CN109544907A - 一种车辆计数方法、装置 - Google Patents
一种车辆计数方法、装置 Download PDFInfo
- Publication number
- CN109544907A CN109544907A CN201811237389.6A CN201811237389A CN109544907A CN 109544907 A CN109544907 A CN 109544907A CN 201811237389 A CN201811237389 A CN 201811237389A CN 109544907 A CN109544907 A CN 109544907A
- Authority
- CN
- China
- Prior art keywords
- vehicle target
- vehicle
- image information
- counted
- target
- 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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供了一种车辆计数方法、装置,该车辆计数方法包括:根据获取到的当前图像信息,确定当前图像信息中的车辆目标;当在前图像信息中存在车辆目标时,将车辆目标中在预设的标准线上的车辆目标,作为待计数车辆目标;当待计数车辆目标中包括至少一个车辆目标时,利用当前图像信息的上一帧图像信息,确定待计数车辆目标中的实际计数值;将实际计数值与当前的总计数值之和作为新的总计数值。通过引入图像分析算法到交通监控视频数据处理中,对视频数据进行分析处理,自动检测出车辆个数并计数,以实现对道路车流量的实时监测,适应于复杂路况下的车辆计数,并且操作简单有效。
Description
技术领域
本申请涉及图像技术领域,特别是涉及一种车辆计数方法、装置。
背景技术
监控视频数据存在于智慧城市的各个领域,社区、交通、公安、校园、公共场所等领域每天都产生着庞大的监控视频数据。目前监控视频数据还停留在需要人员去监看或查看,费时费力,而且由于人的精力有限,容易造成信息错误和遗漏。现有技术中,可以采用的微波车检技术,在道路监测点需要安装专有检测设备,安装需要密集程度高,设备需要专有供电,且设备故障率高,不适于交通领域的智能化需求;此外将视频图像数据应用于上述检测方法,通过设定第一检测区域和第二检测区域,以及区域占用和空闲状态来分析车辆计数,但是容易误判车辆是否为同一辆车,以及在道路拥堵的情况下,第一检测区域和第二检测区域都长时间处于占用状态,很难进行车辆计数,因此只适用于在道路车辆少情况下。
发明内容
鉴于上述问题,本申请实施例提供一种车辆计数方法,解决现有技术中复杂交通情况的智能化需求的问题。
相应的,本申请实施例还提供了一种车辆计数装置。
为了解决上述问题,本申请实施例公开了一种车辆计数方法,所述方法包括:
根据获取到的当前图像信息,确定所述当前图像信息中的车辆目标;
当所述当前图像信息中存在所述车辆目标时,将所述车辆目标中在预设的标准线上的车辆目标,作为待计数车辆目标;
当所述待计数车辆目标中包括至少一个车辆目标时,利用所述当前图像信息的上一帧图像信息,确定所述待计数车辆目标中的实际计数值;
将所述实际计数值与当前的总计数值之和作为新的总计数值。
相应的,本申请实施例还公开了一种车辆计数装置,包括:
图像获取模块,用于根据获取到的当前图像信息,确定所述当前图像信息中的车辆目标;
划线模块,用于当所述当前图像信息中存在所述车辆目标时,将所述车辆目标中在预设的标准线上的车辆目标,作为待计数车辆目标;
数值确定模块,用于当所述待计数车辆目标中包括至少一个车辆目标时,利用所述当前图像信息的上一帧图像信息,确定所述待计数车辆目标中的实际计数值;
数值更新模块,用于将所述实际计数值与当前的总计数值之和作为新的总计数值。
本申请实施例还提供了一种非易失性可读存储介质,该存储介质中存储有一个或多个模块,该一个或多个模块被应用在终端设备时,可以使得该终端设备执行本申请提出的车辆计数方法中各步骤的指令。
本申请实施例还提供一种车辆计数装置,包括处理器以及存储器,其中,
所述处理器执行所述存储器所存放的计算机程序代码,以实现本申请所述的车辆计数方法。
本申请实施例包括以下优点:
本申请实施例通过根据获取到的当前图像信息,确定所述当前图像信息中的车辆目标;当所述当前图像信息中存在所述车辆目标时,将所述车辆目标中在预设的标准线上的车辆目标,作为待计数车辆目标;当所述待计数车辆目标中包括至少一个车辆目标时,利用所述当前图像信息的上一帧图像信息,确定所述待计数车辆目标中的实际计数值;根据所述实际计数值,更新总计数值。通过引入图像分析算法到交通监控视频数据处理中,对视频数据进行分析处理,自动检测出车辆个数并计数,以实现对道路车流量的实时监测,适应于复杂路况下的车辆计数,并且操作简单有效。
附图说明
图1是本申请的一种车辆计数方法实施例的步骤流程图;
图2a是本申请的一种车辆计数方法应用场景的示意图;
图2b是本申请的一种车辆计数方法应用场景的示意图;
图2c是本申请的一种车辆计数方法应用场景的示意图;
图3是本申请的一种车辆计数方法可选实施例的步骤流程图;
图4是本申请的一种车辆计数方法可选实施例的步骤流程图;
图5是本申请的一种车辆计数方法可选实施例的步骤流程图;
图6是本申请的另一种车辆计数方法可选实施例的步骤流程图;
图7是本申请一种车辆计数装置实施例的结构框图;
图8为本申请一实施例提供的一种车辆计数装置的结构示意图;
图9为本申请另一实施例提供的一种车辆计数装置的硬件结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
参照图1,示出了本申请的一种车辆计数方法实施例的步骤流程图,具体可以包括如下步骤:
步骤101,根据获取到的当前图像信息,确定当前图像信息中的车辆目标。
在具体实现中,利用道路交通的监测摄像头捕捉道路交通的实际情况,存储为每一帧的图像,之后将当前帧的图像作为当前图像信息。由于在当前图像信息上还会包括道路上其他非车辆物体,例如行人、非机动车或者道路基础设施等,在获取到当前图像信息后,首先对其进行其他信息的排除,只对车辆信息进行获取,例如利用矩形框对车辆的具***置进行截取,从当前图像信息中抠出需要进行下面步骤操作的车辆目标,也就是说车辆目标时当前图像信息的一个部分,这样能够在之后对图像处理时减小处理的信息量,优化信息处理过程。
步骤102,在当前图像信息中存在车辆目标时,将车辆目标中在预设的标准线上的车辆目标,作为待计数车辆目标。
其中,标准线是本申请的车辆计数方法开始前,对当前计数点的摄像头视频图像信息设置的一条线,用于实现对车辆的计数规则。
如果有相应的步骤101所确定的车辆目标,以矩形框为车辆目标的边框,当该标准线与车辆目标的矩形框的任一两边同时相交时,则说明该车辆目标为在标准线上的车辆目标,即待计数车辆目标,则继续进行步骤103的操作。需要说明的是,该待计数车辆目标中包括至少一个车辆目标,当前检测的交通路况为多车道或者双向车道时,会出现同时有多个车辆目标在标准线上,也就是有多个车辆目标作为待计数车辆目标。
否则,当车辆目标的矩形框的任一边均未与标准线相交,则说明并无车辆目标在标准上,也就是不存在待计数车辆目标,当前并无车辆通过,也就无需进行车辆的计数操作。
步骤103,当待计数车辆目标中包括至少一个车辆目标时,利用当前图像信息的上一帧图像信息,确定待计数车辆目标中的实际计数值。
由于道路交通上的图像采集检测装置的图像获取速率通常在秒级甚至毫秒级,当车辆速度较低或者道路过于拥堵时,可能出现同一个车辆目标在多帧图像信息中均处于标准线上,为了防止重复计数,将上一帧图像信息中的对比车辆目标信息与上一步骤确定的待计数车辆目标进行比对,进而利用卷积神经网络模型,对重复的车辆目标进行排除,也就是将非重复的车辆目标作为有效的车辆计数个数,即为实际计数值进行车辆的计数更新,基于神经网络模型的判断能够更加有效的实现复杂交通情况下的车辆计数。
如图2a所示,其中在当前图像信息中包含2个车辆目标,而在标准线上的车辆目标为车辆B,因此待计数车辆目标包括1个车辆目标,利用神经网络模型确定这个车辆目标与上一帧图像信息中的对比车辆目标中车辆目标并不相同,也就是待计数车辆目标并未出现在上一帧图像中,或者在上一帧图像中并未出现在标准线上,如图2b所示,因此这个车辆目标可以作为有效的车辆目标进行计数,即说明实际计数值为1。若上一帧图像信息如图2c所示,则说明车辆B已经出现在上一帧图像信息中,并且也在标准线上,通过神经网络模型可以判断对比车辆目标的图像特征与待计数车辆目标的图像特征基本一致,因此这个车辆无法作为有效的车辆目标进行计数,即说明实际计数值为0。
步骤104,将实际计数值与当前的总计数值之和作为新的总计数值。
示例地,当根据上一步骤确定的实际计数值为1时,则对车辆的总计数值加1。若上一步骤确定的实际计数值为0,也就是当前图像信息中并无车辆目标或者说并未出现与上一帧图像不相同的车辆目标,则不对总计数值进行操作。
综上所述,本申请实施例提供的车辆计数方法,根据获取到的当前图像信息,确定当前图像信息中的车辆目标;当在前图像信息中存在车辆目标时,将车辆目标中在预设的标准线上的车辆目标,作为待计数车辆目标;当待计数车辆目标中包括至少一个车辆目标时,利用当前图像信息的上一帧图像信息,确定待计数车辆目标中的实际计数值;将实际计数值与当前的总计数值之和作为新的总计数值通过引入图像分析算法到交通监控视频数据处理中,对视频数据进行分析处理,自动检测出车辆个数并计数,以实现对道路车流量的实时监测,适应于复杂路况下的车辆计数,并且操作简单有效。
参照图3,示出了本申请的一种车辆计数方法可选实施例的步骤流程图,具体步骤101所述的根据获取到的当前图像信息,确定当前图像信息中的车辆目标,可以包括如下步骤:
步骤1011,对当前图像信息进行分析检测,以确定在当前图像信息中的车辆图像信息。
步骤1012,在当前图像信息中存在车辆图像信息时,截取车辆图像信息,以作为车辆目标。
示例地,为了减少信息处理量,可以对当前图像信息进行预处理,车辆图像信息是当前图像信息中包含车辆的图像部分,将当前图像信息中的车辆图像信息截取出来,在之后的步骤中,仅需对该车辆图像信息进行处理比对,同时利用矩形框对车辆图像信息进行抠取,更加便于步骤102进行判断该车辆目标是否在标准线上。
参照图4,示出了本申请的一种车辆计数方法可选实施例的步骤流程图,具体步骤103所述的当待计数车辆目标中包括至少一个车辆目标时,利用当前图像信息的上一帧图像信息,确定待计数车辆目标中的实际计数值,可以包括如下步骤:
步骤1031,确定上一帧图像信息中是否有预先缓存的对比车辆目标。
其中,对比车辆目标包括一个或者多个车辆目标。该对比车辆目标是上一帧图像信息在与上上一帧图像信息进行比对后,缓存的待计数车辆目标。
步骤1032,当上一帧图像信息中没有对比车辆目标时,将待计数车辆目标的个数作为实际计数值。
当上一帧图像信息中未缓存对应的对比车辆目标,说明在上一帧图像中并不没有车辆出现在标准线上,也就是在当前图像信息中出现的待计数车辆目标均可以作为有效的车辆计数,即待计数车辆目标的个数为实际计数值。
步骤1033,当上一帧图像信息中有对比车辆目标时,利用预设的神经网络模型,对待计数车辆目标和对比车辆目标进行对比,以确定待计数车辆目标和对比车辆目标之间相同的车辆目标的个数。
示例地,在上一帧图像信息中缓存有对比车辆目标时,需要利用神经网络模型,对待计数车辆目标和对比车辆目标进行特征提取,以通过特征比对后确定其中重复的也就是相同的车辆目标的个数,便于之后步骤1034基于该相同的车辆目标的个数确定实际计数值。
步骤1034,将待计数车辆目标的个数减去相同的车辆目标的个数作为实际计数值。
示例地,当待计数车辆目标中总共包括3个车辆目标且经步骤1033确定了相同的车辆目标的个数为1,因此能够确定实际计数值为2。
参照图5,示出了本申请的一种车辆计数方法可选实施例的步骤流程图,具体步骤1033所述的当上一帧图像信息中有对比车辆目标时,利用预设的神经网络模型,对待计数车辆目标和对比车辆目标进行对比,以确定待计数车辆目标和对比车辆目标之间相同的车辆目标的个数,可以包括如下步骤:
步骤10331,利用神经网络模型,分别提取待计数车辆目标中每个车辆目标的图像特征和对比车辆目标中每个车辆目标的图像特征。
步骤10332,依次对待计数车辆目标中任一车辆目标的图像特征与对比车辆目标中每个车辆目标的图像特征进行欧式距离计算,以分别确定第一车辆目标和第二车辆目标的相似度。
其中,第一车辆目标是待计数车辆目标中的任一车辆目标,第二车辆目标是对比车辆目标中的任一车辆目标。
步骤10333,将相似度大于或者等于预设的距离阈值的个数作为相同的车辆目标的个数。
示例地,待计数车辆目标中总共包括3个车辆目标,对比车辆目标中也包括3个车辆目标,首先利用神经网络模型分别对这6个车辆目标进行图像特征的提取,之后将待计数车辆目标中的任一车辆目标作为第一车辆目标,依次和对比车辆目标中的3个车辆目标进行相似度计算,之后再对待计数车辆目标中的剩下两个车辆目标与对比车辆目标中的3个分别进行相似度计算。若待计数车辆目标中任一车辆目标的图像特征与对比车辆目标中的3个车辆目标的图像特征之间的相似度均小于距离阈值,则对应的相同的车辆目标的个数为0;若待计数车辆目标中任一车辆目标的图像特征与对比车辆目标中的3个车辆目标的图像特征之间的相似度均大于距离阈值,则对应的相同的车辆目标的个数为3。
参照图6,示出了本申请的另一种车辆计数方法可选实施例的步骤流程图,该方法还包括:
步骤105,当待计数车辆目标包括至少一个车辆目标时,将待计数车辆目标缓存为当前图像信息的对比车辆目标。
示例地,在完成对当前帧图像中车辆的计数操作后,也就是上述图1的实施例中的步骤101-步骤104的操作,无论待计数车辆目标与上一帧图像信息的对比车辆目标中的车辆目标是否存在相似,都将待计数车辆目标作为当前图像信息的对比车辆目标进行缓存,作为下一帧图像信息再与当前图像信息进行对比时的参考图像。示例地,可以根据车辆目标的类型进行对应的操作,将待计数车辆目标中与上一帧图像信息的对比车辆目标中相同的车辆目标进行替换,将待计数车辆目标中与上一帧图像信息中对比车辆目标中不相同的车辆目标进行增加,进而在对新的下一帧图像信息进行车辆计数分析时,能够利用之前缓存的图像信息,准确判断有效的实际计数值,从而实现对车辆的计数。
参照图7,示出了本申请的一种车辆计数装置实施例的结构框图,具体可以包括如下模块:
图像获取模块710,用于根据获取到的当前图像信息,确定当前图像信息中的车辆目标。
划线模块720,用于在当前图像信息中存在车辆目标时,将车辆目标中在预设的标准线上的车辆目标,作为待计数车辆目标。
数值确定模块730,用于当待计数车辆目标中包括至少一个车辆目标时,利用当前图像信息的上一帧图像信息,确定待计数车辆目标中的实际计数值。
数值更新模块740,用于将实际计数值与当前的总计数值之和作为新的总计数值。
在本申请的一个可选实施例中,图像获取模块710,包括如下子模块:
图像分析子模块,用于对当前图像信息进行分析检测,以确定在当前图像信息中的车辆图像信息。
图像截取子模块,用于当在前图像信息中存在车辆图像信息时,截取车辆图像信息,以作为车辆目标。
在本申请的一个可选实施例中,数值确定模块730,包括如下子模块:
车辆目标确定子模块,用于确定上一帧图像信息中是否有预先缓存的对比车辆目标,对比车辆目标包括一个或者多个车辆目标。
数值确定子模块,用于当上一帧图像信息中没有对比车辆目标时,将待计数车辆目标的个数作为实际计数值。
目标对比子模块,用于当上一帧图像信息中有对比车辆目标时,利用预设的神经网络模型,对待计数车辆目标和对比车辆目标进行对比,以确定待计数车辆目标和对比车辆目标之间相同的车辆目标的个数。
数值确定子模块,还用于将待计数车辆目标的个数减去相同的车辆目标的个数作为实际计数值。
在本申请的一个可选实施例中,目标对比子模块,包括如下模块:
特征提取子模块,用于利用神经网络模型,分别提取待计数车辆目标中每个车辆目标的图像特征和对比车辆目标中每个车辆目标的图像特征。
相似度计算子模块,用于依次对待计数车辆目标中任一车辆目标的图像特征与对比车辆目标中每个车辆目标的图像特征进行欧式距离计算,以分别确定第一车辆目标和第二车辆目标的相似度。
个数确定子模块,用于将相似度大于或者等于预设的距离阈值的个数作为相同的车辆目标的个数。
其中,第一车辆目标是待计数车辆目标中的任一车辆目标,第二车辆目标是对比车辆目标中的任一车辆目标。
可选的,该装置700还包括:信息缓存模块750,用于当待计数车辆目标包括至少一个车辆目标时,将待计数车辆目标缓存为当前图像信息的对比车辆目标。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例还提供了一种非易失性可读存储介质,该存储介质中存储有一个或多个模块(programs),该一个或多个模块被应用在终端设备时,可以使得该终端设备执行本申请实施例中各方法步骤的指令(instructions)。
图8为本申请一实施例提供的一种车辆计数装置的结构示意图。如图所示,该车辆计数装置可以包括输入设备80、处理器81、输出设备82、存储器86和至少一个通信总线84。通信总线84用于实现元件之间的通信连接。存储器86可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,存储器83中可以存储各种程序,用于完成各种处理功能以及实现本实施例的方法步骤。
可选的,上述处理器81例如可以为中央处理器(Central Processing Unit,简称CPU)、应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,该处理器81通过有线或无线连接耦合到上述输入设备80和输出设备82。
可选的,上述输入设备80可以包括多种输入设备,例如可以包括面向用户的用户接口、面向设备的设备接口、软件的可编程接口、摄像头、传感器中至少一种。可选的,该面向设备的设备接口可以是用于设备与设备之间进行数据传输的有线接口、还可以是用于设备与设备之间进行数据传输的硬件***接口(例如USB接口、串口等);可选的,该面向用户的用户接口例如可以是面向用户的控制按键、用于接收语音输入的语音输入设备以及用户接收用户触摸输入的触摸感知设备(例如具有触摸感应功能的触摸屏、触控板等);可选的,上述软件的可编程接口例如可以是供用户编辑或者修改程序的入口,例如芯片的输入引脚接口或者输入接口等;可选的,上述收发信机可以是具有通信功能的射频收发芯片、基带处理芯片以及收发天线等。麦克风等音频输入设备可以接收语音数据。输出设备82可以包括显示器、音响等输出设备。
图9为本申请另一实施例提供的一种车辆计数装置的硬件结构示意图。图9是对图8在实现过程中的一个具体的实施例。如图9所示,本实施例的车辆计数装置包括处理器91以及存储器92。
处理器91执行存储器92所存放的计算机程序代码,实现上述实施例中图1所述的车辆计数方法。
存储器92被配置为存储各种类型的数据以支持在车辆计数装置的操作。这些数据的示例包括用于在车辆计数装置上操作的任何应用程序或方法的指令,例如消息,图片,视频等。存储器92可能包含随机存取存储器(random access memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
可选地,处理器91设置在处理组件90中。该车辆计数装置还可以包括:通信组件93,电源组件94,多媒体组件95,音频组件96,输入/输出接口97和/或传感器组件98。基于车辆计数装置具体所包含的组件等依据实际需求设定,本实施例对此不作限定。
处理组件90通常控制车辆计数装置的整体操作。处理组件90可以包括一个或多个处理器91来执行指令,以完成上述图1至图5方法的全部或部分步骤。此外,处理组件90可以包括一个或多个模块,便于处理组件90和其他组件之间的交互。例如,处理组件90可以包括多媒体模块,以方便多媒体组件95和处理组件90之间的交互。
电源组件94为车辆计数装置的各种组件提供电力。电源组件94可以包括电源管理***,一个或多个电源,及其他相关联的组件。
多媒体组件95包括在车辆计数装置和用户之间的提供一个输出接口的显示屏。在一些实施例中,显示屏可以包括液晶显示器(LCD)和触摸面板(TP)。如果显示屏包括触摸面板,显示屏可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。
音频组件96被配置为输出和/或输入音频信号。例如,音频组件96包括一个麦克风(MIC),在语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器92或经由通信组件93发送。在一些实施例中,音频组件96还包括一个扬声器,用于输出音频信号。
输入/输出接口97为处理组件90和***接口模块之间提供接口,上述***接口模块可以是点击轮,按钮等。这些按钮可包括但不限于:音量按钮、启动按钮和锁定按钮。
传感器组件98包括一个或多个传感器,用于为车辆计数装置提供各个方面的状态评估。传感器组件98可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。在一些实施例中,该传感器组件98还可以包括摄像头等。
通信组件93被配置为便于车辆计数装置和其他设备之间有线或无线方式的通信。车辆计数装置可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。
由上可知,在图9实施例中所涉及的通信组件93、音频组件96以及输入/输出接口97、传感器组件98均可以作为图8实施例中的输入设备的实现方式。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、终端设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
本文中应用了具体个例对本申请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申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,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申请的限制。
Claims (10)
1.一种车辆计数方法,其特征在于,所述方法包括:
根据获取到的当前图像信息,确定所述当前图像信息中的车辆目标;
当所述当前图像信息中存在所述车辆目标时,将所述车辆目标中在预设的标准线上的车辆目标,作为待计数车辆目标;
当所述待计数车辆目标中包括至少一个车辆目标时,利用所述当前图像信息的上一帧图像信息,确定所述待计数车辆目标中的实际计数值;
将所述实际计数值与当前的总计数值之和作为新的总计数值。
2.根据权利要求1所述的方法,其特征在于,所述根据获取到的当前图像信息,确定所述当前图像信息中的车辆目标,包括:
对所述当前图像信息进行分析检测,以确定在所述当前图像信息中的车辆图像信息;
当所述当前图像信息中存在所述车辆图像信息时,截取所述车辆图像信息,以作为所述车辆目标。
3.根据权利要求1所述的方法,其特征在于,所述当所述待计数车辆目标中包括至少一个车辆目标时,利用所述当前图像信息的上一帧图像信息,确定所述待计数车辆目标中的实际计数值,包括:
确定所述上一帧图像信息中是否有预先缓存的对比车辆目标,所述对比车辆目标包括一个或者多个车辆目标;
当所述上一帧图像信息中没有所述对比车辆目标时,将所述待计数车辆目标的个数作为所述实际计数值;
当所述上一帧图像信息中有所述对比车辆目标时,利用预设的神经网络模型,对所述待计数车辆目标和所述对比车辆目标进行对比,以确定所述待计数车辆目标和所述对比车辆目标之间相同的车辆目标的个数;
将所述待计数车辆目标的个数减去所述相同的车辆目标的个数作为所述实际计数值。
4.根据权利要求1所述的方法,其特征在于,所述当所述上一帧图像信息中有所述对比车辆目标时,利用预设的神经网络模型,对所述待计数车辆目标和所述对比车辆目标进行对比,以确定所述待计数车辆目标和所述对比车辆目标之间相同的车辆目标的个数,包括:
利用所述神经网络模型,分别提取所述待计数车辆目标中每个车辆目标的图像特征和所述对比车辆目标中每个车辆目标的图像特征;
依次对所述待计数车辆目标中任一车辆目标的图像特征与所述对比车辆目标中每个车辆目标的图像特征进行欧式距离计算,以分别确定第一车辆目标和第二车辆目标的相似度;
将所述相似度大于或者等于预设的距离阈值的个数作为所述相同的车辆目标的个数;
其中,所述第一车辆目标是所述待计数车辆目标中的任一车辆目标,所述第二车辆目标是所述对比车辆目标中的任一车辆目标。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述待计数车辆目标包括至少一个车辆目标时,将所述待计数车辆目标缓存为所述当前图像信息的对比车辆目标。
6.一种车辆计数装置,其特征在于,所述装置包括:
图像获取模块,用于根据获取到的当前图像信息,确定所述当前图像信息中的车辆目标;
划线模块,用于当所述当前图像信息中存在所述车辆目标时,将所述车辆目标中在预设的标准线上的车辆目标,作为待计数车辆目标;
数值确定模块,用于当所述待计数车辆目标中包括至少一个车辆目标时,利用所述当前图像信息的上一帧图像信息,确定所述待计数车辆目标中的实际计数值;
数值更新模块,用于将所述实际计数值与当前的总计数值之和作为新的总计数值。
7.根据权利要求6所述的装置,其特征在于,所述图像获取模块,包括:
图像分析子模块,用于对所述当前图像信息进行分析检测,以确定在所述当前图像信息中的车辆图像信息;
图像截取子模块,用于当所述当前图像信息中存在所述车辆图像信息时,截取所述车辆图像信息,以作为所述车辆目标。
8.根据权利要求6所述的装置,其特征在于,所述数值确定模块,包括:
车辆目标确定子模块,用于确定所述上一帧图像信息中是否有预先缓存的对比车辆目标,所述对比车辆目标包括一个或者多个车辆目标;
数值确定子模块,用于当所述上一帧图像信息中没有所述对比车辆目标时,将所述待计数车辆目标的个数作为所述实际计数值;
目标对比子模块,用于当所述上一帧图像信息中有所述对比车辆目标时,利用预设的神经网络模型,对所述待计数车辆目标和所述对比车辆目标进行对比,以确定所述待计数车辆目标和所述对比车辆目标之间相同的车辆目标的个数;
所述数值确定子模块,还用于将所述待计数车辆目标的个数减去所述相同的车辆目标的个数作为所述实际计数值。
9.根据权利要求6所述的装置,其特征在于,所述目标对比子模块,包括:
特征提取子模块,用于利用所述神经网络模型,分别提取所述待计数车辆目标中每个车辆目标的图像特征和所述对比车辆目标中每个车辆目标的图像特征;
相似度计算子模块,用于依次对所述待计数车辆目标中任一车辆目标的图像特征与所述对比车辆目标中每个车辆目标的图像特征进行欧式距离计算,以分别确定第一车辆目标和第二车辆目标的相似度;
个数确定子模块,用于将所述相似度大于或者等于预设的距离阈值的个数作为所述相同的车辆目标的个数;
其中,所述第一车辆目标是所述待计数车辆目标中的任一车辆目标,所述第二车辆目标是所述对比车辆目标中的任一车辆目标。
10.根据权利要求6所述的装置,其特征在于,所述装置还包括:
信息缓存模块,用于当所述待计数车辆目标包括至少一个车辆目标时,将所述待计数车辆目标缓存为所述当前图像信息的对比车辆目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811237389.6A CN109544907A (zh) | 2018-10-23 | 2018-10-23 | 一种车辆计数方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811237389.6A CN109544907A (zh) | 2018-10-23 | 2018-10-23 | 一种车辆计数方法、装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109544907A true CN109544907A (zh) | 2019-03-29 |
Family
ID=65844504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811237389.6A Pending CN109544907A (zh) | 2018-10-23 | 2018-10-23 | 一种车辆计数方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109544907A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796864A (zh) * | 2019-11-06 | 2020-02-14 | 北京百度网讯科技有限公司 | 智能交通控制方法、装置、电子设备和存储介质 |
CN112766038A (zh) * | 2020-12-22 | 2021-05-07 | 深圳金证引擎科技有限公司 | 一种根据图像识别的车辆跟踪方法 |
CN112950961A (zh) * | 2021-01-27 | 2021-06-11 | 苏州智芯控联信息科技有限公司 | 车流量统计方法、装置、设备和存储介质 |
CN113505638A (zh) * | 2021-05-27 | 2021-10-15 | 中国科学院深圳先进技术研究院 | 车流量的监测方法、监测装置及计算机可读存储介质 |
CN114495520A (zh) * | 2021-12-30 | 2022-05-13 | 北京万集科技股份有限公司 | 一种车辆的计数方法、装置、终端和存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101016053A (zh) * | 2007-01-25 | 2007-08-15 | 吉林大学 | 高等级公路上车辆防追尾碰撞预警方法和*** |
CN101251927A (zh) * | 2008-04-01 | 2008-08-27 | 东南大学 | 基于视频技术的车辆检测与跟踪方法 |
CN101510358A (zh) * | 2009-03-20 | 2009-08-19 | 吉林大学 | 采用视频图像处理实时统计车流量的方法及装置 |
CN102642510A (zh) * | 2011-02-17 | 2012-08-22 | 汽车零部件研究及发展中心有限公司 | 一种基于图像的车辆防撞预警方法 |
CN102646199A (zh) * | 2012-02-29 | 2012-08-22 | 湖北莲花山计算机视觉和信息科学研究院 | 复杂场景中的车型识别方法 |
CN103345618A (zh) * | 2013-06-21 | 2013-10-09 | 银江股份有限公司 | 一种基于视频技术的交通违章检测方法 |
CN103473925A (zh) * | 2013-08-28 | 2013-12-25 | 惠州市德赛工业发展有限公司 | 一种道路车辆检测***的验证方法 |
CN105279484A (zh) * | 2015-10-10 | 2016-01-27 | 北京旷视科技有限公司 | 对象检测方法和对象检测装置 |
CN106355903A (zh) * | 2016-09-13 | 2017-01-25 | 枣庄学院 | 基于视频分析的多车道车流量检测方法 |
CN106570477A (zh) * | 2016-10-28 | 2017-04-19 | 中国科学院自动化研究所 | 基于深度学习的车型识别模型构建方法及车型识别方法 |
JP2017138861A (ja) * | 2016-02-04 | 2017-08-10 | ソフトバンク株式会社 | 道路交通調査システム |
-
2018
- 2018-10-23 CN CN201811237389.6A patent/CN109544907A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101016053A (zh) * | 2007-01-25 | 2007-08-15 | 吉林大学 | 高等级公路上车辆防追尾碰撞预警方法和*** |
CN101251927A (zh) * | 2008-04-01 | 2008-08-27 | 东南大学 | 基于视频技术的车辆检测与跟踪方法 |
CN101510358A (zh) * | 2009-03-20 | 2009-08-19 | 吉林大学 | 采用视频图像处理实时统计车流量的方法及装置 |
CN102642510A (zh) * | 2011-02-17 | 2012-08-22 | 汽车零部件研究及发展中心有限公司 | 一种基于图像的车辆防撞预警方法 |
CN102646199A (zh) * | 2012-02-29 | 2012-08-22 | 湖北莲花山计算机视觉和信息科学研究院 | 复杂场景中的车型识别方法 |
CN103345618A (zh) * | 2013-06-21 | 2013-10-09 | 银江股份有限公司 | 一种基于视频技术的交通违章检测方法 |
CN103473925A (zh) * | 2013-08-28 | 2013-12-25 | 惠州市德赛工业发展有限公司 | 一种道路车辆检测***的验证方法 |
CN105279484A (zh) * | 2015-10-10 | 2016-01-27 | 北京旷视科技有限公司 | 对象检测方法和对象检测装置 |
JP2017138861A (ja) * | 2016-02-04 | 2017-08-10 | ソフトバンク株式会社 | 道路交通調査システム |
CN106355903A (zh) * | 2016-09-13 | 2017-01-25 | 枣庄学院 | 基于视频分析的多车道车流量检测方法 |
CN106570477A (zh) * | 2016-10-28 | 2017-04-19 | 中国科学院自动化研究所 | 基于深度学习的车型识别模型构建方法及车型识别方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796864A (zh) * | 2019-11-06 | 2020-02-14 | 北京百度网讯科技有限公司 | 智能交通控制方法、装置、电子设备和存储介质 |
CN110796864B (zh) * | 2019-11-06 | 2022-05-17 | 阿波罗智联(北京)科技有限公司 | 智能交通控制方法、装置、电子设备和存储介质 |
CN112766038A (zh) * | 2020-12-22 | 2021-05-07 | 深圳金证引擎科技有限公司 | 一种根据图像识别的车辆跟踪方法 |
CN112766038B (zh) * | 2020-12-22 | 2021-12-17 | 深圳金证引擎科技有限公司 | 一种根据图像识别的车辆跟踪方法 |
CN112950961A (zh) * | 2021-01-27 | 2021-06-11 | 苏州智芯控联信息科技有限公司 | 车流量统计方法、装置、设备和存储介质 |
CN112950961B (zh) * | 2021-01-27 | 2022-07-08 | 苏州智芯控联信息科技有限公司 | 车流量统计方法、装置、设备和存储介质 |
CN113505638A (zh) * | 2021-05-27 | 2021-10-15 | 中国科学院深圳先进技术研究院 | 车流量的监测方法、监测装置及计算机可读存储介质 |
CN113505638B (zh) * | 2021-05-27 | 2024-04-02 | 中国科学院深圳先进技术研究院 | 车流量的监测方法、监测装置及计算机可读存储介质 |
CN114495520A (zh) * | 2021-12-30 | 2022-05-13 | 北京万集科技股份有限公司 | 一种车辆的计数方法、装置、终端和存储介质 |
CN114495520B (zh) * | 2021-12-30 | 2023-10-03 | 北京万集科技股份有限公司 | 一种车辆的计数方法、装置、终端和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109544907A (zh) | 一种车辆计数方法、装置 | |
CN110390262B (zh) | 视频分析方法、装置、服务器及存储介质 | |
CN104933870B (zh) | 基于车辆行为分析的车辆套牌识别方法与装置 | |
CN112100305B (zh) | 一种基于多源数据的轨迹确定方法、装置、设备及介质 | |
CN204155449U (zh) | 一种车牌识别比对高清摄像机及监控*** | |
CN110991224B (zh) | 基于图像识别的行人闯红灯检测方法、装置及相关设备 | |
US20150077548A1 (en) | Mobile device intermediary for content analysis | |
CN109815839B (zh) | 微服务架构下的徘徊人员识别方法及相关产品 | |
CN112328585A (zh) | 一种数据处理的方法和装置 | |
CN109446926A (zh) | 一种交通监控方法及装置、电子设备和存储介质 | |
CN204759452U (zh) | 一种基于视频烟雾多特征融合的交通火灾检测*** | |
CN109559218A (zh) | 一种异常交易的确定方法、装置及存储介质 | |
CN112580474B (zh) | 基于计算机视觉的目标对象检测方法、***、设备及介质 | |
CN110879975B (zh) | 人员流量检测方法、装置及电子设备 | |
CN106482742A (zh) | 计步数据的获取方法及装置 | |
CN101477620A (zh) | 用于汽车防盗的两级图像异动检测方法 | |
CN114943872A (zh) | 目标检测模型的训练方法、装置、目标检测方法、装置、介质及设备 | |
CN109302527A (zh) | 终端防误触方法、终端以及计算机可读存储介质 | |
CN104361349A (zh) | 基于车检器和收费数据融合的异常交通状态识别方法及*** | |
CN109677324A (zh) | 基于NB-IoT技术的驻停车辆碰撞报警方法 | |
CN113438286B (zh) | 信息推送方法及装置、电子设备和存储介质 | |
CN112150685A (zh) | 一种车辆管理方法、***、机器可读介质及设备 | |
CN107256151A (zh) | 页面渲染的处理方法、装置及终端 | |
CN113743580A (zh) | 免疫检测器训练方法 | |
CN111401224B (zh) | 目标检测方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190329 |
|
RJ01 | Rejection of invention patent application after publication |