本发明提供了一种基于神经网络的隧道内异常事件检测方法及系统，基于改进的卷积神经网络进行先检测后分类的方法，能够及时且准确的检测、识别和定位事件的类型和发生位置；增设隧道内和隧道外的显示装置，给予来往车辆及时的事故提醒，避免二次事故的发生或者异常事件引起的事故，使得隧道内的通行更高效、更安全，达到降低事故风险，提高通行效率的有益效果。自动报警功能使得异常事件的具体信息能最及时的被道路管理中心获悉，让救援更及时。
1.一种基于神经网络的隧道内异常事件检测方法，其特征在于，包括如下步骤：
以第一预设距离为间隔，采集目标隧道内的数个位置的车道的实时视频数据；所述数个位置的车道的实时视频数据组成目标隧道内的车道的所有画面的视频数据；
通过基于卷积神经网络的检测网络对所述实时视频数据进行检测，获取异常事件画面帧，依据所述异常事件画面帧与实际场景的物理距离的转换规则，计算得到异常事件的位置信息；所述位置信息包括所在的车道及距所述实时视频数据采集点的距离，其中所述通过基于卷积神经网络的检测网络对所述实时视频数据进行检测，获取异常事件画面帧，依据所述异常事件画面帧与实际场景的物理距离的转换规则，计算得到异常事件的位置信息；所述位置信息包括所在的车道及距所述实时视频数据采集点的距离包括：训练所采集的任一隧道内的车道的视频数据集得到所述检测网络；使用所述检测网络对所述实时视频数据进行检测，获取带有异常事件框的异常事件画面帧；依据所述异常事件画面帧与实际场景的物理距离的转换规则，计算得到所述异常事件框所在的车道及距所述实时视频数据采集点的距离；
所述依据所述异常事件画面帧与实际场景的物理距离的转换规则，计算得到异常事件所在的车道及距所述实时视频数据采集点的距离包括：根据预设的车道线走向及范围、和异常事件框的中心的横坐标判断异常事件所在的车道；根据目标隧道内的真实道路平面和所述异常事件画面帧的图像平面的投影关系、以及异常事件框的中心在所述异常事件画面帧中的纵坐标，得到异常事件距所述实时视频数据采集点的距离；所述横坐标、所述纵坐标的原点为所述异常事件画面帧的左上角顶点；
通过基于卷积神经网络的分类网络对所述异常事件画面帧进行分类，获取一类异常事件；并对所述异常事件画面帧进行逻辑判断获取二类异常事件；
将所述一类异常事件和/或所述二类异常事件及其位置信息进行视觉显示和听觉播报、并传输至道路管理中心。
2.根据权利要求1所述的隧道内异常事件检测方法，其特征在于，所述通过基于卷积神经网络的分类网络对所述异常事件画面帧进行分类，获取一类异常事件；并对所述异常事件画面帧进行逻辑判断获取二类异常事件包括：训练所采集的任一隧道内的车道的视频数据集得到所述分类网络；
将所述异常事件画面帧输入所述分类网络，判断所述异常事件为路面抛洒物事件、或车辆碰撞事件、或起火事件；
对所述异常事件画面帧进行逻辑判断，当所述异常事件画面帧的连续预设数量帧在同一位置检测到同一辆车多次，则判断所述异常事件为异常停车。
3.根据权利要求1或2所述的隧道内异常事件检测方法，其特征在于，所述训练所采集的任一隧道内的车道的视频数据集包括：采集的任一隧道内的车道的若干个视频数据集进行训练获取初始数据集；
基于目标隧道对所述初始数据集进行调整，以获取所述目标隧道内的车道的视频数据集。
4.根据权利要求1所述的隧道内异常事件检测方法，其特征在于，将所述一类异常事件和/或所述二类异常事件及其位置信息进行视觉显示和听觉播报包括：所述视觉显示和听觉播报的位置为：所述实时视频数据采集点和/或以第二预设距离为间隔设于目标隧道的顶部和/或目标隧道的入口。
5.根据权利要求4所述的隧道内异常事件检测方法，其特征在于，在没有异常事件发生时，所述视觉显示的显示内容为正常行驶内容；在异常事件发生时，所述视觉显示的显示内容为异常事件的类别、位置信息及建议行车车道；且异常事件发生时所述显示内容相对于没有异常事件发生时的所述显示内容为高亮显示；
6.一种基于神经网络的隧道内异常事件检测系统，其特征在于，包括输入模块、检测模块、显示和报警模块；
所述输入模块包括数个摄像设备，所述数个摄像设备以第一预设距离为间隔，采集目标隧道内的数个位置的车道的实时视频数据；所述数个位置的车道的实时视频数据组成目标隧道内的车道的所有画面的视频数据；
所述检测模块包括基于卷积神经网络的检测网络和分类网络，通过所述检测网络对所述实时视频数据进行检测，获取异常事件画面帧和异常事件的位置信息，其中通过所述检测网络对所述实时视频数据进行检测，获取异常事件画面帧和异常事件的位置信息包括：训练所采集的任一隧道内的车道的视频数据集得到所述检测网络；使用所述检测网络对所述实时视频数据进行检测，获取带有异常事件框的异常事件画面帧；依据所述异常事件画面帧与实际场景的物理距离的转换规则，计算得到所述异常事件框所在的车道及距所述实时视频数据采集点的距离，其中依据所述异常事件画面帧与实际场景的物理距离的转换规则，计算得到所述异常事件框所在的车道及距所述实时视频数据采集点的距离包括：根据预设的车道线走向及范围、和异常事件框的中心的横坐标判断异常事件所在的车道；根据目标隧道内的真实道路平面和所述异常事件画面帧的图像平面的投影关系、以及异常事件框的中心在所述异常事件画面帧中的纵坐标，得到异常事件距所述实时视频数据采集点的距离；所述横坐标、所述纵坐标的原点为所述异常事件画面帧的左上角顶点；
通过所述分类网络对所述异常事件画面帧进行分类，获取一类异常事件；并对所述异常事件画面帧进行逻辑判断获取二类异常事件；
将所述一类异常事件和/或所述二类异常事件及其位置信息通过所述显示和报警模块进行视觉显示和听觉播报、并传输至道路管理中心。
7.根据权利要求6所述的隧道内异常事件检测系统，其特征在于，所述显示和报警模块包括显示单元和通讯单元；所述显示单元为LED显示屏；
所述LED显示屏设于所述显示单元设于所述实时视频数据采集点和/或以第二预设距离为间隔设于目标隧道的顶部和/或目标隧道的入口；
所述一类异常事件和/或所述二类异常事件及其位置信息通过所述通讯单元传输至道路管理中心。
8.根据权利要求7所述的隧道内异常事件检测系统，其特征在于，所述LED显示屏包括第一显示区、第二显示区和第三显示区；
在没有异常事件发生时，所述第一显示区和所述第二显示区的显示内容为正常行驶标语，所述第三显示区的显示内容为向前行驶的指示箭头；
在异常事件发生时，所述第一显示区的显示内容为异常事件的位置信息，所述第二显示区的显示内容为异常事件的类别，所述第三显示区的显示内容为建议行车车道的指示箭头；
异常事件发生时所述LED显示屏的显示内容相对于没有异常事件发生时的显示内容为高亮显示；
所述LED显示屏还设有广播单元，通过所述广播单元对所述一类异常事件和/或所述二类异常事件及其位置信息进行播报。
一种基于神经网络的隧道内异常事件检测方法及系统
技术领域
[0001] 本发明涉及场景检测识别技术领域，尤其涉及一种基于神经网络的隧道内异常事件检测方法及系统。
背景技术
[0002] 高速路上的隧道是很重要的道路工程设施，在复杂的山地地理环境中，隧道给出行带来了较大的便利。但是隧道内常因光线不充足，车辆随意变道行驶等导致交通事故，而这些交通事故往往得不到最及时的报警和对后车进行警示，以致于发生严重的二次事故，造成严重拥堵，降低了交通效率也对出行用户的人身安全造成威胁。
[0003] 现有的技术中，对道路异常事件的检测大多都是基于视频中的车流状态进行分析，然后得出相应的事件检测结果，这样的方法只能确定在哪个车道发生异常事件，但却识别不了事件的类别和事件发生的位置。
[0004] 对异常事件的检测都是反馈到管理中心，并未对道路上的车辆进行警示，在隧道的环境条件下，很可能因为警示的不及时，导致后方车辆驶到异常事件发生的位置，引发更严重的事故。
[0005] 在高速路上的隧道内，传统的检测技术用在该场景下几乎不能胜任，而目前也没有相应的方案用于高速路上隧道内的异常事件检测。
发明内容
[0006] 为了克服现有技术中检测精度不高，无法准确识别事件类型和估计事件发生位置的问题、并对事件发生地后方车辆产生显眼的警示的问题，本发明的目的在于提供一种检测实时、事件识别精度高、能很好适应隧道场景的基于神经网络的隧道内异常事件检测方法及系统。
[0007] 本发明公开了一种基于神经网络的隧道内异常事件检测方法，包括如下步骤：以第一预设距离为间隔，采集目标隧道内的数个位置的车道的实时视频数据；所述数个位置的车道的实时视频数据组成目标隧道内的车道的所有画面的视频数据；通过基于卷积神经网络的检测网络对所述实时视频数据进行检测，获取异常事件画面帧，依据所述异常事件画面帧与实际场景的物理距离的转换规则，计算得到异常事件的位置信息；所述位置信息包括所在的车道及距所述实时视频数据采集点的距离；通过基于卷积神经网络的分类网络对所述异常事件画面帧进行分类，获取一类异常事件；并对所述异常事件画面帧进行逻辑判断获取二类异常事件；将所述一类异常事件和/或所述二类异常事件及其位置信息进行视觉显示和听觉播报、并传输至道路管理中心。
[0008] 优选地，所述通过基于卷积神经网络的检测网络对所述实时视频数据进行检测，获取异常事件画面帧，依据所述异常事件画面帧与实际场景的物理距离的转换规则，计算得到异常事件的位置信息；所述位置信息包括所在的车道及距所述实时视频数据采集点的距离包括：训练所采集的任一隧道内的车道的视频数据集得到所述检测网络；使用所述检测网络对所述实时视频数据进行检测，获取带有异常事件框的异常事件画面帧；依据所述异常事件画面帧与实际场景的物理距离的转换规则，计算得到所述异常事件框所在的车道及距所述实时视频数据采集点的距离。
[0009] 优选地，所述依据所述异常事件画面帧与实际场景的物理距离的转换规则，计算得到异常事件所在的车道及距所述实时视频数据采集点的距离包括：根据预设的车道线走向及范围、和异常事件框的中心的横坐标判断异常事件所在的车道；根据目标隧道内的真实道路平面和所述异常事件画面帧的图像平面的投影关系、以及异常事件框的中心在所述异常事件画面帧中的纵坐标，得到异常事件距所述实时视频数据采集点的距离；所述横坐标、所述纵坐标的原点为所述异常事件画面帧的左上角顶点。
[0010] 优选地，所述通过基于卷积神经网络的分类网络对所述异常事件画面帧进行分类，获取一类异常事件；并对所述异常事件画面帧进行逻辑判断获取二类异常事件包括：训练所采集的任一隧道内的车道的视频数据集得到所述分类网络；将所述异常事件画面帧输入所述分类网络，判断所述异常事件为路面抛洒物事件、或车辆碰撞事件、或起火事件；对所述异常事件画面帧进行逻辑判断，当所述异常事件画面帧的连续预设数量帧在同一位置检测到同一辆车多次，则判断所述异常事件为异常停车。
[0011] 优选地，所述训练所采集的任一隧道内的车道的视频数据集包括：采集的任一隧道内的车道的若干个视频数据集进行训练获取初始数据集；基于目标隧道对所述初始数据集进行调整，以获取所述目标隧道内的车道的视频数据集。
[0012] 优选地，将所述一类异常事件和/或所述二类异常事件及其位置信息进行视觉显示和听觉播报包括：所述视觉显示和听觉播报的位置为：所述实时视频数据采集点和/或以第二预设距离为间隔设于目标隧道的顶部和/或目标隧道的入口。
[0013] 优选地，在没有异常事件发生时，所述视觉显示的显示内容为正常行驶内容；在异常事件发生时，所述视觉显示的显示内容为异常事件的类别、位置信息及建议行车车道；且异常事件发生时所述显示内容相对于没有异常事件发生时的所述显示内容为高亮显示；所述视觉显示和听觉播报同步设置。
[0014] 本发明还公开了一种基于神经网络的隧道内异常事件检测系统，包括输入模块、检测模块、显示和报警模块；所述输入模块包括数个摄像设备，所述数个摄像设备以第一预设距离为间隔，采集目标隧道内的数个位置的车道的实时视频数据；所述数个位置的车道的实时视频数据组成目标隧道内的车道的所有画面的视频数据；所述检测模块包括基于卷积神经网络的检测网络和分类网络，通过所述检测网络对所述实时视频数据进行检测，获取异常事件画面帧和异常事件的位置信息；通过所述分类网络对所述异常事件画面帧进行分类，获取一类异常事件；并对所述异常事件画面帧进行逻辑判断获取二类异常事件；将所述一类异常事件和/或所述二类异常事件及其位置信息通过所述显示和报警模块进行视觉显示和听觉播报、并传输至道路管理中心。
[0015] 优选地，所述显示和报警模块包括显示单元和通讯单元；所述显示单元为LED显示屏；所述LED显示屏设于所述显示单元设于所述实时视频数据采集点和/或以第二预设距离为间隔设于目标隧道的顶部和/或目标隧道的入口；所述一类异常事件和/或所述二类异常事件及其位置信息通过所述通讯单元传输至道路管理中心。
[0016] 优选地，所述LED显示屏包括第一显示区、第二显示区和第三显示区；在没有异常事件发生时，所述第一显示区和所述第二显示区的显示内容为正常行驶标语，所述第三显示区的显示内容为向前行驶的指示箭头；在异常事件发生时，所述第一显示区的显示内容为异常事件的位置信息，所述第二显示区的显示内容为异常事件的类别，所述第三显示区的显示内容为建议行车车道的指示箭头；异常事件发生时所述LED显示屏的显示内容相对于没有异常事件发生时的显示内容为高亮显示；所述LED显示屏还设有广播单元，通过所述广播单元对所述一类异常事件和/或所述二类异常事件及其位置信息进行播报。
[0017] 采用了上述技术方案后，与现有技术相比，具有以下有益效果：
[0018] 1.本发明能够及时准确的检测、识别和定位隧道内异常事件的发生地点和种类，如车辆碰撞、抛洒物、起火等，并进行自动报警和对后方车辆进行警示，起到大幅降低因抛洒物引起的事故和二次事故发生的概率，提高交通效率和救援的效率。
附图说明
[0019] 图1为本发明提供的基于神经网络的隧道内异常事件检测方法的流程图；
[0020] 图2为本发明提供的基于神经网络的隧道内异常事件检测方法的完整实施例的流程图；
[0021] 图3为本发明提供的基于神经网络的隧道内异常事件检测方法及系统的异常事件框的位置示意图；
[0022] 图4为本发明提供的基于神经网络的隧道内异常事件检测系统的LED显示屏的一种优选的显示内容示意图；
[0023] 图5为本发明提供的基于神经网络的隧道内异常事件检测系统的LED显示屏的第三显示区的显示内容的示例。
[0024] 附图标记：1‑第一显示区，2‑第二显示区，3‑第三显示区。
具体实施方式
[0025] 以下结合附图与具体实施例进一步阐述本发明的优点。
[0026] 这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0027] 在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0028] 应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
[0029] 在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0030] 在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
[0031] 在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身并没有特定的意义。因此，“模块”与“部件”可以混合地使用。
[0032] 参见附图1‑2，本发明公开了一种基于神经网络的隧道内异常事件检测方法，包括如下步骤：
[0033] S1、以第一预设距离为间隔，采集目标隧道内的数个位置的车道的实时视频数据；数个位置的车道的实时视频数据组成目标隧道内的车道的所有画面的视频数据；
[0034] S2、通过基于卷积神经网络的检测网络对实时视频数据进行检测，获取异常事件画面帧，依据异常事件画面帧与实际场景的物理距离的转换规则，计算得到异常事件的位置信息；位置信息包括所在的车道及距实时视频数据采集点的距离；
[0035] S3、通过基于卷积神经网络的分类网络对异常事件画面帧进行分类，获取一类异常事件；并对异常事件画面帧进行逻辑判断获取二类异常事件；
[0036] S4、将一类异常事件和/或二类异常事件及其位置信息进行视觉显示和听觉播报、并传输至道路管理中心。
[0037] 对于步骤S1，数个位置的车道的实时视频数据组成目标隧道内的车道的所有画面的视频数据，使得隧道内的所有画面被无死角获取，保证不遗漏任何一处异常事件。
[0038] 较佳地，步骤S2和步骤S3的基于卷积神经网络的事件检测和分类方法，分为检测网络和分类网络，先检测后分类。
[0039] 对于检测网络，具体地，先训练所采集的任一隧道内的车道的视频数据集并改进得到检测网络；使用检测网络对实时视频数据进行检测，若检测网络的输出为0，则表明未检测到异常事件，若检测到异常事件，则将获取带有异常事件框的异常事件画面帧；依据异常事件画面帧与实际场景的物理距离的转换规则，计算得到异常事件框所代表的异常事件在实际场景下所发生的车道及距实时视频数据采集点的距离。
[0040] 较佳地，参见附图3，根据预设的车道线走向及范围、和异常事件框的中心的横坐标判断异常事件所在的车道。再根据目标隧道内的真实道路平面和异常事件画面帧的图像平面的投影关系、以及异常事件框的中心在异常事件画面帧中的纵坐标，得到异常事件距实时视频数据采集点的距离。
[0041] 需要说明的是，上述提到的横坐标、纵坐标的所在的坐标轴的原点为异常事件画面帧的左上角顶点。
[0042] 较佳地，对于分类网络，具体地，先训练所采集的任一隧道内的车道的视频数据集并改进得到分类网络；将异常事件画面帧进行裁剪后输入分类网络，由分类网络直接判断输出异常事件为路面抛洒物事件、或车辆碰撞事件、或起火事件。同时对异常事件画面帧进行逻辑判断，当异常事件画面帧的连续预设数量帧在同一位置检测到同一辆车多次，则判断异常事件为异常停车。
[0043] 预设数量帧为一预设值，依据画面帧的速度和检测灵敏度来调整，例如，要分析获取车辆停车十秒即判断为停车，则先依据视频速度计算获取十秒内的画面帧的数量，将该数量设为预设数量帧。
[0044] 异常事件的类别并不仅限于路面抛洒物事件、车辆碰撞事件、起火事件、异常停车，当需要获取其他异常事件时，在采集训练数据集时获取其他异常事件的数据源即可扩充数据，进行分析判断。
[0045] 较佳地，训练所采集的任一隧道内的车道的视频数据集具体包括：采集的其他任一隧道内的车道的大量视频数据集进行训练获取初始数据集，然后再基于目标隧道对初始数据集进行调整，以获取目标隧道内的车道的视频数据集，在保证网络的检测和分类精度足够高的情况下使之更适应于特定的隧道场景，提高定向检测的精度。
[0046] 较佳地，视觉显示和听觉播报的可设置为：实时视频数据采集点和/或以第二预设距离为间隔设于目标隧道的顶部和/或目标隧道的入口。
[0047] 较佳地，在没有异常事件发生时，视觉显示的显示内容为正常行驶内容；在异常事件发生时，视觉显示的显示内容为异常事件的类别、位置信息及建议行车车道；且异常事件发生时显示内容相对于没有异常事件发生时的显示内容为高亮显示，以警示来往车辆。通常，视觉显示和听觉播报同步设置，即设有视觉显示的点通常同步进行听觉播报，防止来往车辆遗漏消息。
[0048] 本发明还公开了一种基于神经网络的隧道内异常事件检测系统，包括：
[0049] 输入模块，由数个高清和高快门摄像头按第一预设距离布置组成，第一预设距离由其最远可辨别距离确定，即在保持画面清晰时摄像头最远可拍摄到的距离，以确保隧道内摄像头组无监控死角。
[0050] 检测模块，为基于卷积神经网络的检测网络和分类网络，用于对实时视频数据进行检测分析获取异常事件及其具体位置，并对异常事件进行分类；
[0051] 显示和报警模块，接收检测到的异常事件及其具体位置和该异常事件的分类，把异常事件的类型和事件发生的位置及分类在隧道内和/或隧道外进行显示，同时利用网络自动报警，把异常事件的相关信息和事件画面抓拍发送到道路管理中心，通知管理人员及时进行救援。
[0052] 具体的，数个高清摄像设备以第一预设距离为间隔，采集目标隧道内的数个位置的车道的实时视频数据；再通过检测网络对实时视频数据进行检测，获取异常事件画面帧和异常事件的位置信息；再通过分类网络对异常事件画面帧进行分类，获取一类异常事件；并同时对异常事件画面帧进行逻辑判断是否为二类异常事件；将一类异常事件和/或二类异常事件及其位置信息通过显示和报警模块进行视觉显示和听觉播报，并通过网络传输至道路管理中心。
[0053] 较佳地，显示和报警模块包括显示单元和通讯单元。显示单元通常为LED显示屏，LED显示屏设于显示单元设于支撑高清摄像头的横杆上和/或以第二预设距离为间隔设于目标隧道的顶部和/或目标隧道的入口。第二预设距离按照人眼的实际能看清显示屏的最远距离来确定。
[0054] 当LED显示屏设置在实时视频数据采集点后通常就不以第二预设距离为间隔设于目标隧道的顶部了，而目标隧道的入口通常可以与实时视频数据采集点或以第二预设距离为间隔设于目标隧道的顶部同时设置，全方位保证来往车辆能及时获取异常事件的相关信息。
[0055] 通讯单元通常为无线网络，异常事件及其分类和位置信息通过无线网络传输至道路管理中心。
[0056] 较佳地，本发明提供一种LED显示屏的优选实施例，参见附图4‑5，LED显示屏包括第一显示区1、第一显示区2和第三显示区3，在没有异常事件发生时，第一显示区1和第一显示区2的显示内容为正常行驶标语，第一显示区1的内容为“一路平安”，第一显示区2的内容为“隧道内请小心驾驶”，第三显示区3的内容为正常时的指示信号：向前行驶的指示箭头，意为前向行驶。
[0057] 在异常事件发生时，第一显示区1的显示内容为“突发：前方XX米XX车道”，第一显示区2的显示内容为“XX(事件类型)，请小心避让”，第三显示区3的显示内容为建议行车车道的指示箭头，如：当事件位置在最左边车道时，激活显示附图5中的第一排的意为靠右行驶的指示信号；当事件位置在最右边车道时，激活显示附图5中第二排的意为靠左行驶的指示信号；当事件位置在中间的车道时，激活显示附图5中第三排的意为靠两侧行驶的指示信号。
[0058] 异常事件发生时LED显示屏的显示内容相对于没有异常事件发生时的显示内容为高亮显示，以警示来往车辆。
[0059] LED显示屏还搭载了广播单元，通过广播单元对异常事件及其分类和位置信息进行播报并发出危险警示音，从视觉和听觉两方面对来往车辆进行警示。
[0060] 在隧道内不同LED显示屏中显示的与事件的距离，由检测到异常的摄像头与这些显示屏之间的相对距离和检测网络得到的距离计算得到。
[0061] 本发明使用基于改进的卷积神经网络进行先检测后分类的方法，能够及时且准确的检测、识别和定位事件的类型和发生位置；增设隧道内和隧道外的显示装置，给予来往车辆及时的事故提醒，避免二次事故的发生或者异常事件引起的事故，使得隧道内的通行更高效、更安全，达到降低事故风险，提高通行效率的有益效果。自动报警功能使得异常事件的具体信息能最及时的被道路管理中心获悉，让救援更及时。
[0062] 应当注意的是，本发明的实施例有较佳的实施性，且并非对本发明作任何形式的限制，任何熟悉该领域的技术人员可能利用上述揭示的技术内容变更或修饰为等同的有效实施例，但凡未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何修改或等同变化及修饰，均仍属于本发明技术方案的范围内。
