CN117465460B - 基于ai的高速公路危化品车辆车流监控系统及方法 - Google Patents
基于ai的高速公路危化品车辆车流监控系统及方法 Download PDFInfo
- Publication number
- CN117465460B CN117465460B CN202311823288.8A CN202311823288A CN117465460B CN 117465460 B CN117465460 B CN 117465460B CN 202311823288 A CN202311823288 A CN 202311823288A CN 117465460 B CN117465460 B CN 117465460B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- driver
- monitoring
- information
- image
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 148
- 239000000126 substance Substances 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000001133 acceleration Effects 0.000 claims abstract description 19
- 230000008859 change Effects 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000001514 detection method Methods 0.000 claims description 53
- 239000011159 matrix material Substances 0.000 claims description 38
- 230000002159 abnormal effect Effects 0.000 claims description 36
- 230000009467 reduction Effects 0.000 claims description 35
- 238000000605 extraction Methods 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 20
- 230000009466 transformation Effects 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 11
- 239000000383 hazardous chemical Substances 0.000 claims description 10
- 230000005236 sound signal Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000002146 bilateral effect Effects 0.000 claims description 7
- 238000009432 framing Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 230000000903 blocking effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 18
- 241001282135 Poromitra oscitans Species 0.000 description 6
- 206010048232 Yawning Diseases 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000009931 harmful effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/006—Indicating maintenance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/08—Interaction between the driver and the control system
- B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B3/00—Audible signalling systems; Audible personal calling systems
- G08B3/10—Audible signalling systems; Audible personal calling systems using electric transmission; using electromagnetic transmission
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W2040/0818—Inactivity or incapacity of driver
- B60W2040/0827—Inactivity or incapacity of driver due to sleepiness
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/229—Attention level, e.g. attentive to driving, reading or sleeping
Abstract
本发明公开了基于AI的高速公路危化品车辆车流监控系统及方法,涉及危化品车辆监控技术领域,为了解决危化品车辆在行驶过程中以及停靠时安全性不佳的问题。本发明根据对驾驶员眨眼频率、打哈欠频率和加速变化频率数据的获取可以进一步的确认驾驶员是否出现驾驶疲劳的问题,该驾驶员出现了驾驶疲劳后,车内监控传感器则通过语音的方式对驾驶员进行语音提醒,进一步降低了因驾驶疲劳出现的驾驶风险,根据危化品车辆装载的危化品,自动触发应急预案,极速进行应急处置,当车辆周围的人流量过多时,则通过车外摄像传感器对车辆周围的人员进行疏散。
Description
技术领域
本发明涉及危化品车辆监控技术领域,具体为基于AI的高速公路危化品车辆车流监控系统及方法。
背景技术
危化品车辆是指运输具有易燃、易爆、有毒、有害和放射性等物质,在运输装卸和储存保管过程中易造成人员伤亡和财产损毁而需要特别保护的物品的车辆。
公开号为CN113112803A的中国专利公开了一种基于视频监控的城市交通道路车流数据采集和分析处理系统,主要通过综合计算待处理的城市交通道路区域内各段子区域的车流量影响系数,同时与设定的车流量影响系数阈值进行对比,若某段子区域的车流量影响系数大于设定的车流量影响系数阈值,则通知相关人员对对应段子区域进行车辆疏导,从而确保城市交通道路出现交通拥挤和堵塞现象时能够及时处理,提高城市交通道路的通行能力,避免城市居民的社会生活受到影响,上述专利虽然解决了车流数据获取的问题,但是在实际操作中还存在以下问题:
1.当危化品车辆在服务区进行车辆停靠时,没有对停靠区域进行进一步的管控和监控,从而导致危化品车辆出现异常后无法对周围人群进行疏通。
2.当驾驶员在驾车过程中出现驾驶疲劳后无法及时提示以及对行驶车辆在行驶过程中无法提供有效的路径车流情况,从而导致危化品车辆的行驶安全无法得到解决的问题。
3.没有将行驶车辆与驾驶员的信息进行对应同步,以及没有将危化品车辆中的各个传感器进行进一步的检测,从而导致无法对行驶车辆进行进一步监控。
发明内容
本发明的目的在于提供基于AI的高速公路危化品车辆车流监控系统及方法,根据对驾驶员眨眼频率、打哈欠频率和加速变化频率数据的获取可以进一步的确认驾驶员是否出现驾驶疲劳的问题,该驾驶员出现了驾驶疲劳后,车内监控传感器则通过语音的方式对驾驶员进行语音提醒,进一步降低了因驾驶疲劳出现的驾驶风险,根据危化品车辆装载的危化品,自动触发应急预案,极速进行应急处置,当车辆周围的人流量过多时,则通过车外摄像传感器对车辆周围的人员进行疏散,可以解决现有技术中的问题。
为实现上述目的,本发明提供如下技术方案:
基于AI的高速公路危化品车辆车流监控系统,包括:
危化品车辆信息录入单元,用于:
将装载危化品的车辆基本信息进行录入,其中,车辆基本信息包括车型、装载重量、车牌号、驾驶员信息,车辆基本信息录入完成后将车辆传感器信息进行录入,其中,车辆传感器信息包括车内监控传感器、车外摄像传感器、空气检测传感器、温湿度检测传感器;
危险品车辆行驶监测单元,用于:
对驾驶员的驾驶行为数据以及行驶路径中的车流情况进行实时监测,其中,驾驶员的驾驶行为数据通过车内监控传感器进行监测,行驶路径的车流情况通过车外摄像传感器进行监测,并分别对监测结果进行获取并分析;
危化品车辆停靠监测单元,用于:
当危化品车辆停靠在服务区时,通过车辆传感器将危化品车辆停靠的实时信息进行监测,并且,将实时监测数据进行数据分析,根据分析结果对危化品车辆在停靠时的危险程度进行评估。
优选的,所述危化品车辆信息录入单元,包括:
基本信息录入模块,用于:
将装载危化品车辆的车牌号、车辆型号、危化品种类以及路径终点信息进行录入,其中,将信息录入至行驶数据库中;
从驾驶员数据库中将运输车辆的驾驶员信息进行调取;
将驾驶员的信息对应至行驶车辆的信息中,并将车牌号、车辆型号、危化品种类以及路径终点信息导入至驾驶员的移动终端上;
传感器信息确认模块,用于:
驾驶员对车辆的安装的传感器进行检测;
其中,车内监控传感器安装在驾驶舱内,用于监测驾驶员的驾驶行为,车外摄像传感器、空气检测传感器和温湿度检测传感器分别安装在车辆外部,用于监测车辆在停靠时的安全行为;
驾驶员对车内监控传感器、车外摄像传感器、空气检测传感器和温湿度检测传感器是否可以正常使用进行检测;
若车内监控传感器、车外摄像传感器、空气检测传感器和温湿度检测传感器可以进行正常使用,驾驶员在移动终端上进行输入,则该行驶车辆可以进行正常行驶上路;
若车内监控传感器、车外摄像传感器、空气检测传感器和温湿度检测传感器不可以进行正常使用,驾驶员在移动终端上进行输入,则通知工作人员对异常传感器进行维修。
优选的,所述危险品车辆行驶监测单元,包括:
疲劳监测模块,用于:
根据车内监控传感器中采集的驾驶员的驾驶行为数据,对驾驶行为数据进行疲劳分析;
从驾驶行为数据中提取出驾驶员的眨眼频率、打哈欠频率和加速变化频率;
对提取的眨眼频率、打哈欠频率和加速变化频率的参数进行辨识,获取辨识结果;
根据驾驶行为数据中的驾驶员的眨眼频率、打哈欠频率和加速变化频率以及每项参数的辨识结果计算出驾驶员在驾驶过程中的异常系数;
确认异常系数是否大于预设系数,若是,基于所述驾驶行为获得驾驶员的多帧驾驶图像,否则,确认驾驶员未疲劳驾驶;
提取每帧驾驶图像中的人眼特征因子;
根据每帧驾驶图像中的人眼特征因子筛选出疲劳特征和眼部规范特征;
根据每帧图像中的人眼特征因子中的疲劳特征和眼部规范特征计算出驾驶员的疲劳度;
确认驾驶员的疲劳度是否大于等于预设阈值,若是,确认驾驶员疲劳驾驶,否则,确认实际未疲劳驾驶;
若确认驾驶员为疲劳驾驶时,则车内监控传感器进行声控警报。
优选的,所述危险品车辆行驶监测单元,还包括:
车流反馈模块,用于:
先将行驶车辆的行驶路径流量数据进行获取,其中,行驶路径流量数据的采集方式包括ETC门架视频监控、路径流量计数、GPS定位;
ETC门架视频监控是将驾驶车辆当前通过的ETC门架的所有车辆的数量信息,其中,ETC门架视频监控装置将通过的所有车辆数量进行统计,统计完成后将数据发送至驾驶员的移动终端;
路径流量计数是将驾驶车辆行驶的道路上车流信息,其中,路径流量计数将该路段的车流信息进行获取,车流信息获取后判断该行驶路段是否出现车流堵塞的情况;
GPS定位是对驾驶车辆的位置、速度和行驶轨迹进行实时监测,根据驾驶车辆位置以及车辆数据和车流数据的确认判断驾驶车辆路径的行驶车流数据。
优选的,所述危化品车辆停靠监测单元,包括:
停靠安全监测模块,用于:
驾驶员在移动终端上提前确认将要停靠的服务区,当服务区接收到行驶车辆将要停靠的信息后,服务区的工作人员为该行驶车辆做出应对准备,其中,行驶车辆到达服务区后,服务区的工作人员对该行驶车辆的停靠时间进行确认;
当行驶车辆停靠在服务区内的指定位置后,根据车外摄像传感器对车辆周围进行密度监测;
先将车外摄像传感器获取的监控数据进行获取,监控数据获取后对监控数据进行亮度检测,根据检测结果选择适配的亮度补偿函数,其中,亮度补偿函数根据当前是黑夜还是白天进行选择;
利用亮度补偿函数对监控数据进行补偿,获取补偿后的监控数据;
对补偿后的监控数据进行分帧处理,获取处理结果;
将处理结果中的每帧图像进行人物特征点提取,获取特征点提取结果;
将每帧图像的特征点提取结果进行对比,选择出在每帧图像中均出现的目标人物特征点;
根据目标人物特征点计算出补偿后的监控数据中的当前人流量;
将行驶车辆停靠区域的最大人流量数据进行获取;
根据最大人流量和当前人流量计算出该行驶车辆当前停靠的人流密度系数;
根据行驶车辆当前停靠的人流密度系数分析出行驶车辆停靠区域的人流密度;
根据行驶车辆停靠区域的人流密度判断停靠车辆周围是否有异常人员靠近;
若人流密度异常时,则通过车外摄像传感器进行提示和驱离,并将提示和驱离信息发送是服务区管理处和驾驶员的移动终端。
优选的,所述危化品车辆停靠监测单元,还包括:
区域安全监测模块,用于:
根据空气检测传感器和温湿度检测传感器对行驶车辆停靠区域进行空气成分和温湿度的监测;
当空气检测传感器监测出行驶车辆停靠区域的空气浓度异常时,则对异常信息发送至服务区管理处和驾驶员的移动终端,其中,当行驶车辆停靠区域的空气中危化品的浓度超出预设阈值范围内时,则判定该区域的空气浓度异常;
当温湿度检测传感器监测出行驶车辆停靠区域内的温度和湿度超出预设阈值时,则判定该区域的温度和湿度为异常,将异常信息发送至服务区管理处和驾驶员的移动终端。
优选的,所述停靠安全监测模块,包括特征提取模块,用于将处理结果中的每帧图像进行人物特征点提取,获取特征点提取结果;
所述特征提取模块,包括:
转换模块,用于获取每帧图像在RGB颜色空间中每个像素点的R通道值、G通道值和B通道值,并计算出平均通道值,并根据平均通道值将每帧图像由三通道图像转换为单通道图像,
;
其中,W(x,y)为在(x,y)处像素点的平均通道值;R(x,y)、G(x,y)、B(x,y)为在(x,y)处像素点的R通道值、G通道值和B通道值;
降噪模块,用于基于双边滤波模板对单通道图像进行滤波处理得到降噪图像;
确定模块,用于在降噪图像中确定特征区域,提取特征区域对应的局部图像;
修正模块,用于:
基于小波基函数Haar,确定小波变换的平移范围及变换尺度的数目及范围,对局部图像进行小波变换,将局部图像分解成不同频率的子信号,这些子信号包含了局部图像在不同时间和频率上的信息;
提取不同频率的子信号小波变换的系数,并进行排序,选择中位数,作为阈值T;
将小波系数分为两部分,一部分是绝对值大于阈值T的小波系数,另一部分是绝对值小于等于T的小波系数;对于绝对值大于T的小波系数,保留它们的绝对值不变;对于绝对值小于等于T的小波系数,将它们设为0;对处理后的小波系数进行反变换,得到修正局部图像;
处理模块,用于基于SURF算法对修正局部图像进行人物特征点提取,获取特征点提取结果。
优选的,所述确定模块,包括:
计算模块,用于:
将降噪图像划分成多个均匀的子区域,每个子区域进行直方图均衡化处理,得到均衡子区域;
统计均衡子区域中每个灰度级别的像素点数量;
计算每个灰度级别的像素点数量与均衡子区域中总像素点数量的比值,根据所述比值基于预设算法,计算均衡子区域的信息熵;
根据每个均衡子区域的信息熵,选取具有最大熵的均衡子区域作为初始阈值;
根据初始阈值将降噪图像分割成第一区域和第二区域;其中,第一区域的像素值大于初始阈值;第二区域的像素值小于初始阈值;
对第一区域和第二区域分别进行直方图均衡化,并重新计算第一区域的第一信息熵和第二区域的第二信息熵;
在确定第一信息熵和第二信息熵的和值小于所有均衡子区域的信息熵的平均值时,将所述初始阈值作为目标阈值;
比较模块,用于:
根据降噪图像构建图像金字塔;
计算图像金子塔中每个图像块的信息熵,并与目标阈值进行比较,筛选出信息熵大于目标阈值的图像块,作为特征区域,提取特征区域对应的局部图像。
优选的,还包括,调节模块,用于:
在危化品车辆使用自适应定速巡航时,检测危化品车辆的发动机产生的声音信号;
对所述声音信号进行分帧处理,得到P帧子信号,对每帧子信号进行信号提取,确定一帧子信号中高音频值和低音频值,并形成第一矩阵;第一矩阵为P行2列的值,对第一矩阵进行降噪处理,得到第二矩阵:
;
其中,为第二矩阵的第i行t列的值,也就是对/>进行降噪处理后的值;为第一矩阵的第i行t列的值;/>为自然常数,i=1、2、3……P,t=1、2; />为第一矩阵的第s行t列的值;/>为第一矩阵的第j行t列的值;
计算第二矩阵的调节系数:
;
其中,为第二矩阵的第t列的调节系数;/>为第一矩阵的第l行s列的值;
根据调节系数进行噪声消除处理。
本发明提供另一种技术方案,基于AI的高速公路危化品车辆车流监控系统的监控方法,包括以下步骤:
第一步:先通过危化品车辆信息录入单元将行驶的危化品车辆以及驾驶人员信息进行对应;
第二步:当驾驶员在进行危化品运输时通过危险品车辆行驶监测单元对车辆在行驶过程中路径的安全情况以及驾驶员的安全驾驶情况进行实时监测;
第三步:当驾驶员在路径服务区进行停靠时通过危化品车辆停靠监测单元与停靠的服务区进行实时确认,并对停靠区域进行监控。
与现有技术相比,本发明的有益效果如下:
1.本发明提供的基于AI的高速公路危化品车辆车流监控系统及方法,根据对危化品车辆信息的录入可以进一步的了解该车辆的具体信息、运输的危化品种类以及车辆行驶的路径和终点信息,通过传感器信息确认模块可以进一步的确认车内监控传感器、车外摄像传感器、空气检测传感器和温湿度检测传感器是否可以进行正常的监测工作,进一步的提高了传感器对危化品车辆进行监测的时效性。
2.本发明提供的基于AI的高速公路危化品车辆车流监控系统及方法,根据对驾驶员眨眼频率、打哈欠频率和加速变化频率数据的获取可以进一步的确认驾驶员是否出现驾驶疲劳的问题,该驾驶员出现了驾驶疲劳后,车内监控传感器则通过语音的方式对驾驶员进行语音提醒,进一步降低了因驾驶疲劳出现的驾驶风险。
3.本发明提供的基于AI的高速公路危化品车辆车流监控系统及方法,当危化品车辆接近或进入服务区时,提醒服务区监控人员、安保人员,安保人员通过服务区管理处APP进行危化品车辆入区登记,根据危化品车辆装载的危化品,自动触发应急预案,极速进行应急处置,当车辆周围的人流量过多时,则通过车外摄像传感器对车辆周围的人员进行疏散,并将该信息传输时驾驶员的移动终端和服务区管理处,驾驶员和服务区的工作人员即可进行前往查看。
附图说明
图1为本发明的整体模块示意图;
图2为本发明的整体流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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。
为了解决现有技术中,当危化品车辆在运输时,没有将行驶车辆与驾驶员的信息进行对应同步,以及没有将危化品车辆中的各个传感器进行进一步的检测,从而导致无法对行驶车辆进行进一步监控的问题,请参阅图1和图2,本实施例提供以下技术方案:
基于AI的高速公路危化品车辆车流监控系统,包括:
危化品车辆信息录入单元,用于:
将装载危化品的车辆基本信息进行录入,其中,车辆基本信息包括车型、装载重量、车牌号、驾驶员信息,车辆基本信息录入完成后将车辆传感器信息进行录入,其中,车辆传感器信息包括车内监控传感器、车外摄像传感器、空气检测传感器、温湿度检测传感器;
危险品车辆行驶监测单元,用于:
对驾驶员的驾驶行为数据以及行驶路径中的车流情况进行实时监测,其中,驾驶员的驾驶行为数据通过车内监控传感器进行监测,行驶路径的车流情况通过车外摄像传感器进行监测,并分别对监测结果进行获取并分析;
危化品车辆停靠监测单元,用于:
当危化品车辆停靠在服务区时,通过车辆传感器将危化品车辆停靠的实时信息进行监测,并且,将实时监测数据进行数据分析,根据分析结果对危化品车辆在停靠时的危险程度进行评估。
危化品车辆信息录入单元,包括:
基本信息录入模块,用于:
将装载危化品车辆的车牌号、车辆型号、危化品种类以及路径终点信息进行录入,其中,将信息录入至行驶数据库中;
从驾驶员数据库中将运输车辆的驾驶员信息进行调取;
将驾驶员的信息对应至行驶车辆的信息中,并将车牌号、车辆型号、危化品种类以及路径终点信息导入至驾驶员的移动终端上。
传感器信息确认模块,用于:
驾驶员对车辆的安装的传感器进行检测;
其中,车内监控传感器安装在驾驶舱内,用于监测驾驶员的驾驶行为,车外摄像传感器、空气检测传感器和温湿度检测传感器分别安装在车辆外部,用于监测车辆在停靠时的安全行为;
驾驶员对车内监控传感器、车外摄像传感器、空气检测传感器和温湿度检测传感器是否可以正常使用进行检测;
若车内监控传感器、车外摄像传感器、空气检测传感器和温湿度检测传感器可以进行正常使用,驾驶员在移动终端上进行输入,则该行驶车辆可以进行正常行驶上路;
若车内监控传感器、车外摄像传感器、空气检测传感器和温湿度检测传感器不可以进行正常使用,驾驶员在移动终端上进行输入,则通知工作人员对异常传感器进行维修。
具体的,通过基本信息录入模块将危化品车辆以及该车辆的驾驶员的信息进行录入和对应,根据对危化品车辆信息的录入可以进一步的了解该车辆的具体信息、运输的危化品种类以及车辆行驶的路径和终点信息,当驾驶员的信息确认后车辆的信息将统一发送至驾驶员的移动终端中,驾驶员可在移动终端中将信息进行查看,通过传感器信息确认模块可以进一步的确认车内监控传感器、车外摄像传感器、空气检测传感器和温湿度检测传感器是否可以进行正常的监测工作,当驾驶员对车内监控传感器、车外摄像传感器、空气检测传感器和温湿度检测传感器都查看后将查看结果在移动终端中进行确认,若某个传感器出现异常后在终端上进行输入,则会通知工作人员对异常的传感器进行维修,进一步的提高了传感器对危化品车辆进行监测的时效性。
为了解决现有技术中,当驾驶员在驾车过程中出现驾驶疲劳后无法及时提示以及对行驶车辆在行驶过程中无法提供有效的路径车流情况,从而导致危化品车辆的行驶安全无法得到解决的问题,请参阅图1和图2,本实施例提供以下技术方案:
危险品车辆行驶监测单元,包括:
疲劳监测模块,用于:
根据车内监控传感器中采集的驾驶员的驾驶行为数据,对驾驶行为数据进行疲劳分析;
从驾驶行为数据中提取出驾驶员的眨眼频率、打哈欠频率和加速变化频率;
对提取的眨眼频率、打哈欠频率和加速变化频率的参数进行辨识,获取辨识结果;
根据驾驶行为数据中的驾驶员的眨眼频率、打哈欠频率和加速变化频率以及每项参数的辨识结果计算出驾驶员在驾驶过程中的异常系数;
确认异常系数是否大于预设系数,若是,基于所述驾驶行为获得驾驶员的多帧驾驶图像,否则,确认驾驶员未疲劳驾驶;
提取每帧驾驶图像中的人眼特征因子;
根据每帧驾驶图像中的人眼特征因子筛选出疲劳特征和眼部规范特征;
根据每帧图像中的人眼特征因子中的疲劳特征和眼部规范特征计算出驾驶员的疲劳度;
确认驾驶员的疲劳度是否大于等于预设阈值,若是,确认驾驶员疲劳驾驶,否则,确认实际未疲劳驾驶;
若确认驾驶员为疲劳驾驶时,则车内监控传感器进行声控警报。
车流反馈模块,用于:
先将行驶车辆的行驶路径流量数据进行获取,其中,行驶路径流量数据的采集方式包括ETC门架视频监控、路径流量计数、GPS定位;
ETC门架视频监控是将驾驶车辆当前通过的ETC门架的所有车辆的数量信息,其中,ETC门架视频监控装置将通过的所有车辆数量进行统计,统计完成后将数据发送至驾驶员的移动终端;
路径流量计数是将驾驶车辆行驶的道路上车流信息,其中,路径流量计数将该路段的车流信息进行获取,车流信息获取后判断该行驶路段是否出现车流堵塞的情况;
GPS定位是对驾驶车辆的位置、速度和行驶轨迹进行实时监测,根据驾驶车辆位置以及车辆数据和车流数据的确认判断驾驶车辆路径的行驶车流数据。
具体的,在驾驶员的行驶过程中先通过疲劳监测模块对驾驶员是否出现驾驶疲劳进行监测,从而有效的降低了因疲劳驾驶出现车祸的问题,其中,根据车内监控传感器获取的驾驶员驾车视频,将驾车视频中驾驶员眨眼频率、打哈欠频率和加速变化频率数据进行获取,根据对驾驶员眨眼频率、打哈欠频率和加速变化频率数据的获取可以进一步的确认驾驶员是否出现驾驶疲劳的问题,当驾驶员驾驶疲劳后驾驶员眨眼频率、打哈欠频率和加速变化频率会出现相对应的变化,当驾驶员眨眼频率、打哈欠频率和加速变化频率的阈值超出预设阈值时,则确认该驾驶员出现了驾驶疲劳,车内监控传感器则通过语音的方式对驾驶员进行语音提醒,进一步降低了因驾驶疲劳出现的驾驶风险,通过车流反馈模块对行驶车辆的行驶路径的车流数据进行获取,根据对车流数据的获取可以有效的提示驾驶员在车流过大的路段进行更仔细的行驶,其中,先根据ETC门架视频监控对行驶车辆行驶的高速道路的总车辆数量进行统一,再通过路径流量计数将行驶车辆当前行驶的高速道路的车辆数据进行获取,根据行驶车辆上的GPS定位对当前行驶车辆周围以及前方的车流情况进行实时播报,从而进一步降低了因车流过大导致的事故的风险。
为了解决现有技术中,当危化品车辆在服务区进行车辆停靠时,没有对停靠区域进行进一步的管控和监控,从而导致危化品车辆出现异常后无法对周围人群进行疏通的问题,请参阅图1和图2,本实施例提供以下技术方案:
所述危化品车辆停靠监测单元,包括:
停靠安全监测模块,用于:
驾驶员在移动终端上提前确认将要停靠的服务区,当服务区接收到行驶车辆将要停靠的信息后,服务区的工作人员为该行驶车辆做出应对准备,其中,行驶车辆到达服务区后,服务区的工作人员对该行驶车辆的停靠时间进行确认;
当行驶车辆停靠在服务区内的指定位置后,根据车外摄像传感器对车辆周围进行密度监测;
先将车外摄像传感器获取的监控数据进行获取,监控数据获取后对监控数据进行亮度检测,根据检测结果选择适配的亮度补偿函数,其中,亮度补偿函数根据当前是黑夜还是白天进行选择;
利用亮度补偿函数对监控数据进行补偿,获取补偿后的监控数据;
对补偿后的监控数据进行分帧处理,获取处理结果;
将处理结果中的每帧图像进行人物特征点提取,获取特征点提取结果;
将每帧图像的特征点提取结果进行对比,选择出在每帧图像中均出现的目标人物特征点;
根据目标人物特征点计算出补偿后的监控数据中的当前人流量;
将行驶车辆停靠区域的最大人流量数据进行获取;
根据最大人流量和当前人流量计算出该行驶车辆当前停靠的人流密度系数;
根据行驶车辆当前停靠的人流密度系数分析出行驶车辆停靠区域的人流密度;
根据行驶车辆停靠区域的人流密度判断停靠车辆周围是否有异常人员靠近;
若人流密度异常时,则通过车外摄像传感器进行提示和驱离,并将提示和驱离信息发送是服务区管理处和驾驶员的移动终端。
区域安全监测模块,用于:
根据空气检测传感器和温湿度检测传感器对行驶车辆停靠区域进行空气成分和温湿度的监测;
当空气检测传感器监测出行驶车辆停靠区域的空气浓度异常时,则对异常信息发送至服务区管理处和驾驶员的移动终端,其中,当行驶车辆停靠区域的空气中危化品的浓度超出预设阈值范围内时,则判定该区域的空气浓度异常;
当温湿度检测传感器监测出行驶车辆停靠区域内的温度和湿度超出预设阈值时,则判定该区域的温度和湿度为异常,将异常信息发送至服务区管理处和驾驶员的移动终端。
具体的,先通过停靠安全监测模块将需要停靠的信息发送至停靠的服务区管理处,当服务区管理处接收到停靠信息后做出应对措施,当危化品车辆接近或进入服务区时,提醒服务区监控人员、安保人员,安保人员通过服务区管理处APP进行危化品车辆入区登记,留存图像资料,并自动检查目前服务区内的消防设备是否可以应对该危化品车辆所载危化品引发的安全事件,根据行驶车辆的停靠时间,对超出预订停靠时间的行驶车辆进行疏散,当发生危化品车辆安全事件时,根据危化品车辆装载的危化品,自动触发应急预案,极速进行应急处置,当行驶车辆停靠后通过车外摄像传感器对车辆周围进行密度监测,根据对车辆周围的密度监测可以对车辆周围是否出现过多的人员进行提示,当车辆周围的人流量过多时,则通过车外摄像传感器对车辆周围的人员进行疏散,并将该信息传输时驾驶员的移动终端和服务区管理处,驾驶员和服务区的工作人员即可进行前往查看,通过区域安全监测模块对停靠车辆区域的空气以及温湿度进行监测,其中,通过空气检测传感器对停靠区域的空气进行监测,空气检测传感器可以监测出空气中常见的化学物质,当监测出空气中化学品出现泄露或者空气浓度异常时,主动对驾驶员的移动终端和服务区管理处进行提示,并根据可检出化学物质,自动提示应急措施,通过服务区语音播报系统发布疏散信息,进一步的提高了危化品车辆在停靠时的安全性。
优选的,所述停靠安全监测模块,包括特征提取模块,用于将处理结果中的每帧图像进行人物特征点提取,获取特征点提取结果;
所述特征提取模块,包括:
转换模块,用于获取每帧图像在RGB颜色空间中每个像素点的R通道值、G通道值和B通道值,并计算出平均通道值,并根据平均通道值将每帧图像由三通道图像转换为单通道图像,
;
其中,W(x,y)为在(x,y)处像素点的平均通道值;R(x,y)、G(x,y)、B(x,y)为在(x,y)处像素点的R通道值、G通道值和B通道值;
降噪模块,用于基于双边滤波模板对单通道图像进行滤波处理得到降噪图像;
确定模块,用于在降噪图像中确定特征区域,提取特征区域对应的局部图像;
修正模块,用于:
基于小波基函数Haar,确定小波变换的平移范围及变换尺度的数目及范围,对局部图像进行小波变换,将局部图像分解成不同频率的子信号,这些子信号包含了局部图像在不同时间和频率上的信息;
提取不同频率的子信号小波变换的系数,并进行排序,选择中位数,作为阈值T;
将小波系数分为两部分,一部分是绝对值大于阈值T的小波系数,另一部分是绝对值小于等于T的小波系数;对于绝对值大于T的小波系数,保留它们的绝对值不变;对于绝对值小于等于T的小波系数,将它们设为0;对处理后的小波系数进行反变换,得到修正局部图像;
处理模块,用于基于SURF算法对修正局部图像进行人物特征点提取,获取特征点提取结果。
上述技术方案的工作原理:该实施例中,基于转换模块计算出平均通道值,并根据平均通道值将每帧图像由三通道图像转换为单通道图像;可以减少数据处理复杂性和内存占用,有利于提高处理速度和效率,也可以提高图像的对比度和清晰度,有助于特定视觉任务的完成。
该实施例中,基于降噪模块对单通道图像进行滤波处理得到降噪图像,便于消除图像噪声的影响。双边滤波器是一种非线性的滤波方法,是结合图像的空间邻近度和像素值相似度的一种折衷处理,同时考虑空域信息和灰度相似性,达到保边去噪的目的。双边滤波模板由两个函数生成:一个函数由像素欧式距离决定滤波器模板的系数。这个过程中,距离模板和颜色模板是相乘的关系,距离模板考虑的是像素间的空间关系,颜色模板考虑的是像素灰度值间的关系。另一个函数由像素的灰度差值决定滤波器的系数。灰度值越接近则权重越大。双边滤波器能够做到在平滑去噪的同时还能够很好的保存边缘(EdgePreserve),是由于其滤波器的核由两个函数生成:一个函数由像素欧式距离决定滤波器模板的系数另一个函数由像素的灰度差值决定滤波器的系数其综合了高斯滤波器(GaussianFilter)和αα截尾均值滤波器(Alpha-Trimmed mean Filter)的特点。
该实施例中,局部图像为要进行特征点提取的图像区域。
该实施例中,基于修正模块对局部图像进行小波变化处理,便于对局部图像进行再次降噪处理,也便于准确确定局部图像的边缘特征,便于后续进行特征提取。
该实施例中,SURF算法(Speeded Up Robust Features,加速稳健特征):SURF算法是一种比SIFT算法更快且具有更高的鲁棒性的特征点提取算法。该算法使用Hessian矩阵来检测图像中的局部极值点,并使用基于积分图的加速方法来快速计算特征点的描述符。
上述技术方案的有益效果:将每帧图像由三通道图像转换为单通道图像,减少图像处理量,提高处理速率。基于双边滤波模板对单通道图像进行滤波处理,得到初次降噪图像,便于准确提取特征区域对应的局部图像;避免对降噪图像中的全部区域进行特征点提取,便于进一步减少图像处理区域,减少图像处理量。基于修正模块通过小波变化处理,得到准确的修正局部图像,于对局部图像进行再次降噪处理,也便于准确确定局部图像的边缘特征,便于后续进行特征提取,基于SURF算法对修正局部图像进行人物特征点提取,得到准确的特征点提取结果。
优选的,所述确定模块,包括:
计算模块,用于:
将降噪图像划分成多个均匀的子区域,每个子区域进行直方图均衡化处理,得到均衡子区域;
统计均衡子区域中每个灰度级别的像素点数量;
计算每个灰度级别的像素点数量与均衡子区域中总像素点数量的比值,根据所述比值基于预设算法,计算均衡子区域的信息熵;
根据每个均衡子区域的信息熵,选取具有最大熵的均衡子区域作为初始阈值;
根据初始阈值将降噪图像分割成第一区域和第二区域;其中,第一区域的像素值大于初始阈值;第二区域的像素值小于初始阈值;
对第一区域和第二区域分别进行直方图均衡化,并重新计算第一区域的第一信息熵和第二区域的第二信息熵;
在确定第一信息熵和第二信息熵的和值小于所有均衡子区域的信息熵的平均值时,将所述初始阈值作为目标阈值;
比较模块,用于:
根据降噪图像构建图像金字塔;
计算图像金子塔中每个图像块的信息熵,并与目标阈值进行比较,筛选出信息熵大于目标阈值的图像块,作为特征区域,提取特征区域对应的局部图像。
上述技术方案的工作原理:该实施例中,预设算法为-sum(p*log2(p)),即均衡子区域的信息熵。P为每个灰度级别的像素点数量与均衡子区域中总像素点数量的比值。
该实施例中,目标阈值为判断图像块是否需要进行特征点提取处理的判断阈值。
该实施例中,根据降噪图像构建图像金字塔,包括: 对降噪图像进行下采样,以得到第一层图像。下采样可以通过平均值、中值或双线性插值等方法实现。对第一层图像进行滤波和下采样,以得到第二层图像。重复这个过程,直到得到足够的层数。将每一层图像存储起来,形成一个图像金字塔。
在构建图像金字塔时,需要选择合适的下采样倍数和滤波器类型,以确保在降噪的同时不会对图像的细节造成太大的影响。同时,还需要考虑计算时间和内存占用等因素。
上述技术方案的有益效果:首先准确确定目标阈值,根据降噪图像构建图像金字塔;计算图像金子塔中每个图像块的信息熵,并与目标阈值进行比较,筛选出信息熵大于目标阈值的图像块,作为特征区域,提取特征区域对应的局部图像,便于准确确定局部图像,即进行特征提取的图像区域,避免对降噪图像的全部区域进行特征提取,减少图像处理量,提高图像处理速率。
优选的,还包括,调节模块,用于:
在危化品车辆使用自适应定速巡航时,检测危化品车辆的发动机产生的声音信号;
对所述声音信号进行分帧处理,得到P帧子信号,对每帧子信号进行信号提取,确定一帧子信号中高音频值和低音频值,并形成第一矩阵;第一矩阵为P行2列的值,对第一矩阵进行降噪处理,得到第二矩阵:
;
其中,为第二矩阵的第i行t列的值,也就是对/>进行降噪处理后的值;为第一矩阵的第i行t列的值;/>为自然常数,i=1、2、3……P,t=1、2; />为第一矩阵的第s行t列的值;/>为第一矩阵的第j行t列的值;
计算第二矩阵的调节系数:
;/>
其中,为第二矩阵的第t列的调节系数;/>为第一矩阵的第l行s列的值;
根据调节系数进行噪声消除处理。
上述技术方案的工作原理及有益效果:在危化品车辆使用自适应定速巡航时,为避免在行驶过程中,噪声对驾驶人员的影响,对危化品车辆的发动机产生的声音信号进行降噪处理,提高用户体验,便于驾驶人员可以更加专一的驾驶车辆,提高车辆驾驶的安全性。在对声音信号进行降噪处理的过程中,一帧声音信号中可能同时存在高音频和低音频。声音信号是一种连续的波动现象,可以表现为不同频率的振动。高音频和低音频分别指声音信号中频率较高的部分和频率较低的部分。设定分割阈值(经过多次实验获取的),确定声音信号的音频值,将大于分割阈值的音频值确定为高音频值,将小于分割阈值的音频值确定为低音频值。在一帧声音信号中,不同频率的振动会同时存在,形成复杂的声波信号。首先对每帧子信号进行信号提取,确定高音频值和低音频值,并形成第一矩阵,对第一矩阵进行降噪处理,得到第二矩阵,消除噪声数据的影响,然后准确计算出第二矩阵的每列的调节系数,调节模块根据调节系数进行噪声消除处理,便于准确的消除驾驶过程中发动机产生的噪声,提高驾驶人员的体验。
本发明提供另一种技术方案,基于AI的高速公路危化品车辆车流监控的方法,包括以下步骤:
第一步:先通过危化品车辆信息录入单元将行驶的危化品车辆以及驾驶人员信息进行对应;
其中,根据对危化品车辆信息的录入可以进一步的了解该车辆的具体信息、运输的危化品种类以及车辆行驶的路径和终点信息,传感器出现异常后在终端上进行输入,则会通知工作人员对异常的传感器进行维修,进一步的提高了传感器对危化品车辆进行监测的时效性;
第二步:当驾驶员在进行危化品运输时通过危险品车辆行驶监测单元对车辆在行驶过程中路径的安全情况以及驾驶员的安全驾驶情况进行实时监测;
其中,当驾驶员驾驶疲劳后驾驶员眨眼频率、打哈欠频率和加速变化频率会出现相对应的变化,确认该驾驶员出现驾驶疲劳后,车内监控传感器则通过语音的方式对驾驶员进行语音提醒,进一步降低了因驾驶疲劳出现的驾驶风险;
第三步:当驾驶员在路径服务区进行停靠时通过危化品车辆停靠监测单元与停靠的服务区进行实时确认,并对停靠区域进行监控;
其中,根据行驶车辆的停靠时间,对超出预订停靠时间的行驶车辆进行疏散,当发生危化品车辆安全事件时,根据危化品车辆装载的危化品,自动触发应急预案,极速进行应急处置。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (5)
1.基于AI的高速公路危化品车辆车流监控系统,其特征在于,包括:
危化品车辆信息录入单元,用于:
将装载危化品的车辆基本信息进行录入,其中,车辆基本信息包括车型、装载重量、车牌号、驾驶员信息,车辆基本信息录入完成后将车辆传感器信息进行录入,其中,车辆传感器信息包括车内监控传感器、车外摄像传感器、空气检测传感器、温湿度检测传感器;
危险品车辆行驶监测单元,用于:
对驾驶员的驾驶行为数据以及行驶路径中的车流情况进行实时监测,其中,驾驶员的驾驶行为数据通过车内监控传感器进行监测,行驶路径的车流情况通过车外摄像传感器进行监测,并分别对监测结果进行获取并分析;
危化品车辆停靠监测单元,用于:
当危化品车辆停靠在服务区时,通过车辆传感器将危化品车辆停靠的实时信息进行监测,并且,将实时监测数据进行数据分析,根据分析结果对危化品车辆在停靠时的危险程度进行评估;
所述危化品车辆停靠监测单元,包括:
停靠安全监测模块,用于:
驾驶员在移动终端上提前确认将要停靠的服务区,当服务区接收到行驶车辆将要停靠的信息后,服务区的工作人员为该行驶车辆做出应对准备,其中,行驶车辆到达服务区后,服务区的工作人员对该行驶车辆的停靠时间进行确认;
当行驶车辆停靠在服务区内的指定位置后,根据车外摄像传感器对车辆周围进行密度监测;
先将车外摄像传感器获取的监控数据进行获取,监控数据获取后对监控数据进行亮度检测,根据检测结果选择适配的亮度补偿函数,其中,亮度补偿函数根据当前是黑夜还是白天进行选择;
利用亮度补偿函数对监控数据进行补偿,获取补偿后的监控数据;
对补偿后的监控数据进行分帧处理,获取处理结果;
将处理结果中的每帧图像进行人物特征点提取,获取特征点提取结果;
将每帧图像的特征点提取结果进行对比,选择出在每帧图像中均出现的目标人物特征点;
根据目标人物特征点计算出补偿后的监控数据中的当前人流量;
将行驶车辆停靠区域的最大人流量数据进行获取;
根据最大人流量和当前人流量计算出该行驶车辆当前停靠的人流密度系数;
根据行驶车辆当前停靠的人流密度系数分析出行驶车辆停靠区域的人流密度;
根据行驶车辆停靠区域的人流密度判断停靠车辆周围是否有异常人员靠近;
若人流密度异常时,则通过车外摄像传感器进行提示和驱离,并将提示和驱离信息发送是服务区管理处和驾驶员的移动终端;
区域安全监测模块,用于:
根据空气检测传感器和温湿度检测传感器对行驶车辆停靠区域进行空气成分和温湿度的监测;
当空气检测传感器监测出行驶车辆停靠区域的空气浓度异常时,则对异常信息发送至服务区管理处和驾驶员的移动终端,其中,当行驶车辆停靠区域的空气中危化品的浓度超出预设阈值范围内时,则判定该区域的空气浓度异常;
当温湿度检测传感器监测出行驶车辆停靠区域内的温度和湿度超出预设阈值时,则判定该区域的温度和湿度为异常,将异常信息发送至服务区管理处和驾驶员的移动终端;
停靠安全监测模块,包括:
特征提取模块,用于:
将处理结果中的每帧图像进行人物特征点提取,获取特征点提取结果;
特征提取模块,包括:
转换模块,用于获取每帧图像在RGB颜色空间中每个像素点的R通道值、G通道值和B通道值,并计算出平均通道值,并根据平均通道值将每帧图像由三通道图像转换为单通道图像;
W(x,y)=(R(x,y)+G(x,y)+B(x,y))/3
其中,W(x,y)为在(x,y)处像素点的平均通道值;R(x,y)、G(x,y)、B(x,y)为在(x,y)处像素点的R通道值、G通道值和B通道值;
降噪模块,用于基于双边滤波模板对单通道图像进行滤波处理得到降噪图像;
确定模块,用于在降噪图像中确定特征区域,提取特征区域对应的局部图像;
修正模块,用于:
基于小波基函数Haar,确定小波变换的平移范围及变换尺度的数目及范围,对局部图像进行小波变换,将局部图像分解成不同频率的子信号,这些子信号包含了局部图像在不同时间和频率上的信息;
提取不同频率的子信号小波变换的系数,并进行排序,选择中位数,作为阈值T;
将小波系数分为两部分,一部分是绝对值大于阈值T的小波系数,另一部分是绝对值小于等于T的小波系数;对于绝对值大于T的小波系数,保留它们的绝对值不变;对于绝对值小于等于T的小波系数,将它们设为0;对处理后的小波系数进行反变换,得到修正局部图像;
处理模块,用于基于SURF算法对修正局部图像进行人物特征点提取,获取特征点提取结果;
确定模块,包括:
计算模块,用于:
将降噪图像划分成多个均匀的子区域,每个子区域进行直方图均衡化处理,得到均衡子区域;
统计均衡子区域中每个灰度级别的像素点数量;
计算每个灰度级别的像素点数量与均衡子区域中总像素点数量的比值,根据所述比值基于预设算法,计算均衡子区域的信息熵;
根据每个均衡子区域的信息熵,选取具有最大熵的均衡子区域作为初始阈值;
根据初始阈值将降噪图像分割成第一区域和第二区域;其中,第一区域的像素值大于初始阈值;第二区域的像素值小于初始阈值;
对第一区域和第二区域分别进行直方图均衡化,并重新计算第一区域的第一信息熵和第二区域的第二信息熵;
在确定第一信息熵和第二信息熵的和值小于所有均衡子区域的信息熵的平均值时,将所述初始阈值作为目标阈值;
比较模块,用于:
根据降噪图像构建图像金字塔;
计算图像金子塔中每个图像块的信息熵,并与目标阈值进行比较,筛选出信息熵大于目标阈值的图像块,作为特征区域,提取特征区域对应的局部图像;
还包括,调节模块,用于:
在危化品车辆使用自适应定速巡航时,检测危化品车辆的发动机产生的声音信号;
对所述声音信号进行分帧处理,得到P帧子信号,对每帧子信号进行信号提取,确定一帧子信号中高音频值和低音频值,并形成第一矩阵;第一矩阵为P行2列的值,对第一矩阵进行降噪处理,得到第二矩阵;
;
其中,为第二矩阵的第i行t列的值,也就是对/>进行降噪处理后的值;/>为第一矩阵的第i行t列的值;/>为自然常数,i=1、2、3……P,t=1、2; />为第一矩阵的第s行t列的值;/>为第一矩阵的第j行t列的值;
计算第二矩阵的调节系数;
;
其中,为第二矩阵的第t列的调节系数;/>为第一矩阵的第l行s列的值;
根据调节系数进行噪声消除处理。
2.根据权利要求1所述的基于AI的高速公路危化品车辆车流监控系统,其特征在于:所述危化品车辆信息录入单元,包括:
基本信息录入模块,用于:
将装载危化品车辆的车牌号、车辆型号、危化品种类以及路径终点信息进行录入,其中,将信息录入至行驶数据库中;
从驾驶员数据库中将该次运输车辆的驾驶员信息进行调取;
将驾驶员的信息对应至该次行驶车辆的信息中,并将车牌号、车辆型号、危化品种类以及路径终点信息导入至驾驶员的移动终端上;
传感器信息确认模块,用于:
驾驶员对车辆的安装的传感器进行检测;
其中,车内监控传感器安装在驾驶舱内,用于监测驾驶员的驾驶行为,车外摄像传感器、空气检测传感器和温湿度检测传感器分别安装在车辆外部,用于监测车辆在停靠时的安全行为;
驾驶员对车内监控传感器、车外摄像传感器、空气检测传感器和温湿度检测传感器是否可以正常使用进行检测;
若车内监控传感器、车外摄像传感器、空气检测传感器和温湿度检测传感器可以进行正常使用,驾驶员在移动终端上进行输入,则该行驶车辆可以进行正常行驶上路;
若车内监控传感器、车外摄像传感器、空气检测传感器和温湿度检测传感器不可以进行正常使用,驾驶员在移动终端上进行输入,则通知工作人员对异常传感器进行维修。
3.根据权利要求1所述的基于AI的高速公路危化品车辆车流监控系统,其特征在于:所述危险品车辆行驶监测单元,包括:
疲劳监测模块,用于:
根据车内监控传感器中采集的驾驶员的驾驶行为数据,对驾驶行为数据进行疲劳分析;
从驾驶行为数据中提取出驾驶员的眨眼频率、打哈欠频率和加速变化频率;
对提取的眨眼频率、打哈欠频率和加速变化频率的参数进行辨识,获取辨识结果;
根据驾驶行为数据中的驾驶员的眨眼频率、打哈欠频率和加速变化频率以及每项参数的辨识结果计算出驾驶员在驾驶过程中的异常系数;
确认异常系数是否大于预设系数,若是,基于所述驾驶行为获得驾驶员的多帧驾驶图像,否则,确认驾驶员未疲劳驾驶;
提取每帧驾驶图像中的人眼特征因子;
根据每帧驾驶图像中的人眼特征因子筛选出疲劳特征和眼部规范特征;
根据每帧图像中的人眼特征因子中的疲劳特征和眼部规范特征计算出驾驶员的疲劳度;
确认驾驶员的疲劳度是否大于等于预设阈值,若是,确认驾驶员疲劳驾驶,否则,确认实际未疲劳驾驶;
若确认驾驶员为疲劳驾驶时,则车内监控传感器进行声控警报。
4.根据权利要求3所述的基于AI的高速公路危化品车辆车流监控系统,其特征在于:所述危险品车辆行驶监测单元,还包括:
车流反馈模块,用于:
先将行驶车辆的行驶路径流量数据进行获取,其中,行驶路径流量数据的采集方式包括ETC门架视频监控、路径流量计数、GPS定位;
ETC门架视频监控是将驾驶车辆当前通过的ETC门架的所有车辆的数量信息,其中,ETC门架视频监控装置将通过的所有车辆数量进行统计,统计完成后将数据发送至驾驶员的移动终端;
路径流量计数是将驾驶车辆行驶的道路上车流信息,其中,路径流量计数将该路段的车流信息进行获取,车流信息获取后判断该行驶路段是否出现车流堵塞的情况;
GPS定位是对驾驶车辆的位置、速度和行驶轨迹进行实时监测,根据驾驶车辆位置以及车辆数据和车流数据的确认判断驾驶车辆路径的行驶车流数据。
5.一种如权利要求1-4任一项所述的基于AI的高速公路危化品车辆车流监控系统的监控方法,其特征在于,包括以下步骤:
第一步:先通过危化品车辆信息录入单元将该次行驶的危化品车辆以及驾驶人员信息进行对应;
第二步:当驾驶员在进行危化品运输时通过危险品车辆行驶监测单元对车辆在行驶过程中路径的安全情况以及驾驶员的安全驾驶情况进行实时监测;
第三步:当驾驶员在路径服务区进行停靠时通过危化品车辆停靠监测单元与停靠的服务区进行实时确认,并对停靠区域进行监控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311823288.8A CN117465460B (zh) | 2023-12-27 | 2023-12-27 | 基于ai的高速公路危化品车辆车流监控系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311823288.8A CN117465460B (zh) | 2023-12-27 | 2023-12-27 | 基于ai的高速公路危化品车辆车流监控系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117465460A CN117465460A (zh) | 2024-01-30 |
CN117465460B true CN117465460B (zh) | 2024-03-22 |
Family
ID=89624209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311823288.8A Active CN117465460B (zh) | 2023-12-27 | 2023-12-27 | 基于ai的高速公路危化品车辆车流监控系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117465460B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103294013A (zh) * | 2012-02-29 | 2013-09-11 | 江阴中科今朝科技有限公司 | 危化品运输全程监管系统及方法 |
CN105761490A (zh) * | 2016-04-22 | 2016-07-13 | 北京国交信通科技发展有限公司 | 对危化品运输车辆在服务区停靠的预警方法 |
CN217495975U (zh) * | 2022-06-20 | 2022-09-27 | 中国联合网络通信集团有限公司 | 车辆安全系统 |
CN115359462A (zh) * | 2022-08-08 | 2022-11-18 | 浙江工业大学 | 公交驾驶员疲劳参数补偿以及双轨并行检测方法 |
CN116176413A (zh) * | 2023-02-23 | 2023-05-30 | 江苏五城共聚科技控股有限公司 | 一种危化品运输车驾驶员危险行为感知系统及方法 |
CN116342013A (zh) * | 2023-03-29 | 2023-06-27 | 山西省交通信息通信有限公司 | 基于边缘计算的服务区危化品车辆智能监管系统及方法 |
CN219446963U (zh) * | 2022-09-01 | 2023-08-01 | 新奥(舟山)液化天然气有限公司 | 一种用于运输车辆的司机困倦识别告警装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113223270B (zh) * | 2021-04-26 | 2023-02-28 | 西安建筑科技大学 | 基于计算机视觉技术的疲劳驾驶监测提醒预警方法及系统 |
-
2023
- 2023-12-27 CN CN202311823288.8A patent/CN117465460B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103294013A (zh) * | 2012-02-29 | 2013-09-11 | 江阴中科今朝科技有限公司 | 危化品运输全程监管系统及方法 |
CN105761490A (zh) * | 2016-04-22 | 2016-07-13 | 北京国交信通科技发展有限公司 | 对危化品运输车辆在服务区停靠的预警方法 |
CN217495975U (zh) * | 2022-06-20 | 2022-09-27 | 中国联合网络通信集团有限公司 | 车辆安全系统 |
CN115359462A (zh) * | 2022-08-08 | 2022-11-18 | 浙江工业大学 | 公交驾驶员疲劳参数补偿以及双轨并行检测方法 |
CN219446963U (zh) * | 2022-09-01 | 2023-08-01 | 新奥(舟山)液化天然气有限公司 | 一种用于运输车辆的司机困倦识别告警装置 |
CN116176413A (zh) * | 2023-02-23 | 2023-05-30 | 江苏五城共聚科技控股有限公司 | 一种危化品运输车驾驶员危险行为感知系统及方法 |
CN116342013A (zh) * | 2023-03-29 | 2023-06-27 | 山西省交通信息通信有限公司 | 基于边缘计算的服务区危化品车辆智能监管系统及方法 |
Non-Patent Citations (1)
Title |
---|
基于小波包-Haar小波变...磁检测信号降噪数据压缩方法;宋志强等;《机床与液压》;20170115(第第2期期);第126-129页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117465460A (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108372785B (zh) | 一种基于图像识别的汽车非安全驾驶检测装置及检测方法 | |
CN109409337B (zh) | 基于卷积神经网络的渣土车特征识别方法 | |
JP7407198B2 (ja) | ながら運転のモニタリング方法、システム及び電子機器 | |
CN112389448A (zh) | 一种基于车辆状态和驾驶员状态的异常驾驶行为识别方法 | |
CN111629181B (zh) | 消防生命通道监控系统及方法 | |
CN110610137B (zh) | 检测车辆行驶状态的方法、装置以及电子设备、存储介质 | |
CN105825711A (zh) | 一种车辆障碍物的预警方法及装置 | |
CN107093180A (zh) | 使用轮胎向后飞溅的基于视觉的潮湿路面状况检测 | |
CN109643488B (zh) | 交通异常事件检测装置及方法 | |
CN106650730A (zh) | 汽车变道过程中的转向灯检测方法和系统 | |
CN111191604A (zh) | 检测车牌完整性的方法、设备和存储介质 | |
CN117465460B (zh) | 基于ai的高速公路危化品车辆车流监控系统及方法 | |
CN111563468A (zh) | 一种基于神经网络注意力的驾驶员异常行为检测方法 | |
Doycheva et al. | Computer vision and deep learning for real-time pavement distress detection | |
CN112561967A (zh) | 一种车辆门锁的控制方法及装置 | |
JP2017033371A (ja) | 車両特定装置およびこれを備えた車両特定システム | |
CN114841483A (zh) | 一种物流货运车辆的安全监控方法及系统 | |
CN109895694B (zh) | 一种车道偏离预警方法、装置及车辆 | |
CN113378628B (zh) | 一种道路障碍物区域检测方法 | |
CN114882552A (zh) | 基于深度学习的营运车内人员口罩佩戴状态检查方法 | |
CN114170798B (zh) | 消息提醒系统以及方法 | |
CN115862167A (zh) | 道闸控制方法、装置、计算机设备和存储介质 | |
CN104240510B (zh) | 一种城市交通电子卡口系统及其检测方法 | |
Punjabi et al. | Intelligent pothole detection system | |
CN108932453B (zh) | 一种车辆备胎检测方法及装置 |
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 |