CN108319892A - 一种基于遗传算法的车辆安全预警方法及系统 - Google Patents
一种基于遗传算法的车辆安全预警方法及系统 Download PDFInfo
- Publication number
- CN108319892A CN108319892A CN201711364272.XA CN201711364272A CN108319892A CN 108319892 A CN108319892 A CN 108319892A CN 201711364272 A CN201711364272 A CN 201711364272A CN 108319892 A CN108319892 A CN 108319892A
- Authority
- CN
- China
- Prior art keywords
- animal
- real
- detected
- danger classes
- genetic algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/752—Contour matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Emergency Management (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于遗传算法的车辆安全预警方法及系统,包括:若检测到监控视频中存在动物,使用基于遗传算法的边缘检测算法获取检测到的动物的目标特征,将目标特征与特征库中每种动物的示范特征进行匹配,根据匹配结果获得检测到的动物的种类和检测到的动物的危险等级;通过遗传算法对监控视频中的检测到的动物实时跟踪,获得动物与车辆的实时距离;根据野生动物的种类、野生动物的危险等级和实时距离,发送预警信息。本发明在每一辆自驾车内放置红外车载云台设备,通过计算机平台进行目标匹配、距离检测和预警措施,减少了大量的人力和物力;采用基于遗传算法的特征的目标跟踪,在遗传算法简化时间的基础上,更大大缩短了搜索时间。
Description
技术领域
本发明涉及安全技术领域,更具体地,涉及一种基于遗传算法的车辆安全预警方法及系统。
背景技术
野生动物园时常发生野生动物伤人事件,使游客的身体和精神都受到了不同的伤害。为了使游客在野生动物园在确保人身安全的基础上可以近距离的见到野生动物,需要改善现有的安全预警系统。
现有的技术,针对野生动物园安全问题,车辆安全预警方法及装置(201610959537)通过检测车辆周围情况来保障游客安全。具体是在车辆底部安装红外报警器,通过预警响应来通知野生动物园中的工作人员,从而再下达到车辆中。
现有技术中,单一的红外报警器若遇上性情极其凶猛的野生动物极快地钻在车辆底下,并弄坏了红外报警器,红外报警器将失效,无法告知游客和工作人员有危险;在事态未明朗之前,先是游客知道了危险,而后才是工作人员的介入,游客容易产生恐慌情绪,不利于事态的处理。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的一种基于遗传算法的车辆安全预警方法及系统。
根据本发明的一个方面,提供一种车辆安全预警方法,包括:S1、若检测到监控视频中存在动物,使用基于遗传算法的边缘检测算法获取检测到的动物的目标特征,将所述目标特征与特征库中每种动物的示范特征进行匹配,根据匹配结果获得检测到的动物的种类和所述检测到的动物的危险等级,所述每种动物的示范特征基于遗传算法的边缘检测算法获得;S2、通过遗传算法对所述监控视频中的检测到的动物实时跟踪,获得检测到的动物的实时坐标与所述车辆的实时坐标,并根据检测到的动物的实时坐标与所述车辆的实时坐标计算检测到的动物与所述车辆的实时距离;S3、根据所述野生动物的种类、所述野生动物的危险等级和所述实时距离,发送预警信息。
优选地,步骤S1之前包括:S01、基于遗传算法的边缘检测算法获取所述每一野生动物的示范特征;S02、根据所述每一野生动物的示范特征、所述每一野生动物的种类和所述每一野生动物的危险等级,获得特征库。
优选地,步骤S1之前还包括:通过自适应背景更新算法判断所述监控视频中是否存在检测到的动物。
优选地,检测到的动物的危险等级分为n个危险等级,且所述n个危险等级对应动物的危险程度依次递增,其中,n为大于1的整数。
优选地,步骤S3具体包括:若所述实时距离小于预设安全距离,且检测到的动物的危险等级低于第m个危险等级,则通过显示装置显示安全信息,并向游客发送正常游玩的预警信息;其中,m大于0,m小于或等于n,m为正整数;若所述实时距离小于所述预设安全距离,且检测到的动物的危险等级处于第m个危险等级和第k个危险等级之间,通过所述显示装置显示注意安全信息,并向游客发送正常游玩的预警信息,其中,k大于m,k小于或等于n,k为正整数;若所述实时距离小于所述预设安全距离,且检测到的动物的危险等级高于第k个危险等级,通过所述显示装置显示危险信息,并向游客和工作人员发送危险临近的预警信息。
根据本发明的另一个方面,提供一种车辆安全预警系统,包括:匹配模块,用于若检测到监控视频中存在动物,使用基于遗传算法的边缘检测算法获取检测到的动物的目标特征,将所述目标特征与特征库中每种动物的示范特征进行匹配,根据匹配结果获得检测到的动物的种类和所述检测到的动物的危险等级,所述每种动物的示范特征基于遗传算法的边缘检测算法获得;计算模块,用于通过遗传算法对所述监控视频中的检测到的动物实时跟踪,获得检测到的动物的实时坐标与所述车辆的实时坐标,并根据检测到的动物的实时坐标与所述车辆的实时坐标计算检测到的动物与所述车辆的实时距离;报警模块,用于根据所述野生动物的种类、所述野生动物的危险等级和所述实时距离,发送预警信息。
优选地,还包括:边缘检测模块,用于通过基于遗传算法的边缘检测算法获取所述每一野生动物的示范特征;特征库模块,用于根据所述每一野生动物的示范特征、所述每一野生动物的种类和所述每一野生动物的危险等级,构成特征库。
优选地,还包括:背景更新模块,用于通过自适应背景更新算法判断所述监控视频中是否存在检测到的动物。
优选地,所述报警模块具体包括:第一单元,用于若所述实时距离小于预设安全距离,且检测到的动物的危险等级低于第m个危险等级,则通过显示装置显示安全信息,并向游客发送正常游玩的预警信息;其中,m大于0,m小于或等于n;第二单元,用于若所述实时距离小于所述预设安全距离,且检测到的动物的危险等级处于第m个危险等级和第k个危险等级之间,通过所述显示装置显示注意安全信息,并向游客发送正常游玩的预警信息;第三单元,用于若所述实时距离小于所述预设安全距离,且检测到的动物的危险等级高于第k个危险等级,通过所述显示装置显示危险信息,并向游客和工作人员发送危险临近的预警信息。
本发明提出提供一种基于遗传算法的车辆安全预警方法及系统,在每一辆自驾车内放置红外车载云台设备,以备所有的监控视频资料及时上传到野生动物园的主监控室,通过计算机平台进行目标匹配、距离检测和预警措施。这一系列的全部过程都是基于网络完成,减少了大量的人力和物力;采用基于遗传算法的特征的目标跟踪,在遗传算法简化时间的基础上,更大大缩短了搜索时间。能够保证游客安全的情况下,保证了硬件仪器的完好和循环使用。
附图说明
图1为本发明实施例一种基于遗传算法的车辆安全预警方法的流程图;
图2为本发明一优选实施例一种基于遗传算法的车辆安全预警方法的流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本发明解决的是游客在野生动物园进行安全自驾游的问题。针对传感器安装在车辆外面容易被野生动物破坏的情况,选择红外车载云台装置放置在车辆内部防止意外的发生,而且红外车载云台可以360度的水平的拍摄周围的情况,同时在无法直观观察车底的情况下,使用红外成像实时传输到中央监控室;其次,选择先使管理人员知道情况的发生,通过事态发生的程度来通知游客需要注意的问题和采取下一步的措施,避免因为游客紧张发生意外情况。
图1为本发明实施例一种基于遗传算法的车辆安全预警方法的流程图,如图1所示,该方法包括:S1、若检测到监控视频中存在动物,使用基于遗传算法的边缘检测算法获取检测到的动物的目标特征,将所述目标特征与特征库中每种动物的示范特征进行匹配,根据匹配结果获得检测到的动物的种类和所述检测到的动物的危险等级,所述每种动物的示范特征基于遗传算法的边缘检测算法获得;S2、通过遗传算法对所述监控视频中的检测到的动物实时跟踪,获得检测到的动物的实时坐标与所述车辆的实时坐标,并根据检测到的动物的实时坐标与所述车辆的实时坐标计算检测到的动物与所述车辆的实时距离;S3、根据所述野生动物的种类、所述野生动物的危险等级和所述实时距离,发送预警信息。
通过在车内驾驶位和后座的中间上方位置选择车载云台专用车架放置红外车载云台,进行收集车辆周围视频信息和汽车底部的红外数据,并实时上传到野生动物园的主监控室进行监控视频的处理。
通过遗传算法对监控视频中的检测到的动物实时跟踪,获得检测到的动物的实时坐标与所述车辆的实时坐标,并根据检测到的动物的实时坐标与车辆的实时坐标获得检测到的动物与车辆的实时距离。
通过遗传算法对监控视频中的检测到的动物进行追踪,步骤如下:
设定初始种群,在野生动物园中自驾游周围的环境随时改变,所以选择一种随机产生的方式,即在监控视频图像中随机的选择一些均匀的点进行确定种群,种群并不需要过大,对于精确度没有很高的要求。
确定编码机制,需要对监控视频中的检测到的动物进行坐标检测,然后进行对坐标的二进制编码,假设x,y分量的搜索范围为ω,搜索范围需要实地考察该野生动物园的驻地面积,编码的长度也需要取决于搜索范围大小,编码长度L=log2(w)。
适应度函数,在此采用前面的匹配准则作为适应度函数。
B是背景更新图像,Rmod是指特征库中示范特征数组,(x,y)是数组中保存的坐标值。
遗传算子,主要包含选择、交叉和变异。选择算子为计算每个个体的适应度,选择经典的“赌盘”选择法;交叉算子选择二进制单点交叉,随机选择交叉的二进制位置;变异算子是二进制的变异也就是0和1的翻转,这个需要设置一个三个算子中最小的概率。
收敛条件:一是达到设定的迭代次数;二是适应度值高于上一帧的适应度值。实际情况中,收敛条件中的迭代次数限制不宜过多,但是需要根据该野生动物园的植被覆盖状况和具体地理位置而优选。预设安全距离这一点需要考虑该野生动物园的动物种类和地理因素而决定不可直接确定。
先前已经将运动物体进行了坐标定位,车辆本身也有自身的位置定位,通过检测动物与车辆的距离判断动物是否已经进入到了安全距离之内,这是启动应急预警的另一条件。若是危险等级是高级且检测到的动物已经进入安全距离中,分屏监视器将自动显示出安全预警信息,则管理人员需要采取尽快驱赶处理和及时通知游客等措施;若是危险等级是中级且已经进入安全距离,则需要安抚游客注意即可,发生其余的情况则无需处理,直至自驾游结束,驶出野生动物园。
本发明实施例提供一种车辆安全预警方法,在每一辆自驾车内放置红外车载云台设备,以备所有的监控视频资料及时上传到野生动物园的主监控室,通过计算机平台进行目标匹配、距离检测和预警措施。这一系列的全部过程都是基于网络完成,减少了大量的人力和物力;采用基于遗传算法的特征的目标跟踪,在遗传算法简化时间的基础上,更大大缩短了搜索时间。能够保证游客安全的情况下,保证了硬件仪器的完好和循环使用。
在上述实施例的基础上,优选地,步骤S1之前包括:S01、通过基于遗传算法的边缘检测算法获取所述每一野生动物的示范特征;S02、根据所述每一野生动物的示范特征、所述每一野生动物的种类和所述每一野生动物的危险等级,获得特征库。
首先将野生动物园中所有动物的图片、危险级别等数据信息上传到野生动物园管理数据库中,同时将上传到野生动物园管理数据库的动物图片全部进行基于遗传算法的边缘检测算法进行特征提取,把所有野生动物提取出来的示范特征、该野生动物的种类和危险等级构成特征库。用于后面的目标特征与特征库中的示范特征匹配,得到目标特征对应的检测到的动物的种类和危险等级。
野生动物园中对于所在的动物都会有具体的数据存储,需要对现有数据进行分类整理,划分野生动物照片和凶猛等级,用于计算机的特征匹配。根据野生动物对人们的友好程度主要划分为3个等级:低,中,高。每一个野生动物园的物种种类多有不同,具体的等级分别需要依靠该野生动物园的数据信息,这是需要启动游客应急预警的必要条件之一。
在上述实施例的基础上,具体地,步骤S1之前还包括:通过自适应背景更新算法判断所述监控视频中是否存在所述检测到的动物。
现有的运动目标的监测主要有三个:帧间差法、背景差法和自适应背景更新。帧间差法虽然速度够快但是对于应用环境很高,需要对图像信息进行预处理和后处理,背景差法虽然较为稳定也能适应光线等外界干扰因素,但是这个需要人观察到没有前景物体时启动相机获得背景图像,对于人力物力需求都极大,所以选择自适应背景更新的方法进行视频信息的处理。
自适应背景更新算法中,背景的提取主要采用基于像素的方法和基于建模。视频信息的提取都是从进入野生动物园内开始的,所以基于时间的问题选择自适应背景更新,即Bi,j(0)=Ii,j(0)。B是指背景更新图片,I是指时间函数,i表示像素,j表示像素。
Bi,j(n)=αn-1Ii,j(0)+αn-2(1-α)Ii,j(1)+…+(1-α)Ii,j(n-1);
自适应背景更新图片不同于将每一帧图像都均分占有图像,而是根据α的大小,实质是进行不同权重值的滤波。
由于野生动物存在光线、树木遮挡等因素,选择自适应背景更新用于检测视频中是否有物体移动的迹象,若检测到物体的移动迹象,将同样采取基于遗传算法的边缘检测方法对运动物体与数据库中处理后的图片进行特征匹配,若是匹配成功将在显示屏中显示该目标的物种和危险等级。
本发明实施例为去除光线、气候和背景等的影响,采取自适应背景更新的措施,加上特征值匹配的优良性,大大减少了目标误判的可能性。
在上述实施例的基础上,具体地,检测到的动物的危险等级分为n个危险等级,且所述n个危险等级对应动物的危险程度依次递增,其中,n为大于1的整数。
在上述实施例的基础上,具体地,步骤S3具体包括:若所述实时距离小于预设安全距离,且检测到的动物的危险等级低于第m个危险等级,则通过显示装置显示安全信息,并向游客发送正常游玩的预警信息;其中,m大于0,m小于或等于n,m为正整数;若所述实时距离小于所述预设安全距离,且检测到的动物的危险等级处于第m个危险等级和第k个危险等级之间,通过所述显示装置显示注意安全信息,并向游客发送正常游玩的预警信息,其中,k大于m,k小于或等于n,k为正整数;若所述实时距离小于所述预设安全距离,且检测到的动物的危险等级高于第k个危险等级,通过所述显示装置显示危险信息,并向游客和工作人员发送危险临近的预警信息。
本发明实施例根据事态的紧急状况,选择通知不同人员,当事态不是非常紧急,游客可以自己应付时,就不用通知野生动物园的工作人员,当事态紧急的情况下,首先告知野生动物园的工作人员,工作人员采取相应的措施,并安抚游客,提高了游客的参观体验。
图2为本发明一优选实施例一种基于遗传算法的车辆安全预警方法的流程图,如图2所示,在每一自驾车辆内放置红外车载云台设备,以备所有的监控视频资料及时上传到野生动物园的主监控室。
首先采用自适应背景更新算法检测监控视频中是否存在动物的移动的迹象,若检测到动物的移动迹象,说明有检测到的动物靠近车辆。将灰度图像的灰度级数目为L,G(x,y)是图像的灰度级,(x,y)是灰度图像中的像素点的坐标。对于遗传算法迭代出的阈值而言,若像素点满足四个条件之一,即可判定改点是图像的边缘。
G(x,y)≤t且G(x-1,y)>t;
G(x,y)≥t且G(x,y-1)<t;
G(x,y)≤t且G(x,y-1)>t;
G(x,y)≥t且G(x-1,y)<t。
接着采用基于遗传算法的边缘检测算法对监控视频中的每一帧的图像进行处理,获得分离的检测到的动物的目标特征,将目标特征与特征库中每一野生动物的示范特征进行匹配,根据匹配结果获得检测到的动物的种类和所述检测到的动物的危险等级。
同时,利用遗传算法对实时视频中的检测到的动物进行跟踪,获取检测到的动物和车辆的实时坐标,并根据检测到的动物和车辆的实时坐标,获得检测到的动物与车辆的实时距离。
若实时距离小于预设安全距离,且检测到的动物的危险等级低于低级,通过显示装置显示安全信息,并向游客发送正常游玩的预警信息。
若实时距离小于预设安全距离,且检测到的动物的危险等级高于低级,且检测到的动物的危险等级低于中级,通过显示装置显示注意安全信息,并向游客发送正常游玩的预警信息。
若实时距离小于预设安全距离,且检测到的动物的危险等级高于低级,且检测到的动物的危险等级高于中级,通过显示装置显示危险信息,并向游客和工作人员发送危险临近的预警信息。
例如,若是出现等级较高的检测到的动物向车子移动的痕迹且已经跨进了安全距离,小监视屏将显示警告信息,这时管理员将采取驱赶措施和通知游客需要注意的事项,其余的状况也有相应的措施,直至游客安全离开野生动物园。
需要说明的是,在采集监控视频信息的过程中,还可以选择红外感应器放在车内的同时在底部安装针孔摄像头,针孔摄像头较小不易被发现以及破坏。游客可以看到大部分的周围情况,在盲区的周围需要用红外感应器的感应情况传输到中央控制室,若有物体接近车子周围,启动该片区的监控摄像直接观察,同时汽车底部的针孔摄像头所有的情况一直显示在中央控制室,所以基于以上措施,依然可以将实时视频数据传递到中央控制室,便于管理员进行状况处理。
本发明实施例还提供一种一种车辆安全预警系统,该系统包括:匹配模块,用于若检测到监控视频中存在动物,使用基于遗传算法的边缘检测算法获取检测到的动物的目标特征,将所述目标特征与特征库中每种动物的示范特征进行匹配,根据匹配结果获得检测到的动物的种类和所述检测到的动物的危险等级,所述每种动物的示范特征基于遗传算法的边缘检测算法获得;计算模块,用于通过遗传算法对所述监控视频中的检测到的动物实时跟踪,获得检测到的动物的实时坐标与所述车辆的实时坐标,并根据检测到的动物的实时坐标与所述车辆的实时坐标计算检测到的动物与所述车辆的实时距离;报警模块,用于根据所述野生动物的种类、所述野生动物的危险等级和所述实时距离,发送预警信息。该系统实施例的具体执行过程与对应的方法实施例的具体执行过程相同,详情请参考方法实施例的执行过程,此处不再赘述。
在上述实施例的基础上,优选地,该系统还包括:边缘检测模块,用于通过基于遗传算法的边缘检测算法获取所述每一野生动物的示范特征;特征库模块,用于根据所述每一野生动物的示范特征、所述每一野生动物的种类和所述每一野生动物的危险等级,构成特征库。该系统实施例的具体执行过程与对应的方法实施例的具体执行过程相同,详情请参考方法实施例的执行过程,此处不再赘述。
在上述实施例的基础上,优选地,该系统还包括:背景更新模块,用于通过自适应背景更新算法判断所述监控视频中是否存在检测到的动物。该系统实施例的具体执行过程与对应的方法实施例的具体执行过程相同,详情请参考方法实施例的执行过程,此处不再赘述。
在上述实施例的基础上,优选地,所述报警模块具体包括:第一单元,用于若所述实时距离小于预设安全距离,且检测到的动物的危险等级低于第m个危险等级,则通过显示装置显示安全信息,并向游客发送正常游玩的预警信息;其中,m大于0,m小于或等于n;第二单元,用于若所述实时距离小于所述预设安全距离,且检测到的动物的危险等级处于第m个危险等级和第k个危险等级之间,通过所述显示装置显示注意安全信息,并向游客发送正常游玩的预警信息;第三单元,用于若所述实时距离小于所述预设安全距离,且检测到的动物的危险等级高于第k个危险等级,通过所述显示装置显示危险信息,并向游客和工作人员发送危险临近的预警信息。该系统实施例的具体执行过程与对应的方法实施例的具体执行过程相同,详情请参考方法实施例的执行过程,此处不再赘述。
最后,本发明的方法仅为较佳的实施方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种车辆安全预警方法,其特征在于,包括:
S1、若检测到监控视频中存在动物,使用基于遗传算法的边缘检测算法获取检测到的动物的目标特征,将所述目标特征与特征库中每种动物的示范特征进行匹配,根据匹配结果获得检测到的动物的种类和所述检测到的动物的危险等级,所述每种动物的示范特征基于遗传算法的边缘检测算法获得;
S2、通过遗传算法对所述监控视频中的检测到的动物实时跟踪,获得检测到的动物的实时坐标与所述车辆的实时坐标,并根据检测到的动物的实时坐标与所述车辆的实时坐标计算检测到的动物与所述车辆的实时距离;
S3、根据所述野生动物的种类、所述野生动物的危险等级和所述实时距离,发送预警信息。
2.根据权利要求1所述方法,其特征在于,步骤S1之前包括:
S01、基于遗传算法的边缘检测算法获取所述每一野生动物的示范特征;
S02、根据所述每一野生动物的示范特征、所述每一野生动物的种类和所述每一野生动物的危险等级,获得特征库。
3.根据权利要求1所述方法,其特征在于,步骤S1之前还包括:
通过自适应背景更新算法判断所述监控视频中是否存在检测到的动物。
4.根据权利要求2所述方法,其特征在于,检测到的动物的危险等级分为n个危险等级,且所述n个危险等级对应动物的危险程度依次递增,其中,n为大于1的整数。
5.根据权利要求4所述方法,其特征在于,步骤S3具体包括:
若所述实时距离小于预设安全距离,且检测到的动物的危险等级低于第m个危险等级,则通过显示装置显示安全信息,并向游客发送正常游玩的预警信息;其中,m大于0,m小于或等于n,m为正整数;
若所述实时距离小于所述预设安全距离,且检测到的动物的危险等级处于第m个危险等级和第k个危险等级之间,通过所述显示装置显示注意安全信息,并向游客发送正常游玩的预警信息,其中,k大于m,k小于或等于n,k为正整数;
若所述实时距离小于所述预设安全距离,且检测到的动物的危险等级高于第k个危险等级,通过所述显示装置显示危险信息,并向游客和工作人员发送危险临近的预警信息。
6.一种车辆安全预警系统,其特征在于,包括:
匹配模块,用于若检测到监控视频中存在动物,使用基于遗传算法的边缘检测算法获取检测到的动物的目标特征,将所述目标特征与特征库中每种动物的示范特征进行匹配,根据匹配结果获得检测到的动物的种类和所述检测到的动物的危险等级,所述每种动物的示范特征基于遗传算法的边缘检测算法获得;
计算模块,用于通过遗传算法对所述监控视频中的检测到的动物实时跟踪,获得检测到的动物的实时坐标与所述车辆的实时坐标,并根据检测到的动物的实时坐标与所述车辆的实时坐标计算检测到的动物与所述车辆的实时距离;
报警模块,用于根据所述野生动物的种类、所述野生动物的危险等级和所述实时距离,发送预警信息。
7.根据权利要求6所述系统,其特征在于,还包括:
边缘检测模块,用于通过基于遗传算法的边缘检测算法获取所述每一野生动物的示范特征;
特征库模块,用于根据所述每一野生动物的示范特征、所述每一野生动物的种类和所述每一野生动物的危险等级,构成特征库。
8.根据权利要求6所述系统,其特征在于,还包括:
背景更新模块,用于通过自适应背景更新算法判断所述监控视频中是否存在检测到的动物。
9.根据权利要求6所述系统,其特征在于,所述报警模块具体包括:
第一单元,用于若所述实时距离小于预设安全距离,且检测到的动物的危险等级低于第m个危险等级,则通过显示装置显示安全信息,并向游客发送正常游玩的预警信息;其中,m大于0,m小于或等于n;
第二单元,用于若所述实时距离小于所述预设安全距离,且检测到的动物的危险等级处于第m个危险等级和第k个危险等级之间,通过所述显示装置显示注意安全信息,并向游客发送正常游玩的预警信息;
第三单元,用于若所述实时距离小于所述预设安全距离,且检测到的动物的危险等级高于第k个危险等级,通过所述显示装置显示危险信息,并向游客和工作人员发送危险临近的预警信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711364272.XA CN108319892A (zh) | 2017-12-18 | 2017-12-18 | 一种基于遗传算法的车辆安全预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711364272.XA CN108319892A (zh) | 2017-12-18 | 2017-12-18 | 一种基于遗传算法的车辆安全预警方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108319892A true CN108319892A (zh) | 2018-07-24 |
Family
ID=62893094
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711364272.XA Pending CN108319892A (zh) | 2017-12-18 | 2017-12-18 | 一种基于遗传算法的车辆安全预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108319892A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111462373A (zh) * | 2019-10-25 | 2020-07-28 | 泰州三凯工程技术有限公司 | 圈养围栏门禁驱动系统及方法 |
CN112550307A (zh) * | 2020-11-16 | 2021-03-26 | 东风汽车集团有限公司 | 一种车辆用的户外预警系统及车辆 |
CN113077605A (zh) * | 2021-02-23 | 2021-07-06 | 吴晓晓 | 云存储式间距预警平台及方法 |
CN115080450A (zh) * | 2022-08-22 | 2022-09-20 | 深圳慧拓无限科技有限公司 | 自动驾驶测试数据生成方法及系统、电子设备、存储介质 |
US11572014B1 (en) * | 2021-11-18 | 2023-02-07 | GM Global Technology Operations LLC | Reducing animal vehicle collisions |
CN116597608A (zh) * | 2023-05-26 | 2023-08-15 | 江西省宏旺科技有限公司 | 动物园监控预警方法及装置 |
CN117993622A (zh) * | 2024-04-03 | 2024-05-07 | 四川弘和数智集团有限公司 | 一种野生动物伤亡风险评估方法及系统、设备、存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106448047A (zh) * | 2016-10-27 | 2017-02-22 | 深圳市元征软件开发有限公司 | 车辆安全预警方法及装置 |
CN107458376A (zh) * | 2017-07-31 | 2017-12-12 | 北京新能源汽车股份有限公司 | 一种自适应巡航控制方法、装置及汽车 |
-
2017
- 2017-12-18 CN CN201711364272.XA patent/CN108319892A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106448047A (zh) * | 2016-10-27 | 2017-02-22 | 深圳市元征软件开发有限公司 | 车辆安全预警方法及装置 |
CN107458376A (zh) * | 2017-07-31 | 2017-12-12 | 北京新能源汽车股份有限公司 | 一种自适应巡航控制方法、装置及汽车 |
Non-Patent Citations (4)
Title |
---|
SANG WON HWANG 等: "OBJECT EXTRACTION AND TRACKING USING GENETIC ALGORITHMS", 《PROCEEDINGS 2001 INTERNATIONAL CONFERENCE ON IMAGE PROCESSING》 * |
卢官明 等: "自适应背景更新及运动目标检测算法", 《南京邮电大学学报(自然科学版)》 * |
朱陈柔玲 等: "遗传算法在图像处理中的应用", 《通信技术》 * |
胡建华 等: "一种基于遗传算法和卡尔曼滤波的运动目标跟踪方法", 《计算机应用》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111462373A (zh) * | 2019-10-25 | 2020-07-28 | 泰州三凯工程技术有限公司 | 圈养围栏门禁驱动系统及方法 |
CN112550307A (zh) * | 2020-11-16 | 2021-03-26 | 东风汽车集团有限公司 | 一种车辆用的户外预警系统及车辆 |
CN113077605A (zh) * | 2021-02-23 | 2021-07-06 | 吴晓晓 | 云存储式间距预警平台及方法 |
CN113077605B (zh) * | 2021-02-23 | 2024-05-10 | 邹吉涛 | 云存储式间距预警平台及方法 |
US11572014B1 (en) * | 2021-11-18 | 2023-02-07 | GM Global Technology Operations LLC | Reducing animal vehicle collisions |
CN115080450A (zh) * | 2022-08-22 | 2022-09-20 | 深圳慧拓无限科技有限公司 | 自动驾驶测试数据生成方法及系统、电子设备、存储介质 |
CN115080450B (zh) * | 2022-08-22 | 2022-11-11 | 深圳慧拓无限科技有限公司 | 自动驾驶测试数据生成方法及系统、电子设备、存储介质 |
CN116597608A (zh) * | 2023-05-26 | 2023-08-15 | 江西省宏旺科技有限公司 | 动物园监控预警方法及装置 |
CN116597608B (zh) * | 2023-05-26 | 2023-12-19 | 江西省宏旺科技有限公司 | 动物园监控预警方法及装置 |
CN117993622A (zh) * | 2024-04-03 | 2024-05-07 | 四川弘和数智集团有限公司 | 一种野生动物伤亡风险评估方法及系统、设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108319892A (zh) | 一种基于遗传算法的车辆安全预警方法及系统 | |
CN112955900B (zh) | 智能视频监控系统和方法 | |
WO2021047306A1 (zh) | 一种异常行为判定方法、装置、终端及可读存储介质 | |
KR101644443B1 (ko) | 시공적 상황데이터를 이용한 경고 방법 및 시스템 | |
CN107437318B (zh) | 一种可见光智能识别算法 | |
CN109598885A (zh) | 监控系统及其报警方法 | |
CN105074789A (zh) | 火灾检测系统 | |
CN106341661A (zh) | 巡逻机器人 | |
CN112382032A (zh) | 一种监控方法及装置、电子设备、存储介质 | |
CN112990057A (zh) | 一种人体姿态识别方法、装置及电子设备 | |
CN115004269A (zh) | 监视装置、监视方法及程序 | |
CN111753780A (zh) | 变电站违章检测系统及违章检测方法 | |
CN111325119B (zh) | 一种安全生产的视频监控方法及系统 | |
CN112381690A (zh) | 一种学校归寝管理方法及系统 | |
CN115376269A (zh) | 一种基于无人机的火灾监控系统 | |
CN112288975A (zh) | 一种事件预警的方法和装置 | |
CN116129490A (zh) | 一种用于复杂环境行为识别的监控装置及监控方法 | |
CN114155470A (zh) | 一种河道区域入侵检测方法、系统及存储介质 | |
KR102140195B1 (ko) | 레이더를 이용한 야생동물 침입 탐지 방법 및 그 시스템 | |
KR20020082476A (ko) | 감시 방법, 시스템 및 묘듈 | |
CN116152745A (zh) | 一种抽烟行为检测方法、装置、设备及存储介质 | |
KR101224534B1 (ko) | 모션인식 기능을 가지는 이미지프로세싱에 의한 자동화재인식 시스템 | |
CN115457477A (zh) | 监测车辆周围环境的方法、车机和车辆 | |
CN115273401A (zh) | 一种自动感知人员跌倒的方法及系统 | |
CN113657238B (zh) | 基于神经网络的火灾早期预警方法、存储介质及终端设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180724 |