CN115631420B - 一种隧道积水识别方法、装置、存储介质及电子装置 - Google Patents
一种隧道积水识别方法、装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN115631420B CN115631420B CN202211569029.2A CN202211569029A CN115631420B CN 115631420 B CN115631420 B CN 115631420B CN 202211569029 A CN202211569029 A CN 202211569029A CN 115631420 B CN115631420 B CN 115631420B
- Authority
- CN
- China
- Prior art keywords
- information
- target
- condition
- tunnel
- attribute
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/141—Control of illumination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种隧道积水识别方法、装置、存储介质及电子装置,涉及道路巡检技术的技术领域。其方法包括:获取目标隧道的目标图像信息;按照预设的对象识别模型,对所述目标图像信息进行对象识别处理,以确定目标对象的对象类型信息;在确定所述对象类型信息满足类型条件的情况下,对所述第一对象进行反光强度识别,以确定所述第一对象的反光强度信息;在确定所述反光强度信息满足第一阈值条件的情况下,确定所述目标隧道存在积水。通过本发明,解决了隧道积水精度低的问题,进而达到了调高隧道积水识别精度和效率的效果。
Description
技术领域
本发明实施例涉及通信领域,具体而言,涉及一种隧道积水识别方法、装置、存储介质及电子装置。
背景技术
随着城市的进一步扩张,城市隧道作为大城市公共交通***的骨干,已成为大城市人民群众日常出行重要的交通方式和城市正常运行的重要保障。
近年来,随着轨道线路的不断增多、运营里程和规模快速增长、客运量不断攀升,城市隧道交通的安全保障难度越来越大,对运营安全管理提出了更高要求。然而,在防涝防汛方面,目前还依赖工作人员的定期人工巡检排查,排查点位复杂,包含轨道、隧道、架桥等多个区域,排查过程不仅对人力消耗很大,而且还容易出现漏检、排查不及时等风险,给城市交通的安全运营带来隐患,特别是在公路隧道的积水容易造成车辆打滑,形成严重的交通事故。
现有技术也有通过识别水位线来判断积水情况的(如专利号为202211158932.X中国发明专利),但是,一方面在道路积水较少(如一滩水)的情况下,积水并未淹没水位线,因而无法正常使用;另一方面,受限于图像识别的像素规模等原因,对水位线的识别需要较为复杂的算法,增加了布控成本。
发明内容
本发明实施例提供了一种隧道积水识别方法、装置、存储介质及电子装置,以至少解决相关技术中隧道内道路积水识别精度低的问题。
根据本发明的一个实施例,提供了一种隧道积水识别方法,包括:
获取目标隧道的目标图像信息;
按照预设的对象识别模型,对所述目标图像信息进行对象识别处理,以确定目标对象的对象类型信息;
在确定所述对象类型信息满足类型条件的情况下,对所述第一对象进行反光强度识别,以确定所述第一对象的反光强度信息,其中,所述目标对象包括所述第一对象;
在确定所述反光强度信息满足第一阈值条件的情况下,确定所述目标隧道存在积水
在一个示例性实施例中,在确定所述反光强度信息满足第一阈值条件的情况下,所述方法还包括:
基于所述目标图像信息,对所述第一对象进行定位检测,以确定所述第一对象的位置信息。
在一个示例性实施例中,在确定所述反光强度信息满足第一阈值条件的情况下,所述方法还包括:
基于所述对象类型信息,对第二对象进行第一属性识别,以确定所述第二对象的第一属性信息,其中,所述目标对象包括所述第二对象;
根据所述第一属性信息,对所述第二对象进行路径跟踪处理,以确定所述第二对象的运动轨迹;
在所述运动轨迹不满足轨迹条件的情况下,确定所述目标隧道存在积水。
在一个示例性实施例中,在所述根据所述属性信息,对所述第二对象进行路径跟踪处理,以确定所述第二对象的运动轨迹之前,所述方法还包括:
基于所述对象类型信息,对所述第一对象进行第二属性识别,以确定所述第一对象的第二属性信息;
根据第二属性信息,确定所述轨迹条件。
在一个示例性实施例中,在所述获取目标隧道的目标图像信息之前,所述方法还包括:
确定图像采集装置的设备参数信息,其中,所述图像采集装置用于采集所述目标图像信息;
根据所述设备参数信息,确定所述图像采集装置是否包括第一装置;
在确定所述图像采集装置包括所述第一装置的情况下,获取所述目标隧道的第一图像信息
根据第一图像信息确定所述目标隧道的光照强度;
在确定所述目标隧道的光照强度低于第二阈值的情况下,启动所述第一装置,以使所述第一装置对所述目标隧道进行照明。
根据本发明的另一个实施例,提供了一种隧道积水识别装置,包括:
图像采集模块,用于获取目标隧道的目标图像信息;
对象识别模块,用于按照预设的对象识别模型,对所述目标图像信息进行对象识别处理,以确定目标对象的对象类型信息;
反光识别模块,用于在确定所述对象类型信息满足类型条件的情况下,对所述第一对象进行反光强度识别,以确定所述第一对象的反光强度信息,其中,所述目标对象包括所述第一对象;
第一积水判断模块,用于在确定所述反光强度信息满足第一阈值条件的情况下,确定所述目标隧道存在积水。
在一个示例性实施例中,所述装置还包括:
定位模块,用于在确定所述反光强度信息满足第一阈值条件的情况下,基于所述目标图像信息,对所述第一对象进行定位检测,以确定所述第一对象的位置信息。
在一个示例性实施例中,所述装置还包括:
属性识别模块,用于在确定所述反光强度信息满足第一阈值条件的情况下,基于所述对象类型信息,对第二对象进行第一属性识别,以确定所述第二对象的第一属性信息,其中,所述目标对象包括所述第二对象;
轨迹跟踪模块,用于根据所述第一属性信息,对所述第二对象进行路径跟踪处理,以确定所述第二对象的运动轨迹;
第二积水判断模块,用于在所述运动轨迹不满足轨迹条件的情况下,确定所述目标隧道存在积水。
根据本发明的又一个实施例,还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明,由于通过隧道内的反光强度来判断是否存在积水,避免因物体图像识别造成的图像识别不准确,从而提高积水识别精,因此,可以解决隧道积水识别精度低的问题,达到提高隧道积水识别精度的效果。
附图说明
图1是本发明实施例的一种隧道积水识别方法的移动终端的硬件结构框图;
图2是根据本发明实施例的一种隧道积水识别方法的流程图;
图3是根据本发明具体实施例的效果示意图一;
图4是根据本发明具体实施例的效果示意图二;
图5是根据本发明实施例的一种隧道积水识别装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的一种隧道积水识别方法的移动终端的硬件结构框图。如图1所示,移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,其中,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的一种隧道积水识别方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种隧道积水识别方法,图2是根据本发明实施例的一种隧道积水识别方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,获取目标隧道的目标图像信息;
在本实施例中,在实际使用过程中,为保证隧道内道路的运行安全,通常需要在车辆入口、出口以及中间路段分别设置摄像头,以随时获取隧道内的运营图像。
其中,目标隧道包括城市立交隧道、地下轨道交通隧道、高速公路过山隧道、海底隧道等;目标图像信息包括(但不限于)视频、照片等图像信息,获取目标图像信息的方式可以(但不限于)是通过可见光摄像头或激光雷达对一定区域内进行图像或信息采集的得到的,或者通过无人机搭载机载摄像头的方式对目标道路进行图像采集得到的,还可以是通过隧道巡检机器人(常用于轨道交通隧道,如T9-R导轨式巡检机器人)搭载记载摄像头的方式实现的,对应的,目标图像信息还包括目标隧道的坐标信息。
步骤S204,按照预设的对象识别模型,对所述目标图像信息进行对象识别处理,以确定目标对象的对象类型信息;
在本实施例中,进行对象识别是为了区分隧道中需要识别的事物,如道路/轨道、车辆、运维人员、运维车辆、火焰、烟雾、积水等,从而能够根据对象的类型及时执行相关操作。
其中,对象识别模型可以是经过训练后的KinD(Kindling the Darkness)网络模型或者Yolov5、Yolov7等模型,目标对象包括(但不限于)道路/轨道、车辆、运维人员、运维车辆、火焰、烟雾、积水、照明灯、警示灯/牌、指示灯/牌等事物,对应的,对象类型信息包括指示目标对象的类型的标签代码、像素值等,如(11【大客车】,#3057【像素值】)、(12【小轿车】,#3088【像素值】),此处不再赘述。
步骤S206,在确定所述对象类型信息满足类型条件的情况下,对所述第一对象进行反光强度识别,以确定所述第一对象的反光强度信息,其中,所述目标对象包括所述第一对象;
在本实施例中,如图3-图4所示,在确定目标对象为道路/轨道的情况下,对该道路/轨道进行反光检测,从而减少如抛洒物等事物对识别结果的干扰;在正常情况下,隧道内的道路在照明设备的照射下通常不会繁盛较大的反光,只有在距离图像采集设备较远位置的道路可能因为采集角度的原因而产生少量强度较低的反光,在进行图像识别时,该强度通常被忽略;而在存在积水时,其反光强度将被放大,且由于积水的反光特性,其反光强度将会超过室内光照强度,因而此时通过识别其光照强度即可判断是否存在积水。
其中,类型条件即为目标对象为特定的道路或轨道,第一对象可以是隧道内的公路或者轨道,反光强度信息包括反光强度值,通常隧道内积水的反光强度为550-600Lux,交下隧道的积水的反光值可以达到1000Lux以上,具体数值与积水环境中照明设备的照明强度有关;可以想到的是,为保证反光角度可以备准确识别,图像采集装置与第一对象的之间应当存在一定的角度。
需要说明的是,为了进一步提高反光强度识别的精确度,还可以在图像采集装置上设置反光检测传感器,如DS-G通用型光电传感器等。
步骤S208,在确定所述反光强度信息满足第一阈值条件的情况下,确定所述目标隧道存在积水。
在本实施例中,第一阈值条件即为反光强度大于550Lux,此时,可以认为相关道路或轨道存在积水。
通过上述步骤,直接对图像中的反光强度进行识别,降低了识别难度,同时也无需对特定对象进行特殊识别,减少了抛洒物等事物的干扰,进一步节约了算力,提高了识别精度。解决了隧道积水识别难度大,识别精度低的问题,提高了隧道积水识别精度,降低了隧道积水识别布控成本。
其中,上述步骤的执行主体可以为基站、终端等,但不限于此。
在一个可选的实施例中,在确定所述反光强度信息满足第一阈值条件的情况下,所述方法还包括:
步骤S2062,基于所述目标图像信息,对所述第一对象进行定位检测,以确定所述第一对象的位置信息。
在本实施例中,对第一对象进行定位检测是为了确定积水的位置,从而方便运维人员及时对积水进行处理,进一步的,还可以将积水信息发送至公共平台,以对驾驶人员进行提醒。
其中,定位检测可以是通过GPS/北斗等定位模块或定位设备进行坐标定位。
在一个可选的实施例中,在确定所述反光强度信息满足第一阈值条件的情况下,所述方法还包括:
步骤S2064,基于所述对象类型信息,对第二对象进行第一属性识别,以确定所述第二对象的第一属性信息,其中,所述目标对象包括所述第二对象;
步骤S2066,根据所述第一属性信息,对所述第二对象进行路径跟踪处理,以确定所述第二对象的运动轨迹;
步骤S2068,在所述运动轨迹不满足轨迹条件的情况下,确定所述目标隧道存在积水。
在本实施例中,在实际运营中,车辆在遇到积水较多的环境时,通常会选择绕道行驶,因而此时可以通过跟踪车辆的路径来辅助判断是否存在积水。
其中,第二对象包括车辆,如小型车、货车、两危一客等机动车,第一属性信息包括(但不限于)第二对象的运动速度、运动方向、体积、画面面积、颜色、车牌号等信息,用于进行第一属性识别的方法可以是通过属性识别模型来实现,如Yolov5、Yolov7、YolovF等车辆属性模型,或者通过FT-CNN属性模型对静态图像进行属性识别也是可以的;运动轨迹条件可以(但不限于)是运动轨迹平行于道路基线或道路实线/虚线,也可以是运动轨迹的没有角度较大的变化等等。
需要说明的是,在隧道内,车辆的行进速度是一定的,在少量变道的情况下,其运动方向通常平行于道路延伸方向或道路虚线/实线,而在车辆遇到积水需要进行避让时,车辆会进行拐弯,此时车辆的运动轨迹会有较大的变化,因而通过对轨迹的跟踪可以对是否存在积水进行辅助判断。
在一个可选的实施例中,在所述根据所述属性信息,对所述第二对象进行路径跟踪处理,以确定所述第二对象的运动轨迹之前,所述方法还包括:
步骤S20642,基于所述对象类型信息,对所述第一对象进行第二属性识别,以确定所述第一对象的第二属性信息;
步骤S20644,根据第二属性信息,确定所述轨迹条件。
在本实施例中,在判断车辆轨迹变化之前,先确定道路的延伸方向或道路实线/虚线,从而提供轨迹变化的判断基准。
其中,第二属性信息包括道路的延伸方向、道路的实线/虚线位置及延伸方向等信息;第二属性信息的确定同样可以通过神经网络模型识别来确定,此处不再赘述。
在一个可选的实施例中,在所述获取目标隧道的目标图像信息之前,所述方法还包括:
步骤S2002,确定图像采集装置的设备参数信息,其中,所述图像采集装置用于采集所述目标图像信息;
步骤S2004,根据所述设备参数信息,确定所述图像采集装置是否包括第一装置;
步骤S2006,在确定所述图像采集装置包括所述第一装置的情况下,获取所述目标隧道的第一图像信息;
步骤S2008,根据第一图像信息确定所述目标隧道的光照强度;
步骤S20010,在确定所述目标隧道的光照强度低于第二阈值的情况下,启动所述第一装置,以使所述第一装置对所述目标隧道进行照明。
在本实施例中,相对于公路隧道,轨道交通的隧道空间狭小,且缺少照明设施,因而需要特定的巡检设备(如T9-R导轨式巡检机器人)来进行巡检,此时可以通过在巡检设备上安装照明设备来实现对反光强度的采集。
其中,设备参数信息包括图像采集装置的类型ID、结构参数(如接口类型、接口号、工作环境限定等)、搭载的设备的型号参数等;第一设备包括照明设备,如探照灯等;第二阈值可以(但不限于)是100Lux、50Lux等。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种隧道积水识别装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图5是根据本发明实施例的一种隧道积水识别装置的结构框图,如图5所示,该装置包括:
图像采集模块52,用于获取目标隧道的目标图像信息;
对象识别模块54,用于按照预设的对象识别模型,对所述目标图像信息进行对象识别处理,以确定目标对象的对象类型信息;
反光识别模块56,用于在确定所述对象类型信息满足类型条件的情况下,对所述第一对象进行反光强度识别,以确定所述第一对象的反光强度信息,其中,所述目标对象包括所述第一对象;
第一积水判断模块58,用于在确定所述反光强度信息满足第一阈值条件的情况下,确定所述目标隧道存在积水。
在一个可选的实施例中,所述装置还包括:
定位模块562,用于在确定所述反光强度信息满足第一阈值条件的情况下,基于所述目标图像信息,对所述第一对象进行定位检测,以确定所述第一对象的位置信息
在一个可选的实施例中,所述装置还包括:
属性识别模块564,用于在确定所述反光强度信息满足第一阈值条件的情况下,基于所述对象类型信息,对第二对象进行第一属性识别,以确定所述第二对象的第一属性信息,其中,所述目标对象包括所述第二对象;
轨迹跟踪模块566,用于根据所述第一属性信息,对所述第二对象进行路径跟踪处理,以确定所述第二对象的运动轨迹;
第二积水判断模块568,用于在所述运动轨迹不满足轨迹条件的情况下,确定所述目标隧道存在积水。
在一个可选的实施例中,轨迹跟踪模块566还包括:
第二属性确定单元5642,用于在所述根据所述属性信息,对所述第二对象进行路径跟踪处理,以确定所述第二对象的运动轨迹之前,基于所述对象类型信息,对所述第一对象进行第二属性识别,以确定所述第一对象的第二属性信息;
轨迹条件确定单元5644,用于根据第二属性信息,确定所述轨迹条件。
在一个可选的实施例中,所述装置还包括:
设备参数采集模块502,用于在所述获取目标隧道的目标图像信息之前,确定图像采集装置的设备参数信息,其中,所述图像采集装置用于采集所述目标图像信息;
第一装置确定模块504,用于根据所述设备参数信息,确定所述图像采集装置是否包括第一装置;
图像采集模块506,用于在确定所述图像采集装置包括所述第一装置的情况下,获取所述目标隧道的第一图像信息;
光照强度识别模块508,用于根据第一图像信息确定所述目标隧道的光照强度;
照明模块5010,用于在确定所述目标隧道的光照强度低于第二阈值的情况下,启动所述第一装置,以使所述第一装置对所述目标隧道进行照明。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述计算机可读存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种隧道积水识别方法,其特征在于,包括:
获取目标隧道的目标图像信息,其中,所述目标图像信息包括视频、图片信息;
按照预设的对象识别模型,对所述目标图像信息进行对象识别处理,以确定目标对象的对象类型信息;
在确定所述对象类型信息满足类型条件的情况下,对第一对象进行反光强度识别,以确定所述第一对象的反光强度信息,其中,所述目标对象包括所述第一对象,所述第一对象包括所述目标隧道内的公路或轨道;
在确定所述反光强度信息满足第一阈值条件的情况下,确定所述目标隧道存在积水;
其中,在所述获取目标隧道的目标图像信息之前,所述方法还包括:
确定图像采集装置的设备参数信息,其中,所述图像采集装置用于采集所述目标图像信息;
根据所述设备参数信息,确定所述图像采集装置是否包括第一装置;
在确定所述图像采集装置包括所述第一装置的情况下,获取所述目标隧道的第一图像信息;
根据第一图像信息确定所述目标隧道的光照强度;
在确定所述目标隧道的光照强度低于第二阈值的情况下,启动所述第一装置,以使所述第一装置对所述目标隧道进行照明;
其中,在确定所述反光强度信息满足第一阈值条件的情况下,所述方法还包括:
基于所述对象类型信息,对第二对象进行第一属性识别,以确定所述第二对象的第一属性信息,其中,所述目标对象包括所述第二对象,所述第二对象包括车辆,所述第一属性信息包括所述第二对象的运动速度信息;
根据所述第一属性信息,对所述第二对象进行路径跟踪处理,以确定所述第二对象的运动轨迹;
在所述运动轨迹不满足轨迹条件的情况下,确定所述目标隧道存在积水,其中,所述轨迹条件包括所述运动轨迹平行于道路基线或道路的实线/虚线;
其中,在所述根据所述属性信息,对所述第二对象进行路径跟踪处理,以确定所述第二对象的运动轨迹之前,所述方法还包括:
基于所述对象类型信息,对所述第一对象进行第二属性识别,以确定所述第一对象的第二属性信息,其中,所述第二属性信息包括道路的延伸方向;
根据第二属性信息,确定所述轨迹条件。
2.根据权利要求1所述的方法,其特征在于,在确定所述反光强度信息满足第一阈值条件的情况下,所述方法还包括:
基于所述目标图像信息,对所述第一对象进行定位检测,以确定所述第一对象的位置信息。
3.一种隧道积水识别装置,其特征在于,包括:
图像采集模块,用于获取目标隧道的目标图像信息,其中,所述目标图像信息包括视频、图片信息;
对象识别模块,用于按照预设的对象识别模型,对所述目标图像信息进行对象识别处理,以确定目标对象的对象类型信息;
反光识别模块,用于在确定所述对象类型信息满足类型条件的情况下,对第一对象进行反光强度识别,以确定所述第一对象的反光强度信息,其中,所述目标对象包括所述第一对象,所述第一对象包括所述目标隧道内的公路或轨道;
第一积水判断模块,用于在确定所述反光强度信息满足第一阈值条件的情况下,确定所述目标隧道存在积水;
其中,所述装置还包括:
设备参数采集模块,用于在所述获取目标隧道的目标图像信息之前,确定图像采集装置的设备参数信息,其中,所述图像采集装置用于采集所述目标图像信息;
第一装置确定模块,用于根据所述设备参数信息,确定所述图像采集装置是否包括第一装置;
图像采集模块,用于在确定所述图像采集装置包括所述第一装置的情况下,获取所述目标隧道的第一图像信息;
光照强度识别模块,用于根据第一图像信息确定所述目标隧道的光照强度;
照明模块,用于在确定所述目标隧道的光照强度低于第二阈值的情况下,启动所述第一装置,以使所述第一装置对所述目标隧道进行照明;
其中,所述装置还包括:
属性识别模块,用于在确定所述反光强度信息满足第一阈值条件的情况下,基于所述对象类型信息,对第二对象进行第一属性识别,以确定所述第二对象的第一属性信息,其中,所述目标对象包括所述第二对象,所述第二对象包括车辆,所述第一属性信息包括所述第二对象的运动速度信息;
轨迹跟踪模块,用于根据所述第一属性信息,对所述第二对象进行路径跟踪处理,以确定所述第二对象的运动轨迹;
第二积水判断模块,用于在所述运动轨迹不满足轨迹条件的情况下,确定所述目标隧道存在积水,其中,所述轨迹条件包括所述运动轨迹平行于道路基线或道路的实线/虚线;
其中,所述轨迹跟踪模块还包括:
第二属性确定单元,用于在所述根据所述属性信息,对所述第二对象进行路径跟踪处理,以确定所述第二对象的运动轨迹之前,基于所述对象类型信息,对所述第一对象进行第二属性识别,以确定所述第一对象的第二属性信息,其中,所述第二属性信息包括道路的延伸方向;
轨迹条件确定单元,用于根据第二属性信息,确定所述轨迹条件。
4.根据权利要求3所述的装置,其特征在于,所述装置还包括:
定位模块,用于在确定所述反光强度信息满足第一阈值条件的情况下,基于所述目标图像信息,对所述第一对象进行定位检测,以确定所述第一对象的位置信息。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至2任一项中所述的方法。
6.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至2任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211569029.2A CN115631420B (zh) | 2022-12-08 | 2022-12-08 | 一种隧道积水识别方法、装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211569029.2A CN115631420B (zh) | 2022-12-08 | 2022-12-08 | 一种隧道积水识别方法、装置、存储介质及电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115631420A CN115631420A (zh) | 2023-01-20 |
CN115631420B true CN115631420B (zh) | 2023-04-04 |
Family
ID=84910074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211569029.2A Active CN115631420B (zh) | 2022-12-08 | 2022-12-08 | 一种隧道积水识别方法、装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115631420B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740577B (zh) * | 2023-08-10 | 2024-01-12 | 瞳见科技有限公司 | 道路积水识别方法、***、终端及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115331190A (zh) * | 2022-09-30 | 2022-11-11 | 北京闪马智建科技有限公司 | 一种基于雷视融合的道路隐患识别方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161252B (zh) * | 2019-12-31 | 2022-03-25 | 山东大学 | 岩体结构探测及危石探测***及方法 |
CN111364379A (zh) * | 2020-03-25 | 2020-07-03 | 宗秀伟 | 一种隧道路面警示器 |
CN212539352U (zh) * | 2020-06-30 | 2021-02-12 | 深圳市中志环境科技有限公司 | 一种基于物联网实时监测预警的道路积水监测*** |
CN112659189B (zh) * | 2020-12-11 | 2023-03-03 | 国网智能科技股份有限公司 | 一种隧道水位检测方法、检测机器人及*** |
-
2022
- 2022-12-08 CN CN202211569029.2A patent/CN115631420B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115331190A (zh) * | 2022-09-30 | 2022-11-11 | 北京闪马智建科技有限公司 | 一种基于雷视融合的道路隐患识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115631420A (zh) | 2023-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113284366B (zh) | 车辆盲区预警方法、预警装置、mec平台和存储介质 | |
CN110930692B (zh) | 一种主动式车辆连续跟踪装置、***及方法 | |
CN108345822B (zh) | 一种点云数据处理方法及装置 | |
CN109212514B (zh) | 一种雷达检测设备对运动以及静止目标持续跟踪关联方法 | |
CN106571046B (zh) | 基于路面网格体系的车路协同辅助驾驶方法 | |
US11827228B2 (en) | Road abnormality detection apparatus, road abnormality detection method and road abnormality detection program | |
CN108460968A (zh) | 一种基于车联网获取交通路况信息的方法及装置 | |
EP3806062A1 (en) | Detection device and detection system | |
CN111354182A (zh) | 一种辅助驾驶方法和*** | |
CN109816971B (zh) | 基于多源数据融合的危险品运输车辆预防跟踪***及方法 | |
CN115631420B (zh) | 一种隧道积水识别方法、装置、存储介质及电子装置 | |
KR102565227B1 (ko) | 위험도 예측 안내를 제공하는 교통 안전 장치 및 이를 포함하는 교통 안전 시스템 | |
CN114387785A (zh) | 一种基于智慧公路的安全管控方法、***及可存储介质 | |
CN112034449A (zh) | 基于物理空间属性实现对车辆行驶轨迹修正的***及方法 | |
CN117372979A (zh) | 道路巡检方法、装置、电子设备及存储介质 | |
CN113033493A (zh) | 目标物巡检方法、装置、电子设备及存储介质 | |
CN115641334B (zh) | 道路防撞设施损伤识别方法及装置 | |
CN113496597B (zh) | 一种基于激光测速的超速抓拍方法、***及存储介质 | |
CN114693722B (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
CN114844925A (zh) | 无人矿山全域智能监测*** | |
CN112537301B (zh) | 智能驾驶交通载具的行车参照物选择方法、装置 | |
CN113593253A (zh) | 车辆的闯红灯监测方法和装置 | |
CN112784707B (zh) | 一种信息融合方法、装置、一体化检测设备及存储介质 | |
CN111862654A (zh) | 智能领航方法、应用、智能领航***和车辆 | |
CN117315407B (zh) | 对象的识别的方法和装置、存储介质及电子装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |