CN110969864A - 一种车速检测方法、车辆行驶事件检测方法及电子设备 - Google Patents
一种车速检测方法、车辆行驶事件检测方法及电子设备 Download PDFInfo
- Publication number
- CN110969864A CN110969864A CN201811140480.6A CN201811140480A CN110969864A CN 110969864 A CN110969864 A CN 110969864A CN 201811140480 A CN201811140480 A CN 201811140480A CN 110969864 A CN110969864 A CN 110969864A
- Authority
- CN
- China
- Prior art keywords
- target
- vehicle
- information
- license plate
- target vehicle
- 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
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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
- G08G1/054—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed photographing overspeeding vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种车速检测方法、车辆行驶事件检测方法及电子设备。该车速检测方法包括：获得目标车辆的运行轨迹信息；其中，所述目标车辆为视频监控设备的监控画面中的任一车辆；基于所述运行轨迹信息，确定所述目标车辆经过所述监控画面中指定区域所利用的时长；基于所述时长和目标距离，计算所述目标车辆在场景中的车速；其中，所述目标距离为：与所述指定区域对应的场景区域在车辆行驶方向上所跨越的距离。通过本方案，可以在不依赖道路上的辅助硬件设施的前提下，有效地检测车辆的车速。
Description
技术领域
本申请涉及智能交通技术领域，特别是涉及一种车速检测方法、车辆行驶事件检测方法及电子设备。
背景技术
随着智能交通技术的不断发展，视频监控***的应用范围也越来越广。其中，通过分析道路上视频监控设备所采集的交通数据，来对城市道路的交通状态、交通事件(车辆缓行/超速、拥堵、事故等)等进行判别，是智能交通领域所研究的主要方向之一。而由于车辆的车速是分析道路状况的重要因素，因此，在智能交通领域中，车速检测是极为重要的基础性的检测过程。
现有技术中，在检测车速时，依赖视频监控设备和分布于道路上的辅助硬件设施。尽管现有技术能够完成车速检测，但是，由于需要结合辅助硬件设施，导致场景适用性极低。
因此，在不依赖道路上的辅助硬件设施的前提下，如何有效地检测车辆的车速，是一个亟待解决的问题。
发明内容
本申请实施例的目的在于提供一种车速检测方法及电子设备，以实现在不依赖道路上的辅助硬件设施的前提下，有效地检测车辆的车速的目的。同时，本申请实施例还提供了一种车辆行驶事件检测方法及电子设备，以实现在不依赖道路上的辅助硬件设施的前提下，有效地检测车辆行驶事件的目的。具体技术方案如下：
第一方面，本申请实施例提供了一种车速检测方法，包括：
获得目标车辆的运行轨迹信息；其中，所述目标车辆为视频监控设备的监控画面中的任一车辆；
基于所述运行轨迹信息，确定所述目标车辆经过所述监控画面中指定区域所利用的时长；
基于所述时长和目标距离，计算所述目标车辆在场景中的车速；其中，所述目标距离为：与所述指定区域对应的场景区域在车辆行驶方向上所跨越的距离。
可选地，所述基于所述运行轨迹信息，确定所述目标车辆经过所述监控画面中指定区域所利用的时长的步骤，包括：
基于所述运行轨迹信息，确定目标跟踪框的目标边界经过所述监控画面中指定区域所利用的时长；
其中，所述目标跟踪框为所述目标车辆所对应的跟踪框。
可选地，所述指定区域为：从第一参考线到第二参考线之间的区域，所述第一参考线和第二参考线为在所述监控画面中的车道上所标注的两条线。
可选地，所述基于所述运行轨迹信息，确定目标跟踪框的目标边界经过所述监控画面中指定区域所利用的时长的步骤，包括：
基于所述运行轨迹信息，确定目标跟踪框的目标边界经过所述第一参考线的第一时间点和经过所述第二参考线的第二时间点；
将所述第一时间点和所述第二时间点的时间差，作为目标跟踪框的目标边界经过所述监控画面中指定区域所利用的时长。
可选地，所述指定区域为：从包含第一参考点的第一直线到包含第二参考点的第二直线之间的区域，所述第一参考点和第二参考点为在所述监控画面中的车道上所标注的两个位置点，所述第一直线和第二直线分别与所述车道的车道线相交。
可选地，所述基于所述运行轨迹信息，确定目标跟踪框的目标边界经过所述监控画面中指定区域所利用的时长的步骤，包括：
基于所述运行轨迹信息，确定目标跟踪框的目标边界经过所述第一直线的第三时间点和经过所述第二直线的第四时间点；
将所述第三时间点和所述第四时间点的时间差，作为目标跟踪框的目标边界经过所述监控画面中指定区域所利用的时长。
可选地，所述获得目标车辆的运行轨迹信息的步骤，包括：
对所述视频监控设备的监控画面进行车辆检测；
对检测到的目标车辆进行位置跟踪，基于位置跟踪所得到的位置信息，生成所述目标车辆的运行轨迹信息。
可选地，所述基于所述运行轨迹信息，确定所述目标车辆经过所述监控画面中指定区域所利用的时长之前，所述方法还包括：
判断所述运行轨迹信息是否符合预设的轨迹错误条件；
所述基于所述运行轨迹信息，确定所述目标车辆经过所述监控画面中指定区域所利用的时长的步骤，包括：
当所述运行轨迹信息不符合预设的轨迹错误条件时，基于所述运行轨迹信息，确定所述目标车辆经过所述监控画面中指定区域所利用的时长。
可选地，所述判断所述运行轨迹信息是否符合预设的轨迹错误条件的步骤，包括：
判断所述运行轨迹信息中的目标跟踪框的位置信息中，是否存在所对应位置的距离大于预设距离阈值的相邻位置信息，如果否，判定所述运行轨迹信息不符合预设的轨迹错误条件；
或者，
判断所述运行轨迹信息中的目标跟踪框的位置信息中，是否存在所对应区域面积的差值大于预设面积阈值的相邻位置信息，如果否，判定所述运行轨迹信息不符合预设的轨迹错误条件。第二方面，本申请实施例提供了一种车辆行驶事件检测方法，包括：
获得目标车辆在场景中的车速；其中，所述目标车辆为视频监控设备的监控画面中的任一车辆；所述速度为基于本申请实施例所述的车速检测方法检测得到；
当所述车速符合目标行驶事件对应的速度条件时，确定所述目标车辆发生所述目标行驶事件。
可选地，所述目标行驶事件包括缓行事件；
所述目标行驶事件对应的速度条件包括：小于第一预定速度阈值。
可选地，所述目标行驶事件包括超速事件；
所述目标行驶事件对应的速度条件包括：大于第二预定速度阈值。
可选地，所述确定所述目标车辆发生所述目标行驶事件之后，所述方法还包括：
输出用于指示所述目标车辆发生所述目标行驶事件的报警信息。
可选地，所述输出用于指示所述目标车辆发生所述目标行驶事件的报警信息的步骤，包括：
对所述目标车辆进行抓拍，获取抓拍图像，所述抓拍图像中包括所述目标车辆的车牌区域；
输出包含所述抓拍图像的报警信息。
可选地，所述输出用于指示所述目标车辆发生所述目标行驶事件的报警信息的步骤，包括：
对所述目标车辆进行抓拍，获取抓拍图像，并对所述抓拍图像进行车牌识别，获得所述目标车辆的车牌信息；所述抓拍图像中包括所述目标车辆的车牌区域；
输出包含所述车牌信息的报警信息。
可选地，本申请实施例所提供的一种车辆行驶事件检测方法还包括：
当判断出监控画面的牌识区域内存在至少一个车辆时，对所述至少一个车辆进行车牌识别，得到至少一个车牌信息；
将所述至少一个车牌信息与所对应车辆的运行轨迹信息进行绑定保存；
所述获得所述目标车辆的车牌信息的步骤，包括：
获得与所述目标车辆的运行轨迹信息相绑定的车牌信息。
可选地，对所述至少一个车辆进行车牌识别，得到至少一个车牌信息的步骤，包括：
抓拍多帧图像；
针对每帧图像，对该帧图像中的处于牌识区域的至少一个车辆进行车牌识别，得到参考车牌信息；
针对处于牌识区域的每一车辆，将该车辆对应的参考车牌信息中的数量最多的参考车牌信息，确定为该车辆的车牌信息。
可选地，针对每帧图像，对该帧图像中的处于牌识区域的至少一个车辆进行车牌识别，得到参考车牌信息，包括：
针对每帧图像，对该帧图像中的处于牌识区域的至少一个车辆的跟踪框进行区域缩小处理，对调整后的各个跟踪框所包含的区域进行车牌识别，得到参考车牌信息。
可选地，对该帧图像中的处于牌识区域的至少一个车辆的跟踪框进行区域缩小处理，包括：
针对该帧图像中的处于牌识区域的每一个车辆的跟踪框，确定该跟踪框的起始点所在纵向边框的中点，将所述中点、该跟踪框的宽度以及该跟踪框的高度的0.6倍分别作为调整后的该跟踪框的起始点、宽度和高度。第三方面，本申请实施例提供了一种车速检测装置，包括：
轨迹信息获得单元，用于获得目标车辆的运行轨迹信息；其中，所述目标车辆为视频监控设备的监控画面中的任一车辆；
时长确定单元，用于基于所述运行轨迹信息，确定所述目标车辆经过所述监控画面中指定区域所利用的时长；
车速计算单元，用于基于所述时长和目标距离，计算所述目标车辆在场景中的车速；其中，所述目标距离为：与所述指定区域对应的场景区域在车辆行驶方向上所跨越的距离。
第四方面，本申请实施例提供了一种车辆行驶事件检测装置，包括：
车速获得单元，用于获得目标车辆在场景中的车速；其中，所述目标车辆为视频监控设备的监控画面中的任一车辆；所述速度为基于本申请实施例所提供的速检测方法检测得到；
事件分析单元，用于当所述车速符合目标行驶事件对应的速度条件时，确定所述目标车辆发生所述目标行驶事件。
第五方面，本申请实施例提供了一种电子设备，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，实现本申请实施例所提供的车速检测方法的步骤。
第六方面，本申请实施例提供了一种电子设备，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，实现本申请实施例所提供的车辆行驶事件检测方法的步骤。
第七方面，本申请实施例提供了一种远程监控***，包括：视频监控设备和第一设备；
所述视频监控设备，用于对目标场景中的车辆进行监控，将监控的视频数据发送给第一设备；
所述第一设备，用于接收所述视频数据，根据所述视频数据，获得目标车辆的运行轨迹信息；其中，所述目标车辆为所述视频监控设备的监控画面中的任一车辆；基于所述运行轨迹信息，确定所述目标车辆经过所述监控画面中指定区域所利用的时长；基于所述时长和目标距离，计算所述目标车辆在场景中的车速；其中，所述目标距离为：与所述指定区域对应的场景区域在车辆行驶方向上所跨越的距离。
第八方面，本申请实施例提供了一种远程监控***，包括视频监控设备、第一设备和第二设备；
所述视频监控设备，用于对目标场景中的车辆进行监控，将监控的视频数据发送给第一设备；
所述第一设备，用于接收所述视频数据，根据所述视频数据，获得目标车辆的运行轨迹信息；其中，所述目标车辆为视频监控设备的监控画面中的任一车辆；基于所述运行轨迹信息，确定所述目标车辆经过所述监控画面中指定区域所利用的时长；基于所述时长和目标距离，计算所述目标车辆在场景中的车速；其中，所述目标距离为：与所述指定区域对应的场景区域在车辆行驶方向上所跨越的距离；
所述第二设备，用于获得所述第一电子设备确定出的所述目标车辆在场景中的车速；当所述车速符合目标行驶事件对应的速度条件时，确定所述目标车辆发生所述目标行驶事件。
本申请实施例所提供的车辆检测方法，通过目标车辆的运行轨迹信息，得到目标车辆经过监控画面中指定区域所利用的时长，进而，基于该时长，以及与指定区域对应的场景区域在车辆行驶方向上所跨越的距离，计算该目标车辆在场景中的车速。可见，通过本方案可以在不依赖道路上的辅助硬件设施的前提下，有效地检测车辆速度。
另外，本申请实施例所提供的车辆行驶事件检测方法，获得通过本申请实施例所提供的车速检测方法所检测到的目标车辆的车速，进而，当该车速符合目标行驶事件对应的速度条件时，确定该目标车辆发生该目标行驶事件。可见，通过本方案可以在不依赖道路上的辅助硬件设施的前提下，有效地检测车辆行驶事件。
当然，实施本申请的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请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申请的一些实施例，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为本申请实施例所提供的一种车辆检测方法的第一种流程图；
图2为本申请实施例所提供的一种车辆检测方法的第二种流程图；
图3(a)和图3(b)分别提供了一种包含第一参考线和第二参考线的监控画面的界面示意图；
图4为本申请实施例所提供的一种车速检测装置的结构示意图；
图5为本申请实施例所提供的一种电子设备的结构示意图；
图6为本申请实施例所提供的一种车辆行驶事件检测方法的流程图；
图7为本申请实施例所提供的牌识区域在监控场景中的一种位置示意图；
图8为本申请实施例所提供的车辆行驶事件检测装置的结构示意图；
图9为本申请实施例所提供的一种电子设备的结构示意图；
图10为本申请实施例所提供的一种远程监控***的结构示意图；
图11为本申请实施例所提供的另一种远程监控***的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
为了实现在不依赖道路上的辅助硬件设施的前提下，有效地检测车辆的车速的目的，本申请实施例提供了一种车速检测方法、装置、电子设备、存储介质及远程监控***。
下面首先对本申请实施例所提供的一种车速检测方法进行介绍。
需要说明的是，本申请实施例所提供的一种车速检测方法可以应用于电子设备中。在具体应用中，该电子设备可以为视频监控设备，当然，该电子设备也可以为与视频监控设备相通信的服务器或终端，这都是合理的。举例而言：该视频监控设备可以为架设在道路上方的摄像头、抓拍机等。
另外，在一种具体应用中，该电子设备可以为一种远程监控***中的第一设备，该远程监控***用于车速检测，该远程监控***除第一设备以外还包括视频监控设备。其中，该第一设备与视频监控设备进行交互，从而该第一设备可以对视频监控设备所监控场景中的车辆进行车速检测。
在另一种具体应用中，该电子设备可以为另一种远程监控***中的第一设备，该远程监控***用于行驶事件检测，除第一设备以外，还包括视频监控设备和第二设备。其中，该第一设备与视频监控设备进行交互，从而该第一设备可以对视频监控设备所监控场景中的车辆进行车速检测，并且，该第二设备可以与第一设备以及视频监控设备进行交互，从而该第二设备可以基于第一设备检测得到的车辆的车速进行车辆行驶事件检测以及利用视频监控设备进行图像取证。
并且，为了实现申请实施例所提供的车辆检测方法，可以预先在视频监控设备的监控画面上进行区域指定，从而得到用于测速检测的指定区域。这样，后续通过检测车辆在监控画面中经过该指定区域所利用的时长，来计算车辆在场景中的测速。需要强调的是，本申请实施例中所提供的场景为与监控画面对应的实际场景，即视频监控设备所监控的区域。
需要强调的是，在视频监控设备的监控画面上进行区域指定的方式存在多种。可选地，在一种实现方式中，可以在监控画面中的车道上标注两条线：第一参考线和第二参考线，此时，该指定区域为：从第一参考线到第二参考线之间的区域。其中，该第一参考线和第二参考线可以贯穿车道的两条车道线，当然，也可以仅仅贯穿一条车道线，或者，不贯穿任一条车道线，这都是合理的。为了方便理解，图3(a)和图3(b)给出了包含第一参考线和第二参考线的监控画面的界面示意图，具体的，图3(a)和图3(b)中，横向的两条参考线为第一参考线和第二参考线，该横向的两条线贯穿车道的车道线，其中，上方的参考线可以为第一参考线而下方的参考线可以为第二参考线，或者，上方的参考线可以为第二参考线而下方的参考线可以为第一参考线，这都是合理的。
可选地，在另一种实现方式中，可以在监控画面中的车道上标注两个位置点：第一参考点和第二参考点，此时，该指定区域为：从包含第一参考点的第一直线到包含第二参考点的第二直线之间的区域，该第一直线和第二直线分别与该车道的车道线相交。在具体应用中，该第一直线和第二直线可以为平行线，并且，两条直线和一侧车道线的交角可以在预定角度范围内，该预定角度范围可以为[90°-N，90°+N]，其中，该N的取值范围可以根据实际情况设定，例如：N可以为10°、15°、20°等等。
并且，在监控画面中指定区域时，用户可以在监控画面中的车道上手动标注。举例而言：电子设备可以为用户提供能够对监控画面进行书写的画笔工具，这样用户可以利用画笔工具在监控画面上标注第一参考线和第二参考线，或者，利用画笔工具在监控画面上标注第一参考点和第二参考点。当然，用户还可以在监控画面所对应的设置菜单中输入指定区域的信息。举例而言：用户可以在监控画面所对应的设置菜单中输入第一参考线的位置信息和第二参考线的位置信息，或者，在监控画面所对应的设置菜单中输入第一参考点的位置信息和第二参考点的位置信息。
另外，用户可以通过手动标注或者操作监控画面所对应的设置菜单的方式，来指定待检测的车道，这样，后续在车速检测过程中，电子设备可以仅仅对所指定的待检测的车道上的车辆进行车速检测。
如图1所示，本申请实施例所提供的一种车速检测方法，可以包括如下步骤：
S101，获得目标车辆的运行轨迹信息；
由于任一车辆在监控画面中的运行轨迹信息可以体现出该车辆在监控画面中的位置信息，而通过分析该车辆的位置信息和指定区域的位置关系，可以得知车辆是否经过指定区域，因此，当对监控画面中的目标车辆进行车速检测时，可以利用该目标车辆的运行轨迹信息。其中，该目标车辆为视频监控设备的监控画面中的任一车辆，也就是说，对于在监控画面中检测到的任一车辆均可以作为目标车辆，进而利用本申请实施例所提供的车速检测方法来检测车速。
需要强调的是，通过跟踪该目标车辆，可以得到该目标车辆的运行状态信息。为了保证实时性，在对目标车辆进行跟踪的同时，可以来执行本申请实施例所提供的车速检测方法。而由于监控画面中的目标车辆是处于运动状态的，因此，该目标车辆的运行轨迹信息可以是实时变化的，那么，可以实时获取目标车辆的运行轨迹信息，进而在获取到目标车辆的运行轨迹信息后，均执行S102，直至确定出目标车辆经过该指定区域的时长。
并且，本领域技术人员可以理解的是，当该电子设备为视频监控设备时，该电子设备可以自行分析该目标车辆的运行轨迹信息，也可以由后台的服务器或终端来分析该目标车辆的运行轨迹信息。类似的，当该电子设备为视频监控设备对应的后台服务器或终端时，该电子设备可以自行分析该目标车辆的运行轨迹信息，也可以由视频监控设备来分析该目标车辆的运行轨迹信息。
具体的，该电子设备自行分析该目标车辆的运行轨迹信息时，所述获得目标车辆的运行轨迹信息的步骤，包括：
对该视频监控设备的监控画面进行车辆检测；
对检测到的目标车辆进行位置跟踪，基于位置跟踪所得到的位置信息，生成所述目标车辆的运行轨迹信息。
其中，对该视频监控设备的监控画面进行车辆检测的方式可以为：基于预先训练的目标检测模型，定位监控画面中所存在的目标以及识别目标的类型，进而筛选得到类型为车辆的目标。可以理解的是，本申请实施例中的目标检测模型的模型类型可以包括：SSD(Single Shot MultiBox Detector)，YOLO(You Only Look Once)，CNN(ConvolutionalNeural Network，卷积神经网络)，R-CNN(Regions with CNN features)，RNN(RecurrentNeural Networks，循环神经网络)、DNN(Deep Neural Network，深度神经网络)，等等。具体的模型训练过程可以与现有技术中的模型训练过程相同，在此不做赘述。需要说明的是，目标检测模型的训练样本可以包含不同时间段、不同天气、不同架设以及不同场景的道路交通图片样本，并且，可以仅仅对图片样本中的车辆(货车、大巴、小型车)进行标定；或者，对图片样本中的车辆(货车、大巴、小型车)、行人(行人、自行车、三轮车)、路障等8类目标进行标定。并且，本申请实施例所提供的目标检测模型的搭建环境可以为caffe环境，当然并不局限于此。
另外，对检测到的目标车辆进行位置跟踪的实现方式有多种。举例而言，可以利用CamShift算法对检测到的目标车辆进行位置跟踪。其中，CamShift算法，全称是Continuously AdaptiveMeanShift，顾名思义，它是对均值漂移算法Mean Shift算法的改进，能够自动调节搜索窗口大小来适应目标的大小，可以跟踪视频中尺寸变化的目标。CamShift算法也是一种半自动跟踪算法，需要手动标定跟踪目标。CamShift算法基本思想是以视频图像中运动物体的颜色信息作为特征，对输入图像的每一帧分别作Mean-Shift运算，并将上一帧的目标中心和搜索窗口大小(核函数带宽)作为下一帧Mean shift算法的中心和搜索窗口大小的初始值，如此迭代下去，就可以实现对目标的跟踪。因为在每次搜索前将搜索窗口的位置和大小设置为运动目标当前中心的位置和大小，而运动目标通常在这区域附近，缩短了搜索时间；另外，在目标运动过程中，颜色变化不大，故该算法具有良好的鲁棒性。
S102，基于该运行轨迹信息，确定该目标车辆经过该监控画面中指定区域所利用的时长；
在获得该目标车辆对应的运行轨迹信息后，可以分析该运行轨迹信息，确定该目标车辆经过该监控画面中指定区域所利用的时长。
具体的，所述基于该运行轨迹信息，确定该目标车辆经过该监控画面中指定区域所利用的时长的步骤，可以包括：
基于该运行轨迹信息，确定目标跟踪框的目标边界经过该监控画面中指定区域所利用的时长；其中，该目标跟踪框为该目标车辆所对应的跟踪框。
可以理解的是，在监控画面中，任一车辆可以通过跟踪框来进行标注，而任一车辆的运行轨迹信息可以包括各帧监控画面中该车辆所对应的跟踪框的位置信息。因此，本申请实施例中可以基于该运行轨迹信息，确定目标跟踪框的目标边界经过该监控画面中指定区域所利用的时长。其中，该目标边界可以为目标跟踪框的上边界，也可以为目标跟踪框的下边界，这都是合理的。
需要说明的是，指定区域的构成方式不同，基于该运行轨迹信息来确定目标跟踪框的目标边界经过该监控画面中指定区域所利用的时长的具体实现方式，可以不同。
在一种实现方式中，当该指定区域为：从第一参考线到第二参考线之间的区域，相应的，所述基于所述运行轨迹信息，确定目标跟踪框的目标边界经过该监控画面中指定区域所利用的时长的步骤，包括：
基于该运行轨迹信息，确定目标跟踪框的目标边界经过该第一参考线的第一时间点和经过该第二参考线的第二时间点；
将该第一时间点和该第二时间点的时间差，作为目标跟踪框的目标边界经过该监控画面中指定区域所利用的时长。
可以理解的是，通过分析该运行轨迹信息，可以得到目标跟踪框的目标边界的位置信息。进而当基于该目标边界的位置信息，检测到该目标边界与第一参考线存在重叠的位置点或者该目标边界从第一参考线的一侧变更为另一侧时，可以判定目标边界经过第一参考线。类似的，当基于该目标边界的位置信息，检测到该目标边界与第二参考线存在重叠的位置点或者该目标边界从第二参考线的一侧变更为另一侧时，可以判定目标边界经过第二参考线。如图3(a)所示，目标车辆的目标跟踪框的下边界与上方的参考线重叠时，表明目标车辆的目标跟踪框的下边界经过该上方的参考线；类似的，目标车辆的目标跟踪框的下边界与下方的参考线重叠时，表明目标车辆的目标跟踪框的下边界经过该下方的参考线。
在另一种实现方式中，该指定区域为：从包含第一参考点的第一直线到包含第二参考点的第二直线之间的区域，相应的，所述基于该运行轨迹信息，确定目标跟踪框的目标边界经过该监控画面中指定区域所利用的时长的步骤，包括：
基于该运行轨迹信息，确定目标跟踪框的目标边界经过该第一直线的第三时间点和经过该第二直线的第四时间点；
将该第三时间点和该第四时间点的时间差，作为目标跟踪框的目标边界经过该监控画面中指定区域所利用的时长。
可以理解的是，通过分析该运行轨迹信息，可以得到目标跟踪框的目标边界的位置信息。进而当基于该目标边界的位置信息，检测到该目标边界与第一直线存在重叠的位置点或者该目标边界从第一直线的一侧变更为另一侧时，可以判定目标边界经过第一直线。类似的，当基于该目标边界的位置信息，检测到该目标边界与第二直线存在重叠的位置点或者该目标边界从第二直线的一侧变更为另一侧时，可以判定目标边界经过第二直线。
S103，基于该时长和目标距离，计算该目标车辆在场景中的车速。
其中，该目标距离为：与该指定区域对应的场景区域在车辆行驶方向上所跨越的距离。需要说明的是，该目标距离可以由用户通过实地测量来确定，也可以由***自动分析得到。举例而言：在通过***自动分析时，可以基于预先确定出的、关于车道上的警示线或测速线在监控画面中与场景中的距离比例，来计算目标距离。
可以理解的是，在计算得到该时长后，可以根据所需的速度单位，来基于该时长和目标距离，计算该目标车辆在场景中的车速。例如：该车速单位为公里/小时，则通过公式V＝3600*S/|T2-T1|，来基于时长和目标距离确定该目标车辆在场景中的车速，其中，S为目标距离且单位为米，T1为第一时间点，T2为第二时间点。
本申请实施例所提供的车辆检测方法，通过目标车辆的运行轨迹信息，得到目标车辆经过监控画面中指定区域所利用的时长，进而，基于该时长，以及与指定区域对应的场景区域在车辆行驶方向上所跨越的距离，计算该目标车辆在场景中的车速。可见，通过本方案可以在不依赖道路上的辅助硬件设施的前提下，有效地检测车辆速度。
为了提高车速检测的准确性，如图2所示，在图1所示实施例的基础上，本申请实施例所提供的一种车速检测方法，在执行S102之前，所述方法还可以包括：
S1020，判断该运行轨迹信息是否符合预设的轨迹错误条件；
相应的，S102可以包括：
S1021，当该运行轨迹信息不符合预设的轨迹错误条件时，基于该运行轨迹信息，确定该目标车辆经过该监控画面中指定区域所利用的时长。
在获得该目标车辆的运行轨迹信息后，可以先判断该运行轨迹信息是否有误，如果无误，再执行后续的基于该运行轨迹信息，确定该目标车辆经过该监控画面中指定区域所利用的时长的步骤。
需要说明的是，判断该运行轨迹信息是否符合预设的轨迹错误条件的实现方式存在多种。可选地，在一种实现方式中，所述判断该运行轨迹信息是否符合预设的轨迹错误条件的步骤，包括：
判断该运行轨迹信息中的目标跟踪框的位置信息中，是否存在所对应位置的距离大于预设距离阈值的相邻位置信息，如果否，判定该运行轨迹信息不符合预设的轨迹错误条件。
其中，两个位置信息所对应位置的距离可以为两个位置信息所对应位置的中心点的距离，当然并不局限于此。并且，预设距离阈值的具体值可以根据实际情况设定，本申请实施例对此不做限定。
可选地，在另一种实现方式中，所述判断该运行轨迹信息是否符合预设的轨迹错误条件的步骤，包括：
判断该运行轨迹信息中的目标跟踪框的位置信息中，是否存在所对应区域面积的差值大于预设面积阈值的相邻位置信息，如果否，判定该运行轨迹信息不符合预设的轨迹错误条件。
其中，预设面积阈值的具体值可以根据实际情况设定，本申请实施例对此不做限定。
需要强调的是，上述所给出的所述判断该运行轨迹信息是否符合预设的轨迹错误条件的步骤仅仅作为示例，并不应该构成对申请实施例的限定。
基于本申请实施例所提供的一种车速检测方法，本申请实施例还提供了一种车速检测装置。如图4所示，本申请实施例所提供的一种车速检测装置可以包括：
轨迹信息获得单元410，用于获得目标车辆的运行轨迹信息；其中，所述目标车辆为视频监控设备的监控画面中的任一车辆；
时长确定单元420，用于基于所述运行轨迹信息，确定所述目标车辆经过所述监控画面中指定区域所利用的时长；
车速计算单元430，用于基于所述时长和目标距离，计算所述目标车辆在场景中的车速；其中，所述目标距离为：与所述指定区域对应的场景区域在车辆行驶方向上所跨越的距离。
本申请实施例所提供的车辆检测装置，通过目标车辆的运行轨迹信息，得到目标车辆经过监控画面中指定区域所利用的时长，进而，基于该时长，以及与指定区域对应的场景区域在车辆行驶方向上所跨越的距离，计算该目标车辆在场景中的车速。可见，通过本方案可以在不依赖道路上的辅助硬件设施的前提下，有效地检测车辆速度。
可选地，所述时长确定单元420可以包括：
时长确定子单元，用于基于所述运行轨迹信息，确定目标跟踪框的目标边界经过所述监控画面中指定区域所利用的时长；
其中，所述目标跟踪框为所述目标车辆所对应的跟踪框。
可选地，所述指定区域为：从第一参考线到第二参考线之间的区域，所述第一参考线和第二参考线为在所述监控画面中的车道上所标注的两条线。
可选地，所述时长确定子单元，具体用于：
基于所述运行轨迹信息，确定目标跟踪框的目标边界经过所述第一参考线的第一时间点和经过所述第二参考线的第二时间点；
将所述第一时间点和所述第二时间点的时间差，作为目标跟踪框的目标边界经过所述监控画面中指定区域所利用的时长。
可选地，所述指定区域为：从包含第一参考点的第一直线到包含第二参考点的第二直线之间的区域，所述第一参考点和第二参考点为在所述监控画面中的车道上所标注的两个位置点，所述第一直线和第二直线分别与所述车道的车道线相交。
可选地，所述时长确定子单元，具体用于：
基于所述运行轨迹信息，确定目标跟踪框的目标边界经过所述第一直线的第三时间点和经过所述第二直线的第四时间点；
将所述第三时间点和所述第四时间点的时间差，作为目标跟踪框的目标边界经过所述监控画面中指定区域所利用的时长。
可选地，轨迹信息获得单元410包括：
检测子单元，用于对所述视频监控设备的监控画面进行车辆检测；
轨迹确定子单元，用于对检测到的目标车辆进行位置跟踪，基于位置跟踪所得到的位置信息，生成所述目标车辆的运行轨迹信息。
可选地，本申请实施例所提供的一种车速检测装置还可以包括：
判断单元，用于在时长确定单元420基于所述运行轨迹信息，确定所述目标车辆经过所述监控画面中指定区域所利用的时长之前，
判断所述运行轨迹信息是否符合预设的轨迹错误条件；
相应的，所述时长确定单元420具体用于：
当所述运行轨迹信息不符合预设的轨迹错误条件时，基于所述运行轨迹信息，确定所述目标车辆经过所述监控画面中指定区域所利用的时长。
可选地，所述判断单元具体用于：
判断所述运行轨迹信息中的目标跟踪框的位置信息中，是否存在所对应位置的距离大于预设距离阈值的相邻位置信息，如果否，判定所述运行轨迹信息不符合预设的轨迹错误条件；
或者，
判断所述运行轨迹信息中的目标跟踪框的位置信息中，是否存在所对应区域面积的差值大于预设面积阈值的相邻位置信息，如果否，判定所述运行轨迹信息不符合预设的轨迹错误条件。
基于本申请实施例所提供的一种车速检测方法，本申请实施例还提供了一种电子设备。如图5所示，本申请实施例所提供的一种电子设备可以包括：
处理器501、通信接口502、存储器503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信，
存储器503，用于存放计算机程序；
处理器501，用于执行存储器503上所存放的程序时，实现本申请实施例所提供的一种车速检测方法的步骤。
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。
基于本申请实施例所提供的一种车速检测方法，本申请实施例还提供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本申请实施例所提供的一种车速检测方法。
另外，本申请实施例还提供了一种远程监控***。如图10所示，该远程监控***可以包括：视频监控设备1010和第一设备1020；
所述视频监控设备1010，用于对目标场景中的车辆进行监控，将监控的视频数据发送第一设备；
所述第一设备1020，用于接收所述视频数据，根据所述视频数据，获得目标车辆的运行轨迹信息；其中，所述目标车辆为所述视频监控设备的监控画面中的任一车辆；基于所述运行轨迹信息，确定所述目标车辆经过所述监控画面中指定区域所利用的时长；基于所述时长和目标距离，计算所述目标车辆在场景中的车速；其中，所述目标距离为：与所述指定区域对应的场景区域在车辆行驶方向上所跨越的距离。
需要说明的，关于第一设备1020所执行的各个步骤的相关解释和具体实现方式，可以参见上述实施例所提供的一种车速检测方法的相关步骤内容，在此不做赘述。
另外，该第一设备可以为服务器，也可以为终端，这都是合理的。并且，视频监控设备用来拍摄监控区域的视频数据；也可以基于深度学习算法，将监控区域内指定目标车辆相关联的视频数据提取出来。视频监控设备可以将视频数据中包含目标车辆的视频数据发送给第一设备，第一设备根据包含目标车辆的视频数据，获得目标车辆的运行轨迹信息；或者，视频监控设备将视频数据发送给第一设备，第一设备获取视频数据中包含目标车辆的视频数据，根据包含目标车辆的视频数据，获得目标车辆的运行轨迹信息。
可见，通过本方案可以在不依赖道路上的辅助硬件设施的前提下，有效地检测车辆速度。
另外，基于本申请实施例所提供的一种车速检测方法，本申请实施例还提供了一种车辆行驶事件检测方法、装置、电子设备、存储介质及远程监控***，以在不依赖道路上的辅助硬件设施的前提下，有效地检测车辆行驶事件。
下面首先对本申请实施例所提供的一种车辆行驶事件检测方法进行介绍。
需要说明的是，本申请实施例所提供的一种车辆行驶事件检测方法可以应用于电子设备中。在具体应用中，该电子设备可以为视频监控设备，当然，该电子设备也可以为视频监控设备对应的后台服务器，或者，与视频监控设备相连接的终端。
另外，一种具体应用中，该电子设备可以为一种远程监控***中的第二设备，该远程监控***用于行驶事件检测，除第二设备以外，还包括视频监控设备和第一设备。其中，该第一设备与视频监控设备进行交互，从而该第一设备可以对视频监控设备所监控场景中的车辆进行车速检测，并且，该第二设备可以与第一设备以及视频监控设备进行交互，从而该第二设备可以基于第一设备检测得到的车辆的车速进行车辆行驶事件检测以及利用视频监控设备进行图像取证。
如图6所示，本申请实施例所提供的一种车辆行驶事件检测方法，可以包括如下步骤：
S601，获得目标车辆在场景中的车速；
其中，该目标车辆为视频监控设备的监控画面中的车辆。需要强调的是，该监控画面中的任一车辆均可以作为目标车辆。
在车辆行驶事件检测时，首先可以获得目标车辆在场景中的车速，进而利用该车速分析该目标车辆是否在发生目标行驶事件。其中，该车速为基于本申请实施例所提供的车速检测方法所检测到的。
S602，当该车速符合目标行驶事件对应的速度条件时，确定该目标车辆发生该目标行驶事件。
在获得该目标车辆的车速后，可以判断该车速是否符合目标行驶事件对应的速度条件。当该车速符合目标行驶事件对应的速度条件时，确定该目标车辆发生该目标行驶事件。
其中，该目标行驶事件可以包括缓行事件；
相应的，所述目标行驶事件对应的速度条件可以包括：小于第一预定速度阈值。
其中，该目标行驶事件包括超速事件；
相应的，所述目标行驶事件对应的速度条件可以包括：大于第二预定速度阈值。
其中，该第一预定速度阈值和第二预定速度阈值可以根据具体的场景来设定，本申请实施例对此不做限定。
并且，需要强调的是，上述的目标行驶事件，以及目标行驶事件对应的速度条件，仅仅作为示例，并不应该构成对申请实施例的限定。
本申请实施例所提供的车辆行驶事件检测方法，获得通过本申请实施例所提供的车速检测方法所检测到的目标车辆的车速，进而，当该车速符合目标行驶事件对应的速度条件时，确定该目标车辆发生该目标行驶事件。可见，通过本方案可以实现在不依赖道路上的辅助硬件设施的前提下，有效地检测车辆行驶事件的目的。
为了在确定出目标车辆发生目标行驶事件时，能够通知相应的人员对象，更进一步的，所述确定该目标车辆发生该目标行驶事件之后，本申请实施例所提供的车辆行驶事件检测方法还可以包括：
输出用于指示该目标车辆发生该目标行驶事件的报警信息。
其中，该报警信息的输出方式可以包括短信输出、邮件输出、弹框输出等等。
可选地，在第一种实现方式中，所述输出用于指示该目标车辆发生该目标行驶事件的报警信息的步骤，包括：
对该目标车辆进行抓拍，获取抓拍图像，该抓拍图像中包括该目标车辆的车牌区域；
输出包含该抓拍图像的报警信息。
在检测到目标车辆超速或缓行时，该电子设备可以对该目标车辆进行抓拍，即对监控画面进行抓拍，从而输出包含该抓拍图像的报警信息。其中，该抓拍图像中该目标车辆的目标跟踪框上可以标注有提示信息，该提示信息为关于发生目标行驶事件的提示信息。例如：该提示信息可以为超速或者缓行。
可以理解的是，当该电子设备为视频监控设备时，该电子设备可以自行抓拍图像；而当该电子设备为后台服务器或终端时，该电子设备可以指示视频监控设备进行抓拍。
可选地，在第二种实现方式中，所述输出用于指示该目标车辆发生该目标行驶事件的报警信息的步骤，包括：
对该目标车辆进行抓拍，获取抓拍图像，并对该抓拍图像进行车牌识别，获得该目标车辆的车牌信息；该抓拍图像中包括该目标车辆的车牌区域；输出包含该车牌信息的报警信息。
需要说明的是，在一种实现方式中，该电子设备可以在判断出目标车辆符合目标行驶事件时，对该目标车辆进行车牌识别。具体的，对该目标车辆进行抓拍，得到至少一张抓拍图像，从而对至少一张抓拍图像中的该目标车辆进行车牌识别。
在另一种实现方式中，为了提高获得该目标车辆的车牌信息的效率，本申请实施例所提供的车辆行驶事件检测方法还可以包括：
当判断出监控画面的牌识区域内存在至少一个车辆时，对该至少一个车辆进行车牌识别，得到至少一个车牌信息；
将所述至少一个车牌信息与所对应车辆的运行轨迹信息进行绑定保存；
所述获得所述目标车辆的车牌信息的步骤，包括：
获得与该目标车辆的运行轨迹信息相绑定的车牌信息。
其中，用户通过手动标注或者操作监控画面所对应的设置菜单的方式，来预先在监控画面中设定牌识区域。其中，该牌识区域为能够较好的识别出车牌的区域，可以根据经验来确定该牌识区域。并且，可以实时检测监控画面中的车辆，在检测到车辆后判断所检测到的各个车辆的位置信息处于牌识区域，当至少一个车辆的位置信息处于牌识区域时，判定监控画面的牌识区域内存在至少一个车辆。为了便于理解方案，图7示出了牌识区域在监控场景中的一种位置示意图。
具体的，对该至少一个车辆进行车牌识别，得到至少一个车牌信息的步骤，包括：
抓拍多帧图像；
针对每帧图像，对该帧图像中的处于牌识区域的至少一个车辆进行车牌识别，得到参考车牌信息；
针对处于牌识区域的每一车辆，将该车辆对应的参考车牌信息中的数量最多的参考车牌信息，确定为该车辆的车牌信息。
可选地，为了减小车牌识别区域，从而降低车牌识别的耗时，所述针对每帧图像，对该帧图像中的处于牌识区域的至少一个车辆进行车牌识别，得到参考车牌信息，可以包括：
针对每帧图像，对该帧图像中的处于牌识区域的至少一个车辆的跟踪框进行区域缩小处理，对调整后的各个跟踪框所包含的区域进行车牌识别，得到参考车牌信息。
示例性地，对该帧图像中的处于牌识区域的至少一个车辆的跟踪框进行区域缩小处理，可以包括：
针对该帧图像中的处于牌识区域的每一个车辆的跟踪框，确定该跟踪框的起始点所在纵向边框的中点，将所述中点、该跟踪框的宽度以及该跟踪框的高度的0.6倍分别作为调整后的该跟踪框的起始点、宽度和高度。
上述的对该帧图像中的处于牌识区域的至少一个车辆的跟踪框进行区域缩小处理的具体实现方式，相对应的缩小处理公式可以如下：
pr_rect.x＝obj_rect.x，pr_rect.y＝obj_rect.y+0.5*obj_rect.h，pr_rect.w＝obj_rect.w，pr_rect.h＝0.6*obj_rect.h；
其中，(obj_rect.x，obj_rect.y)为调整之前的目标跟踪框的起始点的坐标，obj_rect.h为调整之前的目标跟踪框的高度，obj_rect.w为调整之前的目标跟踪框的宽度；(pr_rect.x，pr_rect.y)为调整之后的目标跟踪框的起始点的坐标，pr_rect.h为调整之后的目标跟踪框的高度，pr_rect.w为调整之后的目标跟踪框的宽度。
需要强调的是，上述所给出的对该帧图像中的处于牌识区域的至少一个车辆的跟踪框进行区域缩小处理所利用的公式仅仅作为示例，并不应该构成对本申请实施例的限定。
另外，对跟踪框所包含的区域进行车牌识别的具体实现方式存在多种。举例而言：对跟踪框所包含的区域进行车牌识别的具体实现方式可以包括如下的步骤(1)-(3)：
(1)车牌定位：提取跟踪框所包含区域内的跳变次数特征、颜色特征、HOG特征等，基于所提取的特征，确定跟踪框所包含区域内的车牌区域；
(2)寻找每个字符的左右边界：对车牌区域内的每个字符进行分割；
(3)字符识别：将分割后的字符尺寸和亮度归一化，分别送到神经网络分类器，分类器将其归到某一类，再将字符识别结果组合成字符串。
需要强调的是，对于结合多帧图像的识别结果来完成车牌识别的方式而言，上述的步骤(3)中所组合的字符串为参考车牌信息。在对每帧图像中的属于同一车辆的跟踪框进行识别而得到参考车牌信息后，可以将该车辆对应的多个参考车牌信息中数量最多的参考车牌信息确定为该车辆对应的车牌信息。
相应于上述的车辆行驶事件检测方法，本申请实施例还提供了一种车辆行驶事件检测装置。如图8所示，本申请实施例所提供的一种车辆行驶事件检测装置可以包括：
车速获得单元810，用于获得目标车辆在场景中的车速；其中，所述目标车辆为视频监控设备的监控画面中的任一车辆；所述速度为基于本申请实施例所提供的车速检测方法检测得到；
事件分析单元820，用于当所述车速符合目标行驶事件对应的速度条件时，确定所述目标车辆发生所述目标行驶事件。
本申请实施例所提供的车辆行驶事件检测装置，获得通过本申请实施例所提供的车速检测方法所检测到的目标车辆的车速，进而，当该车速符合目标行驶事件对应的速度条件时，确定该目标车辆发生该目标行驶事件。可见，通过本方案可以实现在不依赖道路上的辅助硬件设施的前提下，有效地检测车辆行驶事件的目的。
可选地，所述目标行驶事件包括缓行事件；
所述目标行驶事件对应的速度条件包括：小于第一预定速度阈值。
可选地，所述目标行驶事件包括超速事件；
所述目标行驶事件对应的速度条件包括：大于第二预定速度阈值。
可选地，本申请实施例所提供的一种车辆行驶事件检测装置还可以包括：
输出单元，用于确定所述目标车辆发生所述目标行驶事件之后，输出用于指示所述目标车辆发生所述目标行驶事件的报警信息。
可选地，所述输出单元可以包括：
抓拍子单元，用于对所述目标车辆进行抓拍，获取抓拍图像，所述抓拍图像中包括所述目标车辆的车牌区域；
第一输出子单元，用于输出包含所述抓拍图像的报警信息。
可选地，所述输出单元可以包括：
信息获得子单元，用于对所述目标车辆进行抓拍，获取抓拍图像，并对所述抓拍图像进行车牌识别，获得所述目标车辆的车牌信息；所述抓拍图像中包括所述目标车辆的车牌区域；
第二输出子单元，用于输出包含所述车牌信息的报警信息。
可选地，本申请实施例所提供的一种车辆行驶事件检测装置还可以包括：
车牌识别单元，用于当判断出监控画面的牌识区域内存在至少一个车辆时，对所述至少一个车辆进行车牌识别，得到至少一个车牌信息；
绑定存储单元，用于将所述至少一个车牌信息与所对应车辆的运行轨迹信息进行绑定保存；
相应的，所述信息获得子单元具体用于：
获得与所述目标车辆的运行轨迹信息相绑定的车牌信息。
可选地，所述车牌识别单元包括：
抓拍子单元，用于当判断出监控画面的牌识区域内存在至少一个车辆时，抓拍多帧图像；
参考信息获得子单元，用于针对每帧图像，对该帧图像中的处于牌识区域的至少一个车辆进行车牌识别，得到参考车牌信息；
车牌信息获得子单元，用于针对处于牌识区域的每一车辆，将该车辆对应的参考车牌信息中的数量最多的参考车牌信息，确定为该车辆的车牌信息。
可选地，所述参考信息获得子单元具体用于：
针对每帧图像，对该帧图像中的处于牌识区域的至少一个车辆的跟踪框进行区域缩小处理，对调整后的各个跟踪框所包含的区域进行车牌识别，得到参考车牌信息。
可选地，所述参考信息获得子单元对该帧图像中的处于牌识区域的至少一个车辆的跟踪框进行区域缩小处理，包括：
针对该帧图像中的处于牌识区域的每一个车辆的跟踪框，确定该跟踪框的起始点所在纵向边框的中点，将所述中点、该跟踪框的宽度以及该跟踪框的高度的0.6倍分别作为调整后的该跟踪框的起始点、宽度和高度。
相应于本申请实施例所提供的一种车辆行驶事件检测方法，本申请实施例还提供了一种电子设备，如图9所示，包括处理器901、通信接口902、存储器903和通信总线904，其中，处理器901，通信接口902，存储器903通过通信总线904完成相互间的通信，
存储器903，用于存放计算机程序；
处理器901，用于执行存储器903上所存放的程序时，实现本申请实施例所提供的一种车辆行驶事件检测方法。
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。
相应于本申请实施例所提供的一种车辆行驶事件检测方法，本申请实施例还提供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本申请实施例所提供的一种车辆行驶事件检测方法的步骤。
另外，本申请实施例还提供了一种远程监控***。如图11所示，该远程监控***可以包括：包括视频监控设备1110、第一设备1120和第二设备1130；
所述视频监控设备1110，用于对目标场景中的车辆进行监控，将监控的视频数据发送给第一设备；
所述第一设备1120，用于接收所述视频数据，根据所述视频数据，获得目标车辆的运行轨迹信息；其中，所述目标车辆为视频监控设备的监控画面中的任一车辆；基于所述运行轨迹信息，确定所述目标车辆经过所述监控画面中指定区域所利用的时长；基于所述时长和目标距离，计算所述目标车辆在场景中的车速；其中，所述目标距离为：与所述指定区域对应的场景区域在车辆行驶方向上所跨越的距离；
所述第二设备1130，用于获得所述第一电子设备确定出的所述目标车辆在场景中的车速；当所述车速符合目标行驶事件对应的速度条件时，确定所述目标车辆发生所述目标行驶事件。
需要说明的，关于第一设备1120所执行的各个步骤的相关解释和具体实现方式，可以参见上述实施例所提供的一种车速检测方法的相关步骤内容，在此不做赘述。类似的，关于第二设备1130所执行的各个步骤的相关解释和具体实现方式，可以参见上述实施例所提供的一种车辆行驶事件检测方法的相关步骤内容，在此不做赘述。
另外，该第一设备可以为服务器，也可以为终端，这都是合理的。类似的，该第二设备可以为服务器，也可以为终端，这都是合理的。并且，视频监控设备用来拍摄监控区域的视频数据；也可以基于深度学习算法，将监控区域内指定目标车辆相关联的视频数据提取出来。视频监控设备可以将视频数据中包含目标车辆的视频数据发送给第一设备，第一设备根据包含目标车辆的视频数据，获得目标车辆的运行轨迹信息；或者，视频监控设备将视频数据发送给第一设备，第一设备获取视频数据中包含目标车辆的视频数据，根据包含目标车辆的视频数据，获得目标车辆的运行轨迹信息。
可见，通过本方案可以在不依赖道路上的辅助硬件设施的前提下，有效地检测车辆行驶事件。
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***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。
以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本申请的保护范围内。
Claims (23)
1.一种车速检测方法，其特征在于，包括：
获得目标车辆的运行轨迹信息；其中，所述目标车辆为视频监控设备的监控画面中的任一车辆；
基于所述运行轨迹信息，确定所述目标车辆经过所述监控画面中指定区域所利用的时长；
基于所述时长和目标距离，计算所述目标车辆在场景中的车速；其中，所述目标距离为：与所述指定区域对应的场景区域在车辆行驶方向上所跨越的距离。
2.根据权利要求1所述的方法，其特征在于，所述基于所述运行轨迹信息，确定所述目标车辆经过所述监控画面中指定区域所利用的时长的步骤，包括：
基于所述运行轨迹信息，确定目标跟踪框的目标边界经过所述监控画面中指定区域所利用的时长；
其中，所述目标跟踪框为所述目标车辆所对应的跟踪框。
3.根据权利要求2所述的方法，其特征在于，所述指定区域为：从第一参考线到第二参考线之间的区域，所述第一参考线和第二参考线为在所述监控画面中的车道上所标注的两条线。
4.根据权利要求3所述的方法，其特征在于，所述基于所述运行轨迹信息，确定目标跟踪框的目标边界经过所述监控画面中指定区域所利用的时长的步骤，包括：
基于所述运行轨迹信息，确定目标跟踪框的目标边界经过所述第一参考线的第一时间点和经过所述第二参考线的第二时间点；
将所述第一时间点和所述第二时间点的时间差，作为目标跟踪框的目标边界经过所述监控画面中指定区域所利用的时长。
5.根据权利要求2所述的方法，其特征在于，所述指定区域为：从包含第一参考点的第一直线到包含第二参考点的第二直线之间的区域，所述第一参考点和第二参考点为在所述监控画面中的车道上所标注的两个位置点，所述第一直线和第二直线分别与所述车道的车道线相交。
6.根据权利要求5所述的方法，其特征在于，所述基于所述运行轨迹信息，确定目标跟踪框的目标边界经过所述监控画面中指定区域所利用的时长的步骤，包括：
基于所述运行轨迹信息，确定目标跟踪框的目标边界经过所述第一直线的第三时间点和经过所述第二直线的第四时间点；
将所述第三时间点和所述第四时间点的时间差，作为目标跟踪框的目标边界经过所述监控画面中指定区域所利用的时长。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述获得目标车辆的运行轨迹信息的步骤，包括：
对所述视频监控设备的监控画面进行车辆检测；
对检测到的目标车辆进行位置跟踪，基于位置跟踪所得到的位置信息，生成所述目标车辆的运行轨迹信息。
8.根据权利要求1所述的方法，其特征在于，所述基于所述运行轨迹信息，确定所述目标车辆经过所述监控画面中指定区域所利用的时长之前，所述方法还包括：
判断所述运行轨迹信息是否符合预设的轨迹错误条件；
所述基于所述运行轨迹信息，确定所述目标车辆经过所述监控画面中指定区域所利用的时长的步骤，包括：
当所述运行轨迹信息不符合预设的轨迹错误条件时，基于所述运行轨迹信息，确定所述目标车辆经过所述监控画面中指定区域所利用的时长。
9.根据权利要求8所述的方法，其特征在于，所述判断所述运行轨迹信息是否符合预设的轨迹错误条件的步骤，包括：
判断所述运行轨迹信息中的目标跟踪框的位置信息中，是否存在所对应位置的距离大于预设距离阈值的相邻位置信息，如果否，判定所述运行轨迹信息不符合预设的轨迹错误条件；
或者，
判断所述运行轨迹信息中的目标跟踪框的位置信息中，是否存在所对应区域面积的差值大于预设面积阈值的相邻位置信息，如果否，判定所述运行轨迹信息不符合预设的轨迹错误条件。
10.一种车辆行驶事件检测方法，其特征在于，包括：
获得目标车辆在场景中的车速；其中，所述目标车辆为视频监控设备的监控画面中的任一车辆；所述速度为基于权利要求1-9任一项所述的车速检测方法检测得到；
当所述车速符合目标行驶事件对应的速度条件时，确定所述目标车辆发生所述目标行驶事件。
11.根据权利要求10所述的方法，其特征在于，所述目标行驶事件包括缓行事件；
所述目标行驶事件对应的速度条件包括：小于第一预定速度阈值。
12.根据权利要求10所述的方法，其特征在于，所述目标行驶事件包括超速事件；
所述目标行驶事件对应的速度条件包括：大于第二预定速度阈值。
13.根据权利要求10-12任一项所述的方法，其特征在于，所述确定所述目标车辆发生所述目标行驶事件之后，所述方法还包括：
输出用于指示所述目标车辆发生所述目标行驶事件的报警信息。
14.根据权利要求13所述的方法，其特征在于，所述输出用于指示所述目标车辆发生所述目标行驶事件的报警信息的步骤，包括：
对所述目标车辆进行抓拍，获取抓拍图像，所述抓拍图像中包括所述目标车辆的车牌区域；
输出包含所述抓拍图像的报警信息。
15.根据权利要求13所述的方法，其特征在于，所述输出用于指示所述目标车辆发生所述目标行驶事件的报警信息的步骤，包括：
对所述目标车辆进行抓拍，获取抓拍图像，并对所述抓拍图像进行车牌识别，获得所述目标车辆的车牌信息；所述抓拍图像中包括所述目标车辆的车牌区域；
输出包含所述车牌信息的报警信息。
16.根据权利要求15所述的方法，其特征在于，还包括：
当判断出监控画面的牌识区域内存在至少一个车辆时，对所述至少一个车辆进行车牌识别，得到至少一个车牌信息；
将所述至少一个车牌信息与所对应车辆的运行轨迹信息进行绑定保存；
所述获得所述目标车辆的车牌信息的步骤，包括：
获得与所述目标车辆的运行轨迹信息相绑定的车牌信息。
17.根据权利要求16所述的方法，其特征在于，对所述至少一个车辆进行车牌识别，得到至少一个车牌信息的步骤，包括：
抓拍多帧图像；
针对每帧图像，对该帧图像中的处于牌识区域的至少一个车辆进行车牌识别，得到参考车牌信息；
针对处于牌识区域的每一车辆，将该车辆对应的参考车牌信息中的数量最多的参考车牌信息，确定为该车辆的车牌信息。
18.根据权利要求17所述的方法，其特征在于，针对每帧图像，对该帧图像中的处于牌识区域的至少一个车辆进行车牌识别，得到参考车牌信息，包括：
针对每帧图像，对该帧图像中的处于牌识区域的至少一个车辆的跟踪框进行区域缩小处理，对调整后的各个跟踪框所包含的区域进行车牌识别，得到参考车牌信息。
19.根据权利要求18所述的方法，其特征在于，对该帧图像中的处于牌识区域的至少一个车辆的跟踪框进行区域缩小处理，包括：
针对该帧图像中的处于牌识区域的每一个车辆的跟踪框，确定该跟踪框的起始点所在纵向边框的中点，将所述中点、该跟踪框的宽度以及该跟踪框的高度的0.6倍分别作为调整后的该跟踪框的起始点、宽度和高度。
20.一种远程监控***，其特征在于，包括：视频监控设备和第一设备；
所述视频监控设备，用于对目标场景中的车辆进行监控，将监控的视频数据发送给第一设备；
所述第一设备，用于接收所述视频数据，根据所述视频数据，获得目标车辆的运行轨迹信息；其中，所述目标车辆为所述视频监控设备的监控画面中的任一车辆；基于所述运行轨迹信息，确定所述目标车辆经过所述监控画面中指定区域所利用的时长；基于所述时长和目标距离，计算所述目标车辆在场景中的车速；其中，所述目标距离为：与所述指定区域对应的场景区域在车辆行驶方向上所跨越的距离。
21.一种远程监控***，其特征在于，包括视频监控设备、第一设备和第二设备；
所述视频监控设备，用于对目标场景中的车辆进行监控，将监控的视频数据发送给第一设备；
所述第一设备，用于接收所述视频数据，根据所述视频数据，获得目标车辆的运行轨迹信息；其中，所述目标车辆为视频监控设备的监控画面中的任一车辆；基于所述运行轨迹信息，确定所述目标车辆经过所述监控画面中指定区域所利用的时长；基于所述时长和目标距离，计算所述目标车辆在场景中的车速；其中，所述目标距离为：与所述指定区域对应的场景区域在车辆行驶方向上所跨越的距离；
所述第二设备，用于获得所述第一电子设备确定出的所述目标车辆在场景中的车速；当所述车速符合目标行驶事件对应的速度条件时，确定所述目标车辆发生所述目标行驶事件。
22.一种电子设备，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1-9任一项所提供的车速检测方法的步骤。
23.一种电子设备，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10-19任一项所提供的车辆行驶事件检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811140480.6A CN110969864A (zh) | 2018-09-28 | 2018-09-28 | 一种车速检测方法、车辆行驶事件检测方法及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811140480.6A CN110969864A (zh) | 2018-09-28 | 2018-09-28 | 一种车速检测方法、车辆行驶事件检测方法及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110969864A true CN110969864A (zh) | 2020-04-07 |
Family
ID=70026881
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811140480.6A Pending CN110969864A (zh) | 2018-09-28 | 2018-09-28 | 一种车速检测方法、车辆行驶事件检测方法及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110969864A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111598009A (zh) * | 2020-05-19 | 2020-08-28 | 北京百度网讯科技有限公司 | 监控急刹车辆的方法、装置、电子设备和存储介质 |
| CN112133104A (zh) * | 2020-08-21 | 2020-12-25 | 浙江大华技术股份有限公司 | 一种车辆信息检测方法、装置、***及存储介质 |
| CN112590811A (zh) * | 2020-09-28 | 2021-04-02 | 禾多科技（北京）有限公司 | 用于控制车辆纵向行驶的方法，装置，电子设备和介质 |
| CN112927117A (zh) * | 2021-03-22 | 2021-06-08 | 上海京知信息科技有限公司 | 基于区块链的车辆管理通信方法、管理***、设备及介质 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101826260A (zh) * | 2010-05-04 | 2010-09-08 | 清华大学 | 一种交通违法行为自动抓拍的方法和*** |
| CN101877174A (zh) * | 2009-09-29 | 2010-11-03 | 杭州海康威视软件有限公司 | 车速测量方法、监控机及车速测量*** |
| JP2011175468A (ja) * | 2010-02-24 | 2011-09-08 | Denso Corp | 区画線検出装置 |
| JP4914031B2 (ja) * | 2005-06-23 | 2012-04-11 | 富士通フロンテック株式会社 | 移動体計測装置及び移動体の計測方法 |
| CN102722704A (zh) * | 2012-06-12 | 2012-10-10 | 厦门宸天电子科技有限公司 | 一种融合视频动态跟踪的车牌识别方法和*** |
| CN103021186A (zh) * | 2012-12-28 | 2013-04-03 | 中国科学技术大学 | 一种车辆监控的方法及*** |
| CN103824066A (zh) * | 2014-03-18 | 2014-05-28 | 厦门翼歌软件科技有限公司 | 一种基于视频流的车牌识别方法 |
| CN103971521A (zh) * | 2014-05-19 | 2014-08-06 | 清华大学 | 道路交通异常事件实时检测方法及装置 |
| CN104282147A (zh) * | 2014-09-27 | 2015-01-14 | 无锡市恒通智能交通设施有限公司 | 一种智能车辆监控方法 |
| CN104318782A (zh) * | 2014-10-31 | 2015-01-28 | 浙江力石科技股份有限公司 | 一种面向区域重叠的高速公路视频测速方法及*** |
| CN104683948A (zh) * | 2015-02-04 | 2015-06-03 | 四川长虹电器股份有限公司 | 自我学习的异常位置轨迹点过滤方法 |
| KR20150069461A (ko) * | 2013-12-13 | 2015-06-23 | 도로교통공단 | 존-검지 체계 기반 교통안전 관리 시스템 |
| CN105551264A (zh) * | 2015-12-25 | 2016-05-04 | 中国科学院上海高等研究院 | 一种基于车牌特征匹配的车速检测方法 |
| CN106571038A (zh) * | 2015-10-12 | 2017-04-19 | 原熙 | 实现全自动道路监控的方法 |
| JP2018067234A (ja) * | 2016-10-21 | 2018-04-26 | 株式会社創発システム研究所 | 自動車自動運転支援システム。 |
| CN108091142A (zh) * | 2017-12-12 | 2018-05-29 | 公安部交通管理科学研究所 | 用于高速公路大场景下车辆违法行为跟踪识别和自动抓拍的方法 |
-
2018
- 2018-09-28 CN CN201811140480.6A patent/CN110969864A/zh active Pending
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4914031B2 (ja) * | 2005-06-23 | 2012-04-11 | 富士通フロンテック株式会社 | 移動体計測装置及び移動体の計測方法 |
| CN101877174A (zh) * | 2009-09-29 | 2010-11-03 | 杭州海康威视软件有限公司 | 车速测量方法、监控机及车速测量*** |
| JP2011175468A (ja) * | 2010-02-24 | 2011-09-08 | Denso Corp | 区画線検出装置 |
| CN101826260A (zh) * | 2010-05-04 | 2010-09-08 | 清华大学 | 一种交通违法行为自动抓拍的方法和*** |
| CN102722704A (zh) * | 2012-06-12 | 2012-10-10 | 厦门宸天电子科技有限公司 | 一种融合视频动态跟踪的车牌识别方法和*** |
| CN103021186A (zh) * | 2012-12-28 | 2013-04-03 | 中国科学技术大学 | 一种车辆监控的方法及*** |
| KR20150069461A (ko) * | 2013-12-13 | 2015-06-23 | 도로교통공단 | 존-검지 체계 기반 교통안전 관리 시스템 |
| CN103824066A (zh) * | 2014-03-18 | 2014-05-28 | 厦门翼歌软件科技有限公司 | 一种基于视频流的车牌识别方法 |
| CN103971521A (zh) * | 2014-05-19 | 2014-08-06 | 清华大学 | 道路交通异常事件实时检测方法及装置 |
| CN104282147A (zh) * | 2014-09-27 | 2015-01-14 | 无锡市恒通智能交通设施有限公司 | 一种智能车辆监控方法 |
| CN104318782A (zh) * | 2014-10-31 | 2015-01-28 | 浙江力石科技股份有限公司 | 一种面向区域重叠的高速公路视频测速方法及*** |
| CN104683948A (zh) * | 2015-02-04 | 2015-06-03 | 四川长虹电器股份有限公司 | 自我学习的异常位置轨迹点过滤方法 |
| CN106571038A (zh) * | 2015-10-12 | 2017-04-19 | 原熙 | 实现全自动道路监控的方法 |
| CN105551264A (zh) * | 2015-12-25 | 2016-05-04 | 中国科学院上海高等研究院 | 一种基于车牌特征匹配的车速检测方法 |
| JP2018067234A (ja) * | 2016-10-21 | 2018-04-26 | 株式会社創発システム研究所 | 自動車自動運転支援システム。 |
| CN108091142A (zh) * | 2017-12-12 | 2018-05-29 | 公安部交通管理科学研究所 | 用于高速公路大场景下车辆违法行为跟踪识别和自动抓拍的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 杨后超: "基于视频的车流量检测***的设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111598009A (zh) * | 2020-05-19 | 2020-08-28 | 北京百度网讯科技有限公司 | 监控急刹车辆的方法、装置、电子设备和存储介质 |
| CN112133104A (zh) * | 2020-08-21 | 2020-12-25 | 浙江大华技术股份有限公司 | 一种车辆信息检测方法、装置、***及存储介质 |
| CN112590811A (zh) * | 2020-09-28 | 2021-04-02 | 禾多科技（北京）有限公司 | 用于控制车辆纵向行驶的方法，装置，电子设备和介质 |
| CN112927117A (zh) * | 2021-03-22 | 2021-06-08 | 上海京知信息科技有限公司 | 基于区块链的车辆管理通信方法、管理***、设备及介质 |
| CN112927117B (zh) * | 2021-03-22 | 2022-08-23 | 上海京知信息科技有限公司 | 基于区块链的车辆管理通信方法、管理***、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Grassi et al. | Parkmaster: An in-vehicle, edge-based video analytics service for detecting open parking spaces in urban environments | |
| CN109087510B (zh) | 交通监测方法及装置 | |
| 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 | |
| US9396548B2 (en) | Multi-cue object detection and analysis | |
| KR102197946B1 (ko) | 딥러닝 인공지능 기술을 이용한 객체인식 및 카운팅 방법 | |
| CN108986465B (zh) | 一种车流量检测的方法、***及终端设备 | |
| CN110298300B (zh) | 一种检测车辆违章压线的方法 | |
| CN108550258B (zh) | 车辆排队长度检测方法、装置、存储介质和电子设备 | |
| CN108229256B (zh) | 一种道路施工检测方法及装置 | |
| 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 | |
| WO2022134387A1 (zh) | 车辆逆行检测方法、装置、设备、计算机可读存储介质、计算机程序产品 | |
| EP4020428A1 (en) | Method and apparatus for recognizing lane, and computing device | |
| CN113792586A (zh) | 车辆事故检测方法、装置及电子设备 | |
| CN112562406B (zh) | 一种越线行驶的识别方法及装置 | |
| CN110225236B (zh) | 为视频监控***配置参数的方法、装置和视频监控*** | |
| Kejriwal et al. | Vehicle detection and counting using deep learning basedYOLO and deep SORT algorithm for urban traffic management system | |
| CN112447060A (zh) | 识别车道的方法、装置及计算设备 | |
| Iszaidy et al. | Video size comparison for embedded vehicle speed detection & travel time estimation system by using Raspberry Pi | |
| CN112562315B (zh) | 一种获取车流信息的方法、终端及存储介质 | |
| CN113468911B (zh) | 一种车载闯红灯检测方法、装置、电子设备及存储介质 | |
| CN113537170A (zh) | 一种交通路况智能监测方法和计算机可读存储介质 | |
| CN116935631A (zh) | 基于雷视融合的异常交通态势检测方法、装置及*** | |
| Muniruzzaman et al. | Deterministic algorithm for traffic detection in free-flow and congestion using video sensor | |
| CN114693722B (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
| CN111260934A (zh) | 一种基于交通视频网的车流量检测方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200407 |