基于无人机的高速公路违法广告设施智能巡查技术应用

党倩

（华设设计集团股份有限公司 江苏省南京市 210014）

1 引言

随着高速公路里程的不断增长，高速公路违法设置广告标牌设施现象日益严重，存在较大交通安全隐患，影响道路通行安全，违法广告设施治理工作不容忽视。高速公路违法广告设施主要针对高速公路两侧30m 建筑控制区内广告设施，具有大型高空、连续无间断、覆盖范围广、色彩鲜明等典型特征。在传统管理工作中，高速公路管理部门通过开展专项整治行动排查清除建控区内违法广告设施，巡查工作主要以人工实地巡查为主，劳动强度大，工作效率低，难以适应长效化、智能化巡查管理需求。

无人机技术的兴起为高速公路路产路权管理带来了技术革新，以其高空间、大面积的巡检优势，为量大面广的高速公路巡查管理工作提供了良好条件[1-4]。人工智能（Artificial Intelligence，AI）作为一项新兴战略技术，推动传统行业实现跨越式升级。利用AI 技术实现公路交通信息采集与认知，是交通行业探索新技术、新应用的重要发展方向。对此，本文立足高速公路违法广告设施的高效巡查及智能检测，借助无人机数据采集技术及机器视觉智能检测技术实现对违法广告设施的智能巡查，建立高速公路违法广告设施巡查管理解决方案，为提升路政巡查效率与管理智能化水平提供基础支撑。

2 技术方案

2.1 关键技术

2.1.1 无人机采集

目前，高速公路巡查广告设施主要以车行目测巡查人员手写记录为主，辅以摄影、摄像、望远镜等设备，此种方式人力物力成本高，效率低，巡查人员安全隐患大，且记录位置可能存在较大误差，易遗漏。鉴于此，本文提出采用无人机遥测航拍采集，能减少人员工作量、安全高效、定位精确、无遗漏、环境要求低、成本低廉，同时机动性强、审批简单。

违法广告牌数据采集无人机平台具备以下要求：具备一定续航能力以保证检测工具连续进行和安全返航，一般要求在标准和在下续航时间≥20min；针对路产路权检测特点，无人机飞行高度应在30-50 米，摄像头俯仰角满足0-10 度，视频像素在200 万以上，分辨率达1920*1080 以上；无人机需搭载视频采集设备，因此需要无人机具备有效任务载荷≥6kg；抗风等级≥5 级（10m/s），通信距离≥1km。除此之外，无人机平台还需配备图像传输系统、相机控制接口、自动避障系统。本文提出的无人机搭载设备如图1。

2.1.2 YOLO 检测

图1：无人机搭载设备

图2：高速公路广告标志牌检测流程图

图3：无人机拍摄目标定位模型

依据广告牌具有数量多、覆盖范围广、色彩鲜明等特点，现流行的目标检测算法中YOLO 目标检测算法具有面向小尺度识别速度快、准确率高且结构简单等优势。YOLO 将图像划分为多块，采用anchorboxes 策略用来预测每个边界框的坐标，使用逻辑回归预测每个边界框的概率，加快了检测速度。Adaboost 是一种迭代算法，针对同一个数据集，通过训练并连接弱分类器，构成更强的级联分类器，提高目标检测的准确度。本文提出的目标检测方案采用YOLO 网络和级联分类器相结合的方式，通过标注图片中高速公路交通广告标志牌，制作VOC 格式的图片数据集，利用YOLO网络对图片中的广告标志牌进行识别，再利用logistic 分类器对Darknet-53 卷积层提取的特征进行级联分类，得到最后的检测结果。高速公路广告标志牌检测流程图如图2所示。

图4：无人机建控区检测流程图

图5：无人机拍摄路径图

图6：大疆御MAVIC 2 专业版无人机

2.1.3 违法广告检测

如图3所示，对于违法广告牌的识别需要确认其是否在建控区内，本文提出利用无人机侦察图像，基于空间交会原理进行目标定位，该方法具有较好的实时性和准确性。基于摄影特性和空间几何定理，无人机摄影瞬间，地面目标点A、摄影中心S 与A 在像片得到的像点a 三点共线，像点a 在像平面坐标与飞机到目标A 距离分别可由光电系统和激光测距仪获取，利用几何关系和坐标转换方法，得到目标点A 的大地直角坐标。

图7：无人机拍摄高速公路沿线效果图

图8：违法广告设施检测识别效果图

2.2 检测流程

本文以无人机视频采集为基础，基于视频图像识别技术和空间目标定位方法，实现违法广告牌的检测识别。首先，采用无人机平台对于路段进行航拍，无人机实时采集的视频流和GPS 数据上传至系统后台，对于视频流数据，基于YOLO 检测算法快速通过特征点提取高速公路沿线旁的广告牌；根据飞行拍摄时的GPS 解析数据，确认广告牌的地理位置，并将其与建控区的经纬度范围作比较，确认其是否在建控区范围内；对相应的广告牌进行标定。检测流程图如图4所示。

3 智能巡查系统设计

3.1 系统组成

系统的应用场景是高速公路，采用无人机进行自主巡航或人工操作的方式，对高速公路路段进行航拍，将航拍视频数据导入后台，使用GIS、视频、正射、三维等多种技术手段，并结合人工智能问题识别，对在日常巡查中出现的主要问题，如广告牌、违章建筑物等问题进行分析、识别，形成基于无人机数据采集的高速公路巡查管理系统。

3.2 功能设计

系统具有视频及轨迹查看、智能问题识别、问题跟踪展示一张图、多维分析等功能。

（1）无人机视频及轨迹查看。无人机对路段进行航拍，视频画面基于4G 实现实时传输，可同时监控多路画面，也可进行视频与轨迹双向联动管理。无人机航拍的视频不仅可通过智能识别进行问题分析，同时也可以通过轨迹查看进行人工判断和处理。

（2）智能目标识别。利用机器学习YOLO 目标检测技术对广告牌进行检测，基于无人机遥测数据的实时定位，根据空间几何位置判定广告设施地理位置是否在建筑控制区内，实现对违法广告牌的智能识别，进行问题信息填报，形成问题信息的电子化管理，方便后续的分析、跟踪、统计。

（3）巡查一张图展示。针对路政巡查中发现的问题，基于电子地图和区域路网图，实现一张图展示管理，涵盖待处理问题、视频轨迹、问题处理情况等各方面，并可基于系统实现跟踪、处理、反馈闭环式管理。

（4）多维度统计分析和报表导出。结合累计数据，对路政巡查中发现的问题进行多维度分析，辅助科学决策。同时兼容传统Excel 报表导出功能，满足传统工作需要。

4 实施方案

本项目结合沪宁高速公路实施试点，使用无人机对沪宁高速公路无锡东—南京方向约2 公里左右路段进行定点轨迹的全线拍摄。通过人工智能识别算法，结合人工辅助，对道路沿线违法广告牌设施等问题进行识别。本次应用采用无人机为搭载哈苏相机的大疆御MAVIC 2 专业版，具有1 英寸2000 万像素CMOS 传感器，画质清晰；且具备自由选定飞行器轨迹的功能，即可按照规划路径自动拍摄。如图5 和图6所示。

确定好检测路段后，在无人机操作APP 地图上沿道路中轴线设置自选轨迹飞行，开启录像功能，飞行高度设置30 米，摄像头俯仰角：0-10 度，并在拍摄过程中观察调整摄像头角度保持道路画面正中。如图7所示。

利用机器学习YOLO 目标检测技术对广告牌进行检测，基于无人机遥测数据的实时定位，根据空间几何位置判定广告设施地理位置是否在建筑控制区内，实现对违法广告牌、违法建筑物的智能识别，检测准确率约为85.4%。如图8所示。

5 结论

本文采用无人机+视频采集设备，基于无人机遥测数据与视频图像数据的同步采集实现高速公路数据的快速、高效采集，提出了基于YOLO 目标检测的广告设施检测识别算法，实现广告设施的目标智能检测提取，并结合无人机遥测数据的实时定位，实现违法广告设施的检测判别。通过数据采集及算法研究，搭建了高速公路违法广告设施智能巡查管理系统，为高速公路路产路权巡查管理工作提供有效抓手。