CN115641719B - 一种高速公路行人检测方法及装置 - Google Patents
一种高速公路行人检测方法及装置 Download PDFInfo
- Publication number
- CN115641719B CN115641719B CN202211310949.2A CN202211310949A CN115641719B CN 115641719 B CN115641719 B CN 115641719B CN 202211310949 A CN202211310949 A CN 202211310949A CN 115641719 B CN115641719 B CN 115641719B
- Authority
- CN
- China
- Prior art keywords
- data
- pedestrian
- expressway
- unmanned aerial
- aerial vehicle
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000007405 data analysis Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000000638 solvent extraction Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000005192 partition Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 230000006399 behavior Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000013480 data collection Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
Classifications
-
- 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
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Emergency Management (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种高速公路行人检测方法,通过获取多端影像设备采集的影像数据、地理数据以及实时自然环境数据,根据所述地理数据将高速公路路段进行分区,得到车辆行驶区域和非车辆行驶区域,将所述第一采集数据和第二采集数据以及所述实时自然环境数据代入预设数据分析模型进行数据处理,得到高速公路行人检测结果。本发明的行人检测装置根据坐标位置安装影像视频采集设备摄像头等,无人机采集与高速公路临近道路的影像数据,进行数据处理得到行人高频行走的区域,代入自然环境数据。本发明能提升道路监控发现行人的准确率,解决现有自然条件恶劣的天气情况下,雷达预警无法准确地实现预警作用,不能有效检测出高速公路上出现行人的问题。
Description
技术领域
本发明涉及行人检测方法及装置,尤其涉及一种高速公路行人检测方法及装置。
背景技术
高速公路为全封闭、立体交叉、仅限机动车通行的公路,高速公路的车速很快,所以高速功能禁止行人步行行走或者横穿,但仍然有行人在高速公路上步行、快速横穿高速公路,行人在高速公路行走和横穿,高速公路车速很高,行人自身的安全受到严重影响,行驶在高速公路的车辆也会因突然出现的行人进行躲避,躲避过程中容易出现车祸。
现有技术CN202011302007.0实现针对高速公路行人非法横穿行为进行预判及轨迹标定处理的雷达预警系统及其方法,提供一种实现针对高速公路行人非法横穿行为进行预判及轨迹标定处理的雷达预警系统,其中,所述的系统通过毫米波雷达监测功能模块采集移动目标的行为参数,识别其移动轨迹并将相关参数传输至信号处理功能模块进行滤波检测处理,将处理后的相关参数传输至服务器模块对移动目标进行行为预警及轨迹跟踪,根据判断结果执行报警功能模块对移动目标进行预警提醒。实现针对高速公路行人非法横穿行为进行预判及轨迹标定处理的雷达预警系统及其方法,大大降低了交通事故的发生,同时能够有效地解决高速公路危险路段行人横穿行为的监测及预警问题。
在实际高速公路管理中,行人横穿高速公路的行为,行人的目的是抄近路,减少行走的路程,通过穿越高速公路实现快速从出发地到目的地的效果,行人翻过高速公路的一侧栏杆,然后出现在高速公路上行走,横穿高速公路后在从高速另一侧翻过栏杆离开高速公路,现有技术对行人数据的采集是基于雷达预警系统,但在自然条件恶劣的天气情况下,雷达预警无法准确地实现预警作用,不能有效检测出高速公路上出现行人。
发明内容
发明目的:本发明的目的是提供一种在自然条件恶劣的天气情况下,能实现预警作用、有效检测出高速公路上出现行人的高速公路行人检测方法及装置。
技术方案:本发明的行人检测方法,包括步骤如下:
S101,获取多端影像设备采集的影像数据、地理数据以及实时自然环境数据,根据所述地理数据将高速公路路段进行分区,得到车辆行驶区域和非车辆行驶区域;
S102,将所述车辆行驶区域和非车辆行驶区域通过影像设备采集区域内影像数据,得到第一采集数据;
S103,根据地理数据建立行人高频出现区域坐标,通过所述行人高频出现区域坐标,确定行人高频出现区域;
S104,将所述行人高频出现区域传输至无人机,无人机根据所述行人高频出现区域坐标按预设时间段对所述行人高频出现区域进行影像采集,得到第二采集数据;
S105,将所述第一采集数据和第二采集数据以及所述实时自然环境数据代入预设数据分析模型进行数据处理,得到高速公路行人检测结果。
进一步,步骤S103中,根据地理数据建立行人高频出现区域坐标,通过所述行人高频出现区域坐标,确定行人高频出现区域的具体实现步骤如下:
S201,获取地理数据中高速公路以及高速公路临近道路数据;
S202,采集所述高速公路临近道路坐标数据,通过无人机对所述高速公路临近道路坐标数据内区域进行行人影像数据采集,得到高速公路临近道路行人数据;
S203,对所述高速公路临近道路行人数据进行聚类分析,确定行人高频出现区域。
进一步,步骤S104中,将所述行人高频出现区域传输至无人机,无人机根据所述行人高频出现区域坐标按预设时间段对所述行人高频出现区域进行影像采集,得到第二采集数据的具体实现步骤如下:
S301,建立与无人机的通信渠道;
S302,根据所述行人高频出现区域坐标以及预设时间段,建立无人机影像数据采集路径,将所述无人机影像数据采集路径代入至无人机,无人机执行影像数据采集;
S303,将无人机采集的影像数据按照预设的隐私计算模型进行隐私计算,得到加密无人机影像数据。
进一步,步骤S105中,将所述第一采集数据和第二采集数据以及所述实时自然环境数据代入预设数据分析模型进行数据处理,得到高速公路行人检测结果的具体实现步骤如下:
S401,将所述第一采集数据和第二采集数据代入预设数据分析模型进行数据处理,得到常规气候高速公路行人检测结果;
S402,所述实时自然环境数据包括雨天气数据、雾霾天气数据、雨雪天气数据,若所述实时自然环境数据中存在所述雨天气数据、雾霾天气数据、雨雪天气数据,则调取所述实时自然环境数据在影像处理数据库中对应的参数值,得到自然环境影像数据修复参数值;
S403,将所述自然环境影像数据修复参数值与所述常规气候高速公路行人检测结果代入至预设数据分析模型进行数据处理,得到高速公路行人检测结果。
本发明的行人检测装置,用于实现上述行人检测方法,包括步骤如下;
获取单元,获取多端影像设备采集的影像数据、地理数据以及实时自然环境数据,根据所述地理数据将高速公路路段进行分区,得到车辆行驶区域和非车辆行驶区域;
第一采集单元,将所述车辆行驶区域和非车辆行驶区域通过影像设备采集区域内影像数据,得到第一采集数据;
坐标确定单元,根据地理数据建立行人高频出现区域坐标,通过所述行人高频出现区域坐标,确定行人高频出现区域;
第二采集单元,将所述行人高频出现区域传输至无人机,无人机根据所述行人高频出现区域坐标按预设时间段对所述行人高频出现区域进行影像采集,得到第二采集数据;
数据处理单元,将所述第一采集数据和第二采集数据以及所述实时自然环境数据代入预设数据分析模型进行数据处理,得到高速公路行人检测结果。
进一步,所述坐标确定单元,包括:
道路获取单元,获取地理数据中高速公路以及高速公路临近道路数据;
道路数据采集单元,采集所述高速公路临近道路坐标数据,通过无人机对所述高速公路临近道路坐标数据内区域进行行人影像数据采集,得到高速公路临近道路行人数据;
道路数据分析单元,对所述高速公路临近道路行人数据进行聚类分析,确定行人高频出现区域。
进一步,所述第二采集单元,包括:
通信建立单元,建立与无人机的通信渠道;
采集路径构建单元,根据所述行人高频出现区域坐标以及预设时间段,建立无人机影像数据采集路径,将所述无人机影像数据采集路径代入至无人机,无人机执行影像数据采集;
数据加密单元,将无人机采集的影像数据按照预设的隐私计算模型进行隐私计算,得到加密无人机影像数据。
进一步,所述数据处理单元,包括:
第一行人检测分析单元,将所述第一采集数据和第二采集数据代入预设数据分析模型进行数据处理,得到常规气候高速公路行人检测结果;
自然环境数据处理单元,所述实时自然环境数据包括雨天气数据、雾霾天气数据、雨雪天气数据,若所述实时自然环境数据中存在所述雨天气数据、雾霾天气数据、雨雪天气数据,则调取所述实时自然环境数据在影像处理数据库中对应的参数值,得到自然环境影像数据修复参数值;
第二行人检测分析单元,将所述自然环境影像数据修复参数值与所述常规气候高速公路行人检测结果代入至预设数据分析模型进行数据处理,得到高速公路行人检测结果。
本发明与现有技术相比,其显著效果如下:
通过地理数据既地图数据,采集高速道路以及与高速道路有临近的道路的坐标,根据坐标位置安装影像视频采集设备摄像头等,并通过无人机采集与高速公路临近道路的影像数据,进行数据处理得到行人高频行走的区域,对此区域进行重点数据采集,将采集的影像数据与实时自然环境数据代入预设数据分析模型进行数据处理,通过代入自然环境数据,降低影像数据内自然环境影响,自然环境例如暴雨或许下雪严重影响采集的影像数据后期处理,提升道路监控发现行人的准确率,解决现有自然条件恶劣的天气情况下,雷达预警无法准确地实现预警作用,不能有效检测出高速公路上出现行人的问题。
附图说明
图1为本发明行人检测方法的总流程示意图;
图2为本发明步骤S103的流程示意图;
图3为本发明步骤S104的流程示意图;
图4为本发明步骤S105的流程示意图;
图5为本发明行人检测装置示意图。
具体实施方式
下面结合说明书附图和具体实施方式对本发明做进一步详细描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。以下结合附图,详细说明本发明各实施例提供的技术方案。
如图1所示,本发明的行人检测方法,包括步骤如下:
S101,获取多端影像设备采集的影像数据、地理数据以及实时自然环境数据,根据所述地理数据将高速公路路段进行分区,得到车辆行驶区域和非车辆行驶区域;
多端影像设备包括监控摄像头、高清探头以及可以采集影像数据的设备,地理数据指数字地图数据,数字地图数据包括坐标数据,可以采用第三方数据接口,自然环境数据包括雨天、雪天、雾霾天数据,影像数据处理过程中需要将自然环境数据对影像数据处理的影像进行消除,预先将雨天、雪天、雾霾天气对影像数据的影响进行处理,并将数据处理参数进行归类存储,建立数据库便于后续根据天气情况调取相应影像处理参数。当数据内含有雨天、雪天以及风力数据达到预设阙值时,则将天气定义为恶劣天气;
S102,将车辆行驶区域和非车辆行驶区域通过影像设备采集区域内影像数据,得到第一采集数据;
高速公路为车辆行驶区域,非车辆行驶区域为高速公路两侧道路,对车辆行驶区域、非车辆行驶区域通过安装在道路两旁的摄像头进行影像数据采集。
S103,根据地理数据建立行人高频出现区域坐标,通过行人高频出现区域坐标,确定行人高频出现区域;
在实际高速公路管理中,行人横穿高速公路的行为,行人的目的是抄近路,减少行走的路程,通过穿越高速公路实现快速从出发地到目的地的效果,行人翻过高速公路的一侧栏杆,然后出现在高速公路上行走,横穿高速公路后在从高速另一侧翻过栏杆离开高速公路,所以需要预先寻找到行人高频出现的道路位置坐标,进行重点数据采集,在行人翻越高速公路栏杆前预判出行人动向。
S104,将所行人高频出现区域传输至无人机,无人机根据所述行人高频出现区域坐标按预设时间段对所述行人高频出现区域进行影像采集,得到第二采集数据;
通过无人机采集与高速公路临近道路的影像数据,进行数据处理得到行人高频行走的区域,对此区域进行重点数据采集。
S105,将第一采集数据和第二采集数据以及所述实时自然环境数据代入预设数据分析模型进行数据处理,得到高速公路行人检测结果。
如图2所示,根据地理数据建立行人高频出现区域坐标,通过所述行人高频出现区域坐标,确定行人高频出现区域,具体实现步骤包括:
S201,获取地理数据中高速公路以及高速公路临近道路数据;
高速公路临近道路是指与高速公路可接触上的道路,例如行人可以通过高速公路临近道路数据走到高速公路附近,完成栏杆翻越。
S202,采集所述高速公路临近道路坐标数据,通过无人机对高速公路临近道路坐标数据内区域进行行人影像数据采集,得到高速公路临近道路行人数据;
采集所述高速公路临近道路坐标数据,无人机在高速公路临近道路坐标数据内区域上空飞行,进行行人影像数据采集,无人机将采集的数据传输至服务器。
S203,对高速公路临近道路行人数据进行聚类分析,确定行人高频出现区域。
将经常出现行人的高速公路临近道路行人数据进行聚类分析,将加权数高的区域,列为行人高频出现区域。
如图3所示,将行人高频出现区域传输至无人机,无人机根据行人高频出现区域坐标按预设时间段对行人高频出现区域进行影像采集,得到第二采集数据,详细实现步骤包括:
S301,建立与无人机的通信渠道;
S302,根据行人高频出现区域坐标以及预设时间段,建立无人机影像数据采集路径,将无人机影像数据采集路径代入至无人机,无人机执行影像数据采集;
S303,将无人机采集的影像数据按照预设的隐私计算模型进行隐私计算,得到加密无人机影像数据。
如图4所示,将第一采集数据和第二采集数据以及所述实时自然环境数据代入预设数据分析模型进行数据处理,得到高速公路行人检测结果,详细实现步骤包括:
S401,将第一采集数据和第二采集数据代入预设数据分析模型进行数据处理,得到常规气候高速公路行人检测结果;
S402,实时自然环境数据包括雨天气数据、雾霾天气数据、雨雪天气数据,若实时自然环境数据中存在雨天气数据、雾霾天气数据、雨雪天气数据,则调取实时自然环境数据在影像处理数据库中对应的参数值,得到自然环境影像数据修复参数值;
影像数据处理过程中需要将自然环境数据对影像数据处理的影像进行消除,预先将雨天、雪天、雾霾天气对影像数据的影响进行处理,并将数据处理参数进行归类存储,建立数据库便于后续根据天气情况调取相应影像处理参数,例如,天气下大雨,降雨量是为A,则在影像处理数据库中调取降雨量为A时,对应的影像数据修复参数值。
S403,将自然环境影像数据修复参数值与所述常规气候高速公路行人检测结果代入至预设数据分析模型进行数据处理,得到高速公路行人检测结果。
通过地理数据既地图数据,采集高速道路以及与高速道路有临近的道路的坐标,根据坐标位置安装影像视频采集设备摄像头等,并通过无人机采集与高速公路临近道路的影像数据,进行数据处理得到行人高频行走的区域,对此区域进行重点数据采集,将采集的影像数据与实时自然环境数据代入预设数据分析模型进行数据处理,通过代入自然环境数据,降低影像数据内自然环境影响,自然环境例如暴雨或许下雪严重影响采集的影像数据后期处理,提升道路监控发现行人的准确率,解决现有自然条件恶劣的天气情况下,雷达预警无法准确地实现预警作用,不能有效检测出高速公路上出现行人的问题。
如图5所示,本发明的高速公路行人检测装置,包括:
获取单元501,获取多端影像设备采集的影像数据、地理数据以及实时自然环境数据,根据地理数据将高速公路路段进行分区,得到车辆行驶区域和非车辆行驶区域;
第一采集单元502,将车辆行驶区域和非车辆行驶区域通过影像设备采集区域内影像数据,得到第一采集数据;
坐标确定单元503,根据地理数据建立行人高频出现区域坐标,通过行人高频出现区域坐标,确定行人高频出现区域;
第二采集单元504,将行人高频出现区域传输至无人机,无人机根据行人高频出现区域坐标按预设时间段对行人高频出现区域进行影像采集,得到第二采集数据;
数据处理单元505,将第一采集数据和第二采集数据以及所述实时自然环境数据代入预设数据分析模型进行数据处理,得到高速公路行人检测结果。
坐标确定单元503,包括:
道路获取单元,获取地理数据中高速公路以及高速公路临近道路数据;
道路数据采集单元,采集所述高速公路临近道路坐标数据,通过无人机对所述高速公路临近道路坐标数据内区域进行行人影像数据采集,得到高速公路临近道路行人数据;
道路数据分析单元,对所述高速公路临近道路行人数据进行聚类分析,确定行人高频出现区域。
第二采集单元504,包括:
通信建立单元,建立与无人机的通信渠道;
采集路径构建单元,根据行人高频出现区域坐标以及预设时间段,建立无人机影像数据采集路径,将无人机影像数据采集路径代入至无人机,无人机执行影像数据采集;
数据加密单元,将无人机采集的影像数据按照预设的隐私计算模型进行隐私计算,得到加密无人机影像数据。
数据处理单元505,包括:
第一行人检测分析单元,将第一采集数据和第二采集数据代入预设数据分析模型进行数据处理,得到常规气候高速公路行人检测结果;
自然环境数据处理单元,所述实时自然环境数据包括雨天气数据、雾霾天气数据、雨雪天气数据,若所述实时自然环境数据中存在所述雨天气数据、雾霾天气数据、雨雪天气数据,则调取所述实时自然环境数据在影像处理数据库中对应的参数值,得到自然环境影像数据修复参数值;
第二行人检测分析单元,将自然环境影像数据修复参数值与所述常规气候高速公路行人检测结果代入至预设数据分析模型进行数据处理,得到高速公路行人检测结果。
由以上实施例可知,本发明提供的一种高速公路行人检测方法及装置,获取多端影像设备采集的影像数据、地理数据以及实时自然环境数据,根据所述地理数据将高速公路路段进行分区,得到车辆行驶区域和非车辆行驶区域,将所述车辆行驶区域和非车辆行驶区域通过影像设备采集区域内影像数据,得到第一采集数据,根据地理数据建立行人高频出现区域坐标,通过所述行人高频出现区域坐标,确定行人高频出现区域,将所述行人高频出现区域传输至无人机,无人机根据所述行人高频出现区域坐标按预设时间段对所述行人高频出现区域进行影像采集,得到第二采集数据,将所述第一采集数据和第二采集数据以及所述实时自然环境数据代入预设数据分析模型进行数据处理,得到高速公路行人检测结果。通过地理数据既地图数据,采集高速道路以及与高速道路有临近的道路的坐标,根据坐标位置安装影像视频采集设备摄像头等,并通过无人机采集与高速公路临近道路的影像数据,进行数据处理得到行人高频行走的区域,对此区域进行重点数据采集,将采集的影像数据与实时自然环境数据代入预设数据分析模型进行数据处理,通过代入自然环境数据,降低影像数据处理的无法,提升道路监控发现行人的准确率,解决现有自然条件恶劣的天气情况下,雷达预警无法准确地实现预警作用,不能有效检测出高速公路上出现行人的问题。
本发明实施例还提供一种存储介质,本发明实施例还提供一种存储介质,所述存储介质中存储有计算机程序,所述计算机程序被处理器执行时实现本发明提供的基于大数据地对公生态系统的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文:Read-OnlyMemory,简称:ROM)或随机存储记忆体(英文:RandomAccessMemory,简称:RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所述的本发明实施方式并不构成对本发明保护范围的限定。
Claims (6)
1.一种高速公路行人检测方法,其特征在于,包括步骤如下:
S101,获取多端影像设备采集的影像数据、地理数据以及实时自然环境数据,根据所述地理数据将高速公路路段进行分区,得到车辆行驶区域和非车辆行驶区域;
S102,将所述车辆行驶区域和非车辆行驶区域通过影像设备采集区域内影像数据,得到第一采集数据;
S103,根据地理数据建立行人高频出现区域坐标,通过所述行人高频出现区域坐标,确定行人高频出现区域;
S104,将所述行人高频出现区域传输至无人机,无人机根据所述行人高频出现区域坐标按预设时间段对所述行人高频出现区域进行影像采集,得到第二采集数据;
S105,将所述第一采集数据和第二采集数据以及所述实时自然环境数据代入预设数据分析模型进行数据处理,得到高速公路行人检测结果;具体实现步骤如下:
S401,将所述第一采集数据和第二采集数据代入预设数据分析模型进行数据处理,得到常规气候高速公路行人检测结果;
S402,所述实时自然环境数据包括雨天气数据、雾霾天气数据、雨雪天气数据,若所述实时自然环境数据中存在所述雨天气数据、雾霾天气数据、雨雪天气数据,则调取所述实时自然环境数据在影像处理数据库中对应的参数值,得到自然环境影像数据修复参数值;
S403,将所述自然环境影像数据修复参数值与所述常规气候高速公路行人检测结果代入至预设数据分析模型进行数据处理,得到高速公路行人检测结果。
2.根据权利要求1所述的高速公路行人检测方法,其特征在于,步骤S103中,根据地理数据建立行人高频出现区域坐标,通过所述行人高频出现区域坐标,确定行人高频出现区域的具体实现步骤如下:
S201,获取地理数据中高速公路以及高速公路临近道路数据;
S202,采集所述高速公路临近道路坐标数据,通过无人机对所述高速公路临近道路坐标数据内区域进行行人影像数据采集,得到高速公路临近道路行人数据;
S203,对所述高速公路临近道路行人数据进行聚类分析,确定行人高频出现区域。
3.根据权利要求1所述的高速公路行人检测方法,其特征在于,步骤S104中,将所述行人高频出现区域传输至无人机,无人机根据所述行人高频出现区域坐标按预设时间段对所述行人高频出现区域进行影像采集,得到第二采集数据的具体实现步骤如下:
S301,建立与无人机的通信渠道;
S302,根据所述行人高频出现区域坐标以及预设时间段,建立无人机影像数据采集路径,将所述无人机影像数据采集路径代入至无人机,无人机执行影像数据采集;
S303,将无人机采集的影像数据按照预设的隐私计算模型进行隐私计算,得到加密无人机影像数据。
4.一种高速公路行人检测装置,其特征在于,用于实现如权利要求1-3任一项所述的高速公路行人检测方法,包括如下步骤;
获取单元,获取多端影像设备采集的影像数据、地理数据以及实时自然环境数据,根据所述地理数据将高速公路路段进行分区,得到车辆行驶区域和非车辆行驶区域;
第一采集单元,将所述车辆行驶区域和非车辆行驶区域通过影像设备采集区域内影像数据,得到第一采集数据;
坐标确定单元,根据地理数据建立行人高频出现区域坐标,通过所述行人高频出现区域坐标,确定行人高频出现区域;
第二采集单元,将所述行人高频出现区域传输至无人机,无人机根据所述行人高频出现区域坐标按预设时间段对所述行人高频出现区域进行影像采集,得到第二采集数据;
数据处理单元,将所述第一采集数据和第二采集数据以及所述实时自然环境数据代入预设数据分析模型进行数据处理,得到高速公路行人检测结果;
所述数据处理单元,包括:
第一行人检测分析单元,将所述第一采集数据和第二采集数据代入预设数据分析模型进行数据处理,得到常规气候高速公路行人检测结果;
自然环境数据处理单元,所述实时自然环境数据包括雨天气数据、雾霾天气数据、雨雪天气数据,若所述实时自然环境数据中存在所述雨天气数据、雾霾天气数据、雨雪天气数据,则调取所述实时自然环境数据在影像处理数据库中对应的参数值,得到自然环境影像数据修复参数值;
第二行人检测分析单元,将所述自然环境影像数据修复参数值与所述常规气候高速公路行人检测结果代入至预设数据分析模型进行数据处理,得到高速公路行人检测结果。
5.根据权利要求4所述的高速公路行人检测装置,其特征在于,所述坐标确定单元,包括:
道路获取单元,获取地理数据中高速公路以及高速公路临近道路数据;
道路数据采集单元,采集所述高速公路临近道路坐标数据,通过无人机对所述高速公路临近道路坐标数据内区域进行行人影像数据采集,得到高速公路临近道路行人数据;
道路数据分析单元,对所述高速公路临近道路行人数据进行聚类分析,确定行人高频出现区域。
6.根据权利要求4所述的高速公路行人检测装置,其特征在于,所述第二采集单元,包括:
通信建立单元,建立与无人机的通信渠道;
采集路径构建单元,根据所述行人高频出现区域坐标以及预设时间段,建立无人机影像数据采集路径,将所述无人机影像数据采集路径代入至无人机,无人机执行影像数据采集;
数据加密单元,将无人机采集的影像数据按照预设的隐私计算模型进行隐私计算,得到加密无人机影像数据。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211310949.2A CN115641719B (zh) | 2022-10-25 | 2022-10-25 | 一种高速公路行人检测方法及装置 |
PCT/CN2022/133649 WO2024087280A1 (zh) | 2022-10-25 | 2022-11-23 | 一种高速公路行人检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211310949.2A CN115641719B (zh) | 2022-10-25 | 2022-10-25 | 一种高速公路行人检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115641719A CN115641719A (zh) | 2023-01-24 |
CN115641719B true CN115641719B (zh) | 2024-03-19 |
Family
ID=84946380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211310949.2A Active CN115641719B (zh) | 2022-10-25 | 2022-10-25 | 一种高速公路行人检测方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115641719B (zh) |
WO (1) | WO2024087280A1 (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108922188A (zh) * | 2018-07-24 | 2018-11-30 | 河北德冠隆电子科技有限公司 | 雷达跟踪定位的四维实景交通路况感知预警监控管理系统 |
CN108961790A (zh) * | 2018-07-24 | 2018-12-07 | 河北德冠隆电子科技有限公司 | 基于四维实景交通仿真的恶劣天气预警管理系统及方法 |
CN109724610A (zh) * | 2018-12-29 | 2019-05-07 | 河北德冠隆电子科技有限公司 | 一种全信息实景导航的方法及装置 |
CN110473402A (zh) * | 2019-08-20 | 2019-11-19 | 河北德冠隆电子科技有限公司 | 一种基于目标异常行为轨迹分析的异常事件检测预警系统 |
WO2021138619A2 (en) * | 2020-01-03 | 2021-07-08 | Mobileye Vision Technologies Ltd. | Vehicle navigation with pedestrians and determining vehicle free space |
CN113611082A (zh) * | 2021-07-12 | 2021-11-05 | 北京铁科特种工程技术有限公司 | 一种无人机铁路边坡监控与预警系统及方法 |
CN113748316A (zh) * | 2018-12-26 | 2021-12-03 | 北京航迹科技有限公司 | 用于车辆遥测的系统和方法 |
CN114299715A (zh) * | 2021-12-22 | 2022-04-08 | 武汉理工大学 | 一种基于视频、激光雷达与dsrc的高速公路信息检测系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170092292A (ko) * | 2016-02-03 | 2017-08-11 | (주)이에스브이 | 무인 전동 비행체를 이용한 고속도로 교통 상황 감시 시스템 |
US20180105107A1 (en) * | 2016-10-19 | 2018-04-19 | Novateur Research Solutions LLC | Pedestrian collision warning system for vehicles |
CN110085045A (zh) * | 2019-05-05 | 2019-08-02 | 方星星 | 道路及行车实时安全监测、导航系统和安全监测方法 |
CN110796862B (zh) * | 2019-11-05 | 2021-09-07 | 西南交通大学 | 一种基于人工智能的高速公路交通状况检测系统及方法 |
CN114217629A (zh) * | 2021-09-27 | 2022-03-22 | 刘喜 | 一种高速公路无人机巡检测量分析系统 |
CN114220284B (zh) * | 2021-12-13 | 2023-08-08 | 四川路桥建设集团交通工程有限公司 | 一种高速公路监控方法、系统、计算机设备及计算机可读存储介质 |
-
2022
- 2022-10-25 CN CN202211310949.2A patent/CN115641719B/zh active Active
- 2022-11-23 WO PCT/CN2022/133649 patent/WO2024087280A1/zh unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108922188A (zh) * | 2018-07-24 | 2018-11-30 | 河北德冠隆电子科技有限公司 | 雷达跟踪定位的四维实景交通路况感知预警监控管理系统 |
CN108961790A (zh) * | 2018-07-24 | 2018-12-07 | 河北德冠隆电子科技有限公司 | 基于四维实景交通仿真的恶劣天气预警管理系统及方法 |
CN113748316A (zh) * | 2018-12-26 | 2021-12-03 | 北京航迹科技有限公司 | 用于车辆遥测的系统和方法 |
CN109724610A (zh) * | 2018-12-29 | 2019-05-07 | 河北德冠隆电子科技有限公司 | 一种全信息实景导航的方法及装置 |
CN110473402A (zh) * | 2019-08-20 | 2019-11-19 | 河北德冠隆电子科技有限公司 | 一种基于目标异常行为轨迹分析的异常事件检测预警系统 |
WO2021138619A2 (en) * | 2020-01-03 | 2021-07-08 | Mobileye Vision Technologies Ltd. | Vehicle navigation with pedestrians and determining vehicle free space |
CN113611082A (zh) * | 2021-07-12 | 2021-11-05 | 北京铁科特种工程技术有限公司 | 一种无人机铁路边坡监控与预警系统及方法 |
CN114299715A (zh) * | 2021-12-22 | 2022-04-08 | 武汉理工大学 | 一种基于视频、激光雷达与dsrc的高速公路信息检测系统 |
Non-Patent Citations (1)
Title |
---|
无人飞机在交通信息采集中的研究进展和展望;彭仲仁;刘晓锋;张立业;孙健;;交通运输工程学报;20121215(06);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115641719A (zh) | 2023-01-24 |
WO2024087280A1 (zh) | 2024-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9335178B2 (en) | Method for using street level images to enhance automated driving mode for vehicle | |
Zhao et al. | On-road vehicle trajectory collection and scene-based lane change analysis: Part i | |
CN112562314B (zh) | 基于深度融合的路端感知方法、装置、路端设备和系统 | |
CN112116031B (zh) | 基于路侧设备的目标融合方法、系统、车辆及存储介质 | |
CN107590470B (zh) | 一种车道线检测方法及装置 | |
CN111332288A (zh) | 一种基于视觉系统的车辆行人碰撞避免方法 | |
CN114454878B (zh) | 车速控制模型训练样本的确定方法及装置 | |
CN114841910A (zh) | 车载镜头遮挡识别方法及装置 | |
CN118038386B (zh) | 一种高密度复杂交通场景下动态目标检测系统 | |
US11209830B2 (en) | Safety aware automated governance of vehicles | |
CN115641719B (zh) | 一种高速公路行人检测方法及装置 | |
CN116631187B (zh) | 一种案件现场勘查信息智能采集分析系统 | |
CN111427063B (zh) | 一种移动装置通行控制方法、装置、设备、系统及介质 | |
CN117268417A (zh) | 一种自动驾驶车辆的路径规划方法 | |
CN111815984A (zh) | 一种基于物联网的车辆限高预警方法及系统、车辆 | |
Kondapalli et al. | Real-time rain severity detection for autonomous driving applications | |
CN114220079A (zh) | 一种路面积水识别方法、装置、计算机设备和存储介质 | |
CN113128847A (zh) | 一种基于激光雷达的出入口匝道实时风险预警系统及方法 | |
Schreuder et al. | Traffic data collection from aerial imagery | |
Hoogendoorn et al. | Traffic data collection from aerial imagery | |
CN115985109B (zh) | 一种无人驾驶矿车环境感知方法和系统 | |
CN117250595B (zh) | 一种车载毫米波雷达金属井盖目标误报抑制方法 | |
CN113421421B (zh) | 一种基于5g网络的车载信息系统 | |
Tian | Identification of Weather Conditions Related to Roadside LiDAR Data | |
WO2022209373A1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム |
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 |