[发明专利]一种基于监控视频的高速公路路面抛洒物检测方法

说明书

本发明提供了一种基于监控视频的高速公路路面抛洒物检测方法，在基于监控视频的基础上，使用机器学习的方法，学习高速公路特征和车辆特征，并且提取抛洒物特征，进行检测，最后得到抛洒物位置和范围，反馈到系统中，本发明不仅限于高速公路，同时普通路面和其余路面也具有实用性，均可以检测出不同形态、不同颜色的抛洒物，本发明还可以当摄像头所拍摄的视频上传到监控室云端后，实时检测路面有无抛洒物。

技术领域

本发明涉及目标检测图像技术领域，具体涉及一种基于监控视频的高速公路路面抛洒物检测方法。

背景技术

由于近年来，高速公路中频繁出现事故。其事故原因大部分都是由于驾驶员或者乘车者扔掷垃圾或者车厢抛洒物，导致后面行车困难。但是高速公路中行车速度快，无法及时发现这些抛洒物，所以导致的事故不计其数。同时，国内外并无高速公路抛洒物检测有效技术，大部分都依赖于前后帧的场景连续性，无法随意切换视频源和检测任意形态的抛洒物，小部分方法则无法当抛洒物是动态的时候进行有效检测和无法及时上报异常。比如在文献面向高速公路抛洒物检测的动态背景建模方法[J]. 浙江大学学报:工学版, 2020(7):1249-1255中对传统高斯混合模型的背景划分和模型匹配方法进行改进,设计基于像素点的高斯分布背景模型权值的衰减状况进行背景建模和背景更新的方法,既能减少开放环境大量环境噪声的影响,也能对抛洒物快速进入静止状态后的准确检测。文献名称为基于帧间差分自适应法的车辆抛洒物检测[J]. 长春理工大学学报:自然科学版, 2018,v.41(04):112-117等采用相位相关方法估计和补偿伪运动，利用当前帧与历史帧的共性信息建立运动背景模型，提取实际运动目标。通过形态学操作和卡尔曼滤波器跟踪运动目标，利用运动目标质心、尺寸和灰度强度分布等信息，解决跟踪过程中的数据关联问题。基于HOG 特征使用 SVM 分类器对非车辆目标(抛洒物)进行检测。

发明内容

（一）解决的技术问题

本发明的目的在于提供一种基于监控视频的高速公路路面抛洒物检测方法，以解决上述背景技术中提出的实际问题。

（二）技术方案

为实现上述目的，本发明提供如下技术方案：一种基于监控视频的高速公路路面抛洒物检测方法，包括以下步骤：

步骤（1）：采集高速公路上的不同路段、不同时间的视频，通过对视频的解析，得到图片，并对图片进行预处理，得到高速公路数据集图像；

步骤（2）：使用分割模型对高速公路数据集图像进行分割掩码得到高速公路区域图像；

步骤（3）：将高速公路区域图像与原始高速公路数据集图像相加，并使用yolov5目标检测方法检测出车辆的坐标点；

步骤（4）：通过ORB角点检测方法对原始视频数据集图像进行检测，得到特征点密集度大于200点的特征点图像，并通过特征点图像得到分类模型；

步骤（5）：训练得到分类模型后，进行测试，输入高速公路视频，自动在视频中检测出抛洒物，提示异常，如果没有抛洒物，则提示正常

进一步的，所述步骤（1）中的视频是通过高速公路监控摄像头采集的。

进一步的，所述步骤（4）中的得到分类模型的具体过程包括：以特征点图像的特征点为中心，上下左右各加50个像素为特征图，作为正样本，其余无特征点的部分，以滑动窗口100*100的规格，进行裁剪，作为负样本，通过机器学习来训练正样本和负样本，得到分类模型。

进一步的，所述机器学习采用SqueezeNet网络作为分类网络。

（三）有益效果

（1）基于监控视频的高速公路路面抛洒物检测方法的适用性，本发明不仅限于高速公路，同时普通路面和其余路面也具有实用性，均可以检测出不同形态、不同颜色的抛洒物。