CN117336580A - 一种无人机的交通事件应急装置和方法 - Google Patents
一种无人机的交通事件应急装置和方法 Download PDFInfo
- Publication number
- CN117336580A CN117336580A CN202311280227.1A CN202311280227A CN117336580A CN 117336580 A CN117336580 A CN 117336580A CN 202311280227 A CN202311280227 A CN 202311280227A CN 117336580 A CN117336580 A CN 117336580A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- event
- positioning information
- camera
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000002159 abnormal effect Effects 0.000 claims abstract description 35
- 230000009471 action Effects 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims description 11
- 230000000007 visual effect Effects 0.000 claims description 5
- 230000003542 behavioural effect Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U20/00—Constructional aspects of UAVs
- B64U20/70—Constructional aspects of the UAV body
- B64U20/77—Constructional aspects of the UAV body the body being formed integrally with wings or rotor supports
-
- 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
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
- B64U2101/00—UAVs specially adapted for particular uses or applications
- B64U2101/55—UAVs specially adapted for particular uses or applications for life-saving or rescue operations; for medical use
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Signal Processing (AREA)
- Mechanical Engineering (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种无人机的交通事件应急方法,包括以下步骤:获取摄像头的视频数据和定位信息,进行AI事件分析,判断异常事件;判断异常事件发生后,启动无人机;驱动无人机按照预设的航带前往定位信息位置上;启动无人机的记录动作或警示动作。本发明通过摄像头获取视频数据和定位信息,AI事件分析模块根据视频数据判断异常事件,能够快速判断异常事件发生,并且在异常事件发生后,无人机按照预设的航带前往定位信息位置上进行记录或警示动作,实现快速疏散和记录。
Description
技术领域
本发明涉及交通管理领域,尤其涉及一种无人机的交通事件应急装置和方法。
背景技术
目前道路异常事件发生,异常事件如停车滞留、拥堵、失火等,首先异常事件不好判断或判断的不够迅速,无法直接得出异常事件的具体情况,另一方面,在异常事件发生后,异常事件会影响交通情况,救援人员无法迅速到达现场,进行疏散指挥。
发明内容
本发明提供一种无人机的交通事件应急装置和方法,是通过以下技术方案来实现的:
方案一:
一种无人机的交通事件应急方法,包括以下步骤:
获取摄像头的视频数据和定位信息,进行AI事件分析,判断异常事件;
判断异常事件发生后,启动无人机;
驱动无人机按照预设的航带前往定位信息位置上;
启动无人机的记录动作或警示动作。
进一步的,所述AI事件分析包括目标检测、动作识别、场景分析和行为异常检测。
进一步的,还包括以下步骤:AI进行反馈和自我学习。
进一步的,所述预设航带包括以下步骤:预设一条穿过所述若干摄像头的航线,将这个航线宽度延伸,无人机在航带上移动。
进一步的,在航带上预设障碍物标识,从而无人机自动规划躲避障碍物的航线。
进一步的,所述获取摄像头的视频数据包括以下步骤:
将同一道路分为若干段距离,在每个距离的端点上安装有摄像头,多个摄像头分别与所述若干段距离一一对应,分别获取摄像头的视频数据和定位信息。
进一步的,判断异常事件发生后,选择距离摄像头提供的定位信息半径范围内最近的无人机启动。
方案二:
一种无人机的交通事件应急装置,包括摄像头、AI事件分析模块、主控机和无人机;
所述摄像头用于获取道路的视频数据和包含自身定位信息;
所述AI事件分析模块获得所述摄像头的视频信息和定位信息,并判断异常事件;
所述主控机应用于接收定位信息,在异常事件发生时启动无人机;
所述无人机用于根据所述地位信息前往定位信息的位置。
进一步的,多个所述摄像头安装在道路上,将同一道路分为若干段距离,摄像头安装在每段距离的端点上,多个摄像头分别与所述若干段距离一一对应,摄像头用于拍摄所述距离内的交通状况。
进一步的,所述无人机上安装有摄像枪、声光报警器和扬声器。
如此设计具有如下优点:本发明通过摄像头获取视频数据和定位信息,AI事件分析模块根据视频数据判断异常事件,能够快速判断异常事件发生,并且在异常事件发生后,无人机按照预设的航带前往定位信息位置上进行记录或警示动作,实现快速疏散和记录。
附图说明
图1是本发明的无人机、摄像头和道路的整体结构示意图;
图2是一种无人机的交通事件应急方法的流程图;
图中,1、无人机;2、摄像头;3、道路。
具体实施方式
下面结合附图和具体实施方式对本发明的内容做进一步详细说明。
如图1至2所示,本实施例提供的一种无人机1的交通事件应急装置,包括摄像头2、AI事件分析模块、主控机、无人机1。
多个所述摄像头2安装在道路3上,将同一道路3分为若干段距离,在每个距离的端点上安装有摄像头2,多个摄像头2分别与所述若干段距离一一对应,摄像头2拍摄所述距离内的交通状况,获得视频数据。摄像头2在安装时包含摄像头2自己的定位信息。
AI事件分析模块获得所述摄像头2的视频信息和定位信息。AI事件分析模块获得视频数据后对视频数据进行分析,在检测到异常事件时,发出异常事件通知至主控机,主控机根据定位信息启动无人机1,并发送定位信息至无人机1,定位信息中包括摄像头2本身位置和摄像头2所拍摄的那段距离的位置。
无人机1在收到异常事件通知后启动,根据定位信息前往所述定位信息位置上。对于无人机1来说,提前预设好一条的穿过所述若干摄像头2的航线,将这个航线宽度延伸,航带与所述道路3同方向,无人机1在航带上移动。在航带上若存在障碍物,提前对障碍物进行标识,从而自动规划躲避障碍物的航线。无人机1相比于一般救援人员能够更快到达现场。
无人机1上安装有摄像枪和声光报警器和扬声器。
所述摄像枪和所述摄像头2的区别在于,以目前大疆无人机1以正在使用的M300行业无人机1为例,搭载的云台摄像头2为H20T摄像枪,该云台摄像枪最高可支持4k 60hz的视频录制以及26倍光学变焦及广角摄像头2及红外摄像枪,而摄像枪大部分最高分辨率仅支持1k(1080p),而且AI视频事件分析因为视频流限制,摄像头2所提供的视频数据的分辨率不能太高,一般就是560*740甚至更低,因为太高的画质分辨率会大大降低识别的速度,对硬件的性能要求较高。因此,无人机1拍摄的画面比摄像头2会清晰。无人机1到达异常事件发生地后,通过调整无人机1角度和适当移动,能够满足多角度的拍摄,相比摄像头2单一位置拍摄效果更好。摄像枪拍摄后的视频数据可以上传云服务器进行保存,便于回看。
扬声器用于播报让人员远离事故现场的语音。声光报警器用于播放警笛和语音,通知后方车辆减慢速度,避免二次事故的发生。
一种无人机1的交通事件应急方法,包括以下步骤:
获得摄像头2视频数据和定位信息,进行AI事件分析,判断是否存在异常事件。
所述AI事件分析,包括以下方法:
1.目标检测:建立AI模型,AI模型会使用目标检测算法来识别交通视频中的各种目标,如车辆、行人、自行车等。通过检测和跟踪这些目标,模型可以判断是否发生了交通事故、交通违规等事件(抛洒物类似)。
2.动作识别:AI模型可以识别交通视频中的各种动作,如车辆的变道、停车、加速、刹车等。通过分析目标的动作行为,模型可以判断是否存在危险驾驶、违规行为等事件。
3.场景分析:AI模型可以分析交通视频的场景,包括道路3状况、交通标志、交通信号灯等。通过分析场景信息,模型可以判断是否存在交通堵塞、交通信号违规等事件。
4.行为异常检测:AI模型可以学习正常交通行为的模式,并检测出与之不符的异常行为。例如,突然变道、逆向行驶、闯红灯等行为可以被模型判断为交通违规事件。
为使得AI事件分析事件更准确,还包括AI进行反馈和自我学习,具体包括以下方法:
1、人工标注和验证:AI***可以与人工操作员合作,对检测到的事件进行标注和验证。人工操作员可以对AI检测结果进行审核和修正,提供正确的标签和反馈。这些标注数据可以用作训练集,用于改进和优化AI模型。
2、异常检测和报警:AI可以实时监测交通视频数据,并检测出异常事件。当检测到异常事件时,***可以生成警报并通知相关人员,相关人员可以进一步验证事件,并提供反馈和标注,AI***获得反馈和标注。这些反馈和标注数据可以用于改进模型的准确性。
3、主动学习:AI***可以利用主动学习的方法,选择一些难以判断的样本,向操作员提出询问,以获取正确的标签和反馈。通过这种方式,AI***可以主动学习并提高对复杂事件的判断能力。
4、持续迭代和训练:AI交通视频事件检测***可以定期进行模型的迭代和重新训练。使用收集到的标注数据和反馈,根据标注数据和反馈更新AI模型的参数和权重,提高模型的性能和准确性。
5、数据监控和质量控制:AI***可以对输入数据和输出结果进行监控和质量控制。如果检测到AI模型输出的错误或不确定性较高,AI***可以将这些样本标记为需要进一步验证和改进的样本。这样可以确保模型的稳定性和准确性。
通过以上反馈和自我学习的机制,AI交通视频事件检测***可以不断改进和优化模型,提高对交通事件的准确判断能力,并逐步适应不同场景和复杂情况。
判断异常事件发生后,启动无人机1。进一步的,判断异常事件发生后,选择距离摄像头2提供的定位信息半径范围内最近的无人机1启动。
驱动无人机1按照预设的航带前往定位信息位置上。预设航带包括以下步骤:
预设一条穿过所述若干摄像头2的航线,将这个航线宽度延伸,航带与所述道路3同方向,无人机1在航带上移动。在航带上预设障碍物标识,从而自动规划躲避障碍物的航线。
启动无人机1的记录动作或警示动作。记录动作指的是无人机1上摄像枪进行录制,警示动作指的是启动声光报警器和扬声器。
综上,本发明公开一种无人机1的交通事件应急装置和方法,通过摄像头2获取视频数据和定位信息,AI事件分析模块根据视频数据判断异常事件,能够快速判断异常事件发生,并且在异常事件发生后,无人机1按照预设的航带前往定位信息位置上进行记录或警示动作,实现快速疏散和记录。
上列详细说明是针对本发明可行实施例的具体说明,该实施例并非用以限制本发明的保护范围,凡未脱离本发明所为的等效实施或变更,均应包含于本发明的保护范围中。
Claims (10)
1.一种无人机的交通事件应急方法,其特征在于:包括以下步骤:
获取摄像头的视频数据和定位信息,进行AI事件分析,判断异常事件;
判断异常事件发生后,启动无人机;
驱动无人机按照预设的航带前往定位信息位置上;
启动无人机的记录动作或警示动作。
2.根据权利要求1所述的无人机的交通事件应急方法,其特征在于:所述AI事件分析包括目标检测、动作识别、场景分析和行为异常检测。
3.根据权利要求1所述的无人机的交通事件应急方法,其特征在于:还包括以下步骤:AI进行反馈和自我学习。
4.根据权利要求1所述的无人机的交通事件应急方法,其特征在于:所述预设航带包括以下步骤:预设一条穿过所述若干摄像头的航线,将这个航线宽度延伸,无人机在航带上移动。
5.根据权利要求4所述的无人机的交通事件应急方法,其特征在于:在航带上预设障碍物标识,从而无人机自动规划躲避障碍物的航线。
6.根据权利要求1所述的无人机的交通事件应急方法,其特征在于:所述获取摄像头的视频数据包括以下步骤:
将同一道路分为若干段距离,在每个距离的端点上安装有摄像头,多个摄像头分别与所述若干段距离一一对应,分别获取摄像头的视频数据和定位信息。
7.根据权利要求1所述的无人机的交通事件应急方法,其特征在于:判断异常事件发生后,选择距离摄像头提供的定位信息半径范围内最近的无人机启动。
8.一种无人机的交通事件应急装置,其特征在于:包括摄像头、AI事件分析模块、主控机和无人机;
所述摄像头用于获取道路的视频数据和包含自身定位信息;
所述AI事件分析模块获得所述摄像头的视频信息和定位信息,并判断异常事件;
所述主控机应用于接收定位信息,在异常事件发生时启动无人机;
所述无人机用于根据所述地位信息前往定位信息的位置。
9.根据权利要求8所述的无人机的交通事件应急装置,其特征在于:多个所述摄像头安装在道路上,将同一道路分为若干段距离,摄像头安装在每段距离的端点上,多个摄像头分别与所述若干段距离一一对应,摄像头用于拍摄所述距离内的交通状况。
10.根据权利要求8所述的无人机的交通事件应急装置,其特征在于:所述无人机上安装有摄像枪、声光报警器和扬声器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311280227.1A CN117336580A (zh) | 2023-10-07 | 2023-10-07 | 一种无人机的交通事件应急装置和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311280227.1A CN117336580A (zh) | 2023-10-07 | 2023-10-07 | 一种无人机的交通事件应急装置和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117336580A true CN117336580A (zh) | 2024-01-02 |
Family
ID=89294790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311280227.1A Pending CN117336580A (zh) | 2023-10-07 | 2023-10-07 | 一种无人机的交通事件应急装置和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117336580A (zh) |
-
2023
- 2023-10-07 CN CN202311280227.1A patent/CN117336580A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11990036B2 (en) | Driver behavior monitoring | |
US11380105B2 (en) | Identification and classification of traffic conflicts | |
US11240473B2 (en) | Method and apparatus for traffic infraction management | |
CN109448365B (zh) | 一种跨尺度空基平台区域道路交通***综合监视方法 | |
US11836985B2 (en) | Identifying suspicious entities using autonomous vehicles | |
WO2017123665A1 (en) | Driver behavior monitoring | |
CN113676702B (zh) | 基于视频流的目标追踪监测方法、***、装置及存储介质 | |
WO2018068579A1 (zh) | 交通影音接收与分析*** | |
EP3751480A1 (en) | System and method for detecting on-street parking violations | |
US20210397187A1 (en) | Method and system for operating a mobile robot | |
CN111477011A (zh) | 一种用于道路路口预警的检测装置及检测方法 | |
CN113870551B (zh) | 一种能够鉴别危险和非危险驾驶行为的路侧监控*** | |
KR102055693B1 (ko) | 긴급 차량 진행 알림 시스템 및 그 방법 | |
TWI712012B (zh) | 人工智慧交通偵測系統 | |
CN117336580A (zh) | 一种无人机的交通事件应急装置和方法 | |
KR20230126927A (ko) | 교통사고 예방 시스템 및 서비스 방법 | |
TWI712997B (zh) | 違規偵測方法及裝置 | |
WO2020139283A2 (en) | Bubble eye system | |
KR102340902B1 (ko) | 스쿨존을 모니터링하는 장치 및 방법 | |
CN113034898B (zh) | 一种基于云计算的道路畅通显示*** | |
Li et al. | Aggressive Driving Detection and Alert System Leveraging Current Signal Light Infrastructure | |
KR20240018171A (ko) | 실시간 영상을 이용한 모니터링 관리 장치 및 방법 | |
KR20240016549A (ko) | 무단횡단 감지 시스템 및 방법 | |
KR20230009659A (ko) | 지능형 교차로 차량 흐름 제어시스템 및 그 제어방법 | |
CN115880916A (zh) | 一种基于行为模型的道路交通事故检测方法 |
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 |