[发明专利]一种基于神经网络的隧道内异常事件检测方法及系统

说明书

本发明提供了一种基于神经网络的隧道内异常事件检测方法及系统，基于改进的卷积神经网络进行先检测后分类的方法，能够及时且准确的检测、识别和定位事件的类型和发生位置；增设隧道内和隧道外的显示装置，给予来往车辆及时的事故提醒，避免二次事故的发生或者异常事件引起的事故，使得隧道内的通行更高效、更安全，达到降低事故风险，提高通行效率的有益效果。自动报警功能使得异常事件的具体信息能最及时的被道路管理中心获悉，让救援更及时。

技术领域

本发明涉及场景检测识别技术领域，尤其涉及一种基于神经网络的隧道内异常事件检测方法及系统。

背景技术

高速路上的隧道是很重要的道路工程设施，在复杂的山地地理环境中，隧道给出行带来了较大的便利。但是隧道内常因光线不充足，车辆随意变道行驶等导致交通事故，而这些交通事故往往得不到最及时的报警和对后车进行警示，以致于发生严重的二次事故，造成严重拥堵，降低了交通效率也对出行用户的人身安全造成威胁。

现有的技术中，对道路异常事件的检测大多都是基于视频中的车流状态进行分析，然后得出相应的事件检测结果，这样的方法只能确定在哪个车道发生异常事件，但却识别不了事件的类别和事件发生的位置。

对异常事件的检测都是反馈到管理中心，并未对道路上的车辆进行警示，在隧道的环境条件下，很可能因为警示的不及时，导致后方车辆驶到异常事件发生的位置，引发更严重的事故。

在高速路上的隧道内，传统的检测技术用在该场景下几乎不能胜任，而目前也没有相应的方案用于高速路上隧道内的异常事件检测。

发明内容

为了克服现有技术中检测精度不高，无法准确识别事件类型和估计事件发生位置的问题、并对事件发生地后方车辆产生显眼的警示的问题，本发明的目的在于提供一种检测实时、事件识别精度高、能很好适应隧道场景的基于神经网络的隧道内异常事件检测方法及系统。

本发明公开了一种基于神经网络的隧道内异常事件检测方法，包括如下步骤：以第一预设距离为间隔，采集目标隧道内的数个位置的车道的实时视频数据；所述数个位置的车道的实时视频数据组成目标隧道内的车道的所有画面的视频数据；通过基于卷积神经网络的检测网络对所述实时视频数据进行检测，获取异常事件画面帧，依据所述异常事件画面帧与实际场景的物理距离的转换规则，计算得到异常事件的位置信息；所述位置信息包括所在的车道及距所述实时视频数据采集点的距离；通过基于卷积神经网络的分类网络对所述异常事件画面帧进行分类，获取一类异常事件；并对所述异常事件画面帧进行逻辑判断获取二类异常事件；将所述一类异常事件和/或所述二类异常事件及其位置信息进行视觉显示和听觉播报、并传输至道路管理中心。

优选地，所述通过基于卷积神经网络的检测网络对所述实时视频数据进行检测，获取异常事件画面帧，依据所述异常事件画面帧与实际场景的物理距离的转换规则，计算得到异常事件的位置信息；所述位置信息包括所在的车道及距所述实时视频数据采集点的距离包括：训练所采集的任一隧道内的车道的视频数据集得到所述检测网络；使用所述检测网络对所述实时视频数据进行检测，获取带有异常事件框的异常事件画面帧；依据所述异常事件画面帧与实际场景的物理距离的转换规则，计算得到所述异常事件框所在的车道及距所述实时视频数据采集点的距离。

优选地，所述依据所述异常事件画面帧与实际场景的物理距离的转换规则，计算得到异常事件所在的车道及距所述实时视频数据采集点的距离包括：根据预设的车道线走向及范围、和异常事件框的中心的横坐标判断异常事件所在的车道；根据目标隧道内的真实道路平面和所述异常事件画面帧的图像平面的投影关系、以及异常事件框的中心在所述异常事件画面帧中的纵坐标，得到异常事件距所述实时视频数据采集点的距离；所述横坐标、所述纵坐标的原点为所述异常事件画面帧的左上角顶点。