CN114463702A - 一种护栏的故障识别方法、装置、介质及电子设备 - Google Patents
一种护栏的故障识别方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN114463702A CN114463702A CN202011249400.8A CN202011249400A CN114463702A CN 114463702 A CN114463702 A CN 114463702A CN 202011249400 A CN202011249400 A CN 202011249400A CN 114463702 A CN114463702 A CN 114463702A
- Authority
- CN
- China
- Prior art keywords
- guardrail
- unit
- fault
- image information
- key point
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例公开了一种护栏的故障识别方法、装置、介质及电子设备。所述方法包括:获取包括护栏的图像信息;识别所述图像信息中的护栏的各单位护栏;识别各单位护栏的至少一个关键点,若所述关键点符合预设故障筛选条件,则确定当前图像信息所述护栏存在故障;其中,所述关键点包括单位护栏的底部中心点、整体中心点以及顶部中心点的至少一种。执行本方案,可以实现快速并准确的对道路的护栏的故障情况进行识别。
Description
技术领域
本申请实施例涉及图像处理技术领域,尤其涉及一种护栏的故障识别方法、装置、介质及电子设备。
背景技术
随着科技水平的迅速发展,城市道路交通的秩序,已经成为影响广大群众生活质量的重要因素。为了能够保证道路的正常运行,往往会在对向行驶的车道之间,或者机动车道路和非机动车道路之间,架设护栏。护栏的架设不仅能够保证交通秩序,还能够避免交通危险,在道路交通有序进行中发挥着重大的作用。如果护栏存在破损、缺失以及弯曲等问题,会极大的影响道路交通的安全性和有序性。一般会配备专门的城市管理、道路管理人员对护栏是否存在问题进行巡查和处理,这不仅会造成大量的人力消耗,还会存在检查不及时等问题。因此,如何对护栏的故障进行快速、有效的调查是本领域技术人员亟待解决的技术问题。
发明内容
本申请实施例提供一种护栏的故障识别方法、装置、介质及电子设备,可以实现快速并准确的对道路的护栏的故障情况进行识别。
第一方面,本申请实施例提供了一种护栏的故障识别方法,所述方法包括:
获取包括护栏的图像信息;
识别所述图像信息中的护栏的各单位护栏;
识别各单位护栏的至少一个关键点,若所述关键点符合预设故障筛选条件,则确定当前图像信息所述护栏存在故障;其中,所述关键点包括单位护栏的底部中心点、整体中心点以及顶部中心点的至少一种。
进一步的,若所述关键点符合预设故障筛选条件,则确定当前图像信息所述护栏存在故障,包括:
确定各单位护栏的关键点坐标;
若所述关键点坐标不能应用拉格朗日插值公式,则确定当前图像信息所述护栏存在故障。
进一步的,在确定各单位护栏的关键点坐标之后,所述方法还包括:
若所述关键点坐标能应用拉格朗日插值公式,得到拉格朗日插值多项式;
若所述拉格朗日插值多项式在至少一个关键点的坐标位置不可导,则确定当前图像信息所述护栏存在故障。
进一步的,在确定各单位护栏的关键点坐标之后,所述方法还包括:
根据各单位护栏的关键点坐标,确定坐标距离的平均变化差值;
若相邻两个单位护栏的关键点的距离与所述平均变化差值的相差幅度超过预设最大距离容差,则确定当前图像信息所述护栏存在故障。
进一步的,所述坐标距离的平均变化差值的计算公式如下:
进一步的,在若所述关键点坐标能应用拉格朗日插值公式,得到拉格朗日插值多项式之后,所述方法还包括:
若所述拉格朗日插值多项式可导,则确定任一单位护栏与其上一单位护栏的导数差值的平均值;
若相邻两个单位护栏的关键点的导数与所述导数差值的平均值的相差幅度超过预设最大导数差值容差,则确定当前图像信息所述护栏存在故障。
进一步的,所述导数差值的平均值的计算公式如下:
进一步的,在确定当前图像信息所述护栏存在故障之后,所述方法还包括:
若识别连续预设数量的图像信息中护栏存在故障,则生成护栏故障维护信息,并发送至客户端。
第二方面,本申请实施例提供了一种护栏的故障识别装置,所述装置包括:
图像信息获取模块,用于获取包括护栏的图像信息;
单位护栏识别模块,用于识别所述图像信息中的护栏的各单位护栏;
故障判断模块,用于识别各单位护栏的至少一个关键点,若所述关键点符合预设故障筛选条件,则确定当前图像信息所述护栏存在故障;其中,所述关键点包括单位护栏的底部中心点、整体中心点以及顶部中心点的至少一种。
第三方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请实施例所述的护栏的故障识别方法。
第四方面,本申请实施例提供了一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,所述处理器执行所述计算机程序时实现如本申请实施例所述的护栏的故障识别方法。
本申请实施例所提供的技术方案,获取包括护栏的图像信息;识别所述图像信息中的护栏的各单位护栏;识别各单位护栏的至少一个关键点,若所述关键点符合预设故障筛选条件,则确定当前图像信息所述护栏存在故障;其中,所述关键点包括单位护栏的底部中心点、整体中心点以及顶部中心点的至少一种。本申请所提供的技术方案,可以实现快速并准确的对道路的护栏的故障情况进行识别。
附图说明
图1是本申请实施例提供的护栏的故障识别方法的流程图;
图2是本申请实施例提供的护栏的关键点识别结果示意图;
图3是本申请实施例提供的护栏的关键点的几何模型示意图;
图4是本申请实施例提供的护栏的缺失故障的示意图;
图5是本申请实施例提供的护栏缺失的几何模型示意图;
图6是本申请实施例提供的护栏的移位故障的示意图;
图7是本申请实施例提供的护栏移位的几何模型示意图;
图8是本申请实施例提供的护栏移位的故障识别示意图;
图9是本申请实施例提供的护栏的故障识别装置的结构示意图;
图10是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
图1是本申请实施例提供的护栏的故障识别方法的流程图,本实施例可适用于对护栏故障进行识别的情况,该方法可以由本申请实施例所提供的护栏的故障识别装置执行,该装置可以由软件和/或硬件的方式来实现,并可集成于服务器等电子设备中。
如图1所示,所述护栏的故障识别方法包括:
S110、获取包括护栏的图像信息。
其中,图像信息还可以通过其他图像获取设备获得。采用道路交通摄像头获取,可以实现功能的复用,无需单独部署硬件设备。
道路交通摄像头可以获取道路的视频,可以通过将视频进行分帧处理得到每一帧的图像,可以将相邻若干数量的帧图像作为本方案的输入数据,还可以通过跳帧输入。除此之外,还可以通过指定时间来输入,例如,白天道路车辆较多,对获取到的图像中的护栏会存在遮挡状况,则可以通过设置为夜晚的23:00到次日4:00来获取,这样可以有效的避免遮挡所带来的误判问题。
S120、识别所述图像信息中的护栏的各单位护栏。
可以理解的,单位护栏是护栏的一个单位结构,例如两个支撑柱中间的部分可以作为一个单位护栏。单位护栏的形状可以是长方形、正方形以及椭圆形等等。
本方案中,可以通过机器学习训练出可以识别护栏及护栏形态的模型,并将该模型记作HL模型(护栏模型);模型的输入为采集的监控区域图像,模型的输出结果为护栏是否有损坏、缺失等现象的检测结果;搭建HL模型,将城市一定范围内的道路摄像头接入到HL模型,对这些相机的监控视频进行视频分析,并将分析出的结果进行甄别。
该HL模型由多个模块组成,包括:
护栏识别提取模块:用于对监控区域图像进行特征提取,识别出画面中可能存在的一条或者多条护栏,并将识别出来每条护栏中的每个单位护栏标记出来(单位护栏是指两个固定柱与其中间部分所组成的护栏单位);
护栏关键点处理模块:用于对单位护栏识别提取模块输出的特征图进行处理,从而得到单位护栏关键点坐标,单位护栏关键点坐标包括护栏底部中心点坐标记为b坐标、护栏整体中心点坐标记为c坐标、护栏顶部中心点坐标记为t坐标;
护栏状态计算模块:用于判断同一条道路护栏上的各个单位护栏关键点坐标之间的位置、状态,判断护栏是否存在损坏、缺失的现象。
可以理解的,本方案所采用的单位护栏的识别方式可以采用上述模型的识别方式,还可以采用其他方式,如特征点识别,根据特征点的识别结果确定单位护栏。
S130、识别各单位护栏的至少一个关键点,若所述关键点符合预设故障筛选条件,则确定当前图像信息所述护栏存在故障;其中,所述关键点包括单位护栏的底部中心点、整体中心点以及顶部中心点的至少一种。
其中,关键点可以是每个单位护栏的中心位置的点,还可以是在一个单位护栏中存在多个关键点,如与支撑柱连接的点都可以作为关键点。
本方案中,关键点可以包括单位护栏的底部中心点、整体中心点以及顶部中心点的至少一种,即为可以识别每个单位护栏的底部中心点,或者只识别每个单位护栏的整体中心点,或者只识别每个单位护栏的顶部中心点。图2是本申请实施例提供的护栏的关键点识别结果示意图,如图2所示,可以分别将每个单位护栏的底部中心点,每个单位护栏的整体中心点和每个单位护栏的顶部中心点(采用深灰色的点)识别和标记出来。其中,图2中不清楚的部分和本方案内容无关,可以不用考虑。
其中,预设故障筛选条件,可以是对其中的某一种类型的关键点进行识别后,确定的筛选条件,例如以每个单位护栏的底部中心点为例,如果所有点都在一条直线上面,则说明没有弯折的故障,如果所有点的间距都是相对固定的话,例如都是2m,则说明不存在缺失的故障。本方案中,由于摄像头获取的图片并非是垂直获取的,因此根据透视原理,间距上面会存在一定的梯度变化,因此,在距离上不满足变化规律的,就可以确定为缺失。
另外,对于弯折的故障,还可以通过拟合一条直线,并确定各个关键点到该直线的距离,来与一个设定阈值进行比较,从而判断是否存在一个或者多个特征点距离该直线非常远的关键点,如,其他关键点到该直线的垂直距离为0-10个单位,而该像素点与该直线的距离为28个单位(其中,长度的单位可以是像素点的距离,也可以是对应于实际场地的距离,例如每个单位表示10个像素点,或者实际场地中的厘米长度),则说明在该关键点的位置存在弯折。
在本方案中,可选的,若所述关键点符合预设故障筛选条件,则确定当前图像信息所述护栏存在故障,包括:
确定各单位护栏的关键点坐标;
若所述关键点坐标不能应用拉格朗日插值公式,则确定当前图像信息所述护栏存在故障。
其中,关键点坐标可以是关键点在图像中的像素点坐标。在数值分析中,拉格朗日插值法是以法国十八世纪数学家约瑟夫·拉格朗日命名的一种多项式插值方法。许多实际问题中都用函数来表示某种内在联系或规律,而不少函数都只能通过实验和观测来了解。如对实践中的某个物理量进行观测,在若干个不同的地方得到相应的观测值,拉格朗日插值法可以找到一个多项式,其恰好在各个观测的点取到观测到的值。这样的多项式称为拉格朗日(插值)多项式。数学上来说,拉格朗日插值法可以给出一个恰好穿过二维平面上若干个已知点的多项式函数。
本方案通过是否能够满足拉格朗日插值公式,则说明是相对平缓的,而如果不能够满足拉格朗日插值公式,则说明该护栏的各个关键点并不能够通过一个多项式来表示,则说明可能存在弯折等情况。因此,可以通过这样的判断,快速的确定护栏是否存在问题。
在上述技术方案的基础上,可选的,在确定各单位护栏的关键点坐标之后,所述方法还包括:
若所述关键点坐标能应用拉格朗日插值公式,得到拉格朗日插值多项式;
若所述拉格朗日插值多项式在至少一个关键点的坐标位置不可导,则确定当前图像信息所述护栏存在故障。
图3是本申请实施例提供的护栏的关键点的几何模型示意图,如图3所示,该条道路护栏中,所有关键点坐标按照横坐标(X坐标)从小到大排序,排列位数为n(n>=1),所以任意一个护栏的关键点坐标为底部中心点坐标(Xbn,Ybn)、整体中心点坐标(Xcn,Ycn)、顶部中心点坐标(Xtn,Ytn),。
则该条栏杆有任意一个护栏与其上一个护栏的底部中心点坐标的距离为:
该条护栏上所有的底部中心点坐标如果不能应用拉格朗日插值公式,则说明护栏存在异常状况,如果可以应用拉格朗日插值公式,则所得到的拉格朗日插值多项式为:对Lb(x)进行求导,可得Lb′(x),如果在Xbn处导数存在,其导数为Lb′(Xbn),如果不可导,则说明Lb(x)在此处不平滑,不平滑意味Lb(x)在此处有尖状突起,尖状突起的两侧切线斜率不同,所以点的左右导数不同,也就不可导。反映到护栏上则说明栏杆在此处存在异常的弯折、移位等情况,进而可以确定护栏在此处可能存在异常。
同理任意一个护栏与其上一个护栏的整体中心点坐标的距离为:
该条栏杆上所有的整体中心点坐标如果不能应用拉格朗日插值公式,则说明护栏存在异常状况,如果可以应用拉格朗日插值公式,则所得到的拉格朗日插值多项式为:对Lc(x)进行求导,可得Lc′(x),如果在Xcn处导数存在,其导数为Lc′(Xcn),如果不可导,则说明Lc(x)在此处不平滑,不平滑意味Lc(x)在此处有尖状突起,尖状突起的两侧切线斜率不同,所以点的左右导数不同,也就不可导。反映到护栏上则说明栏杆在此处存在异常的弯折、移位等情况,进而可以确定护栏在此处可能存在异常。
同理任意一个护栏与其上一个护栏的顶部中心点坐标的距离为:
该条栏杆上所有的顶部中心点坐标如果不能应用拉格朗日插值公式,则说明护栏存在异常状况,如果可以应用拉格朗日插值公式,则所得到的拉格朗日插值多项式为:对Lt(x)进行求导,可得Lt′(x),如果在Xtn处导数存在,其导数为Lt′(Xtn),如果不可导,则说明Lt(x)在此处不平滑,不平滑意味Lt(x)在此处有尖状突起,尖状突起的两侧切线斜率不同,所以点的左右导数不同,也就不可导。反映到护栏上则说明栏杆在此处存在异常的弯折、移位等情况,进而可以确定护栏在此处可能存在异常;
正常状态的同一条护栏可以应当是连续的,两个单位护栏之间的实际距离是近似相等的,但是由于监控摄像头高度较高、角度倾斜等原因,实际拍摄出来的护栏大致在一条直线上,所以画面中任意两个相邻的单位护栏的关键点坐标之间的像素点距离可以是近似一致的。
本申请实施例所提供的技术方案,获取包括护栏的图像信息;识别所述图像信息中的护栏的各单位护栏;识别各单位护栏的至少一个关键点,若所述关键点符合预设故障筛选条件,则确定当前图像信息所述护栏存在故障;其中,所述关键点包括单位护栏的底部中心点、整体中心点以及顶部中心点的至少一种。本申请所提供的技术方案,可以实现快速并准确的对道路的护栏的故障情况进行识别。
在上述各技术方案的基础上,可选的,在确定各单位护栏的关键点坐标之后,所述方法还包括:
根据各单位护栏的关键点坐标,确定坐标距离的平均变化差值;
若相邻两个单位护栏的关键点的距离与所述平均变化差值的相差幅度超过预设最大距离容差,则确定当前图像信息所述护栏存在故障。
在上述技术方案中,可选的,所述坐标距离的平均变化差值的计算公式如下:
则判定护栏不存在缺失或损坏的问题,否则判定护栏可能存在缺失或损坏的问题。其中:Hb为护栏底部中心点坐标差值最大距离容差,Hc为护栏整体中心点坐标差值最大距离容差,Ht为护栏顶部中心点坐标差值最大距离容差。
相反,如果存在任意的相邻两个单位护栏的关键点的距离与所述平均变化差值的相差幅度超过预设最大距离容差,则确定当前图像信息所述护栏存在故障。
此处可以通过平均变化差值与两个相邻关键距离做差,如果得到的差值超过的最大距离容差,则确定存在护栏丢失,或者严重的错位。
在上述各技术方案的基础上,可选的,若所述关键点坐标能应用拉格朗日插值公式,得到拉格朗日插值多项式之后,所述方法还包括:
若所述拉格朗日插值多项式可导,则确定任一单位护栏与其上一单位护栏的导数差值的平均值;
若相邻两个单位护栏的关键点的导数与所述导数差值的平均值的相差幅度超过预设最大导数差值容差,则确定当前图像信息所述护栏存在故障。
在上述技术方案中,可选的,所述导数差值的平均值的计算公式如下:
函数Lb(x)在任意一个护栏与其上一个护栏的底部中心点坐标的位置的导数差值的平均值为:
任意一个护栏与其左右两个护栏底部中心点坐标导数差值的平均值为:
任意一个护栏与其左右两个护栏底部中心点坐标导数差值的平均值为:
则判定护栏不存在移位或者弯折的问题,否则判定护栏可能存在移位或者弯折的问题。其中:Mb为护栏底部中心点坐标导数差值最大容差,Mc为护栏整体中心点坐标导数差值最大容差,Mt为护栏顶部中心点坐标导数差值最大容差。
通过以上方式,可以确定护栏是否存在弯折等情况。
图4是本申请实施例提供的护栏的缺失故障的示意图,如图4所示,其中,存在一个单位护栏缺失的情况。图5是本申请实施例提供的护栏缺失的几何模型示意图,如图5所示,当存在缺失的情况,可以通过确定Dcn-1,Dcn,Dcn+1来识别出缺失的情况。图6是本申请实施例提供的护栏的移位故障的示意图,如图6所示,其中,存在两个单位护栏移位的情况。图7是本申请实施例提供的护栏移位的几何模型示意图,如图7所示,虽然能够满足拉格朗日差值算法的条件,但是存在两个关键点与原来的护栏关键点存在较大的位置偏差。图8是本申请实施例提供的护栏移位的故障识别示意图,如图8所示,Dcn,Dcn+1来识别出存在问题,并且可以通过Lc′(Xcn),Lc′(Xcn+1)和Lc′(Xcn+2)分析发现明显的差异,从而可以确定存在故障。
在上述各技术方案的基础上,可选的,在确定当前图像信息所述护栏存在故障之后,所述方法还包括:
若识别连续预设数量的图像信息中护栏存在故障,则生成护栏故障维护信息,并发送至客户端。
可以理解的,通过对一定数量的图像信息的识别,可以避免由于车辆遮挡,光线影响等带来的干扰,从而可以提高本方案算法的准确性。
因护栏有可能存在被来往车辆遮挡、光线干扰等问题,故出现一次计算异常就报警则有可能存在误报的情况,所以如果前面判定护栏可能存在问题,则对该图片所在相机进行标记,如果连续P次同一相机都被进行了标记,则最终判定该相机画面内的护栏存在缺失或损坏、移位或者弯折的问题。其中P的数值可以根据实际需要进行配置。
如果护栏存在异常、缺失或损坏、移位或者弯折的问题,则向客户端发送消息,通知相关的道路护栏养护单位尽快进行维修,尽快消除风险。
本发明可以通过机器学习对城市道路摄像头的监控视频进行视频分析来监测城市道路护栏移位、缺失的问题,然后及时、快速地将这一信息推送给相关的道路护栏养护单位,催促其尽快维修,尽快降低交通事故发生的风险。
图9是本申请实施例提供的护栏的故障识别装置的结构示意图。如图9所示,所述装置包括:
图像信息获取模块910,用于获取包括护栏的图像信息;
单位护栏识别模块920,用于识别所述图像信息中的护栏的各单位护栏;
故障判断模块930,用于识别各单位护栏的至少一个关键点,若所述关键点符合预设故障筛选条件,则确定当前图像信息所述护栏存在故障;其中,所述关键点包括单位护栏的底部中心点、整体中心点以及顶部中心点的至少一种。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
本申请实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种护栏的故障识别方法,该方法包括:
获取包括护栏的图像信息;
识别所述图像信息中的护栏的各单位护栏;
识别各单位护栏的至少一个关键点,若所述关键点符合预设故障筛选条件,则确定当前图像信息所述护栏存在故障;其中,所述关键点包括单位护栏的底部中心点、整体中心点以及顶部中心点的至少一种。
存储介质——任何的各种类型的存储器电子设备或存储电子设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDR RAM、SRAM、EDO RAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同未知中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的护栏的故障识别操作,还可以执行本申请任意实施例所提供的护栏的故障识别方法中的相关操作。
本申请实施例提供了一种电子设备,该电子设备中可集成本申请实施例提供的护栏的故障识别装置。图10是本申请实施例提供的一种电子设备的结构示意图。如图10所示,本实施例提供了一种电子设备1000,其包括:一个或多个处理器1020;存储装置1010,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器1020执行,使得所述一个或多个处理器1020实现本申请实施例所提供的护栏的故障识别方法,该方法包括:
获取包括护栏的图像信息;
识别所述图像信息中的护栏的各单位护栏;
识别各单位护栏的至少一个关键点,若所述关键点符合预设故障筛选条件,则确定当前图像信息所述护栏存在故障;其中,所述关键点包括单位护栏的底部中心点、整体中心点以及顶部中心点的至少一种。
当然,本领域技术人员可以理解,处理器1020还实现本申请任意实施例所提供的护栏的故障识别方法的技术方案。
图10显示的电子设备1000仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图10所示,该电子设备1000包括处理器1020、存储装置1010、输入装置10100和输出装置1040;电子设备中处理器1020的数量可以是一个或多个,图10中以一个处理器1020为例;电子设备中的处理器1020、存储装置1010、输入装置10100和输出装置1040可以通过总线或其他方式连接,图10中以通过总线1050连接为例。
存储装置1010作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块单元,如本申请实施例中的护栏的故障识别方法对应的程序指令。
存储装置1010可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储装置1010可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储装置1010可进一步包括相对于处理器1020远程设置的存储器,这些远程存储器可以通过网络连接。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置10100可用于接收输入的数字、字符信息或语音信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置1040可包括显示屏、扬声器等电子设备。
本申请实施例提供的电子设备,可以通过机器学习对城市道路交通摄像头的监控视频进行视频智能分析,识别出监控视频中的道路护栏,然后对城市道路护栏是否存在移位、缺失的问题进行检测,如果道路护栏存在此类问题,则将这一信息推送给相关的道路护栏养护单位。
上述实施例中提供的护栏的故障识别装置、介质及电子设备可执行本申请任意实施例所提供的护栏的故障识别方法,具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例所提供的护栏的故障识别方法。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (11)
1.一种护栏的故障识别方法,其特征在于,包括:
获取包括护栏的图像信息;
识别所述图像信息中的护栏的各单位护栏;
识别各单位护栏的至少一个关键点,若所述关键点符合预设故障筛选条件,则确定当前图像信息所述护栏存在故障;其中,所述关键点包括单位护栏的底部中心点、整体中心点以及顶部中心点的至少一种。
2.根据权利要求1所述的方法,其特征在于,若所述关键点符合预设故障筛选条件,则确定当前图像信息所述护栏存在故障,包括:
确定各单位护栏的关键点坐标;
若所述关键点坐标不能应用拉格朗日插值公式,则确定当前图像信息所述护栏存在故障。
3.根据权利要求2所述的方法,其特征在于,在确定各单位护栏的关键点坐标之后,所述方法还包括:
根据各单位护栏的关键点坐标,确定坐标距离的平均变化差值;
若相邻两个单位护栏的关键点的距离与所述平均变化差值的相差幅度超过预设最大距离容差,则确定当前图像信息所述护栏存在故障。
5.根据权利要求2所述的方法,其特征在于,在确定各单位护栏的关键点坐标之后,所述方法还包括:
若所述关键点坐标能应用拉格朗日插值公式,得到拉格朗日插值多项式;
若所述拉格朗日插值多项式在至少一个关键点的坐标位置不可导,则确定当前图像信息所述护栏存在故障。
6.根据权利要求5所述的方法,其特征在于,若所述关键点坐标能应用拉格朗日插值公式,得到拉格朗日插值多项式之后,所述方法还包括:
若所述拉格朗日插值多项式可导,则确定任一单位护栏与其上一单位护栏的导数差值的平均值;
若相邻两个单位护栏的关键点的导数与所述导数差值的平均值的相差幅度超过预设最大导数差值容差,则确定当前图像信息所述护栏存在故障。
8.根据权利要求1-7中任一项所述的方法,其特征在于,在确定当前图像信息所述护栏存在故障之后,所述方法还包括:
若识别连续预设数量的图像信息中护栏存在故障,则生成护栏故障维护信息,并发送至客户端。
9.一种护栏的故障识别装置,其特征在于,包括:
图像信息获取模块,用于获取包括护栏的图像信息;
单位护栏识别模块,用于识别所述图像信息中的护栏的各单位护栏;
故障判断模块,用于识别各单位护栏的至少一个关键点,若所述关键点符合预设故障筛选条件,则确定当前图像信息所述护栏存在故障;其中,所述关键点包括单位护栏的底部中心点、整体中心点以及顶部中心点的至少一种。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8中任一项所述的护栏的故障识别方法。
11.一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-8中任一项所述的护栏的故障识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011249400.8A CN114463702A (zh) | 2020-11-10 | 2020-11-10 | 一种护栏的故障识别方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011249400.8A CN114463702A (zh) | 2020-11-10 | 2020-11-10 | 一种护栏的故障识别方法、装置、介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114463702A true CN114463702A (zh) | 2022-05-10 |
Family
ID=81404658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011249400.8A Pending CN114463702A (zh) | 2020-11-10 | 2020-11-10 | 一种护栏的故障识别方法、装置、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114463702A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116659540A (zh) * | 2023-08-01 | 2023-08-29 | 西安博康硕达网络科技有限公司 | 一种在自动驾驶过程中的交通护栏识别方法 |
-
2020
- 2020-11-10 CN CN202011249400.8A patent/CN114463702A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116659540A (zh) * | 2023-08-01 | 2023-08-29 | 西安博康硕达网络科技有限公司 | 一种在自动驾驶过程中的交通护栏识别方法 |
CN116659540B (zh) * | 2023-08-01 | 2023-10-27 | 西安博康硕达网络科技有限公司 | 一种在自动驾驶过程中的交通护栏识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10762338B2 (en) | Method and apparatus for detecting fake license plates of vehicles, readable storage medium, and electronic device | |
CN110533923B (zh) | 停车管理方法、装置、计算机设备及存储介质 | |
US8184859B2 (en) | Road marking recognition apparatus and method | |
WO2022227766A1 (zh) | 交通异常检测的方法和装置 | |
CN110650316A (zh) | 智能巡逻及预警处理方法、装置、电子设备及存储介质 | |
KR101735365B1 (ko) | 학습 기반의 영상 내 관심 물체 검지 및 환경 변화에 강인한 물체 추적 방법 | |
EP2605181A2 (en) | Method and apparatus for detecting road partition | |
CN111383460B (zh) | 一种车辆状态判别方法、装置以及计算机存储介质 | |
US20230005176A1 (en) | Throwing position acquisition method and apparatus, computer device and storage medium | |
CN112509364A (zh) | 车辆停车状态的确定方法、装置、计算机设备及存储介质 | |
CN112084892B (zh) | 一种道路异常事件检测管理装置及其方法 | |
KR101697060B1 (ko) | 이벤트 감지 방법 및 이를 실행하는 장치 | |
CN114495011A (zh) | 基于目标检测的非机动车和行人非法闯入识别方法、存储介质和计算机设备 | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
CN111814776A (zh) | 一种图像处理方法、设备、服务器及存储介质 | |
CN114463702A (zh) | 一种护栏的故障识别方法、装置、介质及电子设备 | |
CN109948436B (zh) | 一种监控道路上车辆的方法及装置 | |
CN111931745B (zh) | 车辆检测方法、装置、电子设备及存储介质 | |
CN116434161B (zh) | 用于判断基于高位视频的停车行为是否可信的方法和系统 | |
CN112633228A (zh) | 停车检测方法、装置、设备及存储介质 | |
CN104463913A (zh) | 违规停车智能检测装置与方法 | |
CN116311166A (zh) | 交通障碍物识别方法、装置及电子设备 | |
CN113112814B (zh) | 右转不停车的抓拍方法、抓拍设备及计算机存储介质 | |
CN111582171B (zh) | 一种行人闯红灯监测方法、装置、系统及可读存储介质 | |
CN114863372A (zh) | 一种泊车管理方法、泊车管理装置和计算机可读存储介质 |
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 |