[发明专利]基于人工智能和图像处理的道路护栏异常检测方法

说明书

本发明提供了一种基于人工智能和图像处理的道路护栏异常检测方法，该方法包括：对采集到的道路隔离护栏图像进行图像拼接后投影到预先搭建好的道路的CIM中；基于语义感知网络对采集到的图像进行语义分割操作，得到护栏语义分割图；基于像素分类网络对护栏语义分割图进行操作，获取每行像素中判定为隔离护栏的像素点，得到护栏散点图，对散点图进行拟合，得到隔离护栏曲线；对包括隔离护栏曲线的图像进行图像拼接后投影到CIM中，利用Web GIS技术对CIM进行可视化处理，当检测到隔离护栏异常时，在CIM可视化界面上显示警告信息。该方法可以对隔离护栏进行实时监测，当隔离护栏存在异常情况时，相关人员可以及时采取措施，避免造成道路拥堵。

技术领域

本发明涉及人工智能、智慧交通领域，尤其是一种基于人工智能和图像处理的道路护栏异常检测方法。

背景技术

道路中间的隔离网护栏能有效防止非机动车任意变道、行人任意穿行等问题，从而使得交通更加有序。但不少隔离护栏被私自挪动或在外力影响下移动、变形，严重时会占用车道，导致交通堵塞，影响车辆的通行，给人们的生活带来不便的同时还存在交通安全隐患。

现有检测隔离护栏异常的方法是在护栏上安装三轴加速度计，对三轴加速度计检测到的护栏倾斜角度的变化进行分析，从而判断隔离护栏是否存在异常情况，这种检测方法需要在隔离护栏上安装三轴加速度器以及配置与三轴加速度计进行通信、定位的通信模块和定位，需要投入大量资金，且隔离护栏容易受到外力冲击，导致三轴加速度计、通信模块、定位模块也容易发生损坏，这就需要投入人力资源定期检查相关设备，使得隔离护栏的异常检测不具备实时性。

发明内容

针对上述问题，本发明提出了一种基于人工智能和图像处理的道路护栏异常检测方法，该方法包括：

步骤一，对采集到的道路隔离护栏图像进行去畸变处理后进行图像拼接，之后投影到预先搭建好的道路的CIM中；

步骤二，基于语义感知网络对采集到的图像进行语义分割操作，对隔离护栏进行感知和分割，得到护栏语义分割图；

步骤三，选择包含道路、隔离护栏、其他类的语义分割图作为训练数据集；将每排隔离护栏都分别标注为一条宽度为1像素的曲线；使用交叉熵损失函数对像素分类网络进行训练；

基于像素分类网络对护栏语义分割图进行操作，获取每行像素中判定为隔离护栏的像素点，得到护栏散点图，对散点图进行拟合，得到隔离护栏曲线；其中，像素分类网络包括分类编码器和全连接层，分类编码器的输入为护栏语义分割图，提取特征后送入全连接层对像素进行分类，其中，图像中的每行像素都分别对应一个全连接层，一个全连接层用于判定一行像素中的像素点是否为隔离护栏；

步骤四，对包括隔离护栏曲线的图像进行图像拼接后投影到CIM中，利用Web GIS技术对CIM进行可视化处理，当检测到隔离护栏异常时，在CIM可视化界面上显示警告信息；其中，隔离护栏异常检测的具体方式为：设置一个距离阈值，当隔离护栏曲线之外的偏离散点与该曲线之间的距离大于该阈值时，判定此处的隔离护栏异常。

语义感知网络包括语义分割编码器和语义分割解码器，选择道路中包含隔离护栏的图像作为训练数据集；对数据集进行标注，其中，标注道路为1，隔离护栏为2，其他类为3；使用交叉熵损失函数对该网络进行训练；采集到的道路隔离护栏图像进行去畸变处理后经过语义分割编码器得到特征图，语义分割解码器对特征图进行处理，得到护栏语义分割图。

对散点图进行拟合的具体步骤为：随机选取散点图中的N个点拟合成一条曲线，计算所有点到该条曲线的距离，设定一个阈值，将距离小于该阈值的点判定为属于该曲线，记录属于该曲线的点的个数；然后再随机选择N个点，重新拟合一条新的曲线，按照上述步骤计算属于该曲线的点的个数；最终，选择属于该曲线的点的个数最多的曲线作为隔离护栏的曲线。