、步骤s2以及步骤s3，则步骤s1、步骤s2以及步骤s3的执行顺序可以为任意可能的执行顺序，例如步骤s1、步骤s2以及步骤s3可以同时执行。
77.步骤s4、确定任一车辆在预设参照点处的行驶方向以及预设参照点的位置信息。
78.其中，预设参照点为任一车辆进入满足第一预设条件的路段时所对应的参照点。
79.步骤s5、基于车道线、车道边缘线以及满足第一预设条件的路段的形状中的至少一项，任一车辆在预设点处的行驶方向以及预设参照点的位置信息，预测行驶路线。
80.具体地，基于车道线、车道边缘线以及满足第一预设条件的路段的形状中的至少一项，任一车辆在预设点处的行驶方向以及预设参照点的位置信息预测行驶路线的方式，具体可以包括通过训练后的行驶路线预测模型去进行行驶路线预测，也通过其他的算法去预测行驶路线。
81.步骤s6、基于预测到的行驶路线与实际行驶路线，确定任一车辆的实际行驶路线的偏移量。
82.具体地，在本技术实施例中，任一车辆的实际行驶路线的偏移量，具体可以包括：实际行驶路线中各个参照点与各自对应的预测行驶路线的参照点之间的偏移量；也可以包括：实际行驶路线与预测行驶路线之间的最大偏移量；还可以包括：实际行驶路线与预测行驶路线之间的平均偏移量。
83.具体地，基于预测到的行驶路线与实际行驶路线，确定任一车辆的实际行驶路线的偏移量具体可以包括步骤s61（图中未示出）以及步骤s62（图中未示出）中的至少一项，其中，步骤s61、确定各个第一参照点以及各自对应的第二参照点之间的偏移量，并基于各个第一参照点以及各自对应的第二参照点之间的偏移量，确定任一车辆实际行驶路线的偏移量。
84.其中，第一参照点为预测到的行驶路线上的参照点，第二参照点为实际行驶路线上的参照点。
85.对于本技术实施例，步骤s61中确定各个第一参照点以及各自对应的第二参照点之间的偏移量，可以通过至少两种方式来实现，其中，
第一种方式：各个第一参照点以及各个第二参照点可以为工程师分别在预测到的行驶路线上以及实际行驶路线上绘制的。进一步地，基于工程师在预测到的行驶路线上以及实际行驶路线上绘制的参照点确定各个第一参照点以及各自对应的第二参照点之间的偏移量。
86.第二种方式，通过网络模型确定各个第一参照点以及各自对应的第二参照点之间偏移量。
87.进一步地，在通过上述实施例得到各个第一参照点以及各自对应的第二参照点之间的偏移量（各个偏移量）之后，将各个偏移量确定为任一车辆实际行驶路线的偏移量，也可以将各个偏移量对应的平均值确定为任一车辆实际行驶路线的偏移量，还可以将各个偏移量中的最大偏移量确定为任一车辆实际行驶路线的偏移量。
88.步骤s62、确定预测到的行驶路线的曲率信息以及实际行驶路线的曲率信息，并基于预设参照点的位置信息、预测到的行驶路线的曲率信息以及实际行驶路线的曲率信息，确定任一车辆实际行驶路线的偏移量。
89.具体地，在通过上述实施例得到预测到的行驶路线以及实际行驶路线之后，即可以根据预测到的行驶路线以及实际行驶路线确定各自对应的曲率信息，在得到各自对应的曲率信息后，基于各自曲率信息以及预设参照点的位置信息，确定出任一车辆实际行驶路线的偏移量。在本技术实施例中，可以通过网络模型确定任一车辆实际行驶路线的偏移量，也可以通过相关曲率算法确定任一车辆实际行驶路线的偏移量。
90.步骤s106d、若实际行驶路线的偏移量满足第二预设条件，则确定预设路段的路面存在缺陷。
91.其中，第二预设条件包括：行驶路线的偏移量大于预设偏移量。
92.具体地，在得到实际行驶路线的偏移量之后，根据实际行驶路线的偏移量预测预设路段的路面是否存在缺陷。在本技术实施例中，当实际行驶路线的偏移量大于预设偏移量，则预测预设路段的路面存在缺陷，若实际行驶路线的偏移量不大于预设偏移量，则预测预设路段的路面不存在缺陷。
93.具体地，若实际行驶路线的偏移量为各个偏移量（各个第一参照点与各自对应的第二参照点之间的偏移量），则各个偏移量中大于预设阈值的偏移量大于预设偏移量，则预测预设路段的路面存在缺陷，反之预测预设路段的路面并未存在缺陷；若实际行驶路线的偏移量为平均偏移量，当该平均偏移量大于预设偏移量，确定预设路段的路面存在缺陷，反之预测预设路段的路面不存在缺陷；若实际路线的偏移量为最大偏移量，当该最大偏移量大于预设偏移量时，确定预设路段的路面存在缺陷，反之，预测预设路段的路面不存在缺陷。
94.进一步地，在确定出预设路段的路面存在缺陷后，需要进一步地确定路面缺陷具体信息，例如，缺陷类型以及缺陷位置等，在本技术实施例中，确定路面缺陷信息，具体可以包括：步骤sa（图中未示出）、步骤sb（图中未示出）以及步骤sc（图中未示出），其中，步骤sa、若速度下降幅度大于预设幅度，和/或，实际行驶路线的偏移量不在预设偏移范围内，则确定第一位置。
95.其中，第一位置为速度下降幅度大于预设幅度的位置和/或实际行驶路线的偏移
量不在预设偏移范围内的位置。
96.对于本技术实施例，若速度下降幅度大于预设幅度，则确定速度下降幅度大于预设幅度的位置确定为第一位置；若实际行驶路线的偏移量不在预设偏移范围内，则确定实际行驶路线不在预设偏移范围内的位置为第一位置；若速度下降幅度大于预设幅度，以及实际行驶路线的偏移量不在预设偏移范围内，则基于第一位置为速度下降幅度大于预设幅度的位置和实际行驶路线的偏移量不在预设偏移范围内的位置确定第一位置。
97.步骤sb、基于第一位置从图像中筛选出至少一张满足第三预设条件的图像，并基于至少一张满足第三预设条件的图像预测当前路面是否存在凸起区域和/或凹陷区域。
98.其中，满足第三预设条件的图像包括：包含当前路面的图像。
99.对于本技术实施例，第一位置对应的路段的路面称为当前路面，在确定第一位置的位置信息后，基于第一位置的位置信息从包含路面的多媒体信息中筛选出包含当前路面的至少一张图像，并基于筛选出的至少一张图像预测当前路面是否存在凸起区域和/或凹陷区域。
100.具体地，在本技术实施例中，步骤sb中筛选出至少一张满足第三预设条件的图像的方式，以及预测当前路面是否存在凸起区域和/或凹陷区域的方式可以通过训练后的网络模型实现，也可以通过图像处理的相关技术实现，在本技术实施例中不做限定。
101.步骤sc、若存在，确定当前缺陷信息为凸起类型和/或凹陷类型，并确定凸起区域的属性信息和/或凹陷区域的属性信息。
102.其中，凸起区域的属性信息包括：凸起区域所对应的位置信息、凸起区域的凸起区域范围以及凸起区域的凸起高度；凹陷区域的属性信息包括：凹陷区域所对应的位置信息、凹陷区域的凹陷范围以及凹陷区域的凹陷深度。
103.具体地，基于至少一张满足第三预设条件的图像确定凹陷区域的属性信息，具体可以包括：基于至少一张满足第三预设条件的图像，确定凹陷区域与摄像头的位置关系，并基于摄像头的位置信息以及凹陷区域与摄像头的位置关系确定凹陷区域的位置信息；对至少一张满足第三预设条件的图像进行梯度检测，得到梯度信息，并对梯度信息进行非极大值抑制处理，得到处理结果；基于处理结果确定凹陷区域的凹陷范围和凹陷区域的凹陷深度。在本技术实施例中，在确定凹陷区域的位置信息之前可以执行确定凹陷区域的凹陷范围和凹陷深度，也可以在确定凹陷区域的位置信息之后执行确定凹陷区域的凹陷范围和凹陷深度，也可以同时执行，在本技术实施例中不做限定。
104.具体地，把图像看成二维离散函数f(x,y)，图像梯度其实就是这个二维离散函数的求导(即f(x,y)的求导得g(x,y))，其中，图像梯度: g(x,y) = dx(i,j) + dy(i,j)；dx(i,j) = i(i+1,j)
ꢀ‑ꢀ
i(i,j)；dy(i,j) = i(i,j+1)
ꢀ‑ꢀ
i(i,j)；其中，i是图像像素的值(如：rgb值)，(i,j)为像素的坐标。
105.在另一种可能的实现方式中，图像梯度一般也可以用中值差分，具体如下所示：dx(i,j) = [i(i+1,j)
ꢀ‑ꢀ
i(i-1,j)]/2；dy(i,j) = [i(i,j+1)
ꢀ‑ꢀ
i(i,j-1)]/2；梯度的方向是图像函数f(x,y)变化最快的方向，当图像中存在边缘时，一定有较
大的梯度值，相反，当图像中有比较平滑的部分时，灰度值变化较小，则相应的梯度也较小，图像处理中把梯度的模简称为梯度。在本技术实施例中的梯度信息可以包括：梯度幅值和梯度方向。
[0106]
为了得到精确的边缘，我们需要进行非极大值抑制，只确定一个局部极大值而将其他置零，从而去除边缘附近的模糊。在本技术实施例中，非极大值抑制（non-maximum suppression，nms），顾名思义就是抑制不是极大值的元素，可以理解为局部最大搜索。这个局部代表的是一个邻域，邻域有两个参数可变，一是邻域的维数，二是邻域的大小。
[0107]
进一步地，在通过极大值抑制处理后可以得到最终的边缘检测结果，并基于最终的边缘检测结果，确定凹陷区域的凹陷范围，例如，可以将边缘上点与点的最远距离确定凹陷区域的凹陷范围。进一步地，在本技术实施例中，在确定出最终的边缘检测结果后，通过图像深度检测，以得到凹陷区域的凹陷深度。
[0108]
进一步地，在本技术实施例中，基于任一张满足第三预设条件的图像确定凹陷区域的属性信息，具体可以包括：确定任一张满足第三预设条件的图像中每个像素对应的深度值，确定深度值小于预设深度值的像素所处的区域，并基于深度值小于预设深度值的像素所处的区域确定凹陷区域的凹陷范围，进一步地，基于凹陷区域的各个像素点分别对应的深度值，确定凹陷区域的凹陷深度。例如，基于凹陷区域中像素点深度值的最大值确定凹陷区域的凹陷深度。
[0109]
具体地，基于至少一张满足第三预设条件的图像确定凸起区域的属性信息，具体可以包括：基于至少一张满足第三预设条件的图像，确定凸起区域与摄像头的关系，并基于摄像头的位置信息以及凸起区域与摄像头的关系确定凸起区域的位置信息；对凸起区域进行特征提取，并基于提取的特征确定凸起区域的凸起类型、凸起区域的凸起区域范围以及凸起区域的凸起高度。
[0110]
对于本技术实施例，确定凸起区域的位置的方式与上文中确定凹陷区域的位置信息的方式类似，在本技术实施例中不再赘述。
[0111]
进一步地，确定凸起区域的位置信息可以在确定凸起区域的凸起类型、凸起范围以及凸起高度之前执行，也可以在确定凸起区域的凸起类型、凸起范围以及凸起高度之后执行，也可以与确定凸起区域的的凸起类型、凸起范围以及凸起高度同时执行，在本技术实施例中不做限定。
[0112]
进一步地，在本技术实施例中，通过对凸起区域的图像进行特征提取，提取亮度特征、颜色特征以及纹理特征等，进而根据亮度特征以及颜色特征等确定出凸起区域的凸起类型、凸起范围以及凸起高度。在本技术实施例中，凸起类型主要可以包括：路面凸起以及非路面凸起。在本技术实施例中，路面凸起用于表征路面出现缺陷，非路面凸起可以为掉落在路面上的树叶、土块等，并不用于表示路面出现缺陷。
[0113]
进一步地，在确定出路面缺陷信息后，基于路面缺陷信息确定对应的公路养护策略，具体可以包括：获取存在路面缺陷的路段的车辆信息以及路面厚度信息；基于路面缺陷信息、路面厚度信息以及存在路面缺陷的路段的车辆信息，确定公路养护策略。
[0114]
对于本技术实施例，预先存储各个公路与路面厚度的映射关系，甚至可以预先存储各个路段与路面厚度的映射关系。在确定出存在路面缺陷的路段后，确定出存在路面缺陷的路面厚度。除了预先存储各个公路对应的路面厚度之外，还可以通过网络模型来确定
路面的厚度，或者通过其他图像处理的方式来确定路面的厚度。
[0115]
进一步地，在获取预设路段的监控视频后，可以确定预设路段的车流量，也可以确定预设路段在各个时段内分别对应的车流量。在本技术实施例中不对获取车流量的方式进行限定。
[0116]
进一步地，在得到存在路面缺陷的路段的车辆信息以及路面厚度信息之后，基于路面缺陷信息、路面厚度信息以及存在路面缺陷的路段的车辆信息通过训练后的网络模型确定出公路养护策略。进一步地，还可以实时记录在当前路面缺陷信息、路面厚度信息以及存在路面缺陷的路段的车辆信息的情况下所确定出的公路养护策略，并基于此对该训练后的网络模型进行更新，以得到更为准确的模型，进而可以提高基于模型确定公路养护策略的准确度。
[0117]
其中，公路养护策略包括：路面养护的时间、路面养护的位置、路面养护的工具、路面养护的材料以及完成路面养护所需的时间。
[0118]
上述实施例从方法流程的角度介绍了一种智慧城市公路养护方法，下述实施例从模块或者单元的角度介绍了一种智慧城市公路养护装置，具体详见下述实施例。
[0119]
本技术实施例提供了一种智慧城市公路养护装置，如图2所示，智慧城市公路养护装置20可以包括：获取模块21、第一确定模块22、筛选模块23、灰度处理模块24、识别模块25、第二确定模块26、第三确定模块27以及第四确定模块28，其中，获取模块21，用于获取预设路段对应的监控视频。
[0120]
第一确定模块22，用于基于预设路段对应的监控视频确定包含路面的多媒体信息以及包含车辆信息的多媒体信息。
[0121]
筛选模块23，用于从包含路面的多媒体信息中筛选出至少一张图像信息。
[0122]
灰度处理模块24，用于对至少一张图像信息进行灰度处理，得到灰度处理后的图像信息。
[0123]
识别模块25，用于对包含车辆信息的多媒体信息进行速度识别和/或行驶路线识别，得到速度识别结果和/或行驶路线结果。
[0124]
第二确定模块26，用于基于速度识别结果以及行驶路线结果中的至少一项，以及灰度处理后的图像信息，确定预设路段的路面是否存在缺陷。
[0125]
第三确定模块27，用于当存在缺陷时，确定路面缺陷信息。
[0126]
其中，路面缺陷信息包括：路面缺陷类型信息以及路面缺陷位置信息。
[0127]
第四确定模块28，用于基于路面缺陷信息确定对应的公路养护策略。
[0128]
具体地，第一确定模块22、第二确定模块26、第三确定模块27以及第四确定模块28可以为相同的确定模块，也可以为不同的确定模块，也可以部分为相同的确定模块，在本技术实施例中不做限定。
[0129]
本技术实施例的一种可能的实现方式，第二确定模块26在基于灰度处理后的图像信息确定预设路段的路面是否存在缺陷时，具体用于：确定灰度处理后的图像信息中各个像素分别对应的像素值；将灰度处理后的图像信息转化为深度图像；基于各个像素分别对应的像素值以及深度图像确定当前路面是否存在缺陷。
[0130]
本技术实施例的另一种可能的实现方式，速度识别结果包括：至少一个车辆在行
驶过程中的速度变化信息，行驶路线结果包括：至少一个车辆对应的行驶路线信息；第二确定模块26在基于速度识别结果以及行驶路线结果，确定预设路段的路面是否存在缺陷时，具体用于：基于至少一个车辆在行驶过程中的速度变化信息，确定满足第一预设条件的路段；确定至少一个车辆在满足第一预设条件的路段中对应的实际行驶路线信息；确定实际行驶路线的偏移量；若实际行驶路线的偏移量满足第二预设条件，则确定预设路段的路面存在缺陷；其中，满足第一预设条件的路段包括：速度下降幅度大于预设幅度所对应的路段；第二预设条件包括：行驶路线的偏移量大于预设偏移量。
[0131]
本技术实施例的另一种可能的实现方式，第二确定模块26在确定任一车辆的实际行驶路线的偏移量时，具体用于：在满足第一预设条件的路段中识别车道线；和/或，在满足第一预设条件的路段中识别车道边缘线；和/或，识别满足第一预设条件的路段的形状；确定任一车辆在预设参照点处的行驶方向以及预设参照点的位置信息，预设参照点为任一车辆进入满足第一预设条件的路段时所对应的参照点；基于车道线、车道边缘线以及满足第一预设条件的路段的形状中的至少一项，任一车辆在预设点处的行驶方向以及预设参照点的位置信息，预测行驶路线；基于预测到的行驶路线与实际行驶路线，确定任一车辆的实际行驶路线的偏移量。
[0132]
本技术实施例的另一种可能的实现方式，第二确定模块26在基于预测到的行驶路线与实际行驶路线，确定任一车辆实际行驶路线的偏移量时，具体用于以下至少一项：确定各个第一参照点以及各自对应的第二参照点之间的偏移量，并基于各个第一参照点以及各自对应的第二参照点之间的偏移量，确定任一车辆实际行驶路线的偏移量，第一参照点为预测到的行驶路线上的参照点，第二参照点为实际行驶路线上的参照点；确定预测到的行驶路线的曲率信息以及实际行驶路线的曲率信息，并基于预设参照点的位置信息、预测到的行驶路线的曲率信息以及实际行驶路线的曲率信息，确定任一车辆实际行驶路线的偏移量。
[0133]
本技术实施例的另一种可能的实现方式，第三确定模块27在确定路面缺陷信息时，具体用于：当速度下降幅度大于预设幅度，和/或，实际行驶路线的偏移量不在预设偏移范围内时，确定第一位置，第一位置为速度下降幅度大于预设幅度的位置和/或实际行驶路线的偏移量不在预设偏移范围内的位置；基于第一位置从图像中筛选出至少一张满足第三预设条件的图像，并基于至少一张满足第三预设条件的图像预测当前路面是否存在凸起区域和/或凹陷区域，满足第三预设条件的图像包括：包含当前路面的图像；当存在凸起区域和/或凹陷区域时，确定当前缺陷信息为凸起类型和/或凹陷类型，并确定凸起区域的属性信息和/或凹陷区域的属性信息，凸起区域的属性信息包括：凸
起区域所对应的位置信息、凸起区域的凸起区域范围以及凸起区域的凸起高度；凹陷区域的属性信息包括：凹陷区域所对应的位置信息、凹陷区域的凹陷范围以及凹陷区域的凹陷深度。
[0134]
本技术实施例的另一种可能的实现方式，第三确定模块27在基于至少一张满足第三预设条件的图像确定凹陷区域的属性信息时，具体用于：基于至少一张满足第三预设条件的图像，确定凹陷区域与摄像头的位置关系，并基于摄像头的位置信息以及凹陷区域与摄像头的位置关系确定凹陷区域的位置信息；对至少一张满足第三预设条件的图像进行梯度检测，得到梯度信息，并对梯度信息进行非极大值抑制处理，得到处理结果；基于处理结果确定凹陷区域的凹陷范围和凹陷区域的凹陷深度。
[0135]
本技术实施例的另一种可能的实现方式，第三确定模块27在基于至少一张满足第三预设条件的图像确定凸起区域的属性信息时，具体用于：基于至少一张满足第三预设条件的图像，确定凸起区域与摄像头的关系，并基于摄像头的位置信息以及凸起区域与摄像头的关系确定凸起区域的位置信息；对凸起区域进行特征提取，并基于提取的特征确定凸起区域的凸起类型、凸起区域的凸起区域范围以及凸起区域的凸起高度。
[0136]
本技术实施例的另一种可能的实现方式，第四确定模块28在基于路面缺陷信息确定对应的公路养护策略时，具体用于：获取存在路面缺陷的路段的车辆信息以及路面厚度信息；基于路面缺陷信息、路面厚度信息以及存在路面缺陷的路段的车辆信息，确定公路养护策略，公路养护策略包括：路面养护的时间、路面养护的位置、路面养护的工具、路面养护的材料以及完成路面养护所需的时间。
[0137]
本技术实施例提供了一种智慧城市公路养护装置，与相关技术相比，本技术实施例通过对预设路段对应的监控视频进行处理，以得到包含路面的多媒体信息以及包含车辆信息的多媒体信息，并通过对包含路面的多媒体信息进行灰度处理，以得到灰度处理后的图像，以及通过对所述包含车辆信息的多媒体信息进行车辆速度识别和/或车辆行驶路线识别，以得到速度识别结果和/或行驶路线结果，能够基于这些信息确定预设路段的路面是否存在缺陷，以及相对应的路面缺陷信息，从而可以根据路面缺陷信息确定出对应的公路养护策略，从而可以提高公路损坏被发现的效率，进而也可以降低对公路进行养护的成本。
[0138]
本技术实施例中提供了一种电子设备，如图3所示，图3所示的电子设备300包括：处理器301和存储器5003。其中，处理器301和存储器303相连，如通过总线5002相连。可选地，电子设备300还可以包括收发器304。需要说明的是，实际应用中收发器304不限于一个，该电子设备300的结构并不构成对本技术实施例的限定。
[0139]
处理器301可以是cpu（central processing unit，中央处理器），通用处理器，dsp（digital signal processor，数据信号处理器），asic（application specific integrated circuit，专用集成电路），fpga（field programmable gate array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本技术公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，dsp和微处理器的组合
等。
[0140]
总线302可包括一通路，在上述组件之间传送信息。总线302可以是pci（peripheral component interconnect，外设部件互连标准）总线或eisa（extended industry standard architecture，扩展工业标准结构）总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
[0141]
存储器303可以是rom（read only memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，ram（random access memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是eeprom（electrically erasable programmable read only memory，电可擦可编程只读存储器）、cd-rom（compact disc read only memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
[0142]
存储器303用于存储执行本技术方案的应用程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码，以实现前述方法实施例所示的内容。
[0143]
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、pda（个人数字助理）、pad（平板电脑）、pmp（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0144]
本技术实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与相关技术相比，本技术实施例通过对预设路段对应的监控视频进行处理，以得到包含路面的多媒体信息以及包含车辆信息的多媒体信息，并通过对包含路面的多媒体信息进行灰度处理，以得到灰度处理后的图像，以及通过对所述包含车辆信息的多媒体信息进行车辆速度识别和/或车辆行驶路线识别，以得到速度识别结果和/或行驶路线结果，能够基于这些信息确定预设路段的路面是否存在缺陷，以及相对应的路面缺陷信息，从而可以根据路面缺陷信息确定出对应的公路养护策略，从而可以提高公路损坏被发现的效率，进而也可以降低对公路进行养护的成本。
[0145]
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0146]
以上所述仅是本技术的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。