CN111260929B - 车辆跟踪异常检测方法及装置 - Google Patents
车辆跟踪异常检测方法及装置 Download PDFInfo
- Publication number
- CN111260929B CN111260929B CN201811457872.5A CN201811457872A CN111260929B CN 111260929 B CN111260929 B CN 111260929B CN 201811457872 A CN201811457872 A CN 201811457872A CN 111260929 B CN111260929 B CN 111260929B
- Authority
- CN
- China
- Prior art keywords
- image frame
- vehicle
- tracking
- time
- time data
- 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.)
- Active
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
- G08G1/017—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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供一种车辆跟踪异常检测方法及装置,涉及车辆监控技术领域。所述方法及装置通过对跟踪车辆进入跟踪区域时对应的第一图像帧及跟踪车辆离开跟踪区域时对应的第二图像帧进行处理,得到跟踪车辆通过跟踪区域的时间,然后将该时间与预先得到的时间阈值进行对比,以判断跟踪车辆通过该跟踪区域的时间是否正常,若不正常,进一步提取所述第一图像帧和第二图像帧中的跟踪车辆的特征信息进行对比,以判断第一图像帧和第二图像帧中的跟踪车辆是否相同,若不相同,则判定对该跟踪车辆的跟踪存在异常。通过该方法及装置进行车辆跟踪异常检测,可以对存在跟踪异常的违章车辆进行过滤,避免由于车辆跟踪异常导致的违章误判。
Description
技术领域
本申请涉及车辆监控技术领域,具体而言,涉及一种车辆跟踪异常检测方法及装置。
背景技术
电子警察可以通过对机动车辆进行检测并实时跟踪,以抓拍车辆闯红灯、未按导向车道行驶等违章行为。然而,现有的跟踪算法在光照变化、遮挡及相机抖动等情况下容易出现跟踪失败的情况,而此时往往会伴随违章误判的发生,给驾驶人和交通管理部门带来一定困扰。
因此,如何提高电子警察违章检测的准确性,防止车辆跟踪异常导致违章误判对于本领域技术人员而言具有重要的研究意义。
发明内容
为了解决现有技术中的上述问题,本申请提供一种车辆跟踪异常检测方法及装置,以检测电子警察在进行车辆跟踪的过程中是否存在跟踪异常。
为了实现上述目的,本申请较佳实施例采用的技术方案如下:
第一方面,本申请实施例提供一种车辆跟踪异常检测方法,所述方法包括:
获取跟踪车辆进入跟踪区域时对应的第一图像帧及跟踪车辆离开跟踪区域时对应的第二图像帧;
根据所述第一图像帧及所述第二图像帧计算所述跟踪车辆通过所述跟踪区域的时间;
将所述时间与预先得到的时间阈值进行对比;
在所述时间超过所述时间阈值时,提取所述第一图像帧和第二图像帧中的跟踪车辆的特征信息;
对所述第一图像帧和第二图像帧中的跟踪车辆的特征信息进行对比;
若所述第一图像帧和第二图像帧中的跟踪车辆的特征信息不相同,判定对所述跟踪车辆的跟踪存在异常。
可选地,在本申请实施例中,所述方法还包括对样本数据进行处理得到时间阈值的步骤,该步骤包括:
获取车辆通过所述跟踪区域的历史时间数据;
根据所述历史时间数据确定车辆通过所述跟踪区域的时间阈值。
可选地,在本申请实施例中,所述根据所述历史时间数据确定车辆通过所述跟踪区域的时间阈值的步骤包括:
将所述历史时间数据中百分位数等于预设百分位数的时间作为时间阈值。
可选地,在本申请实施例中,所述历史时间数据包括当前统计周期获取的第一历史时间数据及前一统计周期获取的第二历史时间数据,其中,所述第一历史时间数据与所述第二历史时间数据中包括多个车辆通过所述跟踪区域的时间样本,并且所述第一历史时间数据与所述第二历史时间数据中的时间样本数量相同;
所述方法还包括更新时间阈值的步骤,该步骤包括:
检测所述第一历史时间数据中大于所述时间阈值的第一样本数量,及所述第二历史时间数据中大于所述时间阈值的第二样本数量;
若所述第一样本数量与所述第二样本数量的差值小于第一预设阈值,继续使用所述时间阈值;
若所述差值大于或等于所述第一预设阈值,根据所述第二历史时间数据中百分位数等于所述预设百分位数的时间重新确定时间阈值。
可选地,在本申请实施例中,所述对所述第一图像帧和第二图像帧中的跟踪车辆的特征信息进行对比的步骤,包括:
提取所述第一图像帧中的跟踪车辆对应的第一特征区域以及所述第二图像帧中的跟踪车辆对应的第二特征区域;
将所述第一特征区域和第二特征区域转换到HSV颜色空间;
根据所述第一特征区域及第二特征区域在HSV颜色空间中的色调和明度判断所述第一特征区域与所述第二特征区域的相似度。
可选地,在本申请实施例中,所述根据所述第一特征区域及第二特征区域在HSV颜色空间中的色调和明度判断所述第一特征区域与所述第二特征区域的相似度的步骤,包括:
根据第一特征区域中每一色调和明度对应的像素数量生成第一联合直方图,根据第二特征区域中每一色调和明度对应的像素数量生成第二联合直方图;
通过欧式距离对所述第一联合直方图和第二联合直方图中的数据进行计算,得到所述第一特征区域与所述第二特征区域的相似度。
第二方面,本申请实施例提供一种车辆跟踪异常检测装置,所述装置包括:
获取模块,用于获取跟踪车辆进入跟踪区域时对应的第一图像帧及跟踪车辆离开跟踪区域时对应的第二图像帧;
计算模块,用于根据所述第一图像帧对应的帧号及所述第二图像帧对应的帧号计算得到所述跟踪车辆通过所述跟踪区域的时间;
第一处理模块,用于将所述时间与预先得到的时间阈值进行对比;
特征提取模块,用于在所述时间超过所述时间阈值时,提取所述第一图像帧和第二图像帧中的跟踪车辆的特征信息;
第二处理模块,用于对所述第一图像帧和第二图像帧中的跟踪车辆的特征信息进行对比;
判定模块,用于在所述第一图像帧和第二图像帧中的跟踪车辆的特征信息不相同时,判定对所述跟踪车辆的跟踪存在异常。
可选地,在本申请实施例中,所述装置还包括时间阈值确定模块,所述时间阈值确定模块用于:
获取车辆通过所述跟踪区域的历史时间数据;
将所述历史时间数据中百分位数等于预设百分位数的时间作为时间阈值。
可选地,在本申请实施例中,所述历史时间数据包括当前统计周期获取的第一历史时间数据及前一统计周期获取的第二历史时间数据,其中,所述第一历史时间数据与所述第二历史时间数据中包括多个车辆通过所述跟踪区域的时间样本,并且所述第一历史时间数据与所述第二历史时间数据中的时间样本数量相同;
所述装置还包括时间阈值更新模块,所述时间阈值更新模块用于:
检测所述第一历史时间数据中大于所述时间阈值的第一样本数量,及所述第二历史时间数据中大于所述时间阈值的第二样本数量;
在所述第一样本数量与所述第二样本数量的差值小于第一预设阈值时,继续使用所述时间阈值;以及
在所述差值大于或等于所述第一预设阈值时,根据所述第二历史时间数据中百分位数等于所述预设百分位数的时间重新确定时间阈值。
可选地,在本申请实施例中,所述第二处理模块具体用于:
提取所述第一图像帧中的跟踪车辆对应的第一特征区域以及所述第二图像帧中的跟踪车辆对应的第二特征区域;
将所述第一特征区域和第二特征区域转换到HSV颜色空间;
根据所述第一特征区域及第二特征区域在HSV颜色空间中的色调和明度判断所述第一特征区域与所述第二特征区域的相似度。
相对于现有技术而言,本申请具有以下有益效果:
本申请实施例提供的车辆跟踪异常检测方法及装置,通过对跟踪车辆进入跟踪区域时对应的第一图像帧及跟踪车辆离开跟踪区域时对应的第二图像帧进行处理,得到跟踪车辆通过跟踪区域的时间,然后将该时间与预先得到的时间阈值进行对比,以判断跟踪车辆通过该跟踪区域的时间是否正常,若不正常,进一步提取所述第一图像帧和第二图像帧中的跟踪车辆的特征信息进行对比,以判断第一图像帧和第二图像帧中的跟踪车辆是否相同,若不相同,则判定对该跟踪车辆的跟踪存在异常。通过该方法及装置进行车辆跟踪异常检测,可以对存在跟踪异常的违章车辆进行过滤,从而避免由于车辆跟踪异常导致的违章误判。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的电子设备的结构示意图;
图2为本申请实施例提供的车辆跟踪异常检测方法的步骤流程示意图;
图3为本申请实施例提供的车辆跟踪异常检测方法中确定时间阈值的步骤流程示意图;
图4为本申请实施例提供的车辆跟踪异常检测方法中更新时间阈值的步骤流程示意图;
图5为图2中步骤S50的子步骤流程示意图;
图6为本申请实施例提供的车辆跟踪异常检测装置的模块示意图。
图标:100-电子设备;111-存储器;112-存储控制器;113-处理器;70-车辆跟踪异常检测装置;701-获取模块;702-计算模块;703-第一处理模块;704-特征提取模块;705-第二处理模块;706-判定模块;707-时间阈值确定模块;708-时间阈值更新模块。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本申请的描述中,需要说明的是,术语“第一”、“第二”等命名方式仅是为了区分本申请的不同特征,简化描述,而不是指示或暗示其相对重要性,因此不能理解为对本申请的限制。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
请参照图1,为本申请实施例提供的一种电子设备100。所述电子设备100可以包括车辆跟踪异常检测装置70、存储器111、存储控制器112及处理器113。
所述存储器111、存储控制器112及处理器113各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述车辆跟踪异常检测装置70可以包括至少一个可以软件或固件(firmware)的形式存储于所述存储器111中或固化在所述电子设备100的操作***(operating system,OS)中的软件功能模块。所述处理器113用于执行所述存储器111中存储的可执行模块,例如所述车辆跟踪异常检测装置70所包括的软件功能模块及计算机程序等。
其中,所述存储器111可以是,但不限于,随机存取存储器(Random AccessMemory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(ProgrammableRead-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。其中,存储器111用于存储程序,所述处理器113在接收到执行指令后,执行所述程序。所述处理器113以及其他可能的组件对存储器111的访问可在所述存储控制器112的控制下进行。
所述处理器113可能是一种集成电路芯片,具有信号的处理能力;也可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。
应当理解的是,图1所示的结构仅为示意图,所述电子设备100还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
参照图2,为本申请实施例提供的车辆跟踪异常检测方法的步骤流程示意图,该方法可以应用于图1所示的电子设备100,为所述电子设备100提供车辆跟踪异常检测功能。
下面结合图2对本申请实施例提供的车辆跟踪异常检测方法进行详细解释,所述方法包括:
步骤S10,获取跟踪车辆进入跟踪区域时对应的第一图像帧及跟踪车辆离开跟踪区域时对应的第二图像帧。
在本申请实施例中,所述跟踪区域指电子警察相机对车辆进行轨迹跟踪,以检测车辆是否违章驾驶的监控区域。该跟踪区域在电子警察相机采集的监控画面中对应一固定的像素区域,电子警察相机通过图像识别技术对该像素区域内的车辆进行行驶轨迹识别,然后结合当前红绿灯情况及车辆所在车道的导向标识即可实现自动检测车辆违章驾驶行为。
当电子警察相机检测到车辆进入该跟踪区域后,开始对其进行实时跟踪,并生成相应的跟踪编号,直至车辆离开该跟踪区域后结束跟踪。若在跟踪过程中识别到车辆存在违章驾驶行为(如闯红灯、未按导向车道行驶等),便自动对违章车辆进行抓拍,以记录该车辆的违章信息。
由于电子警察相机在光照变化、遮挡及抖动等情况下会出现车辆跟踪失败的情况,因此,为了避免违章误判,本申请实施例提供的车辆跟踪异常检测方法在车辆被判违章后通过跟踪车辆进入跟踪区域时对应的第一图像帧及跟踪车辆离开跟踪区域时对应的第二图像帧对其进行进一步地验证,以确定该车辆在跟踪过程中是否存在跟踪异常。
具体地,在本申请实施例中,所述第一图像帧及第二图像帧可以通过跟踪车辆对应的跟踪编号进行获取。举例而言,电子警察相机在检测到某汽车进入跟踪区域后,生成该汽车对应的跟踪编号0010,并开始对该汽车进行实时轨迹跟踪,直到该汽车驶出跟踪区域结束跟踪,该汽车的整个跟踪过程对应一个跟踪编号0010。若该汽车在跟踪过程中被检测到违章,则提取跟踪编号为0010的跟踪车辆在进入跟踪区域时对应的第一图像帧及离开跟踪区域时对应的第二图像帧进行验证。
继续参照图2,所述步骤S10之后,所述方法还包括:
步骤S20,根据所述第一图像帧对应的帧号及所述第二图像帧对应的帧号计算得到所述跟踪车辆通过所述跟踪区域的时间。
步骤S30,将所述时间与预先得到的时间阈值进行对比。
在本申请实施例中,通过所述第一图像帧及第二图像帧对应的帧号进行计算可以得到跟踪车辆通过跟踪区域的时间(即跟踪车辆从进入跟踪区域到离开跟踪区域所用的时间),并且在得到该时间之后,通过将该时间与预先得到的时间阈值(即车辆通过该跟踪区域所用的时间上限或下限)进行对比,即可判断该跟踪车辆通过跟踪区域所用的时间是否正常。
具体地,请参照图3,在本申请实施例中,所述时间阈值的确定方法可以包括以下步骤:
步骤S01,获取车辆通过所述跟踪区域的历史时间数据。
步骤S02,根据所述历史时间数据确定车辆通过所述跟踪区域的时间阈值。
在本申请实施例中,为了使所述时间阈值与通过目标跟踪区域的实际情况相匹配,采用车辆通过该目标跟踪区域的历史时间数据来确定通过该目标跟踪区域的正常时间范围,进而得到车辆通过该目标跟踪区域的时间阈值。
可选地,在本申请实施例中,所述时间阈值可以通过所述历史时间数据的概率分布情况进行确定,将满足预设概率的时间作为时间阈值;也可以通过所述历史时间数据对应的百分位数进行确定,将百分位数等于预设百分位数的时间作为时间阈值。
具体地,在本申请的一种实施方式中,采用百分位法对所述历史时间数据进行处理,将所述历史时间数据中百分位数等于预设百分位数的时间作为时间阈值。举例而言,若所述历史时间数据中包含100辆车通过所述跟踪区域的时间样本,则将该100个时间样本从小到大进行排序,然后将该100个时间样本中百分位数等于预设百分位数(如99%)的时间作为该目标跟踪区域的时间阈值。换言之,即将所述历史时间数据中百分位数小于所述预设百分位数的时间视为车辆通过该跟踪区域的正常时间。
进一步地,考虑到车辆在跟踪区域中存在直行、左转和右转几种情况,而不同行驶情况通过所述跟踪区域的时间可能存在差异,因此,在本申请实施例中,可以通过对不同行驶方向的历史时间数据分别进行处理,得到各个行驶方向所对应的时间阈值,然后根据跟踪车辆的行驶方向及对应行驶方向的时间阈值判断跟踪车辆通过所述跟踪区域的时间是否正常。此外,考虑到某些交通路口还会设置待驶区,因此,在本申请实施例中,还可以判断跟踪车辆所在车道是否支持待驶区,若跟踪车辆所在车道支持待驶区,则直接返回,不对其进行跟踪异常检测。
可选地,在本申请实施例中,还可以根据所述历史时间数据设定车辆通过所述跟踪区域的时间下限,从而对车辆通过所述跟踪区域的正常时间范围进一步限定。
进一步地,考虑到交通路口在不同时段或不同路况下通过所述跟踪区域的时间也会存在一定差异,因此,在本申请实施例中,所述方法还包括根据历史时间数据更新所述时间阈值的步骤,其中,所述历史时间数据包括当前统计周期获取的第一历史时间数据及前一统计周期获取的第二历史时间数据,并且所述第一历史时间数据与所述第二历史时间数据数量相同。具体请参照图4,所述时间阈值的更新方法包括:
步骤S03,检测所述第一历史时间数据中大于所述时间阈值的第一样本数量,及所述第二历史时间数据中大于所述时间阈值的第二样本数量。
步骤S04,在所述第一样本数量与所述第二样本数量的差值小于第一预设阈值时,继续使用所述时间阈值。
步骤S05,在所述差值大于或等于所述第一预设阈值时,根据所述第二历史时间数据中百分位数等于所述预设百分位数的时间重新确定时间阈值。
在本申请实施例中,对所述时间阈值进行更新的目的在于更好地适应当前时段或当前路况,以提高判断的准确性。若检测到当前统计周期内大于所述时间阈值的第一样本数量与前一统计周期中大于所述时间阈值的第二样本数量的差值大于第一预设阈值,则表示该时间阈值无法适应当前时段或当前路况,因此,采用当前统计周期对应的第二历史时间数据重新确定时间阈值可以更好地适应当前时段或当前路况,提高车辆跟踪异常检测的准确性。
继续参照图2,在所述步骤S30之后,所述方法还包括:
步骤S40,在所述时间超过所述时间阈值时,提取所述第一图像帧和第二图像帧中的跟踪车辆的特征信息。
在本申请实施例中,若通过步骤S20计算得到的跟踪车辆通过所述跟踪区域的时间大于所述时间阈值,则表示该跟踪车辆在跟踪过程中可能存在异常(如跟踪过程中目标改变),因此,还需要提取所述第一图像帧和第二图像帧中的跟踪车辆的特征信息以进一步验证该跟踪车辆是否为同一车辆。
继续参照图2,在所述步骤S40之后,所述方法还包括:
步骤S50,对所述第一图像帧和第二图像帧中的跟踪车辆的特征信息进行对比。
具体地,请参照图5,在本申请实施例中,所述步骤S50包括以下子步骤:
子步骤S51,提取所述第一图像帧中的跟踪车辆对应的第一特征区域以及所述第二图像帧中的跟踪车辆对应的第二特征区域。
在本申请的一种实施方式中,可以通过检测跟踪车辆的边缘,将跟踪车辆在所述第一图像帧中对应的像素区域作为第一特征区域,将跟踪车辆在所述第二图像帧中对应的像素区域作为所述第二特征区域。
可选地,在本申请的另一种实施方式中,还可以通过识别跟踪车辆的车牌在图像帧中的像素宽度,然后跟踪该车牌对应的像素坐标、像素宽度以及相对于车身的比例因子进行外扩得到跟踪车辆在所述第一图像帧中对应的第一特征区域,在所述第二图像帧中对应的第二特征区域。
子步骤S52,将所述第一特征区域和第二特征区域转换到HSV颜色空间。
在本申请实施例中,为了避免光照条件(亮度)对对比结果的影响,因此在提取到所述第一特征区域和所述第二特征区域之后,还需要将所述第一特征区域和第二特征区域转换到HSV颜色空间。
具体地,电子警察相机采集到的监控画面通常为YUV格式,其中Y表示亮度信息,U、V表示色度信息。为了所述第一特征区域和第二特征区域从YUV颜色空间转换到HSV颜色空间,首先需要从YUV颜色空间转换到RGB颜色空间,该转换过程可以表示为:
R=Y+1.4075×(V-128)
G=Y-0.3455×(U-128)-0.7169×(V-128)
B=Y+1.779×(U-128)
其中,R表示像素的红色分量,G表示像素的绿色分量,B表示像素的蓝色分量,Y、U、V所表示的含义请参照上述内容。
进一步地,在转换到RGB颜色空间之后,进一步对其进行转换即可将所述第一特征区域和第二特征区域转换到HSV颜色空间,该转换过程可以表示为:
V=max(R,G,B)
其中,H表示色调,S表示饱和度,V表示明度,R、G、B所表示的含义请参照上述内容。
子步骤S53,根据所述第一特征区域及第二特征区域在HSV颜色空间中的色调和明度判断所述第一特征区域与所述第二特征区域的相似度。
在将所述第一特征区域和所述第二特征区域转换到HSV颜色空间之后,根据第一特征区域中每一色调和明度对应的像素数量生成第一联合直方图,根据第二特征区域中每一色调和明度对应的像素数量生成第二联合直方图,然后通过欧式距离对所述第一联合直方图和第二联合直方图中的数据进行计算,即可得到所述第一特征区域与所述第二特征区域的相似度。具体地,该计算过程可以表示为:
其中,D表示第一特征区域与第二特征区域的相似度,h1(m,n)表示第一特征区域中色调为m且明度为n的像素点的个数,h2(m,n)表示第二特征区域中色调为m且明度为n的像素点的个数。
在本申请实施例中,通过上述过程计算得到所述第一特征区域与所述第二特征区域的相似度之后,通过将该相似度与预设的第二预设阈值进行对比,即可判断出所述第一图像帧中的跟踪车辆与所述第二图像帧中的跟踪车辆是否为同一车辆。具体地,若该相似度大于或等于所述第二预设阈值,即表示第一图像帧中的跟踪车辆与第二图像帧中的跟踪车辆为同一车辆,若该相似度小于所述第二预设阈值,则表示第一图像帧中的跟踪车辆与第二图像帧中的跟踪车辆为不同车辆。
应当注意的是,在本申请实施例中,所述预设百分位数、第一预设阈值及第二预设阈值均可以根据实际需求进行设置,此处并不对其进行具体限定。
继续参照图2,在所述步骤S50之后,本申请实施例提供的车辆跟踪异常检测方法还包括:
步骤S60,在所述第一图像帧和第二图像帧中的跟踪车辆的特征信息不相同时,判定对所述跟踪车辆的跟踪存在异常。
若通过上述步骤对所述第一图像帧和第二图像帧中的跟踪车辆的特征信息进行对比之后,发现第一图像帧中的跟踪车辆与第二图像帧中的跟踪车辆为不同车辆,则判定该跟踪车辆在跟踪过程中存在跟踪异常,并删除该跟踪车辆相关的违章信息,从而达到过滤无效违章信息的效果,避免电子警察对车辆行为进行违章误判,进而避免违章误判给驾驶人和交通管理部门带来困扰。
参照图6,本申请实施例还提供一种车辆跟踪异常检测装置70,所述装置包括:
获取模块701,用于获取跟踪车辆进入跟踪区域时对应的第一图像帧及跟踪车辆离开跟踪区域时对应的第二图像帧;
计算模块702,用于根据所述第一图像帧对应的帧号及所述第二图像帧对应的帧号计算得到所述跟踪车辆通过所述跟踪区域的时间;
第一处理模块703,用于将所述时间与预先得到的时间阈值进行对比;
特征提取模块704,用于在所述时间超过所述时间阈值时,提取所述第一图像帧和第二图像帧中的跟踪车辆的特征信息;
第二处理模块705,用于对所述第一图像帧和第二图像帧中的跟踪车辆的特征信息进行对比;
判定模块706,用于在所述第一图像帧和第二图像帧中的跟踪车辆的特征信息不相同时,判定对所述跟踪车辆的跟踪存在异常。
可选地,在本申请实施例中,所述装置还包括时间阈值确定模块707,所述时间阈值确定模块707用于:
获取车辆通过所述跟踪区域的历史时间数据;
将所述历史时间数据中百分位数等于预设百分位数的时间作为时间阈值。
可选地,在本申请实施例中,所述历史时间数据包括当前统计周期获取的第一历史时间数据及前一统计周期获取的第二历史时间数据,其中,所述第一历史时间数据与所述第二历史时间数据中包括多个车辆通过所述跟踪区域的时间样本,并且所述第一历史时间数据与所述第二历史时间数据中的时间样本数量相同;所述装置还包括时间阈值更新模块708,所述时间阈值更新模块708用于:
检测所述第一历史时间数据中大于所述时间阈值的第一样本数量,及所述第二历史时间数据中大于所述时间阈值的第二样本数量;
在所述第一样本数量与所述第二样本数量的差值小于第一预设阈值时,继续使用所述时间阈值;以及
在所述差值大于或等于所述第一预设阈值时,根据所述第二历史时间数据中百分位数等于所述预设百分位数的时间重新确定时间阈值。
进一步地,在本申请实施例中,所述第二处理模块705具体用于:
提取所述第一图像帧中的跟踪车辆对应的第一特征区域以及所述第二图像帧中的跟踪车辆对应的第二特征区域;
将所述第一特征区域和第二特征区域转换到HSV颜色空间;
根据所述第一特征区域及第二特征区域在HSV颜色空间中的色调和明度判断所述第一特征区域与所述第二特征区域的相似度。
应当注意的是,在本申请实施例中所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
综上所述,本申请实施例提供一种车辆跟踪异常检测方法及装置,该方法及装置通过对跟踪车辆进入跟踪区域时对应的第一图像帧及跟踪车辆离开跟踪区域时对应的第二图像帧进行处理,得到跟踪车辆通过跟踪区域的时间,然后将该时间与预先得到的时间阈值进行对比,以判断跟踪车辆通过该跟踪区域的时间是否正常,若不正常,进一步提取所述第一图像帧和第二图像帧中的跟踪车辆的特征信息进行对比,以判断第一图像帧和第二图像帧中的跟踪车辆是否相同,若不相同,则判定对该跟踪车辆的跟踪存在异常。通过该方法及装置进行车辆跟踪异常检测,可以对存在跟踪异常的车辆进行过滤,从而避免由于车辆跟踪异常导致的违章误判。
以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (6)
1.一种车辆跟踪异常检测方法,其特征在于,所述方法包括:
获取跟踪车辆进入跟踪区域时对应的第一图像帧及跟踪车辆离开跟踪区域时对应的第二图像帧;
根据所述第一图像帧及所述第二图像帧计算所述跟踪车辆通过所述跟踪区域的时间;
将所述时间与预先得到的时间阈值进行对比;
在所述时间超过所述时间阈值时,提取所述第一图像帧和第二图像帧中的跟踪车辆的特征信息;
对所述第一图像帧和第二图像帧中的跟踪车辆的特征信息进行对比;
若所述第一图像帧和第二图像帧中的跟踪车辆的特征信息不相同,判定对所述跟踪车辆的跟踪存在异常;
其中,所述方法还包括对样本数据进行处理得到时间阈值的步骤,则该步骤包括:
获取车辆通过所述跟踪区域的历史时间数据;
根据所述历史时间数据确定车辆通过所述跟踪区域的时间阈值,其中所述历史时间数据包括当前统计周期获取的第一历史时间数据及前一统计周期获取的第二历史时间数据,所述第一历史时间数据与所述第二历史时间数据中包括多个车辆通过所述跟踪区域的时间样本,并且所述第一历史时间数据与所述第二历史时间数据中的时间样本数量相同;
此时,所述方法还包括更新时间阈值的步骤,则该步骤包括:
检测所述第一历史时间数据中大于所述时间阈值的第一样本数量,及所述第二历史时间数据中大于所述时间阈值的第二样本数量;
若所述第一样本数量与所述第二样本数量的差值小于第一预设阈值,继续使用所述时间阈值;
若所述差值大于或等于所述第一预设阈值,根据所述第二历史时间数据中百分位数等于预设百分位数的时间重新确定时间阈值。
2.如权利要求1所述的方法,其特征在于,所述根据所述历史时间数据确定车辆通过所述跟踪区域的时间阈值的步骤包括:
将所述历史时间数据中百分位数等于预设百分位数的时间作为时间阈值。
3.如权利要求1所述的方法,其特征在于,所述对所述第一图像帧和第二图像帧中的跟踪车辆的特征信息进行对比的步骤,包括:
提取所述第一图像帧中的跟踪车辆对应的第一特征区域以及所述第二图像帧中的跟踪车辆对应的第二特征区域;
将所述第一特征区域和第二特征区域转换到HSV颜色空间;
根据所述第一特征区域及第二特征区域在HSV颜色空间中的色调和明度判断所述第一特征区域与所述第二特征区域的相似度。
4.如权利要求3所述的方法,其特征在于,所述根据所述第一特征区域及第二特征区域在HSV颜色空间中的色调和明度判断所述第一特征区域与所述第二特征区域的相似度的步骤,包括:
根据第一特征区域中每一色调和明度对应的像素数量生成第一联合直方图,根据第二特征区域中每一色调和明度对应的像素数量生成第二联合直方图;
通过欧式距离对所述第一联合直方图和第二联合直方图中的数据进行计算,得到所述第一特征区域与所述第二特征区域的相似度。
5.一种车辆跟踪异常检测装置,其特征在于,所述装置包括:
获取模块,用于获取跟踪车辆进入跟踪区域时对应的第一图像帧及跟踪车辆离开跟踪区域时对应的第二图像帧;
计算模块,用于根据所述第一图像帧对应的帧号及所述第二图像帧对应的帧号计算得到所述跟踪车辆通过所述跟踪区域的时间;
第一处理模块,用于将所述时间与预先得到的时间阈值进行对比;
特征提取模块,用于在所述时间超过所述时间阈值时,提取所述第一图像帧和第二图像帧中的跟踪车辆的特征信息;
第二处理模块,用于对所述第一图像帧和第二图像帧中的跟踪车辆的特征信息进行对比;
判定模块,用于在所述第一图像帧和第二图像帧中的跟踪车辆的特征信息不相同时,判定对所述跟踪车辆的跟踪存在异常;
其中,所述装置还包括时间阈值确定模块,所述时间阈值确定模块用于:
获取车辆通过所述跟踪区域的历史时间数据;
将所述历史时间数据中百分位数等于预设百分位数的时间作为时间阈值,其中所述历史时间数据包括当前统计周期获取的第一历史时间数据及前一统计周期获取的第二历史时间数据,所述第一历史时间数据与所述第二历史时间数据中包括多个车辆通过所述跟踪区域的时间样本,并且所述第一历史时间数据与所述第二历史时间数据中的时间样本数量相同;
此时,所述装置还包括时间阈值更新模块,所述时间阈值更新模块用于:
检测所述第一历史时间数据中大于所述时间阈值的第一样本数量,及所述第二历史时间数据中大于所述时间阈值的第二样本数量;
在所述第一样本数量与所述第二样本数量的差值小于第一预设阈值时,继续使用所述时间阈值;以及
在所述差值大于或等于所述第一预设阈值时,根据所述第二历史时间数据中百分位数等于预设百分位数的时间重新确定时间阈值。
6.如权利要求5所述的装置,其特征在于,所述第二处理模块具体用于:
提取所述第一图像帧中的跟踪车辆对应的第一特征区域以及所述第二图像帧中的跟踪车辆对应的第二特征区域;
将所述第一特征区域和第二特征区域转换到HSV颜色空间;
根据所述第一特征区域及第二特征区域在HSV颜色空间中的色调和明度判断所述第一特征区域与所述第二特征区域的相似度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811457872.5A CN111260929B (zh) | 2018-11-30 | 2018-11-30 | 车辆跟踪异常检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811457872.5A CN111260929B (zh) | 2018-11-30 | 2018-11-30 | 车辆跟踪异常检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111260929A CN111260929A (zh) | 2020-06-09 |
CN111260929B true CN111260929B (zh) | 2022-01-04 |
Family
ID=70943894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811457872.5A Active CN111260929B (zh) | 2018-11-30 | 2018-11-30 | 车辆跟踪异常检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111260929B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4480299B2 (ja) * | 2001-06-21 | 2010-06-16 | 富士通マイクロエレクトロニクス株式会社 | 移動体を含む画像の処理方法及び装置 |
CN102426783B (zh) * | 2011-08-30 | 2013-11-13 | 同济大学 | 基于车辆跟踪的低流量道路交通事件检测方法 |
CN102289948B (zh) * | 2011-09-02 | 2013-06-05 | 浙江大学 | 高速公路场景下一种多特征融合的多车辆视频跟踪方法 |
CN103136935B (zh) * | 2013-01-11 | 2015-04-15 | 东南大学 | 在有遮挡情况下跟踪车辆的方法 |
CN106097385B (zh) * | 2016-05-31 | 2019-03-05 | 海信集团有限公司 | 一种目标跟踪的方法和装置 |
CN106128113A (zh) * | 2016-08-01 | 2016-11-16 | 深圳市永兴元科技有限公司 | ***辆的识别方法及装置 |
-
2018
- 2018-11-30 CN CN201811457872.5A patent/CN111260929B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111260929A (zh) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9082038B2 (en) | Dram c adjustment of automatic license plate recognition processing based on vehicle class information | |
EP2031571B1 (en) | Vehicle type determination device, program, and method | |
US20120128210A1 (en) | Method for Traffic Sign Recognition | |
JP7185419B2 (ja) | 車両のための、対象物を分類するための方法および装置 | |
CN107798688B (zh) | 运动目标识别方法、预警方法以及汽车防追尾预警装置 | |
US20140226349A1 (en) | Apparatus for detecting other vehicle lights and light control apparatus for vehicles | |
CN114387591A (zh) | 车牌识别方法、***、设备及存储介质 | |
CN112785850A (zh) | 车辆变道未打灯的识别方法及装置 | |
JP2016130979A (ja) | 検知装置、検知処理プログラム及び検知システム | |
US11423676B2 (en) | Method and apparatus for detecting on-duty state of driver, device, and computer storage medium | |
CN113902740A (zh) | 图像模糊程度评价模型的构建方法 | |
CN111260929B (zh) | 车辆跟踪异常检测方法及装置 | |
JP2017174380A (ja) | 認識装置、物体の認識方法、プログラム、及び、記憶媒体 | |
US11037266B2 (en) | Attached substance detection device and attached substance detection method | |
US8818093B2 (en) | Method and device for analyzing an image of an image recording device for a vehicle | |
US20210264638A1 (en) | Image processing device, movable device, method, and program | |
CN113903014B (zh) | 车道线预测方法、装置及电子设备、计算机可读存储介质 | |
CN116259021A (zh) | 一种车道线检测方法、存储介质和电子设备 | |
CN112784817B (zh) | 车辆所在车道检测方法、装置、设备及存储介质 | |
CN112085962B (zh) | 基于图像的停车检测方法、装置和电子设备 | |
CN113870185A (zh) | 基于图像抓拍的图像处理方法、终端及存储介质 | |
KR101502088B1 (ko) | 카메라 영상을 이용한 차량 후미등 정상 작동 여부 검출 방법 및 그 시스템 | |
JP3400643B2 (ja) | 車載用画像処理装置 | |
KR100936442B1 (ko) | 차량 정보 판독 시스템 및 이를 이용한 차량 정보 판독방법 | |
KR101451070B1 (ko) | 그림자에 의한 인식 오류를 제거하여 차량 번호를 인식하는 방법 및 차량 번호 인식 시스템 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |