看了一篇机器视觉检测技术在公路落物识别中的应用文章,论文发表在《数字技术与应用》,介绍了机器视觉对普通国省干线公路落物识别的算法设计,对主要内容作了摘抄和整理,分享给大家~
0 引言
普通国省干线公路运行过程中,受到客观因素与主观因素影响会存在各种落物,包括从车辆上掉落的轮胎、钢管、生活垃圾以及其他物品等。为了降低此类落物的影响,提高管理效率,需要增强对此类物质的识别。本文以此为出发点,概述了普通国省干线公路落物识别的重要性,剖析了普通国省干线公路落物识别技术流程,并以此为基础,分别从图割法、MOG2 算法、YOLOv5+ 阈值法、KCF 跟踪与识别四个方面,对其具体情况进行了讨论。
2 普通国省干线公路落物识别技术流程
落物识别监测预警是现代普通国省干线公路路网运行安全管理中的重要组成部分,在当前应用的多种识别技术中,主要是应用“传感器 + 人工智能”的基本方案,借助配置适用性较强、适配性较高的技术,实现对路面落物的自动识别 。需要注意的是,在落物识别技术应用时并不是单一的应用一种技术,而是需要配置多种技术,才能达到有效识别、监测、跟踪、预警等。以基于视频的普通国省干线公路落物识别技术为例,其中就需要配置图割法、MOG2 算法、YOLOv5+ 阈值法、KCF跟踪与识别技术等,下面先对其流程进行说明。
(1)在基于视频的普通国省干线公路路面落物识别时,需要按照“道路区域分割—公路落物前景背景分离—道路物体目标检测—道路物体目标跟踪”的基本路线进行操作,四大环节中通常可以分为 6 个基本的流程进行操作 :
1.利用图割法从整个图像中分割出有效的公路区域 ;
2.采用背景建模及背景差分算法得到所有的运动目标 ;
3.用深度学习算法检测出车辆,以排除车辆目标 ;