CN117877265A - 基于视频ai分析的高速公路监控预警与处置管控系统 - Google Patents
基于视频ai分析的高速公路监控预警与处置管控系统 Download PDFInfo
- Publication number
- CN117877265A CN117877265A CN202410103809.0A CN202410103809A CN117877265A CN 117877265 A CN117877265 A CN 117877265A CN 202410103809 A CN202410103809 A CN 202410103809A CN 117877265 A CN117877265 A CN 117877265A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- monitoring
- vehicle
- early warning
- video
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 257
- 230000002159 abnormal effect Effects 0.000 claims abstract description 260
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000008569 process Effects 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 31
- 230000001360 synchronised effect Effects 0.000 claims abstract description 20
- 238000002955 isolation Methods 0.000 claims description 34
- 230000005856 abnormality Effects 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 28
- 239000011159 matrix material Substances 0.000 claims description 28
- 230000011218 segmentation Effects 0.000 claims description 21
- 238000012790 confirmation Methods 0.000 claims description 16
- 239000003550 marker Substances 0.000 claims description 14
- 230000033001 locomotion Effects 0.000 claims description 12
- 230000002457 bidirectional effect Effects 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 5
- 239000003086 colorant Substances 0.000 claims description 4
- 238000010586 diagram Methods 0.000 abstract description 9
- 206010039203 Road traffic accident Diseases 0.000 description 14
- 230000009286 beneficial effect Effects 0.000 description 12
- 206010013954 Dysphoria Diseases 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000012806 monitoring device Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 241001244708 Moroccan pepper virus Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 210000004258 portal system Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Closed-Circuit Television Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于视频AI分析的高速公路监控预警与处置管控系统,包括:数据库建立模块、视频AI分析模块、预警管控模块以及处置跟踪模块,通过视频AI分析识别异常预警事件、交通流参数、重点车辆,完成了高速公路海量监控视频的同步处理,实现了高速公路全线异常状况和拥堵的自主、实时监控与预警,并基于高速公路线路图和监控视频画面支撑监控人员快速定位异常位置和原因,并通过即时消息发布手段对预警事件进行及时发布、实时跟踪,完成处置进程信息同步更新,实现交通管控多方的快速联勤联动与指挥调度。
Description
技术领域
本发明涉及交通管控技术领域,特别涉及一种基于视频AI分析的高速公路监控预警与处置管控系统。
背景技术
随着视频云联网和ETC门架系统的建设投运,高速公路管理颗粒度越来越精细,由原来仅局限于站与站之间,到现在实现高速公路主线全覆盖,随之带来的,是数据呈几何倍激增。其中视频图像数据体量大,占用存储资源大,而对这些数据资产的分析和应用十分有限。
迎接数字时代,激活数据要素潜能,推进交通强国建设,加快建设数字交通,以数字化转型整体驱动生产方式、生活方式和治理方式变革,路段收费监控与运营管理也将呈现信息系统集约化、管理智慧化、数据可视化等发展趋势。
然而,目前大部分路段运营单位在日常监控管理和收费运营中还是存在一定的问题和不足:(1)路段监控业务系统众多且独立,包括交通监控、视频监控、隧道监控、服务区监控等系统,数据无法交互、系统无法联动,造成硬件浪费、监控工作效率不高。(2)大量视频图像数据分散在不同系统或设备,缺乏对视频图像数据的统一管理与分析应用,导致监而不管、监而不控的状态,无法充分发挥监控资源作用。(3)部分路段无法及时获取路网运行信息,仍停留于巡检上报和用户反馈机制,日常监控管理和应急处置没有统一闭环处置机制,难以确保信息上报、决策下达的准确性和时效性,信息无法追溯与统计,使得快速协调,指挥调度协同效率较低。
因此如何进行有效的分析高速公路实时监控,并将这些信息用于高速指挥调度体系,是高速公路行业主管部门与运营企业面临的重大挑战。因此本发明提出一种基于视频AI分析的高速公路监控预警与处置管控系统。
发明内容
本发明提供一种基于视频AI分析的高速公路监控预警与处置管控系统,用以解决上述问题,通过视频AI分析识别异常预警事件、交通流参数(车流量、车型、车速、车头时距、排队、拥堵等)、重点车辆(两客一危),完成了高速公路海量监控视频的同步处理,实现了高速公路全、线异常状况、拥堵的自主、实时监控与预警,并基于高速公路路线图和监控视频画面快速定位异常位置和原因,并通过即时消息发布手段对预警事件进行及时发布、实时跟踪,完成处置进程信息同步更新,实现交通管控的多方的快速联勤联动与指挥调度。
本发明提供一种基于视频AI分析的高速公路监控预警与处置管控系统,包括:
数据库建立模块,用于获取大量多类型监测车辆对应的描述信息,并基于描述信息,建立识别标准数据库;
视频AI分析模块,用于基于识别标准数据库,对云平台采集到的高速公路监控视频流进行AI分析,获取高速公路对应的交通流参数,并确定异常预警事件;
预警管控模块,用于基于AI分析结果确定异常预警事件对应的异常原因,并进行异常事件定位,获得异常位置,基于异常原因以及异常位置,生成预警信号,并进行预警及时发布;
处置跟踪模块,用于对异常预警事件的处置过程进行跟踪监测,并根据跟踪监测结果,进行异常预警事件处置进程的同步更新。
优选的,在一种基于视频AI分析的高速公路监控预警与处置管控系统中,数据库建立模块,包括:
特征信息整合单元,用于多方面获取大量多类型监测车辆对应的多种描述信息,确定不同款式监测车辆对应的车辆外观特征;
基于监测车辆对应的车辆类型对不同款式车辆对应的车辆外观特征进行聚类,获得多个特征集,分别对各个特征集内的车辆外观特征进行融合,获得不同类型车辆对应的最终外观特征;
重点标注单元,用于对重点车辆对应的最终外观特征进行重点监测标记;
数据库建立单元,用于根据最终外观特征及其对应的车辆类型,建立识别标准数据库。
优选的,在一种基于视频AI分析的高速公路监控预警与处置管控系统中,视频AI分析模块,包括:
数据隔离单元,用于基于高速公路视频流对应的监控分段数量,建立多个隔离分析区域,并将高速公路上不同监控分段对应的视频流发送至对应的隔离分析区域;
AI分析单元,用于在隔离分析区域内,对目标检测位置对应的多个视频流进行预处理,获得目标监控分段对应的全景视频流;
基于识别标准数据库,对全景视频流进行监测车辆识别,根据识别结果,采用不同类型车辆对应颜色的标记框对监测车辆进行标记,获得标记视频;
对标记视频进行标记框信息采集,获取标记框数量信息以及位置信息,基于标记框数量信息以及位置信息,确定目标监控分段的双向交通流量、双向交通密度、车辆间距以及车辆移动速度,得到目标监控分段的交通流参数以及异常预警事件检测结果;
等级确定单元,用于在确定监控分段存在异常预警事件后,接收异常原因鉴定返还结果,并基于预设事故伤残鉴定模型对异常预警事件进行评估,确定事件预测等级。
优选的,在一种基于视频AI分析的高速公路监控预警与处置管控系统中,数据隔离单元,包括:
视频整理子单元,用于在云平台接收到各个监控分段对应的高速公路监测视频流,并根据监控分段对应的高速公路定位编号,分别对各个高速公路监测视频流进行编码,并根据编码序号进行顺序整理,生成视频流矩阵;
自动隔离子单元,用于基于视频流矩阵,将高速公路上不同监控分段对应的视频流发送至对应的隔离分析区域等待处理。
优选的,在一种基于视频AI分析的高速公路监控预警与处置管控系统中,AI分析单元,包括:
预处理子单元,用于在隔离分析区域接收到对应的多个高速公路监测视频后,获取各个高速公路监测视频对应的视频拍摄位置的相对关系,基于相对关系,确定多个高速公路监测视频流之间的画面关联关系;
根据画面关联关系,确定多个高速公路监测视频流的同频视频帧的背景重叠区域,并结合监控分段对应的主监测车流方向,生成区域略过向量,同时基于背景重叠区域,分别对每个高速公路视频流画面进行重叠边界标记;
对多个高速公路监测视频流的同步视频帧的背景重叠区域进行监测车辆定位,确定重复车辆,对重复车辆进行完整性检测,判断重叠区域是否存在非完整车辆,若存在,基于非完整车辆对应的车辆行驶方向,结合区域略过向量,确定非完整车辆所在的非重叠区域;
基于重叠边界线,获取非完整车辆所在重叠区域的第一分割边缘特征以及所在非重叠区域的第二分割边缘特征,根据第一分割边缘特征以及第二分割边缘特征,对非完整车辆进行拼接,获得非完整车辆对应的车辆全景,基于车辆全景在重叠区域对非完整车辆进行虚拟补全,根据虚拟补全结果,以重叠边界线上各个像素点的对应关系对同步视频帧进行实时画面拼接,获得全景视频流,并根据视频流矩阵建立对应的全景视频流矩阵;
显示存储子单元,用于基于全景视频流矩阵将全景视频流发送至显示矩阵对应位置进行显示,并按照全景视频流对应编码进行存储。
优选的,在一种基于视频AI分析的高速公路监控预警与处置管控系统中,AI分析单元,还包括:
持续跟踪分析子单元,用于在检测到重点监测标记车辆后,基于重点车辆的当前已行驶路线路以及高速公路线路图,预测重点标记车辆的预测路线;
实时获取重点标记车辆对应的实时驾驶信息,基于实时驾驶信息确定重点标记车辆到达预测路线上未经过监控分段的实际距离,当所述实际距离达到预设阈值时,基于通信模向未经过监控分段对应的视频中的全部监测车辆发送中的标记车辆来向通知;
同时,基于实时驾驶信息对驾驶人驾驶状态进行预测,在判定驾驶人当前驾驶状态处于危险状态时,基于高速公路线路图,确定重点标记车辆当前所在位置的最近紧急停靠区域生成紧急停靠通知,并通过远程通信模块向重点标记车辆定向发送紧急停靠通知,同时,基于沿路情报板向重点标记车辆当前所在位置预设范围内的全部监测车辆发送重点车辆停靠注意通知。
优选的,在一种基于视频AI分析的高速公路监控预警与处置管控系统中,预警管控模块,包括:
异常定位单元,用于基于异常预警事件发生检测位置的多个高速公路监测视频流对应的有效监测区域以及异常预警事件在各个视频流画面中所在的位置,确定异常预警事件发生的异常位置;
异常分析单元,用于获取异常预警事件对应的异常标记车辆的相关事件特征参数,基于相关事件特征参数,确定异常标记车辆在异常位置与多个相邻监测车辆之间的相对位置关系以及相对移动轨迹;
根据相对位置关系以及相对移动轨迹,判断异常标记车辆是否存在异常并发车辆,若是,则判定异常预警事件为第一异常原因;
否则,获取异常标记车辆的实际移动轨迹,基于实际移动轨迹,判断异常标记车辆是否撞在高速公路上的固定交通设施上,若是,则判定异常预警事件为第二异常原因;
否则,判定异常预警事件为第三异常原因;
当异常位置存在多个异常标记车辆时,分别获取各个异常标记车辆对应的异常预警事件的异常原因进行整合,得到所述异常预警事件的最终异常原因;
否则,将异常标记车辆对应的异常原因作为最终异常原因;
并将最终异常原因作为异常原因返还结果发送至AI分析模块;
预警单元,用于根据异常预警事件对应的异常原因以及异常位置,生成预警信号,并根据异常原因对应的事件预测等级对预警信号进行不同等级的及时发布。
优选的,在一种基于视频AI分析的高速公路监控预警与处置管控系统中,预警管控模块,还包括:
自动跟踪单元,用于在确认异常标记车辆为第一异常原因时,获取异常标记车辆对应的AI分析结果,确定异常标记车辆对应的并发异常车辆,对异常预警事件现场进行目标识别,确定暂停车辆并与并发异常车辆进行对比,判断并发异常车辆是否都暂停等待处理;
若是,则将异常标记车辆对应的交通异常事故发送至处置跟踪模块进行处理;
否则,对异常预警事件进行事故溯源,根据溯源结果进行事故视频截取,获得目标短视频;
获取目标短视频对异常标记车辆及其对应的并发异常车辆进行车辆特征提取,获得事故车辆特征
基于高速公路线路图,将异常位置后的预设路程内的多个监控分段作为目标监控分段,将事故车辆特征同步发送至目标检测位置,并根据事故车辆特征控制目标监控分段进行逃逸车辆捕获,锁定逃逸车辆;
根据逃逸车辆锁定结果进行接力跟踪,获得逃逸车辆实时跟踪结果,将实时跟踪结果发布至实时异常预警事件的及时发布信息中。
优选的,在一种基于视频AI分析的高速公路监控预警与处置管控系统中,处置跟踪模块,包括:
重点提示单元,用于基于就近原则将异常预警事件发送至交通管控单位,并等待处理确认,当等待时间到达预设时长且未收到确认反馈信息时,向最近交通管控单位发送催促通知;
进程跟踪单元,用于在收到接收确认反馈信息后,实时获取交通管控单位对异常预警事件处置流程以及状态进行实时更新。
优选的,在一种基于视频AI分析的高速公路监控预警与处置管控系统中,还包括:
远程管控模块,用于获取显示矩阵上的实时操作信息,基于实时操作信息,向交通管控单位开放云平台远程对话权限,基于物联网接通管控单位与实时操作目标之间的管控对话通道;
交通管控单位通过所述管控对话通道,向对应监测车辆的驾驶人发送语音。
与现有技术相比,本发明至少存在以下有益效果:本发明通过数据库建立模块获取大量多类型监测车辆对应的描述信息,并基于描述信息,建立识别标准数据库,为AI分析过程中的目标识别提供标准,有效提高AI分析过程中检测车辆识别精度;通过视频AI分析模块基于识别标准数据库,对云平台采集到的高速公路监控视频流进行AI分析,获取高速公路对应的交通流参数,并确定异常预警事件;实现了高速公路监控视频的同一管理的同时实时了交通数据以及交通事故的自动识别,然后通过预警管控模块基于AI分析结果确定异常预警事件对应的异常原因,并进行异常事件定位,获得异常位置,基于异常原因以及异常位置,生成预警信号,并进行预警及时发布,有效提高异常预警事件发布的时效性,并主动向交通管理部门提供预警通知,确保交通管控部门及时发现异常交通问题及时做出相应的管控措施,有效提高交通管控单位高速公路管理能力以及交通事处理及时向,为驾驶人提供良好的通行体验;通过处置跟踪模块对异常预警事件的处置过程进行跟踪监测,并根据跟踪监测结果,进行异常预警事件处置进程的同步更新,方便驾驶人及时了解导致拥堵事故的实时处理进程,一定程度上环缓解驾驶人在拥堵等待过程中烦躁情绪。本发明为通过视频AI分析识别异常预警事件、交通流参数(车流量、车型、车速、车头时距、排队、拥堵等)、重点车辆(两客一危),完成了高速公路海量监控视频的同步处理,实现了高速公路全、线异常状况、拥堵的自主、实时监控与预警,并基于高速公路路线图和监控视频画面快速定位异常位置和原因,并通过即时消息发布手段对预警事件进行及时发布、实时跟踪,完成处置进程信息同步更新,实现交通管控的多方的快速联勤联动与指挥调度。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在本申请文件中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明一种基于视频AI分析的高速公路监控预警与处置管控系统的示意图;
图2为本发明一种基于视频AI分析的高速公路监控预警与处置管控系统数据库建立模块的示意图;
图3为本发明一种基于视频AI分析的高速公路监控预警与处置管控系统视频AI分析模块的示意图;
图4为本发明一种基于视频AI分析的高速公路监控预警与处置管控系统预警管控模块的示意图;
图5为本发明一种基于视频AI分析的高速公路监控预警与处置管控系统处置跟踪模块的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本发明提供一种基于视频AI分析的高速公路监控预警与处置管控系统,:如图1所示,包括:
数据库建立模块,用于获取大量多类型监测车辆对应的描述信息,并基于描述信息,建立识别标准数据库;
视频AI分析模块,用于基于识别标准数据库,对云平台采集到的高速公路监控视频流进行AI分析,获取高速公路对应的交通流参数,并确定异常预警事件;
预警管控模块,用于基于AI分析结果确定异常预警事件对应的异常原因,并进行异常事件定位,获得异常位置,基于异常原因以及异常位置,生成预警信号,并进行预警即时发布;
处置跟踪模块,用于对异常预警事件的处置过程进行跟踪监测,并根据跟踪监测结果,进行异常预警事件处置进程的同步更新。
本实施例中,识别标准数据库是指存放了多种类型车辆的外观特征的数据库。
本实施例中,交通流程参数包括车流量、车型、车速、车头时距、路况(例如排队、拥堵)等。
监测车辆是指高速公路上监控视频缓慢中可以看到的全部车辆。
本实施例中,异常预警事件是指交通事故包括但不限于车辆抛锚、车辆碰撞、车辆货物散落。
本实施例中,异常原因是指交通事故的发生原因。异常位置是指发送交通事故的位置。
本实施例中,即时发布包括多种渠道,例如通过钉钉、短信、电话、导航软件、手机App等。
本实施例中,交通处置是指交通管控单位对交通事故的处理。
上述技术方案的有益效果:本发明通过数据库建立模块获取大量多类型监测车辆对应的描述信息,并基于描述信息,建立识别标准数据库,为AI分析过程中的目标识别提供标准,有效提高AI分析过程中检测车辆识别精度;通过视频AI分析模块基于识别标准数据库,对云平台采集到的高速公路监控视频流进行AI分析,获取高速公路对应的交通流参数,并确定异常预警事件;实现了高速公路监控视频的同一管理的同时实时了交通数据以及交通事故的自动识别,然后通过预警管控模块基于AI分析结果确定异常预警事件对应的异常原因,并进行异常事件定位,获得异常位置,基于异常原因以及异常位置,生成预警信号,并进行预警即时发布,有效提高异常预警事件发布的时效性,并主动向交通管理部门提供预警通知,确保交通管控部门及时发现异常交通问题及时做出相应的管控措施,有效提高交通管控单位高速公路管理能力以及交通事处理及时向,为驾驶人提供良好的通行体验;通过处置跟踪模块对异常预警事件的处置过程进行跟踪监测,并根据跟踪监测结果,进行异常预警事件处置进程的同步更新,方便驾驶人及时了解导致拥堵事故的实时处理进程,一定程度上环缓解驾驶人在拥堵等待过程中烦躁情绪。本发明为通过视频AI分析识别异常预警事件、交通流参数,成了高速公路海量监控视频的同步处理,实现了高速公路全、线异常状况、拥堵的自主、实时监控与预警,并基于高速公路路线图和监控视频画面快速定位异常位置和原因,并通过即时消息发布手段对预警事件进行及时发布、实时跟踪,完成处置进程信息同步更新,实现交通管控的多方的快速联勤联动与指挥调度。
实施例2:
在实施例1的基础上,数据库建立模块,如图2所示,包括:
特征信息整合单元,用于多方面获取大量多类型监测车辆对应的多种描述信息,确定不同款式监测车辆对应的车辆外观特征;
基于监测车辆对应的车辆类型对不同款式车辆对应的车辆外观特征进行聚类,获得多个特征集,分别对各个特征集内的车辆外观特征进行融合,获得不同类型车辆对应的最终外观特征;
重点标注单元,用于对重点车辆对应的最终外观特征进行重点监测标记;
数据库建立单元,用于根据最终外观特征及其对应的车辆类型,建立识别标准数据库。
本实施例中,重点标记是指对重点监测车辆进行标记,其中重点监测车辆包括两客一危即从事旅游的包车、三类以上班线客车和运输危险化学品、烟花爆竹、民用爆炸物品的道路专用车辆。
本实施例中,多种描述信息包括外观形状、颜色、车长等描述。
本实施例中,车辆外观特征是指不同款式(即不同品牌不同型号)车辆的外观形状、颜色、车长等特征。
本实施例中,特征集是指包含同种类型车辆全部已知款式的数据特征集合,其中,车辆类型包括轿车、SUV、MPV、跑车、普通货车、运输危险化学品的专用货车、越野汽车、自卸汽车、牵引汽车等。
本实施例中,最终外观是指各种车辆类型对应的全部款式对应外观特征融合后的综合特征。
上述技术方案的有益效果:本发明通过特征信息整合单元多方面获取大量多类型监测车辆对应的多种描述信息,确定不同款式监测车辆对应的车辆外观特征;基于监测车辆对应的车辆类型对不同款式车辆对应的车辆外观特征进行聚类,获得多个特征集,分别对各个特征集内的车辆外观特征进行融合,获得不同类型车辆对应的最终外观特征,将已知车辆款式特征进行整理综合,为AI分析过程的精准识别提高可靠基础,避免由于生成商差异导致的检测车辆类型识别误差;并通过重点标注单元对重点车辆对应的最终外观特征进行重点监测标记,为两车一危的重点监测提供基础;最后通过数据库建立单元根据最终外观特征及其对应的车辆类型,建立识别标准数据库,为AI分析过程中的目标识别提供标准,有效提高AI分析过程中检测车辆识别精度。
实施例3:
在实施例1的基础上,视频AI分析模块,如图3所示,包括:
数据隔离单元,用于基于高速公路视频流对应的监控分段数量,建立多个隔离分析区域,并将高速公路上不同监控分段对应的视频流发送至对应的隔离分析区域;
AI分析单元,用于在隔离分析区域内,对目标检测位置对应的多个视频流进行预处理,获得目标监控分段对应的全景视频流;
基于识别标准数据库,对全景视频流进行监测车辆识别,根据识别结果,采用不同类型车辆对应颜色的标记框对监测车辆进行标记,获得标记视频;
对标记视频进行标记框信息采集,获取标记框数量信息以及位置信息,基于标记框数量信息以及位置信息,确定目标监控分段的双向交通流量、双向交通密度、车辆间距以及车辆移动速度,得到目标监控分段的交通流参数以及异常预警事件检测结果;
等级确定单元,用于在确定监控分段存在异常预警事件后,接收异常原因鉴定返还结果,并基于预设事故伤残鉴定模型对异常预警事件进行评估,确定事件预测等级。
本实施例中,高速公路视频流是指高速公路上每个视频监控拍摄的实时视频。
本实施例中,监控分段是指将高速公路上视频监控进行分段,多个监控视频共同监测一段高速公路。
本实施例中,隔离分析区域是指在云平台上建立分析隔离区域,目的是指将每个监控分段的AI分析进行隔离,在避免数据干扰的同时,实现高速公路多监测视频流的同步处理。
本实施例中,全景视频流是指根据目标监控分段多赢的多个视频流拼接形成的监测分段全景对应的视频流。
本实施例中,标记视频是指对检测车辆进行标记的全景视频流。
本实施例中,标记框信息包括标记框数量信息以及位置信息(是指与其他标记框之间的位置关系)。
本实施例中,双向流量是指目标检测分段两个行驶方向的车流量。双向交通密度是指目标检测分段两个行驶方向的车流密度。
本实施例中,异常预警事件检测结果是指目标监测分段内是否存在异常预警事件。
本实施例中,预设事故伤残鉴定模型是指预先训练好的事故伤残鉴定模型。事件预测等级是指异常预警事件的预测伤残等级。
上述技术方案的有益效果:本发明通过数据隔离单元基于高速公路视频流对应的监控分段数量,建立多个隔离分析区域,并将高速公路上不同监控分段对应的视频流发送至对应的隔离分析区域,为高速公路多个视频流的同步处理提供基础,确保高速高炉全线监控数据的同步处理,有效提高视频AI分析结果的失效性,确保在同一时间可以获得高速公路全线实时交通流参数。通过AI分析单元在隔离分析区域内,对目标检测位置对应的多个视频流进行预处理,获得目标监控分段对应的全景视频流;基于识别标准数据库,对全景视频流进行监测车辆识别,根据识别结果,采用不同类型车辆对应颜色的标记框对监测车辆进行标记,获得标记视频;对标记视频进行标记框信息采集,获取标记框数量信息以及位置信息,基于标记框数量信息以及位置信息,确定目标监控分段的双向交通流量、双向交通密度、车辆间距以及车辆移动速度,得到目标监控分段的交通流参数以及异常预警事件检测结果实现了高速公路的全线监控视频的同步处理,完成了高速公里交通流参数的自动获取以及异常预警事件的自动识别,有效降低交警交通巡检以及管控压力;并在确定监控分段存在异常预警事件后,通过等级确定单元,接收异常原因鉴定返还结果,并基于预设事故伤残鉴定模型对异常预警事件进行评估,确定事件预测等级,为异常预警事件的即时发布手段的选择提供依据的同时,也为监控管控单位对应异常预警事件的处理进行预期准备提供可靠参考。
实施例4:
在实施例3的基础上,数据隔离单元,包括:
视频整理子单元,用于在云平台接收到各个监控分段对应的高速公路监测视频流,并根据监控分段对应的高速公路定位编号,分别对各个高速公路监测视频流进行编码,并根据编码序号进行顺序整理,生成视频流矩阵;
自动隔离子单元,用于基于视频流矩阵,将高速公路上不同监控分段对应的视频流发送至对应的隔离分析区域等待处理。
上述技术方案的有益效果:本发明通过视频整理子单元在云平台接收到各个监控分段对应的高速公路监测视频流,并根据监控分段对应的高速公路定位编号,分别对各个高速公路监测视频流进行编码,并根据编码序号进行顺序整理,生成视频流矩阵,实现了高速公路海量监控视频的自动整理,为视频流的别分存储以及处理提供依据;通过自动隔离子单元基于视频流矩阵,将高速公路上不同监控分段对应的视频流发送至对应的隔离分析区域等待处理,实现了高速公路监测视频流处理的自动隔离准备,提高数据处理效率的同时还可以降低数据干扰有效提高高速公路监控数据的安全。
实施例5:
在实施例3的基础上,AI分析单元,包括:
预处理子单元,用于在隔离分析区域接收到对应的多个高速公路监测视频后,获取各个高速公路监测视频对应的视频拍摄位置的相对关系,基于相对关系,确定多个高速公路监测视频流之间的画面关联关系;
根据画面关联关系,确定多个高速公路监测视频流的同频视频帧的背景重叠区域,并结合监控分段对应的主监测车流方向,生成区域略过向量,同时基于背景重叠区域,分别对每个高速公路视频流画面进行重叠边界标记;
对多个高速公路监测视频流的同步视频帧的背景重叠区域进行监测车辆定位,确定重复车辆,对重复车辆进行完整性检测,判断重叠区域是否存在非完整车辆,若存在,基于非完整车辆对应的车辆行驶方向,结合区域略过向量,确定非完整车辆所在的非重叠区域;
基于重叠边界线,获取非完整车辆所在重叠区域的第一分割边缘特征以及所在非重叠区域的第二分割边缘特征,根据第一分割边缘特征以及第二分割边缘特征,对非完整车辆进行拼接,获得非完整车辆对应的车辆全景,基于车辆全景在重叠区域对非完整车辆进行虚拟补全,根据虚拟补全结果,以重叠边界线上各个像素点的对应关系对同步视频帧进行实时画面拼接,获得全景视频流,并根据视频流矩阵建立对应的全景视频流矩阵;
显示存储子单元,用于基于全景视频流矩阵将全景视频流发送至显示矩阵对应位置进行显示,并按照全景视频流对应编码进行存储。
本实施例中,相对关系是指同一监测分段内多个高速公路监测视频对应的监控设备安装位置之间的相对位置关系。
本实施例中,画面关联关系是指同一监测分段对应的多个高速公路监测视频流画面中重叠的固定静物(包括山、树、桥、隧道、固定交通设施等)的关系。
本实施例中,同帧视频帧是指多个高速公路视频流拍摄时间相同的视频帧。
本实施例中,背景重叠区域是指位置关系相邻的监控设备对应的视频帧画面中的固定静物重叠的区域。
本实施例中,主监测车辆方向是指视频流对应的监控设备安装位置在对应的道路的车辆的行驶方向。
本实施例中,区域略过向量是指对应的主监测车流方向上行驶车辆在经过重叠区域红包含的固定静物的方向。
本实施例中,重叠边界线是指各个高速公路监测视频流中与其他高速公路视频流中背景重叠区域与非重叠区域的边界线。
本实施例中,重复车辆是指在高速公路视频流背景重叠区域中同时出现的检测车辆。
本实施例中,非完整车辆是指在背景重叠区域没有完整出现的车辆。
本实施例中,非重叠区域是指高速公路视频流中除了背景重叠区域以外的画面区域。
本实施例中,第一分割缘特征是指非完整车辆在其所在非重叠区域的分割边缘的像素点分布特征;第一分割缘特征是指非完整车辆在其所在重叠区域的分割边缘的像素点分布特征。分割边缘指的是重叠边界线。
上述技术方案的有益效果:本发明通过预处理子单元,在隔离分析区域接收到对应的多个高速公路监测视频后,获取各个高速公路监测视频对应的视频拍摄位置的相对关系,基于相对关系,确定多个高速公路监测视频流之间的画面关联关系;根据画面关联关系,确定多个高速公路监测视频流的同频视频帧的背景重叠区域,并结合监控分段对应的主监测车流方向,生成区域略过向量,同时基于背景重叠区域,分别对每个高速公路视频流画面进行重叠边界标记;对多个高速公路监测视频流的同步视频帧的背景重叠区域进行监测车辆定位,确定重复车辆,对重复车辆进行完整性检测,判断重叠区域是否存在非完整车辆,若存在,基于非完整车辆对应的车辆行驶方向,结合区域略过向量,确定非完整车辆所在的非重叠区域;基于重叠边界线,获取非完整车辆所在重叠区域的第一分割边缘特征以及所在非重叠区域的第二分割边缘特征,根据第一分割边缘特征以及第二分割边缘特征,对非完整车辆进行拼接,获得非完整车辆对应的车辆全景,基于车辆全景在重叠区域对非完整车辆进行虚拟补全,根据虚拟补全结果,以重叠边界线上各个像素点的对应关系对同步视频帧进行实时画面拼接,获得全景视频流,并根据视频流矩阵建立对应的全景视频流矩阵,实现检测分段多视频流的综合处理,获得监控分段的无缝全景视频流,方便对检测车辆全貌进行展示,有利于提高AI分析识别的准确性。通过显示存储子单元基于全景视频流矩阵将全景视频流发送至显示矩阵对应位置进行显示,并按照全景视频流对应编码进行存储,实现了上高速公路监控视频的自动备份,为事故追责提供可靠依据。
实施例6:
在实施例3的基础上,AI分析单元,还包括:
持续跟踪分析子单元,用于在检测到重点监测标记车辆后,基于重点车辆的当前已行驶路线路以及高速公路线路图,预测重点标记车辆的预测路线;
实时获取重点标记车辆对应的实时驾驶信息,基于实时驾驶信息确定重点标记车辆到预测路线上未经过监控分段的实际距离,当所述实际距离达到预设阈值时,基于通信模块向未经过监控分段对应的视频中的全部监测车辆发送中的标记车辆来向通知;
同时,基于实时驾驶信息对驾驶人驾驶状态进行预测,在判定驾驶人当前驾驶状态处于危险状态时,基于高速公路线路图,确定重点标记车辆当前所在位置的最近紧急停靠区域生成紧急停靠通知,并通过远程通信模块向重点标记车辆定向发送紧急停靠通知,同时,基于沿路情报板向重点标记车辆当前所在位置预设范围内的全部监测车辆发送重点车辆停靠注意通知。
本实施例中,预测路线是指重点车辆的当前已行驶路线路以及高速公路线路图进行AI分析预测的重点标记车辆的在高速公路上的行驶轨迹。
本实施例中,实时驾驶信息包括车辆速度、行车距离、行车路线等。
本实施例中,未经过监控分段是指预测路线上重点标记车辆还没有行驶路线。
本实施例中,预设阈值是指预先设置的阈值大于一个监控分段对应的距离。
本实施例中,来向通知是指向监测车辆发送的重点标记车辆驶来的通知,该通知中包含了监测车辆与重点车辆来向的相对位置,如右后方。
本实施例中,高速公路路线图是指包含了高速公路整个完整路线(包括高速公路匝道和主干道)的图像。
本实施例中,危险状态包括超速、疲劳驾驶等。
本实施例中,紧急停靠通知是指云平台向重点标记车辆发送的暂停停靠休息的是通知。
上述技术方案的有益效果:本发明通过持续跟踪分析子单元在检测到重点监测标记车辆后,获取重点监测标记车辆对应的运输报备信息或者目的地悬挂信息,预测重点标记车辆的预测路线;实时获取重点标记车辆对应的实时驾驶信息,基于实时驾驶信息确定重点标记车辆到预测路线上未经过监控分段的实际距离,当所述实际距离达到预设阈值时,向为经过监控分段对应的视频中的全部监测车辆发送中的标记车辆来向通知,实现了两车一危车辆的重点监测,并根据重点监测车辆的实时动向并向相关驾驶人发送来向通知,提醒其他类型车辆提前规避,有效减低事故发生率。
同时,基于实时驾驶信息对驾驶人驾驶状态进行预测,在判定驾驶人当前驾驶状态处于危险状态时,基于高速公路线路图,确定重点标记车辆当前所在位置的最近紧急停靠区域生成紧急停靠通知,并通过远程通信模块向重点标记车辆定向发送紧急停靠通知,同时,向重点标记车辆当前所在位置预设范围内的全部监测车辆发送重点车辆停靠注意通知,通过对重点监测车辆实时驾驶信息的AI分析,实现对两次一危驾驶人的驾驶状态的检测,并为危险状态驾驶人提供最近紧急停靠区域指导,完成两车一危的自动、重点管控,有效降低高速公路大型事故的发生概率。
实施例7:
在实施例1的基础上,预警管控模块,如图4所示,包括:
异常定位单元,用于基于异常预警事件发生检测位置的多个高速公路监测视频流对应的有效监测区域以及异常预警事件在各个视频流画面中所在的位置,结合高速公路线路图,确定异常预警事件发生的异常位置;
异常分析单元,用于获取异常预警事件对应的异常标记车辆的相关事件特征参数,基于相关事件特征参数,确定异常标记车辆在异常位置与多个相邻监测车辆之间的相对位置关系以及相对移动轨迹;
根据相对位置关系以及相对移动轨迹,判断异常标记车辆是否存在异常并发车辆,若是,则判定异常预警事件为第一异常原因;
否则,获取异常标记车辆的实际移动轨迹,基于实际移动轨迹,判断异常标记车辆是否撞在高速公路上的固定交通设施上,若是,则判定异常预警事件为第二异常原因;
否则,判定异常预警事件为第三异常原因;
当异常位置存在多个异常标记车辆时,分别获取各个异常标记车辆对应的异常预警事件的异常原因进行整合,得到所述异常预警事件的最终异常原因;
否则,将异常标记车辆对应的异常原因作为最终异常原因;
并将最终异常原因作为异常原因返还结果发送至AI分析模块;
预警单元,用于根据异常预警事件对应的异常原因以及异常位置,生成预警信号,并根据异常原因对应的事件预测等级对预警信号进行不同等级的即时发布。
本实施例中,每个监控位置的视频流画面采集使用的摄像机都有对应的桩号和经纬度。
本实施例中,第一异常原因是指与异常标记车辆与其他车辆相撞。
本实施例中,第二异常原因是指异常标记车辆与高速公路上的固定交通设施(例如,道路两旁的围栏、绿化带等)。
本实施例中,第三异常原因是指车辆抛锚。
本实施例中,有效监测区域是指搞事公路监测视频流对应的检测分段上可以被检测到的区域。
本实施例中,相关事件特征参数是指与异常标记车辆相关的交通参数,包括车速、车型、车距、车辆位置等。
本实施例中,相邻监测车辆是指视频流画面中的全部监测车辆的标记框中与异常标记车辆的标记框相邻的标记框对应的监测车辆。
本实施例中,相对位置是指以异常标记车辆为基准,相邻监测车辆与异常标记车辆的位置关系。
本实施例中,相对位移轨迹是指以异常标记车辆为基准相邻监测车辆的移动轨迹。
本实施例中,实际运动轨迹是指异常标记车辆的移动轨迹。
本实施例中,异常预警事件对应的事件预测等级越大对应的即时发布范围比较大。
上述技术方案的有益效果:本发明通过异常定位单元基于异常预警事件发生检测位置的多个高速公路监测视频流对应的有效监测区域以及异常预警事件在各个视频流画面中所在的位置,结合高速公路线路图,确定异常预警事件发生的异常位置,实现了交通事故发生位置的自动精准定位,为交通管控单位快速到达事故发生位置提高精准指导;然后通过异常分析单元,用获取异常预警事件对应的异常标记车辆的相关事件特征参数,基于相关事件特征参数,确定异常标记车辆在异常位置与多个相邻监测车辆之间的相对位置关系、相对移动轨迹以及常标记车辆的实际移动轨迹,确定当异常标记车辆的事故原因,然后在异常位置存在多个异常标记车辆时,分别获取各个异常标记车辆对应的异常预警事件的异常原因进行整合,得到所述异常预警事件的最终异常原因,实现了多事故车辆的事故原因的识别,为交通管控单位对事故处理的预评估提供依据,并将最终异常原因作为异常原因返还结果发送至AI分析模块,为AI分析模块是否触发逃逸车辆的追踪提供判断依据;最后通过预警单元根据异常预警事件对应的异常原因以及异常位置,生成预警信号,并根据异常原因对应的事件预测等级对预警信号进行不同等级的即时发布,确保事故发生通知的时效性的同时实现交通事故预警范围的自主选择,提高自动预警准确性。
实施例8:
在实施例7的基础上,预警管控模块,如图4所示,还包括:
自动跟踪单元,用于在确认异常标记车辆为第一异常原因时,获取异常标记车辆对应的AI分析结果,确定异常标记车辆对应的并发异常车辆,对异常预警事件现场进行目标识别,确定暂停车辆并与并发异常车辆进行对比,判断并发异常车辆是否都暂停等待事故处理;
若是,则将异常标记车辆对应的交通异常事故发送至处置跟踪模块进行处理;
否则,对异常预警事件进行事故溯源,根据溯源结果进行事故视频截取,获得目标短视频;
获取目标短视频对异常标记车辆及其对应的并发异常车辆进行车辆特征提取,获得事故车辆特征
基于高速公路线路图,将异常位置后的预设路程内的多个监控分段作为目标监控分段,将事故车辆特征同步发送至目标检测位置,并根据事故车辆特征控制目标监控分段进行逃逸车辆捕获,锁定逃逸车辆;
根据逃逸车辆锁定结果进行接力跟踪,获得逃逸车辆实时跟踪结果,将实时跟踪结果发布至实时异常预警事件的即时发布信息中。
本实施例中,并发异常车辆是指在异常标记车辆发生事故的瞬间在异常位置有其他异常标记车辆。
本实施例中,事故溯源是指对确认事故发生时间点。
本实施例中,目标短视频是指异常标记车辆发生事故前一段时间(例如,5分钟)以及后一段时间(例如,5分钟)的完整视频。
本实施例中,事故车辆特征是指异常标记车辆对应的没有暂停等待事故处理的逃逸车辆的车辆外观特征(包括车牌号)。
本实施例中,接力跟踪是指各个监测分段的接力跟踪。
上述技术方案的有益效果:本发明在确认异常标记车辆为第一异常原因时,通过自动跟踪单元获取异常标记车辆对应的AI分析结果,确定异常标记车辆对应的并发异常车辆,对异常预警事件现场进行目标识别,确定暂停车辆并与并发异常车辆进行对比,判断并发异常车辆是否都暂停等待事故处理;若是,则将异常标记车辆对应的交通异常事故发送至处置跟踪模块进行处理;否则,对异常预警事件进行事故溯源,根据溯源结果进行事故视频截取,获得目标短视频;获取目标短视频对异常标记车辆及其对应的并发异常车辆进行车辆特征提取,获得事故车辆特征基于高速公路线路图,将异常位置后的预设路程内的多个监控分段作为目标监控分段,将事故车辆特征同步发送至目标检测位置,并根据事故车辆特征控制目标监控分段进行逃逸车辆捕获,锁定逃逸车辆;根据逃逸车辆锁定结果进行接力跟踪,获得逃逸车辆实时跟踪结果,实现对交通事故逃逸车辆的自动跟踪,有效降低交通管控人员的事故处理压力,同时将实时跟踪结果发布至实时异常预警事件的即时发布信息中,起到一定程度逃逸警告作用,有效降低事故逃逸率,从而缩短交通事故处理时间跨度,提高交通事故处理效率。
实施例9:
在实施例1的基础上,处置跟踪模块,如图5所示,包括:
重点提示单元,用于基于就近原则将异常预警事件发送至交通管控单位,并等待处理确认,当等待时间到达预设时长且未收到确认反馈信息时,向最近交通管控单位发送催促通知;
进程跟踪单元,用于在收到接收确认反馈信息后,实时获取交通管控单位对异常预警事件处置流程以及状态进行实时更新。
本实施例中,等待时间是指在交通事故报警后等待交通管控单位进行处理确认的时间。
本实施例中,确认反馈信息是指交通管理单位在向异常预警事件异常位置赶来的确认通知。
本实施例中,催促通知是指催促交通管控单位尽快到异常位置进行交通事故处理的反复催促提醒通知。其中,交通管控单位一般包括路方、交警、路政,路方又分为监控人员、处置人员等。
本实施例中,当异常预警事件需要交通管控单位派车到异常预警事件现场进行处置时,实时获取事故处理车辆的实时位置信息,基于实时位置信息对交通异常事件处置进程以及状态进行同步实时更新;
当异常预警事件不需要交通管控单位派车到异常预警事件现场进行处置时,获取实时获取交通管控单位的线上处置进度,对异常预警事件处置流程以及状态进行实时更新。
事故处理车辆是指向异常标记车辆发送确认反馈信息的交通管控人员乘坐的工作专业车辆(例如,警车)。
上述技术方案的有益效果:本发明通过重点提示单元基于就近原则将异常预警事件发送至交通管控单位,并等待处理确认,通过一个统一的及时沟通渠道实现多方信息联动通知以及处置信息的交互,当等待时间到达预设时长且未收到确认反馈信息时,向最近交通管控单位发送催促通知,实现了交通事故的自动报警以及处理催促;并在收到接收确认反馈信息后,实时获取交通管控单位对异常预警事件处置流程以及状态进行实时更新,方便事故发生人以及高速公路上的共同行驶人及时了解事故处理进程,可以一定程度的安抚异常预警事件导致的交通拥堵引起的烦躁情绪。
实施例10:
在实施例1的基础上,一种基于视频AI分析的高速公路监控预警与处置管控系统,还包括:
远程管控模块,用于获取显示矩阵上的实时操作信息,基于实时操作信息,向交通管控单位开放云平台远程对话权限,基于物联网接通管控单位与实时操作目标之间的管控对话通道;
交通管控单位通过所述管控对话通道,向对应监测车辆的驾驶人发送语音。
本实施例中,实时操作信息是指交通管理人员在监控视频显示页面上的操作内容。
本实施例中,实时操作目标是指一个或多个监测车辆。
上述技术方案的有益效果:本发明通过远程管控模块获取显示矩阵上的实时操作信息,基于实时操作信息,向交通管控单位开放云平台远程对话权限,基于物联网接通管控单位与实时操作目标之间的管控对话通道;交通管控单位通过所述管控对话通道,向对应监测车辆的驾驶人发送语音,为交通管控单位的交通管控提供一种新的管控方式,有利于在异常预警事件,事件等级不高的情况下或者交通拥堵情况下对异常标记车辆或者被拥堵车辆进行精准指挥,客户交通管控距离限制,消除事故处理路程导致处理时间延迟,减少事故处理流程,有效提高交通管控效率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于视频AI分析的高速公路监控预警与处置管控系统,其特征在于,包括:
数据库建立模块,用于获取大量多类型监测车辆对应的描述信息,并基于描述信息,建立识别标准数据库;
视频AI分析模块,用于基于识别标准数据库,对云平台采集到的高速公路监控视频流进行AI分析,获取高速公路对应的交通流参数,并确定异常预警事件;
预警管控模块,用于基于AI分析结果确定异常预警事件对应的异常原因,并进行异常事件定位,获得异常位置,基于异常原因以及异常位置,生成预警信号,并进行预警及时发布;
处置跟踪模块,用于对异常预警事件的处置过程进行跟踪监测,并根据跟踪监测结果,进行异常预警事件处置进程的同步更新。
2.根据权利要求1所述的一种基于视频AI分析的高速公路监控预警与处置管控系统,其特征在于,数据库建立模块,包括:
特征信息整合单元,用于多方面获取大量多类型监测车辆对应的多种描述信息,确定不同款式监测车辆对应的车辆外观特征;
基于监测车辆对应的车辆类型对不同款式车辆对应的车辆外观特征进行聚类,获得多个特征集,分别对各个特征集内的车辆外观特征进行融合,获得不同类型车辆对应的最终外观特征;
重点标注单元,用于对重点车辆对应的最终外观特征进行重点监测标记;
数据库建立单元,用于根据最终外观特征及其对应的车辆类型,建立识别标准数据库。
3.根据权利要求1所述的一种基于视频AI分析的高速公路监控预警与处置管控系统,其特征在于,视频AI分析模块,包括:
数据隔离单元,用于基于高速公路视频流对应的监控分段数量,建立多个隔离分析区域,并将高速公路上不同监控分段对应的视频流发送至对应的隔离分析区域;
AI分析单元,用于在隔离分析区域内,对目标检测位置对应的多个视频流进行预处理,获得目标监控分段对应的全景视频流;
基于识别标准数据库,对全景视频流进行监测车辆识别,根据识别结果,采用不同类型车辆对应颜色的标记框对监测车辆进行标记,获得标记视频;
对标记视频进行标记框信息采集,获取标记框数量信息以及位置信息,基于标记框数量信息以及位置信息,确定目标监控分段的双向交通流量、双向交通密度、车辆间距以及车辆移动速度,得到目标监控分段的交通流参数以及异常预警事件检测结果;
等级确定单元,用于在确定监控分段存在异常预警事件后,接收异常原因鉴定返还结果,并基于预设事故伤残鉴定模型对异常预警事件进行评估,确定事件预测等级。
4.根据权利要求3所述的一种基于视频AI分析的高速公路监控预警与处置管控系统,其特征在于,数据隔离单元,包括:
视频整理子单元,用于在云平台接收到各个监控分段对应的高速公路监测视频流,并根据监控分段对应的高速公路定位编号,分别对各个高速公路监测视频流进行编码,并根据编码序号进行顺序整理,生成视频流矩阵;
自动隔离子单元,用于基于视频流矩阵,将高速公路上不同监控分段对应的视频流发送至对应的隔离分析区域等待处理。
5.根据权利要求3所述的一种基于视频AI分析的高速公路监控预警与处置管控系统,其特征在于,AI分析单元,包括:
预处理子单元,用于在隔离分析区域接收到对应的多个高速公路监测视频后,获取各个高速公路监测视频对应的视频拍摄位置的相对关系,基于相对关系,确定多个高速公路监测视频流之间的画面关联关系;
根据画面关联关系,确定多个高速公路监测视频流的同频视频帧的背景重叠区域,并结合监控分段对应的主监测车流方向,生成区域略过向量,同时基于背景重叠区域,分别对每个高速公路视频流画面进行重叠边界标记;
对多个高速公路监测视频流的同步视频帧的背景重叠区域进行监测车辆定位,确定重复车辆,对重复车辆进行完整性检测,判断重叠区域是否存在非完整车辆,若存在,基于非完整车辆对应的车辆行驶方向,结合区域略过向量,确定非完整车辆所在的非重叠区域;
基于重叠边界线,获取非完整车辆所在重叠区域的第一分割边缘特征以及所在非重叠区域的第二分割边缘特征,根据第一分割边缘特征以及第二分割边缘特征,对非完整车辆进行拼接,获得非完整车辆对应的车辆全景,基于车辆全景在重叠区域对非完整车辆进行虚拟补全,根据虚拟补全结果,以重叠边界线上各个像素点的对应关系对同步视频帧进行实时画面拼接,获得全景视频流,并根据视频流矩阵建立对应的全景视频流矩阵;
显示存储子单元,用于基于全景视频流矩阵将全景视频流发送至显示矩阵对应位置进行显示,并按照全景视频流对应编码进行存储。
6.根据权利要求3所述的一种基于视频AI分析的高速公路监控预警与处置管控系统,其特征在于,AI分析单元,还包括:
持续跟踪分析子单元,用于在检测到重点监测标记车辆后,基于重点车辆的当前已行驶路线路以及高速公路线路图,预测重点标记车辆的预测路线;
实时获取重点标记车辆对应的实时驾驶信息,基于实时驾驶信息确定重点标记车辆到达预测路线上未经过监控分段的实际距离,当所述实际距离达到预设阈值时,基于通信模块向未经过监控分段对应的视频中的全部监测车辆发送中的标记车辆来向通知;
同时,基于实时驾驶信息对驾驶人驾驶状态进行预测,在判定驾驶人当前驾驶状态处于危险状态时,基于高速公路线路图,确定重点标记车辆当前所在位置的最近紧急停靠区域生成紧急停靠通知,并通过远程通信模块向重点标记车辆定向发送紧急停靠通知,同时,基于沿路情报板向重点标记车辆当前所在位置预设范围内的全部监测车辆发送重点车辆停靠注意通知。
7.根据权利要求1所述的一种基于视频AI分析的高速公路监控预警与处置管控系统,其特征在于,预警管控模块,包括:
异常定位单元,用于基于异常预警事件发生检测位置的多个高速公路监测视频流对应的有效监测区域以及异常预警事件在各个视频流画面中所在的位置,确定异常预警事件发生的异常位置;
异常分析单元,用于获取异常预警事件对应的异常标记车辆的相关事件特征参数,基于相关事件特征参数,确定异常标记车辆在异常位置与多个相邻监测车辆之间的相对位置关系以及相对移动轨迹;
根据相对位置关系以及相对移动轨迹,判断异常标记车辆是否存在异常并发车辆,若是,则判定异常预警事件为第一异常原因;
否则,获取异常标记车辆的实际移动轨迹,基于实际移动轨迹,判断异常标记车辆是否撞在高速公路上的固定交通设施上,若是,则判定异常预警事件为第二异常原因;
否则,判定异常预警事件为第三异常原因;
当异常位置存在多个异常标记车辆时,分别获取各个异常标记车辆对应的异常预警事件的异常原因进行整合,得到所述异常预警事件的最终异常原因;
否则,将异常标记车辆对应的异常原因作为最终异常原因;
并将最终异常原因作为异常原因返还结果发送至AI分析模块;
预警单元,用于根据异常预警事件对应的异常原因以及异常位置,生成预警信号,并根据异常原因对应的事件预测等级对预警信号进行不同等级的及时发布。
8.根据权利要求7所述的一种基于视频AI分析的高速公路监控预警与处置管控系统,其特征在于,预警管控模块,还包括:
自动跟踪单元,用于在确认异常标记车辆为第一异常原因时,获取异常标记车辆对应的AI分析结果,确定异常标记车辆对应的并发异常车辆,对异常预警事件现场进行目标识别,确定暂停车辆并与并发异常车辆进行对比,判断并发异常车辆是否都暂停等待处理;
若是,则将异常标记车辆对应的交通异常事故发送至处置跟踪模块进行处理;
否则,对异常预警事件进行事故溯源,根据溯源结果进行事故视频截取,获得目标短视频;
获取目标短视频对异常标记车辆及其对应的并发异常车辆进行车辆特征提取,获得事故车辆特征;
基于高速公路线路图,将异常位置后的预设路程内的多个监控分段作为目标监控分段,将事故车辆特征同步发送至目标检测位置,并根据事故车辆特征控制目标监控分段进行逃逸车辆捕获,锁定逃逸车辆;
根据逃逸车辆锁定结果进行接力跟踪,获得逃逸车辆实时跟踪结果,将实时跟踪结果发布至实时异常预警事件的及时发布信息中。
9.根据权利要求1所述的一种基于视频AI分析的高速公路监控预警与处置管控系统,其特征在于,处置跟踪模块,包括:
重点提示单元,用于基于就近原则将异常预警事件发送至交通管控单位,并等待处理确认,当等待时间到达预设时长且未收到确认反馈信息时,向最近交通管控单位发送催促通知;
进程跟踪单元,用于在收到接收确认反馈信息后,实时获取交通管控单位对异常预警事件处置流程以及状态进行实时更新。
10.根据权利要求1所述的一种基于视频AI分析的高速公路监控预警与处置管控系统,其特征在于,还包括:
远程管控模块,用于获取显示矩阵上的实时操作信息,基于实时操作信息,向交通管控单位开放云平台远程对话权限,基于物联网接通管控单位与实时操作目标之间的管控对话通道;
交通管控单位通过所述管控对话通道,向对应监测车辆的驾驶人发送语音。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410103809.0A CN117877265A (zh) | 2024-01-24 | 2024-01-24 | 基于视频ai分析的高速公路监控预警与处置管控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410103809.0A CN117877265A (zh) | 2024-01-24 | 2024-01-24 | 基于视频ai分析的高速公路监控预警与处置管控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117877265A true CN117877265A (zh) | 2024-04-12 |
Family
ID=90591798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410103809.0A Pending CN117877265A (zh) | 2024-01-24 | 2024-01-24 | 基于视频ai分析的高速公路监控预警与处置管控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117877265A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130088343A1 (en) * | 2011-10-06 | 2013-04-11 | Honda Research Institute Europe Gmbh | Video-based warning system for a vehicle |
CN103794056A (zh) * | 2014-03-06 | 2014-05-14 | 北京卓视智通科技有限责任公司 | 基于实时双路视频流的车型精确分类系统及方法 |
CN104318782A (zh) * | 2014-10-31 | 2015-01-28 | 浙江力石科技股份有限公司 | 一种面向区域重叠的高速公路视频测速方法及系统 |
WO2022020996A1 (zh) * | 2020-07-27 | 2022-02-03 | 华为技术有限公司 | 视频拼接的方法、装置及系统 |
CN114898553A (zh) * | 2022-04-19 | 2022-08-12 | 智城数创(西安)科技有限公司 | 一种基于实景融合的交通态势监控方法 |
CN116304096A (zh) * | 2023-03-20 | 2023-06-23 | 重庆科技学院 | 基于知识图谱的危化品运输车辆监管方法、系统及存储体 |
CN117319609A (zh) * | 2023-10-27 | 2023-12-29 | 黑龙江睿软科技有限公司 | 一种物联网大数据智能视频监控系统及方法 |
-
2024
- 2024-01-24 CN CN202410103809.0A patent/CN117877265A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130088343A1 (en) * | 2011-10-06 | 2013-04-11 | Honda Research Institute Europe Gmbh | Video-based warning system for a vehicle |
CN103794056A (zh) * | 2014-03-06 | 2014-05-14 | 北京卓视智通科技有限责任公司 | 基于实时双路视频流的车型精确分类系统及方法 |
CN104318782A (zh) * | 2014-10-31 | 2015-01-28 | 浙江力石科技股份有限公司 | 一种面向区域重叠的高速公路视频测速方法及系统 |
WO2022020996A1 (zh) * | 2020-07-27 | 2022-02-03 | 华为技术有限公司 | 视频拼接的方法、装置及系统 |
CN114898553A (zh) * | 2022-04-19 | 2022-08-12 | 智城数创(西安)科技有限公司 | 一种基于实景融合的交通态势监控方法 |
CN116304096A (zh) * | 2023-03-20 | 2023-06-23 | 重庆科技学院 | 基于知识图谱的危化品运输车辆监管方法、系统及存储体 |
CN117319609A (zh) * | 2023-10-27 | 2023-12-29 | 黑龙江睿软科技有限公司 | 一种物联网大数据智能视频监控系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200020227A1 (en) | Connected automated vehicle highway systems and methods related to transit vehicles and systems | |
CN111540237B (zh) | 基于多数据融合的车辆安全行驶保障方案自动生成的方法 | |
US11842642B2 (en) | Connected automated vehicle highway systems and methods related to heavy vehicles | |
CN108877234B (zh) | 四维实景交通仿真的车辆违规占道跟踪检测系统及方法 | |
CN113724416B (zh) | 基于车路协同系统的车载视频处理方法、装置及存储介质 | |
CN108961767B (zh) | 基于四维实景交通仿真的高速公路稽查追逃费报警系统 | |
CN111210618B (zh) | 自动网联公交道路系统 | |
US8576069B2 (en) | Mobile sensing for road safety, traffic management, and road maintenance | |
US20240046653A1 (en) | Identifying suspicious entities using autonomous vehicles | |
CN113706737B (zh) | 基于自动驾驶车辆的路面巡检系统及方法 | |
CN105160899B (zh) | 一种物联网智能交通违法管理装置 | |
CN105590454A (zh) | 一种车辆违规行为举证的方法及其系统 | |
CN105632182A (zh) | 一种车辆违规行为举证的方法及其系统 | |
CN112306051A (zh) | 一种高速公路无人驾驶交警车辆机器人系统 | |
CN105957347A (zh) | 一种基于导航行车记录仪的车辆违章掉头检测方法 | |
CN112258833A (zh) | 可变车道控制方法、边缘计算设备和系统 | |
CN114639231B (zh) | 公路交通处理方法、装置及系统 | |
CN114387785A (zh) | 一种基于智慧公路的安全管控方法、系统及可存储介质 | |
CN112735185A (zh) | 一种基于5g及北斗技术的车辆管理系统 | |
KR102159111B1 (ko) | 이동 id 그룹 정보를 이용한 위험 정보 제공 장치 및 방법 | |
CN109934161B (zh) | 基于卷积神经网络的车辆识别与检测方法及系统 | |
Skabardonis et al. | The I-880 field experiment: effectiveness of incident detection using cellular phones | |
CN112422672A (zh) | 一种电子押运系统及押运方法 | |
CN117877265A (zh) | 基于视频ai分析的高速公路监控预警与处置管控系统 | |
CN115019532A (zh) | 一种基于客运数据的公路安全隐患自动识别与预警系统 |
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 |