CN111598054A - 车辆检测方法、装置、计算机设备及存储介质 - Google Patents
车辆检测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111598054A CN111598054A CN202010565653.XA CN202010565653A CN111598054A CN 111598054 A CN111598054 A CN 111598054A CN 202010565653 A CN202010565653 A CN 202010565653A CN 111598054 A CN111598054 A CN 111598054A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target
- special
- image frame
- special 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种车辆检测方法、装置、计算机设备及存储介质,涉及车辆检测技术领域。该车辆检测方法可以通过获取图像序列,根据超越条件从非特种车辆中筛选出符合超越条件的目标车辆,然后根据目标车辆的行驶轨迹和特种车辆的行驶轨迹确定目标车辆是否超越特种车辆。当目标车辆超越特种车辆时,说明目标车辆违章,目标车辆没有超越特种车辆时,目标车辆没有违章。本申请实施例中,通过服务器判断图像序列中的目标车辆是否超越特种车辆,提高了对目标车辆的检测效率,降低了人工审核的人力成本。
Description
技术领域
本申请涉及车辆检测技术领域,特别是涉及一种车辆检测方法、装置、计算机设备及存储介质。
背景技术
特种车辆一般包括警车、消防车、救护车以及工程抢险车等执行特种任务的车辆。一般而言,执行特种任务的特种车辆需要优先通行。然而,在实际生活中,往往会出现一些车辆在遇到特种车辆时不进行避让,甚至超越特种车辆的情况。其中,超越特种车辆是指从特种车辆所在车道的相邻车道驶入特种车辆所在车道并抢先占据特种车辆行驶方向的前方位置。因此,需要对该些超越特种车辆的车辆进行检测。
现有技术中,对超越特种车辆的车辆进行检测过程一般是:获取交通视频,由人工对交通视频中的特种车辆周围的车辆的行驶过程进行识别,以判断特种车辆周围的车辆是否存在超越特种车辆的违章行为。
然而,通过人工检测海量的视频数据比较耗费人力,并且人工审核的效率较低。
发明内容
基于此,有必要针对上述人工检测存在的耗费人力,且效率较低的问题,提供一种车辆检测方法、装置、计算机设备及存储介质。
一种车辆检测方法,该方法包括:
获取图像序列,图像序列包括多个图像帧,各图像帧中包括特种车辆和非特种车辆;
确定非特种车辆中是否存在符合超越条件的目标车辆,超越条件为车辆有可能超越特种车辆的条件;
若非特种车辆中存在符合超越条件的目标车辆,则根据目标车辆的行驶轨迹和特种车辆的行驶轨迹检测目标车辆是否超越特种车辆。
在本申请一个实施例中,确定非特种车辆中是否存在符合超越条件的目标车辆之前,该方法还包括:
检测特种车辆是否处于执行紧急任务状态;
相应的,确定非特种车辆中是否存在符合超越条件的目标车辆,包括:
若特种车辆处于执行紧急任务状态,则确定非特种车辆中是否存在符合超越条件的目标车辆。
在本申请一个实施例中,确定非特种车辆中是否存在符合超越条件的目标车辆,包括:
从非特种车辆中确定出第一车辆,第一车辆的行驶方向与特种车辆的行驶方向相同;
从第一车辆中确定出第二车辆,第二车辆所在车道与特种车辆所在车道相同或者相邻;
将第二车辆确定为符合超越条件的目标车辆。
在本申请一个实施例中,根据目标车辆的行驶轨迹和特种车辆的行驶轨迹检测目标车辆是否超越特种车辆之前,该方法包括:
分别获取目标车辆的第一特征和特种车辆的第二特征;
分别根据第一特征和第二特征获取目标车辆在各图像帧中的第一位置以及特种车辆在各图像帧中的第二位置;
分别根据第一位置和第二位置拟合出目标车辆的行驶轨迹和特种车辆的行驶轨迹。
在本申请一个实施例中,分别根据第一特征和第二特征获取目标车辆在各图像帧中的第一位置以及特种车辆在各图像帧中的第二位置,包括:
对于第i个图像帧,分别根据目标车辆在第i-1个图像帧中的第一位置确定目标车辆对应的第一边界框和根据特种车辆在第i-1个图像帧中的第二位置确定特种车辆对应的第二边界框;
分别根据第一边界框和第二边界框确定第i个图像帧中的第一车辆识别范围和第二车辆识别范围;
根据第一特征从第一车辆识别范围内识别目标车辆,根据第二特征从第二车辆识别范围内识别特种车辆,并确定目标车辆在第i个图像帧中的第一位置和特种车辆在第i个图像帧中的第二位置。
在本申请一个实施例中,根据目标车辆的行驶轨迹和特种车辆的行驶轨迹检测目标车辆是否超越特种车辆,包括:
根据特种车辆的行驶轨迹确定特种车辆延特种车辆的行驶方向的延伸线;
检测目标车辆的行驶轨迹与延伸线是否相交;
若目标车辆的行驶轨迹与延伸线相交,则检测目标车辆的行驶轨迹与延伸线的交点位置到特种车辆的距离是否小于距离阈值;
若小于距离阈值,则确定目标车辆超越特种车辆。
在本申请一个实施例中,获取图像序列,包括:
获取道路抓拍视频;
从道路抓拍视频中获取目标图像帧,目标图像帧中包括特种车辆;
将目标图像帧以及道路抓拍视频中目标图像帧之后的多个连续图像帧作为图像序列。
在本申请一个实施例中,从道路抓拍视频中获取目标图像帧,包括:
周期性地从道路抓拍视频中提取候选图像帧;
通过目标检测算法检测候选图像帧中是否存在特种车辆;
若某候选图像帧中存在特种车辆,则将某候选图像帧确定为目标图像帧。
一种车辆检测装置,该装置包括:
获取模块,用于获取图像序列,图像序列包括多个图像帧,各图像帧中包括特种车辆和非特种车辆;
确定模块,用于确定非特种车辆中是否存在符合超越条件的目标车辆,超越条件为车辆有可能超越特种车辆的条件;
检测模块,用于若非特种车辆中存在符合超越条件的目标车辆,则根据目标车辆的行驶轨迹和特种车辆的行驶轨迹检测目标车辆是否超越特种车辆。
一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该计算机程序被该处理器执行时实现以下步骤:
获取图像序列,图像序列包括多个图像帧,各图像帧中包括特种车辆和非特种车辆;
确定非特种车辆中是否存在符合超越条件的目标车辆,超越条件为车辆有可能超越特种车辆的条件;
若非特种车辆中存在符合超越条件的目标车辆,则根据目标车辆的行驶轨迹和特种车辆的行驶轨迹检测目标车辆是否超越特种车辆。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:
获取图像序列,图像序列包括多个图像帧,各图像帧中包括特种车辆和非特种车辆;
确定非特种车辆中是否存在符合超越条件的目标车辆,超越条件为车辆有可能超越特种车辆的条件;
若非特种车辆中存在符合超越条件的目标车辆,则根据目标车辆的行驶轨迹和特种车辆的行驶轨迹检测目标车辆是否超越特种车辆。
本申请实施例提供的技术方案带来的有益效果至少包括:
上述车辆检测方法、装置、计算机设备及存储介质,可以提高对车辆的检测效率。该车辆检测方法中,服务器可以获取图像序列,图像序列包括多个图像帧,每个图像帧中包括特种车辆和非特种车辆。服务器可以根据超越条件从非特种车辆中筛选出符合超越条件的目标车辆,然后根据目标车辆的行驶轨迹和特种车辆的行驶轨迹确定目标车辆是否超越特种车辆。当目标车辆超越特种车辆时,说明目标车辆违章,目标车辆没有超越特种车辆时,目标车辆没有违章。本申请实施例中,通过服务器判断图像序列中的目标车辆是否超越特种车辆,提高了对目标车辆的检测效率,降低了人工审核的人力成本。
附图说明
图1为本申请实施例提供的车辆检测方法的实施环境的示意图;
图2为本申请实施例提供的一种车辆检测方法的流程图;
图3为本申请实施例提供的另一种拟合目标车辆和特种车辆的行驶路径的方法的流程图;
图4为本申请实施例提供的另一种车辆检测方法的流程图;
图5为本申请实施例提供的确定图像序列的方法的流程图;
图6为本申请实施例提供的确定目标车辆的方法的流程图;
图7为本申请实施例提供的检测目标车辆是否超越特种车辆的方法的流程图;
图8为本申请实施例提供的一种车辆检测装置的模块图;
图9为本申请实施例提供的一种计算机设备的模块图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
特种车辆指的是外廓尺寸、重量等方面超过设计车辆限界的及特殊用途的车辆,经特制或专门改装,配有固定的装置设备,主要功能不是用于载人或运货的机动车辆。一般而言,特种车辆都有特殊标志或具有特种车型,该特殊标志可以是指担负特种勤务并悬挂特种车辆号牌、安装使用警报器和标志灯具的车辆。如救护车、消防车、警车、工程救险车、军事监理车等。
由于特种车辆负担的任务与普通车辆不同,特种车辆是有专门用途的执行紧急任务的车辆,完成这种紧急任务,需要在时间上争分夺秒,因此,特种车辆可以按《中华人民共和国道路交通安全法》给予的特权行驶,比如特种车辆可以不受行驶速度、行驶路线、行驶方向和指挥等信号的限制,并且其他车辆和行人应当让行。然而,在实际生活中,往往会出现一些车辆在遇到特种车辆时不进行避让,甚至超越特种车辆的情况。其中,超越特种车辆是指从特种车辆所在车道的相邻车道驶入特种车辆所在车道并抢先占据特种车辆行驶方向的前方位置。超越特种车辆的行为对特种车辆争分夺秒地执行紧急任务造成了妨害,因此,需要对该些超越特种车辆的车辆进行检测。
现有技术中,一般是通过人工对交通视频中的特种车辆周边的车辆的行驶过程进行人工检测,并通过人工判断特种车辆周边的车辆是否存在超越特种车辆的违章行为。这需要耗费大量的人力物力资源,并且检测效率较低,此外,采用人工检测的方式容易因为各种人为因素导致出现检测遗漏,使得一些超越特种车辆的车辆没有被检测出来。
本申请实施例提供的车辆检测方法,可以通过获取图像序列,根据超越条件从非特种车辆中筛选出符合超越条件的目标车辆,然后根据目标车辆的行驶轨迹和特种车辆的行驶轨迹确定目标车辆是否超越特种车辆。当目标车辆超越特种车辆时,说明目标车辆违章,目标车辆没有超越特种车辆时,目标车辆没有违章。本申请实施例中,通过服务器判断图像序列中的目标车辆是否超越特种车辆,提高了对目标车辆的检测效率,降低了人工审核的人力成本,并且,可以避免因为人为因素导致出现检测遗漏。
下面,将对本申请实施例提供的车辆检测方法所涉及到的实施环境进行简要说明。
图1为本申请实施例提供的车辆检测方法所涉及到的一种实施环境的示意图,如图1所示,该实施环境可以包括服务器101和抓拍设备102,服务器101和抓拍设备102之间可以通过有线网络或无线网络进行通信。
服务器101可以为一台服务器,也可以为由多台服务器组成的服务器集群。
抓拍设备102俗称“电子警察”或者“电子眼”,是当前道路交通非现场执法的主要设备。其中,非现场执法是指利用设置在道路、场所的技术检测设施设备,自动检测、拍摄和记录车辆的运行状况、图像等信息,固定车辆违法证据的行为。
本申请实施例中,抓拍设备102可以抓拍到图像序列,并将图像序列发送给服务器101,服务器101接收到图像序列后,识别图像序列中每个图像帧中的特种车辆和非特种车辆,并从非特种车辆中筛选出符合超越条件的目标车辆,根据目标车辆的行驶轨迹确定目标车辆是否超越特种车辆。当目标车辆超越特种车辆时,可以确定目标车辆违章。
请参考图2,其示出了本申请实施例提供的一种车辆检测方法的流程图,该车辆检测方法可以应用于图1所示实施环境中的服务器中,如图2所示,该车辆检测方法可以包括以下步骤:
步骤201,服务器获取图像序列。
本申请实施例中,抓拍设备可以抓拍到道路抓拍视频,并将道路抓拍视频发送给服务器,服务器从道路抓拍视频中获取图像序列。
图像序列包括多个连续的图像帧,各个图像帧中包括特种车辆和非特种车辆。可选的,图像帧中可以包括多个特种车辆和多个非特种车辆。
可选的,服务器可以对图像序列中的第一个图像帧进行目标识别,以确定该第一个图像帧中的特种车辆和非特种车辆。
可选的,本申请实施例中,服务器也可以对图像序列中的每个图像帧进行目标识别,以确定每个图像帧中的特种车辆和非特种车辆。
可选的,本申请实施例中,对于某个图像帧,服务器识别该图像帧中的特种车辆和非特种车辆的过程可以包括以下内容:通过Yolo(英文:you only look once,简写:Yolo)目标检测算法对图像帧中的车辆进行识别,并在图像帧中根据每个车辆的轮廓形成该车辆的边界框,可以利用边框回归算法按照每个车辆的边界框从图像帧中把每个车辆裁切出来,得到车辆的车辆图片,每个车辆图片中只包括一个车辆。然后对车辆图片的大小进行调整,使得车辆图片的大小与网络分类模型适配,将调整好大小的车辆图片输入到网络分类模型中,其中,网络分类模型是已经训练好的神经网络模型,可选的,网络分类模型可以是GoogleNet(中文:谷歌网络)网络模型。其中,已经训练好的网络分类模型可以将输入的车辆图片识别成包括警车、消防车、救护车、工程抢险车和其他机动车辆五个类别中的一种,其中,警车、消防车、救护车、工程抢险车属于特种车辆,其他非机动车属于非特种车辆。
可选的,本申请实施例中,服务器可以对每个车辆设置身份ID,同一车辆在不同图像帧中的身份ID相同。
步骤202,服务器确定非特种车辆中是否存在符合超越条件的目标车辆。
本申请实施例中,服务器可以从图像帧中的多个非特种车辆中,逐一地判断每个非特种车辆是否符合超越条件,若符合超越条件,则将该非特种车辆确定为目标车辆,若不符合超越条件,则舍弃该非特种车辆。
其中,超越条件为车辆有可能超越特种车辆的条件,例如,超越条件可以是非特种车辆位于特种车辆的对应的预设范围内。可选的,特种车辆对应的预设范围可以是指:以特种车辆为中心,以预设距离为半径形成的圆形区域。
本申请实施例中,服务器确定非特种车辆中是否存在符合超越条件的目标车辆的过程可以包括以下内容:服务器可以分别确定非特种车辆的位置和特种车辆的位置,然后根据非特种车辆与特种车辆之间的距离确定非特种车辆是否处于特种车辆对应的预设范围内。当非特种车辆与特种车辆之间的距离小于预设距离,说明非特种车辆位于特种车辆对应的预设范围内,非特种车辆符合超越条件。反之,非特种车辆不符合超越条件。
可选的,本申请实施例中,特种车辆可以是多个。承接上文举例中的超越条件,对于每个特种车辆,每个特种车辆对应的预设范围是不相同的,因此,相应的,对于每个特种车辆,确定出来的目标车辆也可能不相同。本申请实施例中,服务器可以从多个非特种车辆中确定出对应于每个特种车辆的目标车辆。
步骤203,若非特种车辆中存在符合超越条件的目标车辆,则服务器根据目标车辆的行驶轨迹和特种车辆的行驶轨迹检测目标车辆是否超越特种车辆。
本申请实施例中,目标车辆符合超越条件,也即目标车辆具有超越特种车辆的可能性。而目标车辆之外的非特种车辆不具有超越特种车辆的可能性,因此不作处理。
可选的,目标车辆可以是多个车辆。
可选的,服务器检测目标车辆是否超越特种车辆的过程包括:服务器可以根据图像序列分别拟合出目标车辆的行驶轨迹和特种车辆的行驶轨迹,然后服务器可以逐一地根据该目标车辆的行驶轨迹和特种车辆的行驶轨迹检测目标车辆是否超越特种车辆。具体的,服务器可以根据目标车辆的行驶轨迹和特种车辆的行驶轨迹是否相交来确定目标车辆是否超越特种车辆,例如目标车辆的行驶轨迹和特种车辆的行驶轨迹相交,则目标车辆超越特种车辆,若目标车辆的行驶轨迹和特种车辆的行驶轨迹不相交,则目标车辆没有超越特种车辆。
可选的,当目标车辆是多个车辆,特种车辆也是多个车辆时,本申请实施例中,服务器可以逐一地确定出每个目标车辆的行驶轨迹和每个特种车辆的行驶轨迹,然后将每个目标车辆的行驶轨迹逐一地与每个特种车辆的行驶轨迹进行比对,确定目标车辆是否超越特种车辆。
可选的,本申请实施例中,当目标车辆超越特种车辆时,服务器可以确定目标车辆违章。
可选的,服务器可以获取违章的目标车辆的车牌,并将图像序列作为目标车辆违章的违章证据。
本申请实施例提供的车辆检测方法,可以通过获取图像序列,根据超越条件从非特种车辆中筛选出符合超越条件的目标车辆,然后根据目标车辆的行驶轨迹和特种车辆的行驶轨迹检测目标车辆是否超越特种车辆。当目标车辆超越特种车辆时,说明目标车辆违章,目标车辆没有超越特种车辆时,目标车辆没有违章。本申请实施例中,通过服务器判断图像序列中的目标车辆是否超越特种车辆,提高了对目标车辆的检测效率,降低了人工审核的人力成本,并且,可以避免因为人为因素导致出现检测遗漏。
在本申请的一个实施例中,如图3所示,在步骤203之前,该车辆检测方法还包括以下步骤:
步骤301,服务器分别获取目标车辆的第一特征和特种车辆的第二特征。
本申请实施例中,服务器确定目标车辆后,对于每个目标车辆,可以通过边框回归算法将目标车辆从图像序列中的第一个图像帧中裁切下来,得到目标车辆的车辆图片。并将目标车辆的车辆图片输入到Siam-RPN网络(基于RPN的孪生网络结构)中,通过Siam-RPN网络提取目标车辆的第一特征。
采用与上述相同的方法,可以获取特种车辆的第二特征。
步骤302,服务器分别根据第一特征和第二特征获取目标车辆在各图像帧中的第一位置以及特种车辆在各图像帧中的第二位置。
在本申请的一个可选的实现方式中,服务器根据第一特征获取目标车辆在各图像帧中的第一位置的过程可以包括以下步骤:
步骤A1,对于图像序列中的第一个图像帧之后的第i个图像帧,服务器可以根据目标车辆在第i-1个图像帧中的第一位置确定目标车辆对应的第一边界框。
其中,第一边界框可以是规则四边形或者圆形。
其中,在确定出目标车辆之后,对于图像序列中的第一个图像帧,服务器可以利用YOLO目标检测算法获取目标车辆在图像序列中的第一个图像帧中的第一位置,并且服务器可以利用YOLO目标检测算法以目标车辆在第一个图像帧中的第一位置为中心点,以目标车辆的轮廓为边界形成边界框。
对于第一个图像帧之后的第i个图像帧,服务器可以根据目标车辆在第i-1个图像帧中的第一位置在第i个图像帧中确定出第一目标点,然后以第一目标点为中心点,以目标车辆在第i-1个图像帧的边界框的大小为边界,形成目标车辆在第i个图像帧中的第一边界框。
步骤A2,服务器根据第一边界框确定第i个图像帧中的第一车辆识别范围。
可选的,第一车辆识别范围为在第i个图像帧中可能存在目标车辆的范围。
本申请实施例中,服务器确定第一车辆识别范围的过程可以是:将第一边界框的长宽扩大预设倍数,或者将第一边界框的面积扩大预设倍数。或者将第一边界框的半径扩大预设倍数。
步骤A3,服务器根据第一特征从第一车辆识别范围内识别目标车辆,并确定目标车辆在第i个图像帧中的第一位置。
本申请实施例中,Siam-RPN网络可以识别第一车辆识别范围内的每个车辆的特征,Siam-RPN网络可以对第一特征和每个车辆的特征进行互相关操作,并输出与目标车辆的第一特征最相似的车辆,将该车辆确定为在第i个图像帧中的目标车辆,并获取目标车辆在第i个图像帧中的第一位置。
本申请实施例中,通过已经训练好的Siam-RPN网络逐一地从每个图像帧中识别目标车辆,提高了目标车辆的检测精度。
在本申请的另一个实施例中,服务器根据第二特征获取特种车辆在各图像帧中的第二位置的过程可以包括以下步骤:
步骤B1,对于图像序列中的第一个图像帧之后的第i个图像帧,服务器可以根据特种车辆在第i-1个图像帧中的第二位置确定特种车辆对应的第二边界框。
本申请实施例可以参考步骤A1公开的内容。
步骤B2,服务器根据第二边界框确定第i个图像帧中的第二车辆识别范围。
本申请实施例可以参考步骤A2公开的内容。
步骤B3,服务器根据第二特征从第二车辆识别范围内识别特种车辆,并确定特种车辆在第i个图像帧中的第二位置。
本申请实施例可以参考步骤A3公开的内容。
本申请实施例中,通过已经训练好的Siam-RPN网络逐一地从每个图像帧中识别特种车辆,提高了特种车辆的检测精度。
步骤303,服务器分别根据第一位置和第二位置拟合出目标车辆的行驶轨迹和特种车辆的行驶轨迹。
本申请实施例中,对于每个目标车辆,服务器可以根据目标车辆在每个图像帧中的第一位置拟合得到目标车辆的行驶轨迹。
对于特种车辆,服务器可以根据特种车辆在每个图像帧中的第二位置拟合得到特种车辆的行驶轨迹。
本申请实施例,通过采用Siam-RPN网络识别每个图像帧中的目标车辆的第一位置和特种车辆的第二位置,然后拟合得到目标车辆的行驶轨迹和特种车辆的行驶轨迹,提高了目标车辆和特种车辆的行驶轨迹的准确性,有利于提高车辆检测的精度。
在本申请的一个实施例中,如图4所示,本申请实施例提供另一种车辆检测方法,包括以下步骤:
步骤401,服务器获取图像序列。
在一种可选的实现方式中,服务器获取图像序列的过程可以参考步骤201公开的内容。
在另一种可选的实现方式中,如图5所示,服务器获取图像序列的过程可以包括以下内容:
步骤501,服务器获取道路抓拍视频。
道路抓拍视频可以是抓拍设备发送给服务器的。
步骤502,服务器从道路抓拍视频中获取目标图像帧。
服务器可以依次检测道路抓拍视频中的每个图像帧中是否包括特种车辆,如果某个图像帧中包括特种车辆,那么将该图像帧确定为目标图像帧。
由于服务器依次检测道路抓拍视频中的每个图像帧,导致数据量比较大,为了降低数据量,且不降低检测精度,在本申请的另一实施例中,提供了另一种获取目标图像帧的方法:
步骤C1,服务器周期性地从道路抓拍视频中提取候选图像帧。
本申请实施例中,相邻两个候选图像帧之间的间隔时长可以例如是1秒。
候选图像帧的数量相比于道路抓拍视频中所有图像帧的数量更少,因此可以降低数据量。而由于1秒之内,车辆的位置变化比较小,因此相邻两个候选图像帧所显示的车辆位置变化可以代表1秒之内所有图像帧所显示的车辆位置变化信息。因此提取候选图像帧,不会降低检测精度。
步骤C2,服务器通过目标检测算法检测候选图像帧中是否存在特种车辆。
服务器检测候选图像帧中是否存在特种车辆的方法可以参考步骤201中服务器识别图像帧中的特种车辆和非特种车辆所公开的内容。
对于提取的每个候选图像帧,服务器可以分别对每个候选图像帧进行检测。
步骤C3,若某候选图像帧中存在特种车辆,则将某候选图像帧确定为目标图像帧。
本申请实施例中,当某个候选图像帧中存在特种车辆,则将该候选图像帧确定为目标图像帧。
需要说明的是,本申请实施例中,在确定出一个目标图像帧后,服务器可以继续重复执行步骤C1-步骤C3,以确定出新的目标图像帧。
本申请实施例中,通过步骤C1-步骤C3可以降低数据量且不影响检测精度。
步骤503,服务器将目标图像帧以及道路抓拍视频中目标图像帧之后的多个连续图像帧作为图像序列。
本申请实施例中,对于某一特种车辆而言,目标图像帧是发现该特种车辆的第一个图像帧,目标图像帧之后的多个连续图像帧中的最后一个图像帧是该道路抓拍视频中包含有该特种车辆的最后一个图像帧。也就是说,图像序列中的每个图像帧中均包含有该特种车辆。
需要说明的是,本申请实施例中,当道路抓拍视频中存在多个特种车辆时,对于每个特种车辆,可以确定出该特种车辆第一次出现在道路抓拍视频中的目标图像帧,并根据该目标图像帧和目标图像帧之后的多个而连续图像帧形成该特种车辆对应的图像序列。每个特种车辆对应一个图像序列。
可选的,本申请实施例中,当同一个图像帧中包含两个以上的特种车辆时,对该两个以上的特种车辆,分别根据目标图像帧及其之后的多个连续图像帧建立该两个以上的特种车辆分别对应的图像序列。
需要说明的是,本申请实施例中,服务器可以每间隔1秒中对提取的图像帧进行一次目标识别,识别的目标是确定该图像帧中是否存在特种车辆,当不存在特种车辆,则对该图像帧不做处理。当存在特种车辆时,需要检测该特种车辆是否已经被之前的目标图像帧检测出来,如果该特种车辆已经被检测出来,则将该图像帧作为之前已经检测出来的目标图像帧之后的多个图像帧中的一个。若该特种车辆是首次被检测出来,那么将该图像帧确定为目标图像帧。
步骤402,服务器检测特种车辆是否处于执行紧急任务状态。
法律规定警车、消防车、救护车、工程救险车等特种车辆在执行非紧急任务时,不得使用警报器、标志灯具,不享有规定的道路优先通行权。也就是说,特种车辆不执行紧急任务时,非特种车辆超越特种车辆不违章。
本申请实施例中,为了提高对违章车辆的检测精度,在检测到特种车辆之后,需要对特种车辆的状态进行检测,避免在特种车辆执行非紧急任务时,将超越特种车辆的车辆确定为违章车辆。
本申请实施例中,服务器检测特种车辆的状态的过程可以包括以下内容:服务器可以获取图像序列中的第一个图像帧(即目标图像帧),然后通过目标检测算法从该第一个图像帧中检测出特种车辆的标识,特种车辆的标识可以是指警报器、标志灯具或者特种车牌中的一种。进一步的,可以截取特种车辆的标识得到标识图片,将标识图片输入到网络分类模型中进行分类,网络分类模型对标识图片进行分类。
不同的标识可以对应不同的网络分类模型。例如,某一特种车辆的标识是标志灯具,标志灯具对应的网络分类模型可以将输入的标识图片识别成发亮和不发亮中的一种。其中,发亮表示该标识图片对应的特种车辆处于执行紧急任务状态,不发亮表示该标识图片对应的特种车辆处于执行非紧急任务状态。
步骤403,若特种车辆处于执行紧急任务状态,则服务器确定非特种车辆中是否存在符合超越条件的目标车辆。
本申请实施例中,服务器从图像序列中的第一个图像帧中识别非特种车辆和特种车辆,并确定该些非特种车辆是否存在符合超越条件的目标车辆。
进一步的,本申请实施例中,还可以从图像序列中随机性地提取或者周期性地提取检测图像帧,然后识别检测图像帧中的非特种车辆,然后确定从检测图像帧中识别出的非特种车辆是否已经被上一个检测图像帧检测出来,如果检测出来,则不作处理。如果该非特种车辆是首次被检测出来,则对该非特种车辆执行与其他非特种车辆相同的处理步骤。
在一种可选的实现方式中,服务器确定目标车辆的过程可以参考步骤202公开的内容。
在另一种可选的实现方式中,如图6所示,服务器确定目标车辆的过程可以包括以下内容:
步骤601,服务器从非特种车辆中确定出第一车辆。
本申请实施例中,非特种车辆包括从图像序列中的第一个图像帧中识别出来的非特种车辆,以及从图像序列中的检测图像帧中识别出来的非特种车辆。
对于每个非特种车辆,服务器可以根据非特种车辆的行驶轨迹的延伸方向确定出每个非特种车辆的行驶方向。服务器可以根据特种车辆的行驶轨迹的延伸方向确定出特种车辆的行驶方向。
其中,每个非特种车辆的行驶轨迹的获取过程可以参考步骤301-步骤302公开的内容。
对比非特种车辆的行驶方向和特种车辆的行驶方向,将与特种车辆行驶方向相同的非特种车辆确定为第一车辆。
步骤602,服务器从第一车辆中确定出第二车辆。
第一车辆可以位于不同的车道上,例如,第一车辆所在车道可以与特种车辆所在车道相同,还可以与特种车辆所在车道相邻,或者与特种车辆所在车道之间间隔了其他障碍物或者其他车道。其中,当第一车辆位于特种车辆所在车道的相邻车道或者相同车道时,该第一车辆具有进入特种车辆所在车道,并且抢占特种车辆前方位置的可能,也即,该第一车辆可能超越特种车辆。因此,本申请实施例中,将所在车道与特种车辆所在车道相同或者相邻的第一车辆确定为第二车辆,其中,第二车辆为可能超越特种车辆的车辆。
步骤603,服务器将第二车辆确定为符合超越条件的目标车辆。
本申请实施例中,超越条件可以是指:能够进入特种车辆所在车道并位于特种车辆前方。
当确定出多个第二车辆后,若第二车辆所在车道位于特种车辆所在车道的相邻车道,则将该第二车辆确定为符合超越条件的目标车辆。
若第二车辆所在车道与特种车辆所在车道相同,那么服务器还可以获取每个第二车辆的位置和特种车辆的位置,若该第二车辆位于特种车辆的后方,则将该第二车辆确定为符合超越条件的目标车辆。若第二车辆位于特种车辆的前方,则不做处理。
本申请实施例中,非特种车辆包括从图像序列中的第一个图像帧中识别出来的非特种车辆,以及从图像序列中的检测图像帧中识别出来的非特种车辆,并且,将非特种车辆中能够进入特种车辆所在车道并位于特种车辆前方的车辆确定为目标车辆,实现了对符合超越条件的目标车辆的精准识别,提高了车辆检测精度。
步骤404,若非特种车辆中存在符合超越条件的目标车辆,则服务器根据目标车辆的行驶轨迹和特种车辆的行驶轨迹检测目标车辆是否超越特种车辆。
在一种可选的实现方式中,服务器检测目标车辆是否超越特种车辆的过程可以参考步骤203公开的内容。
在另一种可选的实现方式中,如图7所示,服务器检测目标车辆是否超越特种车辆的过程可以包括以下步骤:
步骤701,服务器根据特种车辆的行驶轨迹确定特种车辆延特种车辆的行驶方向的延伸线。
本申请实施例中,本申请实施例中,特种车辆的行驶轨迹可以参考步骤301-步骤303公开的内容确定。
步骤702,服务器检测目标车辆的行驶轨迹与延伸线是否相交。
本申请实施例中,当目标车辆的行驶轨迹与特种车辆对应的延伸线相交时,说明,目标车辆位于特种车辆的行驶方向的前方,并且,目标车辆进入了特种车辆所在车道。若目标车辆的行驶轨迹与延伸线没有相交,说明目标车辆没有进入特种车辆所在车道,因此确定目标车辆没有超越特种车辆。
步骤703,若目标车辆的行驶轨迹与延伸线相交,则服务器检测目标车辆的行驶轨迹与延伸线的交点位置到特种车辆的距离是否小于距离阈值。
若目标车辆的行驶轨迹与延伸线相交,说明目标车辆驶入了特种车辆所在车道。
本申请实施例中,服务器可以获取交点位置,并获取在目标车辆的行驶轨迹与延伸线相交时,该交点位置到特种车辆的距离。距离越远,说明目标车辆驶入特种车辆所在车道的行为不会影响特种车辆的正常行驶。距离越近,说明目标车辆驶入特种车辆所在车道的行为会影响特种车辆的正常行驶。
本申请实施例中,可以预设距离阈值,服务器可以判断交点位置到特种车辆的距离与距离阈值的大小关系。
步骤704,若小于距离阈值,则服务器确定目标车辆超越特种车辆。
本申请实施例中,交点位置到特种车辆的距离小于距离阈值,说明目标车辆驶入特种车辆所在车道的行为会影响特种车辆的正常行驶因此确定该目标车辆超越特种车辆。
本申请实施例提供的车辆检测方法,通过将目标图像帧以及目标图像帧之后的多个连续图像帧作为图像序列,然后在特种车辆执行紧急任务的情况下,查找目标车辆,并根据目标车辆的行驶轨迹与特种车辆对应的延伸线的交点确定目标车辆是否超越特种车辆,提高了对目标车辆的检测的准确度。
请参考图8,其示出了本申请实施例提供的一种车辆检测装置的框图,该车辆检测装置可以配置在图1所示实施环境中的服务器中。如图8所示,该车辆检测装置可以包括获取模块801,确定模块802和检测模块803,其中:
获取模块801,用于获取图像序列,图像序列包括多个图像帧,各图像帧中包括特种车辆和非特种车辆;
确定模块802,用于确定非特种车辆中是否存在符合超越条件的目标车辆,超越条件为车辆有可能超越特种车辆的条件;
检测模块803,用于若非特种车辆中存在符合超越条件的目标车辆,则根据目标车辆的行驶轨迹和特种车辆的行驶轨迹检测目标车辆是否超越特种车辆。
在其中一个实施例中,确定模块802还用于检测特种车辆是否处于执行紧急任务状态;若特种车辆处于执行紧急任务状态,则确定非特种车辆中是否存在符合超越条件的目标车辆。
在其中一个实施例中,确定模块802还用于从非特种车辆中确定出第一车辆,第一车辆的行驶方向与特种车辆的行驶方向相同;从第一车辆中确定出第二车辆,第二车辆所在车道与特种车辆所在车道相同或者相邻;将第二车辆确定为符合超越条件的目标车辆。
在其中一个实施例中,检测模块803还用于分别获取目标车辆的第一特征和特种车辆的第二特征;分别根据第一特征和第二特征获取目标车辆在各图像帧中的第一位置以及特种车辆在各图像帧中的第二位置;分别根据第一位置和第二位置拟合出目标车辆的行驶轨迹和特种车辆的行驶轨迹。
在其中一个实施例中,检测模块803还用于对于第i个图像帧,分别根据目标车辆在第i-1个图像帧中的第一位置确定目标车辆对应的第一边界框和根据特种车辆在第i-1个图像帧中的第二位置确定特种车辆对应的第二边界框;分别根据第一边界框和第二边界框确定第i个图像帧中的第一车辆识别范围和第二车辆识别范围;根据第一特征从第一车辆识别范围内识别目标车辆,根据第二特征从第二车辆识别范围内识别特种车辆,并确定目标车辆在第i个图像帧中的第一位置和特种车辆在第i个图像帧中的第二位置。
在其中一个实施例中,检测模块803还用于根据特种车辆的行驶轨迹确定特种车辆延特种车辆的行驶方向的延伸线;检测目标车辆的行驶轨迹与延伸线是否相交;若目标车辆的行驶轨迹与延伸线相交,则检测目标车辆的行驶轨迹与延伸线的交点位置到特种车辆的距离是否小于距离阈值;若小于距离阈值,则确定目标车辆超越特种车辆。
在其中一个实施例中,获取模块801还用于获取道路抓拍视频;从道路抓拍视频中获取目标图像帧,目标图像帧中包括特种车辆;将目标图像帧以及道路抓拍视频中目标图像帧之后的多个连续图像帧作为图像序列。
在其中一个实施例中,获取模块801还用于周期性地从道路抓拍视频中提取候选图像帧;通过目标检测算法检测候选图像帧中是否存在特种车辆;若某候选图像帧中存在特种车辆,则将某候选图像帧确定为目标图像帧。
关于车辆检测装置的具体限定可以参见上文中对于车辆检测方法的限定,在此不再赘述。上述车辆检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在本申请的一个实施例中,提供了一种计算机设备,该计算机设备可以为服务器,其内部结构图可以如图9所示。该计算机设备包括通过***总线连接的处理器、存储器和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该数据库用于存储目标检测模型、已经训练好的Siam-RPN网络等。该计算机程序被处理器执行时以实现一种车辆检测方法。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在本申请的一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
获取图像序列,图像序列包括多个图像帧,各图像帧中包括特种车辆和非特种车辆;确定非特种车辆中是否存在符合超越条件的目标车辆,超越条件为车辆有可能超越特种车辆的条件;若非特种车辆中存在符合超越条件的目标车辆,则根据目标车辆的行驶轨迹和特种车辆的行驶轨迹检测目标车辆是否超越特种车辆。
在本申请的一个实施例中,处理器执行计算机程序时还实现以下步骤:检测特种车辆是否处于执行紧急任务状态;若特种车辆处于执行紧急任务状态,则确定非特种车辆中是否存在符合超越条件的目标车辆。
在本申请的一个实施例中,处理器执行计算机程序时还实现以下步骤:从非特种车辆中确定出第一车辆,第一车辆的行驶方向与特种车辆的行驶方向相同;从第一车辆中确定出第二车辆,第二车辆所在车道与特种车辆所在车道相同或者相邻;将第二车辆确定为符合超越条件的目标车辆。
在本申请的一个实施例中,处理器执行计算机程序时还实现以下步骤:分别获取目标车辆的第一特征和特种车辆的第二特征;分别根据第一特征和第二特征获取目标车辆在各图像帧中的第一位置以及特种车辆在各图像帧中的第二位置;分别根据第一位置和第二位置拟合出目标车辆的行驶轨迹和特种车辆的行驶轨迹。
在本申请的一个实施例中,处理器执行计算机程序时还实现以下步骤:对于第i个图像帧,分别根据目标车辆在第i-1个图像帧中的第一位置确定目标车辆对应的第一边界框和根据特种车辆在第i-1个图像帧中的第二位置确定特种车辆对应的第二边界框;分别根据第一边界框和第二边界框确定第i个图像帧中的第一车辆识别范围和第二车辆识别范围;根据第一特征从第一车辆识别范围内识别目标车辆,根据第二特征从第二车辆识别范围内识别特种车辆,并确定目标车辆在第i个图像帧中的第一位置和特种车辆在第i个图像帧中的第二位置。
在本申请的一个实施例中,处理器执行计算机程序时还实现以下步骤:根据特种车辆的行驶轨迹确定特种车辆延特种车辆的行驶方向的延伸线;检测目标车辆的行驶轨迹与延伸线是否相交;若目标车辆的行驶轨迹与延伸线相交,则检测目标车辆的行驶轨迹与延伸线的交点位置到特种车辆的距离是否小于距离阈值;若小于距离阈值,则确定目标车辆超越特种车辆。
在本申请的一个实施例中,处理器执行计算机程序时还实现以下步骤:获取道路抓拍视频;从道路抓拍视频中获取目标图像帧,目标图像帧中包括特种车辆;将目标图像帧以及道路抓拍视频中目标图像帧之后的多个连续图像帧作为图像序列。
在本申请的一个实施例中,处理器执行计算机程序时还实现以下步骤:周期性地从道路抓拍视频中提取候选图像帧;通过目标检测算法检测候选图像帧中是否存在特种车辆;若某候选图像帧中存在特种车辆,则将某候选图像帧确定为目标图像帧。
本申请实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在本申请的一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取图像序列,图像序列包括多个图像帧,各图像帧中包括特种车辆和非特种车辆;确定非特种车辆中是否存在符合超越条件的目标车辆,超越条件为车辆有可能超越特种车辆的条件;若非特种车辆中存在符合超越条件的目标车辆,则根据目标车辆的行驶轨迹和特种车辆的行驶轨迹检测目标车辆是否超越特种车辆。
在本申请的一个实施例中,计算机程序被处理器执行时还可以实现以下步骤:检测特种车辆是否处于执行紧急任务状态;若特种车辆处于执行紧急任务状态,则确定非特种车辆中是否存在符合超越条件的目标车辆。
在本申请的一个实施例中,计算机程序被处理器执行时还可以实现以下步骤:从非特种车辆中确定出第一车辆,第一车辆的行驶方向与特种车辆的行驶方向相同;从第一车辆中确定出第二车辆,第二车辆所在车道与特种车辆所在车道相同或者相邻;将第二车辆确定为符合超越条件的目标车辆。
在本申请的一个实施例中,计算机程序被处理器执行时还可以实现以下步骤:分别获取目标车辆的第一特征和特种车辆的第二特征;分别根据第一特征和第二特征获取目标车辆在各图像帧中的第一位置以及特种车辆在各图像帧中的第二位置;分别根据第一位置和第二位置拟合出目标车辆的行驶轨迹和特种车辆的行驶轨迹。
在本申请的一个实施例中,计算机程序被处理器执行时还可以实现以下步骤:对于第i个图像帧,分别根据目标车辆在第i-1个图像帧中的第一位置确定目标车辆对应的第一边界框和根据特种车辆在第i-1个图像帧中的第二位置确定特种车辆对应的第二边界框;分别根据第一边界框和第二边界框确定第i个图像帧中的第一车辆识别范围和第二车辆识别范围;根据第一特征从第一车辆识别范围内识别目标车辆,根据第二特征从第二车辆识别范围内识别特种车辆,并确定目标车辆在第i个图像帧中的第一位置和特种车辆在第i个图像帧中的第二位置。
在本申请的一个实施例中,计算机程序被处理器执行时还可以实现以下步骤:根据特种车辆的行驶轨迹确定特种车辆延特种车辆的行驶方向的延伸线;检测目标车辆的行驶轨迹与延伸线是否相交;若目标车辆的行驶轨迹与延伸线相交,则检测目标车辆的行驶轨迹与延伸线的交点位置到特种车辆的距离是否小于距离阈值;若小于距离阈值,则确定目标车辆超越特种车辆。
在本申请的一个实施例中,计算机程序被处理器执行时还可以实现以下步骤:获取道路抓拍视频;从道路抓拍视频中获取目标图像帧,目标图像帧中包括特种车辆;将目标图像帧以及道路抓拍视频中目标图像帧之后的多个连续图像帧作为图像序列。
在本申请的一个实施例中,计算机程序被处理器执行时还可以实现以下步骤:周期性地从道路抓拍视频中提取候选图像帧;通过目标检测算法检测候选图像帧中是否存在特种车辆;若某候选图像帧中存在特种车辆,则将某候选图像帧确定为目标图像帧。
本申请实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种车辆检测方法,其特征在于,所述方法包括:
获取图像序列,所述图像序列包括多个图像帧,各所述图像帧中包括特种车辆和非特种车辆;
确定所述非特种车辆中是否存在符合超越条件的目标车辆,所述超越条件为车辆有可能超越所述特种车辆的条件;
若所述非特种车辆中存在符合所述超越条件的目标车辆,则根据所述目标车辆的行驶轨迹和所述特种车辆的行驶轨迹检测所述目标车辆是否超越所述特种车辆。
2.根据权利要求1所述的方法,其特征在于,所述确定所述非特种车辆中是否存在符合超越条件的目标车辆之前,所述方法还包括:
检测所述特种车辆是否处于执行紧急任务状态;
相应的,所述确定所述非特种车辆中是否存在符合超越条件的目标车辆,包括:
若所述特种车辆处于执行紧急任务状态,则确定所述非特种车辆中是否存在符合超越条件的目标车辆。
3.根据权利要求1或2所述的方法,其特征在于,所述确定所述非特种车辆中是否存在符合超越条件的目标车辆,包括:
从所述非特种车辆中确定出第一车辆,所述第一车辆的行驶方向与所述特种车辆的行驶方向相同;
从所述第一车辆中确定出第二车辆,所述第二车辆所在车道与所述特种车辆所在车道相同或者相邻;
将所述第二车辆确定为符合所述超越条件的目标车辆。
4.根据权利要求1所述的方法,其特征在于,所述根据所述目标车辆的行驶轨迹和所述特种车辆的行驶轨迹检测所述目标车辆是否超越所述特种车辆之前,所述方法包括:
分别获取所述目标车辆的第一特征和所述特种车辆的第二特征;
分别根据所述第一特征和所述第二特征获取所述目标车辆在各所述图像帧中的第一位置以及所述特种车辆在各所述图像帧中的第二位置;
分别根据所述第一位置和所述第二位置拟合出所述目标车辆的行驶轨迹和所述特种车辆的行驶轨迹。
5.根据权利要求4所述的方法,其特征在于,所述分别根据所述第一特征和所述第二特征获取所述目标车辆在各所述图像帧中的第一位置以及所述特种车辆在各所述图像帧中的第二位置,包括:
对于第i个图像帧,分别根据所述目标车辆在第i-1个图像帧中的第一位置确定所述目标车辆对应的第一边界框和根据所述特种车辆在第i-1个图像帧中的第二位置确定所述特种车辆对应的第二边界框;
分别根据所述第一边界框和所述第二边界框确定所述第i个图像帧中的第一车辆识别范围和第二车辆识别范围;
根据所述第一特征从所述第一车辆识别范围内识别所述目标车辆,根据所述第二特征从所述第二车辆识别范围内识别所述特种车辆,并确定所述目标车辆在所述第i个图像帧中的第一位置和所述特种车辆在所述第i个图像帧中的第二位置。
6.根据权利要求1所述的方法,其特征在于,所述根据所述目标车辆的行驶轨迹和所述特种车辆的行驶轨迹检测所述目标车辆是否超越所述特种车辆,包括:
根据所述特种车辆的行驶轨迹确定所述特种车辆延所述特种车辆的行驶方向的延伸线;
检测所述目标车辆的行驶轨迹与所述延伸线是否相交;
若所述目标车辆的行驶轨迹与所述延伸线相交,则检测所述目标车辆的行驶轨迹与所述延伸线的交点位置到所述特种车辆的距离是否小于距离阈值;
若小于所述距离阈值,则确定所述目标车辆超越所述特种车辆。
7.根据权利要求1所述的方法,其特征在于,所述获取图像序列,包括:
获取道路抓拍视频;
从所述道路抓拍视频中获取目标图像帧,所述目标图像帧中包括特种车辆;
将所述目标图像帧以及所述道路抓拍视频中所述目标图像帧之后的多个连续图像帧作为所述图像序列。
8.根据权利要求7所述的方法,其特征在于,所述从所述道路抓拍视频中获取目标图像帧,包括:
周期性地从所述道路抓拍视频中提取候选图像帧;
通过目标检测算法检测所述候选图像帧中是否存在所述特种车辆;
若某候选图像帧中存在所述特种车辆,则将所述某候选图像帧确定为所述目标图像帧。
9.一种车辆检测装置,其特征在于,所述装置包括:
获取模块,用于获取图像序列,所述图像序列包括多个图像帧,各所述图像帧中包括特种车辆和非特种车辆;
确定模块,用于确定所述非特种车辆中是否存在符合超越条件的目标车辆,所述超越条件为车辆有可能超越所述特种车辆的条件;
检测模块,用于若所述非特种车辆中存在符合所述超越条件的目标车辆,则根据所述目标车辆的行驶轨迹和所述特种车辆的行驶轨迹检测所述目标车辆是否超越所述特种车辆。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010565653.XA CN111598054A (zh) | 2020-06-19 | 2020-06-19 | 车辆检测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010565653.XA CN111598054A (zh) | 2020-06-19 | 2020-06-19 | 车辆检测方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111598054A true CN111598054A (zh) | 2020-08-28 |
Family
ID=72190269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010565653.XA Pending CN111598054A (zh) | 2020-06-19 | 2020-06-19 | 车辆检测方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111598054A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001344A (zh) * | 2020-08-31 | 2020-11-27 | 深圳市豪恩汽车电子装备股份有限公司 | 机动车目标检测装置及方法 |
CN113723316A (zh) * | 2021-09-01 | 2021-11-30 | 杭州智诚惠通科技有限公司 | 一种车辆识别方法、装置、设备及存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6690294B1 (en) * | 2001-07-10 | 2004-02-10 | William E. Zierden | System and method for detecting and identifying traffic law violators and issuing citations |
CN105551282A (zh) * | 2014-11-04 | 2016-05-04 | ***通信集团公司 | 一种超车提示方法和装置 |
CN107481528A (zh) * | 2017-09-18 | 2017-12-15 | 河北冀通慧达科技有限公司 | 一种车辆的抓拍方法、装置及终端设备 |
CN108305476A (zh) * | 2018-03-12 | 2018-07-20 | 河北冀通慧达科技有限公司 | 一种获取违法车辆信息的方法、***及救护车 |
CN108630000A (zh) * | 2017-03-20 | 2018-10-09 | 周君膨 | 一种快速疏导交通和应急避让救援车辆的智能引导装置 |
CN108961768A (zh) * | 2018-07-30 | 2018-12-07 | 鄂尔多斯市普渡科技有限公司 | 一种无人驾驶警用巡逻车以及巡逻方法 |
CN109345832A (zh) * | 2018-11-13 | 2019-02-15 | 上海应用技术大学 | 一种基于深度递归神经网络的城市道路超车预测方法 |
CN109643367A (zh) * | 2016-07-21 | 2019-04-16 | 御眼视觉技术有限公司 | 用于自主车辆导航的众包和分发稀疏地图以及车道测量 |
US20190217863A1 (en) * | 2018-01-18 | 2019-07-18 | Lg Electronics Inc. | Vehicle control device mounted on vehicle and method for controlling the vehicle |
CN110415529A (zh) * | 2019-09-04 | 2019-11-05 | 上海眼控科技股份有限公司 | 车辆违章的自动处理方法、装置、计算机设备和存储介质 |
CN110459064A (zh) * | 2019-09-19 | 2019-11-15 | 上海眼控科技股份有限公司 | 车辆违法行为检测方法、装置、计算机设备 |
CN110525333A (zh) * | 2018-05-23 | 2019-12-03 | 上海擎感智能科技有限公司 | 一种基于车载终端的超车行为监测方法及***、车载终端 |
US20200175342A1 (en) * | 2018-12-04 | 2020-06-04 | Robert Bosch Gmbh | Device and method for generating label objects for the surroundings of a vehicle |
CN111274931A (zh) * | 2020-01-19 | 2020-06-12 | 上海眼控科技股份有限公司 | 超车行为的审核方法、装置、计算机设备和存储介质 |
-
2020
- 2020-06-19 CN CN202010565653.XA patent/CN111598054A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6690294B1 (en) * | 2001-07-10 | 2004-02-10 | William E. Zierden | System and method for detecting and identifying traffic law violators and issuing citations |
CN105551282A (zh) * | 2014-11-04 | 2016-05-04 | ***通信集团公司 | 一种超车提示方法和装置 |
CN109643367A (zh) * | 2016-07-21 | 2019-04-16 | 御眼视觉技术有限公司 | 用于自主车辆导航的众包和分发稀疏地图以及车道测量 |
CN108630000A (zh) * | 2017-03-20 | 2018-10-09 | 周君膨 | 一种快速疏导交通和应急避让救援车辆的智能引导装置 |
CN107481528A (zh) * | 2017-09-18 | 2017-12-15 | 河北冀通慧达科技有限公司 | 一种车辆的抓拍方法、装置及终端设备 |
US20190217863A1 (en) * | 2018-01-18 | 2019-07-18 | Lg Electronics Inc. | Vehicle control device mounted on vehicle and method for controlling the vehicle |
CN108305476A (zh) * | 2018-03-12 | 2018-07-20 | 河北冀通慧达科技有限公司 | 一种获取违法车辆信息的方法、***及救护车 |
CN110525333A (zh) * | 2018-05-23 | 2019-12-03 | 上海擎感智能科技有限公司 | 一种基于车载终端的超车行为监测方法及***、车载终端 |
CN108961768A (zh) * | 2018-07-30 | 2018-12-07 | 鄂尔多斯市普渡科技有限公司 | 一种无人驾驶警用巡逻车以及巡逻方法 |
CN109345832A (zh) * | 2018-11-13 | 2019-02-15 | 上海应用技术大学 | 一种基于深度递归神经网络的城市道路超车预测方法 |
US20200175342A1 (en) * | 2018-12-04 | 2020-06-04 | Robert Bosch Gmbh | Device and method for generating label objects for the surroundings of a vehicle |
CN110415529A (zh) * | 2019-09-04 | 2019-11-05 | 上海眼控科技股份有限公司 | 车辆违章的自动处理方法、装置、计算机设备和存储介质 |
CN110459064A (zh) * | 2019-09-19 | 2019-11-15 | 上海眼控科技股份有限公司 | 车辆违法行为检测方法、装置、计算机设备 |
CN111274931A (zh) * | 2020-01-19 | 2020-06-12 | 上海眼控科技股份有限公司 | 超车行为的审核方法、装置、计算机设备和存储介质 |
Non-Patent Citations (3)
Title |
---|
EMMANOUIL N. BARMPOUNAKIS 等: "Identifying Predictable Patterns in the Unconventional Overtaking Decisions of PTW for Cooperative ITS" * |
周琦: "车联网环境下无信号交叉口控制策略研究" * |
王浩 等: "基于GRU递归神经网络的城市道路超车预测" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001344A (zh) * | 2020-08-31 | 2020-11-27 | 深圳市豪恩汽车电子装备股份有限公司 | 机动车目标检测装置及方法 |
CN113723316A (zh) * | 2021-09-01 | 2021-11-30 | 杭州智诚惠通科技有限公司 | 一种车辆识别方法、装置、设备及存储介质 |
CN113723316B (zh) * | 2021-09-01 | 2024-04-16 | 杭州智诚惠通科技有限公司 | 一种车辆识别方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110415529B (zh) | 车辆违章的自动处理方法、装置、计算机设备和存储介质 | |
CN113284366A (zh) | 车辆盲区预警方法、预警装置、mec平台和存储介质 | |
CN107705552B (zh) | 一种应急车道占用行为检测方法、装置及*** | |
CN108932849B (zh) | 一种记录多台机动车低速行驶违法行为的方法及装置 | |
CN108806272B (zh) | 一种提醒多辆机动车车主违法停车行为的方法及装置 | |
WO2019223655A1 (zh) | 非机动车载人的检测 | |
KR102282800B1 (ko) | 라이다와 영상카메라를 이용한 멀티 표적 추적 방법 | |
JP2020187781A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
US11482012B2 (en) | Method for driving assistance and mobile device using the method | |
CN111598054A (zh) | 车辆检测方法、装置、计算机设备及存储介质 | |
CN108932850B (zh) | 一种记录机动车低速行驶违法行为的方法及装置 | |
CN112381014A (zh) | 一种基于城市道路的违停车辆检测及管理方法及*** | |
CN108156406A (zh) | 行车记录仪的信息处理方法和装置 | |
KR102309106B1 (ko) | 상황 연계형 영상분석장치 | |
CN112380892A (zh) | 一种图像识别方法、装置、设备及介质 | |
CN109003457B (zh) | 一种记录多台机动车违法占用应急车道行为的方法及装置 | |
CN113870551B (zh) | 一种能够鉴别危险和非危险驾驶行为的路侧监控*** | |
CN114187676A (zh) | 一种巡检方法、装置、设备、***和存储介质 | |
CN113469105A (zh) | 监控周边车辆的方法及装置、计算机可读存储介质 | |
CN111680633A (zh) | 车辆违章识别方法、装置、计算机设备及存储介质 | |
CN108806270B (zh) | 一种记录多台机动车连续变换车道违法行为的方法及装置 | |
CN114693722B (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
CN108932853B (zh) | 一种记录多台机动车违法停车行为的方法及装置 | |
CN111178194A (zh) | 入侵检测方法、装置和设备 | |
CN116416796A (zh) | 无人驾驶车辆交通事故责任认定方法、装置、介质及设备 |
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 |