[发明专利]一种基于桥梁监控视频中车辆匹配深度学习的桥梁荷载分布识别方法

说明书

本发明提出了一种基于桥梁监控视频中车辆匹配深度学习的桥梁荷载分布识别方法，所述方法首先进行目标车辆图像的获得及车辆荷载信息关联，然后利用基于HardNet深度学习描述符的图像匹配方法实现不同监控视频图像中的车辆识别，最后对给定时刻的所有位置监控视野中的车辆进行识别，结合目标车辆图像附加的车辆荷载信息，实现桥梁上的车辆荷载识别。本发明的图像匹配过程在各种监控场景下都能很好地建立车辆图像间的点特征对应关系，对于不同监控视频图像间存在的亮度、视角以及尺度变化都有着很好的鲁棒性，从而使得本方法能够有效应对复杂多变的实际监控场景的挑战，稳定识别桥上的车辆荷载。

技术领域

本发明属于桥梁健康监测技术领域，特别是涉及一种基于桥梁监控视频中车辆匹配深度学习的桥梁荷载分布识别方法。

背景技术

车辆荷载是桥梁最主要的荷载之一，在各种荷载组合中占很重要的地位。它是产生桥梁疲劳劣化最主要的原因，同时也是桥梁进行时变可靠性分析、剩余寿命预测以及极限承载能力计算等的研究基础之一。随着我国社会、经济和交通运输业的发展，桥梁的车辆荷载状况发生了很大的变化，出现了大量的车辆超载现象，使桥梁处于超负荷运营状态，这将加速桥梁的疲劳破坏，特别是集群出现的超重大型车辆，更是使桥梁的疲劳可靠性和极限承载能力面临严峻考验。因此，准确识别大型车辆荷载对于桥梁结构的受荷状态评估与管理至关重要。

安装在很多桥梁上的动态称重系统，能够直接测量过往车辆的重量，轴数和速度信息，这为识别桥梁上大型车辆荷载提供了可能性。但动态称重系统往往只布置在桥头等桥梁局部位置，因此直接利用其识别全桥的车辆荷载信息是不可能的。监控摄像机由于其安装维护便捷且费用较低、可监控范围广、可获取更多种类的交通参数、而且适用于多桥梁类型等诸多优点，在桥梁监测系统中得到了越来越广泛的应用。安装在桥梁道路上方的监控摄像机持续监控道路状况和过往车辆，得到的视频图像序列中蕴含着车辆的位置信息。因此，结合监控摄像机和运动称重系统成为桥梁健康监测领域中桥梁车辆荷载识别方法的一种很有前景的策略，并且近些年来受到越来越多的关注。

在结合监控视频信息与动态称重系统信息的桥梁车辆荷载识别方法中，如何建立桥梁上不同位置的监控视频中车辆的对应关系，从而提取车辆位置信息，是系统建立的关键问题。但目前的方法或是对光照变化敏感，无法稳定建立各种情况下的车辆对应关系，或是需要相邻监控摄像机间存在重叠视野，只适用于实际应用中的一些特殊情况。基于点特征的图像匹配方法是一种建立图像间对应关系的计算机视觉方法，是该问题的解决方案。

发明内容

本发明的目的是为了解决现有技术中的问题，提出了一种基于桥梁监控视频中车辆匹配深度学习的桥梁荷载分布识别方法。

本发明是通过以下技术方案实现的，本发明提出一种基于桥梁监控视频中车辆匹配深度学习的桥梁荷载分布识别方法，具体包括以下步骤：

步骤一、根据车辆通过动态称重系统的时间以及其在此处监控视频中出现的时间，将车辆重量附加在对应的车辆图像上，同时截取通过的车辆图像作为目标车辆图像；

步骤二、构建基于HardNet描述符的图像匹配方法以匹配识别不同监控视频中的目标车辆；

步骤三、对给定时刻的所有位置监控视频中的车辆进行匹配识别，建立车辆对应关系，提取车辆位置信息，结合目标车辆图像附加的车辆荷载信息，实现桥梁上的车辆荷载识别。

进一步地，所述步骤一具体为：

步骤1.1、从动态称重系统中读取通过的车辆的通过时间、速度和重量；

步骤1.2、利用基于YOLOV3的车辆检测方法检测截取视频中通过动态称重系统区域的车辆作为目标车辆图像，同时记录检测截取时间；

步骤1.3、将从动态称重系统中提取到的车辆的速度与重量信息附加到同一时间从视频监控系统中检测截取的目标车辆图像上。

进一步地，所述步骤二具体为：