一种机器学习的多角度道路监控系统技术方案

本发明专利技术涉及道路监控技术领域，公开了一种机器学习的多角度道路监控系统，在原有道路监控系统中加入数据采集模块，通过单一监控进行数据采集时协调附近监控进行角度转动完成多角度数据采集，通过人工智能对数据特征的学习，数据特征的学习包括多角度特征和区间时间特征，人工智能将异常数据形成监控警告，并上报警告模块。本发明专利技术通过将疑似异常数据的多角度数据特征进行捕捉，同时对每天同一时段同一路段的数据特征进行捕捉，通过同一路段的同一时段的异常反检上游路段的异常数据，有利于大大提高对疑似异常数据的判断，有利于更为快速对异常路段进行筛选找寻实际异常道路。对异常路段进行筛选找寻实际异常道路。对异常路段进行筛选找寻实际异常道路。

【技术实现步骤摘要】
一种机器学习的多角度道路监控系统


[0001]本专利技术涉及监控系统
，具体为一种机器学习的多角度道路监控系统。

技术介绍

[0002]道路监控以快球监控为主，监控点分布在车流、人流比较集中的道路交叉口、重点路段，通过图像传输通道将路面交通情况实时上传到道路监控指挥中心，中心值班人员可以据此及时了解各区域路面状况，以便调整各路口车辆流量，确保交通通畅。
[0003]目前道路监控系统加入了人工智能进行协助监控，通过人工智能可协助人员快速进行处理，但是道路情况复杂，事故的多发，使得机械的学习缺乏更为全面地学习，对疑似异常的判断正确率较低，对异常道路的追索能力较低。
[0004]因此，我们提供一种机器学习的多角度道路监控系统，有利于大大提高对疑似异常数据的判断，有利于更为快速对异常路段进行筛选找寻实际异常道路

技术实现思路

[0005]本专利技术的目的在于提供一种机器学习的多角度道路监控系统，解决了
技术介绍
中所提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种机器学习的多角度道路监控系统，在原有道路监控系统中加入数据采集模块，通过单一监控进行数据采集时协调附近监控进行角度转动完成多角度数据采集，通过人工智能对数据特征的学习，数据特征的学习包括多角度特征和区间时间特征，人工智能将异常数据形成监控警告，并上报警告模块。
[0007]作为本专利技术的一种优选实施方式，所述多角度数据采集，当疑似异常数据出现，通过协调附近监控摄像头拍摄方向，对同一疑似异常数据进行多角度的捕捉数据特征，通过对相同疑似异常数据的多角度特征进行采集。
[0008]作为本专利技术的一种优选实施方式，将同一疑似异常数据的多角度特征整合对应，并加入数据采集模块完成数据报告。
[0009]作为本专利技术的一种优选实施方式，建立数据库，将数据采集模块内采集的数据特征进完成存储，同时将多角度的捕捉数据特征按照对应的异常数据完成存储。
[0010]作为本专利技术的一种优选实施方式，所述区间时间特征将每天的24小时按照30
‑
60min进行划分，基于每天同一时段对同一路段完成数据采集，通过时段内的数据特征形成样本数据的道路监控特征并通过人工智能进行数据特征学习。
[0011]作为本专利技术的一种优选实施方式，每天同一时段同一路段出现反差异常道路监控特征，触发监控警告，并上报警告模块，对异常道路的路段上游路段进行异常上报，并启动异常排查模块。
[0012]作为本专利技术的一种优选实施方式，对异常道路的路段上游路段各分支道路同一时段数据类比，对分支道路存在数据差异的道路监控画面进行重点捕捉，上报监控警告。
[0013]作为本专利技术的一种优选实施方式，所述相同异常数据的多角度数据特征的标注特
征出现次数。
[0014]与现有技术相比，本专利技术的有益效果如下：
[0015]本专利技术通过多角度数据特征、数据特征学和区间时间特征的设置，通过将疑似异常数据的多角度数据特征进行捕捉，同时对每天同一时段同一路段的数据特征进行捕捉，通过同一路段的同一时段的异常反检上游路段的异常数据，有利于大大提高对疑似异常数据的判断，有利于更为快速对异常路段进行筛选找寻实际异常道路。
附图说明
[0016]通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：
[0017]图1为本专利技术一种机器学习的多角度道路监控系统的整体示意图。
具体实施方式
[0018]为使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本专利技术。
[0019]请参阅图1，本专利技术提供一种技术方案：一种机器学习的多角度道路监控系统，在原有道路监控系统中加入数据采集模块，通过单一监控进行数据采集时协调附近监控进行角度转动完成多角度数据采集，通过人工智能对数据特征的学习，数据特征的学习包括多角度特征和区间时间特征，人工智能将异常数据形成监控警告，并上报警告模块。
[0020]本实施例中(请参阅图1)，所述多角度数据采集，当疑似异常数据出现，通过协调附近监控摄像头拍摄方向，对同一疑似异常数据进行多角度的捕捉数据特征，通过对相同疑似异常数据的多角度特征进行采集。
[0021]本实施例中(请参阅图1)，将同一疑似异常数据的多角度特征整合对应，并加入数据采集模块完成数据报告。
[0022]本实施例中(请参阅图1)，建立数据库，将数据采集模块内采集的数据特征进完成存储，同时将多角度的捕捉数据特征按照对应的异常数据完成存储。
[0023]本实施例中(请参阅图1)，所述区间时间特征将每天的24小时按照30
‑
60min进行划分，基于每天同一时段对同一路段完成数据采集，通过时段内的数据特征形成样本数据的道路监控特征并通过人工智能进行数据特征学习。
[0024]本实施例中(请参阅图1)，每天同一时段同一路段出现反差异常道路监控特征，触发监控警告，并上报警告模块，对异常道路的路段上游路段进行异常上报，并启动异常排查模块。
[0025]本实施例中(请参阅图1)，对异常道路的路段上游路段各分支道路同一时段数据类比，对分支道路存在数据差异的道路监控画面进行重点捕捉，上报监控警告。
[0026]本实施例中(请参阅图1)，所述相同异常数据的多角度数据特征的标注特征出现次数。
[0027]具体实施例1
[0028]在原有道路监控系统中加入数据采集模块，当异常数据发生通过单一监控进行数据采集异常数据画面，同时协调附近监控进行角度转动完成多角度数据采集，将同一疑似
异常数据的多角度特征整合对应，并加入数据采集模块完成数据报告，建立数据库，将数据采集模块内采集的数据特征进完成存储，同时将多角度的捕捉数据特征按照对应的异常数据完成存储通过人工智能对数据特征的学习，将城市主干道按照每天的24小时按照30进行划分，基于每天同一时段对同一路段完成数据采集，通过时段内的数据特征形成样本数据的道路监控特征并通过人工智能进行数据特征学习，每天同一时段同一路段出现反差异常道路监控特征，触发监控警告，并上报警告模块，对异常道路的路段上游路段各分支道路同一时段数据类比，对分支道路存在数据差异的道路监控画面进行重点捕捉，上报监控警告。
[0029]具体实施例2
[0030]当道路异常发生，将单一监控对异常情况捕捉时，协调道路异常附近的监控进行多角度数据捕捉，通过多角度数据捕捉可提高数据内容，对现场情况进一步了解，同时需要对道路异常发生前后进行数据捕捉，提供数据参考，并将其存储于数据库并完成数据上报，通过人工智能对数据库内数据的学习，对道路监控进行管控，当疑似相同道路发生时，协调道路异常附近的监控进行多角度数据拍摄，提供更多现场信息，同时对异常的前后的数据进行保存，将其上传至监控警告，进而启动警告模块，通知人员处理。
[0031]具体实施例3
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器学习的多角度道路监控系统，其特征在于：在原有道路监控系统中加入数据采集模块，通过单一监控进行数据采集时协调附近监控进行角度转动完成多角度数据采集，通过人工智能对数据特征的学习，数据特征的学习包括多角度特征和区间时间特征，人工智能将异常数据形成监控警告，并上报警告模块。2.根据权利要求1所述的一种机器学习的多角度道路监控系统，其特征在于：所述多角度数据采集，当疑似异常数据出现，通过协调附近监控摄像头拍摄方向，对同一疑似异常数据进行多角度的捕捉数据特征，通过对相同疑似异常数据的多角度特征进行采集。3.根据权利要求2所述的一种机器学习的多角度道路监控系统，其特征在于：将同一疑似异常数据的多角度特征整合对应，并加入数据采集模块完成数据报告。4.根据权利要求1所述的一种机器学习的多角度道路监控系统，其特征在于：建立数据库，将数据采集模块内采集的数据特征进完成存储，同时将多角度的捕捉数据特征按照对应的异常...

【专利技术属性】
技术研发人员：周晔，
申请(专利权)人：苏州大来智能工程有限公司，
类型：发明
国别省市：