CN111680633A - 车辆违章识别方法、装置、计算机设备及存储介质 - Google Patents

车辆违章识别方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN111680633A
CN111680633A CN202010523622.8A CN202010523622A CN111680633A CN 111680633 A CN111680633 A CN 111680633A CN 202010523622 A CN202010523622 A CN 202010523622A CN 111680633 A CN111680633 A CN 111680633A
Authority
CN
China
Prior art keywords
vehicle
target
opposite
target vehicle
lane
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
Application number
CN202010523622.8A
Other languages
English (en)
Inventor
周康明
胡翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Eye Control Technology Co Ltd
Original Assignee
Shanghai Eye Control Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Eye Control Technology Co Ltd filed Critical Shanghai Eye Control Technology Co Ltd
Priority to CN202010523622.8A priority Critical patent/CN111680633A/zh
Publication of CN111680633A publication Critical patent/CN111680633A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • G06V20/41Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种车辆违章识别方法、装置、计算机设备及存储介质,涉及车辆检测技术领域,该车辆违章识别方法包括:获取按照时序排列的多张道路抓拍图像,道路抓拍图像包括待检测的目标车辆;基于道路抓拍图像,检测目标车辆所在车道的对向车道上是否存在对向车辆;若存在对向车辆,根据对向车辆的行驶轨迹和目标车辆的行驶轨迹确定目标车辆是否具备违章条件;若目标车辆具备违章条件,则检测目标车辆是否先于对向车辆通过目标位置点,目标位置点为对向车辆的行驶轨迹与目标车辆的行驶轨迹的交汇点;若目标车辆先于对向车辆通过目标位置点,则判断目标车辆违章。提高了对车辆违章识别的效率,节省了人工审核的人力成本。

Description

车辆违章识别方法、装置、计算机设备及存储介质
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违章识别方法、装置、计算机设备及存储介质。
背景技术
为了有效避免交通事故的发生,机动车辆在行驶时,需要严格遵守交通规则。然而,在实际生活中,往往会有一些不遵守交通规则的行为,例如转弯车不让直行车。因此,需要对机动车辆在行驶过程中的违章情况进行监督和处罚。
现有技术中,对机动车辆违章审核的过程一般是:通过抓拍设备抓拍含有违章嫌疑的车辆在不同时间点的离散图片,然后由人工审核抓拍设备抓拍的离散图片,以确定具有违章嫌疑的车辆是否存在违章情况。
然而,通过人工审核海量的图片数据比较耗费人力,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审核存在的耗费人力,且效率较低的问题,提供一种车辆违章识别方法、装置、计算机设备及存储介质。
一种车辆违章识别方法,该方法包括:
获取按照时序排列的多张道路抓拍图像,道路抓拍图像包括待检测的目标车辆;
基于道路抓拍图像,检测目标车辆所在车道的对向车道上是否存在对向车辆;
若存在对向车辆,根据对向车辆的行驶轨迹和目标车辆的行驶轨迹确定目标车辆是否具备违章条件;
若目标车辆具备违章条件,则检测目标车辆是否先于对向车辆通过目标位置点,目标位置点为对向车辆的行驶轨迹与目标车辆的行驶轨迹的交汇点;
若目标车辆先于对向车辆通过目标位置点,则判断目标车辆违章。
在本申请一个实施例中,根据对向车辆的行驶轨迹和目标车辆的行驶轨迹确定目标车辆是否具备违章条件,包括:
根据各道路抓拍图像确定对向车辆的行驶轨迹,判断对向车辆的行驶轨迹是否为直行;
若对向车辆的行驶轨迹为直行,则根据各道路抓拍图像确定目标车辆的行驶轨迹,判断目标车辆的行驶轨迹是否为左转弯;
若目标车辆的行驶轨迹为左转弯,则确定目标车辆具备违章条件。
在本申请一个实施例中,基于道路抓拍图像,检测目标车辆所在车道的对向车道上是否存在对向车辆之前,该方法还包括:
在多张道路抓拍图像中的第一张道路抓拍图像中检测目标车辆是否越过目标交通标识,目标交通标识包括导向线、斑马线和停止线中的一种;
对应地,基于道路抓拍图像,检测目标车辆所在车道的对向车道上是否存在对向车辆,包括:
若在第一张道路抓拍图像中目标车辆没有越过目标交通标识,则基于道路抓拍图像,检测目标车辆所在车道的对向车道上是否存在对向车辆。
在本申请一个实施例中,检测目标车辆所在车道的对向车道上是否存在对向车辆,包括:
基于多张道路抓拍图像中的第一张道路抓拍图像,检测目标车辆所在车道的对向车道上是否存在车辆;
若对向车道上存在车辆,则检测车辆中是否存在距离对向车道上的目标交通标识小于距离阈值的车辆,目标交通标识包括导向线、斑马线和停止线中的一种;
若车辆中存在距离对向车道上的目标交通标识小于距离阈值的车辆,则将距离对向车道上的目标交通标识小于距离阈值的车辆作为对向车辆。
在本申请一个实施例中,根据对向车辆的行驶轨迹和目标车辆的行驶轨迹确定目标车辆是否具备违章条件之前,该方法还包括:
从各道路抓拍图像中确定出对向车辆;
根据对向车辆在各道路抓拍图像中的位置,拟合对向车辆的行驶轨迹。
在本申请一个实施例中,该方法还包括:
当目标车辆违章时,根据多张道路抓拍图像生成违章证据链;
在接收到终端发送的违章查询请求后,将违章证据链发送给终端。
在本申请一个实施例中,该方法还包括:
若目标车辆所在车道的对向车道上不存在对向车辆,则确定目标车辆不违章;
若目标车辆不具备违章条件,则确定目标车辆不违章。
在本申请一个实施例中,检测目标车辆是否先于对向车辆通过目标位置点,包括:
在多张道路抓拍图像中的最后一张道路抓拍图像中检测目标车辆到目标位置点的第一距离;
在最后一张道路抓拍图像中检测对向车辆到目标点的第二距离;
根据第一距离和第二距离确定目标车辆是否先于对向车辆通过目标位置点。
一种车辆违章识别装置,该装置包括:
获取模块,用于获取按照时序排列的多张道路抓拍图像,道路抓拍图像包括待检测的目标车辆;
第一检测模块,用于基于道路抓拍图像,检测目标车辆所在车道的对向车道上是否存在对向车辆;
确定模块,用于若存在对向车辆,根据对向车辆的行驶轨迹和目标车辆的行驶轨迹确定目标车辆是否具备违章条件;
第二检测模块,用于若目标车辆具备违章条件,则检测目标车辆是否先于对向车辆通过目标位置点,目标位置点为对向车辆的行驶轨迹与目标车辆的行驶轨迹的交汇点;
违章判断模块,用于若目标车辆先于对向车辆通过目标位置点,则判断目标车辆违章。
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:
获取按照时序排列的多张道路抓拍图像,道路抓拍图像包括待检测的目标车辆;
基于道路抓拍图像,检测目标车辆所在车道的对向车道上是否存在对向车辆;
若存在对向车辆,根据对向车辆的行驶轨迹和目标车辆的行驶轨迹确定目标车辆是否具备违章条件;
若目标车辆具备违章条件,则检测目标车辆是否先于对向车辆通过目标位置点,目标位置点为对向车辆的行驶轨迹与目标车辆的行驶轨迹的交汇点;
若目标车辆先于对向车辆通过目标位置点,则判断目标车辆违章。
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:
获取按照时序排列的多张道路抓拍图像,道路抓拍图像包括待检测的目标车辆;
基于道路抓拍图像,检测目标车辆所在车道的对向车道上是否存在对向车辆;
若存在对向车辆,根据对向车辆的行驶轨迹和目标车辆的行驶轨迹确定目标车辆是否具备违章条件;
若目标车辆具备违章条件,则检测目标车辆是否先于对向车辆通过目标位置点,目标位置点为对向车辆的行驶轨迹与目标车辆的行驶轨迹的交汇点;
若目标车辆先于对向车辆通过目标位置点,则判断目标车辆违章。
本申请实施例提供的技术方案带来的有益效果至少包括:
上述车辆违章识别方法、装置、计算机设备及存储介质,可以提高对车辆违章的审核效率。该车辆违章识别方法中,服务器可以获取按照时序排列的多张道路抓拍图像,其中,道路抓拍图像中包括待检测的目标车辆。基于道路抓拍图像,服务器可以检测目标车辆所在车道的对向车道上是否存在对向车辆,若存在对向车辆,那么服务器可以根据对向车辆的行驶轨迹和目标车辆的行驶轨迹确定目标车辆是否具备违章条件,若目标车辆具备违章条件,那么检测目标车辆是否先于对向车辆通过目标位置点。目标车辆先于对向车辆通过目标位置点,说明目标车辆没有让行对向车辆,因此判断目标车辆违章。目标车辆没有先于对向车辆通过目标位置点,说明目标车辆让行了对向车辆,因此目标车辆不违章。本申请实施例中,通过服务器判断目标车辆是否违章提高了对车辆违章识别的效率,节省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违章识别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违章识别方法的流程图;
图3为本申请实施例提供的另一种车辆违章识别方法的流程图;
图4为本申请实施例提供的一种检测对向车辆的方法的流程图;
图5为本申请实施例提供的一种确定目标车辆是否具备违章条件的方法的流程图;
图6为本申请实施例提供的一种检测目标车辆是否先于对向车辆通过目标位置点的方法的流程图;
图7为本申请实施例提供的另一种车辆违章识别方法的流程图;
图8为本申请实施例提供的一种车辆违章识别装置的模块图;
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。
随着我国汽车保有量的增多,我国每年的交通事故量不断增加,每年因为交通事故造成的人员伤亡和财产损失巨大。其中,导致交通事故量增加的主要因素之一是车辆在行驶过程中不能严格遵守交通规则。车辆在行驶时,常常会发生车辆违反交通规则的行为,例如违规变道、左转车辆不让行直线车辆等等。
为了有效避免交通事故的发生,需要对车辆的行驶过程进行监督和识别,一旦发现车辆违章情况进行必要的处罚,以约束和规范车辆驾驶人员的行为,降低交通事故发生的概率。
现有技术中,对车辆的行驶过程进行监督和识别的过程一般是:通过抓拍设备抓拍含有违章嫌疑的车辆在不同时间点的离散图片,然后由人工审核抓拍设备抓拍的离散图片,以确定具有违章嫌疑的车辆是否存在违章情况。
然而,通过人工审核海量的图片数据比较耗费人力,并且人工审核的效率较低。
本申请实施例提供的车辆违章识别方法,可以获取按照时序排列的多张道路抓拍图像,其中,道路抓拍图像中包括待检测的目标车辆。基于道路抓拍图像,服务器可以检测目标车辆所在车道的对向车道上是否存在对向车辆,若存在对向车辆,那么服务器可以根据对向车辆的行驶轨迹和目标车辆的行驶轨迹确定目标车辆是否具备违章条件,若目标车辆具备违章条件,那么检测目标车辆是否先于对向车辆通过目标位置点。目标车辆先于对向车辆通过目标位置点,说明目标车辆没有让行对向车辆,因此判断目标车辆违章。目标车辆没有先于对向车辆通过目标位置点,说明目标车辆让行了对向车辆,因此目标车辆不违章。本申请实施例中,通过服务器判断目标车辆是否违章提高了对车辆违章识别的效率,节省了人工审核的人力成本。
下面,将对本申请实施例提供的车辆违章识别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违章识别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。抓拍设备102在视野覆盖范围内检测到机动车辆时,自动抓拍多张道路抓拍图像,并将该多张道路抓拍图像发送给服务器101,服务器101获取按照时序排列的多张道路抓拍图像,然后基于道路抓拍图像检测目标车辆是否具备违章条件,当目标车辆具备违章条件时,检测目标车辆是否先于对向车辆通过目标位置点,若目标车辆先于对向车辆通过目标位置点,则确定目标车辆违章。
请参考图2,其示出了本申请实施例提供的一种车辆违章识别方法的流程图,该车辆违章识别方法可以应用于图1所示实施环境中的服务器中,如图2所示,该车辆违章识别方法可以包括以下步骤:
步骤201,服务器获取按照时序排列的多张道路抓拍图像。
本申请实施例中,抓拍设备可以将多张按照时序排列的道路抓拍图像上传给服务器,其中,道路抓拍图像中包括待检测的目标车辆。
其中,本申请实施例中的多张道路抓拍图像是指在某一路口抓拍的图像。
可选的,待检测的目标车辆可以是道路抓拍图像中的任意一个车辆。
其中,服务器可以利用目标检测模型分别从每一张道路抓拍图像中识别该张道路抓拍图像中的每个车辆,并将该每个车辆作为一个目标车辆。当同一车辆在两张以上的道路抓拍图像中出现时,将该两张以上的道路抓拍图像上出现的同一车辆作为一个目标车辆。
可选的,本申请实施例中,该多张道路抓拍图像包括三类图像,第一类图像是能反映待检测的目标车辆未到达停止线的图像,第二类图像是能反映目标车辆已经越过停止线的图像,第三类图像是能反映目标车辆相比于第二类图像向前移动的图像。
步骤202,基于道路抓拍图像,服务器检测目标车辆所在车道的对向车道上是否存在对向车辆。
本申请实施例中,对于每一个目标车辆,服务器可以从该目标车辆首次出现的道路抓拍图像中,检测该目标车辆所在的车道的对向车道上是否存在对向车辆。
目标车辆所在的车道的对向车道是指与目标车辆所在车道上的车辆的行驶方向相对的车道。
对向车辆是指在对向车道上,并位于目标车辆所在路口的对面位置的车辆。
本申请实施例中,服务器检测目标车辆所在车道的对向车道上是否存在对向车辆的过程可以包括以下内容:
服务器可以对目标车辆首次出现的道路抓拍图像中的所有车辆分别确定各车辆在该道路抓拍图像中的位置。根据目标车辆的位置以及该道路抓拍图像中其余车辆的位置确定其余车辆中是否存在位于目标车辆所在路口对面,且在对向车道上的车辆。
步骤203,若存在对向车辆,服务器根据对向车辆的行驶轨迹和目标车辆的行驶轨迹确定目标车辆是否具备违章条件。
本申请实施例中,违章条件可以是指:目标车辆需要让行对向车辆。目标车辆具备违章条件,说明目标车辆存在违章的可能性。
本申请实施例中,在路口时,目标车辆具有三种可能的行驶轨迹:左转弯、右转弯和直行。对向车辆也具有三种可能的行驶轨迹:左转弯、右转弯和直行。因此,目标车辆与对向车辆的的行驶轨迹可以有9种组合。在我国道路通行方向为:车辆和行人靠道路右侧行驶。基于此,该9中组合中,只有当目标车辆左转弯,而对向车辆直行时,目标车辆需要让行对向车辆。
因此,服务器根据对向车辆的行驶轨迹和目标车辆的行驶轨迹确定目标车辆是否具备违章条件的过程即:判断目标车辆的行驶轨迹和对向车辆的行驶轨迹是否为目标车辆左转弯对向车辆直行。
需要说明的是,在世界范围内,有一些国家和地区的道路通行方向为:车辆和行人靠道路左侧行驶。此时,目标车辆需要让行对向车辆的情况可以是指:目标车辆右转弯对向车辆直行这种情况。
可选的,本申请实施例中,若目标车辆所在车道的对向车道上不存在对向车辆,则服务器可以确定目标车辆不违章。
步骤204,若目标车辆具备违章条件,服务器检测目标车辆是否先于对向车辆通过目标位置点。
其中,目标位置点为对向车辆的行驶轨迹与目标车辆的行驶轨迹的交汇点。
本申请实施例中,服务器检测目标车辆是否先于对向车辆通过目标位置点的过程包括:服务器可以从多张道路抓拍图像中的最后一张道路抓拍图像中获取目标车辆的位置和对向车辆的位置,根据目标车辆的位置和对向车辆的位置判断目标车辆是否先于对向车辆通过目标位置点。需要说明的是,本申请实施例中,默认最后一张道路抓拍图像中同时包括目标车辆和对向车辆。
本申请实施例中,在最后一张道路抓拍图像中,建立以道路抓拍图像的左上角上某一点为坐标原点,以水平方向为X轴,以竖直方向为Y轴的坐标系。在该坐标系下,例如目标车辆的位置表示为(X1,Y1),对向车辆的位置表示为(X2,Y2),那么当X1<X2且Y1>Y2时,服务器可以判断目标车辆先于对向车辆通过目标位置点。否则,判断目标车辆未先于对向车辆通过目标位置点。需要说明的是,上述举例中,默认在目标车辆首次出现的道路抓拍图像中,目标车辆位于道路抓拍图像的右下角位置,对向车辆位于道路抓拍图像的左上角位置。
可选的,本申请实施例中,若目标车辆不具备违章条件,则服务器可以确定目标车辆不违章。可选的,目标车辆不具备违章条件的情况可以是:对向车辆的行驶轨迹不是直行,或者,目标车辆的行驶轨迹不是左转弯。
步骤205,若目标车辆先于对向车辆通过目标位置点,服务器判断目标车辆违章。
本申请实施例中,在正常情况下,目标车辆在左转弯时,需要等待对向车辆直行通过之后,再继续行驶。也就是说,在正常情况下,对向车辆先于目标车辆通过目标位置点。因此可知,当目标车辆先于对向车辆通过目标位置点时,说明目标车辆没有让行对向车辆,目标车辆违反了交通规则,因此,服务器可以判断目标车辆违章。
本申请实施例提供的车辆违章识别方法,基于道路抓拍图像检测目标车辆所在车道的对向车道上是否存在对向车辆,若存在对向车辆,那么根据对向车辆的行驶轨迹和目标车辆的行驶轨迹确定目标车辆是否具备违章条件,若目标车辆具备违章条件,那么检测目标车辆是否先于对向车辆通过目标位置点。目标车辆先于对向车辆通过目标位置点,说明目标车辆没有让行对向车辆,因此判断目标车辆违章。目标车辆没有先于对向车辆通过目标位置点,说明目标车辆让行了对向车辆,因此目标车辆不违章。本申请实施例中,通过服务器判断目标车辆是否违章提高了对车辆违章识别的效率,节省了人工审核的人力成本。
在本申请的一个实施例中,如图3所示,本申请实施例提供另一种车辆违章识别方法,包括以下步骤:
步骤301,服务器获取按照时序排列的多张道路抓拍图像。
可选的,本申请实施例中,多张道路抓拍图像中还可以包括一张车辆标识特写图像,其中,车辆标识可以是车辆的车牌,也可以是车辆的其他标志。相应的,待检测的目标车辆可以是指多张道路抓拍图像中车辆标识特写图像对应的车辆。
服务器可以通过车辆标识识别模型从多张到了抓拍图像中识别出目标车辆。
需要说明的是,当根据车辆标识识从多张道路抓拍图像中的第一张道路抓拍图像中无法识别出目标车辆时,默认目标车辆没有违章。
需要说明的是,在从第一张道路抓拍图像以外的第i张道路抓拍图像中识别目标车辆时,若根据车辆标识无法从第i张道路抓拍图像中识别出目标车辆,那么,还可以根据从第一张道路抓拍图像中已经找到的目标车辆结合reid模型(英文:Person Re-identification;中文:行人再识别)从第i张道路抓拍图像中确定目标车辆。
可选的,若多张道路抓拍图像中,能够识别出目标车辆的道路抓拍图像的数量少于三张,可以确定目标车辆不违章。
可选的,本申请实施例中,服务器获取按照时序排列的多张道路抓拍图像的过程还可以参考步骤201公开的内容。
步骤302,服务器在多张道路抓拍图像中的第一张道路抓拍图像中检测目标车辆是否越过目标交通标识。
可选的,本申请实施例中,服务器可以通过语义分割模型从第一张道路抓拍图像中提取位于目标车辆所在车道上的目标交通标识,其中,目标交通标识包括导向线、斑马线和停止线中的一种。
可选的,服务器可以根据第一张道路抓拍图像中的目标车辆与目标交通标识的位置关系确定目标车辆是否越过目标交通标识。
例如,目标车辆的位置位于目标交通标识上,或者,目标车辆的位置位于目标交通标识内侧,则确定目标车辆未越过目标交通标识。
步骤303,若未越过目标交通标识,服务器检测目标车辆所在车道的对向车道上是否存在对向车辆。
本申请实施例中,若在第一张道路抓拍图像中目标车辆没有越过目标交通标识,那么基于道路抓拍图像,服务器检测目标车辆所在车道的对向车道上是否存在对向车辆。
若在第一张道路抓拍图像中目标车辆越过目标交通标识,那么服务器可以确定目标车辆不违章。
可选的,本申请实施例中,如图4所示,服务器检测目标车辆所在车道的对向车道上是否存在对向车辆的过程可以包括以下步骤:
步骤401,基于多张道路抓拍图像中的第一张道路抓拍图像,服务器检测目标车辆所在车道的对向车道上是否存在车辆。
本申请实施例中,首先,服务器可以利用目标检测模型从第一张道路抓拍图像中识别该张道路抓拍图像中的每个车辆,该每个车辆包括目标车辆也包括位于对向车道上的车辆。其次,服务器可以根据目标车辆的位置以及第一张道路抓拍图像中其余车辆的位置确定其余车辆中是否存在位于目标车辆所在路口对面,且在对向车道上的车辆。
若其余车辆中存在位于目标车辆所在路口对面,且在对向车道上的车辆,即目标车辆所在车道的对向车道上存在车辆。
若其余车辆中不存在位于目标车辆所在路口对面,且在对向车道上的车辆,即目标车辆所在车道的对向车道上不存在车辆。此时,服务器可以确定目标车辆不违章。
步骤402,若对向车道上存在车辆,则服务器检测车辆中是否存在距离对向车道上的目标交通标识小于距离阈值的车辆。
对向车道上的车辆可能存在以下情况,第一种是对向车道上的车辆临近路口,且即将要通过路口。第二种是对向车道上的车辆在对向车道上,但距离路口有一段距离,当目标车辆通过路口左转弯时,该对向车道上的车辆可能不能到达路口附近。对于第二种情况,左转弯的车辆是不必要让行对向车辆的。
因此,为了提高对向车辆的识别精度,本申请实施例需要将第二种情况中,在对向车道上的车辆剔除。具体的:服务器可以通过语义分割模型从第一张道路抓拍图像中提取位于对向车道的目标交通标识。目标交通标识包括导向线、斑马线和停止线中的一种。然后,服务器可以识别在第一张道路抓拍图像中,对向车道上的车辆到对向车道上的目标交通标识之间的距离。通过距离判断当目标车辆通过路口时,该向车道上的车辆是否也要通过路口。
其中,需要说明的是,当在对向车道上的车辆有多个时,需要逐一地确定每个在对向车道上的车辆到对向车道上的目标交通标识之间的距离。
步骤403,若车辆中存在距离对向车道上的目标交通标识小于距离阈值的车辆,则服务器将距离对向车道上的目标交通标识小于距离阈值的车辆作为对向车辆。
本申请实施例中,当在对向车道上的车辆到对向车道上的目标交通标识的距离小于距离阈值时,说明在目标车辆通过路口时,该在对向车道上的车辆也要通过路口,此时目标车辆需要让行该在对向车道上的车辆。因此,服务器将距离对向车道上的目标交通标识小于距离阈值的车辆作为对向车辆。
当在对向车道上的车辆到对向车道上的目标交通标识的距离大于等于距离阈值时,说明当目标车辆通过路口左转弯时,该对向车道上的车辆不能到达路口附近。此时目标车辆可以不让行该在对向车道上的车辆。
本申请实施例,通过步骤401到步骤403对在对向车道上的车辆进行筛选,将目标车辆需要让行的车辆确定为对向车辆,提高了对向车辆的识别精度,因此可以提高对车辆违章识别的精度。
步骤304,若存在对向车辆,服务器根据对向车辆的行驶轨迹和目标车辆的行驶轨迹确定目标车辆是否具备违章条件。
本申请实施例中,如图5所示,服务器根据对向车辆的行驶轨迹和目标车辆的行驶轨迹确定目标车辆是否具备违章条件的过程可以包括以下步骤:
步骤501,服务器根据各道路抓拍图像确定对向车辆的行驶轨迹,判断对向车辆的行驶轨迹是否为直行。
在一种可选的实现方式中,服务器确定对向车辆的行驶轨迹的过程可以包括以下步骤:
步骤A1,服务器从各道路抓拍图像中确定出对向车辆。
根据步骤302公开的内容可知,服务器可以从第一张道路抓拍图像中识别出对向车辆。可选的,服务器可以从第一张道路抓拍图像中提取对向车辆的特征。
然后对于多张道路抓拍图像中的第j张道路抓拍图像,采用reid模型提取第j张道路抓拍图像中所有车辆的特征,并将各车辆的特征与从第一张道路抓拍图像中提取对向车辆的特征进行比较,将相似度最高的车辆确定为在第j张道路抓拍图像中的对向车辆。服务器还可以获取对向车辆在第j张道路抓拍图像中的位置。
需要说明的是,本申请实施例中,若多张道路抓拍图像中,能够识别出对向车辆的道路抓拍图像的数量少于三张,可以确定目标车辆不违章。
步骤A2,服务器根据对向车辆在各道路抓拍图像中的位置,拟合对向车辆的行驶轨迹。
各道路抓拍图像是按照时序排列的,因此,服务器可以根据对向车辆在各道路抓拍图像中的位置拟合对向车辆的行驶轨迹。本申请实施例中,可以将对向车辆的行驶轨迹的延伸线的方向确定为对向车辆的行驶方向。
本申请实施例中,通过reid模型可以准确识别对向车辆,并拟合得出对向车辆的行驶轨迹,有助于提高车辆违章识别的精度。
步骤502,若对向车辆的行驶轨迹为直行,则根据各道路抓拍图像确定目标车辆的行驶轨迹,判断目标车辆的行驶轨迹是否为左转弯。
本申请实施例中,服务器确定目标车辆的行驶轨迹的过程可以采用与步骤A1和步骤A2相似的方法。需要说明的是,本申请实施例中,服务器确定目标车辆在各道路抓拍图像中的位置时可以首先通过目标车辆的标识从各道路抓拍图像中识别目标车辆。当根据目标车辆的标识无法从道路抓拍图像识别目标车辆时,可以采用reid模型识别目标车辆。
可以将目标车辆的行驶轨迹的延伸线的方向确定为目标车辆的行驶方向。
步骤503,若目标车辆的行驶轨迹为左转弯,则确定目标车辆具备违章条件。
在对向车辆的行驶轨迹为直行的情况下,目标车辆的行驶轨迹为左转弯,说明目标车辆需要让行对向车辆,因此,目标车辆具备违章条件。
需要说明的是,本申请实施例服务器也可以先判断目标车辆的行驶轨迹是否为左转弯,再判断对向车辆的行驶轨迹是否为直行。
步骤305,若目标车辆具备违章条件,服务器检测目标车辆是否先于对向车辆通过目标位置点。
在一种可选的实现方式中,如图6所示,服务器检测目标车辆是否先于对向车辆通过目标位置点的过程可以包括以下步骤:
步骤601,服务器根据对向车辆的行驶轨迹和目标车辆的行驶轨迹在最后一张道路抓拍图像中确定目标位置点。
服务器可以首先根据步骤501和步骤502公开的内容获得对向车辆的行驶轨迹和目标车辆的行驶轨迹,并在多张道路抓拍图像中的最后一张道路抓拍图像中标定对向车辆的行驶轨迹和目标车辆的行驶轨迹,从而确定出目标位置点在最后一张道路抓拍图像中的位置。
步骤602,服务器在多张道路抓拍图像中的最后一张道路抓拍图像中检测目标车辆到目标位置点的第一距离。
服务器可以根据目标车辆在最后一张道路抓拍图像中的位置和目标位置点在最后一张道路抓拍图像中的位置计算第一距离。第一距离表示目标车辆驶离目标位置点的距离。
步骤603,服务器在最后一张道路抓拍图像中检测对向车辆到目标点的第二距离。
服务器可以根据对向车辆在最后一张道路抓拍图像中的位置和目标位置点在最后一张道路抓拍图像中的位置计算第二距离。第二距离表示对向车辆驶离目标位置点的距离。
步骤604,服务器根据第一距离和第二距离确定目标车辆是否先于对向车辆通过目标位置点。
本申请实施例中,若目标车辆让行对向车辆,那么,对向车辆先通过目标位置点,目标车辆后通过目标位置点,因此,在目标车辆与对向车辆的行驶速度大致相同的情况下,对向车辆驶离目标位置点的第二距离大于目标车辆驶离目标位置点的第一距离,所以,当第一距离小于第二距离时,可以确定目标车辆没有先于对向车辆通过目标位置点。
若目标车辆不让行对向车辆,那么目标车辆先通过目标位置点,对向车辆后通过目标位置点,因此,在目标车辆与对向车辆的行驶速度大致相同的情况下,目标车辆驶离目标位置点的第一距离大于等于对向车辆驶离目标位置点的第二距离。因此,当第一距离大于等于第二距离时,可以确定目标车辆先于对向车辆通过目标位置点。
本申请实施例中,通过最后一张道路抓拍图像中,目标车辆驶离目标位置点的距离和对向车辆驶离目标位置点的距离准确判断出目标车辆是否先于对向车辆通过目标位置点,提高了对车辆违章识别的精度。
步骤306,若目标车辆先于对向车辆通过目标位置点,服务器判断目标车辆违章。
本申请实施例中,通过对在对向车道上的车辆进行筛选,将目标车辆需要让行的车辆确定为对向车辆,并且,通过reid模型准确识别对向车辆和目标车辆,从而准确地得出对向车辆的行驶轨迹和目标车辆的行驶轨迹。进一步,通过在最后一张道路抓拍图像中目标车辆所在位置和对向车辆所在位置判断出目标车辆是否先于对向车辆通过目标位置点。提高了对车辆违章识别的精度。
在本申请的一个实施例中,如图7所示,本申请实施例提供另一种车辆违章识别方法,包括以下步骤:
步骤701,当目标车辆违章时,服务器根据多张道路抓拍图像生成违章证据链。
可选的,本申请实施例中,每张道路抓拍图像还可以附带有该道路抓拍图像的获取时间、地点、方向、车道和设备编号等信息。
当根据上述步骤201-步骤205公开的内容,和/或步骤301-步骤306公开的内容确定目标车辆违章时,服务器可以根据该多张道路抓拍图像、目标车辆的标识以及每张道路抓拍图像的获取时间、地点、方向、车道和设备编号等信息生成违章证据链。违章证据链可以表示目标车辆的违章过程。
服务器可以将每个目标车辆的违章证据链存储起来。
需要说明的是,不同的目标车辆的违章证据链中包括的多张道路抓拍图像可能是相同的。
步骤702,在接收到终端发送的违章查询请求后,服务器将违章证据链发送给终端。
其中,违章查询请求中可以包含目标车辆的标识。
服务器可以根据目标车辆的标识从多个违章证据链中提取目标车辆对应的违章证据链,并将目标车辆对应的违章证据链发送给终端。
本申请实施例中,当车辆违章时,一些用户可能需要核查违章信息,此时,服务器可以将违章证据链发送给用户,以便于用户确认该违章行为。
请参考图8,其示出了本申请实施例提供的一种车辆违章识别装置的框图,该车辆违章识别装置可以配置在图1所示实施环境中的服务器中。如图8所示,该车辆违章识别装置可以包括:获取模块801、第一检测模块802、确定模块803、第二检测模块804和违章判断模块805,其中:
获取模,801,用于获取按照时序排列的多张道路抓拍图像,道路抓拍图像包括待检测的目标车辆;
第一检测模块802,用于基于道路抓拍图像,检测目标车辆所在车道的对向车道上是否存在对向车辆;
确定模块803,用于若存在对向车辆,根据对向车辆的行驶轨迹和目标车辆的行驶轨迹确定目标车辆是否具备违章条件;
第二检测模块804,用于若目标车辆具备违章条件,则检测目标车辆是否先于对向车辆通过目标位置点,目标位置点为对向车辆的行驶轨迹与目标车辆的行驶轨迹的交汇点;
违章判断模块805,用于若目标车辆先于对向车辆通过目标位置点,则判断目标车辆违章。
在一个实施例中,确定模块803还用于根据各道路抓拍图像确定对向车辆的行驶轨迹,判断对向车辆的行驶轨迹是否为直行;若对向车辆的行驶轨迹为直行,则根据各道路抓拍图像确定目标车辆的行驶轨迹,判断目标车辆的行驶轨迹是否为左转弯;若目标车辆的行驶轨迹为左转弯,则确定目标车辆具备违章条件。
在一个实施例中,第一检测模块802基于道路抓拍图像,检测目标车辆所在车道的对向车道上是否存在对向车辆之前,还用于在多张道路抓拍图像中的第一张道路抓拍图像中检测目标车辆是否越过目标交通标识,目标交通标识包括导向线、斑马线和停止线中的一种;对应的,第一检测模块802还用于若在第一张道路抓拍图像中目标车辆没有越过目标交通标识,则基于道路抓拍图像,检测目标车辆所在车道的对向车道上是否存在对向车辆。
在一个实施例中,第一检测模块802还用于基于多张道路抓拍图像中的第一张道路抓拍图像,检测目标车辆所在车道的对向车道上是否存在车辆;若对向车道上存在车辆,则检测车辆中是否存在距离对向车道上的目标交通标识小于距离阈值的车辆,目标交通标识包括导向线、斑马线和停止线中的一种;若车辆中存在距离对向车道上的目标交通标识小于距离阈值的车辆,则将距离对向车道上的目标交通标识小于距离阈值的车辆作为对向车辆。
在一个实施例中,确定模块803还用于从各道路抓拍图像中确定出对向车辆;根据对向车辆在各道路抓拍图像中的位置,拟合对向车辆的行驶轨迹。
在一个实施例中,违章判断模块805还用于当目标车辆违章时,根据多张道路抓拍图像生成违章证据链;在接收到终端发送的违章查询请求后,将违章证据链发送给终端。
在一个实施例中,确定模块803还用于若目标车辆所在车道的对向车道上不存在对向车辆,则确定目标车辆不违章;
第二检测模块804还用于若目标车辆不具备违章条件,则确定目标车辆不违章。
在一个实施例中,违章判断模块805还用于在多张道路抓拍图像中的最后一张道路抓拍图像中检测目标车辆到目标位置点的第一距离;在最后一张道路抓拍图像中检测对向车辆到目标点的第二距离;根据第一距离和第二距离确定目标车辆是否先于对向车辆通过目标位置点。
关于车辆违章识别装置的具体限定可以参见上文中对于车辆违章识别方法的限定,在此不再赘述。上述车辆违章识别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。该数据库用于存储违章数据链。该计算机程序被处理器执行时以实现一种车辆违章识别方法。
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:
获取按照时序排列的多张道路抓拍图像,道路抓拍图像包括待检测的目标车辆;基于道路抓拍图像,检测目标车辆所在车道的对向车道上是否存在对向车辆;若存在对向车辆,根据对向车辆的行驶轨迹和目标车辆的行驶轨迹确定目标车辆是否具备违章条件;若目标车辆具备违章条件,则检测目标车辆是否先于对向车辆通过目标位置点,目标位置点为对向车辆的行驶轨迹与目标车辆的行驶轨迹的交汇点;若目标车辆先于对向车辆通过目标位置点,则判断目标车辆违章。
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:根据各道路抓拍图像确定对向车辆的行驶轨迹,判断对向车辆的行驶轨迹是否为直行;若对向车辆的行驶轨迹为直行,则根据各道路抓拍图像确定目标车辆的行驶轨迹,判断目标车辆的行驶轨迹是否为左转弯;若目标车辆的行驶轨迹为左转弯,则确定目标车辆具备违章条件。
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:在多张道路抓拍图像中的第一张道路抓拍图像中检测目标车辆是否越过目标交通标识,目标交通标识包括导向线、斑马线和停止线中的一种;对应地,基于道路抓拍图像,检测目标车辆所在车道的对向车道上是否存在对向车辆,包括:若在第一张道路抓拍图像中目标车辆没有越过目标交通标识,则基于道路抓拍图像,检测目标车辆所在车道的对向车道上是否存在对向车辆。
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:基于多张道路抓拍图像中的第一张道路抓拍图像,检测目标车辆所在车道的对向车道上是否存在车辆;若对向车道上存在车辆,则检测车辆中是否存在距离对向车道上的目标交通标识小于距离阈值的车辆,目标交通标识包括导向线、斑马线和停止线中的一种;若车辆中存在距离对向车道上的目标交通标识小于距离阈值的车辆,则将距离对向车道上的目标交通标识小于距离阈值的车辆作为对向车辆。
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:从各道路抓拍图像中确定出对向车辆;根据对向车辆在各道路抓拍图像中的位置,拟合对向车辆的行驶轨迹。
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:当目标车辆违章时,根据多张道路抓拍图像生成违章证据链;在接收到终端发送的违章查询请求后,将违章证据链发送给终端。
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:若目标车辆所在车道的对向车道上不存在对向车辆,则确定目标车辆不违章;若目标车辆不具备违章条件,则确定目标车辆不违章。
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:在多张道路抓拍图像中的最后一张道路抓拍图像中检测目标车辆到目标位置点的第一距离;在最后一张道路抓拍图像中检测对向车辆到目标点的第二距离;根据第一距离和第二距离确定目标车辆是否先于对向车辆通过目标位置点。
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:
获取按照时序排列的多张道路抓拍图像,道路抓拍图像包括待检测的目标车辆;基于道路抓拍图像,检测目标车辆所在车道的对向车道上是否存在对向车辆;若存在对向车辆,根据对向车辆的行驶轨迹和目标车辆的行驶轨迹确定目标车辆是否具备违章条件;若目标车辆具备违章条件,则检测目标车辆是否先于对向车辆通过目标位置点,目标位置点为对向车辆的行驶轨迹与目标车辆的行驶轨迹的交汇点;若目标车辆先于对向车辆通过目标位置点,则判断目标车辆违章。
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:根据各道路抓拍图像确定对向车辆的行驶轨迹,判断对向车辆的行驶轨迹是否为直行;若对向车辆的行驶轨迹为直行,则根据各道路抓拍图像确定目标车辆的行驶轨迹,判断目标车辆的行驶轨迹是否为左转弯;若目标车辆的行驶轨迹为左转弯,则确定目标车辆具备违章条件。
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:在多张道路抓拍图像中的第一张道路抓拍图像中检测目标车辆是否越过目标交通标识,目标交通标识包括导向线、斑马线和停止线中的一种;对应地,基于道路抓拍图像,检测目标车辆所在车道的对向车道上是否存在对向车辆,包括:若在第一张道路抓拍图像中目标车辆没有越过目标交通标识,则基于道路抓拍图像,检测目标车辆所在车道的对向车道上是否存在对向车辆。
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:基于多张道路抓拍图像中的第一张道路抓拍图像,检测目标车辆所在车道的对向车道上是否存在车辆;若对向车道上存在车辆,则检测车辆中是否存在距离对向车道上的目标交通标识小于距离阈值的车辆,目标交通标识包括导向线、斑马线和停止线中的一种;若车辆中存在距离对向车道上的目标交通标识小于距离阈值的车辆,则将距离对向车道上的目标交通标识小于距离阈值的车辆作为对向车辆。
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:从各道路抓拍图像中确定出对向车辆;根据对向车辆在各道路抓拍图像中的位置,拟合对向车辆的行驶轨迹。
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:当目标车辆违章时,根据多张道路抓拍图像生成违章证据链;在接收到终端发送的违章查询请求后,将违章证据链发送给终端。
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:若目标车辆所在车道的对向车道上不存在对向车辆,则确定目标车辆不违章;若目标车辆不具备违章条件,则确定目标车辆不违章。
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:在多张道路抓拍图像中的最后一张道路抓拍图像中检测目标车辆到目标位置点的第一距离;在最后一张道路抓拍图像中检测对向车辆到目标点的第二距离;根据第一距离和第二距离确定目标车辆是否先于对向车辆通过目标位置点。
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)

1.一种车辆违章识别方法,其特征在于,所述方法包括:
获取按照时序排列的多张道路抓拍图像,所述道路抓拍图像包括待检测的目标车辆;
基于所述道路抓拍图像,检测所述目标车辆所在车道的对向车道上是否存在对向车辆;
若存在所述对向车辆,根据所述对向车辆的行驶轨迹和所述目标车辆的行驶轨迹确定所述目标车辆是否具备违章条件;
若所述目标车辆具备所述违章条件,则检测所述目标车辆是否先于所述对向车辆通过目标位置点,所述目标位置点为所述对向车辆的行驶轨迹与所述目标车辆的行驶轨迹的交汇点;
若所述目标车辆先于所述对向车辆通过所述目标位置点,则判断所述目标车辆违章。
2.根据权利要求1所述的方法,其特征在于,所述根据所述对向车辆的行驶轨迹和所述目标车辆的行驶轨迹确定所述目标车辆是否具备违章条件,包括:
根据各所述道路抓拍图像确定所述对向车辆的行驶轨迹,判断所述对向车辆的行驶轨迹是否为直行;
若所述对向车辆的行驶轨迹为直行,则根据各所述道路抓拍图像确定所述目标车辆的行驶轨迹,判断所述目标车辆的行驶轨迹是否为左转弯;
若所述目标车辆的行驶轨迹为左转弯,则确定所述目标车辆具备所述违章条件。
3.根据权利要求1所述的方法,其特征在于,所述基于所述道路抓拍图像,检测所述目标车辆所在车道的对向车道上是否存在对向车辆之前,所述方法还包括:
在所述多张道路抓拍图像中的第一张道路抓拍图像中检测所述目标车辆是否越过目标交通标识,所述目标交通标识包括导向线、斑马线和停止线中的一种;
对应地,所述基于所述道路抓拍图像,检测所述目标车辆所在车道的对向车道上是否存在对向车辆,包括:
若在所述第一张道路抓拍图像中所述目标车辆没有越过所述目标交通标识,则基于所述道路抓拍图像,检测所述目标车辆所在车道的对向车道上是否存在对向车辆。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述检测所述目标车辆所在车道的对向车道上是否存在对向车辆,包括:
基于所述多张道路抓拍图像中的第一张道路抓拍图像,检测所述目标车辆所在车道的对向车道上是否存在车辆;
若所述对向车道上存在车辆,则检测所述车辆中是否存在距离所述对向车道上的目标交通标识小于距离阈值的车辆,所述目标交通标识包括导向线、斑马线和停止线中的一种;
若所述车辆中存在距离所述对向车道上的目标交通标识小于距离阈值的车辆,则将距离所述对向车道上的目标交通标识小于距离阈值的车辆作为所述对向车辆。
5.根据权利要求1所述的方法,其特征在于,所述根据所述对向车辆的行驶轨迹和所述目标车辆的行驶轨迹确定所述目标车辆是否具备违章条件之前,所述方法还包括:
从各所述道路抓拍图像中确定出所述对向车辆;
根据所述对向车辆在各所述道路抓拍图像中的位置,拟合所述对向车辆的行驶轨迹。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述目标车辆违章时,根据所述多张道路抓拍图像生成违章证据链;
在接收到终端发送的违章查询请求后,将所述违章证据链发送给所述终端。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述目标车辆所在车道的对向车道上不存在所述对向车辆,则确定所述目标车辆不违章;
若所述目标车辆不具备所述违章条件,则确定所述目标车辆不违章。
8.根据权利要求1所述的方法,其特征在于,所述检测所述目标车辆是否先于所述对向车辆通过目标位置点,包括:
在所述多张道路抓拍图像中的最后一张道路抓拍图像中检测所述所述目标车辆到所述目标位置点的第一距离;
在所述最后一张道路抓拍图像中检测所述对向车辆到所述目标点的第二距离;
根据所述第一距离和所述第二距离确定所述目标车辆是否先于所述对向车辆通过所述目标位置点。
9.一种车辆违章识别装置,其特征在于,所述装置包括:
获取模块,用于获取按照时序排列的多张道路抓拍图像,所述道路抓拍图像包括待检测的目标车辆;
第一检测模块,用于基于所述道路抓拍图像,检测所述目标车辆所在车道的对向车道上是否存在对向车辆;
确定模块,用于若存在所述对向车辆,根据所述对向车辆的行驶轨迹和所述目标车辆的行驶轨迹确定所述目标车辆是否具备违章条件;
第二检测模块,用于若所述目标车辆具备所述违章条件,则检测所述目标车辆是否先于所述对向车辆通过目标位置点,所述目标位置点为所述对向车辆的行驶轨迹与所述目标车辆的行驶轨迹的交汇点;
违章判断模块,用于若所述目标车辆先于所述对向车辆通过所述目标位置点,则判断所述目标车辆违章。
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。
CN202010523622.8A 2020-06-10 2020-06-10 车辆违章识别方法、装置、计算机设备及存储介质 Pending CN111680633A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010523622.8A CN111680633A (zh) 2020-06-10 2020-06-10 车辆违章识别方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010523622.8A CN111680633A (zh) 2020-06-10 2020-06-10 车辆违章识别方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN111680633A true CN111680633A (zh) 2020-09-18

Family

ID=72435410

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010523622.8A Pending CN111680633A (zh) 2020-06-10 2020-06-10 车辆违章识别方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN111680633A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113269042A (zh) * 2021-04-25 2021-08-17 安徽银徽科技有限公司 基于行驶车辆违章识别的智能交通管理方法及***
CN114241748A (zh) * 2021-11-22 2022-03-25 浙江大华技术股份有限公司 识别右转车辆是否礼让直行车辆的方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN110738857A (zh) * 2018-07-18 2020-01-31 杭州海康威视数字技术股份有限公司 一种车辆违章取证方法、装置及设备
JP2020061079A (ja) * 2018-10-12 2020-04-16 トヨタ自動車株式会社 交通違反車両識別システム、サーバ、及び車両制御プログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110738857A (zh) * 2018-07-18 2020-01-31 杭州海康威视数字技术股份有限公司 一种车辆违章取证方法、装置及设备
JP2020061079A (ja) * 2018-10-12 2020-04-16 トヨタ自動車株式会社 交通違反車両識別システム、サーバ、及び車両制御プログラム
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘肃亮;李劲华;: "违章逆行智能视频监控***设计" *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113269042A (zh) * 2021-04-25 2021-08-17 安徽银徽科技有限公司 基于行驶车辆违章识别的智能交通管理方法及***
CN113269042B (zh) * 2021-04-25 2024-03-29 安徽银徽科技有限公司 基于行驶车辆违章识别的智能交通管理方法及***
CN114241748A (zh) * 2021-11-22 2022-03-25 浙江大华技术股份有限公司 识别右转车辆是否礼让直行车辆的方法及装置
CN114241748B (zh) * 2021-11-22 2022-11-22 浙江大华技术股份有限公司 识别右转车辆是否礼让直行车辆的方法及装置

Similar Documents

Publication Publication Date Title
US11685400B2 (en) Estimating danger from future falling cargo
US20200391762A1 (en) Method and system for obstacle detection
US11270132B2 (en) Vehicle to vehicle communication and signatures
CN110430401A (zh) 车辆盲区预警方法、预警装置、mec平台和存储介质
CN110047276B (zh) 障碍物车辆的拥堵状态确定方法、装置和相关产品
CN110706261A (zh) 车辆违章检测方法、装置、计算机设备和存储介质
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
CN113470374B (zh) 车辆超速监测方法、装置、计算机设备及存储介质
US20160116294A1 (en) Accurate position determination near exit lanes
US11126870B2 (en) Method and system for obstacle detection
CN110781834A (zh) 交通异常图像检测方法、装置、计算机设备及存储介质
US10916134B2 (en) Systems and methods for responding to a vehicle parked on shoulder of the road
CN111680633A (zh) 车辆违章识别方法、装置、计算机设备及存储介质
CN111923857B (zh) 车辆盲区检测处理方法、装置、车载终端和存储介质
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***
US11181911B2 (en) Control transfer of a vehicle
CN112364742A (zh) 一种车位管理方法、装置、计算机设备及存储介质
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
CN111598054A (zh) 车辆检测方法、装置、计算机设备及存储介质
CN111815984A (zh) 一种基于物联网的车辆限高预警方法及***、车辆
CN114693722B (zh) 一种车辆行驶行为检测方法、检测装置及检测设备
CN112133128A (zh) 弯道防撞预警方法、装置、计算机设备和存储介质
CN114494938A (zh) 一种非机动车行为识别方法及相关装置
CN110874549A (zh) 目标视野确定方法、***、计算机设备和存储介质

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