CN113361408A - 一种道路和植被识别方法、装置及后台服务器 - Google Patents

Abstract

本申请公开了一种道路和植被识别方法、装置及后台服务器，包括：获取预置带电作业位置的多个地面方位的监控图像，标记每个地面方位的监控图像，同一个地面方位的监控图像的标记相同；将监控图像输入至训练好的道路及植被分割模型，分割出监控图像中的道路区域块及植被区域块；将分割出的道路区域块输入至训练好的道路区域危险车辆监测模型，判断道路区域块是否存在车辆；若道路区域块存在车辆，则发送报警信息至带电作业报警装置，使得带电作业人员接收到报警信息，报警信息中包括存在车辆的监控图像的标记信息。本申请通过对作业现场环境的道路特定区域进行智能监控，实时分析作业现场特定区域是否存在危险车辆信号并进行告警提醒。

Description

一种道路和植被识别方法、装置及后台服务器

技术领域

本申请涉及图像识别技术领域，尤其涉及一种道路和植被识别方法、装置及后台服务器。

背景技术

带电作业现场环境通常具有复杂性，特别是当作业环境现场属于交通道路和植被覆盖等复杂环境下，过往的车辆会对现场作业的工作人员构成一定的危险，需要通过图像分割把作业环境下的交通道路和植被分割出来，然后在分割区域中监测过往的车辆。

为保证带电作业施工现场能够安全、可靠、经济进行作业施工，国家电网公司和南方电网公司都一直保持对带电作业现场的安全监督工作保持高度重视，严格按照各项国家标准和行业标准来指导和执行带电作业现场安全监督工作，并尝试使用智能AI手段进行图像分割识别道路和植被来提升现场作业的效率和水平。

发明内容

本申请提供了一种道路和植被识别方法及装置，使得对作业现场环境的道路特定区域进行智能监控，实时分析作业现场特定区域是否存在危险车辆信号并进行告警提醒。

有鉴于此，本申请第一方面提供了一种道路和植被识别方法，所述方法包括：

获取预置带电作业位置的多个地面方位的监控图像，标记每个所述地面方位的所述监控图像，同一个所述地面方位的所述监控图像的标记相同；

将所述监控图像输入至训练好的道路及植被分割模型，分割出所述监控图像中的道路区域块及植被区域块；

将分割出的所述道路区域块输入至训练好的道路区域危险车辆监测模型，判断所述道路区域块是否存在车辆；

若所述道路区域块存在车辆，则发送报警信息至带电作业报警装置，使得带电作业人员接收到报警信息，所述报警信息中包括存在车辆的所述监控图像的标记信息。

可选的，所述获取预置带电作业位置的多个地面方位的监控图像，具体为：

获取预置带电作业位置周围预置范围内的多个地面方位的监控图像，所述预置范围为3-5m；所述多个地面方位为所述预置带电作业位置的前、后、左、右四个方位，或者前、后、左、右、左前、右前、左后、右后八个方位。

可选的，在所述将所述监控图像输入至训练好的道路及植被分割模型，分割出所述监控图像中的道路区域块及植被区域块，之前还包括：

对所述监控图像进行预处理，所述预处理包括图像降噪。

可选的，所述道路及植被分割模型由深度学习框架TensorFlow或者pytorch构成。

可选的，在所述若所述道路区域块存在车辆，则发送报警信息至带电作业报警装置，使得带电作业人员接收到报警信息，所述报警信息中包括存在车辆的所述监控图像的标记信息之后，还包括：

根据所述标记信息发出包括车辆所处方位的报警信息，以提示带电作业人员危险车辆的所在方向。

本申请第二方面提供一种道路和植被识别装置，所述装置包括：

获取单元，用于获取预置带电作业位置的多个地面方位的监控图像，标记每个所述地面方位的所述监控图像，同一个所述地面方位的所述监控图像的标记相同；

分割单元，用于将所述监控图像输入至训练好的道路及植被分割模型，分割出所述监控图像中的道路区域块及植被区域块；

判断单元，用于将分割出的所述道路区域块输入至训练好的道路区域危险车辆监测模型，判断所述道路区域块是否存在车辆；

报警单元，用于若所述道路区域块存在车辆，则发送报警信息至带电作业报警装置，使得带电作业人员接收到报警信息，所述报警信息中包括存在车辆的所述监控图像的标记信息。

可选的，获取单元还用于获取预置带电作业位置周围预置范围内的多个地面方位的监控图像，所述预置范围为3-5m；所述多个地面方位为所述预置带电作业位置的前、后、左、右四个方位，或者前、后、左、右、左前、右前、左后、右后八个方位。

可选的，还包括：

预处理单元，用于对所述监控图像进行预处理，所述预处理包括图像降噪。

可选的，所述报警单元还包括：

语音报警单元，用于根据所述标记信息发出包括车辆所处方位的报警信息，以提示带电作业人员危险车辆的所在方向。

本申请第三方面提供一种后台服务器，后台服务器用于接收图像采集设备远程传输的监控图像；对监控图像中的道路区域块及植被区域块，判断道路区域块中是否存在存在车辆，若存在，则发送报警信息至带电作业报警装置，使得带电作业报警装置发出警报。

从以上技术方案可以看出，本申请具有以下优点：

本申请实施例中，提供了一种道路和植被识别方法，包括：获取预置带电作业位置的多个地面方位的监控图像，标记每个地面方位的监控图像，同一个地面方位的监控图像的标记相同；将监控图像输入至训练好的道路及植被分割模型，分割出监控图像中的道路区域块及植被区域块；将分割出的道路区域块输入至训练好的道路区域危险车辆监测模型，判断道路区域块是否存在车辆；若道路区域块存在车辆，则发送报警信息至带电作业报警装置，使得带电作业人员接收到报警信息，报警信息中包括存在车辆的监控图像的标记信息。

本申请使用图像处理技术和深度学习技术相结合的方式，通过对作业现场采集的图像进行道路和植被区域分割，并对分割后的道路区域进行车辆危险信号进行监控；通过对作业现场环境的道路特定区域进行智能监控，实时分析作业现场特定区域是否存在危险车辆信号并进行告警提醒。能够智能监控道路区域的车辆危险信息，无需机房运维人员定时实地巡查，节省人力资源的同时又能及时预防危险。

附图说明

图1为本申请一种道路和植被识别方法的一个实施例的方法流程图；

图2为本申请一种道路和植被识别装置的一个实施例的装置结构图；

图3为本申请一种道路和植被识别方法的一个实施例中道路和植被分割模型的基础深度学习框架结构示意图；

图4为本申请一种道路和植被识别方法的一个实施例中道路和植被分割模型的图像金字塔框架示意图；

图5为本申请一种道路和植被识别方法的一个实施例中道路和植被分割模型的图像金字塔特征融合方式示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

图1为本申请一种道路和植被识别方法的一个实施例的方法流程图，如图1所示，图1中包括：

101、获取预置带电作业位置的多个地面方位的监控图像，标记每个地面方位的监控图像，同一个地面方位的监控图像的标记相同；

需要说明的是，本申请中当工作人员进行带电作业时，首先部署图像采集设备(例如摄像头)，用于实时采集作业位置周围预置范围内的图片。具体的，可以根据需要设置图像采集设备的方位，用于获取预置带电作业位置周围预置范围内的多个地面方位的监控图像，例如可以将预置范围设置为3-5m；多个地面方位为预置带电作业位置的前、后、左、右四个方位，或者前、后、左、右、左前、右前、左后、右后八个方位，也可以根据需要采集其他地面方位的监控图像。另外，可以分别标记不同图像采集设备采集到的监控图像，使得同一采集设备采集到的监控图像的标记相同，例如前向方位的图像采集设备采集的监控图像标记为1，后向方位的图像采集设备采集的监控图像标记为2，左向方位的图像采集设备采集的监控图像标记为3，右向方位的图像采集设备采集的监控图像标记为4等等。

102、将监控图像输入至训练好的道路及植被分割模型，分割出监控图像中的道路区域块及植被区域块；

需要说明的是，获取到监控图像后，可以将监控图像输入至训练好的道路及植被分割模型，从而分割出待检测的分割图像中的道路区域块及植被区域块。具体的，本申请可以采用TensorFlow或者pytorch等深度学习框架，并运行图像分割模型程序。道路和植被分割模型的基础深度学习框架结构示意图如图3-5所示。

在一种具体的实施方式中，在将监控图像输入至训练好的道路及植被分割模型，分割出监控图像中的道路区域块及植被区域块之前，还包括对待检测监控图像进行预处理工作，降低图像的噪声干扰。

103、将分割出的道路区域块输入至训练好的道路区域危险车辆监测模型，判断道路区域块是否存在车辆；

需要说明的是，可以将分割出的道路区域块输入至训练好的道路区域危险车辆监测模型，判断道路区域块是否存在车辆。

104、若道路区域块存在车辆，则发送报警信息至带电作业报警装置，使得带电作业人员接收到报警信息，报警信息中包括存在车辆的监控图像的标记信息。

需要说明的是，若道路区域块中存在车辆，则发送报警信息至作业人员身上的带电作业报警装置，使得作业人员可以及时获取报警信号，知晓车辆危险信息。

在一种具体的实施方式中，带电作业报警装置可以根据存在车辆的监控图像对应的标记，确定图像是哪个方位的监控图像，从而发出包括车辆所处方位的报警信息，以提示带电作业人员危险车辆的所在方向。例如，左前方的监控图像中包括车辆，则发出“小心左前方驶来车辆”的报警。

本申请使用图像处理技术和深度学习技术相结合的方式，通过对作业现场采集的图像进行道路和植被区域分割，并对分割后的道路区域进行车辆危险信号进行监控；通过对作业现场环境的道路特定区域进行智能监控，实时分析作业现场特定区域是否存在危险车辆信号并进行告警提醒。能够智能监控道路区域的车辆危险信息，无需机房运维人员定时实地巡查，节省人力资源的同时又能及时预防危险。

本申请还提供了一种道路和植被识别装置的实施例，如图2所示，图2中包括：

获取单元201，用于获取预置带电作业位置的多个地面方位的监控图像，标记每个地面方位的监控图像，同一个地面方位的监控图像的标记相同；

分割单元202，用于将监控图像输入至训练好的道路及植被分割模型，分割出监控图像中的道路区域块及植被区域块；

判断单元203，用于将分割出的道路区域块输入至训练好的道路区域危险车辆监测模型，判断道路区域块是否存在车辆；

报警单元204，用于若道路区域块存在车辆，则发送报警信息至带电作业报警装置，使得带电作业人员接收到报警信息，报警信息中包括存在车辆的监控图像的标记信息。

在一种具体的实施方式中，获取单元201还用于获取预置带电作业位置周围预置范围内的多个地面方位的监控图像，预置范围为3-5m；所述多个地面方位为预置带电作业位置的前、后、左、右四个方位，或者前、后、左、右、左前、右前、左后、右后八个方位。

在一种具体的实施方式中，还包括：

预处理单元，用于对监控图像进行预处理，预处理包括图像降噪。

在一种具体的实施方式中，报警单元204还包括：

语音报警单元，用于根据标记信息发出包括车辆方位的报警信息，以提示带电作业人员危险车辆的所在方向。

本申请还提供了一种后台服务器的实施例，后台服务器用于接收图像采集设备远程传输的监控图像；对监控图像中的道路区域块及植被区域块，判断道路区域块中是否存在存在车辆，若存在，则发送报警信息至带电作业报警装置，使得带电作业报警装置发出警报。

需要说明的是，本申请可以在作业现场部署图像采集设备，图像采集设备可以将采集到的监控图像远程传输至后台服务器。

后台服务器可以包括应用服务器、算法服务器以及数据服务器。其中，应用服务器通过有线或者无线连接图像采集设备，通过端口设置图像采集设备的采集间隔和采集图像存放路径。图像采集设备定时采集图片发送到应用服务器。作业现场不同位置的图像采集设备拥有不同的监测方案。

算法服务器安装了由深度学习框架TensorFlow或者pytorch构成的道路和植被分割模型；算法服务器配备了大容量显存的独立GPU设备，能够高速处理视频数据。算法服务器与应用服务器建立连接后，应用服务器把需要分割的监控图像传输到算法服务器，算法服务器执行图像分割算法，分割出图像的道路区域块和植被区域块，然后启动道路区域危险车辆监测模型，把最终分割结果和监测信号返回给应用服务器。应用服务器根据反馈的识别结果，当检测到车辆存在时，发送报警信号至带电作业人员身边的带电作业报警装置。

数据服务器使用分布式安装数据库，保存原始图像采集设备采集的图像数据和算法服务器图像分割时产生的分割数据。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种道路和植被识别方法，其特征在于，包括：

获取预置带电作业位置的多个地面方位的监控图像，标记每个所述地面方位的所述监控图像，同一个所述地面方位的所述监控图像的标记相同；

将所述监控图像输入至训练好的道路及植被分割模型，分割出所述监控图像中的道路区域块及植被区域块；

将分割出的所述道路区域块输入至训练好的道路区域危险车辆监测模型，判断所述道路区域块是否存在车辆；

若所述道路区域块存在车辆，则发送报警信息至带电作业报警装置，使得带电作业人员接收到报警信息，所述报警信息中包括存在车辆的所述监控图像的标记信息。

2.根据权利要求1所述的道路和植被识别方法，其特征在于，所述获取预置带电作业位置的多个地面方位的监控图像，具体为：

获取预置带电作业位置周围预置范围内的多个地面方位的监控图像，所述预置范围为3-5m；所述多个地面方位为所述预置带电作业位置的前、后、左、右四个方位，或者前、后、左、右、左前、右前、左后、右后八个方位。

3.根据权利要求1所述的道路和植被识别方法，其特征在于，在所述将所述监控图像输入至训练好的道路及植被分割模型，分割出所述监控图像中的道路区域块及植被区域块，之前还包括：

对所述监控图像进行预处理，所述预处理包括图像降噪。

4.根据权利要求1所述的道路和植被识别方法，其特征在于，所述道路及植被分割模型由深度学习框架TensorFlow或者pytorch构成。

5.根据权利要求1所述的道路和植被识别方法，其特征在于，在所述若所述道路区域块存在车辆，则发送报警信息至带电作业报警装置，使得带电作业人员接收到报警信息，所述报警信息中包括存在车辆的所述监控图像的标记信息之后，还包括：

根据所述标记信息发出包括车辆所处方位的报警信息，以提示带电作业人员危险车辆的所在方向。

6.一种道路和植被识别装置，其特征在于，包括：

获取单元，用于获取预置带电作业位置的多个地面方位的监控图像，标记每个所述地面方位的所述监控图像，同一个所述地面方位的所述监控图像的标记相同；

分割单元，用于将所述监控图像输入至训练好的道路及植被分割模型，分割出所述监控图像中的道路区域块及植被区域块；

判断单元，用于将分割出的所述道路区域块输入至训练好的道路区域危险车辆监测模型，判断所述道路区域块是否存在车辆；

报警单元，用于若所述道路区域块存在车辆，则发送报警信息至带电作业报警装置，使得带电作业人员接收到报警信息，所述报警信息中包括存在车辆的所述监控图像的标记信息。

7.根据权利要求6所述的道路和植被识别装置，其特征在于，获取单元还用于获取预置带电作业位置周围预置范围内的多个地面方位的监控图像，所述预置范围为3-5m；所述多个地面方位为所述预置带电作业位置的前、后、左、右四个方位，或者前、后、左、右、左前、右前、左后、右后八个方位。

8.根据权利要求6所述的道路和植被识别装置，其特征在于，还包括：

预处理单元，用于对所述监控图像进行预处理，所述预处理包括图像降噪。

9.根据权利要求6所述的道路和植被识别装置，其特征在于，所述报警单元还包括：

语音报警单元，用于根据所述标记信息发出包括车辆所处方位的报警信息，以提示带电作业人员危险车辆的所在方向。

10.一种后台服务器，其特征在于，所述后台服务器用于接收图像采集设备远程传输的监控图像；对所述监控图像中的道路区域块及植被区域块，判断所述道路区域块中是否存在存在车辆，若存在，则发送报警信息至带电作业报警装置，使得带电作业报警装置发出警报。

Images