一种基于5G的AI智慧公路隧道综合监测平台

一种基于5g的ai智慧公路隧道综合监测平台
技术领域
1.本发明涉及监测平台领域，尤其涉及一种基于5g的ai智慧公路隧道综合监测平台。


背景技术：

2.随着我国城镇化建设的不断深入和汽车保有量的急剧增加，城市拥堵、交通事故等交通问题依旧十分突出。公路隧道因其特殊的环境，更容易发生交通事故。针对公路隧道运营养护、交通事故处置及违章查处，现阶段需要解决的重点问题包括：
3.(1)公路隧道内部常常因车辆故障、事故、车流量大等引起交通堵塞，往往需要通过视频监控人工判断或事故车辆驾驶人拨打求救电话后才能获取隧道现场信息，再通过电子屏告知后方车辆减速慢行，对现场信息的获取及预警措施的实施均较为滞后。在此期间，极有可能因后方车辆未注意或驾驶较快等原因引发二次甚至更严重的事故。因此，如何第一时间获取现场的信息并及时预警是关键。
4.(2)公路隧道在运营过程中往往会暴露出各类综合的典型病害，如混凝土开裂、渗漏水、变形等。传统的定期检测方法非实时性，存在隐患。有线传感监测方法安装部署不方便，后续增加传感设备施工难度大。此外，对结构健康的评价主要靠经验判断，工作量大，智能化程度低。
5.(3)隧道火灾是隧道中最常见的且危害最大的灾害之一。火灾原因主要有：车辆电路故障、发动机着火燃烧车辆、撞车、隧道设备故障等小概率事件。由于隧道环境的封闭使得逃生救援非常困难，因此，一旦发生，不仅会造成人员伤亡、车辆损毁、交通中断，还会破坏隧道结构从而影响其使用寿命，甚至会导致部分地区生产停顿进而造成秩序混乱，造成重大的社会影响和经济损失。公路隧道火灾的发生过程可分为起火、火势增大、充分发展、火势减弱、熄灭等阶段，人员疏散一般会经历察觉火灾、行动准备、逃生行动、到达安全地带四个阶段。因此，在刚起火，火势较小的情况下第一时间发现火情并发出预警，能够为及时扑灭火源和组织救援争取宝贵的时间。现有的烟雾监测和光纤温度监测方法，往往在火势较大的情况下才能感知到火灾，耽误了救火和逃生的关键时间。
6.(4)隧道内部光线昏暗、视线不佳，一旦有超速、接打电话等行为极有可能引发交通事故，因此，隧道内部的交通治理显得尤为重要。隧道内部光线昏暗，或汽车大灯照射反光的影响，使得摄像头拍到的图像模糊不清，误识别率较高，难以对违章车辆进行查处和批评教育，存在安全隐患。因此，如何在恶劣环境下清晰的获取车牌号的图片对准确的识别车牌号具有重要意义。
7.为解决上述问题，本技术中提出一种基于5g的ai智慧公路隧道综合监测平台。


技术实现要素：

8.(一)发明目的
9.为解决背景技术中存在的技术问题，本发明提出一种基于5g的ai智慧公路隧道综
合监测平台，本发明基于5g、无线自组网、无线传感、深度学习、图像识别、偏振光成像伸入优化，研制包括隧道车辆瞬态速度检测、隧道结构健康监测预警、隧道火灾监测预警、隧道内违法车辆远程无介入数字取证判定多个系统，基于上述子系统开发5g+ai智慧公路隧道综合监测系统平台，提升公路隧道的安全及运营管理水平。
10.(二)技术方案
11.为解决上述问题，本发明提供了一种基于5g的ai智慧公路隧道综合监测平台，包括：
12.隧道拥堵监测模块，用于对隧道的拥堵详情进行实时监测和状态信息显示；
13.结构监测模块，用于隧道洞顶出现落石、洞口边仰坡滑塌、洞内出现涌水、衬砌混凝土出现掉块、坍塌、衬砌结构或隧道内路面短时间内变形发展迅速、电缆桥架脱落、消防管道破裂危及行车安全的灾害；
14.火灾图像监测模块，用于对隧道内火宅信息进行实时监测；通过视频摄像，捕捉火灾初期的火焰图像，对图像进行预处理、区域分割，然后利用卷积神经网络对图像数据进行深度学习，提取火焰特征，实现隧道火灾图像准确识别；
15.车辆违章检测模块，用于对车辆违章进行实时监测；
16.隧道拥堵监测模块、结构监测模块、火灾图像监测模块和车辆违章检测模块通过5g通讯模块将监测的信息传输至云端服务器中，云端服务器通讯连接有平台软件。
17.优选的，隧道拥堵监测模块包括：
18.声光报警器，用于对隧道的拥堵进行报警；
19.测速雷达，用于对车辆的速度进行监测；
20.电子警示屏，用于对隧道内信息显示；
21.声光报警器、测速雷达和电子警示屏之间通过mist mesh无线自组网技术自主形成扁平状网状网络。
22.优选的，结构监测模块包括：
23.静力水准仪、测斜仪、应变计和裂缝计；静力水准仪、测斜仪、应变计和裂缝计之间通过mist mesh无线自组网技术自主形成扁平状网状网络。
24.优选的，火灾图像监测模块包括：
25.摄像机。
26.优选的，车辆违章检测模块包括：
27.测速雷达和摄像机。
28.优选的，平台软件包括：
29.车辆瞬态速度检测预警系统、结构健康监测预警系统、隧道火灾监测预警子系统和违法车辆远程介入数字取证判定子系统；车辆瞬态速度检测预警系统、结构健康监测预警系统、隧道火灾监测预警子系统和违法车辆远程介入数字取证判定子系统的内部均包含智能预警模块、信息查询模块、历史数据模块、事故状态模块和用户管理模块。
30.在一个可选的实施例中，摄像机的镜头分为：
31.线偏振片，该部分负责滤除地面反光；
32.旋转机构，该部分负责调整线偏振片的透光轴角度，使其更有效率的滤除地面反光：
33.透镜阵列，该部分负责将接收到的光线聚焦到摄像机的感光阵列上。
34.需要说明的是，该高光滤除的摄像头镜头的核心结构是线偏振片，通过适当的调节线偏振片的透光轴角度，该镜头可以滤除强烈的地面反光，仅允许其他正常光线通过镜头。
35.摄像机获得的图像：入射光线在进入摄像机的感光阵列前首先将通过一片hdr滤镜，该片滤镜将入射光线分向四个不同通光率的通道，四个通道的透光率的比例分别为100％、75％、50％、25％。摄像机的感光阵列将同时捕捉四通道的图像，同时以song zhang提出的最大不饱和图像合成理论为基础，利用监控摄像机的内置处理器合成以上四幅图像，最终得到一幅清晰的，能够直接用于传统车牌识别算法的hdr图像。
36.在一个可选的实施例中，火灾图像监测模块实现火灾识别的方法如下：
37.s1、增强图像的亮度信息
38.采用灰度均衡方法对火灾图像进行处理，灰度均衡通过把累计分布函数变换为直方图的方法，产生一副灰度级分布概率相对均匀的图像，经过灰度均衡后的图像在每一级灰度上像素点的个数相对均衡，对应灰度直方图的每一级灰度的高度也相对平齐，灰度均衡后的图像具有较大的信息量，由于火灾图像中火焰的颜色信息是非常重要的一个特征，在hsv颜色空间中做此变换，hsv颜色空间是由色调(hue)、饱和度(saturation)和亮度(value)三个层级信息所组成；六边形边界表示色调，代表所处的光谱颜色位置，该参数用角度表示，rgb三种颜色分别相隔120度；水平轴表示饱和度，其取值从0到1,取值越大饱和度越高；亮度沿垂直轴测量，其取值也是从0到1，与光强之间没有联系；在隧道中，摄像机受灯光照射、阴影的影响，在hsv颜色空间的亮度通道即v通道进行灰度均衡处理，增强图像的对比度；
39.s2、经过预处理后，将图像中火灾区域分割出来，再将该区域送入网络进行训练，如果直接将未经分割的图像进行训练，会使其学习到大量非火灾的特征信息，增加训练时间且对识别工作并无大用，为了对火灾区域做到准确分割，采用k邻近算法对火灾区域进行分割
40.优选的，k近邻算法的步骤如下：
41.存在一个样本数据集合，也叫训练样本集，样本集中的每个数据都对应一个标签，即我们知道样本集中每一个数据与其所属分类的对应关系，在k近邻算法中，输入新数据并分别计算其特征与样本集中每个数据特征之间的距离，然后选取距离最小的k个数据所对应的分类标签，最后选择这k个标签中出现次数最多的标签，作为新数据的分类标签；拟对k邻近算法进行优化，先利用k-中值算法分别对火焰与非火焰数据进行聚类，然后分别在两类样本中应用k邻近算法，采用相似度函数计算待分类像素与各已知类别像素之间的相似度，并据此判断其所属类别。
42.利用颜色特征先行将疑似火焰区域分割出来，再将该部分图片作为训练集送入cnn网络进行训练，可更有针对性地进行特征提取，有效提高火灾图像的识别率。
43.基于卷积神经网络的火灾图像识别算法流程:
44.采用基于最大池化方式的卷积神经网络，其计算公式为：
45.46.式中，f为特征图谱，f
ij
特征图谱的位置(i,j)处的像素值，池化域的大小为s
×
s，最终得到的池化结果用p表示。
47.本发明的上述技术方案具有如下有益的技术效果：
48.基于5g、无线自组网、无线传感、深度学习、图像识别、偏振光成像等技术提升，包括隧道车辆瞬态速度检测、隧道结构健康监测预警、隧道火灾监测预警、隧道内违法车辆远程无介入数字取证判定多个系统，基于上述子系统开发5g+ai智慧公路隧道综合监测系统平台，提升公路隧道的安全及运营管理水平；
49.通过高清摄像头实时采集隧道内现场视频/图片数据，利用5g宽带通信高速、低延时传输现场一手数据，在火苗刚刚发生的情况下，通过图像识别第一时间识别火灾并发出报警信号，为应急人员争取宝贵的救援时间。
附图说明
50.图1为本发明提出的一种基于5g的ai智慧公路隧道综合监测平台的结构示意图。
51.图2为本发明提出的一种基于5g的ai智慧公路隧道综合监测平台中的部分结构示意图。
52.图3为本发明提出的一种基于5g的ai智慧公路隧道综合监测平台中摄像机的滤除镜头结构示意图。
53.图4为本发明提出的一种基于5g的ai智慧公路隧道综合监测平台中hsv颜色空间模型的结构示意图。
54.图5为本发明提出的一种基于5g的ai智慧公路隧道综合监测平台中图像预处理流程图。
55.图6为本发明提出的一种基于5g的ai智慧公路隧道综合监测平台中k近邻算法的决策过程示意图。
56.图7为本发明提出的一种基于5g的ai智慧公路隧道综合监测平台中的算法流程图。
57.图8为本发明提出的一种基于5g的ai智慧公路隧道综合监测平台中基于卷积神经网络的火灾图像识别算法的流程图。
58.图9为本发明提出的一种基于5g的ai智慧公路隧道综合监测平台中4
×
4特征映射图至最大池化结果图。
59.图10为本发明提出的一种基于5g的ai智慧公路隧道综合监测平台中hdr滤镜的结构示意图。
60.图11为本发明提出的一种基于5g的ai智慧公路隧道综合监测平台中滤镜上每四个像素为一组，每组中的四个像素分别编号为a、b、c、d的结构示意图。
具体实施方式
61.为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图1-11，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
62.本发明提出的一种基于5g的ai智慧公路隧道综合监测平台，包括：
63.隧道拥堵监测模块，用于对隧道的拥堵详情进行实时监测和状态信息显示；
64.结构监测模块，用于隧道洞顶出现落石、洞口边仰坡滑塌、洞内出现涌水、衬砌混凝土出现掉块、坍塌、衬砌结构或隧道内路面短时间内变形发展迅速、电缆桥架脱落、消防管道破裂危及行车安全的灾害；
65.火灾图像监测模块，用于对隧道内火宅信息进行实时监测；通过视频摄像，捕捉火灾初期的火焰图像，对图像进行预处理、区域分割，然后利用卷积神经网络对图像数据进行深度学习，提取火焰特征，实现隧道火灾图像准确识别；
66.车辆违章检测模块，用于对车辆违章进行实时监测；
67.隧道拥堵监测模块、结构监测模块、火灾图像监测模块和车辆违章检测模块通过5g通讯模块将监测的信息传输至云端服务器中，云端服务器通讯连接有平台软件。
68.在一个可选的实施例中，隧道拥堵监测模块包括：
69.声光报警器，用于对隧道的拥堵进行报警；
70.测速雷达，用于对车辆的速度进行监测；
71.电子警示屏，用于对隧道内信息显示；
72.声光报警器、测速雷达和电子警示屏之间通过mist mesh无线自组网技术自主形成扁平状网状网络。
73.实现隧道变形、裂缝、渗漏水等结构状态参量的监测，同时，利用温湿度、气体等传感器对隧道内部环境进行实时监测。传感装置集成无线自组网通信模块，各传感器相互之间自行组网连接通信，数据统一汇聚至智能网关后通过5g进行无线通信远程传输，上传至服务器中。
74.在一个可选的实施例中，结构监测模块包括：
75.静力水准仪、测斜仪、应变计和裂缝计；静力水准仪、测斜仪、应变计和裂缝计之间通过mist mesh无线自组网技术自主形成扁平状网状网络。
76.火灾图像监测模块包括：摄像机。车辆违章检测模块包括：测速雷达和摄像机。
77.由于隧道结构复杂，其拱形及弯道结构容易使无线通信的电磁波信号产生多路径传播和衰减，影响传输稳定性。而mist mesh无线自组网具有自适应、自愈合的能力，可自行选择最有的通信链路，且在节点损坏后可重新构建新的网络，能够最大限度的保证传感通信的可靠性。
78.mist mesh无线自组网技术是一种平面网状网络技术，没有主次之分，更简单的网络架构，节点自主形成扁平状网状网络，不依赖于网关或任何特殊节点来形成网络，任何节点都可以与其他任何节点和任何网关进行通信。当节点形成平面网状网络时，并在该网络内形成簇，以协调各个节点的通信周期并促进节点之间的通信。
79.在一个可选的实施例中，平台软件包括：
80.车辆瞬态速度检测预警系统、结构健康监测预警系统、隧道火灾监测预警子系统和违法车辆远程介入数字取证判定子系统；车辆瞬态速度检测预警系统、结构健康监测预警系统、隧道火灾监测预警子系统和违法车辆远程介入数字取证判定子系统的内部均包含智能预警模块、信息查询模块、历史数据模块、事故状态模块和用户管理模块。
81.需要说明的是，本实施例中的系统，均分别对检测的数据进行检测、分析，以做出
相应决策，通过设有智能预警模块、信息查询模块、历史数据模块、事故状态模块和用户管理模块，利于后续的查询和智能预警。
82.在一个可选的实施例中，摄像机的镜头分为：
83.线偏振片，该部分负责滤除地面反光；
84.旋转机构，该部分负责调整线偏振片的透光轴角度，使其更有效率的滤除地面反光：
85.透镜阵列，该部分负责将接收到的光线聚焦到摄像机的感光阵列上。
86.通过在相机的感光阵列前特制一片逐像素的、不同通光量的滤镜，大幅扩展监控摄像机的动态范围，从而达到使得监控摄像机能够在强光环境下清晰的捕捉较暗的车牌的目的。
87.该摄像机感光阵列hdr滤镜具体包含图像滤镜模块和hdr图像合成模块，如图10所示：
88.入射光线在进入监控摄像机的感光阵列前首先将通过一片hdr滤镜，该片滤镜将入射光线分向四个不同通光率的通道，四个通道的透光率的比例分别为100％、75％、50％、25％。监控摄像机的感光阵列将同时捕捉四通道的图像，同时以song zhang提出的最大不饱和图像合成理论为基础，利用摄像机的内置处理器合成以上四幅图像，最终得到一幅清晰的，能够直接用于传统车牌识别算法的hdr图像。
89.该滤镜由2层线偏振片组成，滤镜上每四个像素为一组，每组中的四个像素分别编号为a、b、c、d，如图11所示。其中，像素a、b、c、d上对应位置的两片偏振片的透光轴夹角分别为0度、41.40度、60.00度、75.52度。
90.根据马吕思定律，a、b、c、d四个像素位置上分别对进入相机感光阵列的光线光强比例分别为0％、25％、50％、75％。随后，所有a、b、c、d四类像素各自重组为一幅新的图片，并将这四幅图片通过hdr合成算法重组为一幅新的、可以用于车牌识别的hdr图片。
91.在一个可选的实施例中，火灾图像监测模块实现火灾识别的方法如下：
92.s1、增强图像的亮度信息
93.采用灰度均衡方法对火灾图像进行处理，灰度均衡通过把累计分布函数变换为直方图的方法，产生一副灰度级分布概率相对均匀的图像，经过灰度均衡后的图像在每一级灰度上像素点的个数相对均衡，对应灰度直方图的每一级灰度的高度也相对平齐，灰度均衡后的图像具有较大的信息量，由于火灾图像中火焰的颜色信息是非常重要的一个特征，如果直接对原始彩色图像进行灰度变换，会破坏火焰像素的原始信息，在hsv颜色空间中做此变换，hsv颜色空间是由色调(hue)、饱和度(saturation)和亮度(value)三个层级信息所组成(其模型结构见图4)；六边形边界表示色调，代表所处的光谱颜色位置，该参数用角度表示，rgb三种颜色分别相隔120度；水平轴表示饱和度，其取值从0到1,取值越大饱和度越高；亮度沿垂直轴测量，其取值也是从0到1，与光强之间没有联系；在隧道中，摄像机受灯光照射、阴影的影响，所拍摄的照片普遍存在亮度较低的问题。为了解决此问题，方便后续的火灾区域分割，在hsv颜色空间的亮度通道即v通道进行灰度均衡处理，增强图像的对比度；
94.s2、参照图5，在隧道中，摄像机的摄像头受灯光照射、阴影等的影响，所拍摄的照片普遍存在亮度较低的问题。为了解决此问题，经过预处理后，将图像中火灾区域分割出来，再将该区域送入网络进行训练，如果直接将未经分割的图像进行训练，会使其学习到大
量非火灾的特征信息，增加训练时间且对识别工作并无大用，为了对火灾区域做到准确分割，采用k邻近算法对火灾区域进行分割。
95.在一个可选的实施例中，k近邻算法的步骤如下：
96.存在一个样本数据集合，也叫训练样本集，样本集中的每个数据都对应一个标签，即我们知道样本集中每一个数据与其所属分类的对应关系，在k近邻算法中，输入新数据并分别计算其特征与样本集中每个数据特征之间的距离，然后选取距离最小的k个数据所对应的分类标签，最后选择这k个标签中出现次数最多的标签，作为新数据的分类标签；k近邻算法的决策示意图如图6：拟对k邻近算法进行优化，先利用k-中值算法分别对火焰与非火焰数据进行聚类，然后分别在两类样本中应用k邻近算法，采用相似度函数计算待分类像素与各已知类别像素之间的相似度，并据此判断其所属类别。算法流程如图所示7。
97.利用颜色特征先行将疑似火焰区域分割出来，再将该部分图片作为训练集送入cnn网络进行训练，可更有针对性地进行特征提取，有效提高火灾图像的识别率。流程如图8。
98.基于卷积神经网络的火灾图像识别算法流程:
99.采用基于最大池化方式的卷积神经网络，其计算公式为：
[0100][0101]
式中，f为特征图谱，f
ij
特征图谱的位置(i,j)处的像素值，池化域的大小为s
×
s，最终得到的池化结果用p表示。如图9所示为最大池化的过程(图9中最左侧图为4
×
4特征映射图，右侧为最大池化结果图)。
[0102]
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

技术特征：
1.一种基于5g的ai智慧公路隧道综合监测平台，其特征在于，包括：隧道拥堵监测模块，用于对隧道的拥堵详情进行实时监测和状态信息显示；结构监测模块，用于隧道洞顶出现落石、洞口边仰坡滑塌、洞内出现涌水、衬砌混凝土出现掉块、坍塌、衬砌结构或隧道内路面短时间内变形发展迅速、电缆桥架脱落、消防管道破裂危及行车安全的灾害；火灾图像监测模块，用于对隧道内火宅信息进行实时监测；通过视频摄像，捕捉火灾初期的火焰图像，对图像进行预处理、区域分割，然后利用卷积神经网络对图像数据进行深度学习，提取火焰特征，实现隧道火灾图像准确识别；车辆违章检测模块，用于对车辆违章进行实时监测；隧道拥堵监测模块、结构监测模块、火灾图像监测模块和车辆违章检测模块通过5g通讯模块将监测的信息传输至云端服务器中，云端服务器通讯连接有平台软件。2.根据权利要求1所述的一种基于5g的ai智慧公路隧道综合监测平台，其特征在于，隧道拥堵监测模块包括：声光报警器，用于对隧道的拥堵进行报警；测速雷达，用于对车辆的速度进行监测；电子警示屏，用于对隧道内信息显示；声光报警器、测速雷达和电子警示屏之间通过mist mesh无线自组网技术自主形成扁平状网状网络。3.根据权利要求2所述的一种基于5g的ai智慧公路隧道综合监测平台，其特征在于，结构监测模块包括：静力水准仪、测斜仪、应变计和裂缝计；静力水准仪、测斜仪、应变计和裂缝计之间通过mist mesh无线自组网技术自主形成扁平状网状网络。4.根据权利要求3所述的一种基于5g的ai智慧公路隧道综合监测平台，其特征在于，火灾图像监测模块包括：摄像机。5.根据权利要求4所述的一种基于5g的ai智慧公路隧道综合监测平台，其特征在于，车辆违章检测模块包括：测速雷达和摄像机。6.根据权利要求5所述的一种基于5g的ai智慧公路隧道综合监测平台，其特征在于，平台软件包括：车辆瞬态速度检测预警系统、结构健康监测预警系统、隧道火灾监测预警子系统和违法车辆远程介入数字取证判定子系统；车辆瞬态速度检测预警系统、结构健康监测预警系统、隧道火灾监测预警子系统和违法车辆远程介入数字取证判定子系统的内部均包含智能预警模块、信息查询模块、历史数据模块、事故状态模块和用户管理模块。7.根据权利要求5所述的一种基于5g的ai智慧公路隧道综合监测平台，其特征在于，摄像机的镜头分为：线偏振片，该部分负责滤除地面反光；旋转机构，该部分负责调整线偏振片的透光轴角度，使其更有效率的滤除地面反光：透镜阵列，该部分负责将接收到的光线聚焦到摄像机的感光阵列上。
8.根据权利要求7所述的一种基于5g的ai智慧公路隧道综合监测平台，其特征在于，火灾图像监测模块实现火灾识别的方法如下：s1、增强图像的亮度信息采用灰度均衡方法对火灾图像进行处理，灰度均衡通过把累计分布函数变换为直方图的方法，产生一副灰度级分布概率相对均匀的图像，经过灰度均衡后的图像在每一级灰度上像素点的个数相对均衡，对应灰度直方图的每一级灰度的高度也相对平齐，灰度均衡后的图像具有较大的信息量，由于火灾图像中火焰的颜色信息是非常重要的一个特征，在hsv颜色空间中做此变换，hsv颜色空间是由色调、饱和度和亮度三个层级信息所组成；六边形边界表示色调，代表所处的光谱颜色位置，该参数用角度表示，rgb三种颜色分别相隔120度；水平轴表示饱和度，其取值从0到1,取值越大饱和度越高；亮度沿垂直轴测量，其取值也是从0到1，与光强之间没有联系；在隧道中，摄像机受灯光照射、阴影的影响，在hsv颜色空间的亮度通道即v通道进行灰度均衡处理，增强图像的对比度；s2、经过预处理后，将图像中火灾区域分割出来，再将该区域送入网络进行训练，如果直接将未经分割的图像进行训练，会使其学习到大量非火灾的特征信息，增加训练时间且对识别工作并无大用，为了对火灾区域做到准确分割，采用k邻近算法对火灾区域进行分割9.根据权利要求8所述的一种基于5g的ai智慧公路隧道综合监测平台，其特征在于，k近邻算法的步骤如下：存在一个样本数据集合，也叫训练样本集，样本集中的每个数据都对应一个标签，即我们知道样本集中每一个数据与其所属分类的对应关系，在k近邻算法中，输入新数据并分别计算其特征与样本集中每个数据特征之间的距离，然后选取距离最小的k个数据所对应的分类标签，最后选择这k个标签中出现次数最多的标签，作为新数据的分类标签；拟对k邻近算法进行优化，先利用k-中值算法分别对火焰与非火焰数据进行聚类，然后分别在两类样本中应用k邻近算法，采用相似度函数计算待分类像素与各已知类别像素之间的相似度，并据此判断其所属类别；利用颜色特征先行将疑似火焰区域分割出来，再将该部分图片作为训练集送入cnn网络进行训练，可更有针对性地进行特征提取，提高火灾图像的识别率；基于卷积神经网络的火灾图像识别算法流程:采用基于最大池化方式的卷积神经网络，其计算公式为：式中，f为特征图谱，f
ij
特征图谱的位置(i,j)处的像素值，池化域的大小为s
×
s，最终得到的池化结果用p表示。10.根据权利要求7所述的一种基于5g的ai智慧公路隧道综合监测平台，其特征在于，摄像机镜头包括一片hdr滤镜，该hdr滤镜该滤镜由2层线偏振片组成，滤镜上每四个像素为一组，每组中的四个像素分别编号为a、b、c、d；其中，像素a、b、c、d上对应位置的两片偏振片的透光轴夹角分别为0度、41.40度、60.00度、75.52度。

技术总结
本发明涉及监测平台技术领域，且公开了一种基于5G的AI智慧公路隧道综合监测平台，包括：隧道拥堵监测模块，用于对隧道的拥堵详情进行实时监测和状态信息显示；结构监测模块，用于隧道洞顶出现落石、洞口边仰坡滑塌、洞内出现涌水、衬砌混凝土出现掉块、坍塌、衬砌结构或隧道内路面短时间内变形发展迅速、电缆桥架脱落、消防管道破裂危及行车安全的灾害。本发明基于5G、无线自组网、无线传感、深度学习、图像识别、偏振光成像等技术开展深入优化，提升公路隧道的安全及运营管理水平。公路隧道的安全及运营管理水平。公路隧道的安全及运营管理水平。


技术研发人员：请求不公布姓名
受保护的技术使用者：南昌中铁穗城轨道交通建设运营有限公司 华东交通大学
技术研发日：2022.12.15
技术公布日：2023/7/19