CN109165676A - 一种基于视频分析的全天候高速公路雾气等级监测方法 - Google Patents

一种基于视频分析的全天候高速公路雾气等级监测方法 Download PDF

Info

Publication number
CN109165676A
CN109165676A CN201810845049.5A CN201810845049A CN109165676A CN 109165676 A CN109165676 A CN 109165676A CN 201810845049 A CN201810845049 A CN 201810845049A CN 109165676 A CN109165676 A CN 109165676A
Authority
CN
China
Prior art keywords
fog
grade
picture
night
round
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810845049.5A
Other languages
English (en)
Inventor
武传营
李凡平
石柱国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Isa Data Technology Co Ltd
Beijing Yisa Technology Co Ltd
Qingdao Yisa Data Technology Co Ltd
Original Assignee
Qingdao Isa Data Technology Co Ltd
Beijing Yisa Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qingdao Isa Data Technology Co Ltd, Beijing Yisa Technology Co Ltd filed Critical Qingdao Isa Data Technology Co Ltd
Priority to CN201810845049.5A priority Critical patent/CN109165676A/zh
Publication of CN109165676A publication Critical patent/CN109165676A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于视频分析的全天候高速公路雾气等级监测方法，步骤如下：采集监测地区高速公路真实图片，收集到的图片进行人工分类，通过Darknet深度学习框架分别对白天、夜间样本集进行分类器训练，利用步骤S3得到的分类器对从实时视频流中获取的图像，根据时间选用白天或夜间的分类器进行分类，从而实现全天候的高速公路雾气等级监测，将检测结果及检测图片地址信息存入MySQL数据库中，前端界面访问数据库，将当前雾气等级及历史演变过程，最新监控画面显示在地图上，提供直观的可视化效果，收集检测图片及检测结果，此种方法能够对局部性的团雾提供实时准确定位，可以对过往车辆进行提醒、限速，从而降低事故量，带来更好的使用前景。

Description

一种基于视频分析的全天候高速公路雾气等级监测方法
技术领域
本发明属于计算机视觉技术领域，适用于对高速公路雾气等级的全天候监测，特别是对高速公路部分路段突发团雾现象提供预警。
背景技术
截至目前，我国高速公路通车里程数已超过13万公里，位居世界第一，高速公路具有车速快、车流量大、封闭的特点，因此高速路能见度是影响人身、车辆安全的主要因素，据统计，大雾(包括团雾)是导致类似连环相撞重大交通事故的主要诱因，团雾又称辐射雾，是由接近道路表面的气团冷却引起，具有局部性、突发性、浓度大、可移动的特征，被称为“高速公路的流动杀手”，由于团雾范围小，监测及预报的难度较大，比较合理的解决方案是在高速公路上设置多一些监测点位，早发现，早预防。
发明内容
本发明的主要目的在于提供一种基于视频分析的全天候高速公路雾气等级监测方法，可以有效解决背景技术中的问题。
为实现上述目的，本发明采取的技术方案为：
一种基于视频分析的全天候高速公路雾气等级监测方法，按照以下步骤实施：
步骤S1：采集待监测地区高速公路监控摄像头拍摄到的不同时段、不同雾气等级的真实图片；
步骤S2：将步骤S1收集到的图片进行人工分类，分出白天、夜间，分别对白天、夜间的图片再进行精细分类，分为无雾、轻雾、雾、大雾、浓雾、强浓雾、无效7个等级；
步骤S3：通过Darknet深度学习框架分别对白天、夜间样本集训练分类器；
步骤S4：利用步骤S3得到的分类器对从实时视频流中获取的图像，根据时间选用白天或夜间的分类器进行分类，从而实现全天候的高速公路雾气等级监测，另外，为防止误判，连续采集两帧图像分别进行雾气等级判断，按照一定逻辑减小误判；
步骤S5：将检测结果及检测图片地址信息存入MySQL数据库中，前端界面访问数据库，将当前雾气等级、历史演变过程及最新监控画面显示在地图上，提供直观的可视化效果；
步骤S6：收集检测图片及检测结果，特别地，将误判的类别样本添加到样本集中重新执行步骤S3，将结果模型替换到步骤S4中，根据需要重复该步骤，直到雾气等级检测结果达到所需精度要求。
2.根据权利1所述的一种基于视频分析的全天候高速公路雾气等级监测方法，其特征在于，所述步骤S1中，为保证步骤S3中分类器适应于实际高速公路场景，特意选取待监测地区高速公路实际拍摄到的场景图片作为训练样本。
3.根据权利1所述的一种基于视频分析的全天候高速公路雾气等级监测方法，其特征在于，所述步骤S2中，由于白天、夜间高速监控拍摄到的画面差异较大，为提高步骤S3中分类器的分类效果，将样本图片分为白天、夜间两部分，分别进行分类器训练，根据比较常见的雾气等级划分，将其分为无雾、轻雾、雾、大雾、浓雾、强浓雾，特别地，将花屏、曝光、夜间大车灯情况分为第7类无效类。
4. 根据权利1所述的一种基于视频分析的全天候高速公路雾气等级监测方法，其特征在于，所述步骤S4中，白天、夜间的时间划分根据不同月份的日出、日落时间进行，在实际对当前雾气等级进行监测的时候采用连续采集两帧图像，分别判定雾气等级的方式，另按照如下逻辑减少误判：
A1：如果两次等级判定相同，且都为c级，则当前雾气等级为c级；
A2：如果两次等级判定不同，且有一次与历史等级相同，则当前雾气等级为历史等级；
A3：如果两次等级判定不同，且都不与历史等级相同，则再采集两帧图像进行分类等级判断。
5. 根据权利1所述的一种基于视频分析的全天候高速公路雾气等级监测方法，其特征在于，所述步骤S6中，为提高雾气等级监测精度，定期收集历史等级判别图片及判别结果，在原样本集合基础上加入误判后通过人工正确分类的样本，重新训练分类器，以提高雾气等级监测的精度。
与现有技术相比，本发明具有如下有益效果：
本发明中，利用已建视频监控设备，无需额外增加前端硬件即可实现实时自动分析高速公路不同路段的雾气等级功能；能够对局部性的团雾提供实时准确定位，为交警部门提供执法依据，遇突发团雾或大雾情况可以对过往车辆进行提醒、限速，从而降低事故量，减少人员伤亡及财产损失，带来更好的使用前景。
附图说明
图1为本发明具体流程图；
图2为单次雾气等级具体判别逻辑流程图。
具体实施方式
在具体实施方式中，将结合附图，清楚完整地描述基于视频分析的全天候高速公路雾气等级监测方法的详细过程。需要指出的是，这些描述只是事例性的，而非限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要的混淆本发明的概念。
具体步骤如下：
步骤一：采集待监测区域高速路视频监控不同设备、不同时间段、不同雾气等级的历史视频片段，将视频解析成一帧一帧的图片；
步骤二：将步骤一中解析出的大量图片，通过人工进行分类，分别将白天、夜间的图片分为如下7个等级：
步骤三：通过Darknet深度学习框架分别对白天、夜间样本集的分类器进行训练；
步骤四：通过FFmpeg多媒体视频处理库接入待监测区域高速公路视频监控获取图片，对图片进行分类，从而获得当前雾气等级，单次雾气等级具体判别逻辑流程如图2所示；
步骤五：将检测结果及检测图片地址信息存入MySQL数据库中，前端界面访问数据库，将当前雾气等级、历史演变过程及最新监控画面显示在地图上，提供直观的可视化效果；
步骤六：收集检测图片及检测结果，特别地，将误判的类别样本添加到样本集中重新执行步骤三，将结果模型替换到步骤四中，根据需要重复该步骤，直到雾气等级监测结果达到所需精度要求。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (5)

1.一种基于视频分析的全天候高速公路雾气等级监测方法，按照以下步骤实施：
步骤S1：采集待监测地区高速公路监控摄像头拍摄到的不同时段、不同雾气等级的真实图片；
步骤S2：将步骤S1收集到的图片进行人工分类，分出白天、夜间，分别对白天、夜间的图片再进行精细分类，分为无雾、轻雾、雾、大雾、浓雾、强浓雾、无效7个等级；
步骤S3：通过Darknet深度学习框架分别对白天、夜间样本集进行分类器训练；
步骤S4：利用步骤S3得到的分类器对从实时视频流中获取的图像，根据时间选用白天或夜间的分类器进行分类，从而实现全天候的高速公路雾气等级监测，另外，为防止误判，连续采集两帧图像分别进行雾气等级判断，按照一定逻辑减小误判；
步骤S5：将检测结果及检测图片地址信息存入MySQL数据库中，前端界面访问数据库，将当前雾气等级及历史演变过程，最新监控画面显示在地图上，提供直观的可视化效果；
步骤S6：收集检测图片及检测结果，特别地，将误判的类别样本添加到样本集中重新执行步骤S3，将结果模型替换到步骤S4中，根据需要重复该步骤，直到雾气等级监测结果达到所需精度要求。
2.根据权利1所述的一种基于视频分析的全天候高速公路雾气等级监测方法，其特征在于，所述步骤S1中，为保证步骤S3中分类器适应于实际高速公路场景，特意选取待监测地区高速公路实际拍摄到的场景图片作为训练样本。
3.根据权利1所述的一种基于视频分析的全天候高速公路雾气等级监测方法，其特征在于，所述步骤S2中，由于白天、夜间高速监控拍摄到的画面差异较大，为提高步骤S3中分类器的分类效果，将样本图片分为白天、夜间两部分，分别进行分类器训练，根据比较常见的雾气等级划分，将其分为无雾、轻雾、雾、大雾、浓雾、强浓雾，特别地，将花屏、曝光、夜间大车灯情况分为第7类无效类。
4.根据权利1所述的一种基于视频分析的全天候高速公路雾气等级监测方法，其特征在于，所述步骤S4中，白天、夜间的时间划分根据不同月份的日出、日落时间进行，在实际对当前雾气等级进行监测的时候采用连续采集两帧图像，分别判定雾气等级的方式，另按照如下逻辑减少误判：
A1：如果两次等级判定相同，且都为c级，则当前雾气等级为c级；
A2：如果两次等级判定不同，且有一次与历史等级相同，则当前雾气等级为历史等级；
A3：如果两次等级判定不同，且都不与历史等级相同，则再采集两帧图像进行分类等级判断。
5.根据权利1所述的一种基于视频分析的全天候高速公路雾气等级监测方法，其特征在于，所述步骤S6中，为提高雾气等级监测精度，定期收集历史等级判别图片及判别结果，在原样本集合基础上加入误判后通过人工正确分类的样本，重新训练分类器，以提高雾气等级监测的精度。
CN201810845049.5A 2018-07-27 2018-07-27 一种基于视频分析的全天候高速公路雾气等级监测方法 Pending CN109165676A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810845049.5A CN109165676A (zh) 2018-07-27 2018-07-27 一种基于视频分析的全天候高速公路雾气等级监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810845049.5A CN109165676A (zh) 2018-07-27 2018-07-27 一种基于视频分析的全天候高速公路雾气等级监测方法

Publications (1)

Publication Number Publication Date
CN109165676A true CN109165676A (zh) 2019-01-08

Family

ID=64898535

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810845049.5A Pending CN109165676A (zh) 2018-07-27 2018-07-27 一种基于视频分析的全天候高速公路雾气等级监测方法

Country Status (1)

Country Link
CN (1) CN109165676A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886920A (zh) * 2019-01-16 2019-06-14 安徽谛听信息科技有限公司 一种雾天分级方法、雾天分级***
CN109934780A (zh) * 2019-02-21 2019-06-25 北京以萨技术股份有限公司 一种基于暗原色先验的道路监控视频去雾方法
CN111598885A (zh) * 2020-05-21 2020-08-28 公安部交通管理科学研究所 高速公路团雾图片能见度等级自动标注方法
CN112419745A (zh) * 2020-10-20 2021-02-26 中电鸿信信息科技有限公司 一种基于深度融合网络的高速公路团雾预警***
CN112749654A (zh) * 2020-12-31 2021-05-04 南京恩瑞特实业有限公司 一种用于视频大雾监测的深度神经网络模型构建方法、***及装置
CN113435405A (zh) * 2021-07-15 2021-09-24 山东交通学院 基于视频图像的高速公路夜间团雾监测方法及***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102792322A (zh) * 2009-09-30 2012-11-21 天宝导航有限公司 利用相关联的地理空间数据的可视化信息组织
CN103150914A (zh) * 2013-02-04 2013-06-12 安徽达尔智能控制***有限公司 基于WebGIS的可视化智能交通气象监测、预警管理***
CN103903008A (zh) * 2014-03-26 2014-07-02 国家电网公司 一种基于图像识别输电线路的雾等级的方法以及***
CN104463196A (zh) * 2014-11-11 2015-03-25 中国人民解放军理工大学 一种基于视频的天气现象识别方法
CN106556579A (zh) * 2016-11-07 2017-04-05 南京理工大学 基于激光的团雾图像全天候自适应检测方法
CN107274383A (zh) * 2017-05-17 2017-10-20 南京邮电大学 一种基于深度学习的雾霾能见度检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102792322A (zh) * 2009-09-30 2012-11-21 天宝导航有限公司 利用相关联的地理空间数据的可视化信息组织
CN103150914A (zh) * 2013-02-04 2013-06-12 安徽达尔智能控制***有限公司 基于WebGIS的可视化智能交通气象监测、预警管理***
CN103903008A (zh) * 2014-03-26 2014-07-02 国家电网公司 一种基于图像识别输电线路的雾等级的方法以及***
CN104463196A (zh) * 2014-11-11 2015-03-25 中国人民解放军理工大学 一种基于视频的天气现象识别方法
CN106556579A (zh) * 2016-11-07 2017-04-05 南京理工大学 基于激光的团雾图像全天候自适应检测方法
CN107274383A (zh) * 2017-05-17 2017-10-20 南京邮电大学 一种基于深度学习的雾霾能见度检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
司马海峰等: "《遥感图像分类中的智能计算方法》", 31 January 2018 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886920A (zh) * 2019-01-16 2019-06-14 安徽谛听信息科技有限公司 一种雾天分级方法、雾天分级***
CN109934780A (zh) * 2019-02-21 2019-06-25 北京以萨技术股份有限公司 一种基于暗原色先验的道路监控视频去雾方法
CN111598885A (zh) * 2020-05-21 2020-08-28 公安部交通管理科学研究所 高速公路团雾图片能见度等级自动标注方法
CN112419745A (zh) * 2020-10-20 2021-02-26 中电鸿信信息科技有限公司 一种基于深度融合网络的高速公路团雾预警***
CN112749654A (zh) * 2020-12-31 2021-05-04 南京恩瑞特实业有限公司 一种用于视频大雾监测的深度神经网络模型构建方法、***及装置
CN113435405A (zh) * 2021-07-15 2021-09-24 山东交通学院 基于视频图像的高速公路夜间团雾监测方法及***
CN113435405B (zh) * 2021-07-15 2023-09-08 山东交通学院 基于视频图像的高速公路夜间团雾监测方法及***

Similar Documents

Publication Publication Date Title
CN109165676A (zh) 一种基于视频分析的全天候高速公路雾气等级监测方法
CN102819764B (zh) 一种适用于交通路口复杂场景下的多视角人流量统计方法
Pavlić et al. Image based fog detection in vehicles
Pavlic et al. Classification of images in fog and fog-free scenes for use in vehicles
CN104298969B (zh) 基于颜色与haar特征融合的人群规模统计方法
CN105760847B (zh) 一种对摩托车驾驶员头盔佩戴情况的视觉检测方法
CN102945603A (zh) 检测交通事件的方法及电子警察装置
CN103679214B (zh) 基于在线面积估计和多特征决策融合的车辆检测方法
CN104200668A (zh) 一种基于图像分析的摩托车不戴头盔违章事件检测方法
CN103049740A (zh) 基于视频图像的疲劳状态检测方法及装置
CN102163278B (zh) 一种公交车道非法车辆闯入检测方法
CN102509102A (zh) 基于图像学习的能见度测量方法
CN106934374A (zh) 一种雾霾场景中交通标识牌的识别方法及***
CN104794906A (zh) 室外停车场出口车辆管理平台
CN110674887A (zh) 一种基于视频分类的端到端道路拥堵检测算法
CN103164958A (zh) 车辆监控方法及***
CN113450573A (zh) 基于无人机图像识别的交通监测方法和交通监测***
Su et al. A new local-main-gradient-orientation HOG and contour differences based algorithm for object classification
Wonghabut et al. Automatic helmet-wearing detection for law enforcement using CCTV cameras
CN106557754A (zh) 一种夜间车辆检测和状态判断方法
CN113888850A (zh) 沙尘气象市政道路拥堵态势多因素预警方法
CN106611165A (zh) 一种基于相关滤波和颜色匹配的汽车车窗检测方法及装置
CN109635782A (zh) 一种获取无人驾驶所需静态交通信息的方法
Cruz et al. Classified counting and tracking of local vehicles in manila using computer vision
CN116824441A (zh) 一种基于视频目标检测网络的隧道火灾智能检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 266500 No. 77, Lingyan Road, LINGSHANWEI sub district office, Huangdao District, Qingdao City, Shandong Province

Applicant after: Issa Technology Co.,Ltd.

Applicant after: QINGDAO YISA DATA TECHNOLOGY Co.,Ltd.

Address before: 108, 102 / F, building 17, yard 6, Jingshun East Street, Chaoyang District, Beijing

Applicant before: BEIJING YISA TECHNOLOGY Co.,Ltd.

Applicant before: QINGDAO YISA DATA TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
CB02 Change of applicant information

Address after: 266500 business premises, No. 77, Lingyan Road, LINGSHANWEI sub district office, Huangdao District, Qingdao City, Shandong Province

Applicant after: Issa Technology Co.,Ltd.

Applicant after: QINGDAO YISA DATA TECHNOLOGY Co.,Ltd.

Address before: 266500 No. 77, Lingyan Road, LINGSHANWEI sub district office, Huangdao District, Qingdao City, Shandong Province

Applicant before: Issa Technology Co.,Ltd.

Applicant before: QINGDAO YISA DATA TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
RJ01 Rejection of invention patent application after publication

Application publication date: 20190108

RJ01 Rejection of invention patent application after publication