一种基于自主识别的高速公路施工监管方法技术

本发明专利技术公开一种基于自主识别的高速公路施工监管方法，包括步骤：

【技术实现步骤摘要】
一种基于自主识别的高速公路施工监管方法


[0001]本专利技术属于高速公路施工路段监管
，特别是涉及一种基于自主识别的高速公路施工监管方法
。

技术介绍

[0002]随着第五代移动通信
、
物联网
、
人工智能等技术的发展，智能视频分析技术迎来了快速发展
。
区别于传统的视频监控技术，智能视频分析技术能够自动对视频图像信息进行分析识别，无需人工干预
。
[0003]在建筑高速公路施工路段中，安全帽是施工人员必备的安全防护用品，正确佩戴安全帽是对施工人员生命安全的一种保障
。
但是，目前对于施工人员安全帽的佩戴检测主要依赖于人工检测，这样做不仅浪费大量人力成本且效率低下
。

技术实现思路

[0004]为了解决上述问题，本专利技术提出了一种基于自主识别的高速公路施工监管方法，通过提取视频监控图像检测高速公路施工路段上工人是否有佩戴安全帽，提高对高速公路施工路段个管理效率
。
[0005]为达到上述目的，本专利技术采用的技术方案是：一种基于自主识别的高速公路施工监管方法，包括步骤：
[0006]S10,
在高速公路施工路段上布设有摄像头对高速公路施工路段进行实时拍摄，获得高速公路施工路段视频；
[0007]S20,
对高速公路施工路段视频进行目标检测，提取工人目标检测对象；
[0008]S30,
基于工人目标检测对象进行目标位置预测和目标追踪；
[0009]S40,
提取全程追踪的目标检测对象图片，对图片进行目标工人提取，识别图片中是否有安全帽特征；若在图片中不存在安全帽特征则发出警示信号
。
[0010]进一步的是，基于
YOLOv3
的目标检测算法，对高速公路施工路段视频进行目标检测，提取工人目标检测对象
。
[0011]进一步的是，基于卡尔曼滤波器的目标位置预测算法，得出当前帧图片中工人的预测位置；
[0012]基于匈牙利匹配的目标追踪算法，实现多行人行走轨迹的追踪，根据上一帧行人的位置预测出当前帧行人的位置，实现的就是前后两帧行人的匹配，从而采用匹配算法来实现运动轨迹追踪
。
[0013]进一步的是，根据锁定的目标检测对象，在视频数据中提取具有该工人目标检测对象的图片数据，并利用经过训练的神经网络模型对图像中提取安全帽特征，若在图片中不存在安全帽特征则发出警示信号
。
[0014]进一步的是，在高速公路施工路段上布设有多组摄像头进行同时拍摄，并将摄像头采集数据共同通过网关传递至中央服务器，由中央服务器进行特征提取和判断
。
[0015]进一步的是，通过多组摄像头串联设置分别进行阶段拍摄，每个阶段相互拼接；
[0016]当锁定了摄像头中未佩戴安全帽的工人，作为警示目标工人，启动和该锁定了目标的摄像头相邻的摄像头对该警示目标工人进行锁定；
[0017]检测该警示目标工人是否在下一阶段进行安全帽佩戴，若仍没有佩戴进行目标位置锁定，若其消失在画面中，启动再下一阶段摄像头进行检测，依次类推；
[0018]若在后方阶段中该目标工人佩戴了安全帽则解除警示，若仍然没有佩戴便于实时锁定该目标工人的具体位置
。
[0019]进一步的是，在多组摄像头处均设置有独自的定位设备，便于中央服务器及时获得出现警示目标摄像头的具体设置，从而精准锁定警示目标工人的具体位置
。
[0020]采用本技术方案的有益效果：
[0021]本专利技术通过在高速公路施工路段上布设有摄像头对高速公路施工路段进行实时拍摄，获得高速公路施工路段视频；对高速公路施工路段视频进行目标检测，提取工人目标检测对象；基于工人目标检测对象进行目标位置预测和目标追踪；
,
提取全程追踪的目标检测对象图片，对图片进行目标工人提取，识别图片中是否有安全帽特征；若在图片中不存在安全帽特征则发出警示信号；通过提取视频监控图像检测高速公路施工路段上工人是否有佩戴安全帽，提高对高速公路施工路段个管理效率
。
[0022]本专利技术通过多组摄像头串联进行分阶段拍摄，并将每个阶段相互拼接，进行逐级锁定警示目标工人，能够有效排除及时带起安全帽的工人警示，提高实时性和警示精准度，并且能够精准锁定未佩戴安全帽工人的具体位置
。
附图说明
[0023]图1为本专利技术的一种基于自主识别的高速公路施工监管方法流程示意图
。
[0024]图2为本专利技术实施例中多组摄像头串联检测的原理示意图
。
具体实施方式
[0025]为了使本专利技术的目的
、
技术方案和优点更加清楚，下面结合附图对本专利技术作进一步阐述
。
[0026]在本实施例中，参见图1所示，本专利技术提出了一种基于自主识别的高速公路施工监管方法，包括步骤：
[0027]S10,
在高速公路施工路段上布设有摄像头对高速公路施工路段进行实时拍摄，获得高速公路施工路段视频；
[0028]S20,
对高速公路施工路段视频进行目标检测，提取工人目标检测对象；
[0029]S30,
基于工人目标检测对象进行目标位置预测和目标追踪；
[0030]S40,
提取全程追踪的目标检测对象图片，对图片进行目标工人提取，识别图片中是否有安全帽特征；若在图片中不存在安全帽特征则发出警示信号
。
[0031]作为上述实施例的优化方案，基于
YOLOv3
的目标检测算法，对高速公路施工路段视频进行目标检测，提取工人目标检测对象
。
[0032]基于卡尔曼滤波器的目标位置预测算法，得出当前帧图片中工人的预测位置；
[0033]基于匈牙利匹配的目标追踪算法，实现多行人行走轨迹的追踪，根据上一帧行人
的位置预测出当前帧行人的位置，实现的就是前后两帧行人的匹配，从而采用匹配算法来实现运动轨迹追踪
。
[0034]根据锁定的目标检测对象，在视频数据中提取具有该工人目标检测对象的图片数据，并利用经过训练的神经网络模型对图像中提取安全帽特征，若在图片中不存在安全帽特征则发出警示信号
。
[0035]作为上述实施例的优化方案，如图2所示，在高速公路施工路段上布设有多组摄像头进行同时拍摄，并将摄像头采集数据共同通过网关传递至中央服务器，由中央服务器进行特征提取和判断
。
[0036]通过多组摄像头串联设置分别进行阶段拍摄，每个阶段相互拼接；
[0037]当锁定了摄像头中未佩戴安全帽的工人，作为警示目标工人，启动和该锁定了目标的摄像头相邻的摄像头对该警示目标工人进行锁定；
[0038]检测该警示目标工人是否在下一阶段进行安全帽佩戴，若仍没有佩戴进行目标位置锁定，若其消失在画面中，启动再下一阶段本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于自主识别的高速公路施工监管方法，其特征在于，包括步骤：
S10,
在高速公路施工路段上布设有摄像头对高速公路施工路段进行实时拍摄，获得高速公路施工路段视频；
S20,
对高速公路施工路段视频进行目标检测，提取工人目标检测对象；
S30,
基于工人目标检测对象进行目标位置预测和目标追踪；
S40,
提取全程追踪的目标检测对象图片，对图片进行目标工人提取，识别图片中是否有安全帽特征；若在图片中不存在安全帽特征则发出警示信号
。2.
根据权利要求1所述的一种基于自主识别的高速公路施工监管方法，其特征在于，基于
YOLOv3
的目标检测算法，对高速公路施工路段视频进行目标检测，提取工人目标检测对象
。3.
根据权利要求3所述的一种基于自主识别的高速公路施工监管方法，其特征在于，基于卡尔曼滤波器的目标位置预测算法，得出当前帧图片中工人的预测位置；基于匈牙利匹配的目标追踪算法，实现多行人行走轨迹的追踪，根据上一帧行人的位置预测出当前帧行人的位置，实现的就是前后两帧行人的匹配，从而采用匹配算法来实现运动轨迹追踪
。4.
根据权利要求2所述的一种基于自主识别的高速公路施工监...

【专利技术属性】
技术研发人员：宋金博，林俊，曾周玉，沈阳，许俊，郭晓秋，李浩，孟庆领，丁海萍，
申请(专利权)人：江西交通职业技术学院，
类型：发明
国别省市：