具体实施方式

在以下的叙述中，为了使读者更好地理解本申请而提出了许多技术细节。但是，本领域的普通技术人员可以理解，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请的实施方式作进一步地详细描述。

本申请的第一实施方式涉及一种基于车辆检测的抑尘喷淋方法，其流程如图1所示，该方法包括以下步骤：

在步骤101中，周期性地获取预设作业区域内所有车辆的待检图像。

可选地，步骤101之前，还包括以下步骤：

将目标作业区域进行划分成多个预设作业区域；

为每个预设作业区域设置一台摄像机和至少一个喷淋装置，使得该摄像机拍摄范围覆盖该预设作业区域，该至少一个喷淋装置的喷淋范围覆盖该预设作业区域。

步骤101中的周期时长可以由用户根据作业情况进行设置。例如，如果作业繁忙时间可以设置周期时长为零，即实时获取待检图像；如果作业较繁忙时间可以设置周期时长为几秒或几十秒；如果作业清闲时间可以设置周期时长为几分钟等；且不限于此。

可选地，该步骤101之前，还包括以下步骤：

收集该预设作业区域内所有车辆常规工作状态下的图像样本集，该图像样本集中每辆车的图像标注有工种类别标签和车辆位置标签；

用该图像样本集训练预设神经网络模型获得车辆检测模型。

可选地，该预设神经网络模型可以采用CNN(Convolutional Neural Networks,卷积神经网络)、R-CNN(Region-CNN)、SSD(Single Shot Multi Box Detector)、FPN(featurepyramid networks)等。优选地，该预设神经网络模型采用YOLO-V3。

之后，进入步骤102，确定该待检图像中每辆车的工种类别和工作状态。

可选地，该步骤102可以进一步包括以下子步骤102a、102b：

在步骤102a中，将该待检图像输入该车辆检测模型，获得该待检图像中每辆车的工种类别和边界框位置坐标；之后执行步骤102b，将当前待检图像中每辆车的边界框位置坐标和前一待检图像中每辆车的边界框位置坐标进行比对，根据比对结果确定每辆车的当前工作状态。

其中，该当前待检图像和前一待检图像是当前周期和前一周期获取的待检图像。

可选地，该步骤102b可以进一步实现为：在同一坐标系下，计算所述当前待检图像中每辆车的边界框和所述前一待检图像中该辆车的边界框的位置关系；如果二者位置边界框相交，且相交面积小于预设阈值，则该辆车当前处于运动状态；如果二者位置边界框相离，则该辆车当前处于运动状态；如果二者位置边界框相交，但相交面积大于或等于所述预设阈值，的该辆车处于静止状态并记录当前时间。

之后，进入步骤103，根据该每辆车的工种类别和工作状态控制与该预设作业区域相对应的喷淋装置的开关或喷淋水量。

可选地，该步骤103可以进一步包括以下子步骤：

在步骤103a中，当该预设作业区域内当前处于运动状态的车辆数量大于零时，打开该喷淋装置的开关；之后执行步骤103b，对于每种工种类别的车辆，统计其中当前处于运动状态的车辆数量；之后执行步骤103c，根据每种工种类别的车辆中当前处于运动状态的车辆数量计算所需喷淋水量，以控制该喷淋装置对该预设作业区域进行喷淋处理。

可选地，该步骤103还可以进一步包括以下子步骤：

当所述预设作业区域内当前处于运动状态的车辆数量等于零，且到当前时刻为止已持续了预设时长，则关闭所述喷淋装置。

考虑到不同工种类别的车辆由于车子大小不同，车辆运动状态时时扬起的粉尘多少不同。可选地，步骤103c还可以进一步包括以下步骤：

预先根据每种工种类别的车辆大小和作业时扬尘多少为每种工种类别的车辆设置权重系数；

根据每种工种类别的当前处于运动状态的车辆数量和每种工种类别的权重系数计算该预设作业区域的车辆扬尘评分，根据评分值计算所需喷淋水量，以控制该喷淋装置对该预设作业区域进行喷淋处理。

例如，根据公式M(t)＝aX(t)+bY(t)+cZ(t)计算该预设作业区域的车辆扬尘评分，其中M(t)为t时刻该预设作业区域的车辆扬尘评分，X(t)为t时刻第一种工种类别车辆中t时刻处于运动状态的车辆数量，Y(t)为t时刻第二种工种类别车辆中t时刻处于运动状态的车辆数量，Z(t)为t时刻第三种工种类别车辆中t时刻处于运动状态的车辆数量，a、b、c分别为第一、第二、第三种工种类别车辆评分项的权重系数。其中a、b、c可以根据对应工种类别的车辆大小和/或作业时扬尘的多少确定。该例子中罗列的细节主要是为了便于理解，不作为对本申请保护范围的限制。

本申请的第二实施方式涉及一种基于车辆检测的抑尘喷淋系统，其结构如图2所示，该基于车辆检测的抑尘喷淋系统包括获取模块、确定模块和控制模块。

具体的，该获取模块用于周期性地获取预设作业区域内所有车辆的待检图像；该确定模块用于确定该待检图像中每辆车的工种类别和工作状态；该控制模块用于根据该每辆车的工种类别和工作状态控制与该预设作业区域相对应的喷淋装置的开关或喷淋水量。

第一实施方式是与本实施方式相对应的方法实施方式，第一实施方式中的技术细节可以应用于本实施方式，本实施方式中的技术细节也可以应用于第一实施方式。

为了能够更好地理解本申请的技术方案，下面结合一个具体的例子来进行说明，该例子中罗列的细节主要是为了便于理解，不作为对本申请保护范围的限制。该示例是基于半封闭的钢铁原料厂的抑尘喷淋方法。

将用于图像采集的多台摄像机安装在钢铁厂棚的四周，优选设置在离地面距离不超过8米处，各摄像机的覆盖范围控制相邻摄像机之间的距离，每台摄像机负责一个预设作业区域的图像采集工作，例如摄像机a负责作业区域a的图像采集工作。同时，将多个喷淋装置安装在钢铁厂棚的四周，为防止喷淋装置的雾水对摄像机的干扰，各喷淋装置优选安装在对应摄像机的下方，并离摄像机至少1米的距离，根据各喷淋装置的喷洒覆盖工作范围控制相邻喷淋装置之间的距离，每台喷淋装置覆盖一个预设作业区域的喷淋工作，例如喷淋装置a负责作业区域a的喷淋工作。

该基于半封闭的钢铁原料厂的抑尘喷淋方法包括以下步骤：

一、收集目标钢铁原料厂的车辆样本图像

首先，从目标钢铁原料厂现场采集车辆样本图像。为了保证样本丰富且具有代表性，采集车辆图片时优选地满足以下要求：

1)拍摄时能做到多方位、多角度、不同距离和车子的不同位置(车头、车身、车尾)；

2)拍摄时车子的遮挡不能超过1/5，没有遮挡且图片清晰最佳；

3)拍摄相机覆盖范围为50m×50m，拍摄图片不能超出50m×50m的范围；

4)需要拍摄不同天气环境和不同工作时间段的车辆图片。

然后，确定目标钢铁原料厂作业的车辆工种类别包括卡车和铲车两类，其中卡车用来运输材料，铲车用来装卸材料。

然后，将收集到的样本图像采用LabelImg标注软件标注车辆位置和类别，得到XML标签文件，并通过代码转换为txt标签文件。

若目标钢铁原料厂的作业车辆的车辆类别有增加，需要将增加的车辆类别按上述采集车辆图像要求采集，并添加到车辆数据集中参加以下训练即可。若目标钢铁原料厂的作业车辆减少，则不影响检测效果。

二、车辆检测模型训练

采用YOLO-V3算法，通过特征提取网络对输入特征提取特征，得到特定大小的特征图输出；输入图像分成的网格框，然后如果真实框中某个目标的中心坐标落在每个网格框中，就由该网格框来预测该目标；每个目标有固定数量的边界框，YOLO-V3算法中有三个边界框，使用逻辑回归确定用来预测的回归框(即边界框)，最后计算得到最终边界框位置坐标。

1)Darknet-53网络

YOLO-V3主干结构是Darknet-53网络，还有预测支路采用的是全卷积的结构。Darknet-53网络是一个53层的卷积网络，由残差单元叠加而成。一方面，Darknet-53网络采用全卷积结构，YOLO-V3前向传播过程中，张量的尺寸变换是通过改变卷积核的步长来实现的。卷积的步长为2，每次经过卷积之后，图像边长缩小一半。另一方面，由于Darknet-53网络引入了残差结构，训练深层网络的难度大大减小，因此Darknet-53网络做到53层，精度提升比较明显。

2)边界框预测

YOLO-V3采用直接预测相对位置的方法，预测出边界框中心点相对于网络单元左上角的相对坐标，直接预测输出(t_x，t_y，t_w，t_h)，然后通过以下公式(1)～(5)计算得到边界框的位置坐标(即中心点坐标、宽、高)和置信度。

b_x＝σ(t_x)+c_x (1)

b_y＝σ(t_y)+c_y (2)

其中，t_x、t_y表示模型输出的横、纵坐标的偏移值；t_w、t_h表示模型输出的宽、高的尺度缩放值；c_x、c_y表示网格框的左上角的横、纵坐标；p_w、p_h表示预测边界框的宽、高；b_x、b_y表示计算得到的边界框中心点的横、纵坐标；b_w、b_h表示计算得到的边界框的宽、高；表示第i个网格的第j个边界框的置信度；p_r(object)表示当前边界框是否有对象的概率，用来说明当前边界框内只是个背景还是有某个物体(对象)；表示当前网格里有对象时，预测的边界框与物体真实的边界框的偏差值。

在训练这几个坐标值的时候采用了平方和距离误差损失，因为这种方式的误差可以很快的计算出来。

YOLO-V3使用逻辑回归预测每个边界框的分数。如果边界框与真实框的重叠度比之前的任何其他边界框都要好，则该值应该为1。如果边界框不是最好的，但确实与真实对象的重叠超过某个阈值(YOLO-V3中这里设定的阈值是0.5)，那么就忽略这次预测。YOLO-V3只为每个真实对象分配一个边界框，如果边界框与真实对象不吻合，则不会产生坐标或类别预测损失，只会产生物体预测损失。

三、确定所述待检图像中每辆车的工种类别和工作状态

周期性地从摄像机a获取作业区域a的所有车辆的待检测图像，将待检测图像输入已训练好的车辆检测模型得到作业区域a中每辆车的工种类别、车辆边界框位置坐标和置信度。

通过判断前后时间获取的图像帧(第一图像帧和第二图像帧)中车辆边界框的位置关系(相交或相离)判断车辆状态，首先将第一图像帧检测到的车辆边界框坐标保存到列表里，其次在同一坐标系中，计算列表中第一图像帧的车辆边界框与第二图像帧中检测到的车辆边界框框的位置关系。

当位置关系是相交时，计算相交面积，相交面积小于阈值时，车辆是运动的，同时更新列表，相交面积大于阈值时，车辆是静止的并记录当前时间。

当位置关系是相离时，车辆是处于运动状态的，更新列表，通过更新列表得到最新的车辆信息。

车辆经过和车辆作业时车子是运动状态的，只有车辆超时停留时是静止的，因此通过计算前后时间获取的图像帧中车辆边界框的位置关系判断车辆状态。

四、根据车辆的工种类别和工作状态控制喷淋装置a的开关或喷淋水量首先，通过设定置信度阈值，来过滤误检情况。

然后，根据所述每辆车的工种类别和工作状态控制与所述作业区域a相对应的喷淋装置的开关或喷淋水量。具体包括：

1)当所述作业区域a内当前处于运动状态(例如车辆经过、车辆作业)的车辆数量大于第二预设阈值时，打开所述喷淋装置。

2)对于每种工种类别的车辆，统计其中当前处于运动状态的车辆数量，根据每种工种类别的车辆中当前处于运动状态的车辆数量计算所需喷淋水量，以控制所述喷淋装置对所述预设作业区域进行喷淋处理。

3)当作业区域a内当前处于运动状态的车辆数量小于或等于零时，关闭所述喷淋装置。

需要说明的是，本领域技术人员应当理解，上述基于车辆检测的抑尘喷淋系统的实施方式中所示的各模块的实现功能可参照前述基于车辆检测的抑尘喷淋方法的相关描述而理解。上述基于车辆检测的抑尘喷淋系统的实施方式中所示的各模块的功能可通过运行于处理器上的程序(可执行指令)而实现，也可通过具体的逻辑电路而实现。本申请实施例上述基于车辆检测的抑尘喷淋系统如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本申请实施例不限制于任何特定的硬件和软件结合。

相应地，本申请实施方式还提供一种计算机可读存储介质，其中存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现本申请的各方法实施方式。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括但不限于，相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读存储介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

此外，本申请实施方式还提供一种基于车辆检测的抑尘喷淋系统，其中包括至少一个图像采集装置、至少一个喷淋装置，以及存储器和处理器；该存储器用于存储计算机可执行指令，该处理器用于在执行该存储器中的计算机可执行指令时实现上述各方法实施方式中的步骤。其中，该处理器可以是中央处理单元(Central Processing Unit，简称“CPU”)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，简称“DSP”)、专用集成电路(Application Specific Integrated Circuit，简称“ASIC”)等。前述的存储器可以是只读存储器(read-only memory，简称“ROM”)、随机存取存储器(randomaccess memory，简称“RAM”)、快闪存储器(Flash)、硬盘或者固态硬盘等。本发明各实施方式所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

需要说明的是，在本专利的申请文件中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。本专利的申请文件中，如果提到根据某要素执行某行为，则是指至少根据该要素执行该行为的意思，其中包括了两种情况：仅根据该要素执行该行为、和根据该要素和其它要素执行该行为。多个、多次、多种等表达包括2个、2次、2种以及2个以上、2次以上、2种以上。

在本申请提及的所有文献都被认为是整体性地包括在本申请的公开内容中，以便在必要时可以作为修改的依据。此外应理解，以上所述仅为本说明书的较佳实施例而已，并非用于限定本说明书的保护范围。凡在本说明书一个或多个实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个实施例的保护范围之内。