CN113469105A - 监控周边车辆的方法及装置、计算机可读存储介质 - Google Patents
监控周边车辆的方法及装置、计算机可读存储介质 Download PDFInfo
- Publication number
- CN113469105A CN113469105A CN202110801430.3A CN202110801430A CN113469105A CN 113469105 A CN113469105 A CN 113469105A CN 202110801430 A CN202110801430 A CN 202110801430A CN 113469105 A CN113469105 A CN 113469105A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target vehicle
- traffic
- geographic position
- violation
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种监控周边车辆的方法及装置、计算机可读存储介质,本申请提供的方案包括:监测本车用于拍摄车外环境的车载摄像头拍摄的视频;结合车辆高清地图对所述视频中的图像帧进行检测以确认图像帧中的车辆是否存在交通违法行为;获取存在交通违法行为的车辆的违法相关信息,违法相关信息包括图像帧对应的拍摄时刻及拍摄时刻前后预定时间段内的视频、图像帧对应的地理位置,目标车辆的车牌信息及交通违法行为的类型;将违法相关信息发送到指定服务器,指定服务器用于根据违法相关信息进行车辆交通违法处理。本申请实施例的方案可以结合高清地图自动监控车辆的交通违法行为,具有监控精确、省时省力且全面高效的优点。
Description
技术领域
本申请涉及车辆安全技术领域,尤其涉及一种监控周边车辆的方法及装置、计算机可读存储介质。
背景技术
自动驾驶大规模普及之前,人类驾驶的汽车和高度自动驾驶汽车在可预见的相当长时间内仍然共同行驶在公共道路上。然而部分驾驶员未严格遵照道路交通法安全驾驶,造成交通事故频频发生而带来人员伤亡和经济损失。
为了对人类驾驶员的交通违法行为起到威慑和监管作用,现有沿着部分道路路段设置有高清电子监控设备,高清电子监控设备通常安装在固定的监控位置,虽然可以在一定程度上消除道路交通管理在时间和空间上的“盲点”,但更多的公共道路并没有电子监控设备的监管覆盖。此外,再加上管理单位投入使用的移动电子摄录车,扩大了交通管理监控时段和监控范围,但移动电子摄录车数量少,并且针对的多是路边违法停车进行抓拍并固定证据。
在这些没有电子监控设备或移动电子摄录车监控的路段,人类驾驶员会因为侥幸心理而出现交通违法行为,比如在高速路上严重超速、在交通拥挤繁忙的外环道路上违法压线变道、或者在市内道路上占用公交车专用道行驶等。
如何对驾驶员交通违法行为实行更全面有效的监管,提高交通违法行为监控的效率和成本是本申请所要解决的技术问题。
发明内容
本申请实施例的目的是提供一种监控周边车辆的方法及装置、计算机可读存储介质,用以解决交通违法行为监控效率低、成本高的问题。
为了解决上述技术问题,本说明书是这样实现的:
第一方面,提供了一种监控周边车辆的方法,包括:
监测本车用于拍摄车外环境的车载摄像头拍摄的视频;
结合车辆高清地图对视频中的图像帧进行检测以确认图像帧中的车辆是否存在交通违法行为;
获取存在交通违法行为的车辆的违法相关信息,所述违法相关信息包括所述图像帧对应的拍摄时刻及所述拍摄时刻前后预定时间段内的视频、所述图像帧对应的地理位置,目标车辆的车牌信息及交通违法行为的类型;
将违法相关信息发送到指定服务器,指定服务器用于根据违法相关信息进行车辆交通违法处理。
可选的,结合车辆高清地图对视频中的图像帧进行检测以确认图像帧中的车辆是否存在交通违法行为,包括:
获取图像帧中的文字、标志和目标车辆的车牌信息、目标车辆对应的地理位置;
根据车牌信息确定目标车辆的类型;
根据所述目标车辆对应的地理位置,获取车辆高清地图中所述地理位置的动态道路属性和静态道路属性;
根据目标车辆的类型、文字、标志和所述地理位置的动态道路属性、静态道路属性,确定目标车辆是否存在交通违法行为。
可选的,结合车辆高清地图对视频中的图像帧进行检测以确认图像帧中的车辆是否存在交通违法行为,包括:
获取图像帧中目标车辆对应的地理位置;
根据所述目标车辆对应的地理位置,获取车辆高清地图中所述地理位置的动态道路属性和静态道路属性;
根据所述地理位置的静态道路属性,获取预定数据库中所述地理位置对应路段出现的不同车辆交通违法行为类型的图像数据;
将图像帧与获取的图像数据进行比对;
在存在与图像帧匹配的图像数据时,根据所述地理位置的动态道路属性验证所述匹配结果;
在验证通过时,确定目标车辆存在交通违法行为及交通违法行为的类型。
可选的,结合车辆高清地图对视频中的图像帧进行检测以确认图像帧中的车辆是否存在交通违法行为,包括:
获取所述图像帧中目标车辆对应的地理位置;
根据所述目标车辆对应的地理位置,获取车辆高清地图中所述地理位置的动态道路属性和静态道路属性;
根据车辆雷达设备检测本车与图像帧中的目标车辆之间的相对速度,以确定目标车辆的车速;
根据所述地理位置的动态道路属性和静态道路属性,获取图像帧中目标车辆对应的地理位置所在路段的限速值;
根据目标车辆的车速和限速值确定目标车辆是否超速,以确定目标车辆是否存在交通违法行为及交通违法行为的类型。
可选的,确定目标车辆是否存在交通违法行为及交通违法行为的类型,还包括:
在确定目标车辆超速的情况下,确定目标车辆的车速和限速值对应的超速比例;
根据超速比例,确定目标车辆交通违法行为的类型。
可选的,违法相关信息还包括所述地理位置所在路段的限速值,目标车辆的车速及超速比例。
可选的,获取存在交通违法行为的车辆的违法相关信息,包括:
如果视频的多个图像帧分别确定目标车辆存在交通违法行为,则确定目标车辆存在多次交通违法行为;
如果多次交通违法行为出现在同一时间段内的同一路段,则基于多个图像帧其中一个图像帧获取目标车辆的违法相关信息。
可选的,所述预定时间段为10-20秒。
第二方面,提供了一种监控周边车辆的装置,包括:存储器和与存储器电连接的处理器,存储器存储有可在处理器运行的计算机程序,该计算机程序被该处理器执行时实现如第一方面所述的方法的步骤。
第三方面,提供了一种计算机可读存储介质,该计算机可读存储介质上存储计算机程序,该计算机程序被处理器执行时实现如第一方面所述的方法的步骤。
在本申请实施例中,通过监测本车用于拍摄车外环境的车载摄像头拍摄的视频,结合车辆高清地图对所述视频中的图像帧进行检测以确认图像帧中的车辆是否存在交通违法行为,获取存在交通违法行为的车辆的违法相关信息,违法相关信息包括所述图像帧对应的拍摄时刻及所述拍摄时刻前后预定时间段内的视频、所述图像帧对应的地理位置,目标车辆的车牌信息及交通违法行为的类型;并将违法相关信息发送到指定服务器进行车辆交通违法处理,由此可以对人类驾驶员的交通违法行为进行准确、公正、客观的自动监控和记录,并通过检测判断和筛选,自动把交通违法证据上传到交通管理部门指定的服务器,克服现有电子监控设备或移动电子摄录车监控路段范围的局限性和监控成本高的问题,具有监控精确、省时省力且全面高效的优点。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本申请实施例的监控周边车辆的方法的流程示意图之一。
图2是本申请实施例的监控周边车辆的方法的流程示意图之一。
图3是本申请实施例的监控周边车辆的方法的流程示意图之一。
图4是本申请实施例的监控周边车辆的方法的流程示意图之一。
图5是本申请实施例的监控周边车辆的方法的流程示意图之一。
图6是本申请实施例的监控周边车辆的方法的流程示意图之一。
图7是本申请实施例的监控周边车辆的装置的结构方框图。
具体实施方式
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。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他实施例,都属于本申请保护的范围。本申请中附图编号仅用于区分方案中的各个步骤,不用于限定各个步骤的执行顺序,具体执行顺序以说明书中描述为准。
为了解决现有技术中存在的问题,本申请实施例提供一种监控周边车辆的方法,图1是本申请实施例的监控周边车辆的方法的流程示意图。如图1所示,包括以下步骤:
步骤102,监测本车用于拍摄车外环境的车载摄像头拍摄的视频;
步骤104,结合车辆高清地图对视频中的图像帧进行检测以确认图像帧中的车辆是否存在交通违法行为;
步骤106,获取存在交通违法行为的车辆的违法相关信息,违法相关信息包括所述图像帧对应的拍摄时刻及所述拍摄时刻前后预定时间段内的视频、所述图像帧对应的地理位置,目标车辆的车牌信息及交通违法行为的类型;
步骤108,将违法相关信息发送到指定服务器,指定服务器用于根据违法相关信息进行车辆交通违法处理。
为节省成本,步骤102中的摄像头可以为现有车辆标配的摄像头,例如位于车后视镜的背面可以拍到外部车辆的前视摄像头。也可以为额外配置的可拍摄外部环境的摄像头,以更全面地拍摄到周边的车辆。
基于上述实施例提供的方案,可选的,在一个实施例中,如图2所示,上述步骤104结合车辆高清地图对视频中的图像帧进行检测以确认图像帧中的车辆是否存在交通违法行为,包括以下步骤:
步骤202,获取图像帧中的文字、标志和目标车辆的车牌信息、目标车辆对应的地理位置;
步骤204,根据车牌信息确定目标车辆的类型;
步骤206,根据所述目标车辆对应的地理位置,获取车辆高清地图中所述地理位置的动态道路属性和静态道路属性;
步骤208,根据目标车辆的类型、文字、标志和所述地理位置的动态道路属性、静态道路属性,确定目标车辆是否存在交通违法行为及交通违法行为的类型。
在一个实施例中,可以对车外摄像头拍摄的视频中的图像帧进行实时获取实时检测,也可以在存储视频后,后续对每个图像帧进行检测。
交通违法行为的类型例如包括:货车或私家车不按照规定车道行驶、占用公交车道、在禁止停车路段停车、超速等等。
如果拍摄的图像帧中存在有拍摄的周边车辆,则将拍摄的图像帧输入到训练好的识别模型中,如果存在文字、标志和/或车牌信息,则通过识别可以提取图像帧的文字的内容,标志的类型和车牌信息,车牌信息包括车牌号码和车牌颜色。根据图像帧对应的拍摄时间和车辆对应的行驶时间、行驶轨迹,可以确定拍摄当前图像帧时目标车辆对应的地理位置。
将车牌信息输入训练好的识别模型进行识别,可以确定该车牌信息对应的车辆类型,识别模型可基于大量的车牌信息样本和车辆类型的标签进行训练得到,这里不再赘述。或者,将车牌信息输入预定的车牌数据库进行匹配,确定该车牌信息对应的车辆类型,车牌数据库中存储有不同的车牌信息与车辆类型的对应关系。
在步骤206中,静态道路属性例如包括违法变道、限速标志、交通标线(压线)、公交车专用道标志等。通过获取车辆高清地图记录的不同道路各种相对固定不变的交通标志等,从而了解当前道路的静态属性。
动态道路属性例如是存在临时交通管制、不同时间段的道路车辆交通管制情况、货车限行时间等交通限行规定等导致道路属性存在变化的道路属性,动态道路属性需根据当前拍摄图像帧的时间和地理位置对应获取。例如,某地在某个时间段由于维修道路或发生事故等存在临时的交通管制,导致该路段的限速存在变化,例如从常态的120千米/小时降为60千米/小时;或者从120千米/小时降为0,禁止通行。
上述动态道路属性可以从车辆高清地图获取,车辆高清地图记录了道路的静态和动态道路属性,并及时更新。从而在步骤208中,需结合车辆高清地图提供的动态道路属性和车辆当前行驶时间来判断目标车辆是否存在交通违法行为,不能仅依靠拍摄的图像帧对应的静态道路属性确定是否交通违法。
在步骤208中,如果检测图像帧中的目标车辆类型为私家车,且图像帧中提取到的文字例如为“公交专用车道”,结合车辆高清地图得知当前路段和当前时间不存在动态道路属性变化,则确定该目标车辆存在交通违法行为。
在一个实施例中,还可以进一步结合图像帧的拍摄时间来确定目标车辆行驶在公交专用车道的时间,如果目标车辆在合法时间内使用公交专用车道,则确定其不存在交通违法行为,否则确定存在交通违法行为。
如果检测图像帧中的目标车辆类型为私家车,且图像帧中提取到的文字例如为“公交专用车道”,此外结合车辆高清地图得知当前路段和当前时间由于发生交通事故,公交专用车道可以用于非公交车行驶,即当前时间当前路段存在动态道路属性变化,则可以根据获取的动态道路属性来确定该目标车辆不存在交通违法行为。
或者,如果检测图像帧中的目标车辆类型为私家车,且图像帧中提取到的标志例如表示为禁止停车,且结合车辆高清地图得知当前路段和当前时间不存在动态道路属性变化,则确定该目标车辆存在交通违法行为。
或者,根据视频中的多个图像帧检测到对应提取的标志为车道分界线,且检测目标车辆从实线车道变换到虚线车道,则确定该目标车辆存在交通违法行为。
在一个实施例中,可选的,如图3所示,结合车辆高清地图对视频中的图像帧进行检测以确认图像帧中的车辆是否存在交通违法行为,包括以下步骤:
步骤302,获取图像帧中目标车辆对应的地理位置;
步骤304,根据所述目标车辆对应的地理位置,获取车辆高清地图中所述地理位置的动态道路属性和静态道路属性;
步骤306,根据所述地理位置的静态道路属性,获取预定数据库中所述地理位置对应路段出现的不同车辆交通违法行为类型的图像数据;
步骤308,将图像帧与获取的图像数据进行比对;
步骤310,在存在与图像帧匹配的图像数据时,根据所述地理位置的动态道路属性验证所述匹配结果;
步骤312,在验证通过时,确定目标车辆存在交通违法行为及交通违法行为的类型。
不同路段对应的交通标志是固定的,例如某个位置存在禁止停车的标志,某个位置存在公交专用车道的标志等等,则该路段对应位置的交通违法行为的类型也基本不变。目标车辆如果通过对应的路段,则拍摄的图像帧中会同时出现目标车辆和该路段的交通标志,获取图像帧中目标车辆所在的地理位置以及从车辆高清地图中获取该位置的动态和静态道路属性,根据静态道路属性并与数据库中存在的该地理位置所在路段出现的各种车辆交通违法行为类型的图像数据进行比对,则可以确定数据库中是否存在和图像帧中出现的目标车辆及交通标志匹配的图像。如果存在匹配,则初步确定该目标车辆目前存在交通违法行为。后面进一步结合当前地理位置的动态道路属性来验证上述匹配结果,以避免当前地理位置的静态道路属性存在临时变化时所造成的误判。由此,可以进一步提高车辆交通违法行为和对应类型判断的精确性。
如上文所述,目标车辆的违法相关信息包括图像帧对应的拍摄时刻及拍摄时刻前后预定时间段内的视频、图像帧对应的地理位置,目标车辆的车牌信息及交通违法行为的类型。可选的,所述预定时间段为10-20秒。
根据图像帧对应的拍摄时刻可以确定目标车辆的交通违法时间,根据图像帧对应的地理位置可以确定目标车辆的交通违法地点,图像帧拍摄时刻前后的预定时间段内的视频可以作为确定目标车辆违法的证据,根据目标车辆的车牌信息可以确定后续交通违法处理的对象,根据交通违法行为的类型可以确定采用的交通违法处理的方式。
基于上述实施例提供的方案,可选的,在一个实施例中,如图4所示,上述步骤104结合车辆高清地图对视频中的图像帧进行检测以确认图像帧中的车辆是否存在交通违法行为,包括以下步骤:
步骤402,获取所述图像帧中目标车辆对应的地理位置;
步骤404,根据所述目标车辆对应的地理位置,获取车辆高清地图中所述地理位置的动态道路属性和静态道路属性;
步骤406,根据车辆雷达设备检测本车与图像帧中的目标车辆之间的相对速度,以确定目标车辆的车速;
步骤408,根据所述地理位置的动态道路属性和静态道路属性,获取图像帧中目标车辆对应的地理位置所在路段的限速值;
步骤410,根据目标车辆的车速和限速值确定目标车辆是否超速,以确定目标车辆是否存在交通违法行为及交通违法行为的类型。
车辆雷达设备安装在本车上,用于检测本车与摄像头所拍摄的本车周边的目标车辆之间的当前相对行驶速度,再结合本车的当前车速则可以确定目标车辆的当前车速。
车辆高清地图***中可以对本车的行驶线路进行实时定位,从而获取到本车的地理位置。当然,本车摄像头可以拍摄到的周边目标车辆的地理位置与本车的地理位置所在路段显然相同,由此从车辆高清地图***可以获取到图像帧中目标车辆所在路段的限速值。这里限速值有可能是常规的静态道路属性包括的限速值,也可能是临时变化的动态道路属性包括的限速值。如果动态道路属性中的限速值与静态道路属性的限速值不一致时,则根据动态道路属性对应的限速时间段确定当前地理位置当前时段的限速值,以确定作为判断目标车辆车速是否存在交通违法行为标准的限速值。
在步骤410中,如果目标车辆的车速超出对应的限速值,则判断该车辆超速,存在交通违法行为。
可选的,在一个实施例中,如图5所示,确定目标车辆是否存在交通违法行为及交通违法行为的类型,还包括以下步骤:
步骤502,在确定目标车辆超速的情况下,确定目标车辆的车速和限速值对应的超速比例;
步骤504,根据超速比例,确定目标车辆交通违法行为的类型。
上述实施例中,通过根据目标车辆的车速和对应的限速值,可以计算出目标车辆超过规定时速的超速比例。不同的超速比例,对应的交通违法处理的措施也不同,因此根据超速比例可确定目标车辆对应的车辆交通违法行为的类型,以便于后续的交通违法处理。
在上述实施例中,违法相关信息还可以包括图像帧对应的地理位置所在路段的限速值,目标车辆的车速及超速比例。
基于上述实施例提供的方案,可选的,在一个实施例中,如图6所示,上述步骤106获取存在交通违法行为的车辆的违法相关信息,包括以下步骤:
步骤602,如果视频的多个图像帧分别确定目标车辆存在交通违法行为,则确定目标车辆存在多次交通违法行为;
步骤604,如果多次交通违法行为出现在同一时间段内的同一路段,则基于多个图像帧其中一个图像帧获取目标车辆的违法相关信息。
在根据一个图像帧能够确定目标车辆存在交通违法行为的情况下,根据视频中连续的几个图像帧可能分别都可以确定目标车辆交通违法,也就是目标车辆存在多次交通违法行为,如果交通违法行为出现在同一时间段内的同一路段,为避免重复处罚,可以根据多个图像帧中的一个图像帧来获取该图像帧对应拍摄时间、及拍摄时刻前后预定时间段内的视频、对应的地理位置、目标车辆的车牌信息及交通违法行为的类型,以获取目标车辆对应的违法相关信息。
在步骤108中,获取的车辆违法相关信息上传的指定服务器可以是交通管理部门指定的云服务器,由此交通管理部门可以通过服务器接收的违法相关信息,对目标车辆的交通违法行为进行判定处理。例如首先根据图像帧对应拍摄时刻前后预定时间段内的视频,来复核目标车辆是否真正存在交通违法,如果存在则进行后续的交通违法处罚处理;如果不存在,则不进行处罚处理。
进一步地,交通管理部门的复核结果可以同时反馈给本车的监控后台,以作为对应的识别模型训练的样本。其中通过将复核为交通违法行为为误判的评判依据反馈给识别模型继续深度学习,从而可完善交通违法监控的精准度。
本申请实施例的监控周边车辆的方法,通过监测本车用于拍摄车外环境的车载摄像头拍摄的视频,结合车辆高清地图对视频中的图像帧进行检测以确认图像帧中的车辆是否存在交通违法行为,获取存在交通违法行为的车辆的违法相关信息,并将违法相关信息发送到指定服务器进行车辆交通违法处理,由此可以对人类驾驶员的交通违法行为进行准确、公正、客观的自动监控和记录,并通过检测判断和筛选,自动把交通违法证据上传到交通管理部门指定的服务器,克服现有电子监控设备或移动电子摄录车监控路段范围的局限性和监控成本高的问题,具有监控精确、省时省力且全面高效的优点。
本申请可以是对现有交通管理部门布置的固定式电子监控设备和移动电子摄录车的有力补充,可以有效发现和记录交通违法行为,对驾驶员起到极大的震慑作用,可使其避免侥幸心理,促使其严格遵照道路交通法安全驾驶,由此对减少交通事故造成的人员伤亡和经济损失,提高道路交通安全和通行效率起到重要作用。
此外,本申请实施例的监控周边车辆的方法可以利用现有的车辆硬件设备,例如车辆前视摄像头、车辆高清地图***和雷达设备等,通过软件模块实现,具有成本低的特点。由此,可以减少现有固定式电子和移动电子等监控设备的投入和设备更新,可以显著节约公共资源。本申请具有广阔的市场应用前景,巨大的社会效益和经济效益。
可选的,本申请实施例还提供一种监控周边车辆的装置,图7是本申请实施例的监控周边车辆的装置的结构方框图。
如图7所示,装置2000包括存储器2200和与存储器2200电连接的处理器2400,存储器2200存储有可在处理器2400运行的计算机程序,计算机程序被处理器执行时实现上述任意一种监控周边车辆的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述任意一种监控周边车辆的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random AccessMemory,简称RAM)、磁碟或者光盘等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请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,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (10)
1.一种监控周边车辆的方法,其特征在于,包括:
监测本车用于拍摄车外环境的车载摄像头拍摄的视频;
结合车辆高清地图对所述视频中的图像帧进行检测以确认图像帧中的车辆是否存在交通违法行为;
获取存在交通违法行为的车辆的违法相关信息,所述违法相关信息包括所述图像帧对应的拍摄时刻及所述拍摄时刻前后预定时间段内的视频、所述图像帧对应的地理位置,目标车辆的车牌信息及交通违法行为的类型;
将所述违法相关信息发送到指定服务器,所述指定服务器用于根据所述违法相关信息进行车辆交通违法处理。
2.如权利要求1所述的方法,其特征在于,结合车辆高清地图对所述视频中的图像帧进行检测以确认图像帧中的车辆是否存在交通违法行为,包括:
获取所述图像帧中的文字、标志和目标车辆的车牌信息、目标车辆对应的地理位置;
根据所述车牌信息确定所述目标车辆的类型;
根据所述目标车辆对应的地理位置,获取车辆高清地图中所述地理位置的动态道路属性和静态道路属性;
根据所述目标车辆的类型、所述文字、标志和所述地理位置的动态道路属性、静态道路属性,确定所述目标车辆是否存在交通违法行为及交通违法行为的类型。
3.如权利要求1所述的方法,其特征在于,结合车辆高清地图对所述视频中的图像帧进行检测以确认图像帧中的车辆是否存在交通违法行为,包括:
获取所述图像帧中目标车辆对应的地理位置;
根据所述目标车辆对应的地理位置,获取车辆高清地图中所述地理位置的动态道路属性和静态道路属性;
根据所述地理位置的静态道路属性,获取预定数据库中所述地理位置对应路段出现的不同车辆交通违法行为类型的图像数据;
将所述图像帧与获取的图像数据进行比对;
在存在与所述图像帧匹配的图像数据时,根据所述地理位置的动态道路属性验证所述匹配结果;
在验证通过时,确定所述目标车辆存在交通违法行为及交通违法行为的类型。
4.如权利要求1所述的方法,其特征在于,结合车辆高清地图对所述视频中的图像帧进行检测以确认图像帧中的车辆是否存在交通违法行为,包括:
获取所述图像帧中目标车辆对应的地理位置;
根据所述目标车辆对应的地理位置,获取车辆高清地图中所述地理位置的动态道路属性和静态道路属性;
根据车辆雷达设备检测本车与所述图像帧中的目标车辆之间的相对速度,以确定所述目标车辆的车速;
根据所述地理位置的动态道路属性和静态道路属性,获取所述图像帧中目标车辆对应的地理位置所在路段的限速值;
根据所述目标车辆的车速和所述限速值确定所述目标车辆是否超速,以确定所述目标车辆是否存在交通违法行为及交通违法行为的类型。
5.如权利要求4所述的方法,其特征在于,确定所述目标车辆是否存在交通违法行为及交通违法行为的类型,还包括:
在确定所述目标车辆超速的情况下,确定所述目标车辆的车速和所述限速值对应的超速比例;
根据所述超速比例,确定所述目标车辆交通违法行为的类型。
6.如权利要求6所述的方法,其特征在于,所述违法相关信息还包括所述地理位置所在路段的限速值,所述目标车辆的车速及超速比例。
7.如权利要求1所述的方法,其特征在于,获取存在交通违法行为的车辆的违法相关信息,包括:
如果所述视频的多个图像帧分别确定目标车辆存在交通违法行为,则确定所述目标车辆存在多次交通违法行为;
如果所述多次交通违法行为出现在同一时间段内的同一路段,则基于所述多个图像帧其中一个图像帧获取所述目标车辆的违法相关信息。
8.如权利要求1所述的方法,其特征在于,所述预定时间段为10-20秒。
9.一种监控周边车辆的装置,其特征在于,包括:存储器和与所述存储器电连接的处理器,所述存储器存储有可在所述处理器运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至8中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求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 |
---|---|---|---|
CN202110801430.3A CN113469105A (zh) | 2021-07-15 | 2021-07-15 | 监控周边车辆的方法及装置、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110801430.3A CN113469105A (zh) | 2021-07-15 | 2021-07-15 | 监控周边车辆的方法及装置、计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113469105A true CN113469105A (zh) | 2021-10-01 |
Family
ID=77880542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110801430.3A Pending CN113469105A (zh) | 2021-07-15 | 2021-07-15 | 监控周边车辆的方法及装置、计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113469105A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114913690A (zh) * | 2022-07-13 | 2022-08-16 | 北京融信数联科技有限公司 | 交通精细化监控方法、***和可读存储介质 |
CN115273266A (zh) * | 2022-06-20 | 2022-11-01 | 驭势(上海)汽车科技有限公司 | 一种巡逻*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170035718A1 (en) * | 2008-07-11 | 2017-02-09 | Fundacion Para La Investigacion Biomedica Del Hospital Gregorio Maranon | Use of cilastatin to reduce the nephrotoxicity of different compounds |
CN107481530A (zh) * | 2017-09-12 | 2017-12-15 | 深圳市易成自动驾驶技术有限公司 | 交通违规行为的监控方法、***及计算机可读存储介质 |
CN109949573A (zh) * | 2019-03-28 | 2019-06-28 | 上海中通吉网络技术有限公司 | 一种车辆违章监控方法、装置及*** |
CN111081025A (zh) * | 2018-10-18 | 2020-04-28 | 北京松果电子有限公司 | 交通监管方法、装置及存储介质 |
CN111898457A (zh) * | 2020-07-06 | 2020-11-06 | 信利光电股份有限公司 | 一种行车违章违法行为智能识别方法及设备 |
CN112802344A (zh) * | 2020-12-21 | 2021-05-14 | 大连理工大学 | 一种车载式智能联网实时交通违章监控装置及*** |
-
2021
- 2021-07-15 CN CN202110801430.3A patent/CN113469105A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170035718A1 (en) * | 2008-07-11 | 2017-02-09 | Fundacion Para La Investigacion Biomedica Del Hospital Gregorio Maranon | Use of cilastatin to reduce the nephrotoxicity of different compounds |
CN107481530A (zh) * | 2017-09-12 | 2017-12-15 | 深圳市易成自动驾驶技术有限公司 | 交通违规行为的监控方法、***及计算机可读存储介质 |
CN111081025A (zh) * | 2018-10-18 | 2020-04-28 | 北京松果电子有限公司 | 交通监管方法、装置及存储介质 |
CN109949573A (zh) * | 2019-03-28 | 2019-06-28 | 上海中通吉网络技术有限公司 | 一种车辆违章监控方法、装置及*** |
CN111898457A (zh) * | 2020-07-06 | 2020-11-06 | 信利光电股份有限公司 | 一种行车违章违法行为智能识别方法及设备 |
CN112802344A (zh) * | 2020-12-21 | 2021-05-14 | 大连理工大学 | 一种车载式智能联网实时交通违章监控装置及*** |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115273266A (zh) * | 2022-06-20 | 2022-11-01 | 驭势(上海)汽车科技有限公司 | 一种巡逻*** |
CN115273266B (zh) * | 2022-06-20 | 2024-06-14 | 驭势(上海)汽车科技有限公司 | 一种巡逻*** |
CN114913690A (zh) * | 2022-07-13 | 2022-08-16 | 北京融信数联科技有限公司 | 交通精细化监控方法、***和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11322018B2 (en) | Determining causation of traffic events and encouraging good driving behavior | |
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 | |
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 | |
CN109003455B (zh) | 一种提醒车主违法停车行为的方法及装置 | |
CN110400478A (zh) | 一种路况通知方法及装置 | |
CN111402612A (zh) | 一种交通事件通知方法及装置 | |
CN112163543A (zh) | 一种车辆违法占道的检测方法及*** | |
CN109191829B (zh) | 道路安全监控方法及***、计算机可读存储介质 | |
CN108932851B (zh) | 一种记录机动车违法停车行为的方法及装置 | |
CN111985356A (zh) | 交通违章的证据生成方法及装置、电子设备、存储介质 | |
CN113470371B (zh) | 识别违规车辆的方法、***和计算机可读存储介质 | |
CN113469105A (zh) | 监控周边车辆的方法及装置、计算机可读存储介质 | |
CN105303823A (zh) | 车辆违规监控方法和*** | |
CN108932850B (zh) | 一种记录机动车低速行驶违法行为的方法及装置 | |
CN113012436B (zh) | 道路监控方法、装置及电子设备 | |
CN110782677A (zh) | 一种违规车辆抓拍警示方法及装置 | |
CN111492416A (zh) | 一种违章监控***及违章监控方法 | |
CN109670431A (zh) | 一种行为检测方法及装置 | |
CN115035491A (zh) | 一种基于联邦学习的驾驶行为路况预警方法 | |
CN103390145A (zh) | 一种目标区域车辆检测方法以及*** | |
CN113851017A (zh) | 一种基于路侧rsu的行人车辆识别预警多功能*** | |
CN114694197A (zh) | 行车预警方法、电子设备和计算机可读存储介质 | |
CN109948419A (zh) | 一种基于深度学习的违法停车自动审核方法 | |
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 | |
CN108417045A (zh) | 一种礼让行人抓拍处理***及其方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211001 |