CN112542063A - 一种监测古运河河道水上交通工具违规停靠的方法 - Google Patents

一种监测古运河河道水上交通工具违规停靠的方法 Download PDF

Info

Publication number
CN112542063A
CN112542063A CN202011380118.3A CN202011380118A CN112542063A CN 112542063 A CN112542063 A CN 112542063A CN 202011380118 A CN202011380118 A CN 202011380118A CN 112542063 A CN112542063 A CN 112542063A
Authority
CN
China
Prior art keywords
water vehicle
area
illegal parking
executing
vehicle
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
CN202011380118.3A
Other languages
English (en)
Inventor
黄猛
邹爽
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.)
Huiquan Intelligent Technology Suzhou Co ltd
Original Assignee
Huiquan Intelligent Technology Suzhou 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 Huiquan Intelligent Technology Suzhou Co ltd filed Critical Huiquan Intelligent Technology Suzhou Co ltd
Priority to CN202011380118.3A priority Critical patent/CN112542063A/zh
Publication of CN112542063A publication Critical patent/CN112542063A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G3/00—Traffic control systems for marine craft
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Remote Sensing (AREA)
  • Ocean & Marine Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种监测古运河河道水上交通工具违规停靠的方法，包括如下步骤：获取当前视频帧图像；将当前视频帧图像根据监测区域进行裁切，输入到水上交通工具检测模型中；判断是否检测到水上交通工具，若否则返回步骤2，若是则执行步骤5；判断相交区域面积与违规停靠区域的面积之比是否大于预警阈值，若是则执行步骤7，否则执行步骤1；判断上一帧是否已经检测到水上交通工具违法停靠，若是执行步骤9，否则执行步骤8；设置上一帧已经监测到水上交通工具违法停靠为真，执行步骤2；存在水上交通工具违法停靠情况，进行上报警告；判断是否停止检测，若是则停止检测，否则执行步骤1。本方法使用两次判断，降低了误报率。

Description

一种监测古运河河道水上交通工具违规停靠的方法
技术领域
本发明涉及计算机视觉领域，尤其涉及一种监测古运河河道水上交通工具违规停靠的方法。
背景技术
近几十年来，世界各国和国际组织对地球上的520多条古运河河道的保护越来越重视。我国古运河主要包括浙东大运河、京杭大运河和隋唐大运河，全长2700公里。整个大运河除了部分航段，其余都已通航。其中京杭大运河的通航里程为1400多公里，全年通航里程800多公里。2018年，仅仅大运河江苏段的货运量高达5亿吨。高货运量和交通流量的古运河河道，存在着巨大的安全隐患，特别是来来往往行驶地水上交通工具存在违规停靠等行为，成为对大运河堤岸及其周边的古代文物保护工作的重点关注对象。
上述监测古运河河道水上交通工具违规停靠的工作，大部分还停留在人工巡查警告或后台人工实时监测警告阶段。由于古运河通航河道特别长，人工巡查方式需要大量相关人员全天不间断在河岸上巡视，对于地形环境复杂的河道或者遇到恶劣天气，巡视人员根本无法开展工作。使用后台人工实时监测方法时，监测人员需要实时关注古运河河道上大量的已安装的监测视频，其需要长时间的高度集中度和反应能力。上述传统的人工方法，不仅工作量大、人工成本高、效率低，而且识别准确率低、容易出错。因此，研发一种高效率、低成本、监测准确的古运河河道水上交通工具违规停靠的方法成为目前亟待解决的问题。
发明内容
为解决上述技术问题，本发明的目的是提供一种监测古运河河道水上交通工具违规停靠的方法。
本发明的技术方案如下：
一种监测古运河河道水上交通工具违规停靠的方法，其特征在于，包括如下步骤：
步骤1、设置上一帧已经监测到水上交通工具违法停靠为假；
步骤2、获取当前视频帧图像；
步骤3、将当前视频帧图像根据监测区域进行裁切，输入到水上交通工具检测模型中，获取水上交通工具目标的属性信息；
所述水上交通工具目标的属性信息包括水上交通工具在对应视频帧图像中的位置、水上交通工具类别，以及水上交通工具置信度；
步骤4、判断是否检测到水上交通工具，若否则返回步骤2，若是则执行步骤5；
步骤5、先计算水上交通工具检测框区域与违规停靠区域的相交面积区域，然后计算相交区域面积与违规停靠区域的面积之比；
步骤6、判断相交区域面积与违规停靠区域的面积之比是否大于预警阈值，若是则执行步骤7，否则执行步骤1；
步骤7、判断上一帧是否已经检测到水上交通工具违法停靠，若是执行步骤9，否则执行步骤8；
步骤8、设置上一帧已经监测到水上交通工具违法停靠为真，执行步骤2；
步骤9、存在水上交通工具违法停靠情况，进行上报警告；
步骤10、判断是否停止检测，若是则停止检测，否则执行步骤1。
进一步的，所述水上交通工具检测模型包括了：
水上交通工具检测模块，所述水上交通工具检测模块用于获取图像，并对该图片进行预处理，在图像中准确标定出水上交通工具的位置大小信息，所述交通工具的位置大小信息具体包括所述交通工具靠近河道一侧前后两点的坐标；
水上交通工具对比模块，所述水上交通工具对比模块包括了水上交通工具图库，用于将获取的水上交通工具图像信息与所述水上交通工具图库进行匹配，识别出拍摄的水上交通工具的具体型号。
进一步的，所述步骤6中，所述相交区域面积具体为以两点的坐标的连线，两点坐标朝向河道对岸的垂线，连接而成的图形与阈值面积相交形成的面积为相交区域面积。
进一步的，所述步骤3中水上交通工具置信度的范围是0-1。
进一步的，所述步骤4中通过监测结果是否包含水上交通工具类别且置信度大于置信度阈值，来判断是否检测到水上交通工具。
借由上述方案，本发明至少具有以下优点：
（1）本监测古运河河道水上交通工具违规停靠的方法，使用两次判断，降低了水上交通工具临时穿越违规停靠区域情况的误报率；
（2）本监测古运河河道水上交通工具违规停靠的方法，采用先裁切有效监测区域，然后使用深度学习目标检测方法监测水上交通工具，最后判断是否进入违规停靠区域，有效提高水上交通工具检出率，降低误检率和漏检率。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某个实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明的步骤结构示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
参见图1，本发明一较佳实施例所述的一种监测古运河河道水上交通工具违规停靠的方法，包括如下步骤：
步骤1、设置上一帧已经监测到水上交通工具违法停靠为假；该步骤是获取视频当中的图像信息，并假设在之前一帧图没有水上交通工具违法停靠。
步骤2、获取当前视频帧图像，获取后一帧的图像信息。
步骤3、将当前视频帧图像根据监测区域进行裁切，输入到水上交通工具检测模型中，获取水上交通工具目标的属性信息，裁切的时候通过控制***中的剪裁机构进行，目的是将水上交通工具剪裁出来。
所述水上交通工具目标的属性信息包括水上交通工具在对应视频帧图像中的位置、水上交通工具类别，以及水上交通工具置信度；
步骤4、判断是否检测到水上交通工具，若否则返回步骤2，若是则执行步骤5；
步骤5、先计算水上交通工具检测框区域与违规停靠区域的相交面积区域，然后计算相交区域面积与违规停靠区域的面积之比；
步骤6、判断相交区域面积与违规停靠区域的面积之比是否大于预警阈值，若是则执行步骤7，否则执行步骤1；
步骤7、判断上一帧是否已经检测到水上交通工具违法停靠，若是执行步骤9，否则执行步骤8；
步骤8、设置上一帧已经监测到水上交通工具违法停靠为真，执行步骤2；
步骤9、存在水上交通工具违法停靠情况，进行上报警告；
步骤10、判断是否停止检测，若是则停止检测，否则执行步骤1。
-所述水上交通工具检测模型包括了：
水上交通工具检测模块，所述水上交通工具检测模块用于获取图像，并对该图片进行预处理，在图像中准确标定出水上交通工具的位置大小信息，所述交通工具的位置大小信息具体包括所述交通工具靠近河道一侧前后两点的坐标；
水上交通工具对比模块，所述水上交通工具对比模块包括了水上交通工具图库，用于将获取的水上交通工具图像信息与所述水上交通工具图库进行匹配，识别出拍摄的水上交通工具的具体型号。
-所述步骤6中，所述相交区域面积具体为以两点的坐标的连线，两点坐标朝向河道对岸的垂线，连接而成的图形与阈值面积相交形成的面积为相交区域面积。
-所述步骤3中水上交通工具置信度的范围是0-1。
-所述步骤4中通过监测结果是否包含水上交通工具类别且置信度大于置信度阈值，来判断是否检测到水上交通工具。
本发明至少具有以下优点：
（1）本监测古运河河道水上交通工具违规停靠的方法，使用两次判断，降低了水上交通工具临时穿越违规停靠区域情况的误报率；
（2）本监测古运河河道水上交通工具违规停靠的方法，采用先裁切有效监测区域，然后使用深度学习目标检测方法监测水上交通工具，最后判断是否进入违规停靠区域，有效提高水上交通工具检出率，降低误检率和漏检率。
以上所述仅是本发明的优选实施方式，并不用于限制本发明，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims (5)

1.一种监测古运河河道水上交通工具违规停靠的方法，其特征在于，包括如下步骤：
步骤1、设置上一帧已经监测到水上交通工具违法停靠为假；
步骤2、获取当前视频帧图像；
步骤3、将当前视频帧图像根据监测区域进行裁切，输入到水上交通工具检测模型中，获取水上交通工具目标的属性信息；
所述水上交通工具目标的属性信息包括水上交通工具在对应视频帧图像中的位置、水上交通工具类别，以及水上交通工具置信度；
步骤4、判断是否检测到水上交通工具，若否则返回步骤2，若是则执行步骤5；
步骤5、先计算水上交通工具检测框区域与违规停靠区域的相交面积区域，然后计算相交区域面积与违规停靠区域的面积之比；
步骤6、判断相交区域面积与违规停靠区域的面积之比是否大于预警阈值，若是则执行步骤7，否则执行步骤1；
步骤7、判断上一帧是否已经检测到水上交通工具违法停靠，若是执行步骤9，否则执行步骤8；
步骤8、设置上一帧已经监测到水上交通工具违法停靠为真，执行步骤2；
步骤9、存在水上交通工具违法停靠情况，进行上报警告；
步骤10、判断是否停止检测，若是则停止检测，否则执行步骤1。
2.根据权利要求1所述的一种监测古运河河道水上交通工具违规停靠的方法，其特征在于，所述水上交通工具检测模型包括了：
水上交通工具检测模块，所述水上交通工具检测模块用于获取图像，并对该图片进行预处理，在图像中准确标定出水上交通工具的位置大小信息，所述交通工具的位置大小信息具体包括所述交通工具靠近河道一侧前后两点的坐标；
水上交通工具对比模块，所述水上交通工具对比模块包括了水上交通工具图库，用于将获取的水上交通工具图像信息与所述水上交通工具图库进行匹配，识别出拍摄的水上交通工具的具体型号。
3.根据权利要求2所述的一种监测古运河河道水上交通工具违规停靠的方法，其特征在于：所述步骤6中，所述相交区域面积具体为以两点的坐标的连线，两点坐标朝向河道对岸的垂线，连接而成的图形与阈值面积相交形成的面积为相交区域面积。
4.根据权利要求3所述的一种监测古运河河道水上交通工具违规停靠的方法，其特征在于：所述步骤3中水上交通工具置信度的范围是0-1。
5.根据权利要求4所述的一种监测古运河河道水上交通工具违规停靠的方法，其特征在于：所述步骤4中通过监测结果是否包含水上交通工具类别且置信度大于置信度阈值，来判断是否检测到水上交通工具。
CN202011380118.3A 2020-12-01 2020-12-01 一种监测古运河河道水上交通工具违规停靠的方法 Pending CN112542063A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011380118.3A CN112542063A (zh) 2020-12-01 2020-12-01 一种监测古运河河道水上交通工具违规停靠的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011380118.3A CN112542063A (zh) 2020-12-01 2020-12-01 一种监测古运河河道水上交通工具违规停靠的方法

Publications (1)

Publication Number Publication Date
CN112542063A true CN112542063A (zh) 2021-03-23

Family

ID=75016763

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011380118.3A Pending CN112542063A (zh) 2020-12-01 2020-12-01 一种监测古运河河道水上交通工具违规停靠的方法

Country Status (1)

Country Link
CN (1) CN112542063A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013171746A1 (en) * 2012-05-15 2013-11-21 Dvp Technologies Ltd. Method and system for detection of foreign objects in maritime environments
CN107491753A (zh) * 2017-08-16 2017-12-19 电子科技大学 一种基于背景建模的违章停车检测方法
CN108776937A (zh) * 2018-04-16 2018-11-09 上海海事大学 一种基于双目云台摄像机的船只违法捕捞行为判别方法及***
CN109615933A (zh) * 2018-11-26 2019-04-12 杭州叙简科技股份有限公司 一种基于卫星定位和视频监控技术的泊位监管***及方法
CN109636832A (zh) * 2018-12-14 2019-04-16 清华大学苏州汽车研究院（吴江） 停靠检测方法、装置、电子设备和存储介质
CN111126235A (zh) * 2019-12-18 2020-05-08 浙江大华技术股份有限公司 一种船只违章停泊检测处理方法及装置
CN111985362A (zh) * 2020-08-06 2020-11-24 武汉理工大学 一种基于深度学习框架的船舶名称检测***及方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013171746A1 (en) * 2012-05-15 2013-11-21 Dvp Technologies Ltd. Method and system for detection of foreign objects in maritime environments
CN107491753A (zh) * 2017-08-16 2017-12-19 电子科技大学 一种基于背景建模的违章停车检测方法
CN108776937A (zh) * 2018-04-16 2018-11-09 上海海事大学 一种基于双目云台摄像机的船只违法捕捞行为判别方法及***
CN109615933A (zh) * 2018-11-26 2019-04-12 杭州叙简科技股份有限公司 一种基于卫星定位和视频监控技术的泊位监管***及方法
CN109636832A (zh) * 2018-12-14 2019-04-16 清华大学苏州汽车研究院（吴江） 停靠检测方法、装置、电子设备和存储介质
CN111126235A (zh) * 2019-12-18 2020-05-08 浙江大华技术股份有限公司 一种船只违章停泊检测处理方法及装置
CN111985362A (zh) * 2020-08-06 2020-11-24 武汉理工大学 一种基于深度学习框架的船舶名称检测***及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张晟: ""渡口监控视频中的船舶检测研究"", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *

Similar Documents

Publication Publication Date Title
CN102509418B (zh) 一种多传感信息融合的疲劳驾驶评估预警方法及装置
CN100440269C (zh) 高速公路汽车行驶智能检测预警方法及其预警***
US20220171796A1 (en) Ship wandering detection method based on ais data
CN102568206B (zh) 一种基于视频监控的违章停车检测方法
CN113936465B (zh) 交通事件检测方法及装置
CN111415533B (zh) 弯道安全预警监控方法、装置以及***
CN102622885B (zh) 检测交通事件的方法和装置
CN111598069B (zh) 一种基于深度学习的高速公路车辆换道区域分析方法
CN112949900B (zh) 一种水库大坝安全信息智慧感知融合预警方法及终端设备
CN110208803A (zh) 桥梁处船舶防撞雷达监测识别方法
CN109955849A (zh) 应用于露天煤矿车辆防撞预警的方法及装置
CN115050214B (zh) 一种基于ais数据的船舶碰撞风险预测方法
CN202422420U (zh) 一种基于视频监控的违章停车检测***
CN114235050A (zh) 一种海洋环境监测预警方法、设备及***
CN115862335A (zh) 基于车路信息融合的拥堵预警方法、***及存储介质
CN115782905A (zh) 一种自动驾驶车辆驾驶安全度量化***
CN113850995B (zh) 一种基于隧道雷视数据融合的事件检测方法、装置及***
Zhang et al. A data-driven approach for ship-bridge collision candidate detection in bridge waterway
CN109767617A (zh) 一种基于Apriori的公安交管业务异常数据研判方法
CN113111824B (zh) 一种基于视频分析的行人穿越马路实时识别方法
CN115457300A (zh) 一种基于距离度量和隔离机制的船舶异常行为检测方法
CN112542063A (zh) 一种监测古运河河道水上交通工具违规停靠的方法
CN113379240A (zh) 一种水上交通风险动态评估模型的构建方法
CN114708750B (zh) 一种桥区水域船舶碰撞风险检测方法和装置
CN103927523A (zh) 一种基于纵向灰度特征的雾天等级检测方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210323