基于视觉的高速公路抛撒物检测方法、装置及存储介质与流程

本发明涉及高速公路交通事件检测，尤其涉及基于视觉的高速公路抛撒物检测方法、装置及介质。

背景技术：

1、公路运输是国民经济的基础性、服务性产业,是合理配置资源、提高经济运行质量和效率的重要基础，高速公路运输更是起着尤为重要的作用。

2、为确保高速公路运输顺畅安全运行，交通事故的监管是重中之重的工作，尤其是交通事故检测能最大限度地提高道路的通行能力和安全,能够掌握道路的交通状况以及及时快速地处理交通事故,有效降低二次事故的发生几率，减少员伤亡和财产损失。近年来，随着人工智能的快速发展，基于高速公路视频的检测技术不断更新，现有的检测技术也十分成熟，准确率都在95％以上，由于高速路上出现抛撒物是能导致交通事故的危险因素，一旦出现抛撒物，机油可能出现人员伤亡事故，造成不可估量的损失。

3、但是目前的视频检测技术能够检测的交通事件种类相对较少，不能覆盖大部分常见的交通事件，尤其是对高速公路抛撒物的检测和更是少之又少，因此，需要开发基于人工智能、大数据分析等技术的交通事件检测算法检测高速路抛撒物。

技术实现思路

1、为了解决上述需要开发基于人工智能、大数据分析等技术的交通事件检测算法检测高速路抛撒物的问题，本发明提供了基于视觉的高速公路抛撒物检测方法，应用计算机视觉及深度学习技术，实现对高速公路异常抛撒物检测的计算机算法。

2、为了达到上述目的，本发明是通过以下技术方案实现的：

3、基于视觉的高速公路抛撒物检测方法，包括：

4、获取特征图像，设置背景图。

5、检测移动对象，获取差异图像。

6、剔除差异图像中的移动对象，得到目标对象。

7、累计目标对象的频数，锁定目标区域。

8、输出目标对象及位置信息。

9、与现有技术相比，本发明具有以下优点：

10、通过获取特征图像得到高速路抛撒物的视频信息，通过对视频信息中的所有视频中移动对象进行检测后，得到视频序列的移动目标信息，并对视频序列做差异计算，获取差异图，对差异图中的差异区域进行统计，生成计数矩阵，对计数矩阵中满足指定阈值的区域，提取对应的区域信息，最终获取抛撒物区域。

11、进一步优选为，获取特征图像，设置背景图，包括：

12、读取视频图像帧，记录检测的车辆及行人信息。

13、调整读取的图像帧的尺寸，并转换为灰度格式。

14、将视频图像中的初始图像设定为背景图。

15、采用上述技术方案，以此实现将高速路抛撒物的视频信息进行调整，以使视频信息的尺寸、格式与检测时的要求相符。通过设定背景图实现根据图像序列间的变化来检测抛撒物。

16、进一步优选为，读取视频图像帧，包括：

17、从给定的视频文件或流地址读取视频。

18、解码视频流数据，得到图像帧。

19、抽取图像帧集中当前图像帧或上一帧图像帧，得到当前特征图像或上一帧特征图像。

20、采用上述技术方案，通过上述方法可将不同方式的视频信息进行整理，以提取特征图像。

21、进一步优选为，检测移动对象，获取差异图像，包括：

22、检测背景图中的移动对象。

23、检测当前特征图像中的移动对象。

24、检测背景图与当前图中的移动对象，所述的移动对象为与抛洒物无关联关系的交通工具和行人。

25、合并当前特征图像与上一帧特征图像中存在的移动对象及移动对象的位置信息。

26、应用差异模型，获取当前特征图像与上一帧特征图像的差异点，得到差异图像。

27、剔除差异图像中的移动对象，得到目标对象。

28、采用上述技术方案，实现对影响识别抛撒物的移动对象进行检测和剔除，通过差异模型寻找当前特征图像与上一帧特征图像的差异点，逐步确定目标对象，将抛撒物从诸多干扰元素中识别出来。

29、进一步优化为，检测移动对象，还包括：

30、创建用于检测移动对象的深度学习模型。

31、将所述移动对象类别置于所述深度学习模型中进行训练。

32、通过深度学习模型的目标检测法检测移动对象。

33、采用上述技术方案，应用深度学习模型，对视频信息中的移动对象进行实时分析，为选择出抛撒物排除无关联关系的交通工具和行人。

34、进一步优化为，剔除差异图像中的移动对象，得到目标对象，包括：

35、在差异图像中检测差异块信息，锁定包含所有差异块信息的区域，得到若干个差异区域。

36、合并若干个差异区域，剔除移动对象，得到不包含移动对象的差异区域。

37、筛选满足预设条件的差异区域，得到目标图像区域。

38、将目标图像区域标记在预设矩阵中，记录目标图像区域对应的位置，得到目标对象。

39、采用上述技术方案，通过差分图像确定潜在抛撒物区域，并将抛撒物区域标记再计数矩阵中，计数矩阵包含着潜在抛撒物的位置及出现频次信息。。

40、进一步优化为，累计目标对象的频数，锁定目标区域，包括：

41、统计根据差异模型检测出的差异区域出现的频数；

42、判断差异区域出现频数的值是否大于阈值；

43、获取满足阈值的区域位置信息；

44、重置计数矩阵，根据图像大小对检测的区域进行缩放，作为抛洒物目标。

45、采用上述技术方案，将目标区域与特征图像匹配锁定目标区域，实现将抛撒物和抛撒物的运动区域确定出来的目的。

46、本发明还公开了基于视觉的高速公路抛撒物检测装置，包括：

47、采集模块，用于获取特征图像。

48、处理模块，与采集模块通信连接，用于通过深度学习模型检测特征图像中的移动对象，进而剔除移动对象，得到影响差异的目标对象。

49、计算模块，与处理模块通信连接，用于累计目标对象的频数，锁定目标区域，输出目标对象及位置信息。

50、存储模块，与计算模块通信连接，用于存储目标对象及位置信息。

51、采用上述技术方案，采集模块采集高速路网上抛撒物的视频信息，并将视频信息传输至处理模块，处理模块通过深度学习模型对视频信息中的抛撒物的检测、对移动对象的检测和剔除。通过计算模块计算目标对象在连续列间出现的频数，以确定抛撒物和抛撒物出现的区域，将抛撒物与抛撒区域建立对应的关联关系，以跟踪抛撒物经过的区域，实现对抛撒物进行实时监测的目的。

52、本发明还公开了计算机存储介质，其上存储有检测高速路抛撒物的计算机程序，所述计算机程序在被执行时实现权利要求1-7中任一项的检测方法。

53、采用上述技术方案，通过该计算机存储介质实现存储执行上述所有方法，通过运行程序中对应的方法实现高速公路异常抛撒物的检测和检测。

技术特征：

1.基于视觉的高速公路抛撒物检测方法，其特征在于，包括：

2.根据权利要求1所述的基于视觉的高速公路抛撒物检测方法，其特征在于，所述获取特征图像，设置背景图，包括：

3.根据权利要求2所述的基于视觉的高速公路抛撒物检测方法，其特征在于，所述读取视频图像帧，包括：

4.根据权利要求2所述的基于视觉的高速公路抛撒物检测方法，其特征在于，所述检测移动对象，获取差异图像，包括：

5.根据权利要求4所述的基于视觉的高速公路抛撒物检测方法，其特征在于，所述检测移动对象，还包括：

6.根据权利要求4所述的基于视觉的高速公路抛撒物检测方法，其特征在于，所述剔除所述差异图像中的移动对象，得到目标对象，包括：

7.根据权利要求6所述的基于视觉的高速公路抛撒物检测方法，其特征在于，所述累计所述目标对象的频数，锁定目标区域，包括：

8.基于视觉的高速公路抛撒物检测装置，其特征在于，包括：

9.计算机存储介质，其上存储有检测高速路抛撒物的计算机程序，所述计算机程序在被执行时实现权利要求1-7中任一项的检测方法。

技术总结
本发明公开了基于视觉的高速公路抛撒物检测方法，包括：获取特征图像，设置背景图。检测移动对象，获取差异图像。剔除差异图像中的移动对象，得到目标对象。累计目标对象的频数，锁定目标区域。输出目标对象及位置信息。实现人工智能、大数据分析等技术的交通事件检测算法检测高速路抛撒物的目的。还公开了基于视觉的高速公路抛撒物检测装置，包括：采集模块，处理模块，与采集模块通信连接，计算模块，与处理模块通信连接，存储模块，与计算模块通信连接，用于存储目标对象及位置信息，实现对抛撒物进行实时监测的目的。还公开了计算机存储介质，通过该计算机存储介质实现存储执行上述所有方法，高速公路异常抛撒物的检测和检测。

技术研发人员：常超,任俊明,李磊,严肖
受保护的技术使用者：陕西长瑞安驰信息技术集团有限公司
技术研发日：
技术公布日：2024/1/12