Resumen

Para mejorar las capacidades de seguridad de las estaciones de servicio de las autopistas, este estudio propone un método de detección de vehículos de mercancías peligrosas basado en vídeos de vigilancia. Los dispositivos de recogida de información utilizados en este método son las cámaras de vigilancia que ya existen en las estaciones de servicio, lo que permite la detección automática y el reconocimiento de la posición de los vehículos de mercancías peligrosas sin cambiar la instalación de los equipos de vigilancia. El proceso de este método es el siguiente. En primer lugar, dibujamos una imagen de vista aérea de la estación de servicio para utilizarla como modelo de fondo. A continuación, utilizamos el mapeo de perspectiva inversa para procesar cada vídeo de vigilancia y unimos estos vídeos con el modelo de fondo para construir un modelo de vigilancia de vista aérea de la estación de servicio. A continuación, utilizamos una red neuronal convolucional para detectar vehículos de mercancías peligrosas a partir de las imágenes originales. Por último, marcamos el resultado de la detección en el modelo de vigilancia aérea y lo utilizamos para vigilar la estación de servicio en tiempo real. Los experimentos muestran que nuestro modelo de vigilancia de vista aérea puede lograr la detección en tiempo real de vehículos de mercancías peligrosas en las principales áreas de la estación de servicio, reduciendo así eficazmente la carga de trabajo del personal de vigilancia.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:vehículos de mercancías peligrosas, modelo de vigilancia de vista aérea, estación de servicio, método, modelo de fondo, imagen de vista aérea, red neuronal convolucional, estaciones de servicio de autopista, dispositivos de recogida de información, cartografía de perspectiva inversa
• Keywords:dangerous goods vehicles, aerial view surveillance model, service station, method, background model, aerial view image, convolutional neural network, expressway service stations, information collection devices, inverse perspective mapping