[发明专利]一种基于高速公路监控视频的路面抛洒物检测方法

说明书

本发明提出了一种基于高速公路监控视频的路面抛洒物检测方法，属于智能交通技术领域，包括：获取高速公路路段背景图像数据集，获取抛洒物图像数据集；将抛洒物数据集与道路背景图像结合，构建道路抛洒物数据集；VIBE背景建模，获取背景以及前景；改进YOLOv5网络模型并优化；利用改进后的YOLOv5模型对抛洒物进行分类检测。本发明提出了一种构建高速公路场景抛洒物数据集的方法，与实地勘测获取高速公路场景抛洒物数据集相比，大大节省了时间和成本，提升了安全性。另外，改进了YOLOv5网络使得路侧视角下也能实时高效地进行目标跟踪，同时提高了检测精度。

技术领域

本发明属于智能交通技术领域，具体为一种基于高速公路监控视频的路面抛洒物检测方法。

背景技术

随着我国经济的快速发展，我国高速公路里程不断增加。随之而来的是车流量和货物运输量的不断提升，同时由于高速公路行车速度较快，高速公路事故发生率也在不断上升。

交通事故造成的拥堵每年造成全世界数十亿美元的生产力损失、财产损失和个人伤害。高速公路抛洒物是破坏正常运输过程的重要原因之一。货车货物泄露以及行车人员在高速公路上随意丢弃垃圾构成了高速公路抛洒物的主要来源。这些物体体积小，不易被司机及时发现，导致车辆避让不及从而引发交通事故。

随着信息化的发展，自动检测道路中抛洒物，降低抛洒物引发交通事故与拥堵的概率已成为高速公路智慧化的必要条件。

目前，对于高速公路抛洒五的检测方法主要有两种，传统的人工巡检以及自动检测。人工巡检效率低下且覆盖率较低，而当下高速公路视频监控普及程度越来越高，因此通过监控视频自动检测抛洒物成为一种新型有效的方式。

发明内容

本发明提出一种基于高速公路监控视频的路面抛洒物检测方法，其目的在于解决了高速公路抛洒物检测的问题。

本发明实施例提供了一种基于高速公路监控视频的路面抛洒物检测方法，包括：

S1：构建基础数据集。获取高速公路监控视频获取路段背景图像数据集，并从ImageNet下载相应的抛洒物图像数据集。

S2：图像融合。将抛洒物的中心与背景图像中随机选择的路面区域的重合，然后将其粘贴到场景图象中，生成合成图像，构建高速公路场景抛洒物数据集。

S3：VIBE背景建模。获取背景以及前景。

S4：构建神经网络。基于YOLOv5网络改进搭建神经网络模型。

S5：训练优化模型。将抛洒物数据集输入神经网络模型中进行训练，并根据训练结果对模型进行优化，得到抛洒物检测模型的训练权重和分类结果。

S6：抛洒物检测。利用训练好的深度学习网络进行抛洒物检测。

优选地，若是将抛洒物放于实际场景获得大量的图像是危险的且费用昂贵，采用实际背景图片与抛洒物图片融合而成的高速公路抛洒物图像安全且高效。

优选地，高速公路监控视频是固定视角，画面变化比较小，所以采用背景建模方法，VIBE是一种用于模拟背景和检测前景的算法。

优选地，搭建神经网络采用YOLOv5模型，在YOLOv5网络上进行了两个改进。一是将卷积核的大小减少到1×1。因此，前向卷积层可以在不增加参数数量的情况下获得更小尺度的核，而后向卷积层可以在此基础上构建更高层次的特征，比如在边缘、形状和对象类型的层次上的结构特征。另一个改进是增加了不同卷积层之间的卷积连接，如在ResNet上跳跃连接。

本发明的有益效果为：

1、本发明基于高速公路监控视频对道路抛洒物进行检测与识别，降低了人工成本，提升了检测效率。