[发明专利]一种基于人工智能的高速公路安全巡查系统

说明书

本发明提供了一种基于人工智能的高速公路安全巡查系统，包括数据集合模型模块、训练模型模块和模型应用模块，数据集合模型模块，包括高速照相机的图像数据、GPS数据和图像识别数据；训练模型模块，用以对数据集合模型模块的数据进行分类学习，并将学习结果储存至数据库中；模型应用模块，用以对监测车采集的道路信息进行分析处理，将分析处理结果储存至数据库并发送至PC端或移动终端。本发明能够对道路信息进行全面识别，对道路上的车辆进行有效监测，及时上报，能够做到24小时监测和预警，给过往车辆进行提醒，减少人工巡查次数，提高巡检效率，让工作人员工作环境更安全，工作效率更高效，节省人力物力，提高道路行驶安全。

技术领域

本发明涉及高速公路安全巡查领域，具体地说是一种基于人工智能的高速公路安全巡查系统。

背景技术

传统的道路巡检方式，需要路政和养护部门一天多次上路巡查，遇到异常情况，需要下车拍照，让工作人员处于危险的位置，且拍摄照片信息无法及时上报。该方式存在人工成本高、巡查次数多、巡查效率低等诸多问题。而且高速公路交通线路多，传统巡查手段耗时耗力，且面临的危险性可能造成二次事故，往往会因为事故资料收集太慢而影响交通正常使用，并且对于其他车辆出行无法做到有效预警。

发明内容

本发明的目的是解决上述现有技术的不足，提供一种基于人工智能的高速公路安全巡查系统。

本发明解决其技术问题所采用的技术方案是：

一种基于人工智能的高速公路安全巡查系统，包括数据集合模型模块、训练模型模块和模型应用模块，

所述数据集合模型模块，包括高速照相机的图像数据、GPS数据和图像识别数据；所述高速照相机的图像数据和GPS数据通过监测车获取；

所述训练模型模块，用以对数据集合模型模块的数据进行分类学习，并将学习结果储存至数据库中；

所述模型应用模块，用以对监测车采集的道路信息经训练模型模块进行分析处理，将分析处理结果储存至数据库并发送至PC端或移动终端。

优选的，所述高速照相机的图像数据包括路面图像数据、车辆图像数据和标牌图像数据，

所述路面图像数据包括地面干燥的正常路面图像集合、坑洼路面图像集合、含有异物路面图像集合和含有冰雪的路面图像集合；

所述车辆图像数据包括车辆种类图像数据和车辆状态图像数据，所述车辆种类图像数据包括小型乘用车图像集合、货物运输车图像集合和特种车辆图像集合；所述车辆状态图像数据包括正常行驶的车辆图像集合、停止状态的车辆图像集合和非正常行驶的车辆图像集合，所述非正常行驶的车辆图像集合包括逆行、超速、长时间占用应急车道的车辆图像集合；

所述标牌图像数据包括道路标牌图像集合、车辆车牌图像集合和路段桩号图像集合。

优选的，所述图像识别数据是通过OCR识别模式对道路标牌图像数据、车辆车牌图像数据和路段桩号图像数据进行识别获取，包括识别的道路标牌图像数据、车辆车牌图像数据和路段桩号图像数据。

进一步的，所述GPS数据包括所要监测路段的始点坐标和终点坐标、采集的每一张图像所对应的坐标。

进一步的，每一张图像的坐标是利用GPS的RTK动态测量技术获取的。

优选的，所述训练模型模块包括采用高性能分布式深度学习框架PaddlePaddle的人工智能识别系统，通过自动模型选择模式(Auto Model Search)模式智能选择匹配的网格结构和超参数，提高模型的效果，采用的Early Stopping策略，降低过拟合风险，提高识别准确性；根据人工图像标注，通过ICNet图像级联网络的图像语义分割技术进行图像语义分割，获取高分辨率图像的准确性和低复杂度网络的效率之间的平衡，并将学习结果储存至数据库。