本發(fā)明涉及高速公路交通安全，具體涉及一種基于大數據的多場景監(jiān)測預警方法及系統(tǒng)。

背景技術：

1、隨著社會的快速發(fā)展以及高速公路規(guī)模的擴大，行駛在高速公路上的車輛和人員越來越多。但是，現有的高速公路都是在固定位置安裝監(jiān)控裝置或者抓拍裝置，只能對固定區(qū)域進行監(jiān)控，無法對高速公路各個區(qū)域進行實時監(jiān)控，了解不到具體的詳細情況，且在發(fā)生異常情況時，無法做到及時的預警。雖然行駛在高速公路上的人員能夠通過手機或車載地圖查看路線狀態(tài)，遇到異常情況時，人員自發(fā)上傳事故信息，但人員上傳的事故信息具有隨機性，不能保證事故信息及時性，進而無法及時的給其他在高速公路上行駛的人員發(fā)送預警信息。

2、因此，本發(fā)明結合車載的etc視頻一體機提供了一種基于大數據的多場景監(jiān)測預警方法及系統(tǒng)，以解決上述問題。

技術實現思路

1、針對上述情況，為克服現有技術之缺陷，本發(fā)明提供了一種基于大數據的多場景監(jiān)測預警方法及系統(tǒng)，以解決上述高速公路監(jiān)控裝置無法對高速公路的各個區(qū)域進行實時監(jiān)控、且發(fā)生異常情況時不能做到及時預警的問題。

2、為了實現上述目的，本發(fā)明采取的技術方案為：

3、第一方面，一種基于大數據的多場景監(jiān)測預警方法，包括：

4、實時采集高速公路上車載的etc視頻一體機獲取的監(jiān)控圖像信息和位置信息。

5、對監(jiān)控圖像信息進行預處理，以得到預處理圖像；并將預處理圖像轉化為按照時間順序排列的視頻幀圖像。

6、基于前一時刻視頻幀圖像，判斷后一時刻視頻幀圖像變化程度是否大于設定程度值；若是，則對后一時刻視頻幀圖像進行聚類分析，確定后一時刻視頻幀圖像的劃分類型，并采用特征提取模型提取后一時刻視頻幀圖像中的特征信息，以形成特征信息矩陣。

7、根據劃分類型，采用圖像分析模型中對應的信息分析單元對特征信息矩陣進行分析，得到圖像分析結果。

8、當所述圖像分析結果存在異常信息時，獲取自后一時刻開始的設定時間段的異常視頻幀圖像，并采用異常分析模型對異常視頻幀圖像進行分析，得到異常分析結果。

9、根據異常分析結果和位置信息生成預警信息；以及獲取設定范圍內處于高速公路上、且未行駛到所述位置信息處的駕駛人員信息；通過所述駕駛人員信息，向駕駛人員發(fā)送預警信息。

10、優(yōu)選地，所述基于前一時刻視頻幀圖像，判斷后一時刻視頻幀圖像變化程度是否大于設定程度值，包括：將視頻幀圖像經r、g、b三色通道轉化為對應通道的像素信息集，并按照時間順序進行存儲；獲取前一時刻像素信息集和后一時刻像素信息集；計算后一時刻像素信息集與前一時刻像素信息集之間的變化程度值，變化程度值的計算公式為：

11、，

12、其中，為r通道后一時刻像素信息集中的第i個像素，為r通道前一時刻像素信息集中的第i個像素，為g通道后一時刻像素信息集中的第i個像素，為g通道前一時刻像素信息集中的第i個像素，為b通道后一時刻像素信息集中的第i個像素，為b通道前一時刻像素信息集中的第i個像素；判斷變化程度值是否大于設定程度值。

13、優(yōu)選地，所述對后一時刻視頻幀圖像進行聚類分析，確定后一時刻視頻幀圖像的劃分類型，包括：將后一時刻視頻幀圖像經預設轉換器轉換為初始聚類數據集；采用基于歷史圖像數據構建的聚類模型對初始聚類數據集進行分析，得到劃分類型。

14、優(yōu)選地，所述特征提取模型的提取過程包括：將后一時刻視頻幀圖像分割成多個不規(guī)則的分塊圖像；根據劃分類型，從各分塊圖像中篩選出符合對應劃分類型的分塊圖像，得到多個關鍵分析圖像；采用特征提取器提取各關鍵分析圖像的特征信息，以形成多個特征信息矩陣。

15、優(yōu)選地，所述圖像分析模型的處理過程包括：根據劃分類型，將各特征信息矩陣輸入到對應的信息分析單元中；各信息分析單元根據各自的預設特征信息庫，判斷特征信息矩陣是否符合預設特征信息庫的設定標準，當不符合所述設定標準時，以得到異常分塊圖像，以及得到含有異常分塊圖像信息的圖像分析結果。

16、優(yōu)選地，所述預設特征信息庫的設定標準包括特征信息矩陣中各元素的標準設定區(qū)間、元素與周邊元素的設定變化區(qū)間。

17、優(yōu)選地，所述異常分析模型的分析過程包括：根據異常分塊圖像信息，從異常視頻幀圖像中篩選含有異常分塊圖像的圖像，以得到異常圖像；當異常圖像的數量超過預設數量時，則基于劃分類型對應的預設異常信息庫對各異常圖像進行分析，確定各異常圖像的第一隸屬值以及異常圖像數量對應的第二隸屬值；采用加權平均法對第一隸屬值和第二隸屬值進行處理，計算平均隸屬值，以平均隸屬值對應的等級作為異常等級；根據劃分類型、異常等級和各異常圖像形成異常分析結果。

18、優(yōu)選地，所述得到異常圖像的篩選過程包括：基于異常分塊圖像的特征信息矩陣，判斷異常視頻幀圖像轉化的特征信息矩陣中是否含有相似度超過設定相似度的特征相似矩陣；若是，則將異常視頻幀圖像標記為異常圖像。

19、優(yōu)選地，所述信息分析單元至少包括天氣分析單元、車輛分析單元、高速地面分析單元、周邊環(huán)境分析單元。

20、第二方面，本發(fā)明提供了一種基于大數據的多場景監(jiān)測預警系統(tǒng)，多場景監(jiān)測預警系統(tǒng)包括數據采集模塊、數據預處理模塊、圖像分析模塊、異常分析模塊、數據存儲模塊和預警模塊；所述多場景監(jiān)測預警系統(tǒng)用于通過各模塊之間的相互配合實現如上述方法中任一項所述的監(jiān)測預警方法。

21、本發(fā)明的有益效果為：

22、1、本發(fā)明基于車載的etc視頻一體機實時在高速公路上采集車輛前方的監(jiān)控圖像，在對監(jiān)控圖像進行預處理后得到可進行分析的按照時間順序排列的視頻幀圖像；基于前一時刻視頻幀圖像，判斷后一時刻視頻幀圖像的變化程度，當變化程度大于設定程度值時，則對后一時刻視頻幀圖像進行聚類分析，確定后一時刻視頻幀的劃分類型，并采用特征提取模型對后一時刻視頻幀圖像進行處理，得到特征信息矩陣；進而根據劃分類型，采用圖像分析模型中對應的信息分析單元對特征信息矩陣進行分析，得到圖像分析結果；檢測圖像分析結果中是否存在異常信息，當檢測到圖像分析結果中存在異常信息時，采用異常分析模型對獲取的自后一時刻開始的設定時間段的異常視頻幀圖像進行分析，得到異常分析結果；最后根據異常分析結果和位置信息生成預警信息，向設定范圍內、處于高速公路上且未行駛到位置信息處的駕駛人員發(fā)送預警信息，以提醒駕駛人員。本發(fā)明通過上述方式能夠解決高速公路監(jiān)控裝置無法對高速公路的各個區(qū)域進行實時監(jiān)控、且發(fā)生異常情況時不能做到及時預警的問題，從而提高了高速公路上的行車安全。

23、2、本發(fā)明首先基于前一時刻視頻幀圖像，判斷后一時刻視頻幀圖像的變化程度是否大于設定程度值，若是，則確定后一時刻視頻幀圖像的劃分類型以及獲取后一時刻視頻幀圖像對應的特征信息矩陣；進而采用圖像分析模型中劃分類型對應的信息分析單元對特征信息矩陣進行分析，得到圖像分析結果；當圖像分析結果中存在異常信息時，采用異常分析模型對異常視頻幀圖像進行分析，得到異常分析結果。本發(fā)明通過上述模型構成的多層分析方法能夠保證圖像分析結果的準確性，從而提高了預警信息的準確性。