基于监控数据的隧道路段路况异常识别方法

1.本发明涉及数据处理技术领域，具体涉及一种基于监控数据的隧道路段路况异常识别方法。


背景技术：

2.公路隧道火灾危害性极大，一旦发生，极易造成交通瘫痪、商贸物流中断，甚至造成群死群伤，导致恶劣的社会反响。因此，对公路隧道进行火灾异常识别就显得尤为重要。目前一般通过对公路隧道内烟雾情况进行检测以达到对隧道进行火灾异常识别的目的。现有方法对隧道内烟雾情况进行检测时通过烟雾传感器获得隧道内的烟雾情况，但是烟雾传感器受其安装位置的限制较大，而隧道内的空间较大，无法获得较为准确的烟雾情况。
3.现阶段随着监控技术的不断发展，利用隧道监控数据获得隧道内的烟雾情况。但是在检测隧道监控视频图像中的烟雾情况时，隧道内行驶的车辆容易产生灰尘，对实际的烟雾情况产生影响，进而使得对隧道进行火灾异常识别的结果较不准确。


技术实现要素：

4.为了解决对隧道进行火灾异常识别的结果较不准确的技术问题，本发明的目的在于提供一种基于监控数据的隧道路段路况异常识别方法，所采用的技术方案具体如下：获取隧道路段视频监控数据中的至少两帧视频帧图像，对每一帧视频帧图像进行筛选得到烟雾可疑图像；提取烟雾可疑图像中的疑似烟雾区域，根据烟雾可疑图像中车辆行驶情况确定检测点；根据疑似烟雾区域对应的移动方向计算第一系数，根据疑似烟雾区域的边缘上像素点到检测点之间的距离以及第一系数得到疑似烟雾区域的第一可能性指标；根据疑似烟雾区域对应的移动方向与设定方向之间的差异得到第二系数，根据疑似烟雾区域的面积在相邻帧图像之间的差异以及第二系数得到第二可能性指标；根据第一可能性指标和第二可能性指标确定疑似烟雾区域的全局可能性指标，根据所述全局可能性指标对疑似烟雾区域进行筛选得到实际烟雾区域，进而获得隧道路段路况异常情况。
5.优选地，所述第一可能性指标的获取方法具体为：对于任意一张烟雾可疑图像，以该烟雾可疑图像为起始帧图像获取连续的预设数量张视频帧图像，构成该烟雾可疑图像的第一特征图像集合；根据视频帧图像获取车辆行驶路径，将关于车辆行驶路径对称的两个检测点记为检测点对；将烟雾可疑图像中的任意一个烟雾可疑区域记为目标区域，获取第一特征图像集合中所有视频帧图像对应位置处的目标区域；提取第一特征图像集合中视频帧图像上的车辆区域；对于任意一个目标区域，计算烟雾可疑图像之后的设定数量帧视频帧图像上的车辆区域之间的距离，将距离最小值的车辆区域对应的车辆记为目标车辆，目标车辆对应的
车辆行驶路径为目标路径；在第一特征图像集合的任意一张视频帧图像上，对于目标路径的任意一个检测点对，计算目标区域的边缘像素点与检测点之间的距离的均值，以两个均值的差值的绝对值与预设的第一数值之和的倒数作为检测点对的特征值，计算目标路径上所有检测点对的特征值的均值得到特征均值；计算第一特征图像集合中所有视频帧图像对应的特征均值的平均数与第一系数的乘积，得到目标区域的第一可能性指标。
6.优选地，所述第一系数的获取方法具体为：对于第一特征图像集合中任意两张相邻的视频帧图像，计算两张视频帧图像上目标区域的面积的差值的绝对值；根据两张视频帧图像获取目标区域的运动向量，根据视频帧图像获取车辆的目标路径对应的行驶方向，计算该行驶方向所在单位向量与运动向量之间的夹角的数值，计算数值与预设的第二数值之和的倒数，以所述面积的差值的绝对值与倒数的乘积作为目标区域在两张相邻的视频帧图像上的第一方向特征值；以目标区域在第一特征图像集合中所有任意两张相邻的视频帧图像上的第一方向特征值的均值作为第一系数。
7.优选地，所述根据疑似烟雾区域对应的移动方向与设定方向之间的差异得到第二系数，根据疑似烟雾区域的面积在相邻帧图像之间的差异以及第二系数得到第二可能性指标，具体包括：对于第一特征图像集合中任意两张相邻的视频帧图像，获取根据两张视频帧图像获得的目标区域的运动向量与设定方向所在单位向量之间夹角的数值，以该数值与预设的第三数值之和的倒数作为目标区域在两张相邻视频帧图像上的第二方向特征值；以目标区域在第一特征图像集合中所有任意两张相邻的视频帧图像上的第二方向特征值的均值作为第二系数；对于第一特征图像集合中任意一张视频帧图像上，获取目标区域对应的目标车辆所在视频帧图像记为选定帧图像，以选定帧图像为起始帧获取一定数量张视频帧图像记为第二特征图像集合；计算该视频帧图像上目标区域的面积与第二特征图像集合中视频帧图像上目标区域的面积之间的差值的绝对值，计算该差值的绝对值与预设的第四数值之和的倒数；获取视频帧图像与第二特征图像集合中视频帧图像对应的时间之差的倒数，根据两个倒数以及第二系数得到目标区域的第二可能性指标。
8.优选地，所述第二可能性指标的计算公式具体为：其中，pb表示目标区域的第二可能性指标，n0表示第一特征图像集合中图像的总数量，表示目标区域在第一特征图像集合中的第j－1帧视频帧图像到第j帧视频帧图像对应的运动向量，y表示设定方向所在单位向量，表示目标区域在两张相邻视频帧图像上的第二方向特征值；n1表示第二特征图像集合中图像的总数量，第一特征
图像集合中第j帧视频帧图像中目标区域的面积，表示第二特征图像集合中第e帧视频帧图像中目标区域的面积，表示第j帧视频帧图像与第e帧视频帧图像对应的时间之差，为第二系数，中的1为第三数值，中的1为第四数值。
9.优选地，所述根据第一可能性指标和第二可能性指标确定疑似烟雾区域的全局可能性指标具体为：计算预设的第五数值与归一化后的第一可能性指标的值之间的差值，该差值与归一化后的第二可能性指标的值之间的乘积为全局可能性指标。
10.优选地，所述根据所述全局可能性指标对疑似烟雾区域进行筛选得到实际烟雾区域具体为：将全局可能性指标大于预设的可能性阈值对应的疑似烟雾区域记为实际烟雾区域。
11.优选地，所述对每一帧视频帧图像进行筛选得到烟雾可疑图像具体为：对于任意一帧视频帧图像，获取利用暗通道去雾算法对该视频帧图像进行处理的过程中该视频帧图像的透光率，若透光率小于预设的透光阈值，则该视频帧图像记为烟雾可疑图像；进而对每一帧视频帧图像进行筛选得到所有的烟雾可疑图像。
12.优选地，所述根据烟雾可疑图像中车辆行驶情况确定检测点，包括：根据视频帧图像获取车辆行驶路径，在离车辆行驶路径两侧设定距离位置处等间隔的设置检测点，进而获得烟雾可疑图像中的检测点。
13.本发明实施例至少具有如下有益效果：本发明通过识别图像获取视频帧图像中可能存在烟雾的区域，进而对疑似烟雾区域的特征数据进行分析处理，根据疑似烟雾区域对应的移动方向计算第一系数，考虑了疑似烟雾区域随时间推移移动方向的变化特征，再根据疑似烟雾区域的边缘上像素点到检测点之间的距离以及第一系数得到疑似烟雾区域的第一可能性指标，利用距离数据反映了疑似烟雾区域与行驶车辆之间的位置特征；根据疑似烟雾区域对应的移动方向与设定方向之间的差异得到第二系数，考虑了疑似烟雾区域的移动方向与设定方向之间的差异，再根据疑似烟雾区域的面积在相邻帧图像之间的差异以及第二系数得到第二可能性指标，利用面积数据反映了疑似烟雾区域随着时间的推移面积变化特征；结合第一可能性指标和第二可能性指标，从多个方面考虑了疑似烟雾区域的特征数据的变化情况，获得实际烟雾区域，本发明能够区分灰尘与实际烟雾，避免了烟雾的误识别情况的出现，提高实际烟雾识别准确性，进而得到准确的隧道道路路况的火灾异常情况。
附图说明
14.为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
15.图1是本发明的一种基于监控数据的隧道路段路况异常识别方法的方法流程图。
具体实施方式
16.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于监控数据的隧道路段路况异常识别方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
17.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
18.下面结合附图具体的说明本发明所提供的一种基于监控数据的隧道路段路况异常识别方法的具体方案。
19.实施例：本发明的主要目的是：在对隧道内的烟雾情况进行识别中，首先对视频帧图像进行粗略的烟雾识别，获得烟雾可疑图像，此时由于行驶车辆所产生的灰尘对实际烟雾的识别产生较大的影响，即容易将车辆产生的灰尘误识别为实际的烟雾，使得烟雾识别结果不准确。因此，本发明通过分析灰尘与实际烟雾的特征情况，排除灰尘对烟雾识别的影响，进而获得准确的识别结果。
20.请参阅图1，其示出了本发明一个实施例提供的一种基于监控数据的隧道路段路况异常识别方法的方法流程图，该方法包括以下步骤：步骤一，获取隧道路段视频监控数据中的至少两帧视频帧图像，对每一帧视频帧图像进行筛选得到烟雾可疑图像；提取烟雾可疑图像中的疑似烟雾区域，根据烟雾可疑图像中车辆行驶情况确定检测点。
21.首先，利用隧道监控视频进行隧道火灾异常识别时，需要获取隧道路段的原始监控视频，此时需要在隧道内安装多个相机，实时拍摄隧道路段的画面，并且监控视频画面能够覆盖整个隧道。在获得隧道路段监控视频的多帧视频帧图像后，将视频帧图像数据传输到视频监控中心，然后对视频帧图像中的数据进行分析，通过烟雾识别，判断隧道内是否发生火灾，以获得隧道路段的异常情况。
22.在利用隧道监控视频数据对烟雾异常情况进行识别时，主要依靠视频帧图像，在进行烟雾识别之前，需要对所有视频帧图像中烟雾情况进行分析，筛选出可能存在烟雾的视频帧图像，以减少计算量。一般情况下，在视频帧图像中烟雾表现为雾状特征，即在视频帧图像中对于光存在遮挡，基于此，可以根据图像中的透光率进行分析，判断视频帧图像中是否存在可疑的烟雾。
23.对每一帧视频帧图像进行筛选得到烟雾可疑图像，具体地，对于任意一帧视频帧图像，获取利用暗通道去雾算法对该视频帧图像进行处理的过程中该视频帧图像的透光率，若透光率小于预设的透光阈值，则该视频帧图像记为烟雾可疑图像；进而对每一帧视频帧图像进行筛选得到所有的烟雾可疑图像。
24.其中，暗通道去雾算法为公知计算，在利用暗通道去雾算法对图像进行处理时，能够获得图像的透射率，在本实施例中将视频帧图像的透射率即为透光率，表征视频帧图是
否存在可疑的烟雾。当视频帧图像的透光率小于透光阈值时，说明视频帧图像中可能存在雾，故将其记为烟雾可疑图像，在本实施例中透光阈值的取值为0.6，实施者可根据实际情况进行设置。
25.进一步的，再对烟雾可疑图像进行分析，获取图像中存在烟雾部分的区域，即提取烟雾可疑图像中的疑似烟雾区域，在本实施例中，利用bp神经网络提取烟雾可疑图像中的疑似烟雾区域。
26.在实际隧道中，可能存在由于车辆行驶产生的灰尘，进而影响烟雾的识别结果，故需要对可能存在烟雾的区域的特征进行分析。烟雾与灰尘之间的差异主要表现为区域的运动特征，因为在隧道内没有较大风力影响时，烟雾一般是从火灾发生点向四周扩散，但是灰尘是由车辆行驶产生，灰尘会随着车辆的运动而运动，进而可以根据疑似烟雾区域的运动特征对烟雾或者灰尘进行判断。
27.基于此，先对烟雾可疑图像中车辆的行驶情况进行分析，进而根据疑似烟雾区域与行驶的车辆之间的关系判断疑似烟雾区域为灰尘所在区域的可能性。根据烟雾可疑图像中车辆行驶情况确定检测点，即根据视频帧图像获取车辆行驶路径，在离行驶路径两侧设定距离位置处等间隔的设置检测点，进而获得烟雾可疑图像中的检测点。
28.在本实施例中，首先利用bp神经网络提取烟雾可疑图像中的车辆区域，由于灰尘一般是在车辆行驶后伴随产生，且在监控视频中灰尘的运动方向与车辆的行驶方向保持一致，此时根据车辆行驶前后连续多帧视频帧图像可以判断疑似烟雾区域与车辆行驶之间的关系，以获得疑似烟雾区域为灰尘所在区域的可能性。
29.在连续多帧视频帧图像中确定车辆区域对应的车辆的行驶方向和车辆行驶路径，进而根据车辆行驶路径设置检测位置，利用疑似烟雾区域与检测位置之间的距离关系判断疑似烟雾区域与车辆行驶之间的关系。需要说明的是，车辆的行驶方向和车辆行驶路径的获取方法为公知技术，车辆行驶路径即车辆的行驶轨迹，现有技术中有多种多样的方法获取车辆的行驶轨迹，实施者可根据具体实施场景进行选择合适的方法。
30.例如，对于任意一个车辆区域，若该车辆区域对应的车辆行驶路径为一条线段，则以该线段所在直线为对称轴，在该线段左右两侧离该线段距离为k的位置处等间隔的设置检测点，距离k的取值需根据隧道内的道路宽度进行设置，实施者可根据具体实施场景进行设置，在本实施例中k的取值为20，位于同一侧相邻的检测点之间的间隔距离的取值为40，同时位于车辆行驶路径两侧对应位置处的检测点关于车辆行驶路径对称。将车辆行驶路径左侧的检测点分别记为，表示第n个左侧检测点，将车辆行驶路径右侧的检测点分别记为，表示第n个右侧检测点，则第n个左侧检测点与第n个右侧检测点关于车辆行驶路径对称。
31.步骤二，根据疑似烟雾区域对应的移动方向计算第一系数，根据疑似烟雾区域的边缘上像素点到检测点之间的距离以及第一系数得到疑似烟雾区域的第一可能性指标。
32.首先，需要说明的是，在对隧道内的烟雾异常情况进行识别时，可能存在灰尘影响识别结果，而灰尘是由于车辆行驶产生的，故灰尘主要分布在车辆的行驶路径附近，并且灰尘向着车辆行驶方向扩散。本发明实施例根据灰尘的运动特征对疑似烟雾区域进行分析，判断疑似烟雾区域为灰尘所在区域的可能性。
33.对于任意一张烟雾可疑图像中的疑似烟雾区域进行分析，若疑似烟雾区域实际为灰尘所在区域，则该疑似烟雾区域在连续多帧的视频帧图像中会随着车辆的运动而运动，其运动方向与车辆的行驶方向较为接近。同时，对于一个疑似烟雾区域，在连续多帧视频帧图像中在对应位置处均存在一个疑似烟雾区域，这些疑似烟雾区域不是完全相同的，若烟雾可疑图像中的疑似烟雾区域是灰尘所在区域，则在烟雾可疑图像后连续多帧图像中对应位置处的疑似烟雾区域随着车辆的运动而运动，且会随着车辆的行驶而发生不同程度的变化。
34.基于此，对于任意一张烟雾可疑图像，以该烟雾可疑图像为起始帧图像获取连续的预设数量张视频帧图像，构成该烟雾可疑图像的第一特征图像集合；将烟雾可疑图像中的任意一个烟雾可疑区域记为目标区域，获取第一特征图像集合中所有视频帧图像对应位置处的目标区域；提取第一特征图像集合中视频帧图像上的车辆区域，计算烟雾可疑图像上的目标区域与车辆区域之间的距离，将距离最小值的车辆区域对应的车辆行驶路径记为目标路径。
35.其中，预设数量的取值为7，第一特征图像集合中视频帧图像上的车辆区域的获取方法与步骤一中车辆区域的获取方法相同。若目标区域为灰尘所在区域，则需要在第一特征图像集合中的图像中寻找是由于哪个车辆的行驶而产生的灰尘，使得存在目标区域，车辆行驶产生灰尘时，灰尘就在车辆附近，故车辆区域与灰尘所在区域之间的距离应当较小。
36.基于此，根据目标区域与车辆区域之间的距离获取目标车辆，对于任意一个目标区域，计算烟雾可疑图像之后的设定数量帧视频帧图像上的车辆区域之间的距离，将距离最小值的车辆区域对应的车辆记为目标车辆，目标车辆对应的车辆行驶路径为目标路径。例如，烟雾可疑图像为第i帧视频帧图像，则在第i帧视频帧图像之后，选择设定数量帧视频帧图像作为依据，获取第i帧视频帧图像中目标区域对应的目标车辆，设定数量的取值为5。即一个目标区域对应一个目标车辆，该目标车辆所在图像距离目标区域所在图像时间较近，目标车辆所在位置与目标区域所在位置距离较近。
37.需要说明的是，目标区域与车辆区域之间的距离，可以通过计算目标区域的质心所在像素点与车辆区域的质心像素点之间的距离，两个像素点之间的距离可以通过获取像素点的像素坐标，进而基于像素坐标计算两个点之间的距离。实施者也可根据具体实施场景选择其他方法计算距离。
38.对于第一特征图像集合中任意两张相邻的视频帧图像，计算两张视频帧图像上目标区域的面积的差值的绝对值。
39.根据两张视频帧图像获取目标区域的运动向量，利用视频帧图像获取目标宏块的运动向量为公知技术，在本实施例中，在第一特征图像集合中第j－1帧视频帧图像上目标区域的边缘上等间距选择n2个边缘像素点，在第j帧视频帧图像上目标区域的边缘上等间距选择n1个边缘像素点，并获取n2个边缘像素点到n1个边缘像素点之间的向量，计算表示第j－1帧视频帧图像上目标区域的第v个边缘像素点与第j帧视频帧图像上目标区域的个边缘像素点的向量和，即目标区域相对于第v个边缘像素点的运动向量。进而利用表示第j－1帧视频帧图像目标区域的边缘像素点到第j帧视
频帧图像上目标区域的边缘像素点之间的向量和，表征目标区域的运动向量。
40.需要说明的是，在本实施例中，通过获取边缘像素点的像素坐标，进而利用坐标法获取两个边缘像素点确定的向量。实施者可根据具体实施场景选择其他合适的方法获取两点确定的向量。同时，n1和n2的取值因目标区域的边缘像素点的总数量的不同而不同，实施者需根据具体实施场景进行设置。
41.根据视频帧图像获取车辆的目标路径对应的行驶方向，计算该行驶方向所在单位向量与运动向量之间的夹角的数值，计算数值与预设的第二数值之和的倒数，以所述绝对值与倒数的乘积得到目标区域在两张相邻的视频帧图像上的第一方向特征值；以目标区域在第一特征图像集合中所有任意两张相邻的视频帧图像上的第一方向特征值的均值作为第一系数。
42.所述第一系数的计算公式表示为：其中，表示目标区域对应的第一系数，n0表示第一特征图像集合中图像的总数量，表示第一特征图像集合中第j帧视频帧图像中目标区域的面积，表示第一特征图像集合中第j－1帧视频帧图像中目标区域的面积，x表示目标车辆的行驶方向构成的单位向量，表示目标区域在第j－1帧视频帧图像到第j帧视频帧图像对应的运动向量，第二数值为1，设置第二数值是为了防止分母为0。
43.表示第一特征图像集合中第j－1帧视频帧图像与第j帧视频帧图像中目标区域的面积之间的差异，该差异越大，说明随着时间的推移或者车辆的行驶，目标区域发生较大的变化，进而说明该目标区域为灰尘所在区域的可能性越大，对应的第一系数的取值越大。
44.表示目标区域的运动向量与车辆的行驶方向向量之间夹角的数值，例如，两个向量之间的夹角角度为30
°
，则的取值为30。夹角的数值取值越大，说明目标区域的运动方向与车辆行驶方向之间的差异越大，进而说明目标区域并未随着车辆的运动而运动，该目标区域为灰尘所在区域的可能性越小，对应第一系数的取值越小。
45.为目标区域在第j－1帧视频帧图像和第j帧视频帧图像上的第一方向特征值，表征了目标区域在连续两帧视频帧图像中面积以及运动方向的变化，进而第一系数表征了目标区域在连续多帧视频帧图像中面积以及运动方向的变化。
46.进一步的，若一个疑似目标区域为灰尘所在区域，则该疑似目标区域会随着车辆行驶而发生移动，即疑似烟雾区域的运动轨迹与车辆行驶路径较为接近，而检测点是关于车辆行驶路径对称，故检测点关于疑似烟雾区域所在位置也对称，则疑似烟雾区域到互相对称的两个监测点的距离较为接近或者相等。
47.将关于车辆行驶路径对称的两个检测点记为检测点对，在第一特征图像集合的任意一张视频帧图像上，对于目标路径的任意一个检测点对，计算目标区域的边缘像素点与检测点之间的距离的均值，以两个均值的差值的绝对值与预设的第一数值之和的倒数作为检测点对的特征值，计算目标路径上所有检测点对的特征值的均值得到特征均值；进而计算第一特征图像集合中所有视频帧图像对应的特征均值的平均数与第一系数的乘积，得到目标区域的第一可能性指标。
48.所述第一可能性指标的计算公式表示为：其中，pc表示目标区域的第一可能性指标，即疑似烟雾区域的第一可能性指标，n0表示第一特征图像集合中图像的总数量，m3表示表示第一特征图像集合中第j帧视频帧图像中目标区域对应的目标车辆的目标路径上检测点对的总数量，表示第j帧视频帧图像中目标区域的边缘像素点到第t个检测点对中第一个检测点之间距离的均值，表示第j帧视频帧图像中目标区域的边缘像素点到第t个检测点对中第二个检测点之间距离的均值，为第t个检测点对的特征值，为第j帧视频帧图像上目标区域对应的特征均值，第一数值的取值为1，第一数值是为了防止分母为0，表示目标区域对应的第一系数。
49.表示目标区域到车辆行驶路径同一位置两侧检测点的距离的差值，该差值越小，说明第t个检测点对关于目标区域越对称，此时目标区域为灰尘所在区域的可能性越大。表征了目标区域与检测点对之间的位置关系，反映了目标区域的运动轨迹与车辆行驶路径之间的一致性程度，其值越大，说明目标区域的运动轨迹与车辆行驶路径越一致，进而说明目标区域为灰尘所在区域的可能性越大。
50.从位置信息方面反映了目标区域在第一特征图像集合中运动轨迹与车辆行驶路径的一致性程度，目标区域的运动轨迹与车辆行驶路径越一致，对应的第一可能性指标的取值越大，说明目标区域为灰尘所在区域的可能性越大。第一系数表征了目标区域在连续多帧视频帧图像中面积以及运动方向的变化，第一系数的取值越大，对应的第一可能性指标的取值越大，说明目标区域为灰尘所在区域的可能性越大。即第一可能性指标表征了目标区域为灰尘所在区域的可能性。
51.步骤三，根据疑似烟雾区域对应的移动方向与设定方向之间的差异得到第二系数，根据疑似烟雾区域的面积在相邻帧图像之间的差异以及第二系数得到第二可能性指
标。
52.首先，需要说明的是，由于火灾的发生而产生的实际烟雾，是从火灾发生点开始扩散，并且烟雾扩散的方向以向上为主，同时烟雾所在区域与车辆以及车辆的行驶路径之间的关系较弱，即烟雾所在区域的特征主要表现为区域自身的移动特征。故可利用疑似烟雾区域与车辆行驶路径之间的位置关系确定疑似烟雾区域为烟雾所在区域的可能性。
53.若疑似烟雾区域为烟雾所在区域，则该疑似烟雾区域在连续多帧的视频帧图像中的运动方向与竖直向上的方向较为接近。对于第一特征图像集合中任意两张相邻的视频帧图像，获取根据两张视频帧图像获得的目标区域的运动向量与设定方向所在单位向量之间夹角的数值，以该数值与预设的第三数值之和的倒数作为目标区域在两张相邻视频帧图像上的第二方向特征值；以目标区域在第一特征图像集合中所有任意两张相邻的视频帧图像上的第二方向特征值的均值作为第二系数。其中，在本实施例中，设定方向为竖直向上的方向。
54.所述第二系数的计算公式表示为：其中，表示目标区域对应的第二系数，n0表示第一特征图像集合中图像的总数量，表示目标区域在第一特征图像集合中的第j－1帧视频帧图像到第j帧视频帧图像对应的运动向量，y表示设定方向所在单位向量，即竖直向上方向构成的单位向量，第三数值的取值为1，第三数值是为了防止分母为0。
55.表示目标区域的运动向量与竖直向上的方向向量之间夹角的数值，例如，两个向量之间的夹角角度为30
°
，则的取值为30。夹角的数值的取值越小，说明目标区域的运动方向与竖直向上的方向之间的差异越小，即目标区域对应的疑似烟雾区域随着时间的推移或者车辆的行驶越向上移动，则该目标区域为烟雾所在区域的可能性越大，对应的第二系数的取值越大。
56.表示目标区域在第j－1帧视频帧图像到第j帧视频帧图像上的第二方向特征值，反映了目标区域在连续两帧视频帧图像中运动方向的变化，进而第二系数表征了目标区域在连续多帧视频帧图像中运动方向的变化。
57.进一步的，对于一个疑似烟雾区域，在连续多帧视频帧图像中在对应位置处均存在一个疑似烟雾区域，这些疑似烟雾区域不是完全相同的，若烟雾可疑图像中的疑似烟雾区域是烟雾所在区域，则在烟雾可疑图像后连续多帧图像中对应位置处的疑似烟雾区域不会随着车辆的行驶而发生较大的变化，但是，随着时间的推移，疑似烟雾区域可能会发生扩散。当时间足够长时，烟雾所在区域的面积可能会由于烟雾扩散而变大。
58.对于第一特征图像集合中任意一张视频帧图像上，获取目标区域对应的目标车辆所在视频帧图像记为选定帧图像，以选定帧图像为起始帧获取一定数量张视频帧图像记为第二特征图像集合；计算该视频帧图像上目标区域的面积与第二特征图像集合中视频帧图像上目标
区域的面积之间的差值的绝对值，计算该差值的绝对值与预设的第四数值之和的倒数；获取视频帧图像与选定帧图像对应的时间之差的倒数，根据两个倒数以及第二系数得到目标区域的第二可能性指标。
59.所述第二可能性指标的计算公式表示为：或者表示为：其中，pb表示目标区域的第二可能性指标，表示目标区域对应的第二系数，n0表示第一特征图像集合中图像的总数量，n1表示第二特征图像集合中图像的总数量，第一特征图像集合中第j帧视频帧图像中目标区域的面积，表示第二特征图像集合中第e帧视频帧图像中目标区域的面积，表示第j帧视频帧图像与第e帧视频帧图像对应的时间之差。同时，第四数值的取值为1，第四数值是为了防止分母为0。
60.表示第j帧视频帧图像中与第e帧视频帧图像中目标区域的面积之间的差异，面积差异越小，说明目标区域与车辆行驶之间的关系越小，即目标区域的面积不会随着车辆行驶发生变化，说明目标区域为烟雾所在区域的可能性越大，对应的第二可能性指标的取值越大。
61.反映了目标区域与目标车辆之间相隔的时间差，该时间差越大，目标区域自身越可能发生变化，因此，时间差较大时，不同视频帧图像中目标区域的面积变化对目标区域为烟雾所在区域的可能性的影响较小。表示第j帧图像与目标车辆经过多帧图像时，目标区域面积之间的变化情况，反映了目标区域与车辆行驶之间的关系。
62.反映了连续的n0帧视频帧图像中目标区域与经过目标车辆后的n1帧视频帧图像中目标区域之间的面积变化关系，该取值越大，对应的第二可能性指标的取值越大，说明目标区域对应的疑似烟雾区域为烟雾所在区域的可能性越大。第二系数表征了目标区域在连续多帧视频帧图像中运动方向的变化，第二系数的取值越大，对应的第二可能性指标的取值越大，说明目标区域对应的疑似烟雾区域为烟雾所在区域的可能性越大。
63.第二可能性指标是根据疑似烟雾区域变化方向与车辆经过前后对疑似烟雾区域的影响确定疑似烟雾区域为烟雾所在区域的可能性。其中，先考虑实际烟雾具有自然扩散的特征，从烟雾的扩散方向上反映疑似烟雾区域为烟雾所在区域的可能性，然后考虑车辆
行驶对疑似烟雾区域的影响作用，并且考虑图像之间时间间隔对目标区域与车辆行驶之间关系的影响作用，最大程度避免车辆行驶对实际烟雾的误判，更加准确的获得疑似烟雾区域为烟雾所在区域的可能性。
64.步骤四，根据第一可能性指标和第二可能性指标确定疑似烟雾区域的全局可能性指标，根据所述全局可能性指标对疑似烟雾区域进行筛选得到实际烟雾区域，进而获得隧道路段路况异常情况。
65.第一可能性指标表征了疑似烟雾区域为灰尘所在区域的可能性，故第一可能性指标的取值越大，疑似烟雾区域为烟雾所在区域的可能性越小。第二可能性指标表征了疑似烟雾区域为烟雾所在区域的可能性，故第二可能性指标的取值越小，疑似烟雾区域为烟雾所在区域的可能性越小。基于此，计算预设的第五数值与归一化后的第一可能性指标的值之间的差值，该差值与归一化后的第二可能性指标的值之间的乘积为全局可能性指标，用公式表示为：其中，pf为疑似烟雾区域对应的全局可能性指标，为归一化后的第一可能性指标的值，为归一化后的第二可能性指标的值。表示疑似烟雾区域为烟雾所在区域的可能性，表示疑似烟雾区域为烟雾所在区域的可能性，pf即表示疑似烟雾区域最终属于烟雾所在区域的可能性，pf的取值越大，最终疑似烟雾区域为实际烟雾所在区域的可能性越大。
66.根据疑似烟雾区域的全局可能性指标对疑似烟雾区域进行筛选得到实际烟雾区域。具体地，当疑似烟雾区域的全局可能性指标大于预设的可能性阈值时，说明该疑似烟雾区域为烟雾所在区域的可能性较大，故将全局可能性指标大于预设的可能性阈值对应的疑似烟雾区域记为实际烟雾区域。其中，可能性阈值的取值为0.7，实施者可根据具体实施场景进行设置。
67.当检测到烟雾可疑图像中存在实际烟雾区域时，说明此时隧道路段内发生了火灾异常情况，为了保证隧道以及隧道内行驶车辆的安全，应当立刻通知相关工作人员对隧道的异常情况进行排查。
68.以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围，均应包含在本技术的保护范围之内。

技术特征：
1.一种基于监控数据的隧道路段路况异常识别方法，其特征在于，该方法包括以下步骤：获取隧道路段视频监控数据中的至少两帧视频帧图像，对每一帧视频帧图像进行筛选得到烟雾可疑图像；提取烟雾可疑图像中的疑似烟雾区域，根据烟雾可疑图像中车辆行驶情况确定检测点；根据疑似烟雾区域对应的移动方向计算第一系数，根据疑似烟雾区域的边缘上像素点到检测点之间的距离以及第一系数得到疑似烟雾区域的第一可能性指标；根据疑似烟雾区域对应的移动方向与设定方向之间的差异得到第二系数，根据疑似烟雾区域的面积在相邻帧图像之间的差异以及第二系数得到第二可能性指标；根据第一可能性指标和第二可能性指标确定疑似烟雾区域的全局可能性指标，根据所述全局可能性指标对疑似烟雾区域进行筛选得到实际烟雾区域，进而获得隧道路段路况异常情况。2.根据权利要求1所述的一种基于监控数据的隧道路段路况异常识别方法，其特征在于，所述第一可能性指标的获取方法具体为：对于任意一张烟雾可疑图像，以该烟雾可疑图像为起始帧图像获取连续的预设数量张视频帧图像，构成该烟雾可疑图像的第一特征图像集合；根据视频帧图像获取车辆行驶路径，将关于车辆行驶路径对称的两个检测点记为检测点对；将烟雾可疑图像中的任意一个烟雾可疑区域记为目标区域，获取第一特征图像集合中所有视频帧图像对应位置处的目标区域；提取第一特征图像集合中视频帧图像上的车辆区域；对于任意一个目标区域，计算烟雾可疑图像之后的设定数量帧视频帧图像上的车辆区域之间的距离，将距离最小值的车辆区域对应的车辆记为目标车辆，目标车辆对应的车辆行驶路径为目标路径；在第一特征图像集合的任意一张视频帧图像上，对于目标路径的任意一个检测点对，计算目标区域的边缘像素点与检测点之间的距离的均值，以两个均值的差值的绝对值与预设的第一数值之和的倒数作为检测点对的特征值，计算目标路径上所有检测点对的特征值的均值得到特征均值；计算第一特征图像集合中所有视频帧图像对应的特征均值的平均数与第一系数的乘积，得到目标区域的第一可能性指标。3.根据权利要求2所述的一种基于监控数据的隧道路段路况异常识别方法，其特征在于，所述第一系数的获取方法具体为：对于第一特征图像集合中任意两张相邻的视频帧图像，计算两张视频帧图像上目标区域的面积的差值的绝对值；根据两张视频帧图像获取目标区域的运动向量，根据视频帧图像获取车辆的目标路径对应的行驶方向，计算该行驶方向所在单位向量与运动向量之间的夹角的数值，计算数值与预设的第二数值之和的倒数，以所述面积的差值的绝对值与倒数的乘积作为目标区域在两张相邻的视频帧图像上的第一方向特征值；以目标区域在第一特征图像集合中所有任意两张相邻的视频帧图像上的第一方向特征值的均值作为第一系数。4.根据权利要求3所述的一种基于监控数据的隧道路段路况异常识别方法，其特征在
于，所述根据疑似烟雾区域对应的移动方向与设定方向之间的差异得到第二系数，根据疑似烟雾区域的面积在相邻帧图像之间的差异以及第二系数得到第二可能性指标，具体包括：对于第一特征图像集合中任意两张相邻的视频帧图像，获取根据两张视频帧图像获得的目标区域的运动向量与设定方向所在单位向量之间夹角的数值，以该数值与预设的第三数值之和的倒数作为目标区域在两张相邻视频帧图像上的第二方向特征值；以目标区域在第一特征图像集合中所有任意两张相邻的视频帧图像上的第二方向特征值的均值作为第二系数；对于第一特征图像集合中任意一张视频帧图像上，获取目标区域对应的目标车辆所在视频帧图像记为选定帧图像，以选定帧图像为起始帧获取一定数量张视频帧图像记为第二特征图像集合；计算该视频帧图像上目标区域的面积与第二特征图像集合中视频帧图像上目标区域的面积之间的差值的绝对值，计算该差值的绝对值与预设的第四数值之和的倒数；获取视频帧图像与第二特征图像集合中视频帧图像对应的时间之差的倒数，根据两个倒数以及第二系数得到目标区域的第二可能性指标。5.根据权利要求4所述的一种基于监控数据的隧道路段路况异常识别方法，其特征在于，所述第二可能性指标的计算公式具体为：其中，pb表示目标区域的第二可能性指标，n0表示第一特征图像集合中图像的总数量，表示目标区域在第一特征图像集合中的第j－1帧视频帧图像到第j帧视频帧图像对应的运动向量，y表示设定方向所在单位向量，表示目标区域在两张相邻视频帧图像上的第二方向特征值；n1表示第二特征图像集合中图像的总数量，第一特征图像集合中第j帧视频帧图像中目标区域的面积，表示第二特征图像集合中第e帧视频帧图像中目标区域的面积，表示第j帧视频帧图像与第e帧视频帧图像对应的时间之差，为第二系数，中的数值1为第三数值，中的数值1为第四数值。6.根据权利要求1所述的一种基于监控数据的隧道路段路况异常识别方法，其特征在于，所述根据第一可能性指标和第二可能性指标确定疑似烟雾区域的全局可能性指标具体为：计算预设的第五数值与归一化后的第一可能性指标的值之间的差值，该差值与归一化后的第二可能性指标的值之间的乘积为全局可能性指标。7.根据权利要求1所述的一种基于监控数据的隧道路段路况异常识别方法，其特征在于，所述根据所述全局可能性指标对疑似烟雾区域进行筛选得到实际烟雾区域具体为：
将全局可能性指标大于预设的可能性阈值对应的疑似烟雾区域记为实际烟雾区域。8.根据权利要求1所述的一种基于监控数据的隧道路段路况异常识别方法，其特征在于，所述对每一帧视频帧图像进行筛选得到烟雾可疑图像具体为：对于任意一帧视频帧图像，获取利用暗通道去雾算法对该视频帧图像进行处理的过程中该视频帧图像的透光率，若透光率小于预设的透光阈值，则该视频帧图像记为烟雾可疑图像；进而对每一帧视频帧图像进行筛选得到所有的烟雾可疑图像。9.根据权利要求1所述的一种基于监控数据的隧道路段路况异常识别方法，其特征在于，所述根据烟雾可疑图像中车辆行驶情况确定检测点，包括：根据视频帧图像获取车辆行驶路径，在离车辆行驶路径两侧设定距离位置处等间隔的设置检测点，进而获得烟雾可疑图像中的检测点。

技术总结
本发明涉及数据处理技术领域，具体涉及一种基于监控数据的隧道路段路况异常识别方法，该方法包括：通过识别图像获取视频帧图像中可能存在烟雾的区域，进而对疑似烟雾区域的特征数据进行分析处理，根据疑似烟雾区域的边缘上像素点到检测点之间的距离以及第一系数得到疑似烟雾区域的第一可能性指标，根据疑似烟雾区域的面积在相邻帧图像之间的差异以及第二系数得到第二可能性指标；结合第一可能性指标和第二可能性指标得到全局可能性指标，获得实际烟雾区域，进而获得隧道道路路况的异常情况。本发明采用识别的方式，并进行相关的数据处理，能够提高实际烟雾识别准确性，进而得到准确的隧道道路路况的火灾异常情况。准确的隧道道路路况的火灾异常情况。准确的隧道道路路况的火灾异常情况。


技术研发人员：邱晓璐 曲绍杰 王能伟
受保护的技术使用者：烟台黄金职业学院
技术研发日：2023.06.16
技术公布日：2023/7/22