CN115834838A - 一种隧道内的监控方法、设备和介质 - Google Patents
一种隧道内的监控方法、设备和介质 Download PDFInfo
- Publication number
- CN115834838A CN115834838A CN202211457397.8A CN202211457397A CN115834838A CN 115834838 A CN115834838 A CN 115834838A CN 202211457397 A CN202211457397 A CN 202211457397A CN 115834838 A CN115834838 A CN 115834838A
- Authority
- CN
- China
- Prior art keywords
- information
- tunnel
- crack
- monitoring
- evaluation
- 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
Landscapes
- Examining Or Testing Airtightness (AREA)
Abstract
本申请涉及一种隧道内的监控方法、设备和介质，其方法包括：实时获取隧道内的监控视频数据和环境数据；基于预设综合评估信息对隧道变形信息、裂纹信息、渗漏水信息、环境数据进行综合评估，得到综合评估数值；当综合评估数值不满足预设评估范围后，根据单因素评价标准依次对连续的预设时间段内的隧道变形信息、裂纹信息、渗漏水信息、环境数据进行单因素评价；基于隧道变形信息对应的风险评价值、裂纹信息对应的风险评价值、渗漏水信息对应的风险评价值、环境数据对应的风险评价值，确定警示信息。能够实时监控隧道的病害情况以及环境数据，提升了对隧道监控的实时性。
Description
技术领域
本申请涉及监控系统的技术领域，尤其是涉及一种隧道内的监控方法、设备和介质。
背景技术
由于隧道可以缩短里程、保护环境、改善线形、改善公路通车条件，因此，现代高速公路，遇到复杂地形和地质条件，大都采用隧道建筑。而隧道是在地下的隙蔽工程,地下地质条件复杂，存在许多潜在、无法预知的因素。因此，对隧道进行实时监测，显得尤为必要。
目前，主要的隧道监测还是采用全站仪人工监测，然而，全站仪的监测需要人工逐点监测，耗时耗力，不能进行实时监测，时常出现监测失误。利用这种方式对隧道进行监测，容易造成监测人员无法对隧道病害或隧道内实际环境快速得知并进行处理，可见，相关技术的隧道监控实时性较差。
因此，如何解决上述技术问题成为本领域技术人员亟待解决的问题。
发明内容
本申请的目的是提供一种隧道内的监控方法、设备和介质，用于解决以上至少一项技术问题。
本申请的上述发明目的是通过以下技术方案得以实现的：
第一方面，本申请提供一种隧道内的监控方法，采用如下的技术方案：
一种隧道内的监控方法，所述方法包括：
实时获取隧道内的监控视频数据和环境数据；
基于监控视频数据确定隧道变形信息、裂纹信息、渗漏水信息；
基于预设综合评估信息对所述隧道变形信息、所述裂纹信息、所述渗漏水信息、所述环境数据进行综合评估，得到综合评估数值，所述综合评估数值用于表征隧道健康情况；
当所述综合评估数值不满足预设评估范围后，根据单因素评价标准分别对连续的预设时间段内的所述隧道变形信息、所述裂纹信息、所述渗漏水信息、所述环境数据进行单因素评价，得到各自对应的风险评价值；
基于隧道变形信息对应的风险评价值、裂纹信息对应的风险评价值、渗漏水信息对应的风险评价值、环境数据对应的风险评价值，确定警示信息。
通过采用上述技术方案，当利用实时获取的监控视频数据和环境数据对隧道进行综合评估并确定隧道当前存在风险后，分别对隧道变形信息、裂纹信息、渗漏水信息、环境数据进行单因素评价，并基于各自对应的风险评价值确定警示信息，能够实时监控隧道的病害情况以及环境数据，提升了对隧道监控的实时性。
本申请在一较佳示例中可以进一步配置为：基于监控视频数据确定纹裂信息的方式，包括：
根据监控视频数据，建立隧道三维模型；
利用隧道裂纹检测模型对所述隧道三维模型进行裂纹检测，其中，隧道裂纹检测模型是基于包括隧道裂纹的三维模型训练样本对卷积神经网络进行训练得到的；
针对识别到的每一裂纹，获取多张裂纹照片，并根据所述多张裂纹照片对所述裂纹建立三维模型，得到裂纹模型；
根据所述裂纹模型，得到裂纹信息。
通过采用上述技术方案，利用隧道裂纹检测模型对所述隧道三维模型进行裂纹检测，并基于每一裂纹分别建立裂纹模型，并得到裂纹信息，通过这种方式能够得到更加准确的裂纹信息。
本申请在一较佳示例中可以进一步配置为：基于监控视频数据确定渗漏水信息的方式，包括：
基于监控视频数据，得到单帧监控图像；
利用渗漏水检测模型对单帧监控图像进行检测，判断监控图像中是否存在渗漏水；其中，渗漏水检测模型是基于包括渗漏水区域的监控图像训练样本对卷积神经网络进行训练得到的；
若存在渗漏水，则获取渗漏水区域的红外热图像与可见光图像；
对所述渗漏水区域的红外热图像与可见光图像进行预处理，并分别对红外热图像与可见光图像进行渗漏水区域提取；
利用温度信息对可见光图像中提取出的渗漏水区域的轮廓进行修正，得到修正渗漏水区域，并计算出所述修正渗漏水区域的面积。
通过采用上述技术方案，利用渗漏水检测模型对单帧监控图像进行检测，若存在渗漏水，则对所述渗漏水区域的红外热图像与可见光图像进行预处理，并分别对红外热图像与可见光图像进行渗漏水区域提取，并对可见光图像中提取出的渗漏水区域的轮廓进行修正，得到修正渗漏水区域的面积作为渗漏水信息，通过这种方式使得获得的渗漏水信息更加准确。
本申请在一较佳示例中可以进一步配置为：所述基于预设综合评估信息对隧道变形信息、裂纹信息、渗漏水信息、环境数据进行综合评估，得到综合评估数值，包括：
利用每一预设信息与评估等级的关系，分别确定隧道变形信息、裂纹信息、渗漏水信息、环境数据的评估等级；其中，预设信息与评估等级的关系用于将每一信息不同的变化数值转化为相同标准的评估等级信息；
利用每一预设信息与权重的对应关系以及所述每一信息的评估等级进行综合评估，得到综合评估数值；其中，预设信息与权重的对应关系用于设定每一信息在综合评估时所占权重。
通过采用上述技术方案，将获取到的隧道变形信息、裂纹信息、渗漏水信息、环境数据转化为评估等级，并利用预设信息与权重的对应关系进行综合评估，得到综合评估数值。综合各种信息以及对应的权重对隧道进行综合评估，以使得综合评估得结果更加准确。
本申请在一较佳示例中可以进一步配置为：所述基于预设综合评估信息对隧道变形信息、裂纹信息、渗漏水信息、环境数据进行综合评估，得到综合评估数值之前，还包括：
获取隧道的当前使用状态；
利用使用状态与综合评估信息对应关系，确定与当前使用状态对应的预设综合评估信息。
通过采用上述技术方案，根据隧道的当前使用状态确定与当前使用状态对应的预设综合评估信息，有效地解决了在隧道不同的使用状态下综合评估信息不同的问题。
本申请在一较佳示例中可以进一步配置为：根据单因素评价标准对环境数据进行单因素评价，得到风险评价值，包括：
利用有害气体浓度标准对环境数据进行评价，得到环境数据中各项气体数据的情况；
利用气体超标与风险权重值对应关系，对各项气体数据的情况进行计算，得到风险评价值。
通过采用上述技术方案，在对环境数据进行单因素评价时，利用气体超标与风险权重值对应关系，对各项气体数据的情况进行计算，得到风险评价值，能够精确地计算出当前环境数据中有害气体的风险权值。
本申请在一较佳示例中可以进一步配置为：所述的隧道内的监控方法，还包括：
根据隧道内的监控视频数据，对隧道内车辆行驶情况进行监控，得到车辆行驶信息；
基于监控视频数据，实时获取所述监控视频数据内任意两车之间的车辆间距；
若车辆间距小于等于预设事故车距，则确定发生交通事故，并控制隧道内警示灯亮起；
根据所述车辆行驶信息，确定交通事故等级；
根据所述交通事故等级，确定与所述交通事故等级对应的处理方案。
通过采用上述技术方案，根据监控视频数据，能够对隧道内交通事故进行监控，并能够基于交通事故等级确定与之对应的处理方案，基于对交通事故的监控以及应急处理，能够有效地减少隧道内交通拥堵的情况以及降低二次交通事故发生的几率。
本申请在一较佳示例中可以进一步配置为：所述根据所述监控视频数据，确定交通事故等级，包括：
根据所述监控视频数据，确定发生交通事故的车辆类型、撞击前车辆行驶的速度、交通事故涉及到的车辆数量；
根据所述车辆类型、所述撞击前车辆行驶的速度、所述车辆数量，综合确定交通事故等级。
通过采用上述技术方案，根据车辆类型、所述撞击前车辆行驶的速度、所述车辆数量，综合确定交通事故等级，综合多方面因素再确定交通事故等级，以使得交通事故等级划分更加准确。
第二方面，本申请提供一种隧道内的监控装置，采用如下的技术方案：
一种隧道内的监控装置，包括，
获取模块，用于实时获取隧道内的监控视频数据和环境数据；
确定信息模块，用于基于监控视频数据确定隧道变形信息、裂纹信息、渗漏水信息；
综合评估模块，用于基于预设综合评估信息对隧道变形信息、裂纹信息、渗漏水信息、环境数据进行综合评估，得到综合评估数值，所述综合评估数值用于表征隧道健康情况；
风险评价模块，用于当所述综合评估数值不满足预设评估范围后，根据单因素评价标准分别对连续的预设时间段内的隧道变形信息、裂纹信息、渗漏水信息、环境数据进行单因素评价，得到各自对应的风险评价值；
警示模块，用于基于隧道变形信息对应的风险评价值、裂纹信息对应的风险评价值、渗漏水信息对应的风险评价值、环境数据对应的风险评价值，确定警示信息。
通过采用上述技术方案，当利用实时获取的监控视频数据和环境数据对隧道进行综合评估并确定隧道当前存在风险后，分别对隧道变形信息、裂纹信息、渗漏水信息、环境数据进行单因素评价，并基于各自对应的风险评价值确定警示信息，能够实时监控隧道的病害情况以及环境数据，提升了对隧道监控的实时性。
第三方面，本申请提供一种电子设备，采用如下的技术方案：
至少一个处理器；
存储器；
至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行上述的方法。
通过采用上述技术方案，当利用实时获取的监控视频数据和环境数据对隧道进行综合评估并确定隧道当前存在风险后，分别对隧道变形信息、裂纹信息、渗漏水信息、环境数据进行单因素评价，并基于各自对应的风险评价值确定警示信息，能够实时监控隧道的病害情况以及环境数据，提升了对隧道监控的实时性。
第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令所述计算机执行上所述的方法。
通过采用上述技术方案，当利用实时获取的监控视频数据和环境数据对隧道进行综合评估并确定隧道当前存在风险后，分别对隧道变形信息、裂纹信息、渗漏水信息、环境数据进行单因素评价，并基于各自对应的风险评价值确定警示信息，能够实时监控隧道的病害情况以及环境数据，提升了对隧道监控的实时性。
综上所述，本申请包括以下至少一种有益技术效果：
1.当利用实时获取的监控视频数据和环境数据对隧道进行综合评估并确定隧道当前存在风险后，分别对隧道变形信息、裂纹信息、渗漏水信息、环境数据进行单因素评价，并基于各自对应的风险评价值确定警示信息，能够实时监控隧道的病害情况以及环境数据，提升了对隧道监控的实时性。
附图说明
图1是本申请其中一实施例的一种隧道内的监控方法的流程示意图。
图2是本申请其中一实施例的一种隧道内的监控装置的结构示意图。
图3是本申请其中一实施例的一种电子设备的结构示意图。
具体实施方式
以下结合附图1至附图3对本申请作进一步详细说明。
本具体实施例仅仅是对本申请的解释，其并不是对本申请的限制，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做出没有创造性贡献的修改，但只要在本申请的范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚，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作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。
另外，本文中术语“和/或”，仅仅是一种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：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种隧道内的监控方法，由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此，该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请实施例在此不做限制，如图1所示，该方法包括步骤S101、步骤S102、步骤S103、步骤S104以及步骤S105，其中：
步骤S101：实时获取隧道内的监控视频数据和环境数据；
对于本申请实施例，获取到的隧道内的监控视频数据包括：隧道内车辆实时行驶情况的监控视频数据和用于判断隧道是否发生病害的监控视频数据。其中，能够利用可见光摄像头获取监控视频数据，当然也可以利用红外线摄像头获取监控视频数据，对于获取隧道内的监控视频数据的方式，本申请实施例不再进行限定。隧道内的环境数据包括但不限定于以下一种或多种：隧道内气体浓度（气体类型包括：CO2、NH3、CO、SO2、H2S、NO2、CH4）、灰尘与颗粒物浓度、烟雾浓度，利用隧道内的各种传感器来获取环境数据。
步骤S102：基于监控视频数据确定隧道变形信息、裂纹信息、渗漏水信息；
对于本申请实施例，基于监控视频数据能够确定隧道变形信息(包括：拱顶下沉位移、地表沉降位移、隧底拱起面积)、裂纹信息（包括：裂纹位置、裂纹长度以及宽度、裂纹面积）、渗漏水信息（包括：渗漏水面积、渗漏水位置）。
步骤S103：基于预设综合评估信息对隧道变形信息、裂纹信息、渗漏水信息、环境数据进行综合评估，得到综合评估数值，综合评估数值用于表征隧道健康情况；
对于本申请实施例，预设综合评估信息是预先设定的，存储在服务器中，基于预设综合评估信息对获取到的隧道变形信息、裂纹信息、渗漏水信息、环境数据进行评估，得到的综合评估数值用于表征隧道健康情况。根据多种信息综合评估隧道健康情况，能够避免单一角度考虑隧道健康，以使综合评估数值能够更加准确的表征隧道健康情况。
具体的，首先将获取到的隧道变形信息、裂纹信息、渗漏水信息、环境数据转换成相同标准的评估等级信息，例如，评估等级包括：A级、B级、C级、D级，不同评估等级表征不同数值（A级表征1.0；B级表征0.75；C级表征0.5；D级表征0.25），根据获取到的隧道变形信息、裂纹信息、渗漏水信息、环境数据，为各项数据确定所处的评估等级。然后，根据隧道变形信息、裂纹信息、渗漏水信息、环境数据在综合评估中的重要性为其分配权重值，根据评估等级以及权重值，对获取到的隧道变形信息、裂纹信息、渗漏水信息、环境数据进行评估，得到综合评估数值。
例如，分别根据隧道变形信息、裂纹信息、渗漏水信息、环境数据与评估等级信息的对应关系，确定各信息的评估等级。变形信息中拱顶下沉位移、地表沉降位移、隧底拱起面积均为0，则将隧道变形信息的评估等级记为A级；裂纹信息中裂纹长度为10cm、宽度为3cm，则将裂纹信息的评估等级记为B级；渗漏水信息中渗漏水面积为100cm2，则将渗漏水信息的评估等级记为B级；环境数据中灰尘与颗粒物浓度为每立方米空气中1mg，则将环境数据的评估等级记为C级。根据各信息设定的权重值，其中，隧道变形信息所占权重值为0.3、裂纹信息所占权重值为0.15、渗漏水信息所占权重值为0.15、环境数据所占权重值为0.4，故根据所得信息能够得到综合评估数值为0.725，即（1.0*0.3）+（0.75*0.15）+（0.75*0.15）+（0.5*0.4）=0.725。
步骤S104：当综合评估数值不满足预设评估范围后，根据单因素评价标准分别对连续的预设时间段内的隧道变形信息、裂纹信息、渗漏水信息、环境数据进行单因素评价，得到各自对应的风险评价值；
对于本申请实施例，单因素评价标准包括：隧道变形评价标准、裂纹评价标准、渗漏水评价标准以及环境数据评价标准。基于隧道变形评价标准对隧道变形信息进行评价，得到与隧道变形信息对应的风险评价值；基于裂纹评价标准对裂纹信息进行评价，得到与裂纹信息对应的风险评价值；基于渗漏水评价标准对渗漏水信息进行评价，得到与渗漏水信息对应的风险评价值；基于环境数据评价标准对环境数据信息进行评价，得到与环境数据信息对应的风险评价值。综合评估是结合隧道变形信息、裂纹信息、渗漏水信息、环境数据多因素进行评价的，单因素评价是在得知隧道当前状态存在风险后，针对每一因素进行的逐一分析，得到各自对应的风险评价值，基于每一风险评价值能够确定各信息对隧道存在风险的影响程度。
步骤S105：基于隧道变形信息对应的风险评价值、裂纹信息对应的风险评价值、渗漏水信息对应的风险评价值、环境数据对应的风险评价值，确定警示信息。
对于本申请实施例，针对获得的四类风险评价值分别与对应的预设风险评价阈值进行比较，若风险评价值超过预设风险评价阈值，则确定相应的警示信息。
具体的，将隧道变形信息对应的风险评价值与预设变形风险评价阈值进行比较，若超过阈值，则说明隧道发生了较大的形变且存在风险，则确定隧道形变的警示信息，并能够将隧道形变的警示信息发送至终端，以使监控人员准确地得知隧道形变信息并基于隧道形变信息采取相应的措施；将裂纹信息对应的风险评价值与预设裂纹风险评价阈值进行比较，若超过阈值，则说明隧道存在较大的纹裂，则确定裂纹的警示信息，并能够将裂纹的警示信息发送至终端，同时也可以将裂纹所在位置、裂纹的长与宽等信息一起发送至终端；将渗漏水信息对应的风险评价值与预设渗漏水风险评价阈值进行比较，若超过阈值，则说明隧道存在较大面积的渗漏水区域，则确定渗漏水的警示信息，并且能够在监测出隧道存在渗漏水情况时，获取渗漏水历史信息，确定相应的解决措施，并将相应的解决措施加入渗漏水的警示信息中；将环境数据对应的风险评价值与预设环境风险评价阈值进行比较，若超过阈值，则说明隧道内环境数据不达标，则确定环境数据异常的警示信息。
可见，在本申请实施例中，当利用实时获取的监控视频数据和环境数据对隧道进行综合评估并确定隧道当前存在风险后，分别对隧道变形信息、裂纹信息、渗漏水信息、环境数据进行单因素评价，并基于各自对应的风险评价值确定警示信息，能够实时监控隧道的病害情况以及环境数据，提升了对隧道监控的实时性。
进一步，为了能够得到更加准确的裂纹信息, 在本申请实施例中，基于监控视频数据确定纹裂信息的方式，包括：
根据监控视频数据，建立隧道三维模型；
对于本申请实施例，在本申请一种可实现的实施例中，可以根据实时获取的监控视频数据利用三维实景建模软件进行三维建模，得到隧道三维模型，进一步的，还可以在隧道内设置多个标准点，同时记录每一标准点的标准位置，利用标准点的标准位置对得到的隧道三维模型进行校正，以提高隧道三维模型的精确度。在本申请另一种可实现的实施例中，根据实时获取的监控视频数据以及激光扫描图像建立隧道三维模型，以提高三维模型建立的准确性。可以理解的是，本实施例得到的隧道三维模型是实时的，随着时间在进行变化，以达到实时监测的目的。
利用隧道裂纹检测模型对隧道三维模型进行裂纹检测，其中，隧道裂纹检测模型是基于包括隧道裂纹的三维模型训练样本对卷积神经网络进行训练得到的；
对于本申请实施例，利用隧道裂纹检测模型对隧道三维模型进行裂纹检测，其中，隧道裂纹检测模型是基于包括隧道裂纹的三维模型训练样本对卷积神经网络进行训练得到的，卷积神经网络可以为各种卷积网络，例如，Resnet网络、yolov5网络。包括隧道裂纹的三维模型训练样本可以从网络或者本地存储获取，包括隧道裂纹的三维模型训练样本包括：隧道三维模型以及隧道三维模型的裂纹信息。
针对识别到的每一裂纹，获取多张裂纹照片，并根据多张裂纹照片对裂纹建立三维模型，得到裂纹模型；
根据裂纹模型，得到裂纹信息。
对于本申请实施例，若在隧道三维模型中并未识别到裂纹，则继续获取监控视频数据；若识别到裂纹，则针对识别到的每一裂纹，利用图像采集装置对裂纹部位拍摄多张不同角度的照片，并基于多张裂纹照片对裂纹建立与之对应的裂纹模型。根据裂纹模型，得到裂纹信息，裂纹信息包括但不限定于以下一种或多种：裂纹位置、裂纹长度以及宽度、裂纹面积。
可见，在本申请实施例中，利用隧道裂纹检测模型对隧道三维模型进行裂纹检测，并基于每一裂纹分别建立裂纹模型，并得到裂纹信息，通过这种方式能够得到更加准确的裂纹信息。
进一步，为了使得获得的渗漏水信息更加准确, 在本申请实施例中，基于监控视频数据确定渗漏水信息的方式，包括：
基于监控视频数据，得到单帧监控图像；
利用渗漏水检测模型对单帧监控图像进行检测，判断监控图像中是否存在渗漏水；其中，渗漏水检测模型是基于包括渗漏水区域的监控图像训练样本对卷积神经网络进行训练得到的；
对于本申请实施例，利用渗漏水检测模型对单帧监控图像进行检测，判断监控图像中是否存在渗漏水，其中，渗漏水检测模型是基于包括渗漏水区域的监控图像训练样本对卷积神经网络进行训练得到的，卷积神经网络可以为各种卷积网络，例如，Resnet网络、yolov5网络。包括渗漏水区域的监控图像训练样本可以从网络或者本地存储获取，包括渗漏水区域的监控图像训练样本包括：监控图像以及渗漏水区域特征。
若存在渗漏水，则获取渗漏水区域的红外热图像与可见光图像；
对渗漏水区域的红外热图像与可见光图像进行预处理，并分别对红外热图像与可见光图像进行渗漏水区域提取；
对于本申请实施例，对渗漏水区域的红外热图像与可见光图像的预处理，包括对红外热图像与可见光图像的灰度化处理以及滤波去噪，具体的，获取渗漏水区域的红外热图像与可见光图像各像素点的R、G、B分量，设置三个通道的权值分别为0.299、0.587和0.114，对其进行加权平均计算每个像素点的灰度值，生成红外热图像与可见光图像的灰度；利用高斯滤波函数分别对红外热图像与可见光图像的灰度图进行降噪处理。
本申请实施例中，对红外热图像的渗漏水区域提取，具体如下：预设低温区域灰度值的范围；根据所设定的灰度值范围从红外热图像的灰度图中提取渗漏水中心区域。对可见光图像的渗漏水区域提取，具体如下：针对从红外热图像中提取出的渗漏水区域，获取该区域中心点坐标(a,b)以及区域的宽度x和高度h；在可见光图像的灰度图中，以中心点坐标(a,b)为中心，并截取宽度为2x、高度为2h的区域，作为渗漏水截取区域；对截取区域利用最大类间差分法进行阈值分割，提取渗漏水区域。
利用温度信息对可见光图像中提取出的渗漏水区域的轮廓进行修正，得到修正渗漏水区域，并计算出修正渗漏水区域的面积。
对于本申请实施例，预设红外热图像灰度图中低温区域的记为最大灰度值，对可见光图像灰度图，提取区域中灰度值大于最大灰度值的像素点进行删除，然后保留最大连通域，修正渗漏水的区域轮廓，得到修正渗漏水区域。根据可见光图像中整体像素点个数以及修正渗漏水区域的像素点个数关系，计算出修正渗漏水区域的面积。
可见，在本申请实施例中，利用渗漏水检测模型对单帧监控图像进行检测，若存在渗漏水，则对渗漏水区域的红外热图像与可见光图像进行预处理，并分别对红外热图像与可见光图像进行渗漏水区域提取，对可见光图像中提取出的渗漏水区域的轮廓进行修正，得到修正渗漏水区域的面积作为渗漏水信息，通过这种方式以使获得的渗漏水信息更加准确。
进一步，为了使得综合评估得结果更加准确, 在本申请实施例中，基于预设综合评估信息对隧道变形信息、裂纹信息、渗漏水信息、环境数据进行综合评估，得到综合评估数值，包括：
利用每一预设信息与评估等级的关系，分别确定隧道变形信息、裂纹信息、渗漏水信息、环境数据的评估等级；其中，预设信息与评估等级的关系用于将每一信息不同的变化数值转化为相同标准的评估等级信息；
利用每一预设信息与权重的对应关系以及每一信息的评估等级进行综合评估，得到综合评估数值；其中，预设信息与权重的对应关系用于设定每一信息在综合评估时所占权重。
对于本申请实施例，利用每一预设信息与评估等级的关系，分别确定隧道变形信息、裂纹信息、渗漏水信息、环境数据的评估等级。具体的，首先将获取到的隧道变形信息、裂纹信息、渗漏水信息、环境数据转换成相同标准的评估等级信息，例如，评估等级包括：A级、B级、C级、D级，不同评估等级表征不同数值（A级表征1.0；B级表征0.75；C级表征0.5；D级表征0.25），根据获取到的隧道变形信息、裂纹信息、渗漏水信息、环境数据，为各项数据确定所处的评估等级。
然后，利用每一预设信息与权重的对应关系以及每一信息的评估等级进行综合评估，得到综合评估数值。具体的，根据隧道变形信息、裂纹信息、渗漏水信息、环境数据在综合评估中的重要性为其分配权重值，根据评估等级以及权重值，对获取到的隧道变形信息、裂纹信息、渗漏水信息、环境数据进行评估，得到综合评估数值。例如，分别根据隧道变形信息、裂纹信息、渗漏水信息、环境数据与评估等级信息的对应关系，确定各信息的评估等级。变形信息中拱顶下沉位移、地表沉降位移、隧底拱起面积均为0，则将隧道变形信息的评估等级记为A级；裂纹信息中裂纹长度为10cm、宽度为3cm，则将裂纹信息的评估等级记为B级；渗漏水信息中渗漏水面积为100cm2，则将渗漏水信息的评估等级记为B级；环境数据中灰尘与颗粒物浓度为每立方米空气中1mg，则将环境数据的评估等级记为C级。根据各信息设定的权重值，其中，隧道变形信息所占权重值为0.3、裂纹信息所占权重值为0.15、渗漏水信息所占权重值为0.15、环境数据所占权重值为0.4，故根据所得信息能够得到综合评估数值为0.725，即（1.0*0.3）+（0.75*0.15）+（0.75*0.15）+（0.5*0.4）=0.725。
可见，在本申请实施例中，将获取到的隧道变形信息、裂纹信息、渗漏水信息、环境数据转化为评估等级，并利用预设信息与权重的对应关系进行综合评估，得到综合评估数值。综合各种信息以及对应的权重对隧道进行综合评估，以使得综合评估得结果更加准确。
进一步，为了有效地解决隧道在不同的使用状态下综合评估信息不同的问题, 在本申请实施例中，基于预设综合评估信息对隧道变形信息、裂纹信息、渗漏水信息、环境数据进行综合评估，得到综合评估数值之前，还包括：
获取隧道的当前使用状态；
利用使用状态与综合评估信息对应关系，确定与当前使用状态对应的预设综合评估信息。
对于本申请实施例，获取隧道的当前使用状态，其中，当前使用状态包括但不限定于以下一种或多种：施工中未投入使用、正常使用中以及建设完成暂停使用中。针对隧道不同的使用状态，评估时重点不尽相同，使用统一的综合评估信息进行评估是不合理的，因而，在进行综合评估前，利用使用状态与综合评估信息对应关系，确定与当前使用状态对应的预设综合评估信息，以使得预设综合评估信息与评估隧道当前状态更加匹配。
可见，在本申请实施例中，根据隧道的当前使用状态确定与当前使用状态对应的预设综合评估信息，有效地解决了在隧道不同的使用状态下综合评估信息不同的问题。
进一步，为了能够精确地计算出当前环境数据中有害气体的风险权值, 在本申请实施例中，根据单因素评价标准对环境数据进行单因素评价，得到风险评价值，包括：
利用有害气体浓度标准对环境数据进行评价，得到环境数据中各项气体数据的情况；
利用气体超标与风险权重值对应关系，对各项气体数据的情况进行计算，得到风险评价值。
对于本申请实施例，针对环境数据中得隧道内气体浓度进行分析，隧道内有害气体浓度超标会对人员的身体造成伤害，隧道内监测的有害气体种类包括但不限定于以下一种或多种：CO2、NH3、CO、SO2、H2S、NO2、CH4，针对每项气体数据均设置对应的有害气体浓度标准。若某项气体浓度超过与之对应的有害气体浓度标准，则将环境数据中该项气体数据的情况标记为超标，重复该步骤以使环境数据中各项气体数据的情况均标记完成。根据环境数据中各项气体数据的情况，利用气体超标与风险权重值对应关系确定浓度超标的气体对应的风险权重值，将环境数据中各项超标气体的风险权重值进行综合，即可得到风险评价值，其中，风险评价值用于表征环境数据中有害气体所处的风险程度。
例如，针对环境数据中的CO2、NH3、CO、SO2、有害气体进行单因素评价，其中，CO2的浓度标准为a mg/m3，NH3的浓度标准为b mg/m3，CO的浓度标准为c mg/m3，SO2的浓度标准为cmg/m3,根据环境数据中各气体的浓度与有害气体浓度标准进行比较，确定CO2、NH3、CO浓度超标, SO2浓度未超标。根据气体超标与风险权重值对应关系，即CO2超标对应风险权重值为0.3，NH3超标对应风险权重值为0.4，CO超标对应风险权重值为0.2，因而，风险评价值为0.9。当然，气体超标与风险权重值对应关系以及风险评价值的计算方法，本申请实施例不再进行限定，用户可根据实际情况自行设定。
可见，在本申请实施例中，在对环境数据进行单因素评价时，利用气体超标与风险权重值对应关系，对各项气体数据的情况进行计算，得到风险评价值，能够精确地计算出当前环境数据中有害气体的风险权值。
进一步，为了能够有效地减少隧道内交通拥堵的情况以及降低二次交通事故发生的几率, 一种隧道内的监控方法，还包括：
根据隧道内的监控视频数据，对隧道内车辆行驶情况进行监控，得到车辆行驶信息；
对于本申请实施例，根据隧道内的监控视频数据，对隧道内车辆行驶情况进行监控，得到车辆行驶信息，其中，车辆的行驶信息包括但是不限于以下一种或多种：标准时间内车流量情况、各车辆行驶速度、车辆行驶所占车道数、车辆类型等。
基于监控视频数据，实时获取监控视频数据内任意两车之间的车辆间距；
若车辆间距小于等于预设事故车距，则确定发生交通事故，并控制隧道内警示灯亮起；
对于本申请实施例，基于监控视频数据，实时获取监控视频数据内任意两车之间的车辆间距，若车辆间距小于等于预设事故车距，则确定发生交通事故，并控制隧道内警示灯亮起，以使隧道内其他车辆得知此处发生交通事故而进行绕行，有效地避免了二次交通事故的发生。当然，也可以通过获取车辆的行驶速度来判断是否发生交通事故，若车辆的行驶速度从有变化至零，则判定该车辆发生了交通事故。
根据车辆行驶信息，确定交通事故等级；
根据交通事故等级，确定与交通事故等级对应的处理方案。
对于本申请实施例，根据车辆行驶信息确定交通事故等级的方式有多种，在一种可实现的方式，根据撞击前车辆行驶的速度，确定交通事故等级；在另一种可实现的方式，根据交通事故中碰撞车辆的类型(大型汽车、中型汽车、小型汽车)、撞击前车辆行驶的速度、碰撞车辆的数量综合考虑，确定交通事故等级。当然，还可以根据交通事故对隧道内交通堵塞的影响情况确定交通事故等级，对于交通事故等级等级确定的方式，本申请实施例不再进行限定。
交通事故等级可分为I级、Ⅱ级、Ⅲ级，I级对应为普通交通事故，Ⅱ级对应为较大交通事故，Ⅲ级对应为重大交通事故，对于交通事故等级的划分以及各交通事故等级对应表示的含义，用户可根据本申请实际情况自行设定，本申请实施例不再进行限定。根据交通事故等级，确定与交通事故等级对应的处理方案，在一种可实现的方式，基于各等级历史交通事故处理时长预测交通事故等级对应的处理时长，根据处理时长确定处理方案；在另一种可实现的方式，基于各等级历史交通事故处理方案确定此次交通事故等级对应的处理方案。
例如，I级对应为普通交通事故，处理时长在两小时内；Ⅱ级对应为较大交通事故，处理时长在两小时以上至6小时以内；Ⅲ级对应为重大交通事故，处理时长在6小时以上。对于I级交通事故，处理方案为控制隧道内警示灯亮起，并在隧道入口显示屏上将发生交通事故的车道以及事故大概位置显示出来；对于Ⅱ级交通事故，处理方案为在距离交通事故安全距离以外放置减速带，并播报交通事故相关信息，以使车主预先知道交通事故所处位置以及信息，能够较好地了解路况并作出应对处理，较大程度上避免了交通拥堵；对于Ⅲ级交通事故，限制进入隧道的车流量，并将交通事故的相关信息发送至交通管理部门，以使交通管理部门到交通事故现场进行事故处理以及车辆疏散。
可见，在本申请实施例中，根据监控视频数据，能够对隧道内交通事故进行监控，并能够基于交通事故等级确定与之对应的处理方案，基于对交通事故的监控以及应急处理，能够有效地减少隧道内交通拥堵的情况以及降低二次交通事故发生的几率。
进一步，为了使得交通事故等级划分更加准确, 在本申请实施例中，根据监控视频数据，确定交通事故等级，包括：
根据监控视频数据，确定发生交通事故的车辆类型、撞击前车辆行驶的速度、交通事故涉及到的车辆数量；
根据车辆类型、撞击前车辆行驶的速度、车辆数量，综合确定交通事故等级。
对于本申请实施例，根据车辆类型、撞击前车辆行驶的速度、车辆数量，综合确定交通事故等级，三者的详细情况与交通事故等级确定的方式是预先设定并存储的，用户可根据实际情况进行设定。例如，发生交通事故中车辆类型包括大型汽车则事故车辆类型权重记为3；车辆类型不包括大型汽车，但包括中型汽车，则事故车辆类型权重记为2，车辆类型仅包小型汽车则事故车辆类型权重记为1。撞击前行驶最快的车辆速度大于80km/h，则事故车辆速度权重记为3；撞击前行驶最快的车辆速度大于60km/h，小于等于80 km/h，则事故车辆速度权重记为2；撞击前行驶最快的车辆速度小于等于60 km/h，则事故车辆速度权重记为1。交通事故涉及到的车辆数量大于6辆，则事故车辆数量权重记为3；交通事故涉及到的车辆数量小于等于6辆，大于3辆，则事故车辆数量权重记为2；交通事故涉及到的车辆数量小于等于3辆，则事故车辆数量权重记为1。能够基于车辆类型、撞击前车辆行驶的速度、车辆数量确定对应的权重，并将三者确定的权重相加，若权重总和大于等于8，则确定交通事故等级为I级；若权重总和小于8且大于等于5，则确定交通事故等级为Ⅱ级、若权重总和小于5且大于等于3，则确定交通事故等级为Ⅲ级。对于根据车辆类型、撞击前车辆行驶的速度、车辆数量，综合确定交通事故等级的方式可以有多种情况，具体的实现过程本申请实施例不再进行限定。
可见，在本申请实施例中，根据车辆类型、撞击前车辆行驶的速度、车辆数量，综合确定交通事故等级，综合多方面因素再确定交通事故等级，以使得交通事故等级划分更加准确。
上述实施例从方法流程的角度介绍一种隧道内的监控方法，下述实施例从虚拟模块或者虚拟单元的角度介绍了一种隧道内的监控装置，具体详见下述实施例。
本申请实施例提供一种隧道内的监控装置200，如图2所示，该隧道内的监控装置200具体可以包括：
获取模块210，用于实时获取隧道内的监控视频数据和环境数据；
确定信息模块220，用于基于监控视频数据确定隧道变形信息、裂纹信息、渗漏水信息；
综合评估模块230，用于基于预设综合评估信息对隧道变形信息、裂纹信息、渗漏水信息、环境数据进行综合评估，得到综合评估数值；综合评估数值用于表征隧道健康情况；
风险评价模块240，用于当综合评估数值不满足预设评估范围后，根据单因素评价标准依次对连续的预设时间段内的隧道变形信息、裂纹信息、渗漏水信息、环境数据进行单因素评价，得到各自对应的风险评价值；
警示模块250，用于基于隧道变形信息对应的风险评价值、裂纹信息对应的风险评价值、渗漏水信息对应的风险评价值、环境数据对应的风险评价值，确定警示信息。
对于本申请实施例，当利用实时获取的监控视频数据和环境数据对隧道进行综合评估并确定隧道当前存在风险后，分别对隧道变形信息、裂纹信息、渗漏水信息、环境数据进行单因素评价，并基于各自对应的风险评价值确定警示信息，能够实时监控隧道的病害情况以及环境数据，提升了对隧道监控的实时性。
本申请实施例中提供了一种电子设备，如图3所示，图3所示的电子设备300包括：处理器301和存储器303。其中，处理器301和存储器303相连，如通过总线302相连。可选地，电子设备300还可以包括收发器304。需要说明的是，实际应用中收发器304不限于一个，该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU（Central Processing Unit，中央处理器），通用处理器，DSP（Digital Signal Processor，数据信号处理器），ASIC（Application SpecificIntegrated Circuit，专用集成电路），FPGA（Field Programmable Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线302可包括一通路，在上述组件之间传送信息。总线302可以是PCI（Peripheral Component Interconnect，外设部件互连标准）总线或EISA（ExtendedIndustry Standard Architecture，扩展工业标准结构）总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一型的总线。
存储器303可以是ROM（Read Only Memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，RAM（Random Access Memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM（Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器）、CD-ROM（Compact DiscRead Only Memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器303用于存储执行本申请方案的应用程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码，以实现前述方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与相关技术相比，本申请实施例，当利用实时获取的监控视频数据和环境数据对隧道进行综合评估并确定隧道当前存在风险后，分别对隧道变形信息、裂纹信息、渗漏水信息、环境数据进行单因素评价，并基于各自对应的风险评价值确定警示信息，能够实时监控隧道的病害情况以及环境数据，提升了对隧道监控的实时性。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种隧道内的监控方法，其特征在于，包括：
实时获取隧道内的监控视频数据和环境数据；
基于监控视频数据确定隧道变形信息、裂纹信息、渗漏水信息；
基于预设综合评估信息对所述隧道变形信息、所述裂纹信息、所述渗漏水信息、所述环境数据进行综合评估，得到综合评估数值，所述综合评估数值用于表征隧道健康情况；
当所述综合评估数值不满足预设评估范围时，根据单因素评价标准分别对连续的预设时间段内的所述隧道变形信息、所述裂纹信息、所述渗漏水信息、所述环境数据进行单因素评价，得到各自对应的风险评价值；
基于隧道变形信息对应的风险评价值、裂纹信息对应的风险评价值、渗漏水信息对应的风险评价值、环境数据对应的风险评价值，确定警示信息。
2.根据权利要求1所述的隧道内的监控方法，其特征在于，基于监控视频数据确定纹裂信息的方式，包括：
根据监控视频数据，建立隧道三维模型；
利用隧道裂纹检测模型对所述隧道三维模型进行裂纹检测，其中，隧道裂纹检测模型是基于包括隧道裂纹的三维模型训练样本对卷积神经网络进行训练得到的；
针对识别到的每一裂纹，获取多张裂纹照片，并根据所述多张裂纹照片对所述裂纹建立三维模型，得到裂纹模型；
根据所述裂纹模型，得到裂纹信息。
3.根据权利要求1所述的隧道内的监控方法，其特征在于，基于监控视频数据确定渗漏水信息的方式，包括：
基于监控视频数据，得到单帧监控图像；
利用渗漏水检测模型对单帧监控图像进行检测，判断监控图像中是否存在渗漏水；其中，渗漏水检测模型是基于包括渗漏水区域的监控图像训练样本对卷积神经网络进行训练得到的；
若存在渗漏水，则获取渗漏水区域的红外热图像与可见光图像；
对所述渗漏水区域的红外热图像与可见光图像进行预处理，并分别对红外热图像与可见光图像进行渗漏水区域提取；
利用温度信息对可见光图像中提取出的渗漏水区域的轮廓进行修正，得到修正渗漏水区域，并计算出所述修正渗漏水区域的面积。
4.根据权利要求1所述的隧道内的监控方法，其特征在于，所述基于预设综合评估信息对隧道变形信息、裂纹信息、渗漏水信息、环境数据进行综合评估，得到综合评估数值，包括：
利用每一预设信息与评估等级的关系，分别确定隧道变形信息、裂纹信息、渗漏水信息、环境数据的评估等级；其中，预设信息与评估等级的关系用于将每一信息不同的变化数值转化为相同标准的评估等级信息；
利用每一预设信息与权重的对应关系以及所述每一信息的评估等级进行综合评估，得到综合评估数值；其中，预设信息与权重的对应关系用于设定每一信息在综合评估时所占权重。
5.根据权利要求1所述的隧道内的监控方法，其特征在于，所述基于预设综合评估信息对隧道变形信息、裂纹信息、渗漏水信息、环境数据进行综合评估，得到综合评估数值之前，还包括：
获取隧道的当前使用状态；
利用使用状态与综合评估信息对应关系，确定与当前使用状态对应的预设综合评估信息。
6.根据权利要求1所述的隧道内的监控方法，其特征在于，根据单因素评价标准对环境数据进行单因素评价，得到风险评价值，包括：
利用有害气体浓度标准对环境数据进行评价，得到环境数据中各项气体数据的情况；
利用气体超标与风险权重值对应关系，对各项气体数据的情况进行计算，得到风险评价值。
7.根据权利要求1所述的隧道内的监控方法，其特征在于，还包括：
根据隧道内的监控视频数据，对隧道内车辆行驶情况进行监控，得到车辆行驶信息；
基于监控视频数据，实时获取所述监控视频数据内任意两车之间的车辆间距；
若车辆间距小于等于预设事故车距，则确定发生交通事故，并控制隧道内警示灯亮起；
根据所述车辆行驶信息，确定交通事故等级；
根据所述交通事故等级，确定与所述交通事故等级对应的处理方案。
8.根据权利要求7所述的隧道内的监控方法，其特征在于，所述根据所述监控视频数据，确定交通事故等级，包括：
根据所述监控视频数据，确定发生交通事故的车辆类型、撞击前车辆行驶的速度、交通事故涉及到的车辆数量；
根据所述车辆类型、所述撞击前车辆行驶的速度、所述车辆数量，综合确定交通事故等级。
9.一种电子设备，其特征在于，包括：
至少一个处理器；
存储器；
至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行权利要求1～8任一项所述的方法。
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，当所述计算机程序在计算机中执行时，令所述计算机执行权利要求1～8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211457397.8A CN115834838A (zh) | 2022-11-17 | 2022-11-17 | 一种隧道内的监控方法、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211457397.8A CN115834838A (zh) | 2022-11-17 | 2022-11-17 | 一种隧道内的监控方法、设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115834838A true CN115834838A (zh) | 2023-03-21 |
Family
ID=85529727
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211457397.8A Pending CN115834838A (zh) | 2022-11-17 | 2022-11-17 | 一种隧道内的监控方法、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115834838A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117189258A (zh) * | 2023-09-27 | 2023-12-08 | 成都天测皓智科技有限公司 | 一种隧道态势监测的方法及相关设备 |
| CN117787684A (zh) * | 2023-11-17 | 2024-03-29 | 深圳市特区铁工建设集团有限公司 | 一种基于视觉检测的隧道围岩坍塌风险分析方法及系统 |
| CN118052442A (zh) * | 2024-04-15 | 2024-05-17 | 深圳市特区铁工建设集团有限公司 | 一种基于ai的隧道安全预警方法、系统、终端及介质 |
| CN118410428A (zh) * | 2024-03-20 | 2024-07-30 | 广东泽宝勘测设计研究有限公司 | 一种地铁隧道自动化监测方法、系统、设备和介质 |
-
2022
- 2022-11-17 CN CN202211457397.8A patent/CN115834838A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117189258A (zh) * | 2023-09-27 | 2023-12-08 | 成都天测皓智科技有限公司 | 一种隧道态势监测的方法及相关设备 |
| CN117787684A (zh) * | 2023-11-17 | 2024-03-29 | 深圳市特区铁工建设集团有限公司 | 一种基于视觉检测的隧道围岩坍塌风险分析方法及系统 |
| CN117787684B (zh) * | 2023-11-17 | 2024-09-24 | 深圳市特区铁工建设集团有限公司 | 一种基于视觉检测的隧道围岩坍塌风险分析方法及系统 |
| CN118410428A (zh) * | 2024-03-20 | 2024-07-30 | 广东泽宝勘测设计研究有限公司 | 一种地铁隧道自动化监测方法、系统、设备和介质 |
| CN118052442A (zh) * | 2024-04-15 | 2024-05-17 | 深圳市特区铁工建设集团有限公司 | 一种基于ai的隧道安全预警方法、系统、终端及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115834838A (zh) | 一种隧道内的监控方法、设备和介质 | |
| US11989951B2 (en) | Parking detection method, system, processing device and storage medium | |
| JP7355151B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
| WO2008130219A1 (en) | Method of and apparatus for producing road information | |
| CN102208013A (zh) | 风景匹配参考数据生成系统和位置测量系统 | |
| CN112863172A (zh) | 高速公路交通运行状态判定方法、预警方法、装置及终端 | |
| CN112131935B (zh) | 一种机动车车厢载人识别方法、装置和计算机设备 | |
| CN111898491A (zh) | 一种车辆逆向行驶的识别方法、装置及电子设备 | |
| CN112434260A (zh) | 一种公路的交通状态检测方法、装置、存储介质及终端 | |
| US11238291B2 (en) | Method, apparatus, and computer program product for determining if probe data points have been map-matched | |
| CN113378628B (zh) | 一种道路障碍物区域检测方法 | |
| CN112861567A (zh) | 一种车型分类方法及装置 | |
| CN114264310B (zh) | 定位及导航方法、装置、电子设备、计算机存储介质 | |
| CN115757628A (zh) | 车辆碰撞检测方法、装置、设备及介质 | |
| CN113379162B (zh) | 农村公路机动车行驶量估计方法 | |
| CN111679041B (zh) | 一种污染物排放量的监测方法、装置及终端设备 | |
| CN115131726A (zh) | 一种车位检测方法、装置、设备及介质 | |
| CN114166234A (zh) | 基于路害度量选择导航路线和路害识别预警的系统、方法、装置、处理器及计算机存储介质 | |
| CN114895274A (zh) | 一种护栏识别方法 | |
| CN111191603B (zh) | 车内人员识别方法、装置、终端设备及介质 | |
| CN114724107A (zh) | 一种图像检测方法、装置、设备及介质 | |
| CN114677231A (zh) | 货运险次单的反欺诈识别方法、装置、存储介质及终端 | |
| CN114140270A (zh) | 基于车辆行驶数据判断车辆救援的方法、系统及存储介质 | |
| CN114093155A (zh) | 交通事故责任溯源方法、装置、计算机设备和存储介质 | |
| CN111508093A (zh) | 一种用于高速公路的过路费预算系统 |
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 |