[发明专利]基于深度神经网络监控隧道运行状态的方法

说明书

本发明公开了一种基于深度神经网络监控隧道运行状态的方法，通过检测监控图像中的小于最前车辆阈值的范围中的车辆，在最前车辆阈值的范围中，车辆不能完成一个完整的超车操作，避免了超车所造成的最前车辆进行改变而车辆又未通过的情况，获得双车道中的最前车辆，只对最前车辆进行判断，减少了数据的计算，同时使得颜色识别和车牌识别时只对最前方清晰的车辆进行识别，大大增加了车辆识别的准确性。

技术领域

本发明涉及计算机技术领域，具体而言，涉及一种基于深度神经网络监控隧道运行状态的方法。

背景技术

目前高速公路采取地感线圈、红外线激光和视频检测的方式对车辆进行检测。地感线圈施工的过程对可靠性和寿命影响很大，需要对路面进行切割，影响路面寿命。在线圈安装和修复时需要中断交通，并且，地感线圈易被重型车辆、路面修理等损坏。另外线圈的维护工作量比较大的，一般使用2-3年就需要更换线圈，实际维修养护费用高于其它测速设备。目前采取的视频检测方法由于需要对车辆检测框中所有的车辆进行车辆跟踪的方式进行判断监控图像中的车辆与上一帧监控图像中的车辆是否一致，计算复杂，同时由于双车道进行超车等操作，使得检测不准确。还有通过检测监控图像中所有车辆的车牌来判断是否为同一辆车，由于监控图像中远处的车辆体积小，车辆识别有时并不准确。

发明内容

本发明的目的在于提供了一种基于深度神经网络监控隧道运行状态的方法，用以解决现有技术中存在的上述问题。

第一方面，本发明实施例提供了一种基于深度神经网络监控隧道运行状态的方法，包括：

获得第一监控图像；所述第一监控图像为隧道前的监控设备采集的监控图像；

基于所述第一监控图像和车辆检测算法，得到第一车辆检测框集合；

基于所述第一车辆检测框集合，得到第一检测框底边位置集合；

基于所述第一检测框底边位置，得到第一最前方车辆框集合；

获得第二监控图像；所述第二监控图像为隧道前的监控设备在采集第一监控图像后N秒采集的监控图像；

基于所述第二监控图像和车辆检测算法，得到第二车辆检测框集合；

基于所述第二车辆检测框集合，得到第二检测框底边位置集合；

基于所述第二检测框底边位置，得到第二最前方车辆框集合；

基于所述第一最前方车辆框集合和所述第二最前方车辆框集合，得到通过隧道的车流量。

可选的，基于所述第一最前方车辆框集合和所述第二最前方车辆框集合，得到通过隧道的车流量，包括：

基于所述第一最前方车辆框集合和所述第二最前方车辆框集合，得到不相同车辆数量；

基于所述不相同车辆数量，得到通过隧道的车流量；所述相同车辆数量包括0或1或2；所述不相同车辆数量为0表示所述第一最前方车辆框集合中的车辆和所述第二最前方车辆框集合中的车辆不相同的数量为0；所述不相同车辆数量为0表示所述第一最前方车辆框集合中表示所述第一最前方车辆框集合中车辆都未进入隧道；所述不相同车辆数量为1表示所述第一最前方车辆框集合中的车辆和所述第二最前方车辆框集合中的车辆不相同的数量为1，所述不相同车辆数量为1表示所述第一最前方车辆框集合中有一辆车进入隧道；所述不相同车辆数量为2表示所述第一最前方车辆框集合中和所述第二最前方车辆框集合中车辆不相同的数量为2，所述不相同车辆数量为2表示所述第一最前方车辆框集合中有两辆车进入隧道。

可选的，所述基于所述第一车辆检测框集合，得到第一检测框底边位置集合，包括：

基于所述第一车辆检测框集合，得到车辆检测框底边的起点位置；

所述车辆检测框底边的起点位置的横坐标具体通过下述公式计算获得：

其中，表示所述车辆检测框底边的起点位置的横坐标，表示车辆检测框在所述监控图像中的中心点的横坐标，表示车辆检测框的宽；

所述车辆检测框底边的起点位置的纵坐标具体通过下述公式计算获得：