CN110223505A - 一种行人闯红灯行为的确定方法及装置 - Google Patents
一种行人闯红灯行为的确定方法及装置 Download PDFInfo
- Publication number
- CN110223505A CN110223505A CN201810175816.6A CN201810175816A CN110223505A CN 110223505 A CN110223505 A CN 110223505A CN 201810175816 A CN201810175816 A CN 201810175816A CN 110223505 A CN110223505 A CN 110223505A
- Authority
- CN
- China
- Prior art keywords
- video frame
- pedestrian
- predeterminated position
- human face
- crossing
- 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
- G08G1/005—Traffic control systems for road vehicles including pedestrian guidance indicator
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种行人闯红灯行为的确定方法及装置,方法包括:获取人行横道处于红灯时间的视频帧,通过所获取的视频帧检测人行横道的第一预设位置是否存在行人;若存在,通过持续获取的人行横道处于红灯时间的视频帧,检测所述行人是否通过第二预设位置;若通过,确定所述行人存在闯红灯行为。应用本发明实施例提供的方案可以对行人闯红灯过程的取证。
Description
技术领域
本发明涉及智能交通技术领域,特别是涉及一种行人闯红灯行为的确定方法及装置。
背景技术
目前,在交通路口过马路时,行人闯红灯穿过人行横道是经常出现的交通违法行为,非常容易造成交通事故,并且使得机动车无法按照交通信号正常行驶,导致路口通行效率低下,严重影响交通管理秩序。因此,在人行横道处于红灯时间时,需要对行人闯红灯过程进行取证以确定行人存在闯红灯行为,以便于交通部门核实后对闯红灯行人批评教育,有效制止闯红灯行为。
发明内容
本发明实施例的目的在于提供一种行人闯红灯行为的确定方法、装置、电子设备及计算机可读存储介质,以实现对行人闯红灯过程的取证。具体技术方案如下:
第一方面,本发明实施例公开了一种行人闯红灯行为的确定方法,所述方法包括:
获取人行横道处于红灯时间的视频帧,通过所获取的视频帧检测人行横道的第一预设位置是否存在行人;
若存在,通过持续获取的人行横道处于红灯时间的视频帧,检测所述行人是否通过第二预设位置,其中,所述第二预设位置与视频帧采集设备之间的距离小于所述第一预设位置与所述视频帧采集设备之间的距离;
若通过,确定所述行人存在闯红灯行为。
可选的,在通过所获取的视频帧检测到人行横道的第一预设位置存在行人的情况下,还包括:
通过持续获取的人行横道处于红灯时间的视频帧,检测所述行人是否通过第三预设位置,其中,所述第三预设位置与视频帧采集设备之间的距离小于所述第一预设位置与所述视频帧采集设备之间的距离、且大于所述第二预设位置与所述视频帧采集设备之间的距离;
若通过,再执行所述通过持续获取的人行横道处于红灯时间的视频帧,检测所述行人是否通过第二预设位置的步骤。
可选的,在确定所述行人存在闯红灯行为之后,还包括:
检测每一第一类视频帧中所述行人的人脸区域,并对检测到的各个人脸区域进行区域评估,获得各个人脸区域的人脸辨识度,其中,所述第一类视频帧为:在采集第一视频帧与第二视频帧之间采集的视频帧,所述第一视频帧为:所述行人处于所述第三预设位置的视频帧,所述第二视频帧为:所述行人处于所述第二预设位置的视频帧;
从人脸辨识度最高的人脸区域所在的第一类视频帧中,确定所述行人的人脸图像。
可选的,在检测到所述行人通过第三预设位置之后,还包括:
从每一第一类视频帧中抠取包含所述行人的头肩区域的头肩图像;
所述检测每一第一类视频帧中所述行人的人脸区域的步骤,包括:
检测所抠取的头肩图像中所述行人的人脸区域;
所述从人脸辨识度最高的人脸区域所在的第一类视频帧中,确定所述行人的人脸图像的步骤,包括:
将人脸辨识度最高的人脸区域所在的头肩图像,确定为所述行人的人脸图像。
可选的,所述方法还包括:
输出第三视频帧、所述第一视频帧、所述第二视频帧以及所述人脸图像,作为所述行人闯红灯的图片,其中,所述第三视频帧为:所述行人处于所述第一预设位置的视频帧。
可选的,所述方法还包括:
在通过所获取的视频帧检测到人行横道的第一预设位置存在行人的情况下,输出针对行人闯红灯的报警信号。
第二方面,本发明实施例还公开了一种行人闯红灯行为的确定装置,所述装置包括:
第一检测模块,用于获取人行横道处于红灯时间的视频帧,通过所获取的视频帧检测人行横道的第一预设位置是否存在行人;
第二检测模块,用于在通过所获取的视频帧检测到人行横道的第一预设位置存在行人的情况下,通过持续获取的人行横道处于红灯时间的视频帧,检测所述行人是否通过第二预设位置,其中,所述第二预设位置与视频帧采集设备之间的距离小于所述第一预设位置与所述视频帧采集设备之间的距离;
第一确定模块,用于在检测到所述行人通过第二预设位置的情况下,确定所述行人存在闯红灯行为。
可选的,所述装置还包括:
第三检测模块,用于在通过所获取的视频帧检测到人行横道的第一预设位置存在行人的情况下,通过持续获取的人行横道处于红灯时间的视频帧,检测所述行人是否通过第三预设位置,其中,所述第三预设位置与视频帧采集设备之间的距离小于所述第一预设位置与所述视频帧采集设备之间的距离、且大于所述第二预设位置与所述视频帧采集设备之间的距离;若通过,触发所述第二检测模块。
可选的,所述装置还包括:
评估模块,用于在确定所述行人存在闯红灯行为之后,检测每一第一类视频帧中所述行人的人脸区域,并对检测到的各个人脸区域进行区域评估,获得各个人脸区域的人脸辨识度,其中,所述第一类视频帧为:在采集第一视频帧与第二视频帧之间采集的视频帧,所述第一视频帧为:所述行人处于所述第三预设位置的视频帧,所述第二视频帧为:所述行人处于所述第二预设位置的视频帧;
第二确定模块,用于从人脸辨识度最高的人脸区域所在的第一类视频帧中,确定所述行人的人脸图像。
可选的,所述装置还包括:
抠取模块,用于在检测到所述行人通过第三预设位置之后,从每一第一类视频帧中抠取包含所述行人的头肩区域的头肩图像;
所述评估模块检测每一第一类视频帧中所述行人的人脸区域,具体为:
检测所抠取的头肩图像中所述行人的人脸区域;
所述第二确定模块,具体用于:
将人脸辨识度最高的人脸区域所在的头肩图像,确定为所述行人的人脸图像。
可选的,所述装置还包括:
第一输出模块,用于输出第三视频帧、所述第一视频帧、所述第二视频帧以及所述人脸图像,作为所述行人闯红灯的图片,其中,所述第三视频帧为:所述行人处于所述第一预设位置的视频帧。
可选的,所述装置还包括:
第二输出模块,用于在通过所获取的视频帧检测到人行横道的第一预设位置存在行人的情况下,输出针对行人闯红灯的报警信号。
第三方面,本发明实施例还公开了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一所述的行人闯红灯行为的确定方法的方法步骤。
第四方面,本发明实施例还公开了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一所述的行人闯红灯行为的确定方法的方法步骤。
应用本发明实施例提供的方案确定行人是否存在闯红灯行为时,获取人行横道处于红灯时间的视频帧,在通过持续获取的视频帧检测到某行人通过人行横道的第一预设位置和第二预设位置,表明该行人存在闯红灯行为。可见,本发明实施例提供的方案,当确定行人在同一红灯时间内先后通过人行横道的第一预设位置和第二预设位置时,才确定该行人存在闯红灯行为,从而可以实现对行人闯红灯过程的取证。
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,下面将对实施例或现有技术描述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为本发明实施例提供的一种行人闯红灯行为的确定方法的流程示意图;
图2为本发明实施例提供的视频帧采集设备采集的一幅视频帧;
图3为本发明实施例提供的另一种行人闯红灯行为的确定方法的流程示意图;
图4为本发明实施例提供的再一种行人闯红灯行为的确定方法的流程示意图;
图5为本发明实施例提供的一种行人闯红灯行为的确定装置的结构示意图;
图6为本发明实施例提供的另一种行人闯红灯行为的确定装置的结构示意图;
图7为本发明实施例提供的再一种行人闯红灯行为的确定装置的结构示意图;
图8为本发明实施例提供的一种电子设备的结构示意图。
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在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为提高闯红灯行人的人脸图像的人脸辨识度,本发明实施例提供了一种行人闯红灯行为的确定方法、装置、电子设备及计算机可读存储介质。
下面首先对本发明实施例提供的一种行人闯红灯行为的确定方法进行介绍。
参见图1,图1为本发明实施例提供的一种行人闯红灯行为的确定方法的流程示意图,包括如下步骤:
S101,获取人行横道处于红灯时间的视频帧,通过所获取的视频帧检测人行横道的第一预设位置是否存在行人;若存在,执行S102。
可以在人行横道处设置视频帧采集设备,如监控摄像头,来采集包含人行横道的视频帧。视频帧采集设备可以架设在人行横道的交通灯杆上面,架设高度约3米,正向拍摄人行横道区域,以便得到较好的拍摄角度。可以理解的,为提高闯红灯行人的人脸图像的人脸辨识度,可以使用像素高的视频帧采集设备,如700万像素的视频帧采集设备。
具体的,视频帧采集设备可以持续采集包含人行横道的视频帧,也可以根据人行横道的红绿灯时间,只采集人行横道处于红灯时间的视频帧。对于持续采集包含人行横道的视频帧的情况,在采集到每一视频帧时,需要检测当前交通信号灯的状态,即判断当前是否处于红灯时间,如果是,则通过该视频帧检测人行横道的第一预设位置是否存在行人。对于只采集人行横道处于红灯时间的视频帧的情况,在采集到每一视频帧时,直接通过该视频帧检测人行横道的第一预设位置是否存在行人。
其中,人行横道的第一预设位置可以预先设定为人行横道中离视频帧采集设备较远的位置,例如人行横道远离视频帧采集设备一端的非机动车道和机动车道交界位置,如图2所示视频帧中标注1的位置。
S102,通过持续获取的人行横道处于红灯时间的视频帧,检测该行人是否通过第二预设位置,若通过,执行S103;
其中,第二预设位置与视频帧采集设备之间的距离小于第一预设位置与视频帧采集设备之间的距离。
第二预设位置可以设置在人行横道中离视频帧采集设备最近的位置,即人行横道靠近视频帧采集设备一端的起始位置,如图2所示视频帧中标注3的位置。则当在视频帧中检测到人行横道的第一预设位置存在行人,并且在持续获取的人行横道处于红灯时间的视频帧中,检测到该行人通过第二预设位置,表示该行人存在闯红灯行为。
需要说明的是,步骤S102通过持续获取的人行横道处于红灯时间的视频帧,检测该行人是否通过第二预设位置,具体的,可以针对每一帧均进行检测,也可以间隔预设数量视频帧进行检测,本发明实施例对此不做限定。
S103,确定该行人存在闯红灯行为。
可以理解的,该行人在同一红灯时间内先后通过人行横道的第一预设位置和第二预设位置,即可确定该行人存在闯红灯行为,且该行人分别处于第一预设位置和第二预设位置的两个视频帧,可以作为该行人闯红灯行为的图片,也就是该行人闯红灯的证据。
作为本发明的一个具体实施例,在步骤S101中通过所获取的视频帧检测到人行横道的第一预设位置存在行人的情况下,还可以输出针对行人闯红灯的报警信号。当检测到人行横道的第一预设位置存在行人时,表示有行人正要闯红灯,此时,输出针对行人闯红灯的报警信号,可以提醒行人不要闯红灯,报警信号可以为提醒行人不要闯红灯的语音报警信号。
综上所述,应用本发明实施例提供的方案确定行人是否存在闯红灯行为时,获取人行横道处于红灯时间的视频帧,在通过持续获取的视频帧检测到某行人通过人行横道的第一预设位置和第二预设位置,表明该行人存在闯红灯行为。可见,本发明实施例提供的方案,当确定行人在同一红灯时间内先后通过人行横道的第一预设位置和第二预设位置时,才确定该行人存在闯红灯行为,从而可以实现对行人闯红灯过程的取证。
作为本发明的一个具体实施例,如图3所示,在图1所示实施例的基础上,在步骤S101中通过所获取的视频帧检测到人行横道的第一预设位置存在行人的情况下,该方法还可以包括:
S104,通过持续获取的人行横道处于红灯时间的视频帧,检测该行人是否通过第三预设位置;若通过,再执行步骤S102通过持续获取的人行横道处于红灯时间的视频帧,检测该行人是否通过第二预设位置。
其中,第三预设位置与视频帧采集设备之间的距离小于第一预设位置与视频帧采集设备之间的距离、且大于第二预设位置与视频帧采集设备之间的距离。
第三预设位置可以设置为人行横道的中间位置,也可以设置为人行横道中间且稍靠近视频帧采集设备的位置,如图2所示视频帧中标注2的位置。
同样的,步骤S104通过持续获取的人行横道处于红灯时间的视频帧,检测该行人是否通过第三预设位置,具体的,可以针对每一帧均进行检测,也可以间隔预设数量视频帧进行检测,本发明实施例对此不做限定。
可以理解的,该行人在同一红灯时间内先后通过人行横道的第一预设位置、第三预设位置和第二预设位置,可以更加准确的确定该行人存在闯红灯行为,且该行人分别处于第一预设位置、第三预设位置和第二预设位置的三个视频帧,可以作为该行人闯红灯行为的图片,也就是该行人闯红灯过程的完整证据链。
可见,应用图3所示实施例提供的方案,可以实现行人闯红灯的完整过程的规范取证。
作为本发明的一个具体实施例,如图4所示,在图2所示实施例的基础上,本发明实施例提供的方案在步骤S103确定该行人存在闯红灯行为之后,还可以包括以下步骤:
S105,检测每一第一类视频帧中该行人的人脸区域,并对检测到的各个人脸区域进行区域评估,获得各个人脸区域的人脸辨识度;
其中,第一类视频帧为:在采集第一视频帧与第二视频帧之间采集的视频帧,第一视频帧为:该行人处于所述第三预设位置的视频帧,第二视频帧为:该行人处于第二预设位置的视频帧。
人脸辨识度用于表征辨识人脸的难易程度,可以理解的,人脸区域的像素值越大,人脸越容易被辨识,同时,人脸的朝向角度对辨识人脸的难易程度也有影响,正脸比侧脸更容易被辨识。因此,可以从人脸区域的像素值以及以及人脸朝向角度两个因素,对检测到的各个人脸区域进行区域评估,获得各个人脸区域的人脸辨识度。
可以理解的,人证比对设备根据人脸图像进行人证比对时,若要获得正确的比对结果,则需要人脸图像的像素值以及人脸朝向角度满足一定的要求,而人脸区域的人脸辨识度越高,表示人脸图像的像素值以及人脸朝向角度满足或者更接近人证比对设备对像素值以及人脸朝向角度的要求,从而可以提高人证比对的正确率。
具体的,可以为人脸区域的像素值和人脸朝向角度两个因素设置权重值,为不同的像素值设置对应的分值,如像素值大于等于a时分值为10,小于等于b时分值为5,大于b且小于a时分值为8,为不同的人脸朝向角度设置对应的分值,人脸为正脸即人脸朝向角度为0,则对应的分值为10,人脸为侧脸时,侧脸偏斜的角度越大,对应的分值越小。则对任一人脸区域进行区域评估时,确定该人脸区域像素值和人脸朝向角度,然后根据上述评估规则,计算得到该人脸区域对应的总分值,即为该人脸区域的人脸辨识度。
本领域技术人员可以理解的是,根据上述评估规则对人脸区域进行区域评估,得到人脸区域的人脸辨识度,是人脸评分的一种实现方式,当然也可以应用其它人脸评分的方式,从多个人脸区域中选择最佳的人脸区域,本发明实施例对此不做限定。
S106,从人脸辨识度最高的人脸区域所在的第一类视频帧中,确定该行人的人脸图像。
在一种实现方式中,由于视频帧的数据量比较大,且第一类视频帧的数量较多,而直接从每一第一类视频帧中检测该行人的人脸区域的方式,对检测设备的性能要求比较高。因此,在步骤S104检测到该行人通过第三预设位置之后,该方法还可以包括:从每一第一类视频帧中抠取包含该行人的头肩区域的头肩图像;
相应的,步骤S105中检测每一第一类视频帧中该行人的人脸区域,可以为:检测所抠取的头肩图像中该行人的人脸区域;
相应的,步骤S106从人脸辨识度最高的人脸区域所在的第一类视频帧中,确定该行人的人脸图像的步骤,可以为:将人脸辨识度最高的人脸区域所在的头肩图像,确定为该行人的人脸图像。
当然,在另一种实现方式中,也可以在确定该行人存在闯红灯行为之后,直接检测第一类视频帧中该行人的人脸区域,而不必提前进行人头肩区域抠图,对于这种方式的具体实现方法,本发明实施例不做限制。
可以理解的,由于第一类视频帧中该行人相对于视频帧采集设备的距离较近,人脸区域较大,即第一类视频帧中该行人的人脸比较清晰,因此,对第一类视频帧中的该行人的人脸区域进行区域评估,可以提高人脸图像的人脸辨识度,获得最佳人脸图像。
可以理解的,在确定各个人脸区域的人脸辨识度后,可以得到人脸辨识度最高的人脸区域,该人脸区域所在的第一类视频帧是所采集的视频帧中该行人的人脸辨识度最高的一帧,因此,从该第一类视频帧中所确定的该行人的人脸图像,也就是所采集到的视频帧中该行人的人脸辨识度最高的人脸图像,从而提高了闯红灯行人的人脸图像的辨识度。
在一种实现方式中,还可以输出第三视频帧、第一视频帧、第二视频帧以及人脸图像,作为该行人闯红灯的图片。例如,将这四张图像上传给后台的交通管理控制平台,根据人脸图像进行人证比对确定闯红灯行人的具体身份,第一视频帧、第三视频帧、第二视频帧作为该行人闯红灯的过程图片。这样,通过行人的人脸图像以及其闯红灯的过程图片,可以更好的警示闯红灯行人。
可见,应用图4所示实施例的方案,不仅可以实现行人闯红灯的完整过程的规范取证;同时,在确定行人存在闯红灯行为后,对各个第一类视频帧中包含该行人的视频帧进行人脸区域的检测和评估,得到各个人脸区域的人脸辨识度,再从人脸辨识度最高的人脸区域所在的第一类视频帧中确定该行人的人脸图像,从而使得所确定的人脸图像是所采集到的视频帧中人脸辨识度最高的,因此应用图4所示实施例的方案,还可以提高闯红灯行人的人脸图像的辨识度。
与上述的行人闯红灯行为的确定方法相对应,本发明实施例提供了一种行人闯红灯行为的确定装置。如图5所示,该装置可以包括:
第一检测模块501,用于获取人行横道处于红灯时间的视频帧,通过所获取的视频帧检测人行横道的第一预设位置是否存在行人;
第二检测模块502,用于在通过所获取的视频帧检测到人行横道的第一预设位置存在行人的情况下,通过持续获取的人行横道处于红灯时间的视频帧,检测所述行人是否通过第二预设位置,其中,所述第二预设位置与视频帧采集设备之间的距离小于所述第一预设位置与所述视频帧采集设备之间的距离;
第一确定模块503,用于在检测到所述行人通过第二预设位置的情况下,确定所述行人存在闯红灯行为。可见,本发明实施例提供的方案,当确定行人在同一红灯时间内先后通过人行横道的第一预设位置和第二预设位置时,才确定该行人存在闯红灯行为,从而可以实现对行人闯红灯过程的取证。
作为本发明的一个具体实施例,如图6所示,在图5所示实施例的基础上,所述装置还可以包括:
第三检测模块504,用于在通过所获取的视频帧检测到人行横道的第一预设位置存在行人的情况下,通过持续获取的人行横道处于红灯时间的视频帧,检测所述行人是否通过第三预设位置,其中,所述第三预设位置与视频帧采集设备之间的距离小于所述第一预设位置与所述视频帧采集设备之间的距离、且大于所述第二预设位置与所述视频帧采集设备之间的距离;若通过,触发所述第二检测模块502。
作为本发明的一个具体实施例,如图7所示,在图6所示实施例的基础上,所述装置还可以包括:
评估模块505,用于在确定所述行人存在闯红灯行为之后,检测每一第一类视频帧中所述行人的人脸区域,并对检测到的各个人脸区域进行区域评估,获得各个人脸区域的人脸辨识度,其中,所述第一类视频帧为:在采集第一视频帧与第二视频帧之间采集的视频帧,所述第一视频帧为:所述行人处于所述第三预设位置的视频帧,所述第二视频帧为:所述行人处于所述第二预设位置的视频帧;
第二确定模块506,用于从人脸辨识度最高的人脸区域所在的第一类视频帧中,确定所述行人的人脸图像。
作为本发明的一个具体实施例,所述装置还可以包括:
抠取模块,用于在检测到所述行人通过第三预设位置之后,从每一第一类视频帧中抠取包含所述行人的头肩区域的头肩图像;
相应的,所述评估模块505检测每一第一类视频帧中所述行人的人脸区域,具体可以为:
检测所抠取的头肩图像中所述行人的人脸区域;
所述第二确定模块506,具体可以用于:
将人脸辨识度最高的人脸区域所在的头肩图像,确定为所述行人的人脸图像。
作为本发明的一个具体实施例,所述装置还可以包括:
第一输出模块,用于输出第三视频帧、所述第一视频帧、所述第二视频帧以及所述人脸图像,作为所述行人闯红灯的图片,其中,所述第三视频帧为:所述行人处于所述第一预设位置的视频帧。
作为本发明的一个具体实施例,所述装置还可以包括:
第二输出模块,用于在通过所获取的视频帧检测到人行横道的第一预设位置存在行人的情况下,输出针对行人闯红灯的报警信号。
本发明实施例还提供了一种电子设备,如图8所示,包括处理器801、通信接口802、存储器803和通信总线804,其中,处理器801,通信接口802,存储器803通过通信总线804完成相互间的通信,
存储器803,用于存放计算机程序;
处理器801,用于执行存储器803上所存放的程序时,实现如下步骤:
获取人行横道处于红灯时间的视频帧,通过所获取的视频帧检测人行横道的第一预设位置是否存在行人;
若存在,通过持续获取的人行横道处于红灯时间的视频帧,检测所述行人是否通过第二预设位置,其中,所述第二预设位置与视频帧采集设备之间的距离小于所述第一预设位置与所述视频帧采集设备之间的距离;
若通过,确定所述行人存在闯红灯行为。
关于该方法各个步骤的具体实现以及相关解释内容可以参见上述图1所示的方法实施例,在此不做赘述。
另外,处理器801执行存储器803上所存放的程序而实现的人脸图像确定方法的其他实现方式,与前述方法实施例部分所提及的实现方式相同,这里也不再赘述。
本发明实施例提供的电子设备,当确定行人在同一红灯时间内通过人行横道的第一预设位置和第二预设位置时,才确定该行人存在闯红灯行为,从而可以实现对行人闯红灯过程的取证。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的人脸图像确定方法。
通过运行本发明实施例提供的计算机程序产品,当确定行人在同一红灯时间内先后通过人行横道的第一预设位置和第二预设位置时,才确定该行人存在闯红灯行为,从而可以实现对行人闯红灯过程的取证。
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。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备以及计算机可读存储介质实施例而言,由于其基本相似于方法实施例,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。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (14)
1.一种行人闯红灯行为的确定方法,其特征在于,所述方法包括:
获取人行横道处于红灯时间的视频帧,通过所获取的视频帧检测人行横道的第一预设位置是否存在行人;
若存在,通过持续获取的人行横道处于红灯时间的视频帧,检测所述行人是否通过第二预设位置,其中,所述第二预设位置与视频帧采集设备之间的距离小于所述第一预设位置与所述视频帧采集设备之间的距离;
若通过,确定所述行人存在闯红灯行为。
2.根据权利要求1所述的方法,其特征在于,在通过所获取的视频帧检测到人行横道的第一预设位置存在行人的情况下,还包括:
通过持续获取的人行横道处于红灯时间的视频帧,检测所述行人是否通过第三预设位置,其中,所述第三预设位置与视频帧采集设备之间的距离小于所述第一预设位置与所述视频帧采集设备之间的距离、且大于所述第二预设位置与所述视频帧采集设备之间的距离;
若通过,再执行所述通过持续获取的人行横道处于红灯时间的视频帧,检测所述行人是否通过第二预设位置的步骤。
3.根据权利要求2所述的方法,其特征在于,在确定所述行人存在闯红灯行为之后,还包括:
检测每一第一类视频帧中所述行人的人脸区域,并对检测到的各个人脸区域进行区域评估,获得各个人脸区域的人脸辨识度,其中,所述第一类视频帧为:在采集第一视频帧与第二视频帧之间采集的视频帧,所述第一视频帧为:所述行人处于所述第三预设位置的视频帧,所述第二视频帧为:所述行人处于所述第二预设位置的视频帧;
从人脸辨识度最高的人脸区域所在的第一类视频帧中,确定所述行人的人脸图像。
4.根据权利要求3所述的方法,其特征在于,在检测到所述行人通过第三预设位置之后,还包括:
从每一第一类视频帧中抠取包含所述行人的头肩区域的头肩图像;
所述检测每一第一类视频帧中所述行人的人脸区域的步骤,包括:
检测所抠取的头肩图像中所述行人的人脸区域;
所述从人脸辨识度最高的人脸区域所在的第一类视频帧中,确定所述行人的人脸图像的步骤,包括:
将人脸辨识度最高的人脸区域所在的头肩图像,确定为所述行人的人脸图像。
5.根据权利要求3所述的方法,其特征在于,所述方法还包括:
输出第三视频帧、所述第一视频帧、所述第二视频帧以及所述人脸图像,作为所述行人闯红灯的图片,其中,所述第三视频帧为:所述行人处于所述第一预设位置的视频帧。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述方法还包括:
在通过所获取的视频帧检测到人行横道的第一预设位置存在行人的情况下,输出针对行人闯红灯的报警信号。
7.一种行人闯红灯行为的确定装置,其特征在于,所述装置包括:
第一检测模块,用于获取人行横道处于红灯时间的视频帧,通过所获取的视频帧检测人行横道的第一预设位置是否存在行人;
第二检测模块,用于在通过所获取的视频帧检测到人行横道的第一预设位置存在行人的情况下,通过持续获取的人行横道处于红灯时间的视频帧,检测所述行人是否通过第二预设位置,其中,所述第二预设位置与视频帧采集设备之间的距离小于所述第一预设位置与所述视频帧采集设备之间的距离;
第一确定模块,用于在检测到所述行人通过第二预设位置的情况下,确定所述行人存在闯红灯行为。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
第三检测模块,用于在通过所获取的视频帧检测到人行横道的第一预设位置存在行人的情况下,通过持续获取的人行横道处于红灯时间的视频帧,检测所述行人是否通过第三预设位置,其中,所述第三预设位置与视频帧采集设备之间的距离小于所述第一预设位置与所述视频帧采集设备之间的距离、且大于所述第二预设位置与所述视频帧采集设备之间的距离;若通过,触发所述第二检测模块。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括:
评估模块,用于在确定所述行人存在闯红灯行为之后,检测每一第一类视频帧中所述行人的人脸区域,并对检测到的各个人脸区域进行区域评估,获得各个人脸区域的人脸辨识度,其中,所述第一类视频帧为:在采集第一视频帧与第二视频帧之间采集的视频帧,所述第一视频帧为:所述行人处于所述第三预设位置的视频帧,所述第二视频帧为:所述行人处于所述第二预设位置的视频帧;
第二确定模块,用于从人脸辨识度最高的人脸区域所在的第一类视频帧中,确定所述行人的人脸图像。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
抠取模块,用于在检测到所述行人通过第三预设位置之后,从每一第一类视频帧中抠取包含所述行人的头肩区域的头肩图像;
所述评估模块检测每一第一类视频帧中所述行人的人脸区域,具体为:
检测所抠取的头肩图像中所述行人的人脸区域;
所述第二确定模块,具体用于:
将人脸辨识度最高的人脸区域所在的头肩图像,确定为所述行人的人脸图像。
11.根据权利要求9所述的装置,其特征在于,所述装置还包括:
第一输出模块,用于输出第三视频帧、所述第一视频帧、所述第二视频帧以及所述人脸图像,作为所述行人闯红灯的图片,其中,所述第三视频帧为:所述行人处于所述第一预设位置的视频帧。
12.根据权利要求7-11任一项所述的装置,其特征在于,所述装置还包括:
第二输出模块,用于在通过所获取的视频帧检测到人行横道的第一预设位置存在行人的情况下,输出针对行人闯红灯的报警信号。
13.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-6任一所述的方法步骤。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810175816.6A CN110223505A (zh) | 2018-03-02 | 2018-03-02 | 一种行人闯红灯行为的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810175816.6A CN110223505A (zh) | 2018-03-02 | 2018-03-02 | 一种行人闯红灯行为的确定方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110223505A true CN110223505A (zh) | 2019-09-10 |
Family
ID=67821988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810175816.6A Pending CN110223505A (zh) | 2018-03-02 | 2018-03-02 | 一种行人闯红灯行为的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110223505A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047864A (zh) * | 2019-12-17 | 2020-04-21 | 浙江大华技术股份有限公司 | 闯红灯的警告方法、警告设备及计算机存储介质 |
CN111311901A (zh) * | 2020-02-19 | 2020-06-19 | 深圳市博远科技创新发展有限公司 | 一种交通斑马线应用的多功能警示*** |
CN111582239A (zh) * | 2020-05-28 | 2020-08-25 | 中国联合网络通信集团有限公司 | 一种违章监控方法和装置 |
CN114093172A (zh) * | 2021-11-03 | 2022-02-25 | 中科智城(广州)信息科技有限公司 | 一种基于图像识别的行人通行方法、终端和存储介质 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201307337Y (zh) * | 2008-11-04 | 2009-09-09 | 上海经达实业发展有限公司 | 行人闯红灯自动报警监控装置 |
CN102387303A (zh) * | 2010-09-02 | 2012-03-21 | 奥林巴斯株式会社 | 图像处理装置、图像处理方法以及摄像装置 |
US20120134532A1 (en) * | 2010-06-08 | 2012-05-31 | Gorilla Technology Inc. | Abnormal behavior detection system and method using automatic classification of multiple features |
CN104332052A (zh) * | 2014-11-11 | 2015-02-04 | 杭州新迪数字工程***有限公司 | 一种行人闯红灯自动抓拍***与识别方法 |
CN104361327A (zh) * | 2014-11-20 | 2015-02-18 | 苏州科达科技股份有限公司 | 一种行人检测方法和*** |
CN104657817A (zh) * | 2015-01-28 | 2015-05-27 | 四川君逸易视科技有限公司 | 一种银行柜台人脸抓拍、对比识别、检索及查询方法 |
CN105046245A (zh) * | 2015-08-28 | 2015-11-11 | 深圳英飞拓科技股份有限公司 | 视频人脸检测评价方法 |
CN205068764U (zh) * | 2015-08-06 | 2016-03-02 | 杭州智诚惠通科技有限公司 | 一种基于行人闯红灯监控的人脸识别*** |
CN105788246A (zh) * | 2014-12-17 | 2016-07-20 | 上海宝康电子控制工程有限公司 | 基于智能人行过街信号灯实现违法监测和自动提醒的*** |
CN105930822A (zh) * | 2016-05-11 | 2016-09-07 | 北京格灵深瞳信息技术有限公司 | 一种人脸抓拍方法及*** |
RU2603455C1 (ru) * | 2015-10-15 | 2016-11-27 | Акционерное общество "ЭЛВИС-НеоТек" | Система и способ определения нарушений правил дорожного движения на нерегулируемом пешеходном переходе |
CN205827655U (zh) * | 2016-06-16 | 2016-12-21 | 南阳格瑞光电科技股份有限公司 | 一种行人闯红灯抓拍*** |
CN106295585A (zh) * | 2016-08-16 | 2017-01-04 | 深圳云天励飞技术有限公司 | 一种兼顾实时性及人脸质量的过滤选择方法及*** |
CN106340179A (zh) * | 2016-09-30 | 2017-01-18 | 南京蓝泰交通设施有限责任公司 | 一种具有闯红灯取证功能的人行横道信号灯***及方法 |
CN106846792A (zh) * | 2017-04-05 | 2017-06-13 | 滁州学院 | 城市交通违章智能预警***及其方法 |
KR20180006562A (ko) * | 2016-07-08 | 2018-01-18 | 원유석 | 보행자와 운전자의 주의환기 시스템 및 그 운용방법 |
CN107710298A (zh) * | 2015-09-03 | 2018-02-16 | 欧姆龙株式会社 | 违章者检测装置及具备其的违章者检测*** |
CN107742422A (zh) * | 2017-10-11 | 2018-02-27 | 公安部第三研究所 | 道路车辆违章监测***及其方法 |
-
2018
- 2018-03-02 CN CN201810175816.6A patent/CN110223505A/zh active Pending
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201307337Y (zh) * | 2008-11-04 | 2009-09-09 | 上海经达实业发展有限公司 | 行人闯红灯自动报警监控装置 |
US20120134532A1 (en) * | 2010-06-08 | 2012-05-31 | Gorilla Technology Inc. | Abnormal behavior detection system and method using automatic classification of multiple features |
CN102387303A (zh) * | 2010-09-02 | 2012-03-21 | 奥林巴斯株式会社 | 图像处理装置、图像处理方法以及摄像装置 |
CN104332052A (zh) * | 2014-11-11 | 2015-02-04 | 杭州新迪数字工程***有限公司 | 一种行人闯红灯自动抓拍***与识别方法 |
CN104361327A (zh) * | 2014-11-20 | 2015-02-18 | 苏州科达科技股份有限公司 | 一种行人检测方法和*** |
CN105788246A (zh) * | 2014-12-17 | 2016-07-20 | 上海宝康电子控制工程有限公司 | 基于智能人行过街信号灯实现违法监测和自动提醒的*** |
CN104657817A (zh) * | 2015-01-28 | 2015-05-27 | 四川君逸易视科技有限公司 | 一种银行柜台人脸抓拍、对比识别、检索及查询方法 |
CN205068764U (zh) * | 2015-08-06 | 2016-03-02 | 杭州智诚惠通科技有限公司 | 一种基于行人闯红灯监控的人脸识别*** |
CN105046245A (zh) * | 2015-08-28 | 2015-11-11 | 深圳英飞拓科技股份有限公司 | 视频人脸检测评价方法 |
CN107710298A (zh) * | 2015-09-03 | 2018-02-16 | 欧姆龙株式会社 | 违章者检测装置及具备其的违章者检测*** |
RU2603455C1 (ru) * | 2015-10-15 | 2016-11-27 | Акционерное общество "ЭЛВИС-НеоТек" | Система и способ определения нарушений правил дорожного движения на нерегулируемом пешеходном переходе |
CN105930822A (zh) * | 2016-05-11 | 2016-09-07 | 北京格灵深瞳信息技术有限公司 | 一种人脸抓拍方法及*** |
CN205827655U (zh) * | 2016-06-16 | 2016-12-21 | 南阳格瑞光电科技股份有限公司 | 一种行人闯红灯抓拍*** |
KR20180006562A (ko) * | 2016-07-08 | 2018-01-18 | 원유석 | 보행자와 운전자의 주의환기 시스템 및 그 운용방법 |
CN106295585A (zh) * | 2016-08-16 | 2017-01-04 | 深圳云天励飞技术有限公司 | 一种兼顾实时性及人脸质量的过滤选择方法及*** |
CN106340179A (zh) * | 2016-09-30 | 2017-01-18 | 南京蓝泰交通设施有限责任公司 | 一种具有闯红灯取证功能的人行横道信号灯***及方法 |
CN106846792A (zh) * | 2017-04-05 | 2017-06-13 | 滁州学院 | 城市交通违章智能预警***及其方法 |
CN107742422A (zh) * | 2017-10-11 | 2018-02-27 | 公安部第三研究所 | 道路车辆违章监测***及其方法 |
Non-Patent Citations (1)
Title |
---|
雷蕴奇,柳秀霞,宋晓冰,袁美玲,欧阳江帆: "视频中运动人脸的检测与特征定位方法", 《华南理工大学学报(自然科学版)》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047864A (zh) * | 2019-12-17 | 2020-04-21 | 浙江大华技术股份有限公司 | 闯红灯的警告方法、警告设备及计算机存储介质 |
CN111311901A (zh) * | 2020-02-19 | 2020-06-19 | 深圳市博远科技创新发展有限公司 | 一种交通斑马线应用的多功能警示*** |
CN111311901B (zh) * | 2020-02-19 | 2020-12-11 | 深圳市博远科技创新发展有限公司 | 一种交通斑马线应用的多功能警示*** |
CN111582239A (zh) * | 2020-05-28 | 2020-08-25 | 中国联合网络通信集团有限公司 | 一种违章监控方法和装置 |
CN114093172A (zh) * | 2021-11-03 | 2022-02-25 | 中科智城(广州)信息科技有限公司 | 一种基于图像识别的行人通行方法、终端和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110223505A (zh) | 一种行人闯红灯行为的确定方法及装置 | |
US7630515B2 (en) | Method of and apparatus for setting image-capturing conditions, and computer program | |
CN109934075A (zh) | 异常事件检测方法、装置、***及电子设备 | |
CN110298300B (zh) | 一种检测车辆违章压线的方法 | |
WO2017067187A1 (zh) | 前车起步处理方法、装置和*** | |
EP2851841A2 (en) | System and method of alerting a driver that visual perception of pedestrian may be difficult | |
CN105608431A (zh) | 一种基于车辆数目与车流速度的高速公路拥堵检测方法 | |
CN110111565A (zh) | 一种基于实时视频流下的人车流量统计***与方法 | |
KR101834838B1 (ko) | 영상처리를 이용한 도로 교통 정보 제공 시스템 및 방법 | |
CN112052815B (zh) | 一种行为检测方法、装置及电子设备 | |
CN201307337Y (zh) | 行人闯红灯自动报警监控装置 | |
CN105374208B (zh) | 路况提醒和摄像头检测方法及其装置 | |
CN102682304A (zh) | 一种融合多特征的行人检测方法及装置 | |
CN109460787A (zh) | 入侵检测模型建立方法、装置及数据处理设备 | |
CN110929676A (zh) | 一种基于深度学习的违章掉头实时检测方法 | |
CN112562406B (zh) | 一种越线行驶的识别方法及装置 | |
CN109508576A (zh) | 一种异常驾驶行为检测方法、装置及电子设备 | |
CN107977596A (zh) | 一种车牌状态识别方法及装置 | |
CN112883948B (zh) | 一种语义分割与边缘检测模型建立及护栏异常监测方法 | |
CN103164958A (zh) | 车辆监控方法及*** | |
CN114495011A (zh) | 基于目标检测的非机动车和行人非法闯入识别方法、存储介质和计算机设备 | |
CN110189425A (zh) | 基于双目视觉的多车道自由流车辆检测方法及*** | |
CN110544312A (zh) | 虚拟场景中的视频显示方法、装置、电子设备与存储装置 | |
CN110969864A (zh) | 一种车速检测方法、车辆行驶事件检测方法及电子设备 | |
CN105912979B (zh) | 一种车辆占道的检测方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190910 |