本發(fā)明涉及路燈缺亮檢測(cè)方法，更具體地說(shuō)是指基于動(dòng)態(tài)巡查數(shù)據(jù)的路燈缺亮檢測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、隨著城市建設(shè)的不斷推進(jìn)，道路照明系統(tǒng)的重要性日益凸顯。然而，路燈在日常使用中常常會(huì)因?yàn)楦鞣N原因出現(xiàn)故障，如燈具老化、線路短路、惡劣天氣等，導(dǎo)致照明不足或路燈熄滅。為了確保城市道路的正常照明，需要定期對(duì)路燈進(jìn)行人工巡檢，發(fā)現(xiàn)故障并進(jìn)行維修。然而，傳統(tǒng)的巡檢方式存在實(shí)時(shí)性差、效率低、人工成本高等問(wèn)題。

2、目前已有一些專利技術(shù)嘗試通過(guò)在路燈上安裝光感應(yīng)傳感器，實(shí)時(shí)監(jiān)控路燈的照明狀態(tài)，從而實(shí)現(xiàn)智能管理。這種方法雖然提高了效率，但由于傳感器的設(shè)備成本較高，且許多地區(qū)并未普及智能路燈管理，因此在廣泛推廣和應(yīng)用上存在一定難度，還有一種是采用單一的圖像進(jìn)行自動(dòng)識(shí)別，但是這種方式單純靠一張圖片，會(huì)因?yàn)橥敢暯嵌?、距離以及遮擋等問(wèn)題，導(dǎo)致路燈缺亮檢測(cè)即路燈亮度缺失判斷準(zhǔn)確率低。

3、因此，有必要設(shè)計(jì)一種新的方法，實(shí)現(xiàn)對(duì)路燈照明狀態(tài)的自動(dòng)檢測(cè)，有效地提高了巡檢效率，克服傳統(tǒng)巡檢方式的不足，且解決單一圖片檢測(cè)導(dǎo)致準(zhǔn)確率低的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺陷，提供基于動(dòng)態(tài)巡查數(shù)據(jù)的路燈缺亮檢測(cè)方法及系統(tǒng)。

2、為實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：基于動(dòng)態(tài)巡查數(shù)據(jù)的路燈缺亮檢測(cè)方法，包括：

3、獲取安裝在行駛車輛上的設(shè)備所采集一段時(shí)間內(nèi)的路燈視頻；

4、將所述路燈視頻中的每一幀圖片進(jìn)行光照調(diào)整，以得到調(diào)整結(jié)果；

5、將所述調(diào)整結(jié)果中的所有幀圖片輸入至路燈缺亮檢測(cè)模型中進(jìn)行識(shí)別路燈位置及缺亮狀態(tài)，以得到所有幀圖片的識(shí)別結(jié)果，其中，所述識(shí)別結(jié)果包括路燈的檢測(cè)框以及對(duì)應(yīng)的缺亮狀態(tài)；

6、對(duì)每一幀圖片的所述檢測(cè)框分配id并進(jìn)行id匹配，計(jì)算相同id的所述檢測(cè)框間的iou值，利用后一幀圖片的識(shí)別結(jié)果更新或確認(rèn)所述檢測(cè)框當(dāng)前的識(shí)別結(jié)果，以得到每個(gè)所述檢測(cè)框所對(duì)應(yīng)的最終識(shí)別結(jié)果；

7、輸出每個(gè)所述檢測(cè)框以及對(duì)應(yīng)的最終識(shí)別結(jié)果。

8、其進(jìn)一步技術(shù)方案為：所述將所述路燈視頻中的每一幀圖片進(jìn)行光照調(diào)整，以得到調(diào)整結(jié)果，包括：

9、將所述路燈視頻中的每一幀圖片輸入至光照調(diào)整模型中進(jìn)行光照調(diào)整，以得到調(diào)整結(jié)果；其中，所述光照調(diào)整模型包括用于增強(qiáng)局部特征細(xì)節(jié)的局部分支網(wǎng)絡(luò)以及生成顏色校正矩陣和伽馬校正值并調(diào)整所述路燈視頻中的每一幀圖片的全局分支網(wǎng)絡(luò)。

10、其進(jìn)一步技術(shù)方案為：所述將所述路燈視頻中的每一幀圖片輸入至光照調(diào)整模型中進(jìn)行光照調(diào)整，以得到調(diào)整結(jié)果，包括：

11、將所述路燈視頻中的每一幀圖片輸入至光照調(diào)整模型中，由局部分支網(wǎng)絡(luò)對(duì)所述路燈視頻中的每一幀圖片進(jìn)行逐點(diǎn)線性變換，以得到變換結(jié)果；

12、由所述全局分支網(wǎng)絡(luò)對(duì)所述路燈視頻中的每一幀圖片進(jìn)行全連接生成全局信息，并利用交叉注意力機(jī)制將所述全局信息與所述變換結(jié)果結(jié)合，生成顏色校正矩陣和伽馬校正值，利用所述顏色校正矩陣和所述伽馬校正值對(duì)所述路燈視頻中的每一幀圖片進(jìn)行調(diào)整，以得到調(diào)整結(jié)果。

13、其進(jìn)一步技術(shù)方案為：所述將所述調(diào)整結(jié)果中的所有幀圖片輸入至路燈缺亮檢測(cè)模型中進(jìn)行識(shí)別路燈位置及缺亮狀態(tài)，以得到所有幀圖片的識(shí)別結(jié)果，包括：

14、將所述調(diào)整結(jié)果輸入至路燈缺亮檢測(cè)模型中，通過(guò)卷積層將所述調(diào)整結(jié)果切分為固定尺寸的窗口，在深度方向?qū)η蟹趾蟮膱D片進(jìn)行拼接，并通過(guò)全連接層對(duì)所述拼接結(jié)果進(jìn)行線性變換，以得到特征圖；

15、對(duì)所述特征圖進(jìn)行特征循環(huán)位移，以得到臨時(shí)窗口；

16、對(duì)所述臨時(shí)窗口采用掩碼多頭自注意力計(jì)算，以得到注意力得分，并利用所述注意力得分更新所述特征圖；

17、對(duì)所述特征圖執(zhí)行逆向的循環(huán)位移操作，以將特征恢復(fù)到所述調(diào)整結(jié)果中的原始位置，以得到處理后的特征圖；

18、使用解耦頭對(duì)所述處理后的特征圖進(jìn)行路燈缺亮類別和位置的預(yù)測(cè)，并通過(guò)非極大值抑制去除重疊的邊界框，以得到所有幀圖片的識(shí)別結(jié)果。

19、其進(jìn)一步技術(shù)方案為：所述對(duì)所述特征圖進(jìn)行特征循環(huán)位移，以得到臨時(shí)窗口，包括：

20、對(duì)所述特征圖對(duì)應(yīng)的每個(gè)窗口向左平移所述窗口自身尺寸的一半，再向上平移所述窗口自身尺寸的一半，以得到臨時(shí)窗口。

21、其進(jìn)一步技術(shù)方案為：所述對(duì)每一幀圖片的所述檢測(cè)框分配id并進(jìn)行id匹配，計(jì)算相同id的所述檢測(cè)框間的iou值，利用后一幀圖片的識(shí)別結(jié)果更新或確認(rèn)所述檢測(cè)框當(dāng)前的識(shí)別結(jié)果，以得到每個(gè)所述檢測(cè)框所對(duì)應(yīng)的最終識(shí)別結(jié)果，包括：

22、對(duì)每一幀圖片的所述檢測(cè)框分配id；

23、對(duì)所述所有幀圖片的檢測(cè)框進(jìn)行id匹配，以確定每一幀圖片中具備相同id的所述檢測(cè)框；

24、選取首幀圖片作為當(dāng)前幀圖片；

25、對(duì)所述當(dāng)前幀圖片中每個(gè)所述檢測(cè)框與所述當(dāng)前幀圖片的后面一幀圖片中具備相同id的所述檢測(cè)框的iou值；

26、根據(jù)所述iou值更新或確認(rèn)當(dāng)前幀圖片的所有所述檢測(cè)框所對(duì)應(yīng)的識(shí)別結(jié)果，以得到每個(gè)所述檢測(cè)框所對(duì)應(yīng)的中間識(shí)別結(jié)果；

27、判斷所述當(dāng)前幀圖片的后面一幀圖片是否是最后一幀圖片；

28、若所述當(dāng)前幀圖片的后面一幀圖片不是最后一幀圖片，則將所述當(dāng)前幀圖片的后面一幀圖片作為當(dāng)前幀圖片，并執(zhí)行所述對(duì)所述當(dāng)前幀圖片中每個(gè)所述檢測(cè)框與當(dāng)前幀圖片的后面一幀圖片中具備相同id的所述檢測(cè)框的iou值；

29、若所述當(dāng)前幀圖片的后面一幀圖片是最后一幀圖片，則將每個(gè)所述檢測(cè)框所對(duì)應(yīng)的中間識(shí)別結(jié)果作為每個(gè)所述檢測(cè)框所對(duì)應(yīng)的最終識(shí)別結(jié)果。

30、其進(jìn)一步技術(shù)方案為：所述根據(jù)所述iou值更新或確認(rèn)當(dāng)前幀圖片的所有所述檢測(cè)框所對(duì)應(yīng)的識(shí)別結(jié)果，以得到每個(gè)所述檢測(cè)框所對(duì)應(yīng)的中間識(shí)別結(jié)果，包括：

31、當(dāng)所述iou值大于設(shè)定閾值，則將所述當(dāng)前幀圖片的后面一幀圖片的所述檢測(cè)框所對(duì)應(yīng)的識(shí)別結(jié)果作為每個(gè)所述檢測(cè)框所對(duì)應(yīng)的中間識(shí)別結(jié)果；當(dāng)iou值不大于設(shè)定閾值，則丟棄所述iou值對(duì)應(yīng)的檢測(cè)框以及對(duì)應(yīng)的識(shí)別結(jié)果。

32、本發(fā)明還提供了基于動(dòng)態(tài)巡查數(shù)據(jù)的路燈缺亮檢測(cè)系統(tǒng)，包括：

33、視頻獲取單元，用于獲取安裝在行駛車輛上的設(shè)備所采集一段時(shí)間內(nèi)的路燈視頻；

34、調(diào)整單元，用于將所述路燈視頻中的每一幀圖片進(jìn)行光照調(diào)整，以得到調(diào)整結(jié)果；

35、識(shí)別單元，用于將所述調(diào)整結(jié)果中的所有幀圖片輸入至路燈缺亮檢測(cè)模型中進(jìn)行識(shí)別路燈位置及缺亮狀態(tài)，以得到所有幀圖片的識(shí)別結(jié)果，其中，所述識(shí)別結(jié)果包括路燈的檢測(cè)框以及對(duì)應(yīng)的缺亮狀態(tài)；

36、更新單元，用于對(duì)每一幀圖片的所述檢測(cè)框分配id并進(jìn)行id匹配，計(jì)算相同id的所述檢測(cè)框間的iou值，利用后一幀圖片的識(shí)別結(jié)果更新或確認(rèn)所述檢測(cè)框當(dāng)前的識(shí)別結(jié)果，以得到每個(gè)所述檢測(cè)框所對(duì)應(yīng)的最終識(shí)別結(jié)果；

37、輸出單元，用于輸出每個(gè)所述檢測(cè)框以及對(duì)應(yīng)的最終識(shí)別結(jié)果。

38、其進(jìn)一步技術(shù)方案為：所述調(diào)整單元，用于將所述路燈視頻中的每一幀圖片輸入至光照調(diào)整模型中進(jìn)行光照調(diào)整，以得到調(diào)整結(jié)果；其中，所述光照調(diào)整模型包括用于增強(qiáng)局部特征細(xì)節(jié)的局部分支網(wǎng)絡(luò)以及生成顏色校正矩陣和伽馬校正值并調(diào)整所述路燈視頻中的每一幀圖片的全局分支網(wǎng)絡(luò)。

39、其進(jìn)一步技術(shù)方案為：所述調(diào)整單元包括：

40、變換子單元，用于將所述路燈視頻中的每一幀圖片輸入至光照調(diào)整模型中，由局部分支網(wǎng)絡(luò)對(duì)所述路燈視頻中的每一幀圖片進(jìn)行逐點(diǎn)線性變換，以得到變換結(jié)果；

41、圖片調(diào)整子單元，用于由所述全局分支網(wǎng)絡(luò)對(duì)所述路燈視頻中的每一幀圖片進(jìn)行全連接生成全局信息，并利用交叉注意力機(jī)制將所述全局信息與所述變換結(jié)果結(jié)合，生成顏色校正矩陣和伽馬校正值，利用所述顏色校正矩陣和所述伽馬校正值對(duì)所述路燈視頻中的每一幀圖片進(jìn)行調(diào)整，以得到調(diào)整結(jié)果。

42、本發(fā)明與現(xiàn)有技術(shù)相比的有益效果是：本發(fā)明通過(guò)采集車輛行駛過(guò)程中路燈的視頻，并對(duì)視頻幀進(jìn)行光照調(diào)整，可以獲得更清晰的路燈圖像，接著，將每一幀圖像輸入到路燈缺亮檢測(cè)模型中，以識(shí)別出路燈的位置和缺亮狀態(tài)，并確定每個(gè)路燈的檢測(cè)框及其缺亮情況，為了提高準(zhǔn)確性，通過(guò)為每個(gè)檢測(cè)框分配id并進(jìn)行id匹配，計(jì)算不同幀之間的iou值，確保目標(biāo)在視頻序列中的一致性，通過(guò)更新或確認(rèn)每個(gè)檢測(cè)框的識(shí)別結(jié)果，最終得到每個(gè)路燈的準(zhǔn)確位置和照明狀態(tài)。此方法能夠有效地自動(dòng)檢測(cè)路燈的照明狀態(tài)，顯著提高巡檢效率，解決了傳統(tǒng)人工巡檢和單幀圖像檢測(cè)的不足，提高了檢測(cè)的準(zhǔn)確性。

43、下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步描述。