CN103186634A - 一种智能交通监控视频的检索方法及装置 - Google Patents
一种智能交通监控视频的检索方法及装置 Download PDFInfo
- Publication number
- CN103186634A CN103186634A CN2011104596142A CN201110459614A CN103186634A CN 103186634 A CN103186634 A CN 103186634A CN 2011104596142 A CN2011104596142 A CN 2011104596142A CN 201110459614 A CN201110459614 A CN 201110459614A CN 103186634 A CN103186634 A CN 103186634A
- Authority
- CN
- China
- Prior art keywords
- semantic description
- description information
- information
- intelligent transportation
- traffic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种智能交通监控视频的检索方法及装置,其中,所述方法包括:提取所述智能交通监控视频中的交通数据;对所述交通数据进行语义描述,并保存第一语义描述信息及所述第一语义描述信息与所述智能交通监控视频的对应关系;接收用户输入的检索信息;判断是否存在与所述检索信息匹配的第一语义描述信息;若存在,输出与所述相匹配的第一语义描述信息对应的智能交通监控视频。本发明通过只提取智能交通监控视频中的交通数据进行语义描述,使得最后得到的语义描述信息与用户的检索需求相匹配的同时,减少了不必要的工作量,也避免了产生不必要的语义信息,节省了存储空间。
Description
技术领域
本发明涉及视频检索领域,尤其是涉及一种智能交通监控视频的检索方法及装置。
背景技术
目前世界各国都对智能交通***展开广泛研究,希望借此解决日益严重的交通问题。另外由于多媒体技术的迅猛发展也使得视频技术广泛用于智能交通***之中:通过利用由图像传感器构成的摄像头监控道路实时采集交通信息,之后对采集到的交通信息进行后台分析,最终为用户提供决策依据。但传统的智能视频处理技术只能提取视频的底层视觉特征,如颜色、纹理,这些视觉特征对于终端用户来说是没有太大意义的,他们在查询、检索感兴趣的视频数据时往往是基于高层语义信息,这样高层语义和底层视觉特征之间不可避免地存在语义鸿沟。为满足用户查询、检索的需求,需要对视频数据进行语义描述。
目前学术界对于视频语义信息方面的研究工作已广泛开展起来,涌现了很多成果。其中比较著名的是运动图像专家组(MPEG)提出的MPEG-7标准,即多媒体内容描述接口(Multimedia Content Description Interface)。MPEG-7标准的目标就是定义一套标准的描述框架,该框架能够对多媒体内容提供高效的、准确的并且具有互操作特性的语义描述,以便于进一步对多媒体信息内容进行语义检索。
但将这一标准应用在智能交通监控***中时,会对智能交通监控视频中的所有信息进行识别并描述。但在实际的检索中,对于智能交通监控视频,用户检索的只是与交通有关的信息。即检索具有针对性。因此现有技术MPEG-7标准语义描述的全面性与用户有针对性的检索不相匹配。直接应用MPEG-7标准进行描述,会生成许多不必要的信息,需要占用一定的存储空间,而且提取的信息多,增加了工作量,造成了资源浪费。
发明内容
本发明提供了一种智能交通监控视频的检索方法及装置,通过只提取智能交通监控视频中的交通数据进行语义描述,避免产生不必要的语义信息,节省了存储空间。
本发明提供了一种智能交通监控视频的检索方法,所述方法包括:
提取所述智能交通监控视频中的交通数据;
对所述交通数据进行语义描述,并保存第一语义描述信息及所述第一语义描述信息与所述智能交通监控视频的对应关系;
接收用户输入的检索信息;
判断是否存在与所述检索信息匹配的第一语义描述信息;
若存在,输出与所述相匹配的第一语义描述信息对应的智能交通监控视频。
优选的,所述方法还包括:
对所述智能交通监控视频进行结构化处理,获得至少一个视频段;
所述提取智能交通监控视频中的交通数据包括:提取所述视频段中的交通数据;
所述对所述交通数据进行语义描述,并保存第一语义描述信息及所述第一语义描述信息与所述智能交通监控视频的对应关系包括:
对所述视频段中的交通数据进行语义描述,并保存第二语义描述信息及所述第二语义描述信息与所述智能交通监控视频段的对应关系;
所述输出与所述第一语义描述信息对应的智能交通监控视包括:输出与所述第二语义描述信息对应的视频段。
优选的,当所述交通数据为交通对象时,所述的对所述交通数据进行语义描述包括:
对所述交通对象的视觉特征和语义特征进行描述。
优选的,所述交通对象包括车辆,行人,道路和交通标识。
优选的,当所述交通数据为交通事件时,所述的对所述交通数据进行语义描述包括:
对所述交通事件涉及的交通对象和所述交通对象间的关系进行描述;其中,对所述交通事件涉及的交通对象的描述引自之前对所述交通对象的描述。
优选的,所述对所述交通对象间的关系进行描述包括对所述交通对象间的空间关系和逻辑关系进行描述。
优选的,所述交通事件包括:车辆直行驶过、车辆左拐、车辆右拐、闯红灯、变道、违章停车和行人走过。
优选的,所述方法还包括:
提取所述智能交通监控视频的属性信息;
对所述属性信息进行语义描述,并保存第三语义描述信息及所述第三语义描述信息与所述智能交通监控视频的对应关系;
所述判断是否存在与所述检索信息匹配的第一语义描述信息包括:
判断是否存在与所述检索信息匹配的第一语义描述信息和/或第三语义描述信息;
所述若存在,输出与所述第一语义描述信息对应的智能交通监控视频包括:
若存在,输出与所述第一语义描述信息和/或所述第三语义描述信息对应的智能交通监控视频。
优选的,所述方法还包括:
对所述智能交通监控视频所处的交通环境进行语义描述,并保存第四语义描述信息及所述第四语义描述信息与所述智能交通监控视频的对应关系;
所述判断是否存在与所述检索信息匹配的第一语义描述信息包括:
判断是否存在与所述检索信息匹配的所述第一语义描述信息和/或第四语义描述信息;
若存在,输出与所述第一语义描述信息和/或第四语义描述信息对应的智能交通监控视频。
本发明还提供了一种智能交通监控视频的检索装置,所述装置包括:
第一提取单元,用于提取所述智能交通监控视频中的交通数据;
语义描述单元,用于对所述交通数据进行语义描述,并保存第一语义描述信息及所述第一语义描述信息与所述智能交通监控视频的对应关系;
接收单元,用于接收用户输入的检索信息;
检索单元,用于检索与所述检索信息相匹配的第一语义描述信息;
输出单元,用于在存在与所述检索信息匹配的第一语义描述信息时,输出与所述相匹配的第一语义描述信息对应的智能交通监控视频。
优选的,所述装置还包括:
结构化处理单元,用于对所述智能交通监控视频进行结构化处理,获得至少一个视频段;
所述第一提取单元还用于提取所述视频段中的交通数据;
所述语义描述单元还用于对所述视频段中的交通数据进行语义描述,并保存第二语义描述信息及所述第二语义描述信息与视频段的对应关系;
所述检索单元,还用于检索与所述检索信息相匹配的第二语义描述信息;
所述输出单元,用于在存在与所述检索信息匹配的第二语义描述信息时,输出与所述相匹配的第二语义描述信息对应的智能交通监控视频段。
优选的,所述装置还包括:
第二提取单元,用于提取所述智能交通监控视频的属性信息;
所述语义描述单元,还用于对所述属性信息进行语义描述,并保存第三语义描述信息及所述第三语义描述信息与所述智能交通监控视频的对应关系;
所述检索单元,还用于判断是否存在与所述检索信息匹配的第一语义描述信息和/或第三语义描述信息;
所述输出单元,还用于在存在与所述检索信息匹配的第一语义描述信息和/或第三语义描述信息时,输出与所述第一语义描述信息和/或所述第三语义描述信息对应的智能交通监控视频。
优选的,所述装置还包括:
保存单元,用于保存所述智能交通监控视频所处的交通环境语义描述信息及所述交通环境语义描述信息与所述智能交通监控视频的对应关系;
所述检索单元,还用于检索与所述检索信息匹配的所述第一语义描述信息和/或交通环境语义描述信息;
所述输出单元,还用于在存在与所述检索信息匹配的所述第一语义描述信息和/或交通环境语义描述信息时,输出与所述第一语义描述信息和/或所述交通环境语义描述信息对应的智能交通监控视频。
与现有技术相比,本发明具有如下有益效果:
本发明通过只提取智能交通监控视频中的交通数据进行语义描述,使得最后得到的语义描述信息与用户的检索需求相匹配的同时,减少了不必要的工作量,也避免了产生不必要的语义信息,节省了存储空间。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明方法实施例1流程图;
图2是本发明实施例6中交通信息存储结构图;
图3是本发明实施例6中视频属性信息存储结构图;
图4是本发明实施例6中交通传感器存储结构图;
图5是本发明实施例6中视频语义信息存储结构图;
图6是本发明实施例6中交通环境信息存储结构图;
图7是本发明装置实施例结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,本发明实施例1提供了一种智能交通监控视频的检索方法,该方法包括:
S11、提取所述智能交通监控视频中的交通数据。
交通数据涉及多个方面,在本发明的实施例中,交通数据具体包括交通对象和交通事件。
其中,交通对象主要包括:车辆,行人,道路和交通标识。交通事件主要包括:车辆直行驶过、车辆左拐、车辆右拐、闯红灯、变道、违章停车和行人走过。
在具体的提取过程中,可首先对视频中的数据类型进行识别,当判定出其为交通数据时,将其提取出来。
S12、对所述交通数据进行语义描述,并保存第一语义描述信息及所述第一语义描述信息与所述智能交通监控视频的对应关系。
具体的,可采用MPEG(Multimedia Content Description Interface,多媒体内容描述接口)-7标准进行语义描述。
现有的摄像头采集到的视频数据的结构性和层次性比较低。最顶层是整个视频文件,最底层就是单个的视频帧,之间没有任何的过渡。这就意味着用户如果要查询、定位自己感兴趣的内容,只能在找到该视频后,对这个视频进行线性浏览。比如,用户通过想要查看某一视频中的车辆A,那么用户就需要浏览整个视频才能确定车辆A具体在视频中的哪个部分。因此,查询效率很低。为此,在本发明的优选实施例2中,可以先对智能交通监控视频进行结构化处理,获得至少一个视频段。
视频结构化是指对非结构化的图像流进行处理,形成关于视频内容的结构化数据,即形成一个个可以独立访问的视频片段。目前主要通过镜头边界检测和关键帧提取技术对视频进行结构化处理。另外,在本发明中,可以基于视频的内容特征或视频的数据量大小,决定要获得的视频段数量。比如,该视频中在时间顺序上先后发生5个交通事件,那么就可以将该视频提取出5个视频段。本发明不对具体的结构化处理方法和要提取的视频段数量作出限制。
然后分别提取每个视频段中的交通数据进行语义描述,并保存第二语义描述信息及第二语义描述信息与视频段的对应关系。这样用户在进行检索时,就能根据输入的检索信息搜索到对应的视频段而不是整个视频,因此,节省了之后浏览的时间,提高了用户的浏览效率。
当交通数据为交通对象时,对交通数据进行语义描述包括:对所述交通对象的视觉特征和语义特征进行描述。
具体的,当交通对象为车辆时,其视觉特征主要包括:颜色、纹理、形状以及运动状态。其语义特征包括:车辆类型、车牌号码。在语义描述时,可以对视觉特征和语义特征中的至少一个特征进行描述。当然,为使检索结果更加精确,最优选的方式是对上述所有特征同时描述。
当交通对象为行人时,视觉特征包括:颜色、纹理、形状、运动;语义特征具体为:是否是行人。在具体的语义描述中,可以对视觉特征中的至少一个特征进行描述。
当交通对象为道路时,道路的视觉特征包括:颜色、纹理、形状;道路的语义特征包括:是否允许行人经过或停留,是否允许车辆经过或停留,允许哪种类型的车辆行驶,允许车辆行驶的方向,是否允许左拐以及是否允许右拐。当交通对象为交通标识时,交通标识的视觉特征包括:颜色、纹理、形状以及位置;交通标识的语义特征包括:交通标识的类型、是否允许行人跨越以及是否允许车辆越过。
同之前一样,在对道路和交通标识进行语义描述时,可以对视觉特征和语义特征中的至少一个特征进行描述。本发明对此不做具体限制。
当交通数据为交通事件时,对交通数据进行语义描述包括:对交通事件涉及的交通对象和交通对象间的关系进行描述。
其中,对交通事件涉及的交通对象的描述引自之前对交通对象的描述。这样可以避免对象的重复定义。
在对交通事件进行描述时,需要指出交通事件涉及的交通对象,这是事件的主体。还要指出交通对象间的关系。具体的,交通对象间的关系包括:空间关系和逻辑关系。空间关系包括:在...之上,在...之下,在...右边,在...左边,与...相邻,接近...,在...之中,包含...等。逻辑关系包括:越过...,属于...,同...一样等。比如,对于闯红灯事件,涉及到的对象为行驶中的车辆、变为红灯的交通信号灯和停车先,车和停车线的关系就是车越过停车线。
S13、接收用户输入的检索信息。
在本发明中,用户输入的检索信息可以一个,也可以是多个。
S14、判断是否存在与所述检索信息匹配的第一语义描述信息。
具体的,通过在保存的语义描述信息中查看是否包含用户输入的检索信息进行。
在本发明中,当用户输入的检索信息中的检索字段为一个时,判断是否存在与检索信息匹配的第一语义描述信息具体可以包括:判断第一描述信息中是否有该检索字段。
当用户输入的检索字段为至少两个时,判断是否存在与检索信息匹配的第一语义描述信息还可以包括:判断第一语义描述信息中是否包含用户输入的所有检索字段。也可以是判断第一语义描述信息中是否至少包含一个用户输入的检索字段。
需要说明的是,本发明实施例并不将检索信息与语义描述信息的匹配规则限定为上述两种情况,也可以根据需要设定为其他的匹配规则。
S15、若存在,输出与所述相匹配的第一语义描述信息对应的智能交通监控视频。
具体的,当为结构化处理后的视频时,此处输出的是与相匹配的语义描述信息对应的视频段。
为向用户提供更加全面的检索信息,可以对相关的其它交通信息进行描述。
在本发明实施例3中,该方法还包括:
提取智能交通监控视频的属性信息。
属性信息主要包括视觉元信息和语义元信息。其中视觉元信息主要包括:格式、大小、分辨率颜色深度、是否压缩等信息。语义元信息主要包括文本标注、时间、地点、该视频的编号等信息。这些信息不包含视频内容本身,是对视频的一般性描述。
对属性信息进行语义描述,并保存第三语义描述信息及第三语义描述信息与智能交通监控视频的对应关系。
所述的判断是否存在与检索信息匹配的第一语义描述信息包括:
判断是否存在与检索信息匹配的第一语义描述信息和/或第三语义描述信息。
具体的,当用户输入检索信息时,可在第一语义描述信息和第三语义描述信息中分别或同时查看是否包含该检索信息。
所述若存在,输出与第一语义描述信息对应的智能交通监控视频包括:
若存在,输出与第一语义描述信息和/或第三语义描述信息对应的智能交通监控视频。
比如,当用户输入的检索信息是车辆A、视频大小为B时,可向用户输出包含车辆A,同时视频大小为B的视频。当然,也可以向用户输出包含车辆A或视频大小为B的视频。
进一步的,为使用户能够了解交通环境,在本发明的实施例4中,该方法还包括:
对智能交通监控视频所处的交通环境进行语义描述,并保存第四语义描述信息及第四语义描述信息与智能交通监控视频的对应关系。
交通环境主要包括天气气候、光照条件、路网或路段运行情况。
对交通环境的描述可以从交通环境信息的内容和交通环境信息的来源进行描述。其信息的来源比如是气象传感器、光照传感器或智能交通传感器与图像传感器的融合等。
所述判断是否存在与检索信息匹配的第一语义描述信息包括:
判断是否存在与所述检索信息匹配的所述第一语义描述信息和/或第四语义描述信息。
具体的,可在第一语义描述信息和第四语义描述信息中分别或同时查看是否包含用户输入的检索信息。
若存在,输出与所述第一语义描述信息和/或第四语义描述信息对应的智能交通监控视频。
比如,当用户输入的检索信息是车辆A、天气晴时,可向用户输出包含车辆A,同时天气晴好的视频。当然,也可以向用户输出包含车辆A或天气晴好的视频。
在本发明的实施例5中,还可以对某一路段上设置的交通传感器的类型、位置及任务进行描述,以便用户可以查询该路段中的交通传感器信息。
更加优选的,可以建立并保存图像传感器与其生成的视频的对应关系。同时将该图像传感器的信息与相应视频的语义描述信息映射在一起。在用户查询到某一视频时,同时获取该视频对应的图像传感器信息并输出。
本发明实施例6,提供了一种交通信息的存储结构。参见图2,该结构包括视频属性、交通传感器、视频语义信息和交通环境四个部分。
参见图3,视频属性部分包括视频视觉元信息和视频语义元信息两部分。视觉元信息包括格式、大小、分辨率、颜色深度和压缩特性五个小部分。语义元信息包括文本标注、时间、地点、镜头编号和视频编号。
参见图4,交通传感器部分包括交通传感器集合,其中存储有所有交通传感器的ID。交通传感器集合又包括每个具体的传感器(以ID标识)。每个ID下对应着该传感器的类型、布设的位置和该传感器的功能,即该传感器负责检测哪一类的交通信息。
参见图5,视频语义信息部分包括交通对象和交通事件。交通对象下对应交通对象的集合和交通事件集合。集合下对应着每个具体的交通对象和每个具体的交通事件,每个具体的交通对象又包括该交通对象的视觉特征描述信息和语义特征描述信息。交通事件下对应每一具体的交通事件,每个具体的交通事件下又对应该交通事件的事件主体,事件主体间的关系,事件结果以及文本标注。需要明确的对主体的描述引自交通对象部分对交通对象的描述。以避免重复定义。事件结果是指当有交通事件出现时,相关的交通传感器的检测信息,主要包括交通传感器信息和交通传感器的检测结果。其中交通传感器的信息引自之前对交通传感器的描述。
参见图6,交通环境部分包括天气气候、光照条件和路网或路段运行情况三部分。
通过上述结构,用户可以分别检索相关的信息。比如用户输入交通传感器,那么就可以检索到某一路段所有交通传感器的相关信息。
需要说明的是,在本发明的优选实施例中,可将上述几部分信息映射在一起,在用户检索时,一同展现给用户。比如用户通过输入车辆A检索到了相应的视频,那么就可以同时将该视频的属性信息、获取该视频的交通传感器以及该交通传感器的具体信息和该视频对应的交通环境一同展现给用户。
本发明还提供了一种智能交通监控视频的检索装置,参见图7,所述装置包括:
11、第一提取单元,用于提取所述智能交通监控视频中的交通数据;
12、语义描述单元,用于对所述交通数据进行语义描述,并保存第一语义描述信息及所述第一语义描述信息与所述智能交通监控视频的对应关系;
13、接收单元,用于接收用户输入的检索信息;
14、检索单元,用于检索与所述检索信息相匹配的第一语义描述信息;
15、输出单元,用于在存在与所述检索信息匹配的第一语义描述信息时,输出与所述相匹配的第一语义描述信息对应的智能交通监控视频。
现有的摄像头采集到的视频数据的结构性和层次性比较低。最顶层是整个视频文件,最底层就是单个的视频帧,之间没有任何的过渡。这就意味着用户如果要查询、定位自己感兴趣的内容,只能在找到该视频后,对这个视频进行线性浏览。因此,查询效率很低。为此,在本发明的优选实施例中,所述装置还包括:
结构化处理单元,用于对智能交通监控视频进行结构化处理,获得至少一个视频段。
第一提取单元11还用于提取视频段中的交通数据。
语义描述单元12还用于对视频段中的交通数据进行语义描述,并保存第二语义描述信息及第二语义描述信息与视频段的对应关系。
检索单元14,还用于检索与检索信息相匹配的第二语义描述信息。
输出单元15,还用于在存在与检索信息匹配的第二语义描述信息时,输出与相匹配的第二语义描述信息对应的智能交通监控视频段。
为向用户提供更加全面的检索信息,可以对相关的其它交通信息进行描述。
在本发明的另一实施例中,该装置还包括:
第二提取单元,用于提取智能交通监控视频的属性信息。
语义描述单元12,还用于对属性信息进行语义描述,并保存第三语义描述信息及第三语义描述信息与智能交通监控视频的对应关系。
检索单元14,还用于判断是否存在与检索信息匹配的第一语义描述信息和/或第三语义描述信息;
输出单元15,还用于在存在与检索信息匹配的第一语义描述信息和/或第三语义描述信息时,输出与第一语义描述信息和/或第三语义描述信息对应的智能交通监控视频。
进一步的,为使用户了解交通环境,本发明的实施例中,该装置还包括:
保存单元,用于保存智能交通监控视频所处的交通环境语义描述信息及所述交通环境语义描述信息与所述智能交通监控视频的对应关系。
检索单元14,还用于检索与检索信息匹配的第一语义描述信息和/或交通环境语义描述信息。
输出单元15,还用于在存在与检索信息匹配的第一语义描述信息和/或交通环境语义描述信息时,输出与第一语义描述信息和/或交通环境语义描述信息对应的智能交通监控视频。
为方便用户可以查询该路段中的交通传感器信息。还可以在该装置中设置传感器描述单元,用于对某一路段上设置的交通传感器的类型、位置及任务进行描述。
值得注意的是,本发明的装置与本发明的方法相对应,因此对装置部分不再详述,相关部分参见方法实施例即可。
以上对本发明所提供的一种智能交通监控视频的检索方法及装置进行了介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (13)
1.一种智能交通监控视频的检索方法,其特征在于,所述方法包括:
提取所述智能交通监控视频中的交通数据;
对所述交通数据进行语义描述,并保存第一语义描述信息及所述第一语义描述信息与所述智能交通监控视频的对应关系;
接收用户输入的检索信息;
判断是否存在与所述检索信息匹配的第一语义描述信息;
若存在,输出与所述相匹配的第一语义描述信息对应的智能交通监控视频。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述智能交通监控视频进行结构化处理,获得至少一个视频段;
所述提取智能交通监控视频中的交通数据包括:提取所述视频段中的交通数据;
所述对所述交通数据进行语义描述,并保存第一语义描述信息及所述第一语义描述信息与所述智能交通监控视频的对应关系包括:
对所述视频段中的交通数据进行语义描述,并保存第二语义描述信息及所述第二语义描述信息与所述智能交通监控视频段的对应关系;
所述输出与所述第一语义描述信息对应的智能交通监控视包括:输出与所述第二语义描述信息对应的视频段。
3.根据权利要求1或2所述的方法,其特征在于,当所述交通数据为交通对象时,所述的对所述交通数据进行语义描述包括:
对所述交通对象的视觉特征和语义特征进行描述。
4.根据权利要求3所述的方法,其特征在于,所述交通对象包括车辆,行人,道路和交通标识。
5.根据权利要求1或2所述的方法,其特征在于,当所述交通数据为交通事件时,所述的对所述交通数据进行语义描述包括:
对所述交通事件涉及的交通对象和所述交通对象间的关系进行描述;其中,对所述交通事件涉及的交通对象的描述引自之前对所述交通对象的描述。
6.根据权利要求5所述的方法,其特征在于,所述对所述交通对象间的关系进行描述包括对所述交通对象间的空间关系和逻辑关系进行描述。
7.根据权利要6所述的方法,其特征在于,所述交通事件包括:车辆直行驶过、车辆左拐、车辆右拐、闯红灯、变道、违章停车和行人走过。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
提取所述智能交通监控视频的属性信息;
对所述属性信息进行语义描述,并保存第三语义描述信息及所述第三语义描述信息与所述智能交通监控视频的对应关系;
所述判断是否存在与所述检索信息匹配的第一语义描述信息包括:
判断是否存在与所述检索信息匹配的第一语义描述信息和/或第三语义描述信息;
所述若存在,输出与所述第一语义描述信息对应的智能交通监控视频包括:
若存在,输出与所述第一语义描述信息和/或所述第三语义描述信息对应的智能交通监控视频。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述智能交通监控视频所处的交通环境进行语义描述,并保存第四语义描述信息及所述第四语义描述信息与所述智能交通监控视频的对应关系;
所述判断是否存在与所述检索信息匹配的第一语义描述信息包括:
判断是否存在与所述检索信息匹配的所述第一语义描述信息和/或第四语义描述信息;
若存在,输出与所述第一语义描述信息和/或第四语义描述信息对应的智能交通监控视频。
10.一种智能交通监控视频的检索装置,其特征在于,所述装置包括:
第一提取单元,用于提取所述智能交通监控视频中的交通数据;
语义描述单元,用于对所述交通数据进行语义描述,并保存第一语义描述信息及所述第一语义描述信息与所述智能交通监控视频的对应关系;
接收单元,用于接收用户输入的检索信息;
检索单元,用于检索与所述检索信息相匹配的第一语义描述信息;
输出单元,用于在存在与所述检索信息匹配的第一语义描述信息时,输出与所述相匹配的第一语义描述信息对应的智能交通监控视频。
11.根据权利要求10所述的装置,其特征在于,所述装置还包括:
结构化处理单元,用于对所述智能交通监控视频进行结构化处理,获得至少一个视频段;
所述第一提取单元还用于提取所述视频段中的交通数据;
所述语义描述单元还用于对所述视频段中的交通数据进行语义描述,并保存第二语义描述信息及所述第二语义描述信息与视频段的对应关系;
所述检索单元,还用于检索与所述检索信息相匹配的第二语义描述信息;
所述输出单元,用于在存在与所述检索信息匹配的第二语义描述信息时,输出与所述相匹配的第二语义描述信息对应的智能交通监控视频段。
12.根据权利要求10所述的装置,其特征在于,所述装置还包括:
第二提取单元,用于提取所述智能交通监控视频的属性信息;
所述语义描述单元,还用于对所述属性信息进行语义描述,并保存第三语义描述信息及所述第三语义描述信息与所述智能交通监控视频的对应关系;
所述检索单元,还用于判断是否存在与所述检索信息匹配的第一语义描述信息和/或第三语义描述信息;
所述输出单元,还用于在存在与所述检索信息匹配的第一语义描述信息和/或第三语义描述信息时,输出与所述第一语义描述信息和/或所述第三语义描述信息对应的智能交通监控视频。
13.根据权利要求10所述的装置,其特征在于,所述装置还包括:
保存单元,用于保存所述智能交通监控视频所处的交通环境语义描述信息及所述交通环境语义描述信息与所述智能交通监控视频的对应关系;
所述检索单元,还用于检索与所述检索信息匹配的所述第一语义描述信息和/或交通环境语义描述信息;
所述输出单元,还用于在存在与所述检索信息匹配的所述第一语义描述信息和/或交通环境语义描述信息时,输出与所述第一语义描述信息和/或所述交通环境语义描述信息对应的智能交通监控视频。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104596142A CN103186634A (zh) | 2011-12-31 | 2011-12-31 | 一种智能交通监控视频的检索方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011104596142A CN103186634A (zh) | 2011-12-31 | 2011-12-31 | 一种智能交通监控视频的检索方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103186634A true CN103186634A (zh) | 2013-07-03 |
Family
ID=48677803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011104596142A Pending CN103186634A (zh) | 2011-12-31 | 2011-12-31 | 一种智能交通监控视频的检索方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103186634A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899261A (zh) * | 2015-05-20 | 2015-09-09 | 杜晓通 | 一种构建结构化视频图像信息的设备和方法 |
CN106210772A (zh) * | 2016-08-16 | 2016-12-07 | 广东中星电子有限公司 | 视频信息传输方法、装置及*** |
CN106504542A (zh) * | 2016-09-30 | 2017-03-15 | 北京中星微电子有限公司 | 车速智能监控方法和*** |
CN107592506A (zh) * | 2017-09-26 | 2018-01-16 | 英华达(上海)科技有限公司 | 一种监控方法以及监控装置、监控*** |
CN107945558A (zh) * | 2017-12-21 | 2018-04-20 | 路斌 | 一种基于北斗位置服务的看路方法及*** |
CN110472655A (zh) * | 2019-07-03 | 2019-11-19 | 特斯联(北京)科技有限公司 | 一种用于跨境旅游的标志物机器学习识别***及方法 |
CN110674342A (zh) * | 2018-06-14 | 2020-01-10 | 杭州海康威视数字技术股份有限公司 | 查询目标图像的方法和装置 |
CN116923442A (zh) * | 2023-09-13 | 2023-10-24 | 华东交通大学 | 智能网联汽车的控制策略生成方法及*** |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007096002A1 (en) * | 2006-02-27 | 2007-08-30 | Robert Bosch Gmbh | Trajectory retrieval system, method and software for trajectory data retrieval |
-
2011
- 2011-12-31 CN CN2011104596142A patent/CN103186634A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007096002A1 (en) * | 2006-02-27 | 2007-08-30 | Robert Bosch Gmbh | Trajectory retrieval system, method and software for trajectory data retrieval |
Non-Patent Citations (3)
Title |
---|
朱健等: "基于多传感器信息融合的智能交通信息语义描述", 《现代电子技术》 * |
李王伟: "基于内容的交通视频检索***算法研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
李王伟: "基于内容的交通视频检索***算法研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》, 15 June 2007 (2007-06-15) * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899261A (zh) * | 2015-05-20 | 2015-09-09 | 杜晓通 | 一种构建结构化视频图像信息的设备和方法 |
CN104899261B (zh) * | 2015-05-20 | 2018-04-03 | 杜晓通 | 一种构建结构化视频图像信息的设备和方法 |
CN106210772A (zh) * | 2016-08-16 | 2016-12-07 | 广东中星电子有限公司 | 视频信息传输方法、装置及*** |
CN106504542A (zh) * | 2016-09-30 | 2017-03-15 | 北京中星微电子有限公司 | 车速智能监控方法和*** |
CN107592506A (zh) * | 2017-09-26 | 2018-01-16 | 英华达(上海)科技有限公司 | 一种监控方法以及监控装置、监控*** |
CN107945558A (zh) * | 2017-12-21 | 2018-04-20 | 路斌 | 一种基于北斗位置服务的看路方法及*** |
CN110674342A (zh) * | 2018-06-14 | 2020-01-10 | 杭州海康威视数字技术股份有限公司 | 查询目标图像的方法和装置 |
CN110674342B (zh) * | 2018-06-14 | 2023-04-25 | 杭州海康威视数字技术股份有限公司 | 查询目标图像的方法和装置 |
CN110472655A (zh) * | 2019-07-03 | 2019-11-19 | 特斯联(北京)科技有限公司 | 一种用于跨境旅游的标志物机器学习识别***及方法 |
CN116923442A (zh) * | 2023-09-13 | 2023-10-24 | 华东交通大学 | 智能网联汽车的控制策略生成方法及*** |
CN116923442B (zh) * | 2023-09-13 | 2023-11-28 | 华东交通大学 | 智能网联汽车的控制策略生成方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103186634A (zh) | 一种智能交通监控视频的检索方法及装置 | |
Maeda et al. | Road damage detection and classification using deep neural networks with smartphone images | |
Yu et al. | Bdd100k: A diverse driving video database with scalable annotation tooling | |
CN107665603B (zh) | 一种判定车位占用的实时检测方法 | |
Morishita et al. | SakuraSensor: Quasi-realtime cherry-lined roads detection through participatory video sensing by cars | |
CN105138525B (zh) | 交通视频处理装置和方法及检索装置和方法 | |
CN104199903B (zh) | 一种基于路径关联的车辆数据查询***及方法 | |
CN109782364B (zh) | 基于机器视觉的交通标志牌缺失检测方法 | |
CN106951898B (zh) | 一种车辆候选区域推荐方法及***、电子设备 | |
CN110188482B (zh) | 一种基于智能驾驶的测试场景创建方法及装置 | |
CN102880692A (zh) | 一种面向检索的监控视频语义描述和检测建模方法 | |
CN109993138A (zh) | 一种车牌检测与识别方法及装置 | |
CN104134067A (zh) | 基于智能视觉物联网的道路车辆监控*** | |
CN116071747A (zh) | 一种基于3d点云数据和2d图像数据融合匹配语义分割方法 | |
Tran et al. | UIT-ADrone: A novel drone dataset for traffic anomaly detection | |
CN114898243A (zh) | 基于视频流的交通场景解析方法以及装置 | |
Zheng et al. | A deep learning–based approach for moving vehicle counting and short-term traffic prediction from video images | |
Li et al. | Urban infrastructure audit: an effective protocol to digitize signalized intersections by mining street view images | |
Faisal et al. | Automated traffic detection system based on image processing | |
Di et al. | A benchmark for cross-weather traffic scene understanding | |
CN113378845A (zh) | 一种场景分割方法、装置、设备及存储介质 | |
CN114627400A (zh) | 一种车道拥堵检测方法、装置、电子设备和存储介质 | |
CN113536860B (zh) | 关键帧提取方法、道路交通设备和设施的矢量化方法 | |
Trinh et al. | A Vietnamese benchmark for vehicle detection and real-time empirical evaluation | |
Cuong et al. | Automatic Traffic Red-Light Violation Detection Using AI. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130703 |
|
RJ01 | Rejection of invention patent application after publication |