[发明专利]基于人工智能的运输路线监控方法

说明书

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的运输路线监控方法。该方法包括：采集渣土车装载完成后的初始状态图像；对渣土车在运输过程中的每帧监控图像进行高斯下采样得到多张采样图像；根据初始状态图像与每张采样图像进得到多个匹配点对；获取每个匹配点对的置信度进而得到该采样图像的置信度均值，当置信度均值小于预设阈值时，对高斯下采样的高斯核进行调整再次获取每帧监控图像对应的多张优选采样图像，根据每张优选采样图像的第一匹配度得到每帧监控图像的匹配度；根据多帧监控图像的匹配度对渣土车的司机进行预警。提高了道路监控相机的利用率，增加了处理的时效性，提供了可靠性较高的实时运输监控。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的运输路线监控方法。

背景技术

随着运输行业的发展，物联网、车联网技术的深入，对车辆的监控管理集中形成了一定的规模化管理。虽然管理日趋精细化，但仍在存在较多的“多拉快跑”等违法现象，以至于道路运输过程中的安全事故也不断增加；在车辆的监管上溢出了更高的技术要求，更多的创新型的技术融入到车联网中，且北斗技术的发展更进一步推动了车联网终端技术的发展。

目前对车辆运输的监控方式仅仅是在运输车中安装GPS定位模块，通过实时获取运输车的位置进行运输监控。以渣土车为例，渣土车在运输过程中，由于所运输的渣土质量较大，因此其自身也存在较大的运输风险，则监控运输中的运输状态就显得尤为重要。在GPS定位模块中，只能定位到车辆的大致位置，无法确定车辆当前的运行状态，很多车辆在行驶过程中可能存在超速现象，而渣土车的超速行驶极易造成渣土掉落；甚至有司机为了减少油耗，从而存在乱倒渣土的现象；渣土掉落在车道上或者随机乱倒渣土都会给市政管理带来很大的不便，而现有的监控方法可靠性较低，无法实现可靠有效的运输监控。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的运输路线监控方法，该方法包括以下步骤：

采集渣土车装载完成后的初始状态图像，所述初始状态图像包括所述渣土车区域；

获取所述渣土车在运输过程中的多帧监控图像；对每帧所述监控图像进行高斯下采样得到多张采样图像；对所述初始状态图像与每张所述采样图像进行角点匹配得到多个匹配点对；

以任意所述匹配点对为目标点对，根据所述目标点对及其邻近区域内所有所述匹配点对之间的距离差异得到所述目标点对的置信度；获取所述采样图像中所有所述匹配点对的置信度均值，当所述置信度均值小于预设阈值时，根据所述置信度均值对所述高斯下采样的高斯核进行调整；

基于调整后的高斯核对每帧所述监控图像进行高斯下采样得到多张优选采样图像，获取所述优选采样图像与所述初始图像之间的第一匹配度；根据每张所述优选采样图像的第一匹配度得到每帧所述监控图像的匹配度；根据多帧所述监控图像的所述匹配度对所述渣土车的司机进行预警。

优选的，所述根据所述目标点对及其邻近区域内所有所述匹配点对之间的距离差异得到所述目标点对的置信度的步骤，包括：

所述置信度的计算公式为：

其中，W表示置信度；d_k表示目标点对之间的距离；表示目标点对的邻近区域内所有匹配点对之间距离的均值；s表示目标点对的邻近区域内所有匹配点对的数量。

优选的，所述高斯下采样的高斯核与所述置信度均值呈负相关关系。

优选的，所述获取所述优选采样图像与所述初始图像之间的第一匹配度的步骤，包括：

获取所述优选采样图像与所述初始状态图像之间所有的匹配点对，所述第一匹配度与所述匹配点对的数量呈正相关关系。

优选的，所述根据每张所述优选采样图像的第一匹配度得到每帧所述监控图像的匹配度的步骤，包括：