CN111243281A - 一种道路多视频联合检测***及检测方法 - Google Patents
一种道路多视频联合检测***及检测方法 Download PDFInfo
- Publication number
- CN111243281A CN111243281A CN201811333100.0A CN201811333100A CN111243281A CN 111243281 A CN111243281 A CN 111243281A CN 201811333100 A CN201811333100 A CN 201811333100A CN 111243281 A CN111243281 A CN 111243281A
- Authority
- CN
- China
- Prior art keywords
- target
- vehicle
- target vehicle
- information
- determining
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 83
- 238000012806 monitoring device Methods 0.000 claims abstract description 143
- 238000012545 processing Methods 0.000 claims abstract description 112
- 238000012544 monitoring process Methods 0.000 claims abstract description 109
- 238000000034 method Methods 0.000 claims abstract description 89
- 239000011159 matrix material Substances 0.000 claims description 27
- 230000009466 transformation Effects 0.000 claims description 26
- 238000013507 mapping Methods 0.000 claims description 24
- 230000006399 behavior Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 127
- 238000012360 testing method Methods 0.000 description 33
- 230000008569 process Effects 0.000 description 32
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000010998 test method Methods 0.000 description 3
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 description 1
- 241000270295 Serpentes Species 0.000 description 1
- 206010044074 Torticollis Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000018197 inherited torticollis Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供了一种道路多视频联合检测***及检测方法。所述方法应用于道路多视频联合检测***中的数据处理设备,所述***还包括多个视频监控设备,所述多个视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠;所述方法包括:持续接收多个视频监控设备发送的目标信息;其中,任一视频监控设备每获取到一车辆图像,基于车辆图像确定目标信息,并将确定的目标信息发送给数据处理设备;目标信息与车辆图像中各个目标车辆有关;基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹;针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。
Description
技术领域
本发明涉及交通领域,特别是涉及一种道路多视频联合检测***及检测方法。
背景技术
随着时代的发展,视频监控设备已经广泛应用于交通领域。在交通领域,通常可以利用视频监控设备对道路上的车辆及行人等进行监控和检测。
在实际应用中,为了更好的了解车道上车辆的行驶状态,往往需要检测一段道路上的车辆的行驶信息,比如车辆的行驶轨迹等等。
那么,针对上述需求,如何利用视频监控设备对一段道路上的车辆的行驶信息进行有效检测,是一个亟待解决的问题。
发明内容
本发明实施例的目的在于提供一种道路多视频联合检测***及检测方法,以实现利用视频监控设备对一段道路上的车辆的行驶信息进行有效检测的目的。具体技术方案如下:
第一方面,本发明实施例提供了一种道路多视频联合检测方法,所述方法应用于道路多视频联合检测***中的数据处理设备,所述***还包括多个视频监控设备,所述多个视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠;所述方法包括:
持续接收多个视频监控设备发送的目标信息;其中,任一视频监控设备每获取到一车辆图像,基于所述车辆图像确定目标信息,并将确定的目标信息发送给数据处理设备;所述目标信息与所述车辆图像中各个目标车辆有关;
基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹;
针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。
可选的,所述基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹,包括:
针对接收到的每一目标信息,基于该目标信息,确定该目标信息所对应车辆图像中各个目标车辆的位置信息;其中,任一目标车辆的位置信息用于表征该目标车辆在所述目标道路上的位置;
当得到多张车辆图像中各个目标车辆的位置信息时,基于多张车辆图像中各个目标车辆的位置信息,确定所述多张车辆图像中同一目标车辆的各个位置信息;
针对每一目标车辆,将该目标车辆的各个位置信息按照预定排列方式进行排列,构成该目标车辆的行驶轨迹;其中,所述预定排列方式为依据所述各个位置信息对应的时间戳的先后顺序进行排列的方式,任一位置信息对应的时间戳为该位置信息所属车辆图像的时间戳。
可选的,所述目标信息包括视频监控设备获取的车辆图像和所述车辆图像的时间戳;
所述针对接收到的每一目标信息,基于该目标信息,确定该目标信息所对应车辆图像中各个目标车辆的位置信息,包括:
针对接收到的每一目标信息,在该目标信息所包含的车辆图像中,确定各个目标车辆的位置信息。
可选的,所述目标信息包括:视频监控设备从获取的车辆图像中确定的各个目标车辆的位置信息和所述车辆图像的时间戳;
所述针对接收到的每一目标信息,基于该目标信息,确定该目标信息所对应车辆图像中各个目标车辆的位置信息,包括:
针对接收到的每一目标信息,从该目标信息中提取各个目标车辆的位置信息。
可选的,所述当得到多张车辆图像中各个目标车辆的位置信息时,基于多张车辆图像中各个目标车辆的位置信息,确定所述多张车辆图像中同一目标车辆的各个位置信息,包括:
当得到多张车辆图像中各个目标车辆的位置信息时,针对符合第一条件的两个位置信息,当该两个位置信息所对应区域间的距离值小于第一距离阈值时,将该两个位置信息确定为同一目标车辆的位置信息;其中,所述第一条件包括:该两个位置信息从不同的车辆图像中提取,该不同的车辆图像由同一视频监控设备所采集且时间戳相邻;
针对符合第二条件的两个位置信息,当该两个位置信息所对应区域间的距离值小于第二距离阈值时,将该两个位置信息确定为同一目标车辆的位置信息;其中,所述第二条件包括:该两个位置信息从不同的车辆图像中提取,且该不同的车辆图像由相邻的视频监控设备所采集且时间戳相同。
可选的,所述针对接收到的每一目标信息,在该目标信息所包含的车辆图像中,确定各个目标车辆的位置信息,包括:
在车辆图像中确定各个目标车辆的参考像素点坐标;其中,所述参考像素点坐标用于表征目标车辆在车辆图像中的位置;
利用预设的像素点坐标与平面坐标的映射关系,确定各个目标车辆的参考像素点坐标对应的平面坐标;
针对每一目标车辆,基于该目标车辆的参考像素点坐标对应的平面坐标,确定该目标车辆的位置信息。
可选的,所述利用预设的像素点坐标与平面坐标的映射关系,确定各个目标车辆的参考像素点坐标对应的平面坐标,包括:
利用预先确定的透视变换矩阵,计算各个目标车辆的参考像素点坐标对应的平面坐标;其中,所述透视变换矩阵用于表征像素点坐标与平面坐标的映射关系。
可选的,所述针对每一目标车辆,基于该目标车辆的参考像素点坐标对应的平面坐标,确定该目标车辆的位置信息,包括:
针对每一目标车辆,将该目标车辆的参考像素点坐标对应的平面坐标,与预先确定的多个车道平面坐标进行比较,根据比较结果,确定该目标车辆的车道标识,并将所述车道标识和该目标车辆的参考像素点坐标对应的平面坐标,作为该目标车辆的位置信息;
其中,所述车道平面坐标是所述目标道路的车道边线对应的二维坐标。
可选的,所述针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息,包括:
针对每一目标车辆,利用该目标车辆的行驶轨迹中两个平面坐标之间的距离,以及与该两个平面坐标对应的时间戳的差值,计算该目标车辆对应的瞬时车速;
针对每一目标车辆,确定第一时间戳和第二时间戳;计算所述第一时间戳和所述第二时间戳的差值;利用所述目标道路的长度和所述差值,计算该目标车辆的区间车速;其中,所述第一时间戳为:该目标车辆的行驶轨迹中属于所述目标道路的起点坐标的平面坐标所对应的时间戳,所述第二时间戳为:该目标车辆的行驶轨迹中属于所述目标道路的终点坐标的平面坐标所对应的时间戳。
可选的,所述针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息,包括:
针对每一目标车辆,从该目标车辆的行驶轨迹中,确定该目标车辆在预设时间段内的目标轨迹;
根据所述目标轨迹中的多个车道标识,判断该目标车辆是否存在异常变道行为。
可选的,所述方法还包括:
基于预设时长内、接收的目标视频监控设备发送的多个目标信息,统计所述预设时长内,通过所述目标道路的预设断面的目标车辆的数量,并利用统计得到的目标车辆的数量和所述预设时长,计算断面流量;其中,所述目标视频监控设备为所述预设断面位置处的视频监控设备。
可选的,所述方法还包括:
获取路网数据;其中,所述路网数据含有所述目标道路所在区域的多个路段的平面坐标;
针对每个目标车辆,基于该目标车辆的参考像素点坐标对应的平面坐标,与各个路段的平面坐标的位置关系,确定与该目标车辆匹配的路段。
第二方面,本发明实施例提供了一种道路多视频联合检测方法,所述方法应用于道路多视频联合检测***中的视频监控设备,所述***包括多个所述视频监控设备和数据处理设备,多个所述视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠;所述方法包括:
每获取到一车辆图像,基于所述车辆图像确定目标信息;其中,所述目标信息与所述车辆图像中各个目标车辆有关;
将确定的目标信息发送给数据处理设备,以使得所述数据处理设备基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹;并针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。
可选的,所述基于所述车辆图像确定目标信息,包括:
将所述车辆图像和所述车辆图像的时间戳,作为目标信息;或者
确定所述车辆图像中各个目标车辆的位置信息,并将所确定出的位置信息和所述车辆图像的时间戳,作为目标信息。
可选的,所述确定所述车辆图像中各个目标车辆的位置信息,包括:
在车辆图像中确定各个目标车辆的参考像素点坐标;其中,所述参考像素点坐标用于表征目标车辆在车辆图像中的位置;
利用预设的像素点坐标与平面坐标的映射关系,确定各个目标车辆的参考像素点坐标对应的平面坐标;
针对每一目标车辆,基于该目标车辆的参考像素点坐标对应的平面坐标,确定该目标车辆的位置信息。
可选的,所述利用预设的像素点坐标与平面坐标的映射关系,确定各个目标车辆的参考像素点坐标对应的平面坐标,包括:
利用预先确定的透视变换矩阵,计算各个目标车辆的参考像素点坐标对应的平面坐标;其中,所述透视变换矩阵用于表征像素点坐标与平面坐标的映射关系。
可选的,所述针对每一目标车辆,基于该目标车辆的参考像素点坐标对应的平面坐标,确定该目标车辆的位置信息,包括:
针对每一目标车辆,将该目标车辆的参考像素点坐标对应的平面坐标,与预先确定的多个车道平面坐标进行比较,根据比较结果,确定该目标车辆的车道标识,并将所述车道标识和该目标车辆的参考像素点坐标对应的平面坐标,作为该目标车辆的位置信息;
其中,所述车道平面坐标是所述目标道路的车道边线对应的二维坐标。
第三方面,本发明实施例提供了一种道路多视频联合检测装置,所述装置应用于道路多视频联合检测***中的数据处理设备,所述***还包括多个视频监控设备,所述多个视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠;所述装置包括:
接收模块,用于持续接收多个视频监控设备发送的目标信息;其中,任一视频监控设备每获取到一车辆图像,基于所述车辆图像确定目标信息,并将确定的目标信息发送给数据处理设备;所述目标信息与所述车辆图像中各个目标车辆有关;
第一确定模块,用于基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹;
第二确定模块,用于针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。
可选的,所述第一确定模块,包括:
第一确定子模块,用于针对接收到的每一目标信息,基于该目标信息,确定该目标信息所对应车辆图像中各个目标车辆的位置信息;其中,任一目标车辆的位置信息用于表征该目标车辆在所述目标道路上的位置;
第二确定子模块,用于当得到多张车辆图像中各个目标车辆的位置信息时,基于多张车辆图像中各个目标车辆的位置信息,确定所述多张车辆图像中同一目标车辆的各个位置信息;
排列子模块,用于针对每一目标车辆,将该目标车辆的各个位置信息按照预定排列方式进行排列,构成该目标车辆的行驶轨迹;其中,所述预定排列方式为依据所述各个位置信息对应的时间戳的先后顺序进行排列的方式,任一位置信息对应的时间戳为该位置信息所属车辆图像的时间戳。
第四方面,本发明实施例提供了一种道路多视频联合检测装置,所述装置应用于道路多视频联合检测***中的视频监控设备,所述***包括多个所述视频监控设备和数据处理设备,多个所述视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠;所述装置包括:
确定模块,用于每获取到一车辆图像,基于所述车辆图像确定目标信息;其中,所述目标信息与所述车辆图像中各个目标车辆有关;
发送模块,用于将确定的目标信息发送给数据处理设备,以使得所述数据处理设备基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹;并针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。
第五方面,本发明实施例提供了一种电子设备,所述电子设备为数据处理设备,包括处理器和存储器,其中,
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现本发明实施例第一方面所提供的道路多视频联合检测方法的步骤。
第六方面,本发明实施例提供了一种电子设备,所述电子设备为视频监控设备,包括处理器和存储器,其中,
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现本发明实施例第二方面所提供的道路多视频联合检测方法的步骤。
第七方面,本发明实施例提供了一种道路多视频联合检测***,所述***包括多个视频监控设备和数据处理设备,所述多个视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠;其中,
任一视频监控设备为第六方面所述的视频监控设备;
所述数据处理设备为第五方面所述的数据处理设备。
本发明实施例所提供的方案中,多个视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠。因此,针对每个目标车辆,多个视频监控设备可以获取到含有该目标车辆的连续多张车辆图像,从而确定多个目标信息;而所述数据处理设备基于接收到的所述多个目标信息,可以确定该目标车辆在目标道路上的行驶轨迹,继而可以根据所述行驶轨迹确定该目标车辆的行驶信息。因此,应用本发明实施例能够实现利用视频监控设备对一段道路上的车辆的行驶信息进行有效检测的目的。
当然,实施本发明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为本发明实施例从数据处理设备的角度所提供的一种道路多视频联合检测方法的流程示意图;
图2为本发明实施例从视频监控设备的角度所提供的一种道路多视频联合检测方法的流程示意图;
图3为本发明实施例从数据处理设备的角度所提供的一种道路多视频联合检测装置的结构示意图;
图4为本发明实施例从视频监控设备的角度所提供的一种道路多视频联合检测装置的结构示意图;
图5为本发明实施例所提供的一种数据处理设备的结构示意图;
图6为本发明实施例所提供的一种视频监控设备的结构示意图;
图7为本发明实施例所提供的一种道路多视频联合检测***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。
为了实现利用视频监控设备对一段道路上的车辆的行驶信息进行有效检测的目的,本发明实施例分别从数据处理设备和视频监控设备的角度,提供了一种道路多视频联合检测方法、装置、电子设备及存储介质,并提供了一种道路多视频联合检测***。
第一方面,从数据处理设备的角度,本发明实施例提供了一种道路多视频联合检测方法。所述方法应用于道路多视频联合检测***中的数据处理设备。所述***还包括多个视频监控设备,所述多个视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠。所述视频监控设备可以为摄像机等。
需要说明的是,本发明实施例所提供的一种道路多视频联合检测方法的执行主体可以为一种道路多视频联合检测装置,所述装置可以运行于数据处理设备中;其中,所述数据处理设备可以为服务器等具有计算功能的设备。
如图1所示,从数据处理设备的角度,本发明实施例所提供的一种道路多视频联合检测方法,可以包括如下步骤:
S101,持续接收多个视频监控设备发送的目标信息;
其中,任一视频监控设备每获取到一车辆图像,基于所述车辆图像确定目标信息,并将确定的目标信息发送给数据处理设备;所述目标信息与所述车辆图像中各个目标车辆有关。
所述目标信息可以包括所述车辆图像,也可以包括从所述车辆图像中确定的、各个目标车辆在所述目标道路上的位置,还可以包括获取所述车辆图像的时间等。当然,所述目标信息的内容不限于以上所述。
为了布局清楚和便于方案理解,该步骤中关于所述视频监控设备的处理过程,在后文的从所述视频监控设备的角度所提供的一种道路多视频联合检测方法中予以介绍。
S102,基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹;
对数据处理设备而言,可以持续接收多个视频监控设备发送的目标信息,任一目标信息与所对应车辆图像中的各个目标车辆相关。需要说明的是,对一个目标车辆从目标道路的起点行驶到所述目标道路的终点而言,在这个过程中,沿途的各个视频监控设备会依次获取到含有该目标车辆的车辆图像,并发送对应的目标信息给所述数据处理设备。因为相邻的两个视频监控设备的监控区域有重叠,那么,该目标车辆行驶于监控重叠区域时,该目标车辆会同时出现在相邻的两个视频监控设备的车辆图像上,并且同一时间,该目标车辆在相邻的两个视频监控设备的车辆图像上的位置是一致的。
因此,所述数据处理设备至少可以利用同一时间且同一位置这一条件,在接收到的多个目标信息中,追踪该目标车辆在目标道路上依次出现的多个位置,从而由确定的多个位置,确定出该目标车辆的行驶轨迹。
为了布局清楚和便于方案理解,在后文中对所述基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹的步骤进行说明。
S103,针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。
数据处理设备可以针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。例如:可以将该目标车辆的行驶轨迹,作为该目标车辆的行驶信息;或者,可以确定该目标车辆的行驶轨迹中的两个位置,并求取该两个位置的位置差,以及确定该两个位置对应的、获取车辆图像的时间,并求取该两个时间的时间差,然后将所述位置差和所述时间差求取比值,得到该目标车辆的瞬时车速,将该瞬时车速作为该目标车辆的行驶信息,等等。
本发明实施例所提供的方案中,多个视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠。所述数据处理设备可以持续接收多个视频监控设备发送的、基于获取的车辆图像所确定的与所述车辆图像中各个目标车辆有关的目标信息;然后可以基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹;继而针对每一目标车辆,可以基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。因此,应用本发明实施例能够实现利用视频监控设备对一段道路上的车辆的行驶信息进行有效检测的目的。
以下对步骤S102的基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹的步骤进行说明。可选的,该步骤可以包括步骤a1-步骤a3:
步骤a1:针对接收到的每一目标信息,基于该目标信息,确定该目标信息所对应车辆图像中各个目标车辆的位置信息;
步骤a2:当得到多张车辆图像中各个目标车辆的位置信息时,基于多张车辆图像中各个目标车辆的位置信息,确定所述多张车辆图像中同一目标车辆的各个位置信息;
步骤a3:针对每一目标车辆,将该目标车辆的各个位置信息按照预定排列方式进行排列,构成该目标车辆的行驶轨迹。
以下分别对步骤a1-步骤a3进行详细介绍:
1)针对于步骤a1而言:
任一目标车辆的位置信息用于表征该目标车辆在所述目标道路上的位置。
根据接收到的目标信息的内容不同,步骤a1有对应的实现过程,以下结合目标信息的不同内容分别说明步骤a1的实现过程。具体的:
可选的第一种方式中,所述目标信息包括视频监控设备获取的车辆图像和所述车辆图像的时间戳。其中,所述车辆图像的时间戳为获取该车辆图像的时间。
那么,针对于上述目标信息,步骤a1的具体实现过程可以为步骤a11:
步骤a11:针对接收到的每一目标信息,在该目标信息所包含的车辆图像中,确定各个目标车辆的位置信息。
可以理解的是,在该种方式中,任一视频监控设备每获取到一车辆图像后,并不对车辆图像进行处理,而是直接将所述车辆图像和所述车辆图像的时间戳,作为目标信息,并将所述目标信息发送给所述数据处理设备。
相应的,所述数据处理设备对接收到的每一目标信息进行处理,确定任一车辆图像中,各个目标车辆的位置信息。可以理解的是,在步骤a11的实现过程中,所述数据处理设备具有车辆识别功能,比如具有车辆特征识别、车牌识别及车辆轨迹跟踪功能等等。所述数据处理设备可以利用车辆识别功能,确定各个目标车辆的位置信息。比如确定目标车辆1的位置信息为x1、目标车辆2的位置信息为x2等等。
为了布局清楚和便于方案理解,在后文中说明确定任一车辆图像中,各个目标车辆的位置信息的具体实施过程。
在可选的另一种方式中,所述目标信息包括:视频监控设备从获取的车辆图像中确定的各个目标车辆的位置信息和所述车辆图像的时间戳。
那么,针对于上述目标信息,步骤a1的具体实现过程可以为步骤a12:
步骤a12:针对接收到的每一目标信息,从该目标信息中提取各个目标车辆的位置信息。
可以理解的是,在该种方式中,任一视频监控设备每获取到一车辆图像,需要对车辆图像进行处理,确定任一车辆图像中,各个目标车辆的位置信息;然后将所确定的各个目标车辆的位置信息连同所述车辆图像的时间戳作为所述目标信息,并将所述目标信息发送给处理处理设备。
那么,此时,任一视频监控设备具有车辆识别功能,比如具有车辆特征识别、车牌识别及车辆轨迹跟踪功能等等。任一视频监控设备利用车辆识别功能,确定各个目标车辆的位置信息。
在该种方式中,是由所述视频监控设备完成所述确定任一车辆图像中,各个目标车辆的位置信息的处理过程。因而,所述数据处理设备无需进行上述处理过程,可以直接从所述目标信息中提取各个目标车辆的位置信息,能够简化所述数据处理设备的计算过程。
结合上述两种方式可知,确定任一车辆图像中,各个目标车辆的位置信息,可以由所述数据处理设备完成,也可以由所述视频监控设备完成。以下对所述确定任一车辆图像中,各个目标车辆的位置信息的实施过程进行详细说明,该过程可以包括步骤b1-步骤b3:
步骤b1:在车辆图像中确定各个目标车辆的参考像素点坐标;
其中,所述参考像素点坐标用于表征目标车辆在车辆图像中的位置;所述参考像素点坐标可以为车辆图像中,目标车辆所在的图像区域内的像素点的坐标,例如参考像素点坐标可以为车辆图像中,包含目标车辆的检测框的中心点的坐标等等。其中,所述检测框可以为矩形、圆形或梯形等。
在车辆图像中确定各个目标车辆的参考像素点坐标的过程可以由人工或者自动化工具等现有技术实现,在此不再详细说明。
步骤b2:利用预设的像素点坐标与平面坐标的映射关系,确定各个目标车辆的参考像素点坐标对应的平面坐标;
其中,参考像素点坐标对应的平面坐标用于表征车辆在目标道路上的位置。
可选的,可以利用预先确定的透视变换矩阵,计算各个目标车辆的参考像素点坐标对应的平面坐标。其中,所述透视变换矩阵是像素点坐标与平面坐标的映射关系中的一种。所述透视变换矩阵用于表征像素点坐标与平面坐标的映射关系。为了布局清楚,关于所述透视变换矩阵的确定过程,在后文中予以介绍。
步骤b3:针对每一目标车辆,基于该目标车辆的参考像素点坐标对应的平面坐标,确定该目标车辆的位置信息。
作为一种可选的实现方式,步骤b3可以为步骤b31:
步骤b31:将该目标车辆的参考像素点坐标对应的平面坐标,作为该目标车辆的位置信息。
作为另一种可选的实现方式,步骤b3可以包括步骤b32:
步骤b32:针对每一目标车辆,将该目标车辆的参考像素点坐标对应的平面坐标,与预先确定的多个车道平面坐标进行比较,根据比较结果,确定该目标车辆的车道标识,并将所述车道标识和该目标车辆的参考像素点坐标对应的平面坐标,作为该目标车辆的位置信息。在所述位置信息中增加车道标识,有利于得到目标车辆准确、丰富的位置信息,继而在后续可以基于所述位置信息,得到准确、丰富的行驶信息。
以下对确定一目标车辆的车道标识的过程举例说明:假设一目标车辆的参考像素点坐标对应的平面坐标为(x0,y0)。所述目标道路有两条车道,分别为车道1和车道2,每个车道有左右两条边线,针对每个车道,预先确定的多个车道平面坐标可以为:车道的左边线对应的各个平面坐标以及车道的右边线对应的各个平面坐标。
可以理解的是,每个边线上的平面坐标构成一线段,那么,这两个车道对应有三条边线,假设为边线1、2和3(车道1的两条边线是边线1和2,车道2的两条边线是边线2和3)。可以分别计算(x0,y0)与边线1、2和3的垂直距离,分别得到垂直距离d1、d2和d3。如果d1和d2均小于车道1的宽度,则确定该目标车辆位于车道1上,可以确定该目标车辆的车道标识为1;类似的,如果d2和d3均小于车道2的宽度,则确定该目标车辆位于车道2上,可以确定该目标车辆的车道标识为2。当然,确定一目标车辆的车道标识的过程不限于以上所述。
其中,所述车道标识用于区分各个车道,所述车道标识可以为与车道相关的数值,比如1代表第一车道等,当然,所述车道标识也可以为其他字符。
所述车道平面坐标是所述目标道路的车道边线对应的二维坐标。为了布局清楚,关于车道平面坐标的确定过程,在后文中予以介绍。
2)针对于步骤a2而言:
步骤a2可以包括步骤c1和步骤c2:
步骤c1,当得到多张车辆图像中各个目标车辆的位置信息时,针对符合第一条件的两个位置信息,当该两个位置信息所对应区域间的距离值小于第一距离阈值时,将该两个位置信息确定为同一目标车辆的位置信息;
其中,所述第一条件包括:该两个位置信息从不同的车辆图像中提取,该不同的车辆图像由同一视频监控设备所采集且时间戳相邻。
利用步骤c1,所述数据处理设备可以在同一视频监控设备的多个位置信息中,确定同一目标车辆;并针对每个目标车辆,可以确定该目标车辆关于该同一视频监控设备的多个位置信息。
具体的,在该步骤中,所述位置信息可以为参考像素点坐标对应的平面坐标;也就是说,针对相邻时刻的、来自于同一视频监控设备的两个参考像素点坐标对应的平面坐标,如果该两个参考像素点坐标对应的平面坐标的距离小于第一距离阈值,那么,可以确定该两个参考像素点坐标对应的平面坐标为同一目标车辆的参考像素点坐标对应的平面坐标。
其中,所述第一距离阈值可以根据经验值设定,比如,所述第一距离阈值可以为2米等。
步骤c2,针对符合第二条件的两个位置信息,当该两个位置信息所对应区域间的距离值小于第二距离阈值时,将该两个位置信息确定为同一目标车辆的位置信息。
其中,所述第二条件包括:该两个位置信息从不同的车辆图像中提取,且该不同的车辆图像由相邻的视频监控设备所采集且时间戳相同。
可以理解的是,利用步骤c2,可以在相邻的两个视频监控设备的多个位置信息中,确定同一目标车辆;并针对每个目标车辆,可以确定该目标车辆关于该相邻的两个视频监控设备的多个位置信息。
具体的,在步骤c2中,位置信息可以为参考像素点坐标对应的平面坐标;也就是说,针对同一时刻的、来自于相邻的两个视频监控设备1和2的两个参考像素点坐标对应的平面坐标z1(z1来自于视频监控设备1)和z2(z2来自于视频监控设备2),如果z1和z2的距离小于第二距离阈值,那么,可以确定z1和z2为同一个目标车辆的位置信息。
其中,所述第二距离阈值可以根据经验值设定,比如,所述第二距离阈值可以为5米等。
需要说明的是,所述第一距离阈值、所述第二距离阈值与视频监控设备拍摄车辆图像的时间间隔有关。
可选的,在步骤c2中,位置信息还可以包括车道标识。也就是说,针对上述举例,如果z1和z2的距离小于所述第二距离阈值,并且对应的车道标识相同,那么,可以确定z1和z2为同一个目标车辆的位置信息。利用车道标识辅助参考像素点坐标对应的平面坐标进行判断,能够提高在相邻的两个视频监控设备多个位置信息中,确定同一目标车辆的准确度。
需要说明的是,如果各个目标车辆的位置信息是由所述视频监控设备确定的,步骤a2的一种可选的实现方式可以为:
步骤c3,当所述数据处理设备得到多张车辆图像中各个目标车辆的位置信息时,将同一视频监控设备的多个目标信息中,同一车辆标识对应的位置信息,确定为同一目标车辆的位置信息。
其中,步骤c3是步骤c1的一种可选的实现方式。
步骤c4,针对符合第二条件的两个位置信息,当该两个位置信息所对应区域间的距离值小于第二距离阈值时,将该两个位置信息确定为同一目标车辆的位置信息。
其中,所述第二条件包括:该两个位置信息从不同的车辆图像中提取,且该不同的车辆图像由相邻的视频监控设备所采集且时间戳相同。
其中,步骤c4与步骤c2相同。
下面具体对上述步骤c3-步骤c4进行说明:由于同一视频监控设备的多张车辆图像的拍摄间隔较短,同一目标车辆在相邻的两张车辆图像中的位置变化较小。任一视频监控设备可以利用车辆识别功能,对自身的多个车辆图像中的各个目标车辆进行标识和跟踪,在每张车辆图像中,确定每个目标车辆的车辆标识和对应的位置信息。比如,在第一张车辆图像中确定目标车辆1的位置信息为x1、目标车辆2的位置信息为x2,在第二张车辆图像中确定目标车辆1的位置信息为y1、目标车辆2的位置信息为y2,等等。也就是说,任一视频监控设备发送给所述数据处理设备的目标信息中,除了包含所述位置信息和所述车辆图像的时间戳之外,还可以包含所述位置信息对应的目标车辆的车辆标识。需要说明的是,每个视频监控设备对自身车辆图像中的目标车辆的标识和追踪过程是独立的。
那么,所述数据处理设备,在接收到各个目标信息后,针对同一视频监控设备的多个目标信息,可以按照各个目标信息中的车辆标识,将同一车辆标识对应的位置信息确定为同一目标车辆的位置信息,继而可以从所述多个位置信息中,提取各个目标车辆的位置信息。也就是说,针对同一视频监控设备的多个位置信息,可以利用车辆标识追踪同一目标车辆。
而针对相邻的两个视频监控设备的多个位置信息,由于各个视频监控设备的车辆标识并没有关联性,所以所述数据处理设备仍然需要按照上述步骤c2确定同一目标车辆。
3)针对于步骤a3而言:
所述预定排列方式为依据所述各个位置信息对应的时间戳的先后顺序进行排列的方式,任一位置信息对应的时间戳为该位置信息所属车辆图像的时间戳。
可以理解的是,一目标车辆的行驶轨迹是按照位置信息对应的时间戳的先后顺序排列的多个位置信息。具体的,一目标车辆的行驶轨迹是按照时间戳的先后顺序排列的该目标车辆的多个参考像素点坐标对应的平面坐标,当然,所述行驶轨迹还可以包括该目标车辆的多个车道标识。其中,参考像素点坐标对应的平面坐标与车道标识是一一对应的。
可选的,在一种实现方式中,所述数据处理设备针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息,可以包括步骤d和步骤e:
步骤d,针对每一目标车辆,利用该目标车辆的行驶轨迹中两个平面坐标之间的距离,以及与该两个平面坐标对应的时间戳的差值,计算该目标车辆对应的瞬时车速;
具体的,可以将所述距离与所述差值求取比值,得到该目标车辆对应的瞬时车速。
如果在一段时间内,该目标车辆对应的各个瞬时车速,均小于预定车速,那么,可以判定该目标车辆在该段时间内存在连续低速的龟行行为。
步骤e,针对每一目标车辆,确定第一时间戳和第二时间戳;计算所述第一时间戳和所述第二时间戳的差值;利用所述目标道路的长度和所述差值,计算该目标车辆的区间车速。
其中,所述第一时间戳为:该目标车辆的行驶轨迹中属于所述目标道路的起点坐标的平面坐标所对应的时间戳,所述第二时间戳为:该目标车辆的行驶轨迹中属于所述目标道路的终点坐标的平面坐标所对应的时间戳。
可选的,在另一种实现方式中,所述数据处理设备针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息,可以包括步骤f和步骤g:
步骤f,针对每一目标车辆,从该目标车辆的行驶轨迹中,确定该目标车辆在预设时间段内的目标轨迹;
具体的,针对每一目标车辆,可以根据该目标车辆的行驶轨迹中各个位置信息对应的时间戳,确定与预设时间段对应的两个时间戳,然后在该目标车辆的行驶轨迹中,确定该两个时间戳之间的行驶轨迹为目标轨迹。
步骤g,根据所述目标轨迹中的多个车道标识,判断该目标车辆是否存在异常变道行为。
具体的,可以判断在检测时长内,目标车辆是否存在连续变道的行为,例如从第一车道直接变到第三车道等。也可以判断在检测时长内,目标车辆是否存在蛇行变道的行为,例如从第一车道变到第二车道又变回第一车道等;如果出现上述行为,可以确定该目标车辆存在异常变道行为。在实际应用中,所述检测时长可以为一段较短的时间长度,所述检测时长可以根据经验值设定,比如5分钟等等。
另外,可选的,所述数据处理设备还用于:
基于预设时长内、接收的目标视频监控设备发送的多个目标信息,统计所述预设时长内,通过所述目标道路的预设断面的目标车辆的数量,并利用统计得到的目标车辆的数量和所述预设时长,计算断面流量;
其中,所述目标视频监控设备为所述预设断面位置处的视频监控设备。
比如,可以将所述目标道路的终点处的道路断面,作为预设断面。将所述终点位置处的视频监控设备作为目标视频监控设备。那么,经过上述过程,可以检测出预设时长内,通过所述目标道路的终点的目标车辆的数量,并将统计得到的目标车辆的数量与所述预设时长求取比值,得到断面流量。
当然,预设断面可以为所述目标道路的任意断面,比如,可以为所述目标道路的起点处的道路断面或所述目标道路的中点处的道路断面等,这都是合理的。
可见,在以上可选的多种方式中,本发明实施例所提供的方案,基于目标车辆的行驶轨迹,可以提取多种交通参数,如瞬时车速、区间车速、断面流量,以及关于变道的异常驾驶行为等,可以为交通检测提供大量的数据基础。
另外,可选的,所述数据处理设备还用于结合路网数据,确定目标车辆匹配的路段,以用于实现车辆定位、追踪及路段导航等。以下以两种实施方式示例性的说明该过程的实施步骤。
可选的,结合路网数据,确定目标车辆匹配的路段的第一种实施方式可以包括以下步骤:
第一步,获取路网数据;
其中,所述路网数据含有所述目标道路所在区域的多个路段的平面坐标。
可以理解的是,所述路网数据可以为各种导航地图所使用的数据,所述路网数据包括所述目标道路所在区域的各个路段的平面坐标。
第二步,针对每个目标车辆,基于该目标车辆的参考像素点坐标对应的平面坐标,与各个路段的平面坐标的位置关系,确定与该目标车辆匹配的路段。
具体的,针对每个目标车辆,每当得到该目标车辆的一个参考像素点坐标对应的平面坐标时,可以将该参考像素点坐标对应的平面坐标,与各个路段的平面坐标进行比较,确定该参考像素点坐标对应的平面坐标与各个路段的平面坐标的位置关系;通过确定的位置关系,确定该参考像素点坐标对应的平面坐标所属的路段,继而确定该目标车辆当前匹配的路段;并且,由该参考像素点坐标对应的平面坐标,可以确定该目标车辆在当前匹配的路段上的具***置。
在该种实施方式中,针对每个目标车辆,基于该目标车辆的参考像素点坐标对应的平面坐标,与各个路段的平面坐标的位置关系,确定与该目标车辆匹配的路段的过程,可以首先计算参考像素点坐标对应的平面坐标与各个路段的距离,以及计算两个参考像素点坐标对应的平面坐标所构成的线段,与各个路段对应的线段之间的夹角,然后利用得到的各个距离和各个夹角,确定该目标车辆的参考像素点坐标对应的平面坐标,与各个路段的平面坐标的位置关系,从而确定与该目标车辆匹配的路段。
以下对该过程进行举例说明,假设该目标车辆的当前参考像素点坐标对应的平面坐标为A1,A1之前的参考像素点坐标对应的平面坐标为A0。路网数据中存在三条路段X、Y和Z。可以理解的是,X、Y和Z是由多个平面坐标构成的线段。
首先,可以计算A1分别与X、Y和Z的垂直距离d;
之后,一种实现方式可以为:判断是否存在一个路段的d和满足:d小于预设距离且小于预设角度,如果是,判定A1属于该路段,该目标车辆与该路段匹配。其中,所述预设距离和所述预设角度可以根据经验值设定,比如所述预设距离可以为30米,所述预设角度可以为45度等。
可选的,结合路网数据,确定目标车辆匹配的路段的第二种实施方式可以包括以下步骤:
第一步,针对每个目标车辆,确定该目标车辆的车辆图像所对应的视频监控设备;
第二步,根据预先确定的视频监控设备和路网数据中路段的对应关系,确定该目标车辆匹配的路段。
其中,所述视频监控设备和路网数据中路段的对应关系包括:各个视频监控设备所对应的路网数据中的路段。所述对应关系可以是在样本车辆的测试过程中确定的。所述对应关系可以为一个表格等。为了布局清楚,关于所述测试过程在后文中说明。
针对上述步骤举例说明:目标车辆1当前的车辆图像来源于视频监控设备3,而查找视频监控设备和路网数据中路段的对应关系得知,视频监控设备3所对应的路段是X,则确定目标车辆1当前行驶于路段X上。
当然,如果想要确定该目标车辆在匹配的路段上的具***置,需要确定该目标车辆的参考像素点坐标对应的平面坐标。
可见,相比于第一种实施方式,第二种实施方式能够简便快捷地确定出路网数据中,一目标车辆匹配的路段。
针对于上述两种实施方式,可以在导航地图上,将该考像素点坐标对应的平面坐标,显示在所匹配的路段上,比如可以以圆点或者箭头等方式进行显示。可以理解的是,可以将依次得到的该目标车辆的各个参考像素点坐标对应的平面坐标实时地显示在各自匹配的路段上,以使得所述导航地图上可以显示出该目标车辆的各个参考像素点坐标对应的平面坐标所构成的实时且连续的行驶轨迹。
本发明实施例所提供的方案中,可以将车辆图像中的目标车辆匹配至导航地图的路段上,实现了交通微观数据提取,并将目标车辆的行驶轨迹统一到路网数据之后,可以为后续多数据源融合提供良好的数据基础。
以下补充介绍本发明实施例中的样本车辆的测试过程,在所述测试过程中,可以利用一作为样本的测试车辆确定各个视频监控设备的透视变换矩阵以及确定车道平面坐标。需要说明的是,透视变换矩阵和车道平面坐标的确定过程可以由所述数据处理设备完成,也可以由所述视频监控设备完成。具体的:
首先,测试过程需要的条件有:笔直的目标道路、可视度较好的测试时间、一辆带有GPS设备的测试车辆以及视频监控设备的校时和测试车辆的GPS数据的校时同步。
需要说明的是,测试时间可以选在白天、晴天及车辆较少的时段,以得到更好的测试效果。GPS设备的定位精度越高,坐标映射矩阵的坐标转换效果越好,在本发明实施例中,GPS设备至少需要有亚米级的定位精度。
具体的,测试过程可以为:测试车辆从所述目标道路的起点行驶到所述目标道路的终点,在行驶过程中,各个视频监控设备持续拍摄关于该测试车辆的测试图像,基于拍摄的测试图像确定各个视频监控设备的透视变换矩阵以及车道平面坐标。
需要说明的是,为了获取用于计算透视变换矩阵的有效的匹配点,所述测试车辆在行驶过程中不能一直处于同一车道。作为一种可选的实现方式,所述测试车辆可以在左侧车道上完成一次全程行驶,再在右侧车道上完成一次全程行驶。
具体的,所述透视变换矩阵的确定过程,可以包括步骤A-步骤D:
步骤A,在测试车辆行驶于所述目标道路的过程中,在多个测试时间点,分别获取所述测试车辆的GPS坐标,并同时获取测试图像;
其中,所述测试车辆在所述多个测试时间点的位置不共线。
需要说明的是,可以从测试车辆的GPS设备中获取GPS坐标,所述GPS坐标为三维坐标。
步骤B,利用坐标投影方法,将各个GPS坐标转换为对应的平面坐标;
其中,所述坐标投影方法为现有的一种方法,能够将三维的GPS坐标转换为二维的平面坐标。其中,所述平面坐标用于表征所述目标道路上的位置。
步骤C,在每个测试图像中,确定测试车辆的参考像素点坐标;
其中,所述参考像素点坐标为:所述测试图像中识别出的、含有测试车辆的预设矩形框的中心点所对应的像素点的坐标。
数据处理设备或任一视频监控设备具有图像识别功能,可以从测试图像中,识别出含有测试车辆的预设矩形框的位置;然后在每个测试图像中,确定该预设矩形框的中心点所对应的像素点的坐标,将该坐标作为测试车辆的参考像素点坐标。
当然,在本发明实施例中,含有测试车辆的检测框的形状不限于矩形,还可以为圆形或梯形等。
步骤D,将每个测试时间点的平面坐标和参考像素点坐标作为一组匹配点,利用多组匹配点计算透视变换矩阵。
其中,所述透视变换矩阵用于表征像素点坐标和平面坐标的映射关系。匹配点的组数至少为四组。
利用多组匹配点计算透视变换矩阵的过程为现有技术,在此不进行说明。
可以为每个视频监控设备确定自身的透视变换矩阵,并将所确定的透视变换矩阵存储在该视频监控设备之中或者存储在数据处理设备中。
在获取一张测试图像之后,可以确定车道平面坐标。所述车道平面坐标的确定过程,可以包括步骤E和步骤F:
步骤E,利用预设的像素点坐标与平面坐标的映射关系,确定车道像素点坐标对应的平面坐标;
其中,所述车道像素点坐标是:由人工在一张关于目标道路的测试图像上,对车道边线的像素点进行标定得到的坐标。在标定的时候,可以在所述车道边线的像素点中,选取两个像素点进行坐标标定。因为在本发明实施例中,假设目标道路是笔直的线段,那么,可以基于两个像素点的坐标,比如利用目标道路的起点对应的一个像素点的坐标和终点对应的一个像素点的坐标,利用线性关系,确定出车道边线的所有像素点的坐标。
在该步骤中,预设的像素点坐标与平面坐标的映射关系,可以是由其他工具所确定的。
可以理解的是,如果所述目标道路是弯曲的,可以对车道边线上的各个像素点的坐标进行标定,然后利用预设的像素点坐标与平面坐标的映射关系,确定各个车道像素点坐标对应的平面坐标。
步骤F,将确定出的车道像素点坐标对应的平面坐标,作为车道平面坐标。
可以理解的是,可以先确定出两个车道平面坐标,然后将所述两个车道平面坐标利用线性关系,计算得到多个车道平面坐标。
第二方面,从视频监控设备的角度,本发明实施例提供了一种道路多视频联合检测方法。所述方法应用于道路多视频联合检测***中的视频监控设备。所述***还包括多个视频监控设备,所述多个视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠。
需要说明的是,本发明实施例所提供的一种道路多视频联合检测方法的执行主体可以为一种道路多视频联合检测装置,所述装置可以运行于视频监控设备中;其中,所述视频监控设备可以为摄像机等。
如图1所示,从视频监控设备的角度,本发明实施例所提供的一种道路多视频联合检测方法,可以包括如下步骤:
S201,每获取到一车辆图像,基于所述车辆图像确定目标信息;
在本发明实施例中,任一视频监控设备可以为摄像头,如球机、枪机等,也可以为摄像机,如卡口摄像机、高点监控摄像机等;当然,具有视频监控功能的设备均可以作为本发明实施例中的视频监控设备,例如:电子警察等。所述多个视频监控设备可以被间隔设置于所述目标道路的路侧;其中,所述多个视频监控设备可以被设置于所述目标道路的同一侧,也可以被设置于所述目标道路的不同侧。每两个相邻的视频监控设备之间的间隔可以是相同的,也可以是不同的。但需要强调的是,相邻的两个视频监控设备的监控区域有重叠。
各个视频监控设备的设置方式可以是:在目标道路的路侧,将各个视频监控设备安装在专门的架设装置上;当然,为了设置方便,可以将视频监控设备安装于目标道路路侧的路灯杆上。
在本发明实施例中,各个视频监控设备持续地对目标道路上的车辆进行拍摄,获取车辆图像,比如视频监控设备拍摄车辆图像的时间间隔可以为100毫秒,所拍摄的一张车辆图像中可以包含多个车辆。其中,100毫秒是根据检测需求确定的经验值。
对每个视频监控设备而言,每获取到一车辆图像,基于所述车辆图像确定目标信息,并将确定的目标信息发送给数据处理设备。
其中,所述目标信息与所述车辆图像中各个目标车辆有关;所述目标信息可以包括所述车辆图像,也可以包括从所述车辆图像中确定的、各个目标车辆在所述目标道路上的位置,还可以包括获取所述车辆图像的时间等。当然,所述目标信息的内容不限于以上所述。
在该步骤中,所述基于所述车辆图像确定目标信息,可以包括以下两种实现过程:
第一种实现过程:将所述车辆图像和所述车辆图像的时间戳,作为目标信息。
第二种实现过程:确定所述车辆图像中各个目标车辆的位置信息,并将所确定出的位置信息和所述车辆图像的时间戳,作为目标信息。
在该种实现过程中,所述视频监控设备确定任一车辆图像中,各个目标车辆的位置信息,并将所确定出的位置信息和所述车辆图像的时间戳,作为目标信息。
关于所述确定任一车辆图像中,各个目标车辆的位置信息的实施过程,可以参见前文对应内容的详细描述,此处不再赘述。
所述视频监控设备可以采用上述任一种实现方式,在每获取到一车辆图像时,基于所述车辆图像确定目标信息。
S202,将确定的目标信息发送给数据处理设备,以使得所述数据处理设备基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹;并针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。
关于所述数据处理设备的处理过程,可以参见前文的从所述视频监控设备的角度所提供的一种道路多视频联合检测方法的相关内容,此处不再赘述。
本发明实施例所提供的方案中,多个视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠。任一视频监控设备可以在每获取到一车辆图像时,基于所述车辆图像确定与所述车辆图像中各个目标车辆有关的目标信息;然后将确定的目标信息发送给数据处理设备,以使得所述数据处理设备基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹;并针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。因此,应用本发明实施例能够实现利用视频监控设备对一段道路上的车辆的行驶信息进行有效检测的目的。
第三方面,相对于从数据处理设备的角度所提供的一种道路多视频联合检测方法,本发明实施例还提供了一种道路多视频联合检测装置。所述装置应用于道路多视频联合检测***中的数据处理设备,所述***包括多个所述视频监控设备和数据处理设备,多个所述视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠;如图3所示,该装置包括:
接收模块301,用于持续接收多个视频监控设备发送的目标信息;其中,任一视频监控设备每获取到一车辆图像,基于所述车辆图像确定目标信息,并将确定的目标信息发送给数据处理设备;所述目标信息与所述车辆图像中各个目标车辆有关;
第一确定模块302,用于基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹;
第二确定模块303,用于针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。
可选的,在本发明实施例中,所述第一确定模块302,包括:
第一确定子模块,用于针对接收到的每一目标信息,基于该目标信息,确定该目标信息所对应车辆图像中各个目标车辆的位置信息;其中,任一目标车辆的位置信息用于表征该目标车辆在所述目标道路上的位置;
第二确定子模块,用于当得到多张车辆图像中各个目标车辆的位置信息时,基于多张车辆图像中各个目标车辆的位置信息,确定所述多张车辆图像中同一目标车辆的各个位置信息;
排列子模块,用于针对每一目标车辆,将该目标车辆的各个位置信息按照预定排列方式进行排列,构成该目标车辆的行驶轨迹;其中,所述预定排列方式为依据所述各个位置信息对应的时间戳的先后顺序进行排列的方式,任一位置信息对应的时间戳为该位置信息所属车辆图像的时间戳。
可选的,在本发明实施例中,所述目标信息包括视频监控设备获取的车辆图像和所述车辆图像的时间戳;
所述第一确定子模块,包括:
第一确定单元,用于针对接收到的每一目标信息,在该目标信息所包含的车辆图像中,确定各个目标车辆的位置信息。
可选的,在本发明实施例中,所述目标信息包括:视频监控设备从获取的车辆图像中确定的各个目标车辆的位置信息和所述车辆图像的时间戳;
所述第一确定子模块,包括:
第二确定单元,用于针对接收到的每一目标信息,从该目标信息中提取各个目标车辆的位置信息。
可选的,在本发明实施例中,所述第二确定子模块,具体用于:
当得到多张车辆图像中各个目标车辆的位置信息时,针对符合第一条件的两个位置信息,当该两个位置信息所对应区域间的距离值小于第一距离阈值时,将该两个位置信息确定为同一目标车辆的位置信息;其中,所述第一条件包括:该两个位置信息从不同的车辆图像中提取,该不同的车辆图像由同一视频监控设备所采集且时间戳相邻;
针对符合第二条件的两个位置信息,当该两个位置信息所对应区域间的距离值小于第二距离阈值时,将该两个位置信息确定为同一目标车辆的位置信息;其中,所述第二条件包括:该两个位置信息从不同的车辆图像中提取,且该不同的车辆图像由相邻的视频监控设备所采集且时间戳相同。
可选的,在本发明实施例中,所述第一确定单元,包括:
第一确定子单元,用于在车辆图像中确定各个目标车辆的参考像素点坐标;其中,所述参考像素点坐标用于表征目标车辆在车辆图像中的位置;
第二确定子单元,用于利用预设的像素点坐标与平面坐标的映射关系,确定各个目标车辆的参考像素点坐标对应的平面坐标;
第三确定子单元,用于针对每一目标车辆,基于该目标车辆的参考像素点坐标对应的平面坐标,确定该目标车辆的位置信息。
可选的,在本发明实施例中,所述第二确定子单元,具体用于:
利用预先确定的透视变换矩阵,计算各个目标车辆的参考像素点坐标对应的平面坐标;其中,所述透视变换矩阵用于表征像素点坐标与平面坐标的映射关系。
可选的,在本发明实施例中,所述第三确定子单元,具体用于:
针对每一目标车辆,将该目标车辆的参考像素点坐标对应的平面坐标,与预先确定的多个车道平面坐标进行比较,根据比较结果,确定该目标车辆的车道标识,并将所述车道标识和该目标车辆的参考像素点坐标对应的平面坐标,作为该目标车辆的位置信息;
其中,所述车道平面坐标是所述目标道路的车道边线对应的二维坐标。
可选的,在本发明实施例中,所述第二确定模块303,具体用于:
针对每一目标车辆,利用该目标车辆的行驶轨迹中两个平面坐标之间的距离,以及与该两个平面坐标对应的时间戳的差值,计算该目标车辆对应的瞬时车速;
针对每一目标车辆,确定第一时间戳和第二时间戳;计算所述第一时间戳和所述第二时间戳的差值;利用所述目标道路的长度和所述差值,计算该目标车辆的区间车速;其中,所述第一时间戳为:该目标车辆的行驶轨迹中属于所述目标道路的起点坐标的平面坐标所对应的时间戳,所述第二时间戳为:该目标车辆的行驶轨迹中属于所述目标道路的终点坐标的平面坐标所对应的时间戳。
可选的,在本发明实施例中,所述第二确定模块303,具体用于:
针对每一目标车辆,从该目标车辆的行驶轨迹中,确定该目标车辆在预设时间段内的目标轨迹;
根据所述目标轨迹中的多个车道标识,判断该目标车辆是否存在异常变道行为。
可选的,在本发明实施例中,所述装置还包括:
计算模块,用于基于预设时长内、接收的目标视频监控设备发送的多个目标信息,统计所述预设时长内,通过所述目标道路的预设断面的目标车辆的数量,并利用统计得到的目标车辆的数量和所述预设时长,计算断面流量;其中,所述目标视频监控设备为所述预设断面位置处的视频监控设备。
可选的,在本发明实施例中,所述装置还包括:
获取模块,用于获取路网数据;其中,所述路网数据含有所述目标道路所在区域的多个路段的平面坐标;
匹配模块,用于针对每个目标车辆,基于该目标车辆的参考像素点坐标对应的平面坐标,与各个路段的平面坐标的位置关系,确定与该目标车辆匹配的路段。
本发明实施例所提供的方案中,多个视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠。所述数据处理设备可以持续接收多个视频监控设备发送的、基于获取的车辆图像所确定的与所述车辆图像中各个目标车辆有关的目标信息;然后可以基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹;继而针对每一目标车辆,可以基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。因此,应用本发明实施例能够实现利用视频监控设备对一段道路上的车辆的行驶信息进行有效检测的目的。
第四方面,相对于从视频监控设备的角度所提供的一种道路多视频联合检测方法,本发明实施例还提供了一种道路多视频联合检测装置。所述装置应用于道路多视频联合检测***中的视频监控设备,所述***包括多个所述视频监控设备和数据处理设备,多个所述视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠;如图4所示,该装置包括:
确定模块401,用于每获取到一车辆图像,基于所述车辆图像确定目标信息;其中,所述目标信息与所述车辆图像中各个目标车辆有关;
发送模块402,用于将确定的目标信息发送给数据处理设备,以使得所述数据处理设备基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹;并针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。
可选的,在本发明实施例中,所述确定模块401,包括:
第一确定子模块,用于将所述车辆图像和所述车辆图像的时间戳,作为目标信息;或者
第二确定子模块,用于确定所述车辆图像中各个目标车辆的位置信息,并将所确定出的位置信息和所述车辆图像的时间戳,作为目标信息。
可选的,在本发明实施例中,所述第二确定子模块,包括:
第一确定单元,用于在车辆图像中确定各个目标车辆的参考像素点坐标;其中,所述参考像素点坐标用于表征目标车辆在车辆图像中的位置;
第二确定单元,用于利用预设的像素点坐标与平面坐标的映射关系,确定各个目标车辆的参考像素点坐标对应的平面坐标;
第三确定单元,用于针对每一目标车辆,基于该目标车辆的参考像素点坐标对应的平面坐标,确定该目标车辆的位置信息。
可选的,在本发明实施例中,所述第二确定单元,具体用于:
利用预先确定的透视变换矩阵,计算各个目标车辆的参考像素点坐标对应的平面坐标;其中,所述透视变换矩阵用于表征像素点坐标与平面坐标的映射关系。
可选的,在本发明实施例中,所述第三确定单元,具体用于:
针对每一目标车辆,将该目标车辆的参考像素点坐标对应的平面坐标,与预先确定的多个车道平面坐标进行比较,根据比较结果,确定该目标车辆的车道标识,并将所述车道标识和该目标车辆的参考像素点坐标对应的平面坐标,作为该目标车辆的位置信息;
其中,所述车道平面坐标是所述目标道路的车道边线对应的二维坐标。
本发明实施例所提供的方案中,多个视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠。任一视频监控设备可以在每获取到一车辆图像时,基于所述车辆图像确定与所述车辆图像中各个目标车辆有关的目标信息;然后将确定的目标信息发送给数据处理设备,以使得所述数据处理设备基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹;并针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。因此,应用本发明实施例能够实现利用视频监控设备对一段道路上的车辆的行驶信息进行有效检测的目的。
第五方面,相对于从数据处理设备的角度所提供的一种道路多视频联合检测方法,本发明实施例还提供了一种电子设备,所述电子设备为数据处理设备,如图5所示,所述数据处理设备可以包括处理器501和存储器502,其中,
所述存储器502,用于存放计算机程序;
所述处理器501,用于执行所述存储器502上所存放的程序时,实现本发明实施例从数据处理设备的角度所提供的道路多视频联合检测方法的步骤。
上述存储器可以包括RAM(Random Access Memory,随机存取存储器),也可以包括NVM(Non-Volatile Memory,非易失性存储器),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于上述处理器的存储装置。
上述处理器可以是通用处理器,包括CPU(Central Processing Unit,中央处理器)、NP(Network Processor,网络处理器)等;还可以是DSP(Digital Signal Processor,数字信号处理器)、ASIC(Application Specific Integrated Circuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)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。
通过上述电子设备,能够实现:多个视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠。所述数据处理设备可以持续接收多个视频监控设备发送的、基于获取的车辆图像所确定的与所述车辆图像中各个目标车辆有关的目标信息;然后可以基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹;继而针对每一目标车辆,可以基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。因此,应用本发明实施例能够实现利用视频监控设备对一段道路上的车辆的行驶信息进行有效检测的目的。
第六方面,相对于从视频监控设备的角度所提供的一种道路多视频联合检测方法,本发明实施例还提供了一种电子设备,所述电子设备为视频监控设备,如图6所示,所述视频监控设备可以包括处理器601和存储器602,其中,
所述存储器602,用于存放计算机程序;
所述处理器601,用于执行所述存储器602上所存放的程序时,实现本发明实施例从视频监控设备的角度所提供的道路多视频联合检测方法的步骤。
上述存储器可以包括RAM(Random Access Memory,随机存取存储器),也可以包括NVM(Non-Volatile Memory,非易失性存储器),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于上述处理器的存储装置。
上述处理器可以是通用处理器,包括CPU(Central Processing Unit,中央处理器)、NP(Network Processor,网络处理器)等;还可以是DSP(Digital Signal Processor,数字信号处理器)、ASIC(Application Specific Integrated Circuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)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。
通过上述电子设备,能够实现:多个视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠。任一视频监控设备可以在每获取到一车辆图像时,基于所述车辆图像确定与所述车辆图像中各个目标车辆有关的目标信息;然后将确定的目标信息发送给数据处理设备,以使得所述数据处理设备基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹;并针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。因此,应用本发明实施例能够实现利用视频监控设备对一段道路上的车辆的行驶信息进行有效检测的目的。
第七方面,相对于从数据处理设备的角度所提供的一种道路多视频联合检测方法,本发明实施例还提供了一种计算机可读存储介质,可以应用于所述数据处理设备。该计算机可读存储介质内存储有计算机程序,计算机程序被处理器执行时实现本发明实施例从数据处理设备的角度所提供的道路多视频联合检测方法的步骤。
上述计算机可读存储介质存储有在运行时执行本发明实施例从数据处理设备的角度所提供的道路多视频联合检测方法的应用程序,因此能够实现:多个视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠。所述数据处理设备可以持续接收多个视频监控设备发送的、基于获取的车辆图像所确定的与所述车辆图像中各个目标车辆有关的目标信息;然后可以基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹;继而针对每一目标车辆,可以基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。因此,应用本发明实施例能够实现利用视频监控设备对一段道路上的车辆的行驶信息进行有效检测的目的。
第八方面,相对于从视频监控设备的角度所提供的一种道路多视频联合检测方法,本发明实施例还提供了一种计算机可读存储介质,可以应用于所述视频监控设备。该计算机可读存储介质内存储有计算机程序,计算机程序被处理器执行时实现本发明实施例相对于从视频监控设备的角度所提供的道路多视频联合检测方法的步骤。
上述计算机可读存储介质存储有在运行时执行本发明实施例相对于从视频监控设备的角度所提供的道路多视频联合检测方法的应用程序,因此能够实现:多个视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠。任一视频监控设备可以在每获取到一车辆图像时,基于所述车辆图像确定与所述车辆图像中各个目标车辆有关的目标信息;然后将确定的目标信息发送给数据处理设备,以使得所述数据处理设备基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹;并针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。因此,应用本发明实施例能够实现利用视频监控设备对一段道路上的车辆的行驶信息进行有效检测的目的。
对于电子设备以及计算机可读存储介质实施例而言,由于其所涉及的方法内容基本相似于前述的方法实施例,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。
第九方面,相对于从数据处理设备的角度以及从视频监控设备的角度所提供的一种道路多视频联合检测方法,本发明实施例还提供了一种道路多视频联合检测***。其中,所述多个视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠。
如图7所示,所述道路多视频联合检测***700包括多个视频监控设备710和数据处理设备720。其中,作为示例,图7中仅示出了一个数据处理设备720,但所述道路多视频联合检测***中所述数据处理设备720的数量并不限于一个。其中:
任一视频监控设备710,用于每获取到一车辆图像,基于所述车辆图像确定目标信息,并将确定的目标信息发送给数据处理设备;
数据处理设备720,用于持续接收多个视频监控设备发送的目标信息,基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹,并针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。
关于所述数据处理设备的处理过程可以参见前文的从所述数据处理设备的角度所提供的一种道路多视频联合检测方法的相关内容;关于所述视频监控设备的处理过程可以参见前文的从所述视频监控设备的角度所提供的一种道路多视频联合检测方法的相关内容,在此不再赘述。
本发明实施例所提供的方案中,多个视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠。因此,针对每个目标车辆,多个视频监控设备可以获取到含有该目标车辆的连续多张车辆图像,从而确定多个目标信息;而所述数据处理设备基于接收到的所述多个目标信息,可以确定该目标车辆的位置信息,基于多个位置信息可以确定该目标车辆在目标道路上的行驶轨迹,继而可以根据所述行驶轨迹确定该目标车辆的行驶信息。本发明实施例所提供的方案中,通过车辆图像的重叠区域,可以追踪跨多个视频监控设备的目标车辆,方法简单有效,工程上比较容易实现,并且监控范围可以覆盖整个目标路段,可以实现目标道路的全程检测。因此,应用本发明实施例能够实现利用视频监控设备对一段道路上的车辆的行驶信息进行有效检测的目的。
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 (23)
1.一种道路多视频联合检测方法,其特征在于,应用于道路多视频联合检测***中的数据处理设备,所述***还包括多个视频监控设备,所述多个视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠;所述方法包括:
持续接收多个视频监控设备发送的目标信息;其中,任一视频监控设备每获取到一车辆图像,基于所述车辆图像确定目标信息,并将确定的目标信息发送给数据处理设备;所述目标信息与所述车辆图像中各个目标车辆有关;
基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹;
针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。
2.根据权利要求1所述的方法,其特征在于,所述基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹,包括:
针对接收到的每一目标信息,基于该目标信息,确定该目标信息所对应车辆图像中各个目标车辆的位置信息;其中,任一目标车辆的位置信息用于表征该目标车辆在所述目标道路上的位置;
当得到多张车辆图像中各个目标车辆的位置信息时,基于多张车辆图像中各个目标车辆的位置信息,确定所述多张车辆图像中同一目标车辆的各个位置信息;
针对每一目标车辆,将该目标车辆的各个位置信息按照预定排列方式进行排列,构成该目标车辆的行驶轨迹;其中,所述预定排列方式为依据所述各个位置信息对应的时间戳的先后顺序进行排列的方式,任一位置信息对应的时间戳为该位置信息所属车辆图像的时间戳。
3.根据权利要求2所述的方法,其特征在于,所述目标信息包括视频监控设备获取的车辆图像和所述车辆图像的时间戳;
所述针对接收到的每一目标信息,基于该目标信息,确定该目标信息所对应车辆图像中各个目标车辆的位置信息,包括:
针对接收到的每一目标信息,在该目标信息所包含的车辆图像中,确定各个目标车辆的位置信息。
4.根据权利要求2所述的方法,其特征在于,所述目标信息包括:视频监控设备从获取的车辆图像中确定的各个目标车辆的位置信息和所述车辆图像的时间戳;
所述针对接收到的每一目标信息,基于该目标信息,确定该目标信息所对应车辆图像中各个目标车辆的位置信息,包括:
针对接收到的每一目标信息,从该目标信息中提取各个目标车辆的位置信息。
5.根据权利要求2所述的方法,其特征在于,所述当得到多张车辆图像中各个目标车辆的位置信息时,基于多张车辆图像中各个目标车辆的位置信息,确定所述多张车辆图像中同一目标车辆的各个位置信息,包括:
当得到多张车辆图像中各个目标车辆的位置信息时,针对符合第一条件的两个位置信息,当该两个位置信息所对应区域间的距离值小于第一距离阈值时,将该两个位置信息确定为同一目标车辆的位置信息;其中,所述第一条件包括:该两个位置信息从不同的车辆图像中提取,该不同的车辆图像由同一视频监控设备所采集且时间戳相邻;
针对符合第二条件的两个位置信息,当该两个位置信息所对应区域间的距离值小于第二距离阈值时,将该两个位置信息确定为同一目标车辆的位置信息;其中,所述第二条件包括:该两个位置信息从不同的车辆图像中提取,且该不同的车辆图像由相邻的视频监控设备所采集且时间戳相同。
6.根据权利要求3所述的方法,其特征在于,所述针对接收到的每一目标信息,在该目标信息所包含的车辆图像中,确定各个目标车辆的位置信息,包括:
在车辆图像中确定各个目标车辆的参考像素点坐标;其中,所述参考像素点坐标用于表征目标车辆在车辆图像中的位置;
利用预设的像素点坐标与平面坐标的映射关系,确定各个目标车辆的参考像素点坐标对应的平面坐标;
针对每一目标车辆,基于该目标车辆的参考像素点坐标对应的平面坐标,确定该目标车辆的位置信息。
7.根据权利要求6所述的方法,其特征在于,所述利用预设的像素点坐标与平面坐标的映射关系,确定各个目标车辆的参考像素点坐标对应的平面坐标,包括:
利用预先确定的透视变换矩阵,计算各个目标车辆的参考像素点坐标对应的平面坐标;其中,所述透视变换矩阵用于表征像素点坐标与平面坐标的映射关系。
8.根据权利要求6所述的方法,其特征在于,所述针对每一目标车辆,基于该目标车辆的参考像素点坐标对应的平面坐标,确定该目标车辆的位置信息,包括:
针对每一目标车辆,将该目标车辆的参考像素点坐标对应的平面坐标,与预先确定的多个车道平面坐标进行比较,根据比较结果,确定该目标车辆的车道标识,并将所述车道标识和该目标车辆的参考像素点坐标对应的平面坐标,作为该目标车辆的位置信息;
其中,所述车道平面坐标是所述目标道路的车道边线对应的二维坐标。
9.根据权利要求6所述的方法,其特征在于,所述针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息,包括:
针对每一目标车辆,利用该目标车辆的行驶轨迹中两个平面坐标之间的距离,以及与该两个平面坐标对应的时间戳的差值,计算该目标车辆对应的瞬时车速;
针对每一目标车辆,确定第一时间戳和第二时间戳;计算所述第一时间戳和所述第二时间戳的差值;利用所述目标道路的长度和所述差值,计算该目标车辆的区间车速;其中,所述第一时间戳为:该目标车辆的行驶轨迹中属于所述目标道路的起点坐标的平面坐标所对应的时间戳,所述第二时间戳为:该目标车辆的行驶轨迹中属于所述目标道路的终点坐标的平面坐标所对应的时间戳。
10.根据权利要求8所述的方法,其特征在于,所述针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息,包括:
针对每一目标车辆,从该目标车辆的行驶轨迹中,确定该目标车辆在预设时间段内的目标轨迹;
根据所述目标轨迹中的多个车道标识,判断该目标车辆是否存在异常变道行为。
11.根据权利要求6所述的方法,其特征在于,所述方法还包括:
基于预设时长内、接收的目标视频监控设备发送的多个目标信息,统计所述预设时长内,通过所述目标道路的预设断面的目标车辆的数量,并利用统计得到的目标车辆的数量和所述预设时长,计算断面流量;其中,所述目标视频监控设备为所述预设断面位置处的视频监控设备。
12.根据权利要求6所述的方法,其特征在于,所述方法还包括:
获取路网数据;其中,所述路网数据含有所述目标道路所在区域的多个路段的平面坐标;
针对每个目标车辆,基于该目标车辆的参考像素点坐标对应的平面坐标,与各个路段的平面坐标的位置关系,确定与该目标车辆匹配的路段。
13.一种道路多视频联合检测方法,其特征在于,应用于道路多视频联合检测***中的视频监控设备,所述***包括多个所述视频监控设备和数据处理设备,多个所述视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠;所述方法包括:
每获取到一车辆图像,基于所述车辆图像确定目标信息;其中,所述目标信息与所述车辆图像中各个目标车辆有关;
将确定的目标信息发送给数据处理设备,以使得所述数据处理设备基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹;并针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。
14.根据权利要求13所述的方法,其特征在于,所述基于所述车辆图像确定目标信息,包括:
将所述车辆图像和所述车辆图像的时间戳,作为目标信息;或者
确定所述车辆图像中各个目标车辆的位置信息,并将所确定出的位置信息和所述车辆图像的时间戳,作为目标信息。
15.根据权利要求14所述的方法,其特征在于,所述确定所述车辆图像中各个目标车辆的位置信息,包括:
在车辆图像中确定各个目标车辆的参考像素点坐标;其中,所述参考像素点坐标用于表征目标车辆在车辆图像中的位置;
利用预设的像素点坐标与平面坐标的映射关系,确定各个目标车辆的参考像素点坐标对应的平面坐标;
针对每一目标车辆,基于该目标车辆的参考像素点坐标对应的平面坐标,确定该目标车辆的位置信息。
16.根据权利要求15所述的方法,其特征在于,所述利用预设的像素点坐标与平面坐标的映射关系,确定各个目标车辆的参考像素点坐标对应的平面坐标,包括:
利用预先确定的透视变换矩阵,计算各个目标车辆的参考像素点坐标对应的平面坐标;其中,所述透视变换矩阵用于表征像素点坐标与平面坐标的映射关系。
17.根据权利要求15所述的方法,其特征在于,所述针对每一目标车辆,基于该目标车辆的参考像素点坐标对应的平面坐标,确定该目标车辆的位置信息,包括:
针对每一目标车辆,将该目标车辆的参考像素点坐标对应的平面坐标,与预先确定的多个车道平面坐标进行比较,根据比较结果,确定该目标车辆的车道标识,并将所述车道标识和该目标车辆的参考像素点坐标对应的平面坐标,作为该目标车辆的位置信息;
其中,所述车道平面坐标是所述目标道路的车道边线对应的二维坐标。
18.一种道路多视频联合检测装置,其特征在于,应用于道路多视频联合检测***中的数据处理设备,所述***还包括多个视频监控设备,所述多个视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠;所述装置包括:
接收模块,用于持续接收多个视频监控设备发送的目标信息;其中,任一视频监控设备每获取到一车辆图像,基于所述车辆图像确定目标信息,并将确定的目标信息发送给数据处理设备;所述目标信息与所述车辆图像中各个目标车辆有关;
第一确定模块,用于基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹;
第二确定模块,用于针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。
19.根据权利要求18所述的装置,其特征在于,所述第一确定模块,包括:
第一确定子模块,用于针对接收到的每一目标信息,基于该目标信息,确定该目标信息所对应车辆图像中各个目标车辆的位置信息;其中,任一目标车辆的位置信息用于表征该目标车辆在所述目标道路上的位置;
第二确定子模块,用于当得到多张车辆图像中各个目标车辆的位置信息时,基于多张车辆图像中各个目标车辆的位置信息,确定所述多张车辆图像中同一目标车辆的各个位置信息;
排列子模块,用于针对每一目标车辆,将该目标车辆的各个位置信息按照预定排列方式进行排列,构成该目标车辆的行驶轨迹;其中,所述预定排列方式为依据所述各个位置信息对应的时间戳的先后顺序进行排列的方式,任一位置信息对应的时间戳为该位置信息所属车辆图像的时间戳。
20.一种道路多视频联合检测装置,其特征在于,应用于道路多视频联合检测***中的视频监控设备,所述***包括多个所述视频监控设备和数据处理设备,多个所述视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠;所述装置包括:
确定模块,用于每获取到一车辆图像,基于所述车辆图像确定目标信息;其中,所述目标信息与所述车辆图像中各个目标车辆有关;
发送模块,用于将确定的目标信息发送给数据处理设备,以使得所述数据处理设备基于接收到的多个目标信息,确定各个目标车辆的行驶轨迹;并针对每一目标车辆,基于该目标车辆的行驶轨迹,确定该目标车辆的行驶信息。
21.一种电子设备,所述电子设备为数据处理设备,其特征在于,包括处理器和存储器,其中,
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现权利要求1-12任一所述的方法步骤。
22.一种电子设备,所述电子设备为视频监控设备,其特征在于,包括处理器和存储器,其中,
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现权利要求13-17任一所述的方法步骤。
23.一种道路多视频联合检测***,其特征在于,所述***包括多个视频监控设备和数据处理设备,所述多个视频监控设备被间隔设置于目标道路的路侧,相邻的两个视频监控设备的监控区域有重叠;其中,
任一视频监控设备为权利要求22所述的视频监控设备;
所述数据处理设备为权利要求21所述的数据处理设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811333100.0A CN111243281A (zh) | 2018-11-09 | 2018-11-09 | 一种道路多视频联合检测***及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811333100.0A CN111243281A (zh) | 2018-11-09 | 2018-11-09 | 一种道路多视频联合检测***及检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111243281A true CN111243281A (zh) | 2020-06-05 |
Family
ID=70879169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811333100.0A Pending CN111243281A (zh) | 2018-11-09 | 2018-11-09 | 一种道路多视频联合检测***及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111243281A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365722A (zh) * | 2020-09-22 | 2021-02-12 | 浙江大华***工程有限公司 | 道路监控区域识别方法、装置、计算机设备和存储介质 |
CN113132493A (zh) * | 2021-04-29 | 2021-07-16 | 任勇金 | 一种基于定位信息对车辆进行跨区域监控的方法及*** |
CN113191305A (zh) * | 2021-05-17 | 2021-07-30 | 武汉中科通达高新技术股份有限公司 | 一种基于Flink框架的数据管理方法及装置 |
CN113380039A (zh) * | 2021-07-06 | 2021-09-10 | 联想(北京)有限公司 | 数据处理方法、装置和电子设备 |
CN114067554A (zh) * | 2020-08-05 | 2022-02-18 | 北京万集科技股份有限公司 | 路侧终端异常检测方法、装置、计算机设备和存储介质 |
WO2022061725A1 (zh) * | 2020-09-25 | 2022-03-31 | 华为技术有限公司 | 交通元素的观测方法和装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201266436Y (zh) * | 2008-08-26 | 2009-07-01 | 河海大学 | 移动车辆多视频联合检测装置 |
CN102509457A (zh) * | 2011-10-09 | 2012-06-20 | 青岛海信网络科技股份有限公司 | 一种车辆跟踪的方法及装置 |
CN102622886A (zh) * | 2012-03-23 | 2012-08-01 | 长安大学 | 一种基于视频的车辆违章变道事件检测方法 |
CN102819952A (zh) * | 2012-06-29 | 2012-12-12 | 浙江大学 | 一种基于视频检测技术的车辆违法变道检测方法 |
CN103729892A (zh) * | 2013-06-20 | 2014-04-16 | 深圳市金溢科技有限公司 | 车辆定位方法、装置及处理器 |
CN105719483A (zh) * | 2016-01-15 | 2016-06-29 | 同济大学 | 一种视频与gps相结合的车辆行驶轨迹全样本数据获取方法 |
CN106971593A (zh) * | 2017-04-01 | 2017-07-21 | 深圳市元征科技股份有限公司 | 车道识别方法及装置 |
JP2017138660A (ja) * | 2016-02-01 | 2017-08-10 | トヨタ自動車株式会社 | 物体検出方法、物体検出装置、およびプログラム |
CN107305627A (zh) * | 2016-04-22 | 2017-10-31 | 杭州海康威视数字技术股份有限公司 | 一种车辆视频监控方法、服务器及*** |
CN108109132A (zh) * | 2016-11-25 | 2018-06-01 | 杭州海康威视数字技术股份有限公司 | 一种图像分析方法及装置 |
CN108154146A (zh) * | 2017-12-25 | 2018-06-12 | 陈飞 | 一种基于图像识别的车辆追踪方法 |
-
2018
- 2018-11-09 CN CN201811333100.0A patent/CN111243281A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201266436Y (zh) * | 2008-08-26 | 2009-07-01 | 河海大学 | 移动车辆多视频联合检测装置 |
CN102509457A (zh) * | 2011-10-09 | 2012-06-20 | 青岛海信网络科技股份有限公司 | 一种车辆跟踪的方法及装置 |
CN102622886A (zh) * | 2012-03-23 | 2012-08-01 | 长安大学 | 一种基于视频的车辆违章变道事件检测方法 |
CN102819952A (zh) * | 2012-06-29 | 2012-12-12 | 浙江大学 | 一种基于视频检测技术的车辆违法变道检测方法 |
CN103729892A (zh) * | 2013-06-20 | 2014-04-16 | 深圳市金溢科技有限公司 | 车辆定位方法、装置及处理器 |
CN105719483A (zh) * | 2016-01-15 | 2016-06-29 | 同济大学 | 一种视频与gps相结合的车辆行驶轨迹全样本数据获取方法 |
JP2017138660A (ja) * | 2016-02-01 | 2017-08-10 | トヨタ自動車株式会社 | 物体検出方法、物体検出装置、およびプログラム |
CN107305627A (zh) * | 2016-04-22 | 2017-10-31 | 杭州海康威视数字技术股份有限公司 | 一种车辆视频监控方法、服务器及*** |
CN108109132A (zh) * | 2016-11-25 | 2018-06-01 | 杭州海康威视数字技术股份有限公司 | 一种图像分析方法及装置 |
CN106971593A (zh) * | 2017-04-01 | 2017-07-21 | 深圳市元征科技股份有限公司 | 车道识别方法及装置 |
CN108154146A (zh) * | 2017-12-25 | 2018-06-12 | 陈飞 | 一种基于图像识别的车辆追踪方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114067554A (zh) * | 2020-08-05 | 2022-02-18 | 北京万集科技股份有限公司 | 路侧终端异常检测方法、装置、计算机设备和存储介质 |
CN114067554B (zh) * | 2020-08-05 | 2023-06-20 | 北京万集科技股份有限公司 | 路侧终端异常检测方法、装置、计算机设备和存储介质 |
CN112365722A (zh) * | 2020-09-22 | 2021-02-12 | 浙江大华***工程有限公司 | 道路监控区域识别方法、装置、计算机设备和存储介质 |
WO2022061725A1 (zh) * | 2020-09-25 | 2022-03-31 | 华为技术有限公司 | 交通元素的观测方法和装置 |
CN113132493A (zh) * | 2021-04-29 | 2021-07-16 | 任勇金 | 一种基于定位信息对车辆进行跨区域监控的方法及*** |
CN113191305A (zh) * | 2021-05-17 | 2021-07-30 | 武汉中科通达高新技术股份有限公司 | 一种基于Flink框架的数据管理方法及装置 |
CN113380039A (zh) * | 2021-07-06 | 2021-09-10 | 联想(北京)有限公司 | 数据处理方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111243281A (zh) | 一种道路多视频联合检测***及检测方法 | |
CN110174093B (zh) | 定位方法、装置、设备和计算机可读存储介质 | |
Sochor et al. | Comprehensive data set for automatic single camera visual speed measurement | |
US8238610B2 (en) | Homography-based passive vehicle speed measuring | |
CN102279406B (zh) | Gps定位轨迹的围栏识别方法 | |
CN111275960A (zh) | 一种交通路况分析方法、***及摄像机 | |
TWI534764B (zh) | 車輛定位裝置與方法 | |
CN109785637B (zh) | 车辆违规的分析评价方法及装置 | |
CN102359780B (zh) | 一种应用于视频监控***中的定位地面目标的方法 | |
CN105654732A (zh) | 一种基于深度图像的道路监控***及方法 | |
CN111402286B (zh) | 一种目标跟踪方法、装置、***及电子设备 | |
CN107784038A (zh) | 一种传感器数据的标注方法 | |
Sochor et al. | Brnocompspeed: Review of traffic camera calibration and comprehensive dataset for monocular speed measurement | |
CN111009139A (zh) | 一种信号灯配时信息处理方法、装置及车路协同*** | |
CN113850237B (zh) | 基于视频和轨迹数据的网联车目标检测评价方法及*** | |
CN112446915B (zh) | 一种基于图像组的建图方法及装置 | |
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 | |
CN115004273A (zh) | 交通道路的数字化重建方法、装置和*** | |
US9942450B2 (en) | Automatic time signature-based video matching for a camera network | |
CN107798010A (zh) | 一种传感器数据的标注装置 | |
CN105488127B (zh) | 桩号关联方法及*** | |
CN111435565A (zh) | 道路交通状态检测方法、装置、电子设备及存储介质 | |
CN113465608B (zh) | 一种路侧传感器标定方法及*** | |
US11885640B2 (en) | Map generation device and map generation method | |
CN115188195A (zh) | 一种城市全向交叉口的车辆轨迹实时提取方法和*** |
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: 20200605 |
|
RJ01 | Rejection of invention patent application after publication |