一种基于无人机视频识别的防眩板缺失检测方法与流程

本发明属于道路设施巡检与计算机视觉，具体涉及一种基于无人机视频识别的防眩板缺失检测方法，适用于高速公路中央分隔带防眩板设施的自动化巡检与缺失识别。

背景技术：

1、防眩板是高速公路中央分隔带常见的交通安全设施，通常沿道路方向连续、重复设置，用于减少夜间会车眩光并提升行车安全。受车辆碰撞、设施老化、施工扰动、恶劣天气及人为损坏等因素影响，防眩板可能出现缺失、倾斜、破损等情况。其中，防眩板缺失会破坏道路安全设施的连续性和完整性，降低防眩效果，使夜间会车眩光难以得到有效遮挡，增加对向车辆驾驶员的眩光干扰，进而影响道路交通安全。因此，准确、快速地检测高速公路防眩板缺失情况，及时发现并定位缺失位置，对于保障道路交通安全和提高道路养护效率具有重要意义。

2、现有巡检方式主要包括人工巡检、车载巡检和固定监控图像识别。人工巡检效率较低，巡检范围和问题发现时效受人员配置影响；车载巡检受道路通行条件、拍摄视角和行驶路线限制；固定监控设备的覆盖范围有限，难以满足长距离高速公路连续巡检需求。无人机可沿道路或中央分隔带方向采集连续视频图像，便于对沿线防眩板进行快速巡查和疑似位置复核。

3、已有技术中，存在基于车载图像或道路图像识别防眩板状态的方案，也存在无人机道路巡检、道路设施异常识别和路面病害检测等方案。然而，对于无人机巡检视频中防眩板目标尺度随视角变化、部分区域成像质量不足以及单帧偶发漏检等情况，现有方案通常缺少结合有效识别区域、目标排列关系和连续帧复核的缺失判断机制，容易产生误报或漏报。

技术实现思路

1、本发明提供了一种基于无人机视频识别的防眩板缺失检测方法，目的是解决以下技术问题：

2、第一，解决高速公路养护巡检中，防眩板缺失主要依赖人工或车载巡查发现，巡检效率低、覆盖连续性不足、缺失位置发现和定位不及时，难以满足长距离高速公路日常巡检和快速复核需求的问题。

3、第二，解决无人机巡检视频图像中，受拍摄透视关系、飞行姿态变化以及防眩板在图像中呈斜向排列等因素影响，同一画面内不同位置的防眩板成像大小、外观形态和清晰度不一致，导致部分目标检测结果不稳定，难以形成用于后续缺失分析的有效目标序列的问题。

4、第三，解决现有检测方法主要关注单个目标状态分类，未充分利用有效识别区域内防眩板沿道路方向连续、重复排列的空间规律，难以通过相邻防眩板目标之间的间距异常推定缺失候选位置的问题。

5、第四，解决单帧图像判断稳定性不足的问题，即无人机画面抖动、临时遮挡、光照变化和偶发漏检容易使单帧缺失候选结果失真，进而造成防眩板缺失误判或漏判的问题。

6、为了达到上述目的，本发明采用的技术方案是：

7、一种基于无人机视频识别的防眩板缺失检测方法，包括以下步骤：

8、获取无人机沿高速公路中央分隔带或防眩板延伸方向飞行采集的视频或连续图像；

9、对所述视频进行预处理，得到待检测图像；

10、根据防眩板在图像中的成像位置、成像大小和清晰度，在所述待检测图像中确定有效识别区域；

11、将所述有效识别区域输入目标检测模型，识别有效识别区域内已存在的防眩板目标，获得各防眩板目标的检测框位置信息和置信度；

12、根据置信度、检测框位置和检测框重叠关系筛选有效防眩板目标；

13、将筛选得到的防眩板目标根据检测框横向中心坐标由小到大建立目标序列，形成防眩板目标序列；

14、计算相邻防眩板目标之间的待判定的相邻目标间距d，并根据同一帧内邻近目标间距的统计结果或剔除异常值后的局部统计结果确定参考相邻间距d；

15、当所述待判定的相邻目标间距d满足d＞k×d，且对应间隔位于所述有效识别区域内时，将该间隔确定为防眩板缺失候选位置，其中k为异常阈值系数；

16、对连续多帧中的缺失候选位置进行帧间匹配，当经匹配判定为同一防眩板间隔位置的候选结果在连续多帧或多个相邻帧中重复出现时，输出防眩板缺失判定结果；

17、输出缺失位置、对应图像帧、缺失候选区域以及巡检线路和时间信息。

18、进一步的，所述预处理包括抽帧、去抖、图像增强、畸变校正和区域裁剪中的至少一种。

19、进一步的，所述有效识别区域为根据防眩板在图像中的成像位置和清晰度选取的图像一侧局部区域，有效识别区域内防眩板目标的成像尺寸、外观形态和清晰度满足目标检测和间距分析的要求。

20、进一步的，所述目标检测模型为yolo系列目标检测模型，以防眩板作为唯一检测类别进行训练。

21、进一步的，所述筛选有效防眩板目标包括：过滤置信度低于预设阈值的目标、过滤位于有效识别区域之外的目标，以及根据模型推理所用的交并比阈值过滤重叠的重复检测框。

22、进一步的，所述待判定的相邻目标间距d为相邻防眩板目标之间的中心点距离、检测框边界距离或沿道路方向的投影间距。

23、进一步的，所述参考相邻间距d根据同一帧内所有相邻目标间距的中位数、平均值或剔除异常值后的局部统计结果确定。

24、进一步的，所述帧间匹配为：将相邻帧中缺失候选位置的中心点坐标或间隔位置进行匹配，当匹配成功的同一候选位置在连续帧或相邻帧中重复出现的次数达到预设阈值时，确认匹配成功的同一候选位置存在防眩板缺失。

25、进一步的，防眩板缺失判定结果还包括候选位置在滑动窗口内的累计出现次数。

26、基于以上技术方案，发明利用防眩板沿高速公路中央分隔带连续、重复排列的特点，将防眩板缺失判断转化为已识别防眩板目标之间的排列异常判断。由于缺失位置本身通常不具有稳定、明确的目标外观，若直接将“缺失”作为目标检测类别，容易受到图像质量、临时遮挡和偶发漏检的影响，导致检测结果不稳定。

27、本发明先根据防眩板在图像中的成像大小、外观形态和清晰程度，确定适于目标检测和缺失分析的有效识别区域。对于拍摄角度不利、目标尺度过小、纹理特征不明显或边缘模糊的区域，不作为本帧主要检测分析区域，以减少低质量成像区域对后续目标筛选和间距计算的干扰。

28、在所述有效识别区域内，目标检测模型用于识别已经存在的防眩板目标，并获得各防眩板目标的位置信息。随后对检测结果进行筛选，去除低置信度目标、重复框或明显不符合防眩板成像特征的目标，形成用于排列分析的有效防眩板目标集合。

29、对筛选后的防眩板目标，按照道路延伸方向或图像中的主排列方向进行排序，形成防眩板目标序列，并将任一待判定的相邻目标间距记为d。受透视关系影响，同一画面不同位置的成像间距可能存在差异，因此，参考相邻间距d可根据待判定位置附近的相邻目标间距确定，也可采用同一帧间距的中位数、平均值、局部拟合结果或历史统计结果确定。在计算参考相邻间距d时，对明显偏离邻域水平的间距进行剔除或降权，避免疑似缺失空档参与参考值计算。若d满足d＞k×d，则将对应间隔认定为不符合防眩板连续排列规律的异常空档，并确定为缺失候选位置。其中，k为异常阈值系数，可根据防眩板安装间距、图像尺度变化和巡检场景设定。该方法不识别“缺失”本身的外观，而是依据已检测防眩板之间的空间关系确定缺失候选位置。

30、本发明不依据单帧候选结果直接判定防眩板缺失。系统对相邻帧中的候选区域进行匹配；仅在单帧出现的候选结果作为待复核结果保存，不直接输出缺失结论；当经匹配判定为同一防眩板间隔位置的候选结果在连续多帧或多个相邻帧中重复出现时，确认该位置存在防眩板缺失，从而减少临时遮挡、图像模糊或偶发漏检造成的单帧误判。

31、本发明达到的技术效果是：

32、第一，与直接将“缺失防眩板”作为检测类别的方式相比，本发明先检测已存在的多个防眩板目标，再分析其排列关系和相邻间距变化。由于缺失位置本身缺少稳定的外观特征，采用异常空档判断方式能够使缺失位置的确定建立在已识别目标的空间关系上，与防眩板沿道路方向连续排列的场景相匹配。

33、第二，与仅依据单帧图像判断的方式相比，本发明对连续帧中的缺失候选位置进行匹配。单帧中偶然未识别到某块防眩板时，系统不立即输出缺失结论；只有同一防眩板间隔位置的异常空档在多帧中重复出现，才作出缺失判定。由此可减少飞行抖动、局部遮挡、光照变化和偶发漏检造成的单帧误判。

34、第三，与一般道路设施缺陷识别方案相比，本发明将无人机高速公路巡检场景、防眩板重复排列特征、有效识别区域约束、排列异常分析和多帧确认结合起来，针对无人机视角下防眩板成像尺度变化和单帧检测不稳定的问题进行缺失判断。对于其他沿道路方向连续或近似等间距布设的交通附属设施，例如护栏立柱、轮廓标、里程桩等，可在调整目标检测类别、参考间距计算方式和异常阈值后采用相同的缺失推断思路。

35、第四，本发明可为高速公路养护提供自动化巡检结果，减少人工逐段排查工作量，提高长距离道路巡检效率和缺失问题发现及时性。