|本期目录/Table of Contents|

[1]倪四清,左光恒,张 俊.高速公路建设远程视频监控系统的设计与实现[J].工业仪表与自动化装置,2022,(02):76-80.[doi:10.19950/j.cnki.cn61-1121/th.2022.02.016]
 NI Siqing,ZUO Guangheng,ZHANG Jun.Design and realization of remote video monitoring system for expressway construction[J].Industrial Instrumentation & Automation,2022,(02):76-80.[doi:10.19950/j.cnki.cn61-1121/th.2022.02.016]
点击复制

高速公路建设远程视频监控系统的设计与实现

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2022年02期
页码:
76-80
栏目:
出版日期:
2022-04-15

文章信息/Info

Title:
Design and realization of remote video monitoring system for expressway construction
文章编号:
1000-0682(2022)02-0000-00
作者:
倪四清1左光恒2张 俊2
(1.湖北交投建设集团有限公司;2.湖北交投建设投资开发有限公司,湖北 武汉 430000)
Author(s):
NI Siqing1 ZUO Guangheng2ZHANG Jun2
( 1.Hubei Trading construction Group Co.,LTD.;2. Hubei Jiaotong Construction Investment development Co., LTD, Hubei Wuhan 430000, China)
关键词:
高速公路视频监控可见度检测深度学习YOLO-V3网络
Keywords:
highway video surveillance visibility detection deep learning YOLO-V3 network
分类号:
U495
DOI:
10.19950/j.cnki.cn61-1121/th.2022.02.016
文献标志码:
A
摘要:
针对中国高速公路传统视频监控系统成本高、维修复杂、数据交互困难等问题,该研究通过利用沿高速公路路边分布的密集部署的摄像机设施,建立了远程视频监控系统。该系统在大数据分析平台上将监视到的沿高速公路的实时视频数据进行可视化处理,针对恶劣空气通过分析空气能见度和监测图像特征的耦合变化来解决能见度值,采用基于深度学习的目标检测算法实现大数据的处理和计算,引入GIoU指标作为边框损失函数对YOLO-V3网络模型进行精确度改进,实验表明,相比于传统L1与IoU指标损失函数,GIoU损失值在迭代次数为20 000次时只有0.1,综合效果最好。
Abstract:
In view of the high cost, complex maintenance, and difficulty of data interaction in the traditional video surveillance system of China’s expressways, this study established a remote video surveillance system by using densely deployed camera facilities along the highway. The system mainly visualizes the monitored real-time video data along the highway under the big data analysis platform, and solves the visibility value by analyzing the coupling changes of air visibility and monitoring image characteristics for harsh air, and adopts target detection based on deep learning The algorithm realizes the processing and calculation of big data, and introduces the GIoU index as the frame loss function to improve the accuracy of the YOLO-V3 network model. Experiments show that compared to the traditional L1 and IoU index loss function, the GIoU loss value is 20,000 iterations When only 0.1, the overall effect is the best.

参考文献/References:

[1] 杨利军,孙志凯.浅析高速公路监控系统集约化管理应用实践[J].公路,2014,59(4):165-170.

[2] 刘博艺,程杰仁,唐湘滟,等.复杂动态环境下运动车辆的识别方法[J].计算机科学与探索,2017,11(1):134-143.
[3] 罗元,王薄宇,陈旭.基于深度学习的目标检测技术的研究综述[J].半导体光电,2020,41(01):1-10.
[4] 王丽,赵艳辉.高速公路监控系统视频传输设计与实现[J].交通标准化,2014,42(7):135-140.
[5] 廖建尚,曹成涛.基于DM368的高速公路高清视频监控系统研究[J].公路,2015,60(3):46-51.
[6] 黄兴,田雷,杨洋,等.基于点估计法的杆塔结构平均可靠度分析[J].电力工程技术,2018,37(2):127-131.
[7] 郭平,王可,罗阿理,等.大数据分析中的计算智能研究现状与展望.软件学报,2015,26(11):3010-3025.
[8] 吴魁,王仙勇,孙洁,等.基于深度学习的故障检测方法[J].计算机测量与控制.2017,25(10):43-47.
[9] MU R, ZENG X. A Review of Deep Learning Research[J]. TIIS, 2019, 13(4): 1738-1764.
[10] KIM Y, CALLAN J, CULPEPPER J S, et al. Efficient distributed selective search[J]. Information Retrieval Journal, 2017, 20(3): 221-252.
[11] 刘家旭.基于HOG特征提取的车辆检测方法研究[D].北京:华北电力大学,2017.
[12] 王福建,张俊,卢国权,等.基于YOLO的车辆信息检测和跟踪系统[J].工业控制计算机,2018,31(7):89–91.
[13] 蔡成涛,吴科君,严勇杰.基于优化YOLO方法机场跑道目标检测[J].指挥信息系统与技术,2018, 9(3):37–41.
[14] GIRSHICK R, DONAHUE J, DARRELL T, et al. Region-based convolutional networks for accurate object detection and segmentation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2016, 38(1): 142–158.
[15] 李君宝,杨文慧,许剑清,等.基于深度卷积网络的SAR图像目标检测识别[J].导航定位与授时,2017,4(1):60-66.
[16] 贾京龙,余涛,吴子杰,等.基于卷积神经网络的变压器故障诊断方法[J].电测与仪表,2017,54(13):62-67.
[17] 牛燕雄,陈梦琪,张贺.基于尺度不变特征变换的快速景象匹配方法[J].电子与信息学报,2019,41(03):626-631.
[18] 章毅,郭泉,王建勇.大数据分析的神经网络方法[J].工程科学与技术,2017,49(1):9-18.
[19] 潘蓉,孙伟.基于预分割和回归的深度学习目标检测[J].光学精密工程,2017,25(10):221-227.
[20] 林志洁,罗壮,赵磊,等.特征金字塔多尺度全卷积目标检测算法[J].浙江大学学报(工学版),2019,53(3):533-540.
[21] 鞠默然,罗海波,王仲博,等.改进的YOLOV3算法及其在小目标检测中的应用[J].光学学报,2019,39(07):253-260.
[22] 姚群力,胡显,雷宏.深度卷积神经网络在目标检测中的研究进展[J].计算机工程与应用,2018,54(17):1-9.
[23] 谢林江,季桂树,彭清,等.改进的卷积神经网络在行人检测中的应用[J].计算机科学与探索,2018,12(5):708-718.

相似文献/References:

[1]林小军,朱玉红,吴国明.磁力泵故障检测及监测系统设计[J].工业仪表与自动化装置,2017,(03):78.
 LIN Xiaojun,ZHU Yuhong,WU Guoming.Design of fault detection and monitoring system for magnetic drive pump[J].Industrial Instrumentation & Automation,2017,(02):78.
[2]何 瑛,肖 军.基于ARM和无线通信技术的煤矿智能视频监控系统的研究[J].工业仪表与自动化装置,2019,(05):30.[doi:1000-0682(2019)05-0000-00]
 HE Ying,XIAO Jun.Research on intelligent coal mine video monitoring system based on ARM and wireless communication technology[J].Industrial Instrumentation & Automation,2019,(02):30.[doi:1000-0682(2019)05-0000-00]
[3]贾 佳,何 瑛,洪云飞.基于物联网的多通道数据采集系统的设计[J].工业仪表与自动化装置,2020,(04):21.[doi:1000-0682(2020)04-0000-00]
 JIA Jia,HE Ying,HONG Yunfei.Design of multi-channel data acquisition system based on Internet of Things[J].Industrial Instrumentation & Automation,2020,(02):21.[doi:1000-0682(2020)04-0000-00]
[4]张亚军,杨文博,张利平.冶金钢铁企业能源设备集中监控系统技术及应用[J].工业仪表与自动化装置,2022,(04):95.[doi:10.19950/j.cnki.cn61-1121/th.2022.04.019]
 ZHANG Yajun,YANG Wenbo,ZHANG Liping,et al.Technology and application of intelligent centralized monitoring system for energy equipment in metallurgical iron and steel enterprises[J].Industrial Instrumentation & Automation,2022,(02):95.[doi:10.19950/j.cnki.cn61-1121/th.2022.04.019]
[5]周屹炜,刘丰华,吕佳龙,等.基于视频的含能材料生产智能管控应用研究[J].工业仪表与自动化装置,2023,(02):3.[doi:10.19950/j.cnki.cn61-1121/th.2023.02.001]
 ZHOU Yiwei,LIU Fenghua,L? Jialong,et al.Research on application of video based artificial intelligence management and control during energetic material production[J].Industrial Instrumentation & Automation,2023,(02):3.[doi:10.19950/j.cnki.cn61-1121/th.2023.02.001]
[6]刘安重.基于视频监控与PLC的选煤厂皮带机自动化控制系统设计[J].工业仪表与自动化装置,2023,(04):18.[doi:10.19950/j.cnki.cn61-1121/th.2023.04.004]
 LIU Anzhong.Design of automatic control system for belt conveyor in coal preparation plant based on video monitoring and PLC[J].Industrial Instrumentation & Automation,2023,(02):18.[doi:10.19950/j.cnki.cn61-1121/th.2023.04.004]

备注/Memo

备注/Memo:
收稿时间:2020-11-25

作者简介:
倪四清(1965),男,汉族,湖北赤壁人,本科,高级工程师,主要研究方向为高速公路建设管理、土木工程等。E-mail:wkbk38pbr@21cn.com
更新日期/Last Update: 1900-01-01