CN113450578B - 交通违章事件取证方法、装置、设备及*** - Google Patents
交通违章事件取证方法、装置、设备及*** Download PDFInfo
- Publication number
- CN113450578B CN113450578B CN202110713506.7A CN202110713506A CN113450578B CN 113450578 B CN113450578 B CN 113450578B CN 202110713506 A CN202110713506 A CN 202110713506A CN 113450578 B CN113450578 B CN 113450578B
- Authority
- CN
- China
- Prior art keywords
- video
- frame
- traffic
- video frames
- target
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本说明书实施例提供一种交通违章事件的取证方法、装置、设备及***。可以基于对交通视频进行交通违章时间检测得到的检测结果确定交通视频中存在的交通违章事件的违章类型,以及发生交通违章事件时刻的关键视频帧,然后可以基于交通违章事件的违章类型确定选帧策略,基于选帧策略以及关键视频帧选取一组可以完整的呈现交通违章事件的违章类型以及相关目标车辆属性信息的目标视频帧,用于后续的鉴定与取证,可以避免存储交通违章事件对应的整段交通视频占用内存资源过多的问题,以实现通过少量目标视频帧完成交通违章时间的取证,既可以节省内存资源,又可以保证取证结果的准确性。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及交通违章事件取证方法、装置、设备及***。
背景技术
通常,在道路的某些路段会设置摄像头,用于采集该路段的交通视频,并且基于交通视频判断是否发生交通违章事件。相关技术中,在通过交通视频判定发生交通违章事件后,通常会将原始的交通视频存储一段时间,直至交通管理部门对这些交通视频进行鉴定与取证。由于交通违章事件繁多,而每个交通违章事件对应的视频占用内存较大,这无疑会占用较多的存储资源。因而,有必要提供一种在较低资源占用下,可以完整的呈现交通违章事件的关键信息的方案。
发明内容
本公开提供一种交通违章事件取证方法、装置、设备及***。
根据本公开实施例的第一方面,提供一种交通违章事件取证方法,所述方法包括:
获取对交通视频进行交通违章事件检测得到的检测结果,所述检测结果包括从所述交通视频检测到的交通违章事件的违章类型,以及发生所述交通违章事件时刻的至少一帧关键视频帧;
基于所述交通违章事件的违章类型确定从所述交通视频中选取至少一帧目标视频帧的选帧策略,所述至少一帧目标视频帧用于呈现所述交通违章事件的违章类型以及与所述交通违章事件相关的目标车辆的属性信息;
基于所述至少一帧关键视频帧以及所述选帧策略,从所述交通视频中选取至少一帧目标视频帧。
在一些实施例中,所述选帧策略用于指示以下一种或者多种信息:
所述目标视频帧的数量、所述目标视频帧之间的关联关系、所述目标视频帧展示的内容需满足的条件。
在一些实施例中,基于所述至少一帧关键视频帧以及所述选帧策略,从所述交通视频中选取至少一帧目标视频帧,包括:
将所述关键视频帧作为所述目标视频帧;或
基于所述关键视频帧以及所述选帧策略,从所述交通视频中除所述关键视频帧以外的其他视频帧中选取一帧或多帧辅助视频帧,将所述关键视频帧和所述辅助视频帧作为所述目标视频帧;或
基于所述关键视频帧以及所述选帧策略,从所述交通视频中除所述关键视频帧以外的其他视频帧中选取一帧或多帧辅助视频帧,将所述辅助视频帧作为所述目标视频帧。
在一些实施例中,基于所述关键视频帧以及所述选帧策略,从所述交通视频中除所述关键视频帧以外的其他视频帧中选取一帧或多帧辅助视频帧,包括:
基于以下的至少一种方式从所述其他视频帧中选取候选视频帧:
从所述其他视频帧中选取与所述关键视频帧的采集时间间隔小于预设时长的视频帧,作为候选视频帧;
以所述关键视频帧中所述目标车辆的行驶轨迹关键点作为基准点,从所述其他视频帧中选取所述目标车辆的行驶轨迹关键点与所述基准点的距离大于预设的位移阈值的视频帧,作为候选视频帧,其中,所述行驶轨迹关键点基于视频帧中所述目标车辆的车轮的位置确定;
从所述其他视频帧中选取所述目标车辆的面积大于预设的面积阈值的视频帧,作为候选视频帧;
从所述其他视频帧中选取所述目标车辆对应的检测框与视频帧的任一边缘的最小距离小于预设距离的视频帧,作为候选视频帧;以及
从所述其他视频帧中选取质量分高于预设分值且从不同角度呈现所述目标车辆属性信息的视频帧,作为候选视频帧,其中,所述质量分用于表征所述视频帧的清晰程度;
从所选取的候选视频帧中确定一帧或多帧所述辅助视频帧。
在一些实施例中,在所述其他视频帧中的所述目标车辆的行驶轨迹关键点与所述基准点的距离均小于所述位移阈值的情况下,按照预设的第一百分比减小所述位移阈值,以对所述位移阈值进行更新。
在一些实施例中,在所述其他视频帧中的所述目标车辆的面积均小于所述面积阈值的情况下,按照预设的第二百分比减小所述面积阈值,以对所述面积阈值进行更新。
在一些实施例中,所述位移阈值或所述面积阈值基于所述目标车辆的车型确定。
在一些实施例中,所述目标视频帧符合以下一项或多项条件:
所述目标视频帧中的目标车辆的面积大于预设的面积阈值;
所述目标视频帧中的所述目标车辆对应的检测框与所述目标视频帧的任一边缘的最小距离不高于预设距离;
相邻两帧所述目标视频帧中的目标车辆的位移大于预设的位移阈值;
所述目标视频帧中包括质量分高于预设分值且可清晰识别所述目标车辆属性信息的视频帧,所述质量分用于表征所述视频帧的清晰程度;
相邻两帧所述目标视频帧的采集时间间隔小于预设时长。
在一些实施例中,所述方法还包括:
将所述至少一帧目标视频帧存储。
在一些实施例中,所述方法还包括:
在接收到查看所述目标视频帧的指令的情况下,将所述目标视频帧按照预定的排布方式在显示界面显示,并在所述显示界面显示所述交通违章事件的违章类型和所述目标车辆的属性信息。
根据本公开实施例的第二方面,提供一种交通违章事件取证装置,所述装置包括:
获取模块,用于获取对交通视频进行交通违章事件检测得到的检测结果,所述检测结果包括从所述交通视频检测到的交通违章事件的违章类型,以及发生所述交通违章事件时刻的至少一帧关键视频帧;
选帧策略确定模块,用于基于所述交通违章事件的违章类型确定从所述交通视频中选取至少一帧目标视频帧的选帧策略,所述至少一帧目标视频帧用于呈现所述交通违章事件的违章类型以及与所述交通违章事件相关的目标车辆的属性信息;
选帧模块,用于基于所述至少一帧关键视频帧以及所述选帧策略,从所述交通视频中选取至少一帧目标视频帧。
根据本公开实施例的第三方面,提供一种电子设备,所述电子设备包括处理器、存储器、存储在所述存储器可供所述处理器执行的计算机指令,所述处理器执行所述计算机指令时,可实现上述第一方面提及的方法。
根据本公开实施例的第四方面,提供一种智能交通***,包括摄像头和服务器,所述摄像头用于采集当前路段的交通视频,并发送给所述服务器;
所述服务器用于确定对交通视频进行交通违章事件检测得到的检测结果,所述检测结果包括从所述交通视频检测到的交通违章事件的违章类型,以及发生所述交通违章事件时刻的至少一帧关键视频帧;基于所述交通违章事件的违章类型确定从所述交通视频中选取至少一帧目标视频帧的选帧策略,所述至少一帧目标视频帧可用于确定所述交通违章事件的违章类型以及与所述交通违章事件相关的目标车辆的属性信息;基于所述至少一帧关键视频帧以及所述选帧策略,从所述交通视频中选取至少一帧目标视频帧。根据本公开实施例的第五方面,提供一种计算机可读存储介质,所述存储介质上存储有计算机指令,所述计算机指令被执行时实现上述第一方面提及的方法。
本公开实施例中,可以对交通视频进行交通违章事件检测,确定交通视频中存在的交通违章事件的违章类型,以及发生交通违章事件时刻的关键视频帧,然后可以基于交通违章事件的违章类型确定选帧策略,基于选帧策略以及关键视频帧选取目标视频帧,目标视频帧为一组可以完整的呈现交通违章事件的违章类型以及相关车辆属性信息的视频帧。通过选取出一组可以充分呈现交通违章事件的关键信息的目标视频帧,用于后续的鉴定与取证,可以避免存储交通违章事件对应的整段交通视频占用内存资源过多的问题,以实现通过少量目标视频帧完成交通违章时间的取证,既可以节省内存资源,又可以保证取证结果的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1是本公开实施例的一种应用场景示意图。
图2是本公开实施例的一种交通违章事件的取证方法流程图。
图3是本公开实施例的一种选取交通违章事件的目标视频帧的示意图。
图4(a)是本公开实施例的一种视频帧中目标车辆不完整的示意图。
图4(b)是本公开实施例的一种选取目标视频帧的示意图。
图5是本公开实施例的一种向用户显示目标视频帧的示意图。
图6是本公开实施例的一种交通违章事件的取证装置逻辑结构的示意图。
图7是本公开实施例的一种电子设备的逻辑结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合。
应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
为了使本技术领域的人员更好的理解本公开实施例中的技术方案,并使本公开实施例的上述目的、特征和优点能够更加明显易懂,下面结合附图对本公开实施例中的技术方案作进一步详细的说明。
通常,在道路的某些路段会设置摄像头,用于采集指示当前路段的交通状况的交通视频,并且基于交通视频判断是否发生交通违章事件。相关技术中,在通过交通视频判定发生交通违章事件后,通常会将原始的交通视频存储,以便交通管理部门后续的调查取证。在交通管理部门对这些交通视频进行鉴定和取证之前,通常需要将这些交通视频存储一段时间,由于交通违章事件繁多,而每个交通违章事件对应的视频占用较大的内存,这种方式无疑会占用较多的存储资源。
基于此,本公开实施例提供一种交通违章事件的取证方法,可以基于与交通违章事件的违章类型相对应的选帧策略从交通视频中选取一组能够完整展现交通违章事件的关键信息的视频帧并存储,该组视频帧既能充分呈现违章车辆的属性信息(比如,可识别出车牌、车型等),又能展示交通违章事件细节(比如,可以判定出交通违章事件所属的违章类型),以便仅通过这组视频帧即可以完成对交通违章事件的鉴定和取证,而无需存储大量的交通视频,有效减少了所占用的存储空间。
本公开实施例提供的交通违章事件的取证方法可以由安装于道路上的摄像头执行,比如,摄像头采集到当前路段的交通视频后,可以判定是否发生交通违章事件,在判定发生了交通违章事件后,可以基于交通违章事件的违章类型选取出目标视频帧,然后将目标视频帧发送给交通管理中心的服务器,以便服务器存储这些目标视频帧,用于后续对交通违章事件进行鉴定和取证。在一些实施例中,本公开实施例提供的交通违章事件的取证方法可以由与摄像头连接的服务器执行,摄像头采集到交通视频后,可以发送给服务器,由服务器基于交通视频判定是否发生交通违章事件,并从交通视频中筛选出目标视频帧,然后存储,以便用于后续的取证。
比如,如图1所示,为本公开实施例提供的交通违章事件的取证方法的一个应用场景示意图。安装在特定路段的摄像头11采集指示道路交通状况的交通视频,然后将交通视频发送给服务器12,以便服务器12基于交通视频分析是否发生交通违章事件,并在判定发生了交通违章事件后从交通视频中选取目标视频帧并存储。或者,也可以由摄像头11采集交通视频后,分析是否发生交通违章事件,并在判定发生了交通违章事件后从交通视频中选取目标视频帧发送给服务器,以便服务器12存储目标视频帧。
本公开实施例中的交通违章事件可以是违反了相应的交通法规、章程的各种类型的交通事件,违章类型指的是交通违章事件的具体类型,比如,可以是闯红灯事件、连续变道事件、倒逆行事件、违章停车事件等等,本公开实施例不作限制。
具体的,本公开实施例提供的交通违章事件的取证方法如图2所示,可以包括以下步骤:
S202、获取对交通视频进行交通违章事件检测得到的检测结果,所述检测结果包括从所述交通视频检测到的交通违章事件的违章类型,以及发生所述交通违章事件时刻的至少一帧关键视频帧;
S204、基于所述交通违章事件的违章类型确定从所述交通视频中选取至少一帧目标视频帧的选帧策略,所述至少一帧目标视频帧用于呈现所述交通违章事件的违章类型以及与所述交通违章事件相关的目标车辆的属性信息;
S206、基于所述至少一帧关键视频帧以及所述选帧策略,从所述交通视频中选取至少一帧目标视频帧。
通常,只有在交通视频中识别到了交通违章事件,才需要从该交通违章事件对应的交通视频中选取目标视频帧,用于后续的鉴定取证。针对每种类型的交通违章事件,可以预先设置相应的检测算法逻辑以及选帧策略,通过该检测算法逻辑判定交通视频中是否发生了该种类型的交通违章事件,然后再采用本公开实施例提供的方法,基于对应的选帧策略从交通视频中选取目标视频帧。其中,检测交通视频是否发生了交通违章事件的步骤与后续从交通视频选取目标视频帧的步骤可以由同一个算法模块或组件实现,或者是同一个设备上的两个不同的算法模块实现,也可以通过两个设备分别实现,本公开实施例不作限制。
比如,在一些实施例中,检测是否发生交通违章事件和选取目标视频帧可以分别通过两个算法模块或者组件实现,如图3所示,为本公开一个实施例选取目标视频帧的示意图,执行该方法的设备可以包括交通违章事件检测模块和选帧模块两个算法模块,其中,交通违章事件检测模块包括多个子模块(比如,图中的A种类型交通事件检测子模块、B种类型交通事件检测子模块…),每个子模块可以用于检测不同违章类型的交通事件。选帧模块也包括多个子模块(图中的选帧子模块1、选帧子模块2…),每选帧子模块与交通违章事件检测子模块一一对应,即一种类型的交通违章事件可以通过与之对应的交通违章事件检测子模块检测出来,并采用与之对应的选帧子模块选取该种类型的交通违章事件对应的目标视频帧。交通视频可以输入至每个交通违章事件检测模块的子模块中进行检测,如果判定存在该种类型的交通违章事件,则将交通视频输入至对应的选帧子模块中,基于该种类型的交通违章事件的选帧策略选取目标视频帧。当然,在一些实施例中,检测是否发生交通违章事件和选取目标视频帧可以通过同一个算法模块或者组件实现,比如,该算法模块或者组件从交通视频中检测出交通违章事件的类型后,可以继续基于检测到的关键视频帧和选帧策略进一步选取目标视频帧。
在步骤S202中,可以先获取对交通视频进行交通违章事件检测得到的检测结果,其中,检测结果可以由设备自行对交通视频进行检测得到,也可以从其他设备中获取,检测结果可以包括从该交通视频检测到的交通违章事件的违章类型,比如,该交通违章事件是闯红灯事件、违章停车事件、倒逆行事件等等。检测结果还可以包括发生该交通违章事件时刻的至少一帧关键视频帧。由于用于检测交通事件的检测算法逻辑是基于交通视频中是否存在符合预设条件的视频帧判定是否发生某种类型的交通违章事件,因而其可以输出交通视频中发生了什么类型的交通违章事件,以及可以判定发生了该交通违章事件的视频帧。
其中,关键视频帧为发生交通事件时刻采集的视频帧,关键视频帧可以是一帧或者多帧,根据该关键视频帧可以判定是否发生了某种类型的交通违章事件。比如,交通违章事件为闯红灯事件,则关键视频帧中则呈现了在红灯时刻车辆压实斑马线的信息,即基于关键视频帧可以确定车辆闯红灯。比如交通违章事件为车辆变道事件,则关键视频帧呈现了车辆刚好变道时的信息。
在一些实施例中,关键视频帧可以通过标识信息标识,比如,在确定关键视频帧后,可以存储其对应的标识信息,便于后续基于标识信息定位关键视频帧。标识信息是可以唯一标识该关键视频帧的各类信息,基于该标识信息,即可以从交通视频中定位到该关键视频帧。比如,交通视频中每一帧视频帧都可以有一个编号,标识信息可以是该编号,或者交通视频中每一帧视频帧对应一个时间戳,表示该关键视频帧的采集时间,因而该标识信息也可以是该关键视频帧对应的时间戳。比如,在一些实施例中,检测交通违章事件和选取目标视频帧可以分别由两个算法模块实现,检测交通违章事件的算法模块确定交通违章事件的违章类型和关键视频帧后,可以将违章类型和关键视频帧的标识信息输出给选帧模块,以便选帧模块基于标识信息定位关键视频帧,然后基于关键视频帧和选帧策略选取目标视频帧。
在步骤S204中,在基于检测结果确定交通视频中的交通违章事件的违章类型后,可以根据违章类型确定选帧策略,该选帧策略用于从交通视频中选取至少一帧目标视频帧,该目标视频帧可用于确定交通违章事件的违章类型以及与该交通违章事件相关的目标车辆的属性信息。比如,选取的目标视频帧可以充分的展示交通违章事件的细节,以便可以判定出交通违章事件的类型,同时,由于交通违章事件中,准确地识别与交通违章事件有关的目标车辆的车牌号码、颜色、属性等信息也非常关键,因而选取的目标视频帧还需可以充分的展示目标车辆的属性信息。其中,目标车辆可以是违章车辆、或者是该交通事件涉及到的车辆。
选帧策略可以是各种用于从交通视频中筛选出目标视频帧的筛选策略,不同违章类型的违章交通事件可以采用不同的选帧策略选取目标视频帧。选帧策略中可以设置各种筛选条件,以便从大量的交通视频帧中筛选出少量可以完整呈现交通违章事件类型的目标视频帧。
在步骤S206中,确定选帧策略后,即可以基于关键视频帧以及选帧策略选出至少一帧目标视频帧,以用于后续的交通违章事件取证。其中,筛选的目标视频帧的数量可以基于交通违章事件的违章类型确定,比如,可以是2帧、4帧或者6帧等等。
由于要存储交通违章事件对应的一段视频,通常要占用较大的内存空间,对于路况复杂,交通违章事件频发的场景,资源占用量太大。为了在后续的调查取证中,可以基于存储的视频帧准确地鉴定和识别出交通违章事件的类型以及违规车辆的属性信息,又可以占用尽可能少的存储资源,本公开实施例可以基于交通违章事件的类型确定相应的选帧策略,从交通视频中选取至少一帧目标视频帧,用于后续的交通违章事件取证,在保证取证结果的精度的同时,最大化的减小内存的占用。
由于选帧策略是用于从交通视频中筛选出可以充分展示交通违章事件的视频帧。针对不同违章类型的交通事件,其对应的选帧策略也不一样。比如,针对每一种类型的交通违章事件,为了可以识别该交通违章事件的类型,其需要的视频帧的数量、视频帧需展示的内容是不一样的,因而,可以基于交通违章事件的违章类型制定相应的选帧策略。在一些实施例中,选帧策略可以用于指示以下一种或多种信息:要选取的目标视频帧的数量、要选取的目标视频帧之间的关联关系、要选取的目标视频帧展示的内容需满足的条件等等。
选帧策略可以用于指示要选取的目标视频帧的数量,比如,交通违章事件的类型为机动车连续变道事件,那么目标视频帧应至少包括三个视频帧,三个视频帧中相邻两个视频帧中目标车辆位于不同的车道,且三个视频帧的采集时间间隔小于一定时长,以及至少一个可以清晰识别车辆的车牌信息的视频帧,因而,针对该种类型的交通违章事件,其目标帧的数量可以是3帧或4帧。而针对倒逆行事件,则可以通过两个显示车辆倒逆行的视频帧,两个视频帧中显示车辆应有明显的位移,以及一个可以清晰识别车牌信息的视频帧,即目标视频帧的数量可以是2帧或3帧。
选帧策略可以用于指示要选取的目标视频帧之间的关联关系,比如,相邻两帧目标视频帧之间的采集时间间隔需满足一定的条件,不能大于预设时长或者不能小于预设时长。比如,相邻两帧视频帧中目标车辆的位移需满足一定的条件,比如,需大于预设距离。或者是选取的目标视频帧之间需符合其他的限定条件,具体可以基于实际应用场景设定。
选帧策略可以用于指示每帧目标视频帧展示的内容需符合的条件。比如,目标视频帧应展示交通违章事件的关键信息,比如,指示车辆闯红灯、倒逆行等时刻的信息,目标视频帧中目标车辆的面积不能过小、目标视频帧中目标车辆必须完整、目标视频帧中必须有清晰展示车牌信息的视频帧等等。
在一些实施例中,在基于至少一帧关键视频帧的标识信息以及选帧策略,从交通视频中选取至少一帧目标视频帧时,可以先根据该标识信息获取关键视频帧,其中,如果关键视频帧已经能够充分展示交通违章事件的类型以及相关车辆的属性信息,则直接将关键视频帧作为目标视频帧。
在一些实施例中,可能仅使用关键视频帧无法很好的展示交通违章事件,比如,关键视频帧可能仅仅是一个视频帧,仅根据一个视频帧无法对交通事件进行取证,因而,可以以该关键视频帧作为参考基准,根据选帧策略从交通视频中除该关键视频帧以外的其他视频帧中选取一帧或多帧辅助视频帧,用于辅助该关键视频帧鉴定交通违章事件。比如,可以从该关键视频帧的前序视频帧和/或后序视频帧中选出一帧或多帧符合条件的辅助视频帧,然后将关键视频帧和辅助视频帧共同作为目标视频帧。
当然,在一些实施例中,关键视频帧虽然可以展示交通违章事件,但是,其可能也不是最佳视角,因而,也可以以关键视频帧作为参考基准,基于选帧策略从交通视频中除该关键视频帧以外的其他视频帧中选取一帧或多帧辅助视频帧,然后将选取的一帧或者多帧辅助视频帧作为目标视频帧。
其中,选帧策略可以依据具体的交通违章事件类型以及实际应用需求设置,如表1所示,为本公开实施例提供的一种针对不同交通违章事件,选取目标视频帧的选帧策略的示意性例子,其中,表中的最优帧即可以清晰识别车辆属性信息的视频帧。当然,表1只是示意性例子,实际选帧策略可以根据具体需求设定。
在一些实施例中,针对某些类型的交通违章事件,所选取的相邻两帧目标视频帧的采集时间间隔需小于预设时长,以保证目标视频帧可以充分展示交通违章事件的细节,因而,在基于关键视频帧以及选帧策略,从交通视频中除关键视频帧以外的其他视频帧中选取一帧或多帧辅助视频帧时,可以从交通视频的其他视频帧中选取与关键视频帧的采集时间间隔小于预设时长的候选视频帧,然后从所选取的候选视频帧中确定一帧或多帧辅助视频帧,比如,从候选视频帧任意选择一帧或多帧作为辅助视频帧,或者,也可以结合其他筛选策略从候选视频帧选取辅助视频帧。比如,相邻两帧视频帧之间的采集时间间隔需小于0.2s,则可以获取与关键帧采集时间间隔小于0.2s的视频帧,从中确定一帧辅助视频帧。然后再以该辅助视频帧为基准,选取与该辅助视频帧采集时间间隔小于0.2s的候选视频帧,从中确定另一个辅助视频帧。
在一些实施例中,针对某些类型的交通违章事件,所选取的相邻两帧目标视频帧中目标车辆的位移可以大于一定的距离,以保证不同视频帧中目标车辆的位移较为明显,比如,针对需要依据车辆轨迹状态进行判定的交通违章事件,比如,判断机动车是否存在非法变道、以及机动车是否倒逆行等类型的交通违章事件,通常需根据多帧视频帧中车辆的轨迹状态判定,因而需要选取的目标视频帧符合上述需求。所以,在基于关键视频帧以及选帧策略,从交通视频中除关键视频帧以外的其他视频帧中选取一帧或多帧辅助视频帧时,可以以该关键视频帧中目标车辆的行驶轨迹关键点作为基准点,从其他视频帧中选取目标车辆的行驶轨迹关键点与基准点的距离大于预设位移阈值的候选视频帧,然后从选出的候选视频帧中确定一帧或者多帧辅助视频帧,比如,从候选视频帧任意选择一帧或多帧作为辅助视频帧,或者,也可以结合其他筛选策略从候选视频帧选取辅助视频帧。在选出辅助视频帧之后,可以以辅助视频帧作为基准,选取下一帧辅助视频帧。通过选出具有明显位移的视频帧,可以保证目标视频帧中车辆有发生移动,以得到较好的展示效果。
其中,行驶轨迹关键点可以是基于目标车辆的车轮在视频帧中的位置确定的点,可以用于标识车辆的位置。比如,行驶轨迹关键点可以是基于车轮与地面的接触点确定的一个关键点,或者也可以是基于四个车轮中心点确定的关键点,具体可以基于实际情况设定。预设的位移阈值也可以根据具体的交通违章事件类型或者目标车辆的车型设置。
在一些实施例中,可能预先设置的位移阈值不太合理,比如,位移阈值设置得过大,导致交通视频中其他视频帧中的目标车辆的行驶轨迹关键点与所述基准点的距离均小于位移阈值,从而无法筛选出辅助视频帧,在这种情况下,可以自动按照预设的第一百分比减小位移阈值,以对位移阈值进行更新,然后重新以更新后的位移阈值作为筛选基准,从其他视频帧中筛选出目标车辆位移超过位移阈值的辅助视频帧。当然,如果更新位移阈值后,依然无法筛选出符合条件的辅助视频帧,则进一步减小位移阈值,直至可以筛选出辅助视频帧为止。在进行位移阈值设定时,为了解决不同车辆轨迹大小不一的问题,位移阈值可以无需设定为某一个固定的数值,而是可以自动调整,在一次筛选未得到结果后,通过逐步减少位移阈值,可以得到最终的筛选结果。通过这种自动调整位移阈值的方式,可以有效减少因设置的位移阈值不合理而导致筛选的目标视频帧无法完整呈现交通违章事件的关键信息的问题,保证了基于目标视频帧获得的取证结果的准确度。
在筛选目标视频帧时,由于不同的车型,其在视频帧中呈现明显位移的位移阈值不一样,所以,在一些实施例中,可以基于目标车辆的车型设定位移阈值。比如,在一些实施例中,可以从交通视频中选取出可以清晰识别目标车辆属性信息的视频帧,作为最优帧,然后以根据最优帧中车辆的大小确定位移阈值。
由于如果视频帧中目标车辆过小,则无法准确判定该车辆为目标车辆,不利于后续的取证和鉴定,因而,所选取的目标视频帧中的目标车辆的面积应尽可能大一些,确保可以准确识别目标车辆。所以,在一些实施例中,在基于关键视频帧以及选帧策略,从交通视频中除关键视频帧以外的其他视频帧中选取一帧或多帧辅助视频帧时,可以先从其他视频帧中选取目标车辆的面积大于预设的面积阈值的候选视频帧,然后从所选取的候选视频帧中确定一帧或者辅助视频帧,比如,从候选视频帧任意选择一帧或多帧作为辅助视频帧,或者,也可以结合其他筛选策略从候选视频帧选取辅助视频帧。其中,目标车辆的面积可以通过多种方式确定,比如,可以基于目标车辆的检测框的面积确定目标车辆的面积,或者可以基于目标车辆的四个轮胎中心点的位置确定目标车辆的面积,只要确定的目标面积可以表征图中目标车辆的大小即可,具体可以根据实际需求设置。通过基于车辆目标选取目标视频帧,可以将一些车辆与摄像头距离较远,无法清晰辨别车辆信息的视频帧过滤掉,保证目标视频帧的展示效果。
在一些实施例中,可能预先设置的面积阈值不太合理,比如,面积阈值设置得过大,导致交通视频中其他视频帧中的目标车辆的面积均小于面积阈值,从而无法筛选出辅助视频帧,在这种情况下,可以自动按照预设的第二百分比减小面积阈值,以对面积阈值进行更新,然后重新以更新后的面积阈值作为筛选基准,从其他视频帧中筛选目标车辆的面积大于面积阈值的辅助视频帧。当然,如果更新面积阈值后,依然无法筛选出符合条件的辅助视频帧,则进一步减小面积阈值,直至可以筛选出辅助视频帧为止。通过这种自动调整面积阈值的方式,可以有效减少因设置的面积阈值不合理而导致筛选的目标视频帧无法完整呈现交通违章事件的关键信息的问题,保证了基于目标视频帧获得的取证结果的准确度。
此外,由于目标车辆的车型不一样,其可以从视频帧中清晰识别目标车辆属性信息时目标车辆的面积也不一样。所以,在一些实施例中,可以基于目标车辆的车型确定面积阈值。比如,在一些实施例中,可以从交通视频中选取出可以清晰识别目标车辆属性信息的视频帧,作为最优帧,然后以根据最优帧中车辆的面积确定面积阈值。
有些视频帧中,采集的目标车辆可能不完整,如图4(a)所示,这种视频帧无法保证目标车辆的识别结果。在选取目标视频帧时,需保证目标视频帧中的目标车辆应尽可能完整,才能准确地识别目标车辆。所以,在一些实施例中,在基于关键视频帧以及选帧策略,从所述交通视频中除所述关键视频帧以外的其他视频帧中选取一帧或多帧辅助视频帧时,如图4(b)所示,可以从其他视频帧中选取目标车辆对应的检测框与视频帧的任一边缘的最小距离(如图中的d)小于预设距离的候选视频帧,即确保目标车辆对应的检测框尽可能不要位于视频帧过于边缘的位置,避免视频帧中的目标车辆不完整。其中,预设距离可以基于实际情况确定,比如,预设距离可以是视频帧宽或者高的5%。然后可以从所选取的候选视频帧中确定一帧或者多帧辅助视频帧。
由于在对交通违章事件进行鉴定和取证过程中,违章的目标车辆的属性信息可以用于定位目标车辆和车主,因而,目标视频帧中需包含可以清晰识别出目标车辆属性信息的视频帧,属性信息包括目标车辆的车牌信息、颜色、车型等等。所以,在一些实施例中,在基于关键视频帧以及选帧策略,从交通视频中除关键视频帧以外的其他视频帧中选取一帧或多帧辅助视频帧时,可以从其他视频帧中选取质量分高于预设分值且从不同角度呈现目标车辆属性信息的候选视频帧,然后从所选取的候选视频帧中确定辅助视频帧。其中,质量分用于表征视频帧的清晰程度,视频帧清晰度越高,质量分越高,质量分可以基于预设的算法确定。由于如果仅基于质量分获取图像质量较好、清晰度较高的若干视频帧,可能选出的视频帧所包含的信息相似度很高,遗漏某些关键信息(如车牌号)的情况,为了解决这个问题,避免仅对质量分过度依赖,在选取视频帧时,可以选取从不角度呈现目标车辆的视频帧,以便选取的目标视频帧可以信息互补,从不同角度展示目标车辆的细节。
当然,实际应用中,可以根据实际需求选择上述实施例中介绍的一种或者多种辅助视频帧的选取方式进行辅助视频帧的选取。比如,可以基于视频帧的采集时间间隔、不同视频帧之间目标车辆的位移、视频帧中目标车辆的面积、视频帧中目标车辆检测框与视频帧边缘的距离、视频帧的质量分以及视频帧呈现车辆属性信息的角度中的一种或多种因素选取出候选视频帧中,再从所述候选视频帧中挑选一帧或多帧作为辅助视频帧,本公开实施例不做限制。
在一些实施例中,在选取出目标视频帧后,可以将目标视频帧存储,以便用于后续的调查取证。其中,在存储目标视频帧之前,可以从目标视频帧中提取出目标车辆的属性信息,将该目标视频帧指示的交通违章事件的违章类型、目标车辆的属性信息以及目标视频帧关联存储。
在一些实施例中,如图5所示,在存储目标视频帧后,如果接收到用户通过用户交互界面输入的查看该目标视频帧的指令,可以将该至少一帧目标视频帧按照预定的排布方式在显示界面显示,并在显示界面显示该交通违章事件的违章类型和目标车辆的属性信息。在显示目标视频帧时,可以依照目标视频帧的采集时间先后顺序将目标视频帧排布,或者将可以清晰展示目标车辆的属性信息的视频帧排布在最前面或最后面,也可以按照其他方便用户查看的方式排布。当然,在将目标视频帧显示给用户时,可以将目标视频帧中的目标车辆标识出来,比如,可以用红色矩形框框选,方便用户在查看时,可以快速定位目标车辆。同时,可以在显示界面显示出交通违章事件的违章类型、目标车辆的车牌信息、车型、颜色等属性信息。
在一些实施例中,所选取的目标视频帧符合以下一项或多项条件:目标视频帧中的目标车辆的面积大于预设的面积阈值、目标视频帧中的目标车辆对应的检测框与目标视频帧的任一边缘的最小距离不高于预设距离、相邻两帧目标视频帧中的目标车辆的位移大于预设的位移阈值、目标视频帧中包括质量分高于预设分值且可清晰识别所述目标车辆属性信息的视频帧、相邻两帧目标视频帧的采集时间间隔小于预设时长。在基于选帧策略选取目标视频帧时,可以以关键视频帧作为参考基准,然后基于一条或多条选帧策略对交通视频中的视频帧进行过滤,将不符合条件的视频帧去除,从而得到目标视频帧。
比如,在一些实施例中,可以将关键视频帧作为目标视频帧的一部分,然后从除关键视频帧以外的其他视频帧中选取出其他目标视频帧,比如,可以先基于视频帧的采集时间间隔进行筛选,将采集时间间隔大于预设时长的视频帧过滤掉,然后可以基于车辆位移对剩余的视频帧进行进一步筛选,将目标车辆位移小于预设的位移阈值的视频帧过滤掉,然后再基于车辆面积对剩余的视频帧进行进一筛选,将剩余的视频帧中目标车辆面积小于预设面积阈值的视频帧过滤掉,然后可以基于目标车辆检测框的完整性对剩余的视频帧进行进一步筛选,将目标车辆对应的检测框与视频帧的任一边缘的最小距离大于预设距离的视频帧过滤掉。当然,为了最终确定的目标视频帧中包括可以清晰识别到车辆属性信息的最优帧,还可以从视频帧选取出一帧或者多帧质量分大于预设分值且可以清晰识别到车辆属性信息的最优帧,作为目标视频帧的一部分。当然,实际应用过程中,基于上述策略对视频帧进行过滤筛选的顺序以及筛选过滤的条件(策略),可以根据实际情况设置,以尽量提高筛选效率。
相应的,本公开实施例还提供了一种交通违章事件的取证装置,所述装置如图6所示,包括:
获取模块61,用于获取对交通视频进行交通违章事件检测得到的检测结果,所述检测结果包括从所述交通视频检测到的交通违章事件的违章类型,以及发生所述交通违章事件时刻的至少一帧关键视频帧;
选帧策略确定模块62,用于基于所述交通违章事件的违章类型确定从所述交通视频中选取至少一帧目标视频帧的选帧策略,所述至少一帧目标视频帧用于呈现所述交通违章事件的违章类型以及与所述交通违章事件相关的目标车辆的属性信息;
选帧模块63,用于基于所述至少一帧关键视频帧以及所述选帧策略,从所述交通视频中选取至少一帧目标视频帧。
在一些实施例中,所述选帧策略用于指示以下一种或者多种信息:
所述目标视频帧的数量、所述目标视频帧之间的关联关系、所述目标视频帧展示的内容需满足的条件。
在一些实施例中,所述选帧模块用于基于所述至少一帧关键视频帧的标识信息以及所述选帧策略,从所述交通视频中选取至少一帧目标视频帧时,具体用于:
将所述关键视频帧作为所述目标视频帧;或
基于所述关键视频帧以及所述选帧策略,从所述交通视频中除所述关键视频帧以外的其他视频帧中选取一帧或多帧辅助视频帧,将所述关键视频帧和所述辅助视频帧作为所述目标视频帧;或
基于所述关键视频帧以及所述选帧策略,从所述交通视频中除所述关键视频帧以外的其他视频帧中选取一帧或多帧辅助视频帧,将所述辅助视频帧作为所述目标视频帧。
在一些实施例中,所述选帧模块用于基于所述关键视频帧以及所述选帧策略,从所述交通视频中除所述关键视频帧以外的其他视频帧中选取一帧或多帧辅助视频帧时,具体用于:
基于以下的至少一种方式从所述其他视频帧中选取候选视频帧:
从所述其他视频帧中选取与所述关键视频帧的采集时间间隔小于预设时长的视频帧,作为候选视频帧;
以所述关键视频帧中所述目标车辆的行驶轨迹关键点作为基准点,从所述其他视频帧中选取所述目标车辆的行驶轨迹关键点与所述基准点的距离大于预设的位移阈值的视频帧,作为候选视频帧,其中,所述行驶轨迹关键点基于视频帧中所述目标车辆的车轮的位置确定;
从所述其他视频帧中选取所述目标车辆的面积大于预设的面积阈值的视频帧,作为候选视频帧;
从所述其他视频帧中选取所述目标车辆对应的检测框与视频帧的任一边缘的最小距离小于预设距离的视频帧,作为候选视频帧;以及
从所述其他视频帧中选取质量分高于预设分值且从不同角度呈现所述目标车辆属性信息的视频帧,作为候选视频帧,其中,所述质量分用于表征所述视频帧的清晰程度;
从所选取的候选视频帧中确定一帧或多帧所述辅助视频帧。
在一些实施例中,在所述其他视频帧中的所述目标车辆的行驶轨迹关键点与所述基准点的距离均小于所述位移阈值的情况下,按照预设的第一百分比减小所述位移阈值,以对所述位移阈值进行更新。
在一些实施例中,在所述其他视频帧中的所述目标车辆的面积均小于所述面积阈值的情况下,按照预设的第二百分比减小所述面积阈值,以对所述面积阈值进行更新。
在一些实施例中,所述位移阈值或所述面积阈值基于所述目标车辆的车型确定。
在一些实施例中,所述目标视频帧符合以下一项或多项条件:
所述目标视频帧中的目标车辆的面积大于预设的面积阈值;
所述目标视频帧中的所述目标车辆对应的检测框与所述目标视频帧的任一边缘的最小距离不高于预设距离;
相邻两帧所述目标视频帧中的目标车辆的位移大于预设的位移阈值;
所述目标视频帧中包括质量分高于预设分值且可清晰识别所述目标车辆属性信息的视频帧,所述质量分用于表征所述视频帧的清晰程度;
相邻两帧所述目标视频帧的采集时间间隔小于预设时长。
在一些实施例中,所述装置还用于:
将所述至少一帧目标视频帧存储。
在一些实施例中,所述装置还用于:
在接收到查看所述目标视频帧的指令的情况下,将所述目标视频帧按照预定的排布方式在显示界面显示,并在所述显示界面显示所述交通违章事件的违章类型和所述目标车辆的属性信息。
此外,本公开实施例提供了一种电子设备,如图7所示,所述电子设备包括处理器71、存储器72、存储在所述存储器72可供所述处理器71执行的计算机指令,所述处理器71执行所述计算机指令时,可实现上述任一实施例所述的方法。其中,该电子设备可以摄像头,也可以是服务器。
此外,本公开实施例还提供了一种智能交通***,该智能交通***包括摄像头和服务器,所述摄像头用于采集当前路段的交通视频,并发送给所述服务器;
所述服务器用于确定对交通视频进行交通违章事件检测得到的检测结果,所述检测结果包括从所述交通视频检测到的交通违章事件的违章类型,以及发生所述交通违章事件时刻的至少一帧关键视频帧;基于所述交通违章事件的违章类型确定从所述交通视频中选取至少一帧目标视频帧的选帧策略,所述至少一帧目标视频帧可用于确定所述交通违章事件的违章类型以及与所述交通违章事件相关的目标车辆的属性信息;基于所述至少一帧关键视频帧以及所述选帧策略,从所述交通视频中选取至少一帧目标视频帧。
本公开实施例还提供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前述任一实施例所述的方法。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本说明书实施例可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本说明书实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本说明书实施例各个实施例或者实施例的某些部分所述的方法。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机,计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
本说明书中的各个实施例均采用递进的方式描述,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,对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,在实施本说明书实施例方案时可以把各模块的功能在同一个或多个软件和/或硬件中实现。也可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅是本说明书实施例的具体实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本说明书实施例原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本说明书实施例的保护范围。
Claims (12)
1.一种交通违章事件取证方法,其特征在于,所述方法包括:
获取对交通视频进行交通违章事件检测得到的检测结果,所述检测结果包括从所述交通视频检测到的交通违章事件的违章类型,以及发生所述交通违章事件时刻的至少一帧关键视频帧;
基于所述交通违章事件的违章类型确定从所述交通视频中选取至少一帧目标视频帧的选帧策略,所述至少一帧目标视频帧用于呈现所述交通违章事件的违章类型以及与所述交通违章事件相关的目标车辆的属性信息;其中,所述选帧策略用于指示以下一种或者多种信息:所述目标视频帧的数量、所述目标视频帧之间的关联关系、所述目标视频帧展示的内容需满足的条件;
基于所述至少一帧关键视频帧以及所述选帧策略,从所述交通视频中选取至少一帧目标视频帧。
2.根据权利要求1所述的方法,其特征在于,基于所述至少一帧关键视频帧以及所述选帧策略,从所述交通视频中选取至少一帧目标视频帧,包括:
将所述关键视频帧作为所述目标视频帧;或
基于所述关键视频帧以及所述选帧策略,从所述交通视频中除所述关键视频帧以外的其他视频帧中选取一帧或多帧辅助视频帧,将所述关键视频帧和所述辅助视频帧作为所述目标视频帧;或
基于所述关键视频帧以及所述选帧策略,从所述交通视频中除所述关键视频帧以外的其他视频帧中选取一帧或多帧辅助视频帧,将所述辅助视频帧作为所述目标视频帧。
3.根据权利要求2所述的方法,其特征在于,基于所述关键视频帧以及所述选帧策略,从所述交通视频中除所述关键视频帧以外的其他视频帧中选取一帧或多帧辅助视频帧,包括:
基于以下的至少一种方式从所述其他视频帧中选取候选视频帧:
从所述其他视频帧中选取与所述关键视频帧的采集时间间隔小于预设时长的视频帧,作为候选视频帧;
以所述关键视频帧中所述目标车辆的行驶轨迹关键点作为基准点,从所述其他视频帧中选取所述目标车辆的行驶轨迹关键点与所述基准点的距离大于预设的位移阈值的视频帧,作为候选视频帧,其中,所述行驶轨迹关键点基于视频帧中所述目标车辆的车轮的位置确定;
从所述其他视频帧中选取所述目标车辆的面积大于预设的面积阈值的视频帧,作为候选视频帧;
从所述其他视频帧中选取所述目标车辆对应的检测框与视频帧的任一边缘的最小距离小于预设距离的视频帧,作为候选视频帧;以及
从所述其他视频帧中选取质量分高于预设分值且从不同角度呈现所述目标车辆属性信息的视频帧,作为候选视频帧,其中,所述质量分用于表征所述视频帧的清晰程度;
从所选取的候选视频帧中确定一帧或多帧所述辅助视频帧。
4.根据权利要求3所述的方法,其特征在于,在所述其他视频帧中的所述目标车辆的行驶轨迹关键点与所述基准点的距离均小于所述位移阈值的情况下,按照预设的第一百分比减小所述位移阈值,以对所述位移阈值进行更新。
5.根据权利要求3所述的方法,其特征在于,在所述其他视频帧中的所述目标车辆的面积均小于所述面积阈值的情况下,按照预设的第二百分比减小所述面积阈值,以对所述面积阈值进行更新。
6.根据权利要求3所述的方法,其特征在于,所述位移阈值或所述面积阈值基于所述目标车辆的车型确定。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述方法还包括:
将所述至少一帧目标视频帧存储。
8.根据权利要求1-6任一项所述的方法,其特征在于,所述方法还包括:
在接收到查看所述目标视频帧的指令的情况下,将所述目标视频帧按照预定的排布方式在显示界面显示,并在所述显示界面显示所述交通违章事件的违章类型和/或所述目标车辆的属性信息。
9.一种交通事件取证装置,其特征在于,所述装置包括:
获取模块,用于获取对交通视频进行交通违章事件检测得到的检测结果,所述检测结果包括从所述交通视频检测到的交通违章事件的违章类型,以及发生所述交通违章事件时刻的至少一帧关键视频帧;
选帧策略确定模块,用于基于所述交通违章事件的违章类型确定从所述交通视频中选取至少一帧目标视频帧的选帧策略,所述至少一帧目标视频帧用于呈现所述交通违章事件的违章类型以及与所述交通违章事件相关的目标车辆的属性信息,其中,所述选帧策略用于指示以下一种或者多种信息:所述目标视频帧的数量、所述目标视频帧之间的关联关系、所述目标视频帧展示的内容需满足的条件;
选帧模块,用于基于所述至少一帧关键视频帧以及所述选帧策略,从所述交通视频中选取至少一帧目标视频帧。
10.一种电子设备,其特征在于,所述电子设备包括处理器、存储器、存储在所述存储器可供所述处理器执行的计算机指令,所述处理器执行所述计算机指令时,可实现如权利要求1-8任一项所述的方法。
11.一种智能交通***,其特征在于,包括摄像头和服务器,所述摄像头用于采集当前路段的交通视频,并发送给所述服务器;
所述服务器用于确定对交通视频进行交通违章事件检测得到的检测结果,所述检测结果包括从所述交通视频检测到的交通违章事件的违章类型,以及发生所述交通违章事件时刻的至少一帧关键视频帧;基于所述交通违章事件的违章类型确定从所述交通视频中选取至少一帧目标视频帧的选帧策略,所述至少一帧目标视频帧可用于确定所述交通违章事件的违章类型以及与所述交通违章事件相关的目标车辆的属性信息,其中,所述选帧策略用于指示以下一种或者多种信息:所述目标视频帧的数量、所述目标视频帧之间的关联关系、所述目标视频帧展示的内容需满足的条件;基于所述至少一帧关键视频帧以及所述选帧策略,从所述交通视频中选取至少一帧目标视频帧。
12.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机指令,所述计算机指令被执行时实现如权利要求1-8任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110713506.7A CN113450578B (zh) | 2021-06-25 | 2021-06-25 | 交通违章事件取证方法、装置、设备及*** |
PCT/CN2021/122784 WO2022267263A1 (zh) | 2021-06-25 | 2021-10-09 | 交通违章事件取证方法、装置、设备及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110713506.7A CN113450578B (zh) | 2021-06-25 | 2021-06-25 | 交通违章事件取证方法、装置、设备及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113450578A CN113450578A (zh) | 2021-09-28 |
CN113450578B true CN113450578B (zh) | 2022-08-12 |
Family
ID=77812942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110713506.7A Active CN113450578B (zh) | 2021-06-25 | 2021-06-25 | 交通违章事件取证方法、装置、设备及*** |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113450578B (zh) |
WO (1) | WO2022267263A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113450578B (zh) * | 2021-06-25 | 2022-08-12 | 北京市商汤科技开发有限公司 | 交通违章事件取证方法、装置、设备及*** |
CN117437525B (zh) * | 2023-12-21 | 2024-03-08 | 南京三百云信息科技有限公司 | 用于环车视频的处理方法及处理*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101698026B1 (ko) * | 2016-06-17 | 2017-01-19 | 주식회사 파킹패스 | 이동차량 추적에 의한 cctv 불법주정차 단속시스템 |
CN108470354A (zh) * | 2018-03-23 | 2018-08-31 | 云南大学 | 视频目标跟踪方法、装置和实现装置 |
CN109947991A (zh) * | 2017-10-31 | 2019-06-28 | 腾讯科技(深圳)有限公司 | 一种关键帧提取方法、装置和存储介质 |
CN110491135A (zh) * | 2019-08-20 | 2019-11-22 | 深圳市商汤科技有限公司 | 检测违章停车的方法及相关装置 |
CN111611435A (zh) * | 2020-04-01 | 2020-09-01 | 中国科学院深圳先进技术研究院 | 一种视频分类的方法、装置及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106921848A (zh) * | 2015-12-28 | 2017-07-04 | 北京计算机技术及应用研究所 | 一种视频安全控制装置 |
CN106097479A (zh) * | 2016-05-30 | 2016-11-09 | 北京奇虎科技有限公司 | 行车信息的记录方法和装置 |
CN106875698A (zh) * | 2017-04-21 | 2017-06-20 | 安徽文康科技有限公司 | 智能稽查装置 |
CN111666853B (zh) * | 2020-05-28 | 2023-06-02 | 平安科技(深圳)有限公司 | 实时车辆违章检测方法、装置、设备及存储介质 |
CN111985356A (zh) * | 2020-07-31 | 2020-11-24 | 星际控股集团有限公司 | 交通违章的证据生成方法及装置、电子设备、存储介质 |
CN113450578B (zh) * | 2021-06-25 | 2022-08-12 | 北京市商汤科技开发有限公司 | 交通违章事件取证方法、装置、设备及*** |
-
2021
- 2021-06-25 CN CN202110713506.7A patent/CN113450578B/zh active Active
- 2021-10-09 WO PCT/CN2021/122784 patent/WO2022267263A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101698026B1 (ko) * | 2016-06-17 | 2017-01-19 | 주식회사 파킹패스 | 이동차량 추적에 의한 cctv 불법주정차 단속시스템 |
CN109947991A (zh) * | 2017-10-31 | 2019-06-28 | 腾讯科技(深圳)有限公司 | 一种关键帧提取方法、装置和存储介质 |
CN108470354A (zh) * | 2018-03-23 | 2018-08-31 | 云南大学 | 视频目标跟踪方法、装置和实现装置 |
CN110491135A (zh) * | 2019-08-20 | 2019-11-22 | 深圳市商汤科技有限公司 | 检测违章停车的方法及相关装置 |
CN111611435A (zh) * | 2020-04-01 | 2020-09-01 | 中国科学院深圳先进技术研究院 | 一种视频分类的方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113450578A (zh) | 2021-09-28 |
WO2022267263A1 (zh) | 2022-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113450578B (zh) | 交通违章事件取证方法、装置、设备及*** | |
WO2017125063A1 (zh) | 违规车辆处理方法及装置 | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
CN110046547A (zh) | 违章举报方法、***、计算机设备及存储介质 | |
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 | |
CN107277301B (zh) | 监控视频的图像分析方法及其*** | |
CN108806272A (zh) | 一种提醒多辆机动车车主违法停车行为的方法及装置 | |
CN112509325B (zh) | 一种基于视频深度学习的非现场违法自动甄别方法 | |
CN104952273A (zh) | 针对车辆行为的告警方法、装置及*** | |
CN105046948A (zh) | 一种黄色网格线区域内交通违章停车监测***和方法 | |
CN105957352B (zh) | 违章停车检测方法和装置 | |
CN109872541A (zh) | 一种车辆信息分析方法及装置 | |
CN111768630A (zh) | 一种违章废图检测方法、装置及电子设备 | |
CN114170585A (zh) | 危险驾驶行为的识别方法、装置、电子设备及存储介质 | |
CN111563425B (zh) | 交通事件识别方法及电子设备 | |
CN103905789B (zh) | 动态分析数据的保存、搜索和事后分析的方法及其装置 | |
CN112215038A (zh) | 特定车辆识别***、方法及存储介质 | |
CN112597924B (zh) | 电动自行车轨迹追踪方法、摄像机装置和服务器 | |
CN113538925B (zh) | 车辆不礼让行人行为的监测方法、设备及存储介质 | |
CN111832352A (zh) | 非机动车监控方法、装置及设备、存储介质 | |
CN115909314A (zh) | 车牌遮挡检测方法、违章停车检测方法及其设备 | |
CN112950961B (zh) | 车流量统计方法、装置、设备和存储介质 | |
CN114973157A (zh) | 车辆分离方法、电子设备及计算机可读存储介质 | |
CN114863372A (zh) | 一种泊车管理方法、泊车管理装置和计算机可读存储介质 | |
CN115861624B (zh) | 摄像头被遮挡的检测方法、装置、设备及存储介质 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40050596 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |