CN109686088A - 一种交通视频告警方法、设备及*** - Google Patents
一种交通视频告警方法、设备及*** Download PDFInfo
- Publication number
- CN109686088A CN109686088A CN201811645011.XA CN201811645011A CN109686088A CN 109686088 A CN109686088 A CN 109686088A CN 201811645011 A CN201811645011 A CN 201811645011A CN 109686088 A CN109686088 A CN 109686088A
- Authority
- CN
- China
- Prior art keywords
- video image
- frame
- target
- detected
- video
- 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.)
- Granted
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/22—Status alarms responsive to presence or absence of persons
-
- 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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种交通视频告警方法、设备及***,通过获取待检测视频图像;逐帧检测待检测视频图像中是否存在车辆目标,当确定当前视频图像帧存在车辆目标时,检测车辆目标在当前视频图像帧中的第一位置;对车辆目标进行跟踪,以获取车辆目标在下一视频图像帧中的第二位置;获取预先标记的参照物的位置以及对应的物理距离,利用拟合算法计算第二位置与第一位置之间的目标物理距离;获取当前视频图像帧与下一视频图像帧之间的目标时间间隔;根据目标物理距离与目标时间间隔,计算得到车辆目标的行驶速度;将行驶速度与预设速度阈值进行比较,根据比较结果,选择与该比较结果对应的告警方式进行处理;响应及时,准确性高。
Description
技术领域
本发明涉及智能交通领域,尤其涉及一种交通视频告警方法、设备及***。
背景技术
高速公路异常事件,例如停车、车辆严重故障、车辆逆行、人员下道行走、超速等,具有危险性大、距离安全区域远、人员难以及时自行撤离的特点,需要高速公路管理部门及时发现和响应。目前高速公路管理公司普遍采用雇佣员工进行视频监控、派车辆巡逻等方式检测这些异常事件。
人工视频监控主要是通过在高速公路沿途每隔一定距离(例如一公里左右)布置一个摄像头,摄像头将画面传输回监控中心,监控中心的工作人员观看摄像头捕获的视频,人工发现画面中的异常事件,并给予记录和响应。派出车辆巡逻主要是高速公路管理部门周期性地驾车巡逻高速路,检查沿途的异常情况。
高速公路里程漫长,人工监控耗费人力资源大;监控操作人员工作乏味容易疲劳懈怠,容易出现漏报异常事件或异常事件汇报不及时的情况。而派出车辆巡逻,对异常事件检测同样存在不及时的问题,耗油多,不环保,耗费的人力物力成本大。
发明内容
本发明提供的一种交通视频告警方法、设备及***,主要解决的技术问题是:高速公路异常事件响应事件不及时、人力物力成本高。
为解决上述技术问题,本发明提供一种交通视频告警方法,包括:
获取待检测视频图像;
逐帧检测所述待检测视频图像中是否存在车辆目标,当确定当前视频图像帧存在车辆目标时,确定所述车辆目标在所述当前视频图像帧中的第一位置;
对所述车辆目标进行跟踪,以获取所述车辆目标在下一视频图像帧中的第二位置;
获取预先标记的参照物的位置以及对应的物理距离,利用拟合算法计算所述第二位置与所述第一位置之间的目标物理距离;
获取所述当前视频图像帧与所述下一视频图像帧之间的目标时间间隔;
根据所述目标物理距离与所述目标时间间隔,计算得到所述车辆目标的行驶速度;
将所述行驶速度与预设速度阈值进行比较,根据比较结果,选择与所述比较结果对应的告警方式进行处理。
可选的,所述第一位置与所述第二位置均为所述车辆目标的重心所在像素位置。
可选的,所述对所述车辆目标进行跟踪包括:
获取所述下一视频图像帧中各车辆的所占图像区域,分别计算所述各车辆的所占图像区域与所述车辆目标在所述当前视频图像帧所占图像区域的交并比,选择所述交并比最大所对应的车辆的位置,作为所述车辆目标在所述下一视频图像帧中的第二位置。
可选的,所述利用拟合算法计算所述第二位置与所述第一位置之间的目标物理距离包括:
利用所述拟合算法计算所述第一位置对应像素点到所述第二位置对应像素点沿线每一个像素点的物理距离;并对所述沿线每一个像素点的物理距离进行求和,得到所述第二位置与所述第一位置之间的目标物理距离;
或,确定所述第二位置对应像素点与所述第一位置对应像素点之间连线的中点所对应的中分像素点,利用所述拟合算法计算得到所述中分像素点所对应的第三物理距离,根据所述第二位置与所述第一位置之间的像素长度乘以所述第三物理距离,得到所述第二位置与所述第一位置之间的目标物理距离。
可选的,所述预设速度阈值包括第一预设速度阈值、第二预设速度阈值;所述第一预设速度阈值小于所述第二预设速度阈值;
所述将所述行驶速度与预设速度阈值进行比较,根据比较结果,选择与所述比较结果对应的告警方式进行处理包括:
将所述行驶速度与各所述预设速度阈值进行比较,当比较结果为所述行驶速度小于所述第一预设速度阈值时,确定所述车辆目标行驶方向与道路方向相反,选择逆行告警处理;当比较结果为所述行驶速度等于所述第一预设速度阈值时,选择停车异常告警处理;当比较结果为所述行驶速度大于所述第二预设速度阈值时,选择超速告警处理。
可选的,在所述逐帧检测所述待检测视频图像中是否存在车辆目标之前,还包括:
检测所述待检测视频图像的帧率是否达到预设帧率阈值,如是,则按照预设规则对所述待检测视频图像的部分视频图像帧进行丢弃,将丢弃后剩余的待检测视频图像逐帧检测所述待检测视频图像中是否存在车辆目标;如否,则将全部的待检测视频图像逐帧检测所述待检测视频图像中是否存在车辆目标。
可选的,所述获取待检测视频包括:从已配置的摄像头实时获取所述待检测视频。
本发明还提供一种交通视频告警设备,包括处理器、存储器以及通信总线,所述通信总线用于实现所述处理器与所述存储器之间的通信连接,所述存储器中存储有一个或者多个计算机可读程序,所述处理器通过读取所述存储器中存储的一个或者多个计算机可读程序,以实现如上任一项所述的交通视频告警方法的步骤。
本发明还提供一种交通视频告警***,所述交通视频告警***包括若干摄像头、如上所述的交通视频告警设备以及交通管理平台,所述交通视频告警设备从所述若干摄像头获取待检测视频图像,并将告警信息发送给所述交通管理平台。
本发明的有益效果是:
根据本发明提供的一种交通视频告警方法、设备及***,通过获取待检测视频图像;逐帧检测待检测视频图像中是否存在车辆目标,当确定当前视频图像帧存在车辆目标时,检测车辆目标在当前视频图像帧中的第一位置;对车辆目标进行跟踪,以获取车辆目标在下一视频图像帧中的第二位置;获取预先标记的参照物的位置以及对应的物理距离,利用拟合算法计算第二位置与第一位置之间的目标物理距离;获取当前视频图像帧与下一视频图像帧之间的目标时间间隔;根据目标物理距离与目标时间间隔,计算得到车辆目标的行驶速度;将行驶速度与预设速度阈值进行比较,根据比较结果,选择与该比较结果对应的告警方式进行处理;实现了高速公路上车辆异常情况的自动告警,响应及时,准确性高,无需人工干预,有利于降低人力物力成本。
附图说明
图1为本发明实施例一的交通视频告警方法流程示意图;
图2为本发明实施例一的同一车辆前后两帧图像重叠示意图;
图3为本发明实施例一的交通视频预先标记示意图;
图4为本发明实施例二的交通视频告警设备结构示意图;
图5为本发明实施例三的交通视频告警***结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面通过具体实施方式结合附图对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例一:
请参见图1,图1为本实施例提供的交通视频告警方法流程示意图,该方法主要包括如下步骤;
S101、获取待检测视频图像。
可选的,可以预先对获取对象进行配置,获取对象包括设置在道路(主要为高速公路)上的视频监控摄像头,从已配置的摄像头实时获取拍摄的待检测视频。
S102、逐帧检测待检测视频图像中是否存在车辆目标,当确定当前视频图像帧存在车辆目标时,确定车辆目标在当前视频图像帧中的第一位置。
本实施例中,可以采用深度神经网络对待检测视频图像进行检测,以确定是否存在车辆目标。应当理解的是,在本发明的其他实施例中,也可以采用现有任意检测算法对视频图像中的车辆进行检测。
在检测到当前视频图像帧中存在车辆目标时,可以采用现有任意方式确定该车辆目标在该当前视频图像帧中的位置,也即第一位置。其中,第一位置可以指该车辆目标重心所在像素点位置。
在本发明的其他实施例中,还可以对待检测视频图像中的非车辆目标进行检测,例如行人、动物等。当检测到行人、动物等目标在高速公路上行走时,可以产生告警信息,自动发送给交通管理平台,告知交巡警人员及时处理。
可选的,在逐帧检测待检测视频图像中是否存在车辆目标之前,还可以对待检测视频图像的帧率进行检测,当检测待检测视频图像的帧率达到预设帧率阈值时,按照预设规则对待检测视频图像的部分视频图像帧进行丢弃,将丢弃后剩余的待检测视频图像逐帧,再执行检测是否存在车辆目标的步骤;如待检测视频图像的帧率未达到预设帧率阈值,则将全部的待检测视频图像逐帧检测是否存在车辆目标。
其中,预设帧率阈值可根据实际情况灵活设置,例如设置为50帧/s,当从前方交通监控摄像头采集的视频图像帧率达到50帧/s时,可以按照预设规则进行丢弃部分图像帧。例如,每间隔一帧丢弃一帧,也即保留第一帧、第三帧、第五帧、……、第2n+1帧(n大于等于0)。这样丢弃处理后,可以使得图像帧率降低到25帧/s,处理的数据量减少一半,有利于降低设备处理负荷,降低出现故障的概率。同时,25帧/s的视频图像与50帧/s的视频图像,在最终所得到的告警结果准确性上,几乎相当。
S103、对车辆目标进行跟踪,以获取该车辆目标在下一视频图像帧中的第二位置。
获取下一视频图像帧中各车辆的所占图像区域,分别计算各车辆的所占图像区域与该车辆目标在该当前视频图像帧所占图像区域的交并比,选择交并比最大所对应的车辆的位置,作为该车辆目标在该下一视频图像帧中的位置,也即第二位置。
需要说明的是,仅仅依靠单帧,车辆信息无法判断停车、逆行、超速等事件,需要对车辆进行跟踪。深度神经网络得出每帧图像中车辆的位置,但并不知道当前视频图像帧的车辆目标在是下一视频图像帧的哪辆车。
针对该问题,本实施例提出,同一辆车的前后两帧图像之间应该有比较大的重叠,不同车前后两帧没有重叠或重叠很小,本实施例跟踪算算法利用这一特点进行跟踪,使用图像中两个目标的交并比(Intersect Over Union,IOU),评估其重叠程度。请参见图2。
IOU越高,两个目标越有可能是同一辆车。因此,本实施例选择交并比最大所对应车辆的位置,作为该车辆目标在该下一视频图像帧中的第二位置。
可选的,当下一视频图像帧中只有一辆车时,那么通常车辆目标必然是该车辆,因此可以直接将该车辆的位置作为第二位置。
本实施例中,第二位置可以为该车辆重心所在像素点位置。
S104、获取预先标记的参照物的位置以及对应的物理距离,利用拟合算法计算第二位置与第一位置之间的目标物理距离。
需要说明的是,计算车辆速度需要知道图像中路面上任意两点之间的物理距离(也即实际距离),计算机仅通过图像来确定两像素点之间的物理距离是比较困难的,其主要受到环境、气候、光照条件的影响。为了保证计算第二位置与第一位置之间的目标物理距离的准确性,本实施例通过在视频中预先标记参照物的位置以及该参照物对应的物理距离,可以实现对视频图像中任意两像素点之间距离的计算。应当理解的是,像素点对应的物理距离指的是该像素点实际对应路面的距离。
请参见图3,利用高速公路车行道分界线(分道线)作为参照物,标注物理距离,得到图像中某些像素点对应的物理距离;然后利用这些已知点去拟合待测像素点的物理距离。高速公路的分道线线长一般为6米,线间距一般为9米,车道宽度一般为3.75米;如果某路段线长、线间距、车道宽度有所不同,可以在标注***中手动设定该段路线的相关数值。例如估计某分道线中心所在位置像素点的物理距离,可以采用如下方式:分道线段的物理距离除以分道线段在图像中的像素点个数。
在需要估计某个像素点的物理距离时,通过最邻近的4个有标定的像素点及其物理距离进行拟合估计。例如最邻近4个像素点的坐标分别是(x(0),y(0))、(x(1),y(1))、(x(2),y(2))、(x(3),y(3)),它们标定的物理距离假设分别是d(0)、d(1)、d(2)、d(3);要估计的像素点是(x(4),y(4))。
假设拟合函数为d=k0x+k1y+b。为了找到最佳的k0、k1、b,求解:
基于得到的最佳k0、k1、b,对于要估计的像素点(x(4),y(4)),则可以得到其物理距离为
本实施例主要提供如下两种计算方式,实现对该第二位置与第一位置之间的目标物理距离的计算。
(1)基于第二位置对应像素点与第一位置对应像素点直接进行计算:利用拟合算法计算第一位置对应像素点到第二位置对应像素点沿线每一个像素点的物理距离;并对沿线每一个像素点的物理距离进行求和,得到第二位置与第一位置之间的目标物理距离;
(2)基于第二位置与第一位置之间的中点进行计算:确定第二位置对应像素点与第一位置对应像素点之间连线的中点所对应的中分像素点,利用拟合算法计算得到中分像素点所对应的第三物理距离,根据第二位置与第一位置之间的像素长度(也即像素点个数)乘以第三物理距离,得到第二位置与第一位置之间的目标物理距离。
S105、获取当前视频图像帧与下一视频图像帧之间的目标时间间隔。
应当理解的是,两图像帧之间的时间间隔可以通过帧率进行确定。例如帧率为25帧/s,那么相邻图像帧之间的时间间隔为1/25秒。
应当理解的是,步骤S105可以在步骤S106之前的任意时刻执行,本实施例对其执行顺序并不做限定。
S106、根据目标物理距离与目标时间间隔,计算得到车辆目标的行驶速度。
行驶速度等于目标物理距离除以目标时间间隔。
S107、将行驶速度与预设速度阈值进行比较,根据比较结果,选择与比较结果对应的告警方式进行处理。
可选的,预设速度阈值包括第一预设速度阈值、第二预设速度阈值;其中第一预设速度阈值小于第二预设速度阈值。例如,第一预设速度阈值设置0米/秒,第二预设速度阈值设置为33.3米/秒。
将行驶速度与预设速度阈值进行比较,根据比较结果,选择与比较结果对应的告警方式进行处理包括:
将行驶速度与各预设速度阈值进行比较,当比较结果为行驶速度小于第一预设速度阈值时,确定所述车辆目标行驶方向与道路方向相反,选择逆行告警处理,此时车辆目标为逆向行驶;当比较结果为行驶速度等于第一预设速度阈值时,选择停车异常告警处理,此时车辆车辆处于停车状态;当比较结果为行驶速度大于第二预设速度阈值时,选择超速告警处理。
应当理解的是,当计算第二位置与第一位置的目标物理距离时,需要考虑正负,也即车辆行驶方向。当计算得到的行驶速度为负值时,也即行驶方向与车道方向相反时,确定该车辆目标为逆向行驶,从而进行逆向告警处理。
在本发明的其他实施例中,还可以设置第三预设速度阈值,例如设置为60km/h,当比较结果为行驶速度大于第一预设速度阈值,且小于该第三预设速度阈值时,选择车速过慢告警;当比较结果为行驶速度大于第三预设速度阈值,且小于第二预设速度阈值时,车辆处于正常行驶状态,不进行告警。
目前,测速雷达易被测速雷达探测设备预警;区间测速难以捕获短时间超速行为;线圈测速需要封闭路段埋设线圈,耗时耗力影响交通。目前尚没有直接利用摄像机视频估计速度的解决方案。本实施例提供的交通视频告警方法,通过获取待检测视频图像;逐帧检测待检测视频图像中是否存在车辆目标,当确定当前视频图像帧存在车辆目标时,检测车辆目标在当前视频图像帧中的第一位置;对车辆目标进行跟踪,以获取车辆目标在下一视频图像帧中的第二位置;获取预先标记的参照物的位置以及对应的物理距离,利用拟合算法计算第二位置与第一位置之间的目标物理距离;获取当前视频图像帧与下一视频图像帧之间的目标时间间隔;根据目标物理距离与目标时间间隔,计算得到车辆目标的行驶速度;将行驶速度与预设速度阈值进行比较,根据比较结果,选择与该比较结果对应的告警方式进行处理;实现了高速公路上车辆异常情况的自动告警,响应及时,准确性高,无需人工干预,有利于降低人力物力成本。
实施例二:
本实施例在上述实施例一的基础上,提供一种交通视频告警设备,请参见图4,用于实现上述实施例一所述的交通视频告警方法的步骤,该交通视频告警设备包括处理器41、存储器42以及通信总线43,其中通信总线43用于实现所处理器41与存储器42之间的通信连接,存储器42中存储有一个或者多个计算机可读程序,处理器41通过读取存储器42中存储的一个或者多个计算机可读程序,以实现如上述实施例一所述的交通视频告警方法的步骤。具体请参见上述实施例一中的描述,在此不再赘述。
实施例三:
本实施例在上述实施例一的基础上,提供一种交通视频告警***,请参见图5,用于实现上述实施例一所述的交通视频告警方法的步骤,该交通视频告警***包括:
若干设置在道路旁的摄像头51,用于采集交通视频图像;如上述实施例二所述的交通视频告警设备52,用于实现上述实施例一中交通视频告警方法的步骤;还包括交通管理平台53。
其中,交通视频告警设备52从已配置的摄像头51实时获取待检测视频图像,对图像中的车辆目标的行驶速度进行自动检测,当满足告警条件时,将告警信息发送给交通管理平台53。
其中,告警条件包括:将行驶速度与各预设速度阈值进行比较,当比较结果为行驶速度小于第一预设速度阈值时,选择逆行告警处理,此时车辆目标为逆向行驶;当比较结果为行驶速度等于第一预设速度阈值时,选择停车异常告警处理,此时车辆车辆处于停车状态;当比较结果为行驶速度大于第二预设速度阈值时,选择超速告警处理。
管理人员对需要自动分析的摄像头进行配置;交通视频告警设备52从网络获取摄像头51采集的交通视频数据,分析视频数据,得出关于车辆流量、车辆速度、停车检测、行人检测等信息。可选的,将检测结果缓存在服务器中,或者直接发送给交通管理平台53。交通管理平台53可以将告警信息发送给事发地点较近的交巡警人员,以提高高速公路上异常事件的处理效率。
可选的,管理人员通过客户端从交通视频告警设备52查询异常事件检测结果。
显然,本领域的技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在计算机存储介质(ROM/RAM、磁碟、光盘)中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以,本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (9)
1.一种交通视频告警方法,其特征在于,所述交通视频告警方法包括:
获取待检测视频图像;
逐帧检测所述待检测视频图像中是否存在车辆目标,当确定当前视频图像帧存在车辆目标时,确定所述车辆目标在所述当前视频图像帧中的第一位置;
对所述车辆目标进行跟踪,以获取所述车辆目标在下一视频图像帧中的第二位置;
获取预先标记的参照物的位置以及对应的物理距离,利用拟合算法计算所述第二位置与所述第一位置之间的目标物理距离;
获取所述当前视频图像帧与所述下一视频图像帧之间的目标时间间隔;
根据所述目标物理距离与所述目标时间间隔,计算得到所述车辆目标的行驶速度;
将所述行驶速度与预设速度阈值进行比较,根据比较结果,选择与所述比较结果对应的告警方式进行处理。
2.如权利要求1所述的交通视频告警方法,其特征在于,所述第一位置与所述第二位置均为所述车辆目标的重心所在像素位置。
3.如权利要求1所述的交通视频告警方法,其特征在于,所述对所述车辆目标进行跟踪包括:
获取所述下一视频图像帧中各车辆的所占图像区域,分别计算所述各车辆的所占图像区域与所述车辆目标在所述当前视频图像帧所占图像区域的交并比,选择所述交并比最大所对应的车辆的位置,作为所述车辆目标在所述下一视频图像帧中的第二位置。
4.如权利要求1所述的交通视频告警方法,其特征在于,所述利用拟合算法计算所述第二位置与所述第一位置之间的目标物理距离包括:
利用所述拟合算法计算所述第一位置对应像素点到所述第二位置对应像素点沿线每一个像素点的物理距离;并对所述沿线每一个像素点的物理距离进行求和,得到所述第二位置与所述第一位置之间的目标物理距离;
或,确定所述第二位置对应像素点与所述第一位置对应像素点之间连线的中点所对应的中分像素点,利用所述拟合算法计算得到所述中分像素点所对应的第三物理距离,根据所述第二位置与所述第一位置之间的像素长度乘以所述第三物理距离,得到所述第二位置与所述第一位置之间的目标物理距离。
5.如权利要求1所述的交通视频告警方法,其特征在于,所述预设速度阈值包括第一预设速度阈值、第二预设速度阈值;所述第一预设速度阈值小于所述第二预设速度阈值;
所述将所述行驶速度与预设速度阈值进行比较,根据比较结果,选择与所述比较结果对应的告警方式进行处理包括:
将所述行驶速度与各所述预设速度阈值进行比较,当比较结果为所述行驶速度小于所述第一预设速度阈值时,确定所述车辆目标行驶方向与道路方向相反,选择逆行告警处理;当比较结果为所述行驶速度等于所述第一预设速度阈值时,选择停车异常告警处理;当比较结果为所述行驶速度大于所述第二预设速度阈值时,选择超速告警处理。
6.如权利要求1-5任一项所述的交通视频告警方法,其特征在于,在所述逐帧检测所述待检测视频图像中是否存在车辆目标之前,还包括:
检测所述待检测视频图像的帧率是否达到预设帧率阈值,如是,则按照预设规则对所述待检测视频图像的部分视频图像帧进行丢弃,将丢弃后剩余的待检测视频图像逐帧检测所述待检测视频图像中是否存在车辆目标;如否,则将全部的待检测视频图像逐帧检测所述待检测视频图像中是否存在车辆目标。
7.如权利要求1-5任一项所述的交通视频告警方法,其特征在于,所述获取待检测视频包括:从已配置的摄像头实时获取所述待检测视频。
8.一种交通视频告警设备,其特征在于,所述交通视频告警设备包括处理器、存储器以及通信总线,所述通信总线用于实现所述处理器与所述存储器之间的通信连接,所述存储器中存储有一个或者多个计算机可读程序,所述处理器通过读取所述存储器中存储的一个或者多个计算机可读程序,以实现如上述权利要求1-7任一项所述的交通视频告警方法的步骤。
9.一种交通视频告警***,其特征在于,所述交通视频告警***包括若干摄像头、如权利要求8所述的交通视频告警设备以及交通管理平台,所述交通视频告警设备从所述若干摄像头获取待检测视频图像,并将告警信息发送给所述交通管理平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811645011.XA CN109686088B (zh) | 2018-12-29 | 2018-12-29 | 一种交通视频告警方法、设备及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811645011.XA CN109686088B (zh) | 2018-12-29 | 2018-12-29 | 一种交通视频告警方法、设备及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109686088A true CN109686088A (zh) | 2019-04-26 |
CN109686088B CN109686088B (zh) | 2021-07-30 |
Family
ID=66191484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811645011.XA Active CN109686088B (zh) | 2018-12-29 | 2018-12-29 | 一种交通视频告警方法、设备及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109686088B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111009136A (zh) * | 2019-12-11 | 2020-04-14 | 公安部交通管理科学研究所 | 一种高速公路行驶速度异常车辆检测方法、装置及*** |
CN111009012A (zh) * | 2019-11-29 | 2020-04-14 | 四川沃洛佳科技有限公司 | 一种基于计算机视觉的无人机测速方法、存储介质及终端 |
CN111046788A (zh) * | 2019-12-10 | 2020-04-21 | 北京文安智能技术股份有限公司 | 一种停留人员的检测方法、装置及*** |
CN111091041A (zh) * | 2019-10-22 | 2020-05-01 | 上海眼控科技股份有限公司 | 一种车辆违法判别方法、装置、计算机设备和存储介质 |
CN111127877A (zh) * | 2019-11-19 | 2020-05-08 | 华为技术有限公司 | 一种路况信息的监测方法及装置 |
CN111383268A (zh) * | 2020-03-10 | 2020-07-07 | 上海眼控科技股份有限公司 | 车辆间距状态获取方法、装置、计算机设备和存储介质 |
CN111832376A (zh) * | 2019-07-18 | 2020-10-27 | 北京骑胜科技有限公司 | 一种车辆逆行检测方法、装置、电子设备及存储介质 |
CN111857116A (zh) * | 2019-07-26 | 2020-10-30 | 北京骑胜科技有限公司 | 一种车辆逆行控制方法、装置、电子设备及存储介质 |
CN112150826A (zh) * | 2020-07-29 | 2020-12-29 | 广州汽车集团股份有限公司 | 车速确定方法、装置及计算机可读存储介质 |
CN112364796A (zh) * | 2020-11-18 | 2021-02-12 | 合肥湛达智能科技有限公司 | 一种基于深度学习的目标速度检测方法及*** |
CN112634628A (zh) * | 2020-12-08 | 2021-04-09 | 鹏城实验室 | 一种车辆速度确定方法、终端及存储介质 |
CN112818753A (zh) * | 2021-01-11 | 2021-05-18 | 精英数智科技股份有限公司 | 采坑坠物检测方法、装置及*** |
CN112885146A (zh) * | 2021-01-26 | 2021-06-01 | 西安闻泰电子科技有限公司 | 车辆预警方法、装置、计算机设备和存储介质 |
CN113470374A (zh) * | 2021-06-30 | 2021-10-01 | 平安科技(深圳)有限公司 | 车辆超速监测方法、装置、计算机设备及存储介质 |
CN113850995A (zh) * | 2021-09-14 | 2021-12-28 | 华设设计集团股份有限公司 | 一种基于隧道雷视数据融合的事件检测方法、装置及*** |
WO2022078353A1 (zh) * | 2020-10-14 | 2022-04-21 | 深圳壹账通智能科技有限公司 | 车辆行使状态判断方法、装置、计算机设备及存储介质 |
CN115410370A (zh) * | 2022-08-31 | 2022-11-29 | 南京慧尔视智能科技有限公司 | 一种异常停车检测方法、装置、电子设备及存储介质 |
CN116884235A (zh) * | 2023-08-09 | 2023-10-13 | 广东省交通运输规划研究中心 | 基于撞线的视频车速检测方法、装置、设备以及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101604448A (zh) * | 2009-03-16 | 2009-12-16 | 北京中星微电子有限公司 | 一种运动目标的测速方法和*** |
JP2010170449A (ja) * | 2009-01-26 | 2010-08-05 | Calsonic Kansei Corp | 車両用距離画像データ生成装置及び方法 |
FR2992917A1 (fr) * | 2012-07-05 | 2014-01-10 | Bouchaib Hoummady | Procede et dispositif pour l'audit et le controle dynamique de comportement de conducteur de vehicule de trafic terrestre |
CN104392612A (zh) * | 2014-11-20 | 2015-03-04 | 东南大学 | 一种基于新型探测车的城市交通状态监控方法 |
CN104575003A (zh) * | 2013-10-23 | 2015-04-29 | 北京交通大学 | 一种基于道路监控视频的车辆速度检测方法 |
CN105654067A (zh) * | 2016-02-02 | 2016-06-08 | 北京格灵深瞳信息技术有限公司 | 一种车辆检测方法及装置 |
CN106097726A (zh) * | 2016-08-23 | 2016-11-09 | 苏州科达科技股份有限公司 | 检测区域的确定、交通信息检测方法及装置 |
CN106781536A (zh) * | 2016-11-21 | 2017-05-31 | 四川大学 | 一种基于视频检测的车辆测速方法 |
-
2018
- 2018-12-29 CN CN201811645011.XA patent/CN109686088B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010170449A (ja) * | 2009-01-26 | 2010-08-05 | Calsonic Kansei Corp | 車両用距離画像データ生成装置及び方法 |
CN101604448A (zh) * | 2009-03-16 | 2009-12-16 | 北京中星微电子有限公司 | 一种运动目标的测速方法和*** |
FR2992917A1 (fr) * | 2012-07-05 | 2014-01-10 | Bouchaib Hoummady | Procede et dispositif pour l'audit et le controle dynamique de comportement de conducteur de vehicule de trafic terrestre |
CN104575003A (zh) * | 2013-10-23 | 2015-04-29 | 北京交通大学 | 一种基于道路监控视频的车辆速度检测方法 |
CN104392612A (zh) * | 2014-11-20 | 2015-03-04 | 东南大学 | 一种基于新型探测车的城市交通状态监控方法 |
CN105654067A (zh) * | 2016-02-02 | 2016-06-08 | 北京格灵深瞳信息技术有限公司 | 一种车辆检测方法及装置 |
CN106097726A (zh) * | 2016-08-23 | 2016-11-09 | 苏州科达科技股份有限公司 | 检测区域的确定、交通信息检测方法及装置 |
CN106781536A (zh) * | 2016-11-21 | 2017-05-31 | 四川大学 | 一种基于视频检测的车辆测速方法 |
Non-Patent Citations (3)
Title |
---|
Y. M. P. C. Y. BANDARA: "Frame feature tracking for speed estimation", 《 2014 14TH INTERNATIONAL CONFERENCE ON ADVANCES IN ICT FOR EMERGING REGIONS (ICTER)》 * |
李瑞: "基于视频的车辆检测与跟踪算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
胡云鹭: "基于视频的车流量及车速检测***研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111832376A (zh) * | 2019-07-18 | 2020-10-27 | 北京骑胜科技有限公司 | 一种车辆逆行检测方法、装置、电子设备及存储介质 |
CN111857116A (zh) * | 2019-07-26 | 2020-10-30 | 北京骑胜科技有限公司 | 一种车辆逆行控制方法、装置、电子设备及存储介质 |
CN111091041A (zh) * | 2019-10-22 | 2020-05-01 | 上海眼控科技股份有限公司 | 一种车辆违法判别方法、装置、计算机设备和存储介质 |
CN111127877A (zh) * | 2019-11-19 | 2020-05-08 | 华为技术有限公司 | 一种路况信息的监测方法及装置 |
CN111009012A (zh) * | 2019-11-29 | 2020-04-14 | 四川沃洛佳科技有限公司 | 一种基于计算机视觉的无人机测速方法、存储介质及终端 |
CN111009012B (zh) * | 2019-11-29 | 2023-07-28 | 四川沃洛佳科技有限公司 | 一种基于计算机视觉的无人机测速方法、存储介质及终端 |
CN111046788A (zh) * | 2019-12-10 | 2020-04-21 | 北京文安智能技术股份有限公司 | 一种停留人员的检测方法、装置及*** |
CN111009136A (zh) * | 2019-12-11 | 2020-04-14 | 公安部交通管理科学研究所 | 一种高速公路行驶速度异常车辆检测方法、装置及*** |
CN111383268A (zh) * | 2020-03-10 | 2020-07-07 | 上海眼控科技股份有限公司 | 车辆间距状态获取方法、装置、计算机设备和存储介质 |
CN112150826A (zh) * | 2020-07-29 | 2020-12-29 | 广州汽车集团股份有限公司 | 车速确定方法、装置及计算机可读存储介质 |
WO2022078353A1 (zh) * | 2020-10-14 | 2022-04-21 | 深圳壹账通智能科技有限公司 | 车辆行使状态判断方法、装置、计算机设备及存储介质 |
CN112364796A (zh) * | 2020-11-18 | 2021-02-12 | 合肥湛达智能科技有限公司 | 一种基于深度学习的目标速度检测方法及*** |
CN112364796B (zh) * | 2020-11-18 | 2023-08-01 | 合肥湛达智能科技有限公司 | 一种基于深度学习的目标速度检测方法及*** |
CN112634628A (zh) * | 2020-12-08 | 2021-04-09 | 鹏城实验室 | 一种车辆速度确定方法、终端及存储介质 |
CN112634628B (zh) * | 2020-12-08 | 2021-10-22 | 鹏城实验室 | 一种车辆速度确定方法、终端及存储介质 |
CN112818753A (zh) * | 2021-01-11 | 2021-05-18 | 精英数智科技股份有限公司 | 采坑坠物检测方法、装置及*** |
CN112818753B (zh) * | 2021-01-11 | 2024-06-28 | 精英数智科技股份有限公司 | 采坑坠物检测方法、装置及*** |
CN112885146A (zh) * | 2021-01-26 | 2021-06-01 | 西安闻泰电子科技有限公司 | 车辆预警方法、装置、计算机设备和存储介质 |
CN113470374A (zh) * | 2021-06-30 | 2021-10-01 | 平安科技(深圳)有限公司 | 车辆超速监测方法、装置、计算机设备及存储介质 |
CN113850995A (zh) * | 2021-09-14 | 2021-12-28 | 华设设计集团股份有限公司 | 一种基于隧道雷视数据融合的事件检测方法、装置及*** |
CN115410370A (zh) * | 2022-08-31 | 2022-11-29 | 南京慧尔视智能科技有限公司 | 一种异常停车检测方法、装置、电子设备及存储介质 |
CN116884235A (zh) * | 2023-08-09 | 2023-10-13 | 广东省交通运输规划研究中心 | 基于撞线的视频车速检测方法、装置、设备以及存储介质 |
CN116884235B (zh) * | 2023-08-09 | 2024-01-30 | 广东省交通运输规划研究中心 | 基于撞线的视频车速检测方法、装置、设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109686088B (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109686088A (zh) | 一种交通视频告警方法、设备及*** | |
US11380105B2 (en) | Identification and classification of traffic conflicts | |
US8213685B2 (en) | Video speed detection system | |
US11734783B2 (en) | System and method for detecting on-street parking violations | |
CN107885795B (zh) | 一种卡口数据的数据校验方法、***和装置 | |
Liu et al. | Vision-based real-time lane marking detection and tracking | |
CN106327880B (zh) | 一种基于监控视频的车速识别方法及其*** | |
CN109658688A (zh) | 基于深度学习的路***通流的检测方法及装置 | |
JP7444613B2 (ja) | 道路管理システム、道路管理方法、及びプログラム | |
CN112766038B (zh) | 一种根据图像识别的车辆跟踪方法 | |
CN111325048A (zh) | 一种人员聚集检测方法和装置 | |
CN112883936A (zh) | 一种对车辆违规行为的检测方法及其*** | |
CN109615869A (zh) | 分布式车载实时智能违章抓拍上报*** | |
Kumar et al. | Study on road traffic congestion: A review | |
TWI591594B (zh) | Method and system for detecting the location and status of traffic signs | |
CN108734959A (zh) | 一种嵌入式视觉车流分析方法及*** | |
US9607509B2 (en) | Identification of vehicle parking using data from vehicle sensor network | |
Ranjan et al. | City scale monitoring of on-street parking violations with streethawk | |
Dinh et al. | Real-time queue-end detection on freeways with floating car data: Practice-ready algorithm | |
Bhandari et al. | Fullstop: A camera-assisted system for characterizing unsafe bus stopping | |
Das et al. | Why slammed the brakes on? auto-annotating driving behaviors from adaptive causal modeling | |
Nam et al. | Traffic density estimation using radar sensor data from probe vehicles | |
CN104408942A (zh) | 车辆智能测速装置与方法 | |
CN113703015B (zh) | 数据处理方法、装置、设备及介质 | |
CN107909813A (zh) | 一种道路车辆车速及车间时距检测***及方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 401120 floor 11, building 12, No. 106, west section of Jinkai Avenue, Yubei District, Chongqing Applicant after: Chongqing tongtochi Information Technology Co., Ltd Address before: 401120 floor 11, building 12, No. 106, west section of Jinkai Avenue, Yubei District, Chongqing Applicant before: CHONGQING TONGJI TONLEA INFORMATION TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |