CN117636269A - 道路护栏碰撞智能检测的方法 - Google Patents
道路护栏碰撞智能检测的方法 Download PDFInfo
- Publication number
- CN117636269A CN117636269A CN202410090793.4A CN202410090793A CN117636269A CN 117636269 A CN117636269 A CN 117636269A CN 202410090793 A CN202410090793 A CN 202410090793A CN 117636269 A CN117636269 A CN 117636269A
- Authority
- CN
- China
- Prior art keywords
- data
- collision
- optical fiber
- image
- road guardrail
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 13
- 239000013307 optical fiber Substances 0.000 claims abstract description 31
- 230000008859 change Effects 0.000 claims abstract description 17
- 238000013145 classification model Methods 0.000 claims abstract description 15
- 230000007704 transition Effects 0.000 claims abstract description 15
- 230000003287 optical effect Effects 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000007797 corrosion Effects 0.000 abstract description 3
- 238000005260 corrosion Methods 0.000 abstract description 3
- 230000007246 mechanism Effects 0.000 abstract description 3
- 230000004927 fusion Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 14
- 238000012544 monitoring process Methods 0.000 description 10
- 206010039203 Road traffic accident Diseases 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000003139 buffering effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明属于道路护栏智能检测应用技术领域,尤其涉及一种道路护栏碰撞智能检测的方法。本发明搭建使用相位敏感光时域反射与迈克尔逊干涉仪相结合的分布式光纤传感***稳定性好、耐腐蚀性强、远距离传输损耗低。本发明为保证能尽快找到碰撞位置,更加快速反应光纤数据的变化,计算处理后数据的数据变化率,将数据和数据变化率通过马尔可夫变迁场转化为图像,再做像素级融合,得到融合图像。各碰撞等级之间存在类间相似性,简单依靠卷积难以提取局部特征,为实现不同碰撞等级的分类,搭建了基于Transformer和残差的分类模型,在Transformer中加入卷积计算使得模型仍保留提取局部特征的能力,通过注意力机制融合空间域特征。
Description
技术领域
本发明属于道路护栏智能检测应用技术领域,尤其涉及一种道路护栏碰撞智能检测的方法。
背景技术
由于汽车数量的增加、道路情况的日益复杂,交通事故的发生日益频繁,严重威胁了人民的生命财产安全。道路护栏在城市道路交通安全管理中起着至关重要的作用。道路安全护栏能够保障车辆和行人各行其道,并且护栏能够在车辆失控冲出道路时起到缓冲保护作用,降低事故对驾驶员和行人造成的伤害。在发生交通事故时,护栏遭到破坏后,存在驾驶员逃逸现象。这导致护栏损坏的情况不能及时反映到交管部门,极易造成二次事故。由于城市道路具有路段长,车流大的特点,人工巡查效率很低,很浪费人力物力。当前,对护栏碰撞进行检测时无法做到实时监测、准确地段检测,存在很多安全隐患。
发明内容
本发明针对道路护栏碰撞所存在的技术问题,提出一种设计合理、方法简单、理论性强且能够实现实时监测、地址段准确检测的一种道路护栏碰撞智能检测的方法。
为了达到上述目的,本发明采用的技术方案为:一种道路护栏碰撞智能检测的方法,包括如下步骤:
S1、搭建使用相位敏感光时域反射与迈克尔逊干涉仪相结合的分布式光纤传感***;
S2、利用分布式光纤传感***对道路护栏是否发生碰撞及不同碰撞等级数据进行采集,并将光纤扰动位置的时间序列分割成短时信号单元数据,将短时信号单元数据进行处理,其公式为:
,其中,为处理后的数据,为的最小值,为
的最大值,实现映射到[-1,1],计算处理后数据的数据变化率:
,其中,为时刻的数据变化率;
S3、利用马尔可夫变迁场将处理后的数据转换为图像1,将处理后的数据变化率转化为图像2,将深层信息进行可视化,将图像1和图像2做像素级融合,得到融合图像;
S4、搭建基于Transformer和残差的分类模型,所述分类模型添加多头注意力后卷运算公式为:
,其中,为输入,为输出,表示
卷积层的权重矩阵,T为转置,所述分类模型用卷积代替线性层,增加网络的灵活性;
S5、通过分类模型,实现实时道路护栏是否发生碰撞及不同碰撞等级分类。
作为优选,所述S1步骤分布式光纤传感***采用输出功率为20 mW,线宽3 kHz,输出 1550.12 nm连续激光的窄线激光器。
作为优选,所述马尔可夫变迁场通过马尔可夫转移矩阵描述马尔可夫链中不同状态之间的转移概率。
与现有技术相比,本发明的优点和积极效果在于:
本发明提供一种道路护栏碰撞智能检测的方法搭建使用相位敏感光时域反射与迈克尔逊干涉仪相结合的分布式光纤传感***稳定性好、耐腐蚀性强、远距离传输损耗低。本发明为保证能尽快找到碰撞位置,更加快速反应光纤数据的变化,计算处理后数据的数据变化率,将数据和数据变化率通过马尔可夫变迁场转化为图像,再做像素级融合,得到融合图像。各碰撞等级之间存在类间相似性,简单依靠卷积难以提取局部特征,为实现不同碰撞等级的分类,搭建了基于Transformer和残差的分类模型,在Transformer中加入卷积计算使得模型仍保留提取局部特征的能力,通过注意力机制融合空间域特征。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的分布式光纤传感***的结构示意图;
图2为本发明实施例提供的基于Transformer和残差的分类模型的结构示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和实施例对本发明做进一步说明。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用不同于在此描述的其他方式来实施,因此,本发明并不限于下面公开说明书的具体实施例的限制。
实施例,如图1、图2所示,考虑到由于汽车数量的增加、道路情况的日益复杂,交通事故的发生日益频繁,严重威胁了人民的生命财产安全。道路护栏在城市道路交通安全管理中起着至关重要的作用。道路安全护栏能够保障车辆和行人各行其道,并且护栏能够在车辆失控冲出道路时起到缓冲保护作用,降低事故对驾驶员和行人造成的伤害。在发生交通事故时,护栏遭到破坏后,存在驾驶员逃逸现象。这导致护栏损坏的情况不能及时反映到交管部门,极易造成二次事故。由于城市道路具有路段长,车流大的特点,人工巡查效率很低,很浪费人力物力。当前,对护栏碰撞进行检测时无法做到实时监测、准确地段检测,存在很多安全隐患。为此,本发明提出一种道路护栏碰撞智能检测的方法。
考虑到,传统的周界安防技术包括红外线对射技术、微波主动对射技术、电子围栏电网技术、视频监测技术、无人机巡检技术等,虽然它们达到了一定的周界安防作用,但仍存在着一些技术缺陷。例如红外线对射、微波主动对射技术容易遭受地形、恶劣天气以及周围建筑物强电磁干扰的影响;视频监测技术长距离监测成本较高,容易存在监控死角;电子围栏和电网技术在周界安防领域中被广泛采用,但其传感部分均为有源,因此存在功耗大、易受电磁干扰和噪声影响等问题。此外,这些技术在监测距离、误报率、定位精准度等方面存在缺陷,因此容易出现问题。分布式光纤传感技术是一种以光波为传感载体、以光纤为传输介质的技术,其利用光的敏感特性来检测外界参数的变化。在该技术中,光波会被捕捉并传输到接收端,接收端会检测光的状态(如强度、波长、频率、相位、振幅)的变化并解调出物理量的测量值。与其他监测设备及传感器相比,分布式光纤传感技术具有抗电磁干扰能力强、稳定性好、耐腐蚀性强、远距离传输损耗低、无需通电、实时性强、体积小易埋入等技术优点。分布式光纤传感***还具备空间分辨率高、探测灵敏度高、监测范围广、响应时间短等特性。由于分布式光纤传感依据激光器输出的脉冲光与探测器接收到的后向瑞利散射光之间的时光差能够准确地确定光纤路径中碰撞事件发生的位置,因此可以根据事件定位信息和时空响应信号矩阵得到每个空间点的一维时间序列,相位敏感光时域反射计凭借成本较低的通信光纤即可实现结构内全部拉索的自振频率测量,具有较好的测试前景。因此,首先,搭建使用相位敏感光时域反射与迈克尔逊干涉仪相结合的分布式光纤传感***,接着利用分布式光纤传感***对道路护栏是否发生碰撞及不同碰撞等级数据进行采集,并将光纤扰动位置的时间序列分割成短时信号单元数据,将短时信号单元数据进行处理,其公式为:
,其中,为处理后的数据,为的最小值,为
的最大值,实现映射到[-1,1],为保证能尽快找到碰撞位置,更加快速反应光纤数据的变
化,计算处理后数据的数据变化率:
,其中,为时刻的数据变化率。具体的,分布式光
纤传感***采用输出功率为20 mW,线宽3 kHz,输出 1550.12 nm连续激光的窄线激光器。
考虑到,图像分类的神经网络框架越来越成熟,越来越多的研究者选择把光纤传感事件的数据转换成事件图像的特征类型,从而实现光纤传感事件的分类识别。光纤传感事件的识别对神经网络的时间效率提出了更高要求,并且浅层神经网络无法从复杂数据中进行足够的特征提取,深层网络结构会导致训练变得更为复杂,容易过拟合等,并且需要较多的硬件支持。对于分布式光纤传感中的事件识别这一领域来说,如何将光纤传感事件图像识别算法保证轻量化的同时还能有着较高的识别精度是目前很很重要的研究方向。
考虑到,马尔可夫变迁场可以将数据转换成图像,是一种常见的数据可视化技术。它的基本思想是将时间序列数据看作是在一个二维空间中运动的“粒子”,每个时刻数据的取值决定了粒子的位置。在这个空间中,我们可以构建一张图像,图像中的每个像素代表了空间中的一个位置,而像素的值则代表了在这个位置上出现的数据点的数量或频率。马尔可夫变迁场可以将复杂数字数据直观地表示为图像,使人们更容易地理解和分析数据的模式和特征。马尔可夫变迁场可以捕捉时间序列数据中的依赖关系和动态特征,这有助于模型更好地识别数据中的模式和规律。此外,由于图像是一种通用的数据类型,我们可以使用各种计算机视觉和图像处理技术来处理和分析马尔可夫变迁场图像,从而进一步挖掘数据的信息。
所以,接着利用马尔可夫变迁场将处理后的数据转换为图像1,将处理后的数据变化率转化为图像2,将深层信息进行可视化,将图像1和图像2做像素级融合,得到融合图像。
考虑到,各碰撞等级之间存在类间相似性,简单依靠卷积难以提取局部特征,实现不同碰撞等级的分类,为此搭建基于Transformer和残差的分类模型,在Transformer中加入卷积计算使得模型仍保留提取局部特征的能力,通过注意力机制融合空间域特征,所述分类模型添加多头注意力后卷运算公式为:
,其中,为输入,为输出,表示
卷积层的权重矩阵,T为转置,所述分类模型用卷积代替线性层,增加网络的灵活性。
最后通过分类模型,实现实时道路护栏是否发生碰撞及不同碰撞等级分类。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其它领域,但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (3)
1.一种道路护栏碰撞智能检测的方法,其特征在于,包括如下步骤:
S1、搭建使用相位敏感光时域反射与迈克尔逊干涉仪相结合的分布式光纤传感***;
S2、利用分布式光纤传感***对道路护栏是否发生碰撞及不同碰撞等级数据进行采集,并将光纤扰动位置的时间序列分割成短时信号单元数据,将短时信号单元数据进行处理,其公式为:
,
其中,为处理后的数据,/>为/>的最小值,/>为/>的最大值,实现映射到[-1,1],计算处理后数据的数据变化率:
,
其中,为/>时刻的数据变化率;
S3、利用马尔可夫变迁场将处理后的数据转换为图像1,将处理后的数据变化率转化为图像2,将深层信息进行可视化,将图像1和图像2做像素级融合,得到融合图像;
S4、搭建基于Transformer和残差的分类模型,所述分类模型添加多头注意力后卷运算公式为:
,
其中,为输入,/>为输出,/>表示卷积层的权重矩阵,T为转置,所述分类模型用卷积代替线性层,增加网络的灵活性;
S5、通过分类模型,实现实时道路护栏是否发生碰撞及不同碰撞等级分类。
2.根据权利要求1所述的道路护栏碰撞智能检测的方法,其特征在于,所述S1步骤分布式光纤传感***采用输出功率为20 mW,线宽3 kHz,输出 1550.12 nm连续激光的窄线激光器。
3.根据权利要求1所述的道路护栏碰撞智能检测的方法,其特征在于,所述马尔可夫变迁场通过马尔可夫转移矩阵描述马尔可夫链中不同状态之间的转移概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410090793.4A CN117636269A (zh) | 2024-01-23 | 2024-01-23 | 道路护栏碰撞智能检测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410090793.4A CN117636269A (zh) | 2024-01-23 | 2024-01-23 | 道路护栏碰撞智能检测的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117636269A true CN117636269A (zh) | 2024-03-01 |
Family
ID=90027248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410090793.4A Pending CN117636269A (zh) | 2024-01-23 | 2024-01-23 | 道路护栏碰撞智能检测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117636269A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111765960A (zh) * | 2020-07-23 | 2020-10-13 | 国网山西省电力公司太原供电公司 | 基于分布式光纤传感的opgw光缆地震信号的提取方法 |
CN113049084A (zh) * | 2021-03-16 | 2021-06-29 | 电子科技大学 | 一种基于注意力机制的Resnet的分布式光纤传感信号识别方法 |
CN113221975A (zh) * | 2021-04-26 | 2021-08-06 | 中国科学技术大学先进技术研究院 | 基于改进马尔可夫分析法的工况构建方法及存储介质 |
CN115512399A (zh) * | 2021-06-04 | 2022-12-23 | 长沙理工大学 | 一种基于局部特征和轻量级网络人脸融合攻击检测的方法 |
CN115901043A (zh) * | 2022-11-17 | 2023-04-04 | 重庆大学 | 基于分布式光纤传感的电力电缆外力监测***及方法 |
CN116091897A (zh) * | 2023-03-14 | 2023-05-09 | 山东省计算中心(国家超级计算济南中心) | 一种基于轻量化的分布式光纤传感事件识别方法及*** |
CN116229295A (zh) * | 2023-02-28 | 2023-06-06 | 西安电子科技大学 | 基于融合卷积注意力机制的遥感图像目标检测方法 |
-
2024
- 2024-01-23 CN CN202410090793.4A patent/CN117636269A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111765960A (zh) * | 2020-07-23 | 2020-10-13 | 国网山西省电力公司太原供电公司 | 基于分布式光纤传感的opgw光缆地震信号的提取方法 |
CN113049084A (zh) * | 2021-03-16 | 2021-06-29 | 电子科技大学 | 一种基于注意力机制的Resnet的分布式光纤传感信号识别方法 |
CN113221975A (zh) * | 2021-04-26 | 2021-08-06 | 中国科学技术大学先进技术研究院 | 基于改进马尔可夫分析法的工况构建方法及存储介质 |
CN115512399A (zh) * | 2021-06-04 | 2022-12-23 | 长沙理工大学 | 一种基于局部特征和轻量级网络人脸融合攻击检测的方法 |
CN115901043A (zh) * | 2022-11-17 | 2023-04-04 | 重庆大学 | 基于分布式光纤传感的电力电缆外力监测***及方法 |
CN116229295A (zh) * | 2023-02-28 | 2023-06-06 | 西安电子科技大学 | 基于融合卷积注意力机制的遥感图像目标检测方法 |
CN116091897A (zh) * | 2023-03-14 | 2023-05-09 | 山东省计算中心(国家超级计算济南中心) | 一种基于轻量化的分布式光纤传感事件识别方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Vehicle detection and classification using distributed fiber optic acoustic sensing | |
US11562224B2 (en) | 1D-CNN-based distributed optical fiber sensing signal feature learning and classification method | |
CN110992683B (zh) | 一种基于动态图像感知的交叉口盲区预警方法及*** | |
Martin et al. | Detector technology evaluation | |
CN110542898A (zh) | 一种基于雷达组群的车辆行为连续跟踪探测***及方法 | |
CN104700624A (zh) | 基于相敏光时域反射仪的车流量在线监测***及监测方法 | |
CN114419825B (zh) | 基于毫米波雷达和摄像头的高铁周界入侵监测装置及方法 | |
US11783452B2 (en) | Traffic monitoring using distributed fiber optic sensing | |
CN103176185A (zh) | 用于检测道路障碍物的方法及*** | |
WO2020257167A1 (en) | Distributed intelligent traffic informatics using fiber sensing | |
CN109444872B (zh) | 行人与车辆的区分方法、装置、计算机设备及存储介质 | |
CN109910881A (zh) | 一种转弯道路视觉盲区信息的检测处理方法及*** | |
CN113313012B (zh) | 一种基于卷积生成对抗网络的危险驾驶行为识别方法 | |
US20230152150A1 (en) | Road surface conditions detection by distributed optic fiber system | |
US20230096509A1 (en) | Non-Blind Area Real-Time Monitoring and Alarming System for Accident on Freeway | |
KR20220146670A (ko) | 교통 비정상 탐지 방법, 장치, 기기, 저장 매체 및 프로그램 | |
CN116912586A (zh) | 一种变电站入侵事件识别方法、***、设备及介质 | |
CN109872527B (zh) | 基于重力感应的行人闯红灯监控装置及监控方法 | |
Ohta | Level crossings obstacle detection system using stereo cameras | |
CN117636269A (zh) | 道路护栏碰撞智能检测的方法 | |
Khan et al. | Prior recognition of flash floods: Concrete optimal neural network configuration analysis for multi-resolution sensing | |
Xiao et al. | Intrusion detection for high-speed railway system: a faster R-CNN approach | |
CN116204784A (zh) | 一种基于das的地铁隧道外部危害作业入侵识别方法 | |
CN114719950A (zh) | 一种分步式光纤多维特征参数采集提取方法 | |
Zhang et al. | Robust vehicle detection and identification with single magnetic sensor |
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 |