本发明属于道路交通控制领域，尤其涉及一种基于视觉识别的路面积水交通信号控制方法。
背景技术：
1、在气候变化条件下，城市内涝时有发生。城市内涝带来的危害众多，其中，群众出行，交通管理也是重要的一环。对于正在行驶中或不得不出行的群众，如何知晓积水地区的积水深度，判断车辆是否能安全通行是一件亟待解决的问题。
2、图像特征提取算法能够提取出图像中的特征，基于这些图像特征，能够大致判断原始图像的一些数据。城市交通路线配套有相应的影像捕捉设备，结合图像特征提取算法，能够为内涝时的车辆出行安全提供一重保障。
技术实现思路
1、针对现有技术中的上述不足，本发明提供的一种基于视觉识别的路面积水交通信号控制方法解决了发生城市内涝时，无法判断道路是否能安全通行的问题。
2、为了达到上述发明目的，本发明采用的技术方案为：一种基于视觉识别的路面积水交通信号控制方法，包括以下步骤：
3、s1、获取道路的摄像头排布地图；
4、s2、根据道路的摄像头排布地图，对各摄像头的水深预测路段进行划分，得到路段划分图；
5、s3、为路段划分图中各摄像头分别匹配一个红绿灯，得到水深预警划分图；
6、s4、根据水深预警划分图，由各摄像头实时采集对应的路段的图像数据；
7、s5、根据各摄像头对应的路段的图像数据，预测各路段的水深数据，并将水深数据传输至对应的红绿灯进行显示并预警，完成交通信号控制。
8、本发明的有益效果为：基于交通路线现有的摄像头，考虑到监测路段重叠的情况，基于高程差值对摄像头监测区域进行划分，明确每个摄像头的监测路段，能够避免摄像头获取图像不一致导致的数据冲突，同时，由于每个摄像头的视野路段的高程差不同，得到不同水深情况下的摄像头对应的图像特征数据也不相同，将视野范围发生重叠的路段分配给视野路段的高程差最大的摄像头，能够减轻后续图像特征对比的复杂度，并增加了对比数据，增加了水深预测准确度，解决了发生城市内涝时，无法判断道路是否能安全通行的问题。
9、进一步地，所述步骤s2具体为：
10、s201、根据道路的摄像头排布地图，获取各摄像头的视野范围；
11、s202、根据各摄像头的视野范围，得到视野范围未重叠的摄像头集合和视野范围发生重叠的摄像头集合；
12、s203、对视野范围未重叠的摄像头集合，分别将视野范围所包括路段作为各摄像头的监测路段，得到第一路段划分子图；
13、s204、对视野范围发生重叠的摄像头集合，分别获取无积水情况下各摄像头视野中的路段图像；
14、s205、根据无积水情况下各摄像头视野中的路段图像，对视野范围发生重叠的摄像头集合中各摄像头进行监测路段划分，得到第二路段划分子图；
15、s206、根据第一路段划分子图和第二路段划分子图，得到路段划分图。
16、上述进一步方案的有益效果为：基于获取的摄像头数据，明确每个摄像头的监测路段，能够避免摄像头获取图像不一致导致的数据冲突，同时，由于每个摄像头的视野路段的高程差不同，得到不同水深情况下的摄像头对应的图像特征数据也不相同，将视野范围发生重叠的路段分配给视野路段的高程差最大的摄像头，能够减轻后续图像特征对比的复杂度，并增加了对比数据，增加了水深预测准确度。
17、进一步地，所述步骤s205具体为：
18、s2051、根据无积水情况下各摄像头视野中的路段图像，获取各摄像头视野路段中轴线的高程数据；
19、s2052、设置第一阈值，根据各摄像头视野路段中轴线的高程数据，以第一阈值为检测区间，获取各摄像头视野中的路段凹凸情况；
20、s2053、根据各摄像头视野中的路段凹凸情况，以路段凹凸情况为凸的子路段为界，将路段凹凸情况为凹的子路段合并，得到各摄像头视野中的凹段；
21、s2054、根据各摄像头视野路段中轴线的高程数据，分别计算各摄像头视野中的凹段的高程差值，并以最大的凹段的高程差值作为各摄像头视野路段的高程差；
22、s2055、将各摄像头视野路段的高程差进行倒序排列，判断数值最大的高程差是否只有一个，若是，将视野范围发生重叠的路段直接分配给视野路段的高程差最大的摄像头，得到第二路段划分子图，否则，将视野范围发生重叠的路段随机分配给视野路段的高程差最大的摄像头，得到第二路段划分子图。
23、上述进一步方案的有益效果为：由于每个摄像头的视野路段的高程差不同，得到不同水深情况下的摄像头对应的图像特征数据也不相同，将视野范围发生重叠的路段分配给视野路段的高程差最大的摄像头，能够减轻后续图像特征对比的复杂度，并增加了对比数据，增加了水深预测准确度。
24、进一步地，所述步骤s2052中各摄像头视野中的路段凹凸情况的表达式为：
25、
26、
27、
28、其中，qt为第t个摄像头视野中的路段凹凸情况；t为视野范围发生重叠的摄像头集合中的摄像头编号；ci为第t个摄像头视野中第i个高程点起始的子路段的路段凹凸情况，为1，表示凹，为0，表示凸；i为高程点编号；为第t个摄像头视野中第it个子路段的路段凹凸情况；it为第t个摄像头视野路段中轴线的最后一个高程点；iδl为检测区间内的高程点数量；δl为第一阈值；为第t个摄像头视野中第i个高程点起始的子路段的路段凹凸值；hi+1为第t个摄像头视野中第i+1个高程点的高程；hi为第t个摄像头视野中第i个高程点的高程。
29、上述进一步方案的有益效果为：基于路面中轴线的高程数据，计算路段的凹凸情况，能够降低计算复杂度，同时，以二进制序列表示，能够很好表现路段凹凸情况，便于后端人员进行数据提取和调整。
30、进一步地，所述步骤s3具体为将路段划分图中各摄像头沿着车辆行驶方向的第一个红绿灯作为对应的水深数据接收端，得到水深预警划分图。
31、上述进一步方案的有益效果为：将红绿灯作为水深显示和预警端，提高了方法的实用性。
32、进一步地，所述步骤s5具体为：
33、s501、根据水深预警划分图，利用各摄像头分别获取不同水深情况下的图像数据；
34、s502、根据各摄像头获取的不同水深情况下的图像数据，利用卷积神经网络提取图像特征，得到特征匹配集合；
35、s503、根据各摄像头对应的路段的图像数据，利用卷积神经网络，得到各摄像头的实时图像特征；
36、s504、在特征匹配集合中找到对应的摄像头的图像特征数据，并根据对应的摄像头的图像特征数据，分别与各摄像头的实时图像特征进行匹配，得到各摄像头监测路段的水深；
37、s505、根据各摄像头监测路段的水深，各红绿灯将接收到的数值最大的水深作为预警深度；
38、s506、分别判断各红绿灯的预警深度是否大于水深阈值，若是，红绿灯亮红灯，禁止通行，否则，仅显示预警深度。
39、上述进一步方案的有益效果为：考虑多个摄像头对应一个红绿灯的情况，并以数值最大的水深作为预警深度，能够最大程度保障出行安全。
40、进一步地，所述步骤s502中特征匹配集的表达式为：
41、
42、其中，m为特征匹配集；cj为水深预警划分图中第j个摄像头；为水深预警划分图中第j个摄像头在水深为kj时的图像特征；kj为水深预警划分图中第j个摄像头的水深。
43、上述进一步方案的有益效果为：以摄像头作为匹配关键字，基于摄像头所对应的图像特征数据进行一一对比，能够降低匹配难度。
44、进一步地，所述步骤s504具体为：
45、s5041、根据各摄像头的实时图像特征，分别在特征匹配集合中找到对应的摄像头的图像特征数据；
46、s5042、将各摄像头的图像特征数据分别与各摄像头的实时图像特征进行对比，得到各摄像头的图像对比误差集合；
47、s5043、分别将各摄像头的图像对比误差集合中数值最小的图像对比误差所对应的水深作为摄像头监测路段的水深。
48、上述进一步方案的有益效果为：将计算偏差考虑进行图像特征对比中，不以完全一样作为图像特征的匹配准则，提高了方法的实用性。
1.一种基于视觉识别的路面积水交通信号控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于视觉识别的路面积水交通信号控制方法，其特征在于，所述步骤s2具体为：
3.根据权利要求2所述基于视觉识别的路面积水交通信号控制方法，其特征在于，所述步骤s205具体为：
4.根据权利要求3所述基于视觉识别的路面积水交通信号控制方法，其特征在于，所述步骤s2052中各摄像头视野中的路段凹凸情况的表达式为：
5.根据权利要求1所述基于视觉识别的路面积水交通信号控制方法，其特征在于，所述步骤s3具体为将路段划分图中各摄像头沿着车辆行驶方向的第一个红绿灯作为对应的水深数据接收端，得到水深预警划分图。
6.根据权利要求1所述基于视觉识别的路面积水交通信号控制方法，其特征在于，所述步骤s5具体为：
7.根据权利要求6所述基于视觉识别的路面积水交通信号控制方法，其特征在于，所述步骤s502中特征匹配集的表达式为：
8.根据权利要求6所述基于视觉识别的路面积水交通信号控制方法，其特征在于，所述步骤s504具体为：
