CN111860201B - 图像识别与桥梁监测相结合的匝道重车识别方法及系统 - Google Patents
图像识别与桥梁监测相结合的匝道重车识别方法及系统 Download PDFInfo
- Publication number
- CN111860201B CN111860201B CN202010599416.5A CN202010599416A CN111860201B CN 111860201 B CN111860201 B CN 111860201B CN 202010599416 A CN202010599416 A CN 202010599416A CN 111860201 B CN111860201 B CN 111860201B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- bridge
- axle
- target
- ramp
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
- G06V20/47—Detecting features for summarising video content
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/02—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles
- G01G19/03—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing wheeled or rolling bodies, e.g. vehicles for weighing during motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种图像识别与桥梁监测相结合的匝道重车识别方法及系统,涉及桥梁领域,该方法包括获取已有匝道视频监控数据,训练得到能够识别车辆的车辆目标检测器,训练能够识别车辆车轴数的车轴数量识别器;利用车辆目标检测器识别出经过匝道并进入桥梁的大型车辆,作为目标车辆;利用车轴数量识别器对目标车辆的车轴数进行识别,得到目标车辆的车轴数;判断目标车辆的车轴数是否大于预设阈值,若大于,则获取桥梁监测数据,判断桥梁当前荷载是否超过设定阈值,若是,则记录目标车辆的桥梁通行信息,若否,则不做处理;若不大于,则不做处理。本发明将图像识别与桥梁监测数据相结合,为桥梁长期健康稳定运行提供保障。
Description
技术领域
本发明涉及桥梁领域,具体涉及一种图像识别与桥梁监测相结合的匝道重车识别方法及系统。
背景技术
桥梁是交通运输的关键组成部分,随着“交通强国”的逐步推进,大量的桥梁随之兴起。然而,一些桥梁工程项目出现了远未达到设计使用年限就遭到破坏的现象,究其原因,超载运输是其主要原因,桥梁道路车辙、网裂的形成、危桥的骤增等等,很少是由车辆荷载的疲劳强度而产生,绝大多数是超载所致。因此,识别桥梁的超重车并分析其危险性对于桥梁长期健康稳定运行十分重要。
现有技术中,通常利用车辆动态称重系统来获取行驶车辆的重量等信息,利用传感器来获取桥梁在外载荷作用下结构响应,但是,上述两种数据相对孤立,未发挥最大利用价值。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供一种图像识别与桥梁监测相结合的匝道重车识别方法及系统,将图像识别与桥梁监测数据相结合,为桥梁长期健康稳定运行提供保障。
为达到以上目的,本发明提供一种图像识别与桥梁监测相结合的匝道重车识别方法,包括以下步骤:
获取已有匝道视频监控数据,训练得到能够识别车辆的车辆目标检测器,训练能够识别车辆车轴数的车轴数量识别器;
利用车辆目标检测器识别出经过匝道并进入桥梁的大型车辆,作为目标车辆;
利用车轴数量识别器对目标车辆的车轴数进行识别,得到目标车辆的车轴数;
判断目标车辆的车轴数是否大于预设阈值,若大于,则获取桥梁监测数据,判断桥梁当前荷载是否超过设定阈值,若是,则记录目标车辆的桥梁通行信息,若否,则不做处理;若不大于,则不做处理。
在上述技术方案的基础上,所述训练得到能够识别车辆的车辆目标检测器,具体步骤包括:
对匝道视频监控中部分图像使用矩形框对车辆进行人工标注;
基于标注信息,得到图像中车辆的位置信息和类别信息;
将每幅图像及图像中每辆车对应矩形框的位置信息和车辆类别信息作为一个样本,构成车辆标注数据集;
利用车辆标注数据集对车辆目标检测器进行训练。
在上述技术方案的基础上,所述训练能够识别车辆车轴数的车轴数量识别器,具体步骤包括:
截取匝道视频监控中的部分车辆图像,使用矩形框对车辆轮胎进行人工标注;
基于标注,得到车辆图像中车辆轮胎对应矩形框的位置信息和类别信息;
将每幅图像及图像中轮胎对应矩形框的位置信息和类别信息作为一个样本,构成车轴标注数据集;
利用车轴标注数据集对车轴数量识别器进行训练。
在上述技术方案的基础上,当利用车轴数量识别器对目标车辆的车轴数进行识别,得到目标车辆的车轴数之后,还包括校验过程,所述校验过程为:
对同一辆车中任意两个轮胎矩形框的重叠面积进行判断,若重叠面积大于预设值,则取消两个轮胎中任何一个轮胎矩形框的识别结果,若重叠面积不大于预设值,则不做处理;
计算任意两个轮胎矩形框的中心在竖直方向上的距离,若距离大于当前两个矩形框高度之和的二分之一,则取消位置靠上的矩形框的识别结果。
当前车辆的车轴数等于当前车辆剩下的矩形框个数。
在上述技术方案的基础上,
所述桥梁通行信息包括通行视频录像、通行时间和目标车辆经过桥梁时的桥梁监测数据;
所述通行时间由目标车辆进入视频监控区域和离开视频监控区域的时间确定,在目标车辆进入视频监控区域和离开视频监控区域的时间范围内,若桥梁当前荷载超过设定阈值,且目标车辆的车轴数大于预设阈值,则记录目标车辆的桥梁通行信息。
本发明提供一种图像识别与桥梁监测相结合的匝道重车识别系统,包括:
训练模块,其用于获取已有匝道视频监控数据,训练得到能够识别车辆的车辆目标检测器,训练能够识别车辆车轴数的车轴数量识别器;
车型识别模块,其用于驱使车辆目标检测器识别出经过匝道并进入桥梁的大型车辆,作为目标车辆;
车轴识别模块,其用于驱使车轴数量识别器对目标车辆的车轴数进行识别,得到目标车辆的车轴数;
判断模块,其用于判断目标车辆的车轴数是否大于预设阈值,若大于,则获取桥梁监测数据,判断桥梁当前荷载是否超过设定阈值,若是,则记录目标车辆的桥梁通行信息,若否,则不做处理;若不大于,则不做处理。
在上述技术方案的基础上,所述训练得到能够识别车辆的车辆目标检测器,具体过程包括:
对匝道视频监控中部分图像使用矩形框对车辆进行人工标注;
基于标注信息,得到图像中车辆的位置信息和类别信息;
将每幅图像及图像中每辆车对应矩形框的位置信息和车辆类别信息作为一个样本,构成车辆标注数据集;
利用车辆标注数据集对车辆目标检测器进行训练。
在上述技术方案的基础上,所述训练能够识别车辆车轴数的车轴数量识别器,具体过程包括:
截取匝道视频监控中的部分车辆图像,使用矩形框对车辆轮胎进行人工标注;
基于标注,得到车辆图像中车辆轮胎对应矩形框的位置信息和类别信息;
将每幅图像及图像中轮胎对应矩形框的位置信息和类别信息作为一个样本,构成车轴标注数据集;
利用车轴标注数据集对车轴数量识别器进行训练。
在上述技术方案的基础上,当利用车轴数量识别器对目标车辆的车轴数进行识别,得到目标车辆的车轴数之后,还包括校验过程,所述校验过程为:
对同一辆车中任意两个轮胎矩形框的重叠面积进行判断,若重叠面积大于预设值,则取消两个轮胎中任何一个轮胎矩形框的识别结果,若重叠面积不大于预设值,则不做处理;
计算任意两个轮胎矩形框的中心在竖直方向上的距离,若距离大于当前两个矩形框高度之和的二分之一,则取消位置靠上的矩形框的识别结果。
当前车辆的车轴数等于当前车辆剩下的矩形框个数。
在上述技术方案的基础上,
所述桥梁通行信息包括通行视频录像、通行时间和目标车辆经过桥梁时的桥梁监测数据;
所述通行时间由目标车辆进入视频监控区域和离开视频监控区域的时间确定,在目标车辆进入视频监控区域和离开视频监控区域的时间范围内,若桥梁当前荷载超过设定阈值,且目标车辆的车轴数大于预设阈值,则记录目标车辆的桥梁通行信息。
与现有技术相比,本发明的优点在于:通过训练车辆目标检测器和车轴数量识别器,然后利用训练好的车辆目标检测器和车轴数量识别器识别出可能存在超载风险的车辆,当识别出存在超载风险的车辆经过桥梁时,获取桥梁实时的监测数据,并判断桥梁结构当前是否存在风险,若存在,则对当前车辆的桥梁通行信息进行记录,方便后续桥梁的风险评估,将图像识别与桥梁监测数据相结合,为桥梁长期健康稳定运行提供保障。
附图说明
图1为本发明实施例中一种图像识别与桥梁监测相结合的匝道重车识别方法的流程图。
具体实施方式
本发明实施例提供一种图像识别与桥梁监测相结合的匝道重车识别方法,通过训练车辆目标检测器和车轴数量识别器,然后利用训练好的车辆目标检测器和车轴数量识别器识别出可能存在超载风险的车辆,当识别出存在超载风险的车辆经过桥梁时,获取桥梁实时的监测数据,并判断桥梁结构当前是否存在风险,若存在,则对当前车辆的桥梁通行信息进行记录,方便后续桥梁的风险评估,将图像识别与桥梁监测数据相结合,为桥梁长期健康稳定运行提供保障。本发明实施例相应地还提供了一种图像识别与桥梁监测相结合的匝道重车识别系统。
以下结合附图及实施例对本发明作进一步详细说明。本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
参见图1所示,本发明实施例提供的一种图像识别与桥梁监测相结合的匝道重车识别方法,包括以下步骤:
S1:获取已有匝道视频监控数据,训练得到能够识别车辆的车辆目标检测器,训练能够识别车辆车轴数的车轴数量识别器。
本发明实施例中的车辆目标检测器和车轴数量识别器均基于卷积神经网络模型,利用已有的匝道视频监控数据并经人工标注后作为数据集进行训练,得到能够识别车辆的车辆目标检测器以及能够识别车辆车轴数的车轴数量识别器。
S2:利用车辆目标检测器识别出经过匝道并进入桥梁的大型车辆,作为目标车辆。
本发明实施例中,车辆类别包括小型车辆和大型车辆,小型车辆和大型车辆之间通过车辆大小进行识别区分。
S3:利用车轴数量识别器对目标车辆的车轴数进行识别,得到目标车辆的车轴数。
存在超载风险的车辆一般为货车,已有桥梁坍塌事故显示,6轴大货车超载是引起桥梁坍塌的主要原因之一。因此,通过对经过桥梁的车辆的大小和车轴数进行识别,即可判断出当前车辆是否为存在超载风险的车辆,相当于提前对存在超载风险的车辆进行了标记,当进一步判断桥梁存在风险时,能够快速获知当前有哪些超载车辆经过了桥梁。
S4:判断目标车辆的车轴数是否大于预设阈值,若大于,则获取桥梁监测数据,判断桥梁当前荷载是否超过设定阈值,若是,则记录目标车辆的桥梁通行信息,若否,则不做处理;若不大于,则不做处理,在本发明实施例中,预设阈值设置为5,即目标车辆为6轴及以上大货车。
本发明实施例中,桥梁通行信息包括通行视频录像、通行时间和目标车辆经过桥梁时的桥梁监测数据。通行时间由目标车辆进入视频监控区域和离开视频监控区域的时间确定,在目标车辆进入视频监控区域和离开视频监控区域的时间范围内,若桥梁当前荷载超过设定阈值,且目标车辆的车轴数大于预设阈值,则记录目标车辆的桥梁通行信息。桥梁监测数据为桥梁上安装的传感器所监测到的荷载、形变等信息,设定阈值为根据桥梁实际所能够承载的最大安全重量所制定的阈值。当桥梁的荷载超过设定阈值时,说明当前存在超载车辆经过桥梁,而本发明实施例中已通过车辆目标检测器和车轴数量识别器提前对存在超载风险的车辆进行了标记和记录,因此后续在对桥梁进行安全分析时,能够快速获知超载车辆的通行信息。
在一种可选的实施方式中,本发明实施例中训练得到能够识别车辆的车辆目标检测器,具体步骤包括:
S111:对匝道视频监控中的部分图像使用矩形框对车辆进行人工标注。
S112:基于标注信息,得到图像中车辆的位置信息和类别信息;
S113:将每幅图像及图像中每辆车对应矩形框的位置信息和车辆类别信息作为一个样本,构成车辆标注数据集。匝道视频监控数据包括多幅图像,且每幅图像中均可能包含有多个车辆,每幅图像及图像中每辆车对应矩形框的位置信息和车辆类别信息作为车辆标注数据集的一个样本,车辆标注数据集中包含有多个样本。
S114:利用车辆标注数据集对车辆目标检测器进行训练。通过对车辆目标检测器进行训练,使得车辆目标检测器具有识别车辆的能力,能够识别当前车辆为小型车辆还是大型车辆。
在一种可选的实施方式中,训练能够识别车辆车轴数的车轴数量识别器,具体步骤包括:
S121:截取匝道视频监控中的部分车辆图像,使用矩形框对车辆轮胎进行人工标注。具体为,对图像中车辆的每个轮胎都进行矩形框框选标注。
本发明实施例中,匝道视频监控数据中一般只能看见车辆一侧的轮胎,无法同时看到同一车辆两侧的轮胎,而车辆的车轴上一般是2个轮胎,由于只能看到车辆一侧的轮胎,故只对车辆一侧的轮胎进行标注。
S123:基于标注,得到车辆图像中车辆轮胎对应矩形框的位置信息和类别信息;
S124:将每幅图像及图像中车辆轮胎对应矩形框的位置信息和类别作为一个样本,构成车轴标注数据集;
S125:利用车轴标注数据集对车轴数量识别器进行训练。通过对车轴数量识别器进行训练,使得车轴数量识别器具有识别车辆轮胎的能力,从而识别出当前车辆的车轴数。
对于货车而言,存在一个车轴上安装有4个轮胎的情况,每侧各2个,匝道视频监控中,从该车的侧面可以看到2个轮胎位于同一个车轴的同一侧,若此时将车辆轮胎的矩形框的识别个数,作为当前车辆的车轴数,则存在误判的情况;对于货车而言,还存在一种情况,也会导致误判情况的出现,如轮胎悬挂在车侧边的情况。故需要采取纠错措施对上述情况进行处理,本发明实施例中,当利用车轴数量识别器对目标车辆的车轴数进行识别,得到目标车辆的车轴数之后,还包括校验过程,具体校验过程包括:
A:对同一辆车中任意两个轮胎矩形框的重叠面积进行判断,若重叠面积大于预设值,则取消两个轮胎中任何一个轮胎矩形框的识别结果,若重叠面积不大于预设值,则不做处理;预设值可以为较大矩形框面积的一半。
B:计算任意两个轮胎矩形框的中心在竖直方向上的距离,若距离大于当前两个矩形框高度之和的二分之一,则取消位置靠上的矩形框的识别结果。
C:当前车辆的车轴数等于当前车辆剩下的矩形框个数。
本发明实施例的图像识别与桥梁监测相结合的匝道重车识别方法,通过训练车辆目标检测器和车轴数量识别器,然后利用训练好的车辆目标检测器和车轴数量识别器识别出可能存在超载风险的车辆,当识别出存在超载风险的车辆经过桥梁时,获取桥梁实时的监测数据,并判断桥梁结构当前是否存在风险,若存在,则对当前车辆的桥梁通行信息进行记录,方便后续桥梁的风险评估,将图像识别与桥梁监测数据相结合,为桥梁长期健康稳定运行提供保障。
本发明实施例提供的一种图像识别与桥梁监测相结合的匝道重车识别系统,包括训练模块、车型识别模块、车轴识别模块和判断模块。
训练模块用于获取已有匝道视频监控数据,训练得到能够识别车辆的车辆目标检测器,训练能够识别车辆车轴数的车轴数量识别器;车型识别模块用于驱使车辆目标检测器识别出经过匝道并进入桥梁的大型车辆,作为目标车辆;车轴识别模块用于驱使车轴数量识别器对目标车辆的车轴数进行识别,得到目标车辆的车轴数;判断模块用于判断目标车辆的车轴数是否大于预设阈值,若大于,则获取桥梁监测数据,判断桥梁当前荷载是否超过设定阈值,若是,则记录目标车辆的桥梁通行信息,若否,则不做处理;若不大于,则不做处理。桥梁通行信息包括通行视频录像、通行时间和目标车辆经过桥梁时的桥梁监测数据。通行时间由目标车辆进入视频监控区域和离开视频监控区域的时间确定,在目标车辆进入视频监控区域和离开视频监控区域的时间范围内,若桥梁当前荷载超过设定阈值,且目标车辆的车轴数大于预设阈值,则记录目标车辆的桥梁通行信息。
本发明实施例中,训练得到能够识别车辆的车辆目标检测器,具体过程包括:
对匝道视频监控中部分图像使用矩形框对车辆进行人工标注;
基于标注信息,得到图像中车辆的位置信息和类别信息;
将每幅图像及图像中每辆车对应矩形框的位置信息和车辆类别信息作为一个样本,构成车辆标注数据集;
利用车辆标注数据集对车辆目标检测器进行训练。
本发明实施例中,训练能够识别车辆车轴数的车轴数量识别器,具体过程包括:
截取匝道视频监控中的部分车辆图像,使用矩形框对车辆轮胎进行人工标注;
基于标注,得到车辆图像中车辆轮胎对应矩形框的位置信息和类别信息;
将每幅图像及图像中轮胎对应矩形框的位置信息和类别信息作为一个样本,构成车轴标注数据集;
利用车轴标注数据集对车轴数量识别器进行训练。
本发明实施例中,当利用车轴数量识别器对目标车辆的车轴数进行识别,得到目标车辆的车轴数之后,还包括校验过程,所述校验过程为:
对同一辆车中任意两个轮胎矩形框的重叠面积进行判断,若重叠面积大于预设值,则取消两个轮胎中任何一个轮胎矩形框的识别结果,若重叠面积不大于预设值,则不做处理;
计算任意两个轮胎矩形框的中心在竖直方向上的距离,若距离大于当前两个矩形框高度之和的二分之一,则取消位置靠上的矩形框的识别结果。
当前车辆的车轴数等于当前车辆剩下的矩形框个数。
本发明实施例的图像识别与桥梁监测相结合的匝道重车识别系统,通过训练车辆目标检测器和车轴数量识别器,然后利用训练好的车辆目标检测器和车轴数量识别器识别出可能存在超载风险的车辆,当识别出存在超载风险的车辆经过桥梁时,获取桥梁实时的监测数据,并判断桥梁结构当前是否存在风险,若存在,则对当前车辆的桥梁通行信息进行记录,方便后续桥梁的风险评估,将图像识别与桥梁监测数据相结合,为桥梁长期健康稳定运行提供保障。
本发明是参照和根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
Claims (6)
1.一种图像识别与桥梁监测相结合的匝道重车识别方法,其特征在于,包括以下步骤:
获取已有匝道视频监控数据,训练得到能够识别车辆的车辆目标检测器,训练能够识别车辆车轴数的车轴数量识别器;
利用车辆目标检测器识别出经过匝道并进入桥梁的大型车辆,作为目标车辆;
利用车轴数量识别器对目标车辆的车轴数进行识别,得到目标车辆的车轴数;
判断目标车辆的车轴数是否大于预设阈值,若大于,则获取桥梁监测数据,判断桥梁当前荷载是否超过设定阈值,若是,则记录目标车辆的桥梁通行信息,若否,则不做处理;若不大于,则不做处理;
其中,所述训练能够识别车辆车轴数的车轴数量识别器,具体步骤包括:
截取匝道视频监控中的部分车辆图像,使用矩形框对车辆轮胎进行人工标注;
基于标注,得到车辆图像中车辆轮胎对应矩形框的位置信息和类别信息;
将每幅图像及图像中轮胎对应矩形框的位置信息和类别信息作为一个样本,构成车轴标注数据集;
利用车轴标注数据集对车轴数量识别器进行训练;
其中,当利用车轴数量识别器对目标车辆的车轴数进行识别,得到目标车辆的车轴数之后,还包括校验过程,所述校验过程为:
对同一辆车中任意两个轮胎矩形框的重叠面积进行判断,若重叠面积大于预设值,则取消两个轮胎中任何一个轮胎矩形框的识别结果,若重叠面积不大于预设值,则不做处理;
计算任意两个轮胎矩形框的中心在竖直方向上的距离,若距离大于当前两个矩形框高度之和的二分之一,则取消位置靠上的矩形框的识别结果;
当前车辆的车轴数等于当前车辆剩下的矩形框个数。
2.如权利要求1所述的一种图像识别与桥梁监测相结合的匝道重车识别方法,其特征在于,所述训练得到能够识别车辆的车辆目标检测器,具体步骤包括:
对匝道视频监控中部分图像使用矩形框对车辆进行人工标注;
基于标注信息,得到图像中车辆的位置信息和类别信息;
将每幅图像及图像中每辆车对应矩形框的位置信息和车辆类别信息作为一个样本,构成车辆标注数据集;
利用车辆标注数据集对车辆目标检测器进行训练。
3.如权利要求1所述的一种图像识别与桥梁监测相结合的匝道重车识别方法,其特征在于:
所述桥梁通行信息包括通行视频录像、通行时间和目标车辆经过桥梁时的桥梁监测数据;
所述通行时间由目标车辆进入视频监控区域和离开视频监控区域的时间确定,在目标车辆进入视频监控区域和离开视频监控区域的时间范围内,若桥梁当前荷载超过设定阈值,且目标车辆的车轴数大于预设阈值,则记录目标车辆的桥梁通行信息。
4.一种图像识别与桥梁监测相结合的匝道重车识别系统,其特征在于,包括:
训练模块,其用于获取已有匝道视频监控数据,训练得到能够识别车辆的车辆目标检测器,训练能够识别车辆车轴数的车轴数量识别器;
车型识别模块,其用于驱使车辆目标检测器识别出经过匝道并进入桥梁的大型车辆,作为目标车辆;
车轴识别模块,其用于驱使车轴数量识别器对目标车辆的车轴数进行识别,得到目标车辆的车轴数;
判断模块,其用于判断目标车辆的车轴数是否大于预设阈值,若大于,则获取桥梁监测数据,判断桥梁当前荷载是否超过设定阈值,若是,则记录目标车辆的桥梁通行信息,若否,则不做处理;若不大于,则不做处理;
其中,所述训练能够识别车辆车轴数的车轴数量识别器,具体过程包括:
截取匝道视频监控中的部分车辆图像,使用矩形框对车辆轮胎进行人工标注;
基于标注,得到车辆图像中车辆轮胎对应矩形框的位置信息和类别信息;
将每幅图像及图像中轮胎对应矩形框的位置信息和类别信息作为一个样本,构成车轴标注数据集;
利用车轴标注数据集对车轴数量识别器进行训练;
其中,当利用车轴数量识别器对目标车辆的车轴数进行识别,得到目标车辆的车轴数之后,还包括校验过程,所述校验过程为:
对同一辆车中任意两个轮胎矩形框的重叠面积进行判断,若重叠面积大于预设值,则取消两个轮胎中任何一个轮胎矩形框的识别结果,若重叠面积不大于预设值,则不做处理;
计算任意两个轮胎矩形框的中心在竖直方向上的距离,若距离大于当前两个矩形框高度之和的二分之一,则取消位置靠上的矩形框的识别结果;
当前车辆的车轴数等于当前车辆剩下的矩形框个数。
5.如权利要求4所述的一种图像识别与桥梁监测相结合的匝道重车识别系统,其特征在于,所述训练得到能够识别车辆的车辆目标检测器,具体过程包括:
对匝道视频监控中部分图像使用矩形框对车辆进行人工标注;
基于标注信息,得到图像中车辆的位置信息和类别信息;
将每幅图像及图像中每辆车对应矩形框的位置信息和车辆类别信息作为一个样本,构成车辆标注数据集;
利用车辆标注数据集对车辆目标检测器进行训练。
6.如权利要求4所述的一种图像识别与桥梁监测相结合的匝道重车识别系统,其特征在于:
所述桥梁通行信息包括通行视频录像、通行时间和目标车辆经过桥梁时的桥梁监测数据;
所述通行时间由目标车辆进入视频监控区域和离开视频监控区域的时间确定,在目标车辆进入视频监控区域和离开视频监控区域的时间范围内,若桥梁当前荷载超过设定阈值,且目标车辆的车轴数大于预设阈值,则记录目标车辆的桥梁通行信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010599416.5A CN111860201B (zh) | 2020-06-28 | 2020-06-28 | 图像识别与桥梁监测相结合的匝道重车识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010599416.5A CN111860201B (zh) | 2020-06-28 | 2020-06-28 | 图像识别与桥梁监测相结合的匝道重车识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111860201A CN111860201A (zh) | 2020-10-30 |
CN111860201B true CN111860201B (zh) | 2023-07-25 |
Family
ID=72988576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010599416.5A Active CN111860201B (zh) | 2020-06-28 | 2020-06-28 | 图像识别与桥梁监测相结合的匝道重车识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111860201B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112836631A (zh) * | 2021-02-01 | 2021-05-25 | 南京云计趟信息技术有限公司 | 车辆轴数确定方法、装置、电子设备及存储介质 |
CN112906647B (zh) * | 2021-03-24 | 2023-12-19 | 杭州鲁尔物联科技有限公司 | 小跨径桥梁载重监测方法、装置、计算机设备及存储介质 |
CN116029555B (zh) * | 2023-03-22 | 2023-06-13 | 西南科技大学 | 基于轻量化神经网络的桥梁风险识别预警系统及应用方法 |
CN117314397B (zh) * | 2023-11-29 | 2024-02-02 | 贵州省公路建设养护集团有限公司 | 基于桥梁搭建下的安全巡检方法、电子设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103794056A (zh) * | 2014-03-06 | 2014-05-14 | 北京卓视智通科技有限责任公司 | 基于实时双路视频流的车型精确分类系统及方法 |
JP2015013637A (ja) * | 2013-06-03 | 2015-01-22 | 株式会社東海理化電機製作所 | タイヤ位置判定システム |
CN104848924A (zh) * | 2014-12-18 | 2015-08-19 | 北京万集科技股份有限公司 | 桥梁载重监测方法、装置及系统 |
JP2017182740A (ja) * | 2016-03-31 | 2017-10-05 | 三菱重工メカトロシステムズ株式会社 | 車軸数検知装置、車軸数検知方法及びプログラム |
CN109064495A (zh) * | 2018-09-19 | 2018-12-21 | 东南大学 | 一种基于Faster R-CNN与视频技术的桥面车辆时空信息获取方法 |
CN109870223A (zh) * | 2019-01-17 | 2019-06-11 | 同济大学 | 一种视觉技术辅助的桥梁动态称重方法 |
CN109887273A (zh) * | 2019-01-23 | 2019-06-14 | 同济大学 | 一种基于多源冗余信息的桥梁活载优化识别方法 |
CN109903558A (zh) * | 2019-03-07 | 2019-06-18 | 南京博瑞吉工程技术有限公司 | 一种道路桥梁车辆荷载监控系统及监控方法 |
CN110633690A (zh) * | 2019-09-24 | 2019-12-31 | 北京邮电大学 | 基于桥梁监控的车辆特征识别方法及系统 |
CN111160270A (zh) * | 2019-12-31 | 2020-05-15 | 中铁大桥科学研究院有限公司 | 一种基于智能视频识别的桥梁监测方法 |
CN111325146A (zh) * | 2020-02-20 | 2020-06-23 | 吉林省吉通信息技术有限公司 | 一种货车车型和轴型识别方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9429463B2 (en) * | 2013-03-04 | 2016-08-30 | International Road Dynamics, Inc. | System and method for measuring moving vehicle information using electrical time domain reflectometry |
-
2020
- 2020-06-28 CN CN202010599416.5A patent/CN111860201B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015013637A (ja) * | 2013-06-03 | 2015-01-22 | 株式会社東海理化電機製作所 | タイヤ位置判定システム |
CN103794056A (zh) * | 2014-03-06 | 2014-05-14 | 北京卓视智通科技有限责任公司 | 基于实时双路视频流的车型精确分类系统及方法 |
CN104848924A (zh) * | 2014-12-18 | 2015-08-19 | 北京万集科技股份有限公司 | 桥梁载重监测方法、装置及系统 |
JP2017182740A (ja) * | 2016-03-31 | 2017-10-05 | 三菱重工メカトロシステムズ株式会社 | 車軸数検知装置、車軸数検知方法及びプログラム |
CN109064495A (zh) * | 2018-09-19 | 2018-12-21 | 东南大学 | 一种基于Faster R-CNN与视频技术的桥面车辆时空信息获取方法 |
CN109870223A (zh) * | 2019-01-17 | 2019-06-11 | 同济大学 | 一种视觉技术辅助的桥梁动态称重方法 |
CN109887273A (zh) * | 2019-01-23 | 2019-06-14 | 同济大学 | 一种基于多源冗余信息的桥梁活载优化识别方法 |
CN109903558A (zh) * | 2019-03-07 | 2019-06-18 | 南京博瑞吉工程技术有限公司 | 一种道路桥梁车辆荷载监控系统及监控方法 |
CN110633690A (zh) * | 2019-09-24 | 2019-12-31 | 北京邮电大学 | 基于桥梁监控的车辆特征识别方法及系统 |
CN111160270A (zh) * | 2019-12-31 | 2020-05-15 | 中铁大桥科学研究院有限公司 | 一种基于智能视频识别的桥梁监测方法 |
CN111325146A (zh) * | 2020-02-20 | 2020-06-23 | 吉林省吉通信息技术有限公司 | 一种货车车型和轴型识别方法和系统 |
Non-Patent Citations (3)
Title |
---|
BP神经网络在静态汽车衡轴自动识别中的应用;李建国;《称重科技——第十届称重技术研讨会论文集》;全文 * |
Deep Sensing Approach to Single-Sensor Vehicle Weighing System on Bridges;Takaya Kawakatsu 等;《IEEE Sensors Journal》;第19卷(第1期);全文 * |
基于监测响应的桥梁车辆荷载识别;陶兴旺;《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111860201A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111860201B (zh) | 图像识别与桥梁监测相结合的匝道重车识别方法及系统 | |
CN107273802B (zh) | 一种铁路列车闸瓦钎环故障的检测方法及装置 | |
CN109165541B (zh) | 用于智能识别轨道交通车辆图像中车辆零部件的编码方法 | |
CN111144485B (zh) | 基于xgboost分类算法的车辆事故判断方法和系统 | |
CN111160270B (zh) | 一种基于智能视频识别的桥梁监测方法 | |
CN108195396B (zh) | 一种新能源汽车车辆数据的有效性的检测方法及系统 | |
CN113515985B (zh) | 自助过磅系统、过磅检测方法、设备及存储介质 | |
CN109649396B (zh) | 一种营运车辆驾驶员安全性检测方法 | |
CN111080614A (zh) | 铁路货车轮轮辋及踏面的破损识别方法 | |
CN113221839B (zh) | 一种货车图像自动识别方法及识别系统 | |
EP3243671A1 (en) | Method and apparatus for classifying a tyre | |
CN107967445A (zh) | 一种轿车加装天窗的智能检测系统及方法 | |
CN111091551A (zh) | 一种铁路货车制动梁支柱开口销丢失故障检测方法 | |
CN112528208A (zh) | 一种无称重ai智能识别货车超载估算方法、装置及系统 | |
CN109344829B (zh) | 一种高速铁路列车的车号识别方法及装置 | |
CN111800508B (zh) | 基于大数据的自动驾驶故障监测方法 | |
CN111800314B (zh) | 自动驾驶故障监测系统 | |
CN107622667B (zh) | 一种变造车牌号码检测方法及系统 | |
CN116453375A (zh) | 城市道路危险数据监控管理方法、装置、电子设备及介质 | |
CN112329753B (zh) | 一种机动车安检制动视频智能审核的方法 | |
CN115343719A (zh) | 基于红外和激光雷达的货车严重超载检测方法 | |
CN113724500B (zh) | 叉车坡道违规行驶预警方法及系统 | |
CN113592916A (zh) | 一种烧结机台车车轴故障检测方法及系统 | |
CN113990077A (zh) | 一种车辆载荷及特征监测系统及方法 | |
CN116091989A (zh) | 一种违章审核方法、装置及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |