1.一种基于多源数据融合的危险品运输车辆预防跟踪方法,其特征在于,通过基于多源数据融合的危险品运输车辆预防跟踪系统来实现,所述基于多源数据融合的危险品运输车辆预防跟踪系统包括车载终端模块(101)、路侧节点装置(102)、边缘数据处理模块(103)、网络传输模块(104)、远程监控系统(105)以及数据存储模块(106);
所述的路侧节点装置(102)通过串口与边缘数据处理模块(103)相连,边缘数据处理模块(103)通过网络传输模块(104)与远程监控系统(105)相连,远程监控系统(105)与数据存储模块(106)之间实现数据的存储和读取,车载终端模块(101)通过网络传输模块(104)向远程监控系统(105)上传危险品运输车辆的位置信息,边缘数据处理模块(103)能够实现数据的处理及存储,作为某一区域的边缘节点;包括以下步骤:步骤一、车载终端模块(101)上传危险品运输车辆的位置信息,远程监控系统(105)进入状态1,远程监控系统(105)在状态1下进行基于GPS的位置跟踪;
所述基于GPS的位置跟踪具体包括车辆的主动跟踪和路侧节点的跟踪;主动跟踪时GPS周期性的上传位置信息至车载终端模块(101),车载终端模块(101)将车辆位置信息打包发送至远程监控系统(105);路侧节点的跟踪通过电子车牌读识装置和智能摄像头实现;
步骤101:GPS得到目标车辆的位置;
步骤102:GPS上传T时刻的车辆位置信息至车载终端模块(101);
步骤103:车载终端模块(101)将T时刻的车辆位置信息通过网络传输模块(104)上传至远程监控系统(105),定时报送车辆在行驶过程中的状态;
步骤104:远程监控系统(105)实时显示目标车辆的位置,实现基于GPS的位置跟踪;
步骤二、当车载终端模块(101)上传异常信息时,远程监控系统(105)将收到的异常信息打包,存放于数据存储模块(106)且发送至边缘数据处理模块(103);
步骤二具体包括以下步骤:
步骤201:车载终端模块(101)在T1时刻上传异常信息至远程监控系统(105);
步骤202:远程监控系统(105)接收到步骤201所述的异常信息之时,记录异常信息于数据存储模块(106),并且将车载终端模块(101)最后一次上传的正确信息和车辆信息进行打包,使分布式环境中部署的所有边缘节点的IP地址都存在远程监控系统(105)里,远程监控系统(105)通过IP地址将打包的信息发送到T时刻经过的边缘节点F;
步骤三、边缘数据处理模块(103)收到异常信息包之后,搜索目标车辆,实现基于RFID的路段跟踪,找到目标车辆的所在路段位置上传至远程监控系统(105);
步骤四、远程监控系统(105)进入状态2,远程监控系统(105)在状态2下控制设置在边缘节点上的智能摄像头进行目标车辆的视频目标识别跟踪;
步骤五、当车载终端模块(101)再次上传正常的位置信息,远程监控系统(105)停止区域跟踪,跳转至步骤一,远程监控系统(105)在状态1下进行基于GPS的位置跟踪。
2.根据权利要求1所述基于多源数据融合的危险品运输车辆预防跟踪方法,其特征在于,所述步骤三中基于RFID的路段跟踪包括以下步骤:步骤301:边缘节点F收到异常信息包之后,通过网络给其附近的其他边缘节点发送信息包,开始局部搜索目标车辆;
步骤302:危险品运输车辆装有一枚RFID电子车牌标签,当目标车辆经过装有电子车牌识别装置的路段时,会对RFID电子车牌标签上的数据进行识别;
步骤303:得到信息包的每个边缘节点将信息包里面的信息和电子车牌识别装置读取的信息相结合,通过判断得到车辆的身份信息,过程如下:
1)判断车牌号是否一致;
2)判断车型是否一致;
3)判断车的颜色是否一致;
当上述判断全部满足,即得到目标车辆的局部位置,此时通过电子车牌识别装置实现基于RFID的路段跟踪,识别到车辆的边缘节点F通知其附近的边缘节点已经检测到目标车辆;
步骤304:若边缘节点F附近最近的边缘节点都没有检测到目标车辆,则扩大寻找范围;
2
最大寻找范围为S,当前公路所允许的最大车速是V,当前时刻为T2,S=π*[(T2‑T)*V];
步骤305:若在其最大寻找范围内的所有边缘节点均未找到目标车辆,边缘节点通知远程监控系统(105)未找到。
3.根据权利要求1所述基于多源数据融合的危险品运输车辆预防跟踪方法,其特征在于,所述的步骤四中基于智能摄像头的视频目标识别跟踪包括以下步骤:步骤401:车辆在局部区域中的位置已经确定,进入智能摄像头的视频目标识别跟踪;
步骤402:检测到车辆的边缘节点F1中含有其相连智能摄像头的IP地址,边缘节点F1得到与其相连的智能摄像头C1抓拍的视频信息;
步骤403:边缘节点F1对智能摄像头C1抓拍的图片处理操作如下:
1)通过图像特征检测算子将车牌轮廓从车辆图片中检测出来;
2)将车牌进行几何校正和归一化,再采取人工神经网络算法进行车牌数字和汉字识别;
3)根据车辆轮廓,对车身颜色进行颜色直方图统计,从而得出车身颜色信息;
4)针对同一车辆经过视频传感器所抓拍的图片,对这些图片的识别结果采取投票的办法进行判断选择,得到最终车辆的车牌信息、颜色信息和车型信息进行输出;
5)将视频得到的车辆信息和收到的信息包里面的信息进行匹配,确定是否为目标车辆;
步骤404:在视频中实现对目标车辆的识别跟踪;
步骤405:假设两个相连的智能摄像头之间没有盲区,则两个摄像头都会检测到目标车辆,远程监控系统(105)显示距离目标车辆最近的摄像头的画面;
步骤406:若边缘节点未识别到目标车辆,上传结果至远程监控系统(105),跟踪结束。