详情

原文传递一种路面异常情况监测方法、系统、存储介质及设备

专利名称：	一种路面异常情况监测方法、系统、存储介质及设备
摘要：	本发明属于路面图像处理领域，提供了一种路面异常情况监测方法、系统、存储介质及设备。其中，该方法包括获取实时路面视频信息；基于预先训练完成的路面异常监测模型，得到实时路面视频信息中各帧路面图像的异常监测结果；其中，所述路面异常监测模型包括主干网络、特征融合网络和输出端；所述主干网络用于对各帧路面图像进行多尺度特征提取；所述特征融合网络用于融合所述多尺度特征；所述输出端用于通过检测候选框与目标真实框之间的差值来确定特征融合后的路面图像中候选框显示阈值，再从确定的候选框中保留设定置信度的候选框并同时输出对应异常类别。
专利类型：	发明专利
国家地区组织代码：	山东;37
申请人：	山东大学
发明人：	张一德;刘国良
专利状态：	有效
申请日期：	2021-12-10T00:00:00+0800
发布日期：	2022-03-11T00:00:00+0800
申请号：	CN202111507845.6
公开号：	CN114170569A
代理机构：	济南圣达知识产权代理有限公司
代理人：	张庆骞
分类号：	G06V20/52;G06V20/17;G06K9/62;G06N3/04;G06N3/08;G06V10/46;G06V10/764;G06V10/80;G06V10/82;G;G06;G06V;G06K;G06N;G06V20;G06K9;G06N3;G06V10;G06V20/52;G06V20/17;G06K9/62;G06N3/04;G06N3/08;G06V10/46;G06V10/764;G06V10/80;G06V10/82
申请人地址：	250061 山东省济南市历下区经十路17923号
主权项：	1.一种路面异常情况监测方法，其特征在于，包括：获取实时路面视频信息；基于预先训练完成的路面异常监测模型，得到实时路面视频信息中各帧路面图像的异常监测结果；其中，所述路面异常监测模型包括主干网络、特征融合网络和输出端；所述主干网络用于对各帧路面图像进行多尺度特征提取；所述特征融合网络用于融合所述多尺度特征；所述输出端用于通过检测候选框与目标真实框之间的差值来确定特征融合后的路面图像中候选框显示阈值，再从确定的候选框中保留设定置信度的候选框并同时输出对应异常类别。 2.如权利要求1所述的路面异常情况监测方法，其特征在于，所述路面异常监测模型在训练阶段还包括输入端，所述输入端用于对训练路面异常监测模型的路面图像进行数据增强处理。 3.如权利要求1所述的路面异常情况监测方法，其特征在于，所述主干网络使用跨阶段局部网络对各帧路面图像进行特征提取。 4.如权利要求1所述的路面异常情况监测方法，其特征在于，所述特征融合网络为特征金字塔网络。 5.如权利要求1所述的路面异常情况监测方法，其特征在于，在所述输出端中，利用加入CIOU Loss损失函数的nms非极大值抑制算法对特征融合后的路面图像进行处理，其中，CIOU Loss损失函数用于检测候选框与目标真实框之间的差值来确定特征融合后的路面图像中候选框显示阈值。 6.如权利要求1所述的路面异常情况监测方法，其特征在于，所述路面视频信息为通过拉流的方式实时获取的无人机采集的视频信息。 7.一种路面异常情况监测系统，其特征在于，包括：视频获取模块，其用于获取实时路面视频信息；异常监测模块，其用于基于预先训练完成的路面异常监测模型，得到实时路面视频信息中各帧路面图像的异常监测结果；其中，所述路面异常监测模型包括主干网络、特征融合网络和输出端；所述主干网络用于对各帧路面图像进行多尺度特征提取；所述特征融合网络用于融合所述多尺度特征；所述输出端用于通过检测候选框与目标真实框之间的差值来确定特征融合后的路面图像中候选框显示阈值，再从确定的候选框中保留设定置信度的候选框并同时输出对应异常类别。 8.如权利要求7所述的路面异常情况监测系统，其特征在于，所述主干网络使用跨阶段局部网络对各帧路面图像进行特征提取；或所述特征融合网络为特征金字塔网络；或在所述输出端中，利用加入CIOU Loss损失函数的nms非极大值抑制算法对特征融合后的路面图像进行处理，其中，CIOU Loss损失函数用于检测候选框与目标真实框之间的差值来确定特征融合后的路面图像中候选框显示阈值。 9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的路面异常情况监测方法中的步骤。 10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一项所述的路面异常情况监测方法中的步骤。
所属类别：	发明专利