【技术实现步骤摘要】
本专利技术涉及高速公路交通安全，具体涉及一种基于大数据的多场景监测预警方法及系统。
技术介绍
1、随着社会的快速发展以及高速公路规模的扩大，行驶在高速公路上的车辆和人员越来越多。但是，现有的高速公路都是在固定位置安装监控装置或者抓拍装置，只能对固定区域进行监控，无法对高速公路各个区域进行实时监控，了解不到具体的详细情况，且在发生异常情况时，无法做到及时的预警。虽然行驶在高速公路上的人员能够通过手机或车载地图查看路线状态，遇到异常情况时，人员自发上传事故信息，但人员上传的事故信息具有随机性，不能保证事故信息及时性，进而无法及时的给其他在高速公路上行驶的人员发送预警信息。
2、因此，本专利技术结合车载的etc视频一体机提供了一种基于大数据的多场景监测预警方法及系统，以解决上述问题。
技术实现思路
1、针对上述情况，为克服现有技术之缺陷，本专利技术提供了一种基于大数据的多场景监测预警方法及系统，以解决上述高速公路监控装置无法对高速公路的各个区域进行实时监控、且发生异常情况时不能做到及时预警的问题。
2、为了实现上述目的，本专利技术采取的技术方案为：
3、第一方面，一种基于大数据的多场景监测预警方法，包括：
4、实时采集高速公路上车载的etc视频一体机获取的监控图像信息和位置信息。
5、对监控图像信息进行预处理，以得到预处理图像；并将预处理图像转化为按照时间顺序排列的视频帧图像。
6、基于前一时刻视频帧图像，判断后一时
7、根据划分类型，采用图像分析模型中对应的信息分析单元对特征信息矩阵进行分析，得到图像分析结果。
8、当所述图像分析结果存在异常信息时，获取自后一时刻开始的设定时间段的异常视频帧图像，并采用异常分析模型对异常视频帧图像进行分析，得到异常分析结果。
9、根据异常分析结果和位置信息生成预警信息；以及获取设定范围内处于高速公路上、且未行驶到所述位置信息处的驾驶人员信息；通过所述驾驶人员信息，向驾驶人员发送预警信息。
10、优选地，所述基于前一时刻视频帧图像，判断后一时刻视频帧图像变化程度是否大于设定程度值，包括：将视频帧图像经r、g、b三色通道转化为对应通道的像素信息集，并按照时间顺序进行存储；获取前一时刻像素信息集和后一时刻像素信息集；计算后一时刻像素信息集与前一时刻像素信息集之间的变化程度值，变化程度值的计算公式为：
11、，
12、其中，为r通道后一时刻像素信息集中的第i个像素，为r通道前一时刻像素信息集中的第i个像素，为g通道后一时刻像素信息集中的第i个像素，为g通道前一时刻像素信息集中的第i个像素，为b通道后一时刻像素信息集中的第i个像素，为b通道前一时刻像素信息集中的第i个像素；判断变化程度值是否大于设定程度值。
13、优选地，所述对后一时刻视频帧图像进行聚类分析，确定后一时刻视频帧图像的划分类型，包括：将后一时刻视频帧图像经预设转换器转换为初始聚类数据集；采用基于历史图像数据构建的聚类模型对初始聚类数据集进行分析，得到划分类型。
14、优选地，所述特征提取模型的提取过程包括：将后一时刻视频帧图像分割成多个不规则的分块图像；根据划分类型，从各分块图像中筛选出符合对应划分类型的分块图像，得到多个关键分析图像；采用特征提取器提取各关键分析图像的特征信息，以形成多个特征信息矩阵。
15、优选地，所述图像分析模型的处理过程包括：根据划分类型，将各特征信息矩阵输入到对应的信息分析单元中；各信息分析单元根据各自的预设特征信息库，判断特征信息矩阵是否符合预设特征信息库的设定标准，当不符合所述设定标准时，以得到异常分块图像，以及得到含有异常分块图像信息的图像分析结果。
16、优选地，所述预设特征信息库的设定标准包括特征信息矩阵中各元素的标准设定区间、元素与周边元素的设定变化区间。
17、优选地，所述异常分析模型的分析过程包括：根据异常分块图像信息，从异常视频帧图像中筛选含有异常分块图像的图像，以得到异常图像；当异常图像的数量超过预设数量时，则基于划分类型对应的预设异常信息库对各异常图像进行分析，确定各异常图像的第一隶属值以及异常图像数量对应的第二隶属值；采用加权平均法对第一隶属值和第二隶属值进行处理，计算平均隶属值，以平均隶属值对应的等级作为异常等级；根据划分类型、异常等级和各异常图像形成异常分析结果。
18、优选地，所述得到异常图像的筛选过程包括：基于异常分块图像的特征信息矩阵，判断异常视频帧图像转化的特征信息矩阵中是否含有相似度超过设定相似度的特征相似矩阵；若是，则将异常视频帧图像标记为异常图像。
19、优选地，所述信息分析单元至少包括天气分析单元、车辆分析单元、高速地面分析单元、周边环境分析单元。
20、第二方面，本专利技术提供了一种基于大数据的多场景监测预警系统，多场景监测预警系统包括数据采集模块、数据预处理模块、图像分析模块、异常分析模块、数据存储模块和预警模块；所述多场景监测预警系统用于通过各模块之间的相互配合实现如上述方法中任一项所述的监测预警方法。
21、本专利技术的有益效果为：
22、1、本专利技术基于车载的etc视频一体机实时在高速公路上采集车辆前方的监控图像，在对监控图像进行预处理后得到可进行分析的按照时间顺序排列的视频帧图像；基于前一时刻视频帧图像，判断后一时刻视频帧图像的变化程度，当变化程度大于设定程度值时，则对后一时刻视频帧图像进行聚类分析，确定后一时刻视频帧的划分类型，并采用特征提取模型对后一时刻视频帧图像进行处理，得到特征信息矩阵；进而根据划分类型，采用图像分析模型中对应的信息分析单元对特征信息矩阵进行分析，得到图像分析结果；检测图像分析结果中是否存在异常信息，当检测到图像分析结果中存在异常信息时，采用异常分析模型对获取的自后一时刻开始的设定时间段的异常视频帧图像进行分析，得到异常分析结果；最后根据异常分析结果和位置信息生成预警信息，向设定范围内、处于高速公路上且未行驶到位置信息处的驾驶人员发送预警信息，以提醒驾驶人员。本专利技术通过上述方式能够解决高速公路监控装置无法对高速公路的各个区域进行实时监控、且发生异常情况时不能做到及时预警的问题，从而提高了高速公路上的行车安全。
23、2、本专利技术首先基于前一时刻视频帧图像，判断后一时刻视频帧图像的变化程度是否大于设定程度值，若是，则确定后一时刻视频帧图像的划分类型以及获取后一时刻视频帧图像对应的特征信息矩阵；进而采用图像分析模型中划分类型对应的信息分析单元对特征信息矩阵进行分析，得到图像分析结果；当图像分析结果中存在异常信息时，采用异常分析模型对异常视频帧图像进行分析，得到异常分析结果。本专利技术通过上述模型构成本文档来自技高网...
【技术保护点】
1.一种基于大数据的多场景监测预警方法，其特征在于，包括：
2.根据权利要求1所述的监测预警方法，其特征在于，所述基于前一时刻视频帧图像，判断后一时刻视频帧图像变化程度是否大于设定程度值，包括：将视频帧图像经R、G、B三色通道转化为对应通道的像素信息集，并按照时间顺序进行存储；获取前一时刻像素信息集和后一时刻像素信息集；计算后一时刻像素信息集与前一时刻像素信息集之间的变化程度值，变化程度值的计算公式为：
3.根据权利要求1所述的监测预警方法，其特征在于，所述对后一时刻视频帧图像进行聚类分析，确定后一时刻视频帧图像的划分类型，包括：将后一时刻视频帧图像经预设转换器转换为初始聚类数据集；采用基于历史图像数据构建的聚类模型对初始聚类数据集进行分析，得到划分类型。
4.根据权利要求1所述的监测预警方法，其特征在于，所述特征提取模型的提取过程包括：将后一时刻视频帧图像分割成多个不规则的分块图像；根据划分类型，从各分块图像中筛选出符合对应划分类型的分块图像，得到多个关键分析图像；采用特征提取器提取各关键分析图像的特征信息，以形成多个特征信息矩阵。
<...【技术特征摘要】
1.一种基于大数据的多场景监测预警方法，其特征在于，包括：
2.根据权利要求1所述的监测预警方法，其特征在于，所述基于前一时刻视频帧图像，判断后一时刻视频帧图像变化程度是否大于设定程度值，包括：将视频帧图像经r、g、b三色通道转化为对应通道的像素信息集，并按照时间顺序进行存储；获取前一时刻像素信息集和后一时刻像素信息集；计算后一时刻像素信息集与前一时刻像素信息集之间的变化程度值，变化程度值的计算公式为：
3.根据权利要求1所述的监测预警方法，其特征在于，所述对后一时刻视频帧图像进行聚类分析，确定后一时刻视频帧图像的划分类型，包括：将后一时刻视频帧图像经预设转换器转换为初始聚类数据集；采用基于历史图像数据构建的聚类模型对初始聚类数据集进行分析，得到划分类型。
4.根据权利要求1所述的监测预警方法，其特征在于，所述特征提取模型的提取过程包括：将后一时刻视频帧图像分割成多个不规则的分块图像；根据划分类型，从各分块图像中筛选出符合对应划分类型的分块图像，得到多个关键分析图像；采用特征提取器提取各关键分析图像的特征信息，以形成多个特征信息矩阵。
5.根据权利要求4所述的监测预警方法，其特征在于，所述图像分析模型的处理过程包括：根据划分类型，将各特征信息矩阵输入到对应的信息分析单元中；各信息分析单元根据各自的预设特征信息库，判断特征信息矩阵是否符合预设特征信息库的设定标准，当不符合所述设定标准时，以得到异常分块图像，以及得到含有异常分块图像信息的图像分析结果。...
【专利技术属性】
技术研发人员：许文杰，黄金健，
申请(专利权)人：江苏移动信息系统集成有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。