CN119445503B 基于机器视觉的路况监控识别方法、装置、设备及介质 （上海中中龙达智能科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119445503B(45)授权公告日2025.07.04

(21)申请号202411487566.1

(22)申请日2024.10.24

(65)同一申请的已公布的文献号申请公布号CN119445503A

(43)申请公布日2025.02.14

(73)专利权人上海中中龙达智能科技有限公司地址202150上海市崇明区长兴镇潘园公

路1800号3号楼21335室(上海泰和经济发展区)

(72)发明人吴耀东耿纯超王学彪常好胜白鹏宇郜利卫王晓

(74)专利代理机构北京华仁联合知识产权代理有限公司11588

专利代理师霍春荣

(51)Int.CI.

GO6V20/54(2022.01)

GO6V10/82(2022.01)

GO6F18/25(2023.01)

GO6F18/2415(2023.01)

GO6F18/23213(2023.01)

GO6F18/2135(2023.01)

GO6F18/15(2023.01)

GO6F18/27(2023.01)

GO6N3/0455(2023.01)

GO6N3/042(2023.01)

GO6N3/0442(2023.01)

GO6N3/0464(2023.01)

GO6N3/126(2023.01)

GO6N5/01(2023.01)

GO6N5/025(2023.01)

GO6N5/04(2023.01)

G08G1/01(2006.01)

GO6F123/02(2023.01)

(56)对比文件

CN115203241A,2022.10.18CN118495280A,2024.08.16审查员贾云杰

权利要求书3页说明书14页附图2页

(54)发明名称

基于机器视觉的路况监控识别方法、装置、设备及介质

(57)摘要

119445503B本申请涉及数据处理技术领域，公开了一种基于机器视觉的路况监控识别方法、装置、设备及介质。所述方法包括：对道路环境进行多源数据采集，得到原始数据集；对原始数据集进行动态时间规整和多模态特征融合处理，得到时空特征张量；对时空特征张量进行多尺度金字塔分解和深度特征提取，得到路况特征向量；对路况特征向量通过特征映射和知识图谱增强进行语义解析，得到路况属性集；对路况属性集进行多层次风险量化和时空传播仿真，得到分级预警指标和风险分布图；对分级预警指标和风险分布图进

119445503B

CN

CN

控识别的效率及准确率。

对道路环境进行多源数据采集，得到原始数据集，其

对道路环境进行多源数据采集，得到原始数据集，其

中，原始数据集包括：高清图像流、红外热图、激光

点云、毫米波雷达数据和环境参数

对原始数据集进行动态时间规整和多模态特征融合处理，得到时空特征张量

对时空特征张量进行多尺度金字塔分解和深度特征提

取，得到路况特征向量

对路况特征向量通过特征映射和知识图谱增强进行语

义解析，得到路况属性集，其中，路况属性集包括路

面类型、损伤状态、附着物分布和交通流参数

对路况属性集进行多层次风险量化和时空传播仿真，得到分级预警指标和风险分布图

对分级预警指标和风险分布图进行多目标权衡和因果链推理，得到自适应交通调控指令集

S101

S102

S103

S104

S105

S106

CN119445503B权利要求书1/3页

2

1.一种基于机器视觉的路况监控识别方法，其特征在于，所述基于机器视觉的路况监控识别方法包括：

对道路环境进行多源数据采集，得到原始数据集，其中，所述原始数据集包括：高清图像流、红外热图、激光点云、毫米波雷达数据和环境参数；

对所述原始数据集进行动态时间规整和多模态特征融合处理，得到时空特征张量；

对所述时空特征张量进行多尺度金字塔分解和深度特征提取，得到路况特征向量；

对所述路况特征向量通过特征映射和知识