CN113055649A - 一种隧道智能视频监控方法、装置、智能终端及存储介质 - Google Patents

一种隧道智能视频监控方法、装置、智能终端及存储介质 Download PDF

Info

Publication number
CN113055649A
CN113055649A CN202110286198.4A CN202110286198A CN113055649A CN 113055649 A CN113055649 A CN 113055649A CN 202110286198 A CN202110286198 A CN 202110286198A CN 113055649 A CN113055649 A CN 113055649A
Authority
CN
China
Prior art keywords
tunnel
vehicle
recognition result
accident
monitoring
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
Application number
CN202110286198.4A
Other languages
English (en)
Inventor
金亚洲
沈超
李均
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Highway Engineering Supervision & Consultant Co
Original Assignee
Hangzhou Highway Engineering Supervision & Consultant Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Highway Engineering Supervision & Consultant Co filed Critical Hangzhou Highway Engineering Supervision & Consultant Co
Priority to CN202110286198.4A priority Critical patent/CN113055649A/zh
Publication of CN113055649A publication Critical patent/CN113055649A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • 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
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B5/00—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied
    • G08B5/22—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied using electric transmission; using electromagnetic transmission
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/162—Decentralised systems, e.g. inter-vehicle communication event-triggered
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Electromagnetism (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Emergency Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请涉及一种隧道智能视频监控方法、装置、智能终端及存储介质。本申请包括获取隧道内常发事故区域位置，所述位置包括隧道进口处、隧道出口处以及隧道内；分别监控若干所述常发事故区域位置，以获取若干所述监控视频；处理若干所述监控视频，获取视频帧得到图片数据；将所述图片数据输入至训练模型中，输出图像识别结果，所述图像识别结果用于判断车辆是否发生事故；根据所述图像识别结果预判所述隧道内是否发生事故，若发生，则输出图像识别结果至隧道进口上方的显示屏，以提示司机行驶安全。具有及时获取隧道内信息，准确将信息进行传递，减少交通事故的发生的效果。

Description

一种隧道智能视频监控方法、装置、智能终端及存储介质
技术领域
本申请涉及视频监控的领域，尤其是涉及一种隧道智能视频监控方法、装置、智能终端及存储介质。
背景技术
随着我国经济的高速发展，大力投入基础设施建设，目前高速公路隧道长度动辄数公里，甚至几十上百公里，正是这些隧道极大缩短了高速行程，拉近了人们的时空距离。
高速公路快速发展的同时，高速公路隧道安全问题也接踵而来，尤其由于公路隧道内处于封闭空间，往往亮度较暗，又由于进出隧道时亮度的突然变化，导致交通事故频发。
当交通事故发生时，由于隧道内信息获取不及时，导致由于车辆故障、交通事故或拥堵引起停车而导致更重大的交通事故发生。
发明内容
为了及时获取隧道内信息，准确将信息进行传递，减少交通事故的发生，本申请提供一种隧道智能视频监控方法、装置、智能终端及存储介质。
第一方面，本申请提供的一种隧道智能视频监控方法，采用如下的技术方案：
一种隧道智能视频监控方法，包括：
获取隧道内常发事故区域位置，所述位置包括隧道进口处、隧道出口处以及隧道内；
分别监控若干所述常发事故区域位置，以获取若干所述监控视频；
处理若干所述监控视频，获取视频帧得到图片数据；
将所述图片数据输入至训练模型中，输出图像识别结果，所述图像识别结果用于判断车辆是否发生事故；
根据所述图像识别结果预判所述隧道内是否发生事故，若发生，则输出图像识别结果至隧道进口上方的显示屏，以提示司机行驶安全。
通过采用上述技术方案，根据历史情况获取隧道内常发事故的区域位置，隧道进口处和隧道出口处，由于亮度突然转变，最易发生事故，还包括隧道内；通过摄像头对这些区域进行监控，处理监控视频获取视频帧，从而对图片数据进行识别，判断监控处是否即将或已经发生事故，若发生，则将图像识别结果输出至隧道进道口上方的显示屏，以及时将隧道内信息进行传递，使即将进入隧道的司机注意，以减少交通事故的发生。
本发明在一较佳示例中可以进一步配置为：采集所述隧道内的声音信号；
识别所述声音信号，输出声音识别结果，所述声音识别结果用于描述隧道情况；
根据所述声音识别结果，判断所述隧道内是否发生事故；
若判定所述隧道内发生事故，则根据所述声音信号，获取对应位置的监控视频。
通过采用上述技术方案，由于在隧道内设置的摄像头位置均朝向常发事故的区域，若其他区域发生事故，则可通过识别声音，判断隧道发生事故的位置，获取该位置的监控视频。
本发明在一较佳示例中可以进一步配置为：所述根据所述声音信号，获取对应位置的监控视频包括：
根据所述声音信号，获取所述声音信号来源位置；
根据所述来源位置，控制摄像头朝向所述来源位置；
获取所述来源位置的监控视频。
通过采用上述技术方案，获取声音信号来源位置，根据声音信号来源位置，对其中至少一个摄像头的镜头朝向进行调整，控制其镜头朝向声音来源位置，从而获取监控视频，以获取事故发生情况。
本发明在一较佳示例中可以进一步配置为：选取若干连续图片数据；
根据若干所述连续图片数据，计算所述车辆行驶速度；
根据所述行驶速度，判断所述车辆是否超速，若超速，则记录所述车辆车牌。
通过采用上述技术方案，根据若干张连续的图片数据计算车辆行驶速度，若车辆超速，则记录车牌做报备，并重点注意该车辆，超速车辆更容易发生安全事故。
本发明在一较佳示例中可以进一步配置为：当判定所述车辆超速后，所述方法还包括：
获取所述车辆行驶方向中位于前方的车辆信息，所述车辆信息包括所述车辆速度、所述车辆与超速车辆的间距；
通过所述车辆信息计算事故发生几率，所述事故发生几率用于描述所述超速车辆与所述车辆发生事故的几率；
若所述事故发生几率大于阈值，则发出警报。
通过采用上述技术方案，由于超速车辆更易发生安全事故，则通过前方车辆与超速车辆的间距、车速，判断发生事故的几率，若发生事故的几率过高，则发出警报，以提示前方车辆和超速车辆，减小交通事故发生的几率。
本发明在一较佳示例中可以进一步配置为：获取若干所述监控视频之前，所述方法还包括：
获取所述隧道内光照数据，所述光照数据用于描述所述隧道内的光照强度；
若所述光照数据小于阈值，则发送补光灯预开启命令至所述摄像头。
通过采用上述技术方案，由于隧道内亮度较低，当某些特定时段，例如夜间或隧道内灯光亮度较低时，则启动补光灯预开启的命令，当识别到即将发生交通事故时，以第一时间启动补光灯，从而获取更清晰的视频监控。
本发明在一较佳示例中可以进一步配置为：当所述图像识别结果预判车辆即将发生事故时，则控制所述摄像头启动补光灯。
通过采用上述技术方案，当预判即将发生交通事故时，开启补光灯，以获取更为清晰的视频监控。
第二方面，本申请提供的一种隧道智能视频监控装置，采用如下的技术方案：
一种隧道智能视频监控装置，包括：
获取模块，用于获取隧道内常发事故区域位置，所述位置包括隧道进口处、隧道出口处以及隧道内；
监控模块，用于分别监控若干所述常发事故区域位置，以获取若干所述监控视频；
处理模块，用于处理若干所述监控视频，获取视频帧得到图片数据；
识别模块，用于将所述图片数据输入至训练模型中，输出图像识别结果，所述图像识别结果用于判断车辆是否发生事故；
判断模块，用于根据所述图像识别结果预判所述隧道内是否发生事故，若发生，则输出图像识别结果至隧道进口上方的显示屏，以提示司机行驶安全；
声音处理模块，用于采集所述隧道内的声音信号；
识别所述声音信号，输出声音识别结果，所述声音识别结果用于描述隧道情况；
根据所述声音识别结果，判断所述隧道内是否发生事故；
若判定所述隧道内发生事故，则根据所述声音信号，获取对应位置的监控视频；
预警模块，用于选取若干连续图片数据；
根据若干所述连续图片数据，计算所述车辆行驶速度；
根据所述行驶速度，判断所述车辆是否超速，若超速，则记录所述车辆车牌；
补光模块，用于获取所述隧道内光照数据，所述光照数据用于描述所述隧道内的光照强度；
若所述光照数据小于阈值，则发送补光灯预开启命令至所述摄像头。
通过采用上述技术方案，根据历史情况获取隧道内常发事故的区域位置，隧道进口处和隧道出口处，由于亮度突然转变，最易发生事故，还包括隧道内；通过摄像头对这些区域进行监控，处理监控视频获取视频帧，从而对图片数据进行识别，判断监控处是否即将或已经发生事故，若发生，则将图像识别结果输出至隧道进道口上方的显示屏，以及时将隧道内信息进行传递，使即将进入隧道的司机注意，以减少交通事故的发生。
第三方面，本申请提供的一种智能终端，采用如下的技术方案：
一种智能终端，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行上述一种隧道智能视频监控方法的计算机程序。
第四方面，本申请提供的一种计算机可读存储介质，存储有能够被处理器加载并执行上述任一种隧道智能视频监控方法的计算机程序。
通过采用上述技术方案，上述隧道智能视频监控方法可以被存储到可读存储介质中，以便于可读存储介质内存储的隧道智能视频监控方法的计算机程序可以被处理器执行，从而实现提升了处理系统稳定性的效果。
综上所述，本申请包括以下至少一种有益技术效果：
1.本方案中，通过对历史记录的调取，选取其中常发生事故的区域位置，并对这些位置进行视频监控，通过图像识别方法，判断是否发生交通事故，若发生，则将信息输出至隧道进口处的显示屏上，以及时提示司机，进入隧道注意安全；
2.本方案中，通过声音识别算法，进一步判断隧道内是否发生事故，并根据声音传递方位，控制摄像头获取该方位的视频监控，以对隧道内无死角监控；
3.本方案中，通过公式计算超速车辆与其相邻最近的车辆发生撞击的几率，若发生撞击几率大于0.5，则发起预警，以对两位司机进行提示，减小发生事故的可能性。
附图说明
图1是本申请其中第一实施例中的流程示意图。
图2是本申请其中第一实施例中的剩余步骤流程示意图。
图3是本申请其中第二实施例中装置的模块示意图。
图4是本申请其中第三实施例中的智能终端结构示意图。
附图标记说明：201、获取模块；202、监控模块；203、处理模块；204、识别模块；205、判断模块；206、声音处理模块；207、预警模块；208、补光模块；301、存储器；302、处理器。
具体实施方式
以下结合附图1-3对本申请作进一步详细说明。
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例作出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。
实施例一：
一种隧道智能视频监控方法，参考图1和图2，包括：
101、获取隧道内常发事故区域位置，所述位置包括隧道进口处、隧道出口处以及隧道内。
具体的，通过历史记录调取隧道内事故常发区域位置，且由于隧道进口处和隧道出口处亮度变化较大，将隧道进口处和隧道出口处也定义为事故常发区域。
102、分别监控若干所述常发事故区域位置，以获取若干所述监控视频。
具体的，根据隧道内常发事故区域位置，在对应位置分别安装摄像头，摄像头可自由转动，常规状态下，若干摄像头的镜头分别朝向对应的常发事故区域位置，并实时获取监控视频。在本实施例中，将采集的大小、帧率不同的高清视频数据进行统一大小与帧率的转换。
103、处理若干所述监控视频，获取视频帧得到图片数据。
具体的，采用抽帧算法提取视频帧，图像数据具体为预设时间内若干张连续的图片，图片来源于视频片段。
104、将所述图片数据输入至训练模型中，输出图像识别结果，所述图像识别结果用于判断车辆是否发生事故。
具体的，通过获取足够数量的训练样本，训练样本包括车辆发生撞击、抛锚以及违规时的图片，并对其进行分类，训练样本数量可以为30000张；
建立识别模型，并通过训练样本不断对识别模型进行训练，以提高识别模型的识别准确率；
将获取的图片数据输入至训练模型中，识别图片数据为哪种类型的训练样本，并输出该训练样本的类别，具体为抛锚、撞击以及违规，即发生事故；若未识别出具体结果，则判定为未发生事故。
105、根据所述图像识别结果预判所述隧道内是否发生事故，若发生，则输出图像识别结果至隧道进口上方的显示屏，以提示司机行驶安全。
具体的，若图像识别结果为未发生事故，则无需下一步操作；
若图像识别结果为发生事故，则将图像识别结果输出至隧道进口上方的显示屏上，以文字滚动形式进行播放，对即将进入隧道的司机进行提醒。
优选的，由于隧道内安装摄像头的位置已知，则根据获取到发生事故视频监控的摄像头，判断发生事故的位置，将发生事故的位置输出至显示屏，以进一步对司机进行提示。
106、采集所述隧道内的声音信号；
识别所述声音信号，输出声音识别结果，所述声音识别结果用于描述隧道情况；
根据所述声音识别结果，判断所述隧道内是否发生事故；
若判定所述隧道内发生事故，则根据所述声音信号，获取对应位置的监控视频。
具体的，设置若干声音传感器获取隧道内的声音信号，并对采集到的声音信号进行特征提取；
对特征提取后的数据进行高斯归一化处理，输出归一化数据；
将归一化数据输入至训练好的识别模型中，通过深度神经网络对归一化数据进行分类识别获得分类结果信息；
若分类结果信息中包含车辆碰撞声的概率值大于阈值，则判定隧道内发生事故，获取该位置的监控视频。
进一步的，根据所述声音信号，获取所述声音信号来源位置；
根据所述来源位置，控制摄像头朝向所述来源位置；
获取所述来源位置的监控视频。
具体的，通过鉴别不同声音传感器获取到声音信号的强度大小，判断发出声音信号的位置靠近哪个声音传感器，从而根据声音传感器的位置判断发生事故的位置；
根据发生事故的位置，控制最靠近该位置传感器的摄像头转动，使摄像头镜头朝向该位置，并获取该位置的监控视频。
107、选取若干连续图片数据；
根据若干所述连续图片数据，计算所述车辆行驶速度；
根据所述行驶速度，判断所述车辆是否超速，若超速，则记录所述车辆车牌。
具体的，任意选取若干张连续的图像数据，其中包含车辆信息；
根据若干张连续的图像数据时间间隔，和车辆行驶的距离，从而计算车辆的速度，其中，车辆行驶的距离以车辆在图像中按比例转化为实际行驶距离；
若判断车辆已超速，则以OCR文字识别算法识别车辆的车牌号，并记录。
进一步的，获取所述车辆行驶方向中位于前方的车辆信息，所述车辆信息包括所述车辆速度、所述车辆与超速车辆的间距；
通过所述车辆信息计算事故发生几率，所述事故发生几率用于描述所述超速车辆与所述车辆发生事故的几率；
若所述事故发生几率大于阈值，则发出警报。
具体的，隧道两边设置有显示隧道长度的标记，例如隧道长达100米，每隔5米设置一个标记，并在标记上标明此处距离隧道口相距几米，摄像头获取录像时同时获取该标记信息；
当确定超速的车辆信息后，控制其他摄像头获取该车辆沿着隧道内前方的车辆信息，并通过标记信息识别出其中最靠近该车辆的车辆特征；
获取该车辆特征的车辆信息，获取该车辆的行驶速度，根据标记信息获取该车辆与超速车辆当前的间距；
通过公式计算：（超速车辆车速－前方车辆车速）*第一系数÷两车间距，获得两车撞击的几率；
若发生的几率大于0.5，则表示两车有可能发生撞击，几率越接近1，则表示越有可能发生撞击，则以隧道内的警报装置发出警报，以提示司机。
108、获取所述隧道内光照数据，所述光照数据用于描述所述隧道内的光照强度；
若所述光照数据小于阈值，则发送补光灯预开启命令至所述摄像头。
具体的，在每个摄像头附近均安装光照传感器，以实时获取光照强度；
当光照强度小于阈值，即隧道内光照强度以能够造成摄像头拍摄不清晰时，则发送补光灯预开启命令至摄像头；
使摄像头的补光灯能够立即启动，平常状态下，补光灯处于关闭状态，避免能源过渡消耗。
进一步的，当所述图像识别结果预判车辆即将发生事故时，则控制所述摄像头启动补光灯。
具体的，若通过公式计算得出两车发生撞击的几率大于0.5，则发送补光灯开启命令，使补光灯开启，以更清晰地获取之后的监控视频。
本申请实施例的实施原理为：根据历史情况获取隧道内常发事故的区域位置，隧道进口处和隧道出口处，由于亮度突然转变，最易发生事故，还包括隧道内；
在这些常发生事故的位置安装摄像头，通过摄像头对这些区域进行监控，处理监控视频获取视频帧，通过图像识别算法，对图片数据进行识别，判断监控处是否即将或已经发生事故，若发生，则将图像识别结果输出至隧道进道口上方的显示屏，以及时将隧道内信息进行传递，使即将进入隧道的司机注意，以减少交通事故的发生；
由于摄像头监控范围有限，则采集隧道内声音信息，通过对声音信息的识别，判断隧道内是否发生安全事故，若发生，则判断该声音信息的具体位置，控制相近的摄像头朝向该位置，以获取该位置的监控视频，以全方位监控隧道；
并通过公式计算两车相撞的几率，若相撞的几率较大，则发出预警，以提示司机，降低事故发生的可能性。
实施例二：
一种隧道智能视频监控装置，参考图3，包括：
获取模块201，用于获取隧道内常发事故区域位置，所述位置包括隧道进口处、隧道出口处以及隧道内。
监控模块202，用于分别监控若干所述常发事故区域位置，以获取若干所述监控视频。
处理模块203，用于处理若干所述监控视频，获取视频帧得到图片数据。
识别模块204，用于将所述图片数据输入至训练模型中，输出图像识别结果，所述图像识别结果用于判断车辆是否发生事故。
判断模块205，用于根据所述图像识别结果预判所述隧道内是否发生事故，若发生，则输出图像识别结果至隧道进口上方的显示屏，以提示司机行驶安全。
声音处理模块206，用于采集所述隧道内的声音信号；
识别所述声音信号，输出声音识别结果，所述声音识别结果用于描述隧道情况；
根据所述声音识别结果，判断所述隧道内是否发生事故；
若判定所述隧道内发生事故，则根据所述声音信号，获取对应位置的监控视频。
进一步的，根据所述声音信号，获取所述声音信号来源位置；
根据所述来源位置，控制摄像头朝向所述来源位置；
获取所述来源位置的监控视频。
预警模块207，用于选取若干连续图片数据；
根据若干所述连续图片数据，计算所述车辆行驶速度；
根据所述行驶速度，判断所述车辆是否超速，若超速，则记录所述车辆车牌。
进一步的，获取所述车辆行驶方向中位于前方的车辆信息，所述车辆信息包括所述车辆速度、所述车辆与超速车辆的间距；
通过所述车辆信息计算事故发生几率，所述事故发生几率用于描述所述超速车辆与所述车辆发生事故的几率；
若所述事故发生几率大于阈值，则发出警报。
补光模块208，用于获取所述隧道内光照数据，所述光照数据用于描述所述隧道内的光照强度；
若所述光照数据小于阈值，则发送补光灯预开启命令至所述摄像头
进一步的，当所述图像识别结果预判车辆即将发生事故时，则控制所述摄像头启动补光灯。
实施例三：
一种智能终端，参考图4，其包括存储器301、处理器302及存储在存储器301上并可在处理器302上运行的计算机程序，其中存储器301存储训练模型中的训练数据、算法公式以及滤波机制等。处理器302用于提供计算和控制能力，处理器302执行计算机程序时实现以下步骤：
101、获取隧道内常发事故区域位置，所述位置包括隧道进口处、隧道出口处以及隧道内。
102、分别监控若干所述常发事故区域位置，以获取若干所述监控视频。
103、处理若干所述监控视频，获取视频帧得到图片数据。
104、将所述图片数据输入至训练模型中，输出图像识别结果，所述图像识别结果用于判断车辆是否发生事故。
105、根据所述图像识别结果预判所述隧道内是否发生事故，若发生，则输出图像识别结果至隧道进口上方的显示屏，以提示司机行驶安全。
106、采集所述隧道内的声音信号；
识别所述声音信号，输出声音识别结果，所述声音识别结果用于描述隧道情况；
根据所述声音识别结果，判断所述隧道内是否发生事故；
若判定所述隧道内发生事故，则根据所述声音信号，获取对应位置的监控视频。
进一步的，根据所述声音信号，获取所述声音信号来源位置；
根据所述来源位置，控制摄像头朝向所述来源位置；
获取所述来源位置的监控视频。
107、选取若干连续图片数据；
根据若干所述连续图片数据，计算所述车辆行驶速度；
根据所述行驶速度，判断所述车辆是否超速，若超速，则记录所述车辆车牌。
进一步的，获取所述车辆行驶方向中位于前方的车辆信息，所述车辆信息包括所述车辆速度、所述车辆与超速车辆的间距；
通过所述车辆信息计算事故发生几率，所述事故发生几率用于描述所述超速车辆与所述车辆发生事故的几率；
若所述事故发生几率大于阈值，则发出警报。
108、获取所述隧道内光照数据，所述光照数据用于描述所述隧道内的光照强度；
若所述光照数据小于阈值，则发送补光灯预开启命令至所述摄像头
进一步的，当所述图像识别结果预判车辆即将发生事故时，则控制所述摄像头启动补光灯。
实施例四：
一种计算机可读存储介质，其存储有能够被处理器302加载并执行上述隧道智能视频监控方法的计算机程序，计算机程序被处理器302执行时实现以下步骤：
101、获取隧道内常发事故区域位置，所述位置包括隧道进口处、隧道出口处以及隧道内。
102、分别监控若干所述常发事故区域位置，以获取若干所述监控视频。
103、处理若干所述监控视频，获取视频帧得到图片数据。
104、将所述图片数据输入至训练模型中，输出图像识别结果，所述图像识别结果用于判断车辆是否发生事故。
105、根据所述图像识别结果预判所述隧道内是否发生事故，若发生，则输出图像识别结果至隧道进口上方的显示屏，以提示司机行驶安全。
106、采集所述隧道内的声音信号；
识别所述声音信号，输出声音识别结果，所述声音识别结果用于描述隧道情况；
根据所述声音识别结果，判断所述隧道内是否发生事故；
若判定所述隧道内发生事故，则根据所述声音信号，获取对应位置的监控视频。
进一步的，根据所述声音信号，获取所述声音信号来源位置；
根据所述来源位置，控制摄像头朝向所述来源位置；
获取所述来源位置的监控视频。
107、选取若干连续图片数据；
根据若干所述连续图片数据，计算所述车辆行驶速度；
根据所述行驶速度，判断所述车辆是否超速，若超速，则记录所述车辆车牌。
进一步的，获取所述车辆行驶方向中位于前方的车辆信息，所述车辆信息包括所述车辆速度、所述车辆与超速车辆的间距；
通过所述车辆信息计算事故发生几率，所述事故发生几率用于描述所述超速车辆与所述车辆发生事故的几率；
若所述事故发生几率大于阈值，则发出警报。
108、获取所述隧道内光照数据，所述光照数据用于描述所述隧道内的光照强度；
若所述光照数据小于阈值，则发送补光灯预开启命令至所述摄像头
进一步的，当所述图像识别结果预判车辆即将发生事故时，则控制所述摄像头启动补光灯。
需要说明的是：上述实施例提供的隧道智能视频监控的装置在执行隧道智能视频监控方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备和设备的内部构造划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的隧道智能视频监控方法、装置、智能终端及存储介质实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种隧道智能视频监控方法，其特征在于，包括：
获取隧道内常发事故区域位置，所述位置包括隧道进口处、隧道出口处以及隧道内；
分别监控若干所述常发事故区域位置，以获取若干所述监控视频；
处理若干所述监控视频，获取视频帧得到图片数据；
将所述图片数据输入至训练模型中，输出图像识别结果，所述图像识别结果用于判断车辆是否发生事故；
根据所述图像识别结果预判所述隧道内是否发生事故，若发生，则输出图像识别结果至隧道进口上方的显示屏，以提示司机行驶安全。
2.根据权利要求1所述的方法，其特征在于，包括：
采集所述隧道内的声音信号；
识别所述声音信号，输出声音识别结果，所述声音识别结果用于描述隧道情况；
根据所述声音识别结果，判断所述隧道内是否发生事故；
若判定所述隧道内发生事故，则根据所述声音信号，获取对应位置的监控视频。
3.根据权利要求2所述的方法，其特征在于，所述根据所述声音信号，获取对应位置的监控视频包括：
根据所述声音信号，获取所述声音信号来源位置；
根据所述来源位置，控制摄像头朝向所述来源位置；
获取所述来源位置的监控视频。
4.根据权利要求1所述的方法，其特征在于，包括：
选取若干连续图片数据；
根据若干所述连续图片数据，计算所述车辆行驶速度；
根据所述行驶速度，判断所述车辆是否超速，若超速，则记录所述车辆车牌。
5.根据权利要求4所述的方法，其特征在于，当判定所述车辆超速后，所述方法还包括：
获取所述车辆行驶方向中位于前方的车辆信息，所述车辆信息包括所述车辆速度、所述车辆与超速车辆的间距；
通过所述车辆信息计算事故发生几率，所述事故发生几率用于描述所述超速车辆与所述车辆发生事故的几率；
若所述事故发生几率大于阈值，则发出警报。
6.根据权利要求5所述的方法，其特征在于，获取若干所述监控视频之前，所述方法还包括：
获取所述隧道内光照数据，所述光照数据用于描述所述隧道内的光照强度；
若所述光照数据小于阈值，则发送补光灯预开启命令至所述摄像头。
7.根据权利要求6所述的方法，其特征在于，包括：
当所述图像识别结果预判车辆即将发生事故时，则控制所述摄像头启动补光灯。
8.一种隧道智能视频监控装置，其特征在于，包括：
获取模块（201），用于获取隧道内常发事故区域位置，所述位置包括隧道进口处、隧道出口处以及隧道内；
监控模块（202），用于分别监控若干所述常发事故区域位置，以获取若干所述监控视频；
处理模块（203），用于处理若干所述监控视频，获取视频帧得到图片数据；
识别模块（204），用于将所述图片数据输入至训练模型中，输出图像识别结果，所述图像识别结果用于判断车辆是否发生事故；
判断模块（205），用于根据所述图像识别结果预判所述隧道内是否发生事故，若发生，则输出图像识别结果至隧道进口上方的显示屏，以提示司机行驶安全；
声音处理模块（206），用于采集所述隧道内的声音信号；
识别所述声音信号，输出声音识别结果，所述声音识别结果用于描述隧道情况；
根据所述声音识别结果，判断所述隧道内是否发生事故；
若判定所述隧道内发生事故，则根据所述声音信号，获取对应位置的监控视频；
预警模块（207），用于选取若干连续图片数据；
根据若干所述连续图片数据，计算所述车辆行驶速度；
根据所述行驶速度，判断所述车辆是否超速，若超速，则记录所述车辆车牌；
补光模块（208），用于获取所述隧道内光照数据，所述光照数据用于描述所述隧道内的光照强度；
若所述光照数据小于阈值，则发送补光灯预开启命令至所述摄像头。
9.一种智能终端，其特征在于，包括存储器（301）和处理器（302），所述存储器（301）上存储有能够被处理器（302）加载并执行如权利要求1至7中任一种方法的计算机程序。
10.一种计算机可读存储介质，其特征在于，存储有能够被处理器（302）加载并执行如权利要求1至7中任一种方法的计算机程序。
CN202110286198.4A 2021-03-17 2021-03-17 一种隧道智能视频监控方法、装置、智能终端及存储介质 Pending CN113055649A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110286198.4A CN113055649A (zh) 2021-03-17 2021-03-17 一种隧道智能视频监控方法、装置、智能终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110286198.4A CN113055649A (zh) 2021-03-17 2021-03-17 一种隧道智能视频监控方法、装置、智能终端及存储介质

Publications (1)

Publication Number Publication Date
CN113055649A true CN113055649A (zh) 2021-06-29

Family

ID=76513015

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110286198.4A Pending CN113055649A (zh) 2021-03-17 2021-03-17 一种隧道智能视频监控方法、装置、智能终端及存储介质

Country Status (1)

Country Link
CN (1) CN113055649A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113516848A (zh) * 2021-09-09 2021-10-19 浙江高速信息工程技术有限公司 一种应用于高速公路的定向高音喇叭控制方法及系统
CN115657580A (zh) * 2022-12-14 2023-01-31 北京交科公路勘察设计研究院有限公司 基于组合算法的隧道消防水池监控方法及系统
CN115981219A (zh) * 2023-03-21 2023-04-18 山东博安智能科技股份有限公司 高速隧道智能监控系统
US20230126957A1 (en) * 2021-10-26 2023-04-27 Ping An Technology (Shenzhen) Co., Ltd. Systems and methods for determining fault for a vehicle accident
CN116153092A (zh) * 2022-12-29 2023-05-23 北京中科神通科技有限公司 一种隧道交通安全监测方法及系统
CN117354469A (zh) * 2023-12-05 2024-01-05 陕西华海信息技术有限公司 一种基于安防预警的小区监控视频目标跟踪方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106898346A (zh) * 2017-04-19 2017-06-27 杭州派尼澳电子科技有限公司 一种高速公路隧道安全监控系统
CN107464428A (zh) * 2017-09-22 2017-12-12 长安大学 一种隧道交通异常识别报警装置
CN109672853A (zh) * 2018-09-25 2019-04-23 深圳壹账通智能科技有限公司 基于视频监控的预警方法、装置、设备及计算机存储介质
CN109919053A (zh) * 2019-02-24 2019-06-21 太原理工大学 一种基于监控视频的深度学习车辆停车检测方法
CN111878174A (zh) * 2020-08-25 2020-11-03 中国铁道科学研究院集团有限公司电子计算技术研究所 一种高速铁路隧道衬砌掉块视频监测方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106898346A (zh) * 2017-04-19 2017-06-27 杭州派尼澳电子科技有限公司 一种高速公路隧道安全监控系统
CN107464428A (zh) * 2017-09-22 2017-12-12 长安大学 一种隧道交通异常识别报警装置
CN109672853A (zh) * 2018-09-25 2019-04-23 深圳壹账通智能科技有限公司 基于视频监控的预警方法、装置、设备及计算机存储介质
CN109919053A (zh) * 2019-02-24 2019-06-21 太原理工大学 一种基于监控视频的深度学习车辆停车检测方法
CN111878174A (zh) * 2020-08-25 2020-11-03 中国铁道科学研究院集团有限公司电子计算技术研究所 一种高速铁路隧道衬砌掉块视频监测方法和装置

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113516848A (zh) * 2021-09-09 2021-10-19 浙江高速信息工程技术有限公司 一种应用于高速公路的定向高音喇叭控制方法及系统
CN113516848B (zh) * 2021-09-09 2021-11-30 浙江高速信息工程技术有限公司 一种应用于高速公路的定向高音喇叭控制方法及系统
US20230126957A1 (en) * 2021-10-26 2023-04-27 Ping An Technology (Shenzhen) Co., Ltd. Systems and methods for determining fault for a vehicle accident
CN115657580A (zh) * 2022-12-14 2023-01-31 北京交科公路勘察设计研究院有限公司 基于组合算法的隧道消防水池监控方法及系统
CN116153092A (zh) * 2022-12-29 2023-05-23 北京中科神通科技有限公司 一种隧道交通安全监测方法及系统
CN116153092B (zh) * 2022-12-29 2024-03-22 北京中科神通科技有限公司 一种隧道交通安全监测方法及系统
CN115981219A (zh) * 2023-03-21 2023-04-18 山东博安智能科技股份有限公司 高速隧道智能监控系统
CN117354469A (zh) * 2023-12-05 2024-01-05 陕西华海信息技术有限公司 一种基于安防预警的小区监控视频目标跟踪方法及系统
CN117354469B (zh) * 2023-12-05 2024-01-30 陕西华海信息技术有限公司 一种基于安防预警的小区监控视频目标跟踪方法及系统

Similar Documents

Publication Publication Date Title
CN113055649A (zh) 一种隧道智能视频监控方法、装置、智能终端及存储介质
US10885777B2 (en) Multiple exposure event determination
US20220262239A1 (en) Determining causation of traffic events and encouraging good driving behavior
EP4283575A2 (en) Detection of driving actions that mitigate risk
US11836985B2 (en) Identifying suspicious entities using autonomous vehicles
US20220327406A1 (en) Systems and methods for classifying driver behavior
CN111325978B (zh) 一种高速公路车辆异常行为的全程监测警示系统和方法
KR102453627B1 (ko) 딥러닝 기반 교통 흐름 분석 방법 및 시스템
CN110580808B (zh) 一种信息处理方法、装置、电子设备及智能交通系统
CN108932849B (zh) 一种记录多台机动车低速行驶违法行为的方法及装置
CN103021175A (zh) 基于达芬奇架构的行人闯红灯视频检测方法及装置
CN110032947B (zh) 一种监控事件发生的方法及装置
CN110866479A (zh) 一种检测摩托车驾驶员未戴头盔的方法、装置及系统
CN113033275B (zh) 基于深度学习的车辆变道不打转向灯分析系统
CN105574502A (zh) 一种自助发卡机违章行为自动检测方法
CN111785050A (zh) 一种高速公路疲劳驾驶预警装置及方法
CN111899514A (zh) 一种人工智能的拥堵检测系统
CN112528759A (zh) 一种基于计算机视觉的交通违章行为检测方法
CN112749630A (zh) 一种道路路况智能视频监控方法及系统
CN106251622B (zh) 车辆并道监控取证方法及其系统
CN204884166U (zh) 一种交通禁停区域违章停车监测装置
CN115294774B (zh) 基于深度学习的非机动车道路违停检测方法及装置
CN111627224A (zh) 车辆速度异常检测方法、装置、设备及存储介质
CN113593253A (zh) 车辆的闯红灯监测方法和装置
CN113177443A (zh) 一种基于图像视觉的智能识别道路交通违章的方法

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

Application publication date: 20210629

RJ01 Rejection of invention patent application after publication