[发明专利]基于深度学习及多视角的CIM井盖状态视觉检测系统

说明书

本发明公开了一种基于深度学习及多视角的CIM井盖状态视觉检测系统，该系统基于井盖城市信息模型MCCIM实现井盖状态视觉检测，井盖城市信息模型MCCIM包括井盖的地理位置信息、井盖状态、井盖属性信息、附近交通灯信号地理位置信息，该系统包括感知单元、透视变换单元、井盖定位单元、井盖状态判断单元、交通灯控制单元、可视化管理管单元。利用本发明，在井盖状态检测中，降低了系统所需成本，提高了井盖状态判断准确率，通过对井盖缺失或移位的道路附近的交通信号灯进行控制，提高了城市交通的安全性。

技术领域

本发明涉及智慧城市技术领域，具体涉及一种基于深度学习及多视角的CIM井盖状态视觉检测系统。

背景技术

近年来，由于不法分子的猖獗，城市道路上的井盖频频丢失。这对道路安全造成了严重的影响。特别是在夜间，环境光照昏暗的情况下，道路上正常通过的车辆和行人由于观察不到井盖的缺失，极易发生安全事故。由于某些单位施工管理不规范，井盖还可能会发生移位，形成一个不易观察的隐患。因此井盖缺失和破损对正常的行车造成了巨大安全隐患。

有些方案采用在井盖底部安装多个传感器来监测井盖状态。此方法一方面需要对传感器进行额外供电，另一方面，传感器易受坏境影响且造价高昂，不适合在城市中大规模应用。

有些方案采用单个摄像头对井盖进行检测或者定位，一方面单个摄像头易被大树、小鸟等遮挡造成检测失败。另一方面，单个摄像头的数据过于单一，很容易对井盖造成误判。

因此，现有井盖状态检测技术存在成本高、容易造成误判的问题。

发明内容

本发明提供了一种基于深度学习及多视角的CIM井盖状态视觉检测系统，实现了井盖状态检测，降低了系统所需成本，提高了井盖状态判断准确率。

一种基于深度学习及多视角的CIM井盖状态视觉检测系统，该系统基于井盖城市信息模型MCCIM实现井盖状态视觉检测，井盖城市信息模型MCCIM包括井盖的地理位置信息、井盖状态、井盖属性信息、附近交通信号灯地理位置信息，该系统包括感知单元、透视变换单元、井盖定位单元、井盖状态判断单元、交通灯控制单元、可视化管理管单元，其中，

感知单元，用于利用不同视角的摄像头采集井盖区域图像；

透视变换单元，用于基于单应矩阵对每个摄像头拍摄到的图像进行透视变换，将其变换至俯视图；

井盖定位单元，用于采用基于深度学习的目标检测循环卷积神经网络定位井盖所在位置；

井盖状态判断单元，用于判断井盖状态，包括预训练模块、权重更新模块：

预训练模块，用于根据井盖定位单元获取的井盖所在位置以及井盖状态标注，对分类神经网络模型进行预训练；

权重更新模块，用于基于扩充的样本集，固定的时间间隔对分类神经网络模型进行训练，更新网络权重；

交通灯控制单元，用于当井盖移位或缺失时，根据井盖城市信息模型MCCIM中井盖地理位置信息确定附近交通信号灯地理位置信息，向该交通信号灯发出控制信号，限制井盖所在道路方向的车辆通行；

可视化管理单元，用于根据井盖城市信息模型MCCIM显示城市的井盖分布以及井盖状态，便于管理员监管。

目标检测循环卷积神经网络采用Faster RCNN，锚框尺寸设置为64、128、256。

井盖状态判断单元还包括：样本扩充模块，用于基于多个视角井盖图像的网络输出结果对标注结果进行校正，将校正后的标注结果与井盖图像作为新增样本，对样本集进行扩充。