一种基于机器视觉的高速公路可视化监控管理系统的制作方法

1.本发明涉及高速公路管理技术领域，具体而言，涉及一种基于机器视觉的高速公路可视化监控管理系统。

背景技术：

2.随着汽车工业的飞速发展和城镇化推进，给高速公路带来很大的发展机遇。在铁路运输能力紧张、进出通道不畅的地区，高速公路就发挥着重要的运输作用，其中，高速公路运输的常见运输车辆为货车车辆运输，因此对高速公路上货车的可视化监控管理是很有必要的。但是截止到目前，高速公路上货车的可视化监控管理还存在以下弊端：
3.目前高速公路上货车的可视化监控管理仅仅只是对货车通行数据进行监测，通行数据包括车型、车速、车牌号以及通行时间，而缺乏对货车装载物品状态进行监测，导致货车车辆在高速公路行驶过程中往往存在装载物品不规范而引发的货车行驶安全问题，进一步增加了货车在高速公路上行驶的安全隐患，使得货车车辆在高速公路上行驶的安全性大大降低。
4.目前高速公路上货车的可视化监控管理无法对货车掉落物品进行提醒，从而导致货车车辆在运输过程中当不慎遗落物品时无法及时进行感知，进而无法有效提高电子提示器的预警及时性，造成了一定的经济损失。
5.目前高速公路上货车的可视化监控管理无法对货车车辆篷布状态进行分析，进而无法对货车车辆驾驶人员进行篷布危险状态提醒，容易导致后来车辆视线受阻，进而引发交通事故，在很大程度上提升了事故发生率，并且大大降低了高速公路上货车行驶的安全性。

技术实现要素：

6.为了克服背景技术中的缺点，本发明实施例提供了一种基于机器视觉的高速公路可视化监控管理系统,能够有效解决上述背景技术中涉及的问题。
7.本发明的目的可以通过以下技术方案来实现：
8.一种基于机器视觉的高速公路可视化监控管理系统，包括：货车进入统计模块、目标高速公路段划分模块、货车行驶视频采集模块、货车装载物品状态解析模块、货车车辆篷布状态分析模块、货车车辆危险状态语音提示模块和云存储数据库；
9.所述货车进入统计模块用于在目标高速公路段的入口设置高清摄像头，对进入入口的货车车辆进行图像采集，并按照行驶先后顺序依次对各货车车辆编号为1,2,...,i,...,n，同时依据采集的货车车辆图像识别各货车车辆对应的基本信息和物品初始装载信息；
10.所述目标高速公路段划分模块用于获取目标高速公路段的长度，并将其按照预设的长度间隔进行等距划分，得到目标高速公路对应的各路段，并将其编号为1,2,...,d,...,z，同时在各路段上设置视频监控终端；
11.所述货车行驶视频采集模块用于在各货车车辆经过各路段时，由各路段的视频监控终端采集各货车车辆行驶过程视频，由此得到各货车车辆在各路段的行驶视频；
12.所述货车装载物品状态解析模块用于基于各货车车辆在各路段的行驶视频进行物品装载状态分析和物品掉落分析，从而得到物品危险货车编号和物品掉落货车编号，进而将其发送至货车车辆危险状态语音提示模块，货车装载物品状态解析模块包括物品放置状态分析单元和物品掉落分析单元；
13.所述货车车辆篷布状态分析模块用于基于各货车车辆在各路段的行驶视频对各货车车辆在各路段下对应的篷布危险指数进行分析，得到篷布危险货车编号，进而将其发送至货车车辆危险状态语音提示模块；
14.所述货车车辆危险状态语音提示模块用于接收货车装载物品状态解析模块发送的物品危险货车编号、物品掉落货车编号和货车车辆篷布状态分析模块发送的篷布危险货车编号，进而启动对应货车车辆的电子提示器，进行相应的语音提示；
15.所述云存储数据库用于存储预警物品装载危险阈值，存储预设物品体积允许减少阈值，存储篷布允许危险指数。
16.优选地，所述各货车车辆对应的基本信息包括各货车车辆对应的车型和车牌号。
17.优选地，所述各货车车辆对应的物品初始装载信息包括：各货车车辆对应车厢物品装载区域内各检测点距离车厢底部的初始垂直距离和各检测点距离车厢侧壁的初始水平距离以及各货车车辆对应的装载物品初始体积。
18.优选地，所述物品放置状态分析单元用于对各货车车辆在各路段的物品装载状态进行分析，具体分析步骤如下：
19.将各货车车辆在各路段的行驶视频进行图像分割，得到各货车车辆在各路段行驶视频对应的行驶图像集合，并对行驶图像集合内各行驶图像进行编号为1,2,...,t,...,x；
20.将各行驶图像聚焦在车厢物品装载区域，并将该区域进行检测点均匀布设，同时将各检测点编号为1,2,...,j,...,m，进而获取各检测点距离车厢底部的垂直距离和距离车厢侧壁的水平距离；
21.将各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢底部的垂直距离与各货车车辆对应车厢物品装载区域内各检测点距离车厢底部的初始垂直距离作对比，得到各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢底部的垂直距离波动集合表示为第i个货车车辆在第d个路段的行驶视频中第t个行驶图像内第j个检测点距离车厢底部的垂直距离与该检测点初始垂直距离对比差值；
22.同理，将各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢侧壁的水平距离与各货车车辆对应车厢物品装载区域内各检测点距离车厢侧壁的初始水平距离作对比，得到各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢侧壁的水平距离波动集合表示为第i个货车车辆在第d个路段的行驶视频中第t个行驶图像内第j个检测点距离车厢侧壁的水平距离与该检测点初始水平距离对比差值；
23.基于各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢底部的
垂直距离波动集合和各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢侧壁的水平距离波动集合综合分析各货车车辆在各路段的物品装载状态，得出各货车车辆在各路段的物品装载危险指数。
24.优选地，所述得出各货车车辆在各路段的物品装载危险指数，其具体计算步骤为：
25.基于各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢底部的垂直距离波动集合，计算各货车车辆在各路段对应的垂直距离波动指数，其具体计算公式为表示为第i个货车车辆在第d个路段对应的垂直距离波动指数，δ
允许
表示为垂直距离允许波动阈值，cl
ij初始
表示为第i个货车车辆对应第j个检测点距离车厢底部的初始垂直距离；
26.基于各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢侧壁的水平距离波动集合，计算各货车车辆在各路段对应的水平距离波动指数，其具体计算公式为表示为第i个货车车辆在第d个路段对应的水平距离波动指数，ε
允许
表示为水平距离允许波动阈值，sl
ij初始
表示为第i个货车车辆对应第j个检测点距离车厢侧壁的初始水平距离；
27.将各货车车辆在各路段对应的垂直距离波动指数和水平距离波动指数进行综合，得到各货车车辆在各路段的物品装载危险指数，其具体计算公式为表示为第i个货车车辆在第d个路段的物品装载危险指数，a、b分别表示为垂直距离波动指数、水平距离波动指数对应的权重值；
28.将各货车车辆在各路段的物品装载危险指数与云存储数据库中存储的预警物品装载危险阈值作对比，若某货车车辆在某路段的物品装载危险指数大于预警物品装载危险阈值，则将该货车记为物品危险货车，同时提取该物品危险货车的编号。
29.优选地，所述物品掉落分析单元用于分析对各货车车辆在各路段的装载物品是否存在掉落进行分析，其具体分析方式为：
30.从货车进入统计模块识别的物品初始装载信息中提取各货车车辆对应的装载物品初始体积；
31.从各货车车辆在各路段行驶视频对应的行驶图像集合中提取各货车车辆在各路段中各行驶图像对应的装载物品体积，并将其与各货车车辆对应的装载物品初始体积作对比，得到各货车车辆在各路段对应的物品体积减少指数，其具体计算公式为
表示为第i个货车车辆在第d个路段中第t个行驶图像对应的物品体积减少指数，表示为第i个货车车辆在第d个路段行驶视频的第t个行驶图像中对应的装载物品体积，表示为第i个货车车辆对应的装载物品初始体积；
32.将各货车车辆在各路段中各行驶图像对应的物品体积减少指数与云存储数据库中存储的预设物品体积允许减少阈值作对比，若某货车车辆在某路段中某行驶图像对应的物品体积减少指数大于预设物品体积允许减少阈值，则将该货车车辆记为物品掉落车辆，同时提取该物品掉落车辆对应的编号。
33.优选地，所述基于各货车车辆在各路段的行驶视频对各货车车辆在各路段下对应的篷布危险指数进行分析，其具体分析方式如下：
34.基于各货车车辆在各路段行驶视频对应的行驶图像集合，将各行驶图像聚焦在货车车辆篷布区域，识别货车车辆篷布总面积，并对各行驶图像中篷布扬起面积进行识别；
35.将各货车车辆篷布总面积与各货车车辆在各路段行驶视频对应的各行驶图像中篷布扬起面积作对比，得到各货车车辆在各路段中各行驶图像对应的篷布危险指数，其具体计算公式为表示为第i个货车车辆在第d个路段中第t个行驶图像对应的篷布危险指数，表示为第i个货车车辆在第d个路段行驶视频对应的第t个行驶图像中篷布扬起面积，表示为第i个货车车辆对应的篷布总面积；
36.基于各货车车辆在各路段中各行驶图像对应的篷布危险指数，获取篷布危险货车车辆编号。
37.优选地，所述获取篷布危险货车车辆编号，其具体为：
38.将各货车车辆在各路段中各行驶图像对应的篷布危险指数与云存储数据库中篷布允许危险指数作对比，若某货车车辆在某路段中某行驶图像对应的篷布危险指数大于篷布允许危险指数，则将该货车车辆记为篷布危险车辆，同时提取该篷布危险车辆对应的编号。
39.相对于现有技术，本发明的实施例至少具有如下优点或有益效果：
40.本发明中通过高速公路各路段处视频监控终端对各货车车辆在各路段的物品装载危险指数进行分析，进而从中获取存在物品装载危险的货车，从而启动对应货车上的电子提示器进行语音提示，实现了对各货车装载物品状态进行实时监测，避免了货车车辆在高速公路行驶过程中装载物品不规范而导致的货车行驶安全问题，在很大程度上有效降低了货车在高速公路上行驶的安全隐患，进而精确提升了高速公路的安全指数。
41.本发明中通过高速公路各路段处视频监控终端对各货车车辆在各路段的行驶过程视频进行监控，并从中分析各货车车辆在各路段的装载物品是否存在掉落，从而启动存在掉落物品的货车对应的电子提示器进行语音提示，使得货车驾驶人员及时感知掉落物品情况，便于进一步回遗落物品，在一定程度上避免了经济损失，大大提高了电子提示器的预警效果及时性，满足大部分货车驾驶人员的需求。
42.本发明对货车车辆篷布状态进行分析，获取各货车车辆在各路段对应的篷布危险
指数，进而基于篷布危险指数，对货车车辆驾驶人员进行篷布危险状态提醒，避免给后来车辆造成视线受阻的问题，保证了后来车辆行驶视线开阔，从根本上降低了事故发生率。
附图说明
43.利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
44.图1为本发明系统模块连接示意图。
具体实施方式
45.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
46.参照图1所示，本发明提供一种基于机器视觉的高速公路可视化监控管理系统，包括货车进入统计模块、目标高速公路段划分模块、货车行驶视频采集模块、货车装载物品状态解析模块、货车车辆篷布状态分析模块、货车车辆危险状态语音提示模块和云存储数据库。
47.所述货车进入统计模块分别与目标高速公路段划分模块和货车装载物品状态解析模块连接，目标高速公路段划分模块和货车行驶视频采集模块连接，货车行驶视频采集模块连接分别与货车装载物品状态解析模块和货车车辆篷布状态分析模块连接，货车装载物品状态解析模块分别与货车车辆危险状态语音提示模块和云存储数据库连接，货车车辆篷布状态分析模块分别与货车车辆危险状态语音提示模块和云存储数据库连接。
48.所述货车进入统计模块用于在目标高速公路段的入口设置高清摄像头，对进入入口的货车车辆进行图像采集，并按照行驶先后顺序依次对各货车车辆编号为1,2,...,i,...,n，同时依据采集的货车车辆图像识别各货车车辆对应的基本信息和物品初始装载信息。
49.优选地，所述各货车车辆对应的基本信息包括各货车车辆对应的车型和车牌号。
50.优选地，所述各货车车辆对应的物品初始装载信息包括：各货车车辆对应车厢物品装载区域内各检测点距离车厢底部的初始垂直距离和各检测点距离车厢侧壁的初始水平距离以及各货车车辆对应的装载物品初始体积。
51.所述目标高速公路段划分模块用于获取目标高速公路段的长度，并将其按照预设的长度间隔进行等距划分，得到目标高速公路对应的各路段，并将其编号为1,2,...,d,...,z，同时在各路段上设置视频监控终端。
52.所述货车行驶视频采集模块用于在各货车车辆经过各路段时，由各路段的视频监控终端采集各货车车辆行驶过程视频，由此得到各货车车辆在各路段的行驶视频。
53.所述货车装载物品状态解析模块用于基于各货车车辆在各路段的行驶视频进行物品装载状态分析和物品掉落分析，从而得到物品危险货车编号和物品掉落货车编号，进而将其发送至货车车辆危险状态语音提示模块，货车装载物品状态解析模块包括物品放置
状态分析单元和物品掉落分析单元。
54.优选地，所述物品放置状态分析单元用于对各货车车辆在各路段的物品装载状态进行分析，具体分析步骤如下：
55.将各货车车辆在各路段的行驶视频进行图像分割，得到各货车车辆在各路段行驶视频对应的行驶图像集合，并对行驶图像集合内各行驶图像进行编号为1,2,...,t,...,x；
56.将各行驶图像聚焦在车厢物品装载区域，并将该区域进行检测点均匀布设，同时将各检测点编号为1,2,...,j,...,m，进而获取各检测点距离车厢底部的垂直距离和距离车厢侧壁的水平距离；
57.将各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢底部的垂直距离与各货车车辆对应车厢物品装载区域内各检测点距离车厢底部的初始垂直距离作对比，得到各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢底部的垂直距离波动集合表示为第i个货车车辆在第d个路段的行驶视频中第t个行驶图像内第j个检测点距离车厢底部的垂直距离与该检测点初始垂直距离对比差值；
58.同理，将各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢侧壁的水平距离与各货车车辆对应车厢物品装载区域内各检测点距离车厢侧壁的初始水平距离作对比，得到各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢侧壁的水平距离波动集合表示为第i个货车车辆在第d个路段的行驶视频中第t个行驶图像内第j个检测点距离车厢侧壁的水平距离与该检测点初始水平距离对比差值；
59.基于各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢底部的垂直距离波动集合和各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢侧壁的水平距离波动集合综合分析各货车车辆在各路段的物品装载状态，得出各货车车辆在各路段的物品装载危险指数。
60.优选地，所述得出各货车车辆在各路段的物品装载危险指数，其具体计算步骤为：
61.基于各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢底部的垂直距离波动集合，计算各货车车辆在各路段对应的垂直距离波动指数，其具体计算公式为表示为第i个货车车辆在第d个路段对应的垂直距离波动指数，δ
允许
表示为垂直距离允许波动阈值，cl
ij初始
表示为第i个货车车辆对应第j个检测点距离车厢底部的初始垂直距离；
62.基于各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢侧壁的水平距离波动集合，计算各货车车辆在各路段对应的水平距离波动指数，其具体计算公式
为表示为第i个货车车辆在第d个路段对应的水平距离波动指数，ε
允许
表示为水平距离允许波动阈值，sl
ij初始
表示为第i个货车车辆对应第j个检测点距离车厢侧壁的初始水平距离；
63.将各货车车辆在各路段对应的垂直距离波动指数和水平距离波动指数进行综合，得到各货车车辆在各路段的物品装载危险指数，其具体计算公式为表示为第i个货车车辆在第d个路段的物品装载危险指数，a、b分别表示为垂直距离波动指数、水平距离波动指数对应的权重值；
64.将各货车车辆在各路段的物品装载危险指数与云存储数据库中存储的预警物品装载危险阈值作对比，若某货车车辆在某路段的物品装载危险指数大于预警物品装载危险阈值，则将该货车记为物品危险货车，同时提取该物品危险货车的编号。
65.本发明中通过高速公路各路段处视频监控终端对各货车车辆在各路段的物品装载危险指数进行分析，进而从中获取存在物品装载危险的货车，从而启动对应货车上的电子提示器进行语音提示，实现了对各货车装载物品状态进行实时监测，避免了货车车辆在高速公路行驶过程中装载物品不规范而导致的货车行驶安全问题，在很大程度上有效降低了货车在高速公路上行驶的安全隐患，进而精确提升了高速公路的安全指数。
66.作为优选方案，本发明中通过对各货车车辆在各路段中各装载物品对应的垂直距离波动指数和水平距离波动指数进行综合，得到各货车车辆在各路段的物品装载危险指数，有效提升了物品装载危险指数的精准性、科学性和合理性。
67.所述物品掉落分析单元用于分析对各货车车辆在各路段的装载物品是否存在掉落进行分析，其具体分析方式为：
68.从货车进入统计模块识别的物品初始装载信息中提取各货车车辆对应的装载物品初始体积；
69.从各货车车辆在各路段行驶视频对应的行驶图像集合中提取各货车车辆在各路段中各行驶图像对应的装载物品体积，并将其与各货车车辆对应的装载物品初始体积作对比，得到各货车车辆在各路段对应的物品体积减少指数，其具体计算公式为表示为第i个货车车辆在第d个路段中第t个行驶图像对应的物品体积减少指数，表示为第i个货车车辆在第d个路段行驶视频的第t个行驶图像中对应的装载物品体积，表示为第i个货车车辆对应的装载物品初始体积；
70.将各货车车辆在各路段中各行驶图像对应的物品体积减少指数与云存储数据库中存储的预设物品体积允许减少阈值作对比，若某货车车辆在某路段中某行驶图像对应的物品体积减少指数大于预设物品体积允许减少阈值，则将该货车车辆记为物品掉落车辆，同时提取该物品掉落车辆对应的编号。
71.本发明中通过高速公路各路段处视频监控终端对各货车车辆在各路段的行驶过程视频进行监控，并从中分析各货车车辆在各路段的装载物品是否存在掉落，从而启动存在掉落物品的货车对应的电子提示器进行语音提示，使得货车驾驶人员及时感知掉落物品情况，便于进一步回遗落物品，在一定程度上避免了经济损失，大大提高了电子提示器的预警效果及时性，满足大部分货车驾驶人员的需求。
72.作为优选方案，对装载物品存在掉落的货车车辆进行语音提示，具体提示为该货车车辆在某路段下某时间点装载物品存在掉落的情况，以便于货车车辆驾驶人员及时得知装载物品掉落的时间点和所处路段，有利于货车车辆驾驶人员及时向相关部门寻求帮助，寻回遗落的装载物品，避免造成的经济损失。
73.所述货车车辆篷布状态分析模块用于基于各货车车辆在各路段的行驶视频对各货车车辆在各路段下对应的篷布危险指数进行分析，得到篷布危险货车编号，进而将其发送至货车车辆危险状态语音提示模块。
74.优选地，基于各货车车辆在各路段的行驶视频对各货车车辆在各路段下对应的篷布危险指数进行分析，其具体分析方式如下：
75.基于各货车车辆在各路段行驶视频对应的行驶图像集合，将各行驶图像聚焦在货车车辆篷布区域，识别货车车辆篷布总面积，并对各行驶图像中篷布扬起面积进行识别；
76.将各货车车辆篷布总面积与各货车车辆在各路段行驶视频对应的各行驶图像中篷布扬起面积作对比，得到各货车车辆在各路段中各行驶图像对应的篷布危险指数，其具体计算公式为表示为第i个货车车辆在第d个路段中第t个行驶图像对应的篷布危险指数，表示为第i个货车车辆在第d个路段行驶视频对应的第t个行驶图像中篷布扬起面积，表示为第i个货车车辆对应的篷布总面积；
77.基于各货车车辆在各路段中各行驶图像对应的篷布危险指数，获取篷布危险货车车辆编号。
78.优选地，所述获取篷布危险货车车辆编号，其具体为：
79.将各货车车辆在各路段中各行驶图像对应的篷布危险指数与云存储数据库中篷布允许危险指数作对比，若某货车车辆在某路段中某行驶图像对应的篷布危险指数大于篷布允许危险指数，则将该货车车辆记为篷布危险车辆，同时提取该篷布危险车辆对应的编号。
80.本发明对货车车辆篷布状态进行分析，获取各货车车辆在各路段对应的篷布危险指数，进而基于篷布危险指数，对货车车辆驾驶人员进行篷布危险状态提醒，避免给后来车辆造成视线受阻的问题，保证了后来车辆行驶视线开阔，从根本上降低了事故发生率。
81.所述货车车辆危险状态语音提示模块用于接收货车装载物品状态解析模块发送的物品危险货车编号、物品掉落货车编号和货车车辆篷布状态分析模块发送的篷布危险货车编号，进而启动对应货车车辆的电子提示器，进行相应的语音提示。
82.所述云存储数据库用于存储预警物品装载危险阈值，存储预设物品体积允许减少阈值，存储篷布允许危险指数。
83.以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对
所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

技术特征：

1.一种基于机器视觉的高速公路可视化监控管理系统，其特征在于，包括：货车进入统计模块、目标高速公路段划分模块、货车行驶视频采集模块、货车装载物品状态解析模块、货车车辆篷布状态分析模块、货车车辆危险状态语音提示模块和云存储数据库；所述货车进入统计模块用于在目标高速公路段的入口设置高清摄像头，对进入入口的货车车辆进行图像采集，并按照行驶先后顺序依次对各货车车辆编号为1,2,...,i,...,n，同时依据采集的货车车辆图像识别各货车车辆对应的基本信息和物品初始装载信息；所述目标高速公路段划分模块用于获取目标高速公路段的长度，并将其按照预设的长度间隔进行等距划分，得到目标高速公路对应的各路段，并将其编号为1,2,...,d,...,z，同时在各路段上设置视频监控终端；所述货车行驶视频采集模块用于在各货车车辆经过各路段时，由各路段的视频监控终端采集各货车车辆行驶过程视频，由此得到各货车车辆在各路段的行驶视频；所述货车装载物品状态解析模块用于基于各货车车辆在各路段的行驶视频进行物品装载状态分析和物品掉落分析，从而得到物品危险货车编号和物品掉落货车编号，进而将其发送至货车车辆危险状态语音提示模块，货车装载物品状态解析模块包括物品放置状态分析单元和物品掉落分析单元；所述货车车辆篷布状态分析模块用于基于各货车车辆在各路段的行驶视频对各货车车辆在各路段下对应的篷布危险指数进行分析，得到篷布危险货车编号，进而将其发送至货车车辆危险状态语音提示模块；所述货车车辆危险状态语音提示模块用于接收货车装载物品状态解析模块发送的物品危险货车编号、物品掉落货车编号和货车车辆篷布状态分析模块发送的篷布危险货车编号，进而启动对应货车车辆的电子提示器，进行相应的语音提示；所述云存储数据库用于存储预警物品装载危险阈值，存储预设物品体积允许减少阈值，存储篷布允许危险指数。2.根据权利要求1所述的一种基于机器视觉的高速公路可视化监控管理系统，其特征在于：所述各货车车辆对应的基本信息包括各货车车辆对应的车型和车牌号。3.根据权利要求1所述的一种基于机器视觉的高速公路可视化监控管理系统，其特征在于：所述各货车车辆对应的物品初始装载信息包括：各货车车辆对应车厢物品装载区域内各检测点距离车厢底部的初始垂直距离和各检测点距离车厢侧壁的初始水平距离以及各货车车辆对应的装载物品初始体积。4.根据权利要求1所述的一种基于机器视觉的高速公路可视化监控管理系统，其特征在于：所述物品放置状态分析单元用于对各货车车辆在各路段的物品装载状态进行分析，具体分析步骤如下：将各货车车辆在各路段的行驶视频进行图像分割，得到各货车车辆在各路段行驶视频对应的行驶图像集合，并对行驶图像集合内各行驶图像进行编号为1,2,...,t,...,x；将各行驶图像聚焦在车厢物品装载区域，并将该区域进行检测点均匀布设，同时将各检测点编号为1,2,...,j,...,m，进而获取各检测点距离车厢底部的垂直距离和距离车厢侧壁的水平距离；将各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢底部的垂直距离与各货车车辆对应车厢物品装载区域内各检测点距离车厢底部的初始垂直距离作对比，
得到各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢底部的垂直距离波动集合波动集合表示为第i个货车车辆在第d个路段的行驶视频中第t个行驶图像内第j个检测点距离车厢底部的垂直距离与该检测点初始垂直距离对比差值；同理，将各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢侧壁的水平距离与各货车车辆对应车厢物品装载区域内各检测点距离车厢侧壁的初始水平距离作对比，得到各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢侧壁的水平距离波动集合距离波动集合表示为第i个货车车辆在第d个路段的行驶视频中第t个行驶图像内第j个检测点距离车厢侧壁的水平距离与该检测点初始水平距离对比差值；基于各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢底部的垂直距离波动集合和各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢侧壁的水平距离波动集合综合分析各货车车辆在各路段的物品装载状态，得出各货车车辆在各路段的物品装载危险指数。5.根据权利要求4所述的一种基于机器视觉的高速公路可视化监控管理系统，其特征在于：所述得出各货车车辆在各路段的物品装载危险指数，其具体计算步骤为：基于各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢底部的垂直距离波动集合，计算各货车车辆在各路段对应的垂直距离波动指数，其具体计算公式为距离波动集合，计算各货车车辆在各路段对应的垂直距离波动指数，其具体计算公式为表示为第i个货车车辆在第d个路段对应的垂直距离波动指数，δ
允许
表示为垂直距离允许波动阈值，cl
i
j
初始
表示为第i个货车车辆对应第j个检测点距离车厢底部的初始垂直距离；基于各货车车辆在各路段的行驶视频中各行驶图像内各检测点距离车厢侧壁的水平距离波动集合，计算各货车车辆在各路段对应的水平距离波动指数，其具体计算公式为距离波动集合，计算各货车车辆在各路段对应的水平距离波动指数，其具体计算公式为表示为第i个货车车辆在第d个路段对应的水平距离波动指数，ε
允许
表示为水平距离允许波动阈值，sl
i
j
初始
表示为第i个货车车辆对应第j个检测点距离车厢侧壁的初始水平距离；将各货车车辆在各路段对应的垂直距离波动指数和水平距离波动指数进行综合，得到各货车车辆在各路段的物品装载危险指数，其具体计算公式为各货车车辆在各路段的物品装载危险指数，其具体计算公式为表示为第i个货车车辆在第d个路段的物品装载危险指数，a、b分别表示为垂直距离波动指数、水平
距离波动指数对应的权重值；将各货车车辆在各路段的物品装载危险指数与云存储数据库中存储的预警物品装载危险阈值作对比，若某货车车辆在某路段的物品装载危险指数大于预警物品装载危险阈值，则将该货车记为物品危险货车，同时提取该物品危险货车的编号。6.根据权利要求1所述的一种基于机器视觉的高速公路可视化监控管理系统，其特征在于：所述物品掉落分析单元用于分析对各货车车辆在各路段的装载物品是否存在掉落进行分析，其具体分析方式为：从货车进入统计模块识别的物品初始装载信息中提取各货车车辆对应的装载物品初始体积；从各货车车辆在各路段行驶视频对应的行驶图像集合中提取各货车车辆在各路段中各行驶图像对应的装载物品体积，并将其与各货车车辆对应的装载物品初始体积作对比，得到各货车车辆在各路段中各行驶图像对应的物品体积减少指数，其具体计算公式为得到各货车车辆在各路段中各行驶图像对应的物品体积减少指数，其具体计算公式为表示为第i个货车车辆在第d个路段中第t个行驶图像对应的物品体积减少指数，表示为第i个货车车辆在第d个路段行驶视频的第t个行驶图像中对应的装载物品体积，表示为第i个货车车辆对应的装载物品初始体积；将各货车车辆在各路段中各行驶图像对应的物品体积减少指数与云存储数据库中存储的预设物品体积允许减少阈值作对比，若某货车车辆在某路段中某行驶图像对应的物品体积减少指数大于预设物品体积允许减少阈值，则将该货车车辆记为物品掉落车辆，同时提取该物品掉落车辆对应的编号。7.根据权利要求1所述的一种基于机器视觉的高速公路可视化监控管理系统，其特征在于：所述基于各货车车辆在各路段的行驶视频对各货车车辆在各路段下对应的篷布危险指数进行分析，其具体分析方式如下：基于各货车车辆在各路段行驶视频对应的行驶图像集合，将各行驶图像聚焦在货车车辆篷布区域，识别货车车辆篷布总面积，并对各行驶图像中篷布扬起面积进行识别；将各货车车辆篷布总面积与各货车车辆在各路段行驶视频对应的各行驶图像中篷布扬起面积作对比，得到各货车车辆在各路段中各行驶图像对应的篷布危险指数，其具体计算公式为算公式为表示为第i个货车车辆在第d个路段中第t个行驶图像对应的篷布危险指数，表示为第i个货车车辆在第d个路段行驶视频对应的第t个行驶图像中篷布扬起面积，表示为第i个货车车辆对应的篷布总面积；基于各货车车辆在各路段中各行驶图像对应的篷布危险指数，获取篷布危险货车车辆编号。8.根据权利要求1所述的一种基于机器视觉的高速公路可视化监控管理系统，其特征在于：所述获取篷布危险货车车辆编号，其具体为：将各货车车辆在各路段中各行驶图像对应的篷布危险指数与云存储数据库中篷布允许危险指数作对比，若某货车车辆在某路段中某行驶图像对应的篷布危险指数大于篷布允
许危险指数，则将该货车车辆记为篷布危险车辆，同时提取该篷布危险车辆对应的编号。

技术总结

本发明公开一种基于机器视觉的高速公路可视化监控管理系统，包括货车进入统计模块、目标高速公路段划分模块、货车行驶视频采集模块、货车装载物品状态解析模块、货车车辆篷布状态分析模块、货车车辆危险状态语音提示模块和云存储数据库，通过对货车车辆在各路段下的行驶视频对货车车辆在各路段的物品装载状态和装载物品是否存在掉落进行分析，从而得出各货车车辆在各路段的物品装载危险指数和物品体积减少指数，避免了货车车辆在高速公路行驶过程中装载物品不规范而导致的货车行驶安全问题，在很大程度上有效降低了货车在高速公路上行驶的安全隐患，进而精确提升了高速公路的安全指数。安全指数。安全指数。