CN113823095B - 交通状态的确定方法、装置、存储介质及电子装置 - Google Patents
交通状态的确定方法、装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN113823095B CN113823095B CN202111382155.2A CN202111382155A CN113823095B CN 113823095 B CN113823095 B CN 113823095B CN 202111382155 A CN202111382155 A CN 202111382155A CN 113823095 B CN113823095 B CN 113823095B
- Authority
- CN
- China
- Prior art keywords
- target
- determining
- area
- sub
- threshold
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供了一种交通状态的确定方法、装置、存储介质及电子装置,其中,该方法包括:获取摄像设备对目标区域进行拍摄所采集到的目标图像,其中,目标区域为目标对象行驶的区域;基于目标图像确定目标对象在预定时间段内的目标位移值;基于目标位移值确定目标区域的交通状态。通过本发明,解决了相关技术中存在的确定交通状态效率低、成本高的问题,达到提高确定交通状态的效率、减低确定交通状态成本的效果。
Description
技术领域
本发明实施例涉及通信领域,具体而言,涉及一种交通状态的确定方法、装置、存储介质及电子装置。
背景技术
随着国内基础建设的快速发展,国内已经建设了大量的高速公路、城市快速路、高架桥、隧道、跨海大桥等,同时呈现对这些交通场景管理和道路运维的巨大需求。
随着机动车保有量的迅速增长,导致高速道路时常发生拥堵的交通状态,该行为大大降低了道路的通行能力,容易造成交通事故,产生人员财产损失。在现实交通管理中,通过现场警力和协管人员等进行现场监督以及通过道路的监控视频进行人为识别道路的异常行为,该方式耗费大量警力资源。
在相关技术中,在确定交通状态时,通常需要融合多种来源的数据,并且获取数据的成本较高。
由此可知,相关技术中存在确定交通状态效率低、成本高的问题。
针对相关技术中存在的上述问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种交通状态的确定方法、装置、存储介质及电子装置,以至少解决相关技术中存在的确定交通状态效率低、成本高的问题。
根据本发明的一个实施例,提供了一种交通状态的确定方法,包括:获取摄像设备对目标区域进行拍摄所采集到的目标图像,其中,所述目标区域为目标对象行驶的区域;基于所述目标图像确定所述目标对象在预定时间段内的目标位移值;基于所述目标位移值确定所述目标区域的交通状态。
根据本发明的另一个实施例,提供了一种交通状态的确定装置,包括:获取模块,用于获取摄像设备对目标区域进行拍摄所采集到的目标图像,其中,所述目标区域为目标对象行驶的区域;第一确定模块,用于基于所述目标图像确定所述目标对象在预定时间内的目标位移值;第二确定模块,用于基于所述目标位移值确定所述目标区域的交通状态。
根据本发明的又一个实施例,还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明,获取摄像设备对目标区域进行拍摄所采集到的目标图像,根据目标图像确定目标对象在预定时间内的目标位移值,根据目标位移值确定目标区域的交通状态。由于可以通过摄像设备采集到的目标图像确定目标区域的交通状态,无需融合其他数据,因此,可以解决相关技术中存在的确定交通状态效率低、成本高的问题,达到提高确定交通状态的效率、减低确定交通状态成本的效果。
附图说明
图1是本发明实施例的一种交通状态的确定方法的移动终端的硬件结构框图;
图2是根据本发明实施例的交通状态的确定方法的流程图;
图3是根据本发明示例性实施例的第一目标框示意图;
图4是根据本发明示例性实施例的预定点位示意图;
图5是根据本发明具体实施例的交通状态的确定方法流程图;
图6是根据本发明实施例的交通状态的确定装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的一种交通状态的确定方法的移动终端的硬件结构框图。如图1所示,移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,其中,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的交通状态的确定方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种交通状态的确定方法,图2是根据本发明实施例的交通状态的确定方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,获取摄像设备对目标区域进行拍摄所采集到的目标图像,其中,所述目标区域为目标对象行驶的区域;
步骤S204,基于所述目标图像确定所述目标对象在预定时间内的目标位移值;
步骤S206,基于所述目标位移值确定所述目标区域的交通状态。
在上述实施例中,摄像设备可以是交通摄像头,例如,安装在高速公路中的监控摄像头。目标区域是摄像设备的拍摄区域中包括的目标对象行驶的区域,例如,高速公路中的各个车道。目标对象可以是车辆。高速公路检测需求的分析,需要的是尽量利用现有的数据来源且实施成本较低有利于大面积推广的方案,目前的方法需要多种数据来源以及获取数据的成本高昂,不适合高速公路的检测需求。在上述实施例中,利用了高速公路已经大面积铺设摄像头的基础,以及计算机视觉技术日趋成熟,直接对监控视频图像进行检测分析,符合高速公路的检测需求。
在上述实施例中,在获取到目标图像后,可以建立视频图像坐标系,以目标图像的左上角为原点,左上角至右上角为X轴正方向,左上角至左下角为Y轴正方向。在摄像设备的在监控视频中绘制出高速道路所在的区域DetectRegion(检测区域,即目标区域),并且将此区域DetectRegion(检测区域)作为检测机动车目标的检测区域,在DetectRegion外的目标不做检测跟踪。
在上述实施例中,在获取目标图像后,可以根据目标图像确定目标对象在预定时间内的目标位移值。其中,预定时间可以是1s,也可以是连续采集N帧图像的时间。在确定目标位移值时,可以根据目标图像以及在采集目标图像的采集时刻之前预定时间时,采集的图像,根据目标对象在两个图像中的位置确定出预定时间内目标位移值。如,确定出当前采集目标图像之前1s采集的图像,根据前1s采集到的图像以及目标图像确定出目标位移值。或者,确定预定时间段内摄像设备能够采集的图像帧数,如N帧,根据目标图像以及目标图像的第前N帧图像确定目标位移值。其中,目标位移值可以为像素位移值。
可选地,上述步骤的执行主体可以是后台处理器,或者其他的具备类似处理能力的设备,还可以是至少集成有图像获取设备以及数据处理设备的机器,其中,图像获取设备可以包括摄像头等图形采集模块,数据处理设备可以包括计算机、手机等终端,但不限于此。
通过本发明,获取摄像设备对目标区域进行拍摄所采集到的目标图像,根据目标图像确定目标对象在预定时间段内的目标位移值,根据目标位移值确定目标区域的交通状态。由于可以通过摄像设备采集到的目标图像确定目标区域的交通状态,无需融合其他数据,因此,可以解决相关技术中存在的确定交通状态效率低、成本高的问题,达到提高确定交通状态的效率、减低确定交通状态成本的效果。
在一个示例性实施例中,基于所述目标图像确定所述目标对象在预定时间内的目标位移值包括:确定所述摄像设备采集的第一图像,其中,采集所述第一图像的第一采集时刻在采集所述目标图像的第二采集时刻之前,且所述第一采集时刻与所述第二采集时刻之间间隔所述预定时间;确定所述目标对象在所述第一图像中对应的第一目标框的第一中心点,其中,所述第一目标框用于框选所述目标对象;确定所述目标图像中包括的在所述预定时间段内的结束时间点采集到的第二图像;确定所述目标对象在所述第二图像中对应的所述第一目标框的第二中心点;基于所述第一中心点和所述第二中心点确定所述目标位移值。在本实施例中,可以获取摄像设备在采集目标图像的第二采集时刻之前预定时间,即第一采集时刻采集的第一图像,确定目标对象在第一图像中对应的第一目标框的第一中心点,确定目标对象在目标图像中对应的第二目标框的第二中心点。其中,第一目标框为框选目标对象的框,即将目标对象用目标框框出。例如,用矩形框框出目标对象,第一目标框示意图可参见附图3。可以建立图像坐标系,确定第一中心点和第二中心点的坐标,根据两个中心点的坐标差值确定出目标位移值。其中,目标位移值可以为像素位移值,在确定交通状态时,可以根据目标对象每秒的像素位移值DisplacementCurrect确定。
在一个示例性实施例中,基于所述目标位移值确定所述目标区域的交通状态包括:在所述目标位移值小于或等于第一阈值的情况下,确定所述目标对象处于拥堵状态;在所述目标位移值大于所述第一阈值,且小于或等于第二阈值的情况下,确定所述目标对象缓行状态;在所述目标位移值大于所述第二阈值的情况下,确定所述目标对象处于畅通状态,其中,所述第一阈值小于所述第二阈值,所述第一阈值以及所述第二阈值均为基于所述目标对象在所述目标图像中对应的第一目标框的高度确定的阈值;确定处于所述拥堵状态的对象的第一数量,处于所述缓行状态的对象的第二数量以及处于畅通状态的对象的第三数量;基于所述第一数量、第二数量以及所述第三数量确定所述目标区域的所述交通状态。在本实施例中,若0≤DisplacementCurrect≤OverFlowThre×ObjHeight,即,目标位移值大于等于零,且小于等于第一阈值时,目标对象处于拥堵状态。若OverFlowThre×ObjHeight<DisplacementCurrect≤AmbleThre×ObjHeight,目标对象处于缓行状态。若AmbleThre×ObjHeight<DisplacementCurrect,目标对象处于正常行驶状态,即畅通状态。其中, DisplacementCurrect为目标对象在预定时间的目标位移值;OverFlowThre为预先设定的拥堵阈值;ObjHeight为目标对象对应的第一目标框的高度;AmbleThre为预先设定的缓行阈值。
在上述实施例中,在确定出目标对象的状态后,可以通过处于不同状态的对象的数量,根据处于不同状态的对象的数量确定目标区域的交通状态。
在一个示例性实施例中,基于所述第一数量、第二数量以及所述第三数量确定所述交通状态包括:基于所述目标图像确定所述目标区域中包括的第一行驶方向区域以及第二行驶方向区域;确定所述第一数量中包括的处于所述第一行驶方向区域的第一子数量以及处于所述第二行驶方向区域的第二子数量;确定所述第二数量中包括的处于所述第一行驶方向区域的第三子数量以及处于所述第二行驶方向区域的第四子数量;确定所述第三数量中包括的处于所述第一行驶方向区域的第五子数量以及处于所述第二行驶方向区域的第六子数量;基于所述第一子数量、所述第三子数量以及所述第五子数量确定所述第一行驶方向区域的所述交通状态;基于所述第二子数量、所述第四子数量以及所述第六子数量确定所述第二行驶方向区域的所述交通状态。在本实施例中,可以根据目标图像确定出目标区域中包括的第一行驶方向区域和第二行驶方向区域。其中,第一行驶方向区域和第二行驶方向区域可以是不同方向车道。分别确定第一行驶方向区域和第二行驶方向区域中包括的处于不同状态对象的数量,根据处于不同状态对象的数量确定区域的交通状态。
在上述实施例中,第一行驶方向区域可以是来向道路,第二行驶方向区域可以是去向道路,可以统计来向道路或去向道路中,处于拥堵状态的对象的数量、处于缓行状态的对象数量和处于正常行驶(即畅通状态)的对象的数量。最后根据拥堵数量、缓行数量和正常行驶数量关系,得到来向或去向道路的交通状态。
在一个示例性实施例中,基于所述目标图像确定所述目标区域中包括的第一行驶方向区域以及第二行驶方向区域包括:获取所述目标对象首次出现在所述目标区域中的第二图像;确定所述目标对象在所述第二图像中对应的第一目标框的第三中心点;确定所述目标对象在所述目标图像中对应的所述第一目标框的第二中心点;确定所述第二中心点与所述第三中心点的坐标的差值;基于所述差值确定所述第一行驶方向区域以及所述第二行驶方向区域。在本实施例中,目标对象在目标区域行驶的过程中,可以利用目标对象在目标图像中的第一目标框的中心点位置坐标(PlaceCurrent)的Y值与目标初始位置(PlaceFrt)的Y值的差值,判断目标对象的运动方向是来向(车头方向)还是去向(车尾方向),最后由目标对象的运动方向判断出目标对象是在来向还是去向道路行驶。进而确定出第一行驶方法区域和第二行驶方向区域。其中,目标初始位置即为第三中心点的位置。并可以将当前帧的所有对象按照道路方向分为两类:1. 对象在来向道路行驶;2. 对象在去向道路行驶。
在一个示例性实施例中,在基于所述第一数量、第二数量以及所述第三数量确定所述目标区域的所述交通状态之后,所述方法还包括:确定所述目标区域中包括的目标行驶区域;确定所述交通状态对应的边框标识;将所述目标行驶区域对应的边框按照所述边框标识进行显示。在本实施例中,在确定出目标区域的交通状态之后,可以确定目标区域中包括的目标行驶区域,以及目标行驶区域的交通状态,确定交通状态对应的边框标识,将目标行驶区域对应的边框按照边框标识进行显示。例如,交通状态为拥堵状态时,边框标识为红色,交通状态缓行状态时,边框标识为黄色,交通状态为畅通状态时,边框标识为红色。即不同的交通状态可以对应不同的颜色表示,在确定出交通状态时,可以直接将边框按照边框标识进行显示,以便直观地显示交通状态。
在一个示例性实施例中,确定所述目标区域中包括的目标行驶区域包括:确定在第二采集时刻所述目标区域中包括的所有用于框选对象的第二目标框;确定所述第二目标框中包括的预定点位;对所述预定点位进行凸包处理,以得到位于凸包上的目标点位;基于所述目标点位确定所述目标区域中包括的所述目标行驶区域。在本实施例中,确定目标区域中包括的目标行驶区域时,可以确定采集目标图像的第二采集时刻时,目标区域中包括的多有用于框选对象的第二目标框,确定第二目标框中包括的预定点位,如每个目标框的左下角点和右下角点。对预定点位进行凸包处理,得到位于凸包上的目标点位,根据目标点位确定目标行驶区域。其中,在确定目标行驶区域时,可以分别确定第一行驶方向区域中的目标行驶区域和第二行驶方向区域中的目标行驶区域。
在上述实施例中,当目标对象为机动车时,可以获取来向或去向道路的所有机动车目标当前帧的当前外接矩形检测框底部的左下角和右下角的坐标,然后根据凸包求解的数学方法,最后获取包含来向或去向道路中所有目标的行驶区域。其中,凸包处理的步骤如下:
(1. 把所有点放在二维坐标系中,则纵坐标最小的点一定是凸包上的点。其中,预定点位示意图可参见附图4,如图4所示,如P0点为纵坐标最小的点。
(2. 把所有点的坐标平移一下,使 P0 作为原点。
(3. 计算各个点相对于 P0 的幅角α,按从小到大的顺序对各个点排序。当α相同时,距离 P0 比较近的排在前面。得到的结果为 P1,P2,P3,P4,P5,P6,P7,P8。由几何知识可以知道,结果中第一个点 P1 和最后一个点 P8 一定是凸包上的点。
以上,已经知道了凸包上的第一个点 P0 和第二个点 P1,把它们放在栈里面。现在从步骤3)求得的那个结果里,把 P1 后面的那个点拿出来做当前点,即 P2。接下来开始找第三个点:
(4. 连接P0和栈顶的那个点,得到直线 L。看当前点是在直线 L 的右边还是左边。如果在直线的右边就执行步骤5;如果在直线上,或者在直线的左边就执行步骤6。
(5. 如果在右边,则栈顶的那个元素不是凸包上的点,把栈顶元素出栈。执行步骤4。
(6. 当前点是凸包上的点,把它压入栈,执行步骤7。
(7. 检查当前的点 P2 是不是步骤3那个结果的最后一个元素。是最后一个元素的话就结束。如果不是的话就把 P2 后面那个点做当前点,返回步骤4。
得到目标点位后,则根据目标点位确定出目标行驶区域。再根据目标行驶区域的交通状态,可以使用不用的颜色展示,例如,红色代表拥堵;橙色代表缓行;绿色代表畅通。
下面结合具体实施方式对交通状态的确定方法仅是说明:
图5是根据本发明具体实施例的交通状态的确定方法流程图,如图5所示,该方法包括:
步骤S502,建立视频图像坐标系,以图像左上角为原点,左上角至右上角为X轴正方向,左上角至左下角为Y轴正方向。
步骤S504,在监控视频中绘制高速道路所在的区域DetectRegion(检测区域),并且此区域DetectRegion(检测区域)作为检测机动车目标的检测区域(在DetectRegion(检测区域)外的目标不做检测跟踪)。设置交通状态阈值参数:拥堵阈值(OverFlowThre)、缓行阈值(AmbleThre)。
步骤S506,当车辆目标初次出现在检测区域DetectRegion(检测区域)时,由车辆模型得到机动车目标外接矩形检测框,并且将此检测框的中心点坐标作为机动车目标初始位置(PlaceFrt)。
步骤S508,计算每个机动车目标每秒的像素位移值(DisplacementCurrect),若0≤DisplacementCurrect≤OverFlowThre×ObjHeight,目标处于拥堵状态;若OverFlowThre×ObjHeight<DisplacementCurrect≤AmbleThre×ObjHeight,目标处于缓行状态;若AmbleThre×ObjHeight<DisplacementCurrect,目标处于正常行驶状态。(说明:1. DisplacementCurrect:每个机动车目标每秒的像素位移值;2. OverFlowThre:拥堵阈值;3. ObjHeight:目标检测框高度;4. AmbleThre:缓行阈值)。
步骤S510,机动车目标在检测区域运动的过程中,利用当前帧机动车目标当前外接矩形检测框中心点位置坐标(PlaceCurrent)的Y值与目标初始位置(PlaceFrt)的Y值的差值,判断机动车目标的运动方向是来向(车头方向)还是去向(车尾方向),最后由机动车的运动方向判断出机动车目标是在来向还是去向道路行驶。基于前面的计算,将当前帧的所有机动车目标按照道路方向分为两类:1.机动车目标在来向道路行驶;2.机动车目标在去向道路行驶。即判断PlaceCurrent的Y值是否大于PlaceFrt的Y值,在判断结果为是的情况下,则执行步骤S512,在判断结果为否时,执行步骤S514。
步骤S512,目标属于来向道路。
步骤S514,目标属于去向道路。
步骤S516,统计来向道路或去向道路中,拥堵状态目标数量、缓行状态目标数量和正常行驶目标数量。最后根据拥堵目标数量、缓行目标数量和正常行驶目标数量关系,得到来向或去向的交通状态。
步骤S518,获取来向或去向道路的所有机动车目标当前帧的当前外接矩形检测框底部的左下角和右下角的坐标,然后根据凸包求解的数学方法,最后获取包含来向或去向道路中所有目标的行驶区域。
步骤S520,对得到的来向或去向行驶区域使用不同颜色展示(例如,红色代表拥堵;橙色代表缓行;绿色代表畅通)。
在前述实施例中,通过计算图像中机动车目标像素位移以及PlaceCurrent(当前帧机动车目标当前外接矩形检测框中心点位置坐标)的Y值与目标初始位置PlaceFrt(机动车目标初始位置检测框中心点)的Y值的差值关系,判断该辆车处于的运动状态和行驶方向;通过凸包求解数学方法,计算出来向或去向的行驶区域;通过结合计算的来向或去向行驶区域以及对应的状态,进行实时展示。随着计算机视觉的发展,计算机视觉技术逐渐在交通监控领域得到了快速的发展,不仅节约了警力资源,而且能够及时对道路异常事件进行报警,避免重大的人员财产安全。
将计算机视觉技术应用到交通道路管理中,可以很大程度上提高交通管理工作的科学化、现代化、信息化水平,缓解警力资源,加强和保障道路交通安全,减少交通道路事故的发生。另外,计算机视觉技术获取数据的成本,远低于其他获取数据手段,例如,雷达数据、GPS数据和高德或百度数据等其他途径,有利于大批量以及大面积进行对交通道路的智能监控。
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根据上述实施例的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,本发明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设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种交通状态的确定装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图6是根据本发明实施例的交通状态的确定装置的结构框图,如图6所示,该装置包括:
获取模块62,用于获取摄像设备对目标区域进行拍摄所采集到的目标图像,其中,所述目标区域为目标对象行驶的区域;
第一确定模块64,用于基于所述目标图像确定所述目标对象在预定时间内的目标位移值;
第二确定模块66,用于基于所述目标位移值确定所述目标区域的交通状态。
在一个示例性实施例中,第一确定模块64可以通过如下方式实现基于所述目标图像确定所述目标对象在预定时间内的目标位移值:确定所述摄像设备采集的第一图像,其中,采集所述第一图像的第一采集时刻在采集所述目标图像的第二采集时刻之前,且所述第一采集时刻与所述第二采集时刻之间间隔所述预定时间;确定所述目标对象在所述第一图像中对应的第一目标框的第一中心点,其中,所述第一目标框用于框选所述目标对象;确定所述目标对象在所述目标图像中对应的所述第一目标框的第二中心点;基于所述第一中心点和所述第二中心点确定所述目标位移值。
在一个示例性实施例中,第二确定模块66可以通过如下方式实现基于所述目标位移值确定所述目标区域的交通状态:在所述目标位移值小于或等于第一阈值的情况下,确定所述目标对象处于拥堵状态;在所述目标位移值大于所述第一阈值,且小于或等于第二阈值的情况下,确定所述目标对象缓行状态;在所述目标位移值大于所述第二阈值的情况下,确定所述目标对象处于畅通状态,其中,所述第一阈值小于所述第二阈值,所述第一阈值以及所述第二阈值均为基于所述目标对象在所述目标图像中对应的第一目标框的高度确定的阈值;确定处于所述拥堵状态的对象的第一数量,处于所述缓行状态的对象的第二数量以及处于畅通状态的对象的第三数量;基于所述第一数量、第二数量以及所述第三数量确定所述目标区域的所述交通状态。
在一个示例性实施例中,第二确定模块66可以通过如下方式实现基于所述第一数量、第二数量以及所述第三数量确定所述交通状态:基于所述目标图像确定所述目标区域中包括的第一行驶方向区域以及第二行驶方向区域;确定所述第一数量中包括的处于所述第一行驶方向区域的第一子数量以及处于所述第二行驶方向区域的第二子数量;确定所述第二数量中包括的处于所述第一行驶方向区域的第三子数量以及处于所述第二行驶方向区域的第四子数量;确定所述第三数量中包括的处于所述第一行驶方向区域的第五子数量以及处于所述第二行驶方向区域的第六子数量;基于所述第一子数量、所述第三子数量以及所述第五子数量确定所述第一行驶方向区域的所述交通状态;基于所述第二子数量、所述第四子数量以及所述第六子数量确定所述第二行驶方向区域的所述交通状态。
在一个示例性实施例中,第二确定模块66可以通过如下方式实现基于所述目标图像确定所述目标区域中包括的第一行驶方向区域以及第二行驶方向区域:获取所述目标对象首次出现在所述目标区域中的第二图像;确定所述目标对象在所述第二图像中对应的第一目标框的第三中心点;确定所述目标对象在所述目标图像中对应的所述第一目标框的第二中心点;确定所述第二中心点与所述第三中心点的坐标的差值;基于所述差值确定所述第一行驶方向区域以及所述第二行驶方向区域。
在一个示例性实施例中,所述装置可以用于在基于所述第一数量、第二数量以及所述第三数量确定所述目标区域的所述交通状态之后,确定所述目标区域中包括的目标行驶区域;确定所述交通状态对应的边框标识;将所述目标行驶区域对应的边框按照所述边框标识进行显示。
在一个示例性实施例中,所述装置可以通过如下方式实现确定所述目标区域中包括的目标行驶区域:确定在第二采集时刻所述目标区域中包括的所有用于框选对象的第二目标框;确定所述第二目标框中包括的预定点位;对所述预定点位进行凸包处理,以得到位于凸包上的目标点位;基于所述目标点位确定所述目标区域中包括的所述目标行驶区域。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。
在一个示例性实施例中,上述计算机可读存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种交通状态的确定方法,其特征在于,包括:
获取摄像设备对目标区域进行拍摄所采集到的目标图像,其中,所述目标区域为目标对象行驶的区域;
基于所述目标图像确定所述目标对象在预定时间内的目标位移值;
基于所述目标位移值确定所述目标区域的交通状态;
其中,基于所述目标位移值确定所述目标区域的交通状态包括:在所述目标位移值小于或等于第一阈值的情况下,确定所述目标对象处于拥堵状态;在所述目标位移值大于所述第一阈值,且小于或等于第二阈值的情况下,确定所述目标对象缓行状态;在所述目标位移值大于所述第二阈值的情况下,确定所述目标对象处于畅通状态,其中,所述第一阈值小于所述第二阈值,所述第一阈值以及所述第二阈值均为基于所述目标对象在所述目标图像中对应的第一目标框的高度确定的阈值;确定处于所述拥堵状态的对象的第一数量,处于所述缓行状态的对象的第二数量以及处于畅通状态的对象的第三数量;基于所述第一数量、第二数量以及所述第三数量确定所述目标区域的所述交通状态;
基于所述第一数量、第二数量以及所述第三数量确定所述交通状态包括:基于所述目标图像确定所述目标区域中包括的第一行驶方向区域以及第二行驶方向区域;确定所述第一数量中包括的处于所述第一行驶方向区域的第一子数量以及处于所述第二行驶方向区域的第二子数量;确定所述第二数量中包括的处于所述第一行驶方向区域的第三子数量以及处于所述第二行驶方向区域的第四子数量;确定所述第三数量中包括的处于所述第一行驶方向区域的第五子数量以及处于所述第二行驶方向区域的第六子数量;基于所述第一子数量、所述第三子数量以及所述第五子数量确定所述第一行驶方向区域的所述交通状态;基于所述第二子数量、所述第四子数量以及所述第六子数量确定所述第二行驶方向区域的所述交通状态。
2.根据权利要求1所述的方法,其特征在于,基于所述目标图像确定所述目标对象在预定时间内的目标位移值包括:
确定所述摄像设备采集的第一图像,其中,采集所述第一图像的第一采集时刻在采集所述目标图像的第二采集时刻之前,且所述第一采集时刻与所述第二采集时刻之间间隔所述预定时间;
确定所述目标对象在所述第一图像中对应的第一目标框的第一中心点,其中,所述第一目标框用于框选所述目标对象;
确定所述目标对象在所述目标图像中对应的所述第一目标框的第二中心点;
基于所述第一中心点和所述第二中心点确定所述目标位移值。
3.根据权利要求1所述的方法,其特征在于,基于所述目标图像确定所述目标区域中包括的第一行驶方向区域以及第二行驶方向区域包括:
获取所述目标对象首次出现在所述目标区域中的第二图像;
确定所述目标对象在所述第二图像中对应的第一目标框的第三中心点;
确定所述目标对象在所述目标图像中对应的所述第一目标框的第二中心点;
确定所述第二中心点与所述第三中心点的坐标的差值;
基于所述差值确定所述第一行驶方向区域以及所述第二行驶方向区域。
4.根据权利要求1所述的方法,其特征在于,在基于所述第一数量、第二数量以及所述第三数量确定所述目标区域的所述交通状态之后,所述方法还包括:
确定所述目标区域中包括的目标行驶区域;
确定所述交通状态对应的边框标识;
将所述目标行驶区域对应的边框按照所述边框标识进行显示。
5.根据权利要求4所述的方法,其特征在于,确定所述目标区域中包括的目标行驶区域包括:
确定在第二采集时刻所述目标区域中包括的所有用于框选对象的第二目标框;
确定所述第二目标框中包括的预定点位;
对所述预定点位进行凸包处理,以得到位于凸包上的目标点位;
基于所述目标点位确定所述目标区域中包括的所述目标行驶区域。
6.一种交通状态的确定装置,其特征在于,包括:
获取模块,用于获取摄像设备对目标区域进行拍摄所采集到的目标图像,其中,所述目标区域为目标对象行驶的区域;
第一确定模块,用于基于所述目标图像确定所述目标对象在预定时间内的目标位移值;
第二确定模块,用于基于所述目标位移值确定所述目标区域的交通状态;
其中,所述第二确定模块通过如下方式实现基于所述目标位移值确定所述目标区域的交通状态:在所述目标位移值小于或等于第一阈值的情况下,确定所述目标对象处于拥堵状态;在所述目标位移值大于所述第一阈值,且小于或等于第二阈值的情况下,确定所述目标对象缓行状态;在所述目标位移值大于所述第二阈值的情况下,确定所述目标对象处于畅通状态,其中,所述第一阈值小于所述第二阈值,所述第一阈值以及所述第二阈值均为基于所述目标对象在所述目标图像中对应的第一目标框的高度确定的阈值;确定处于所述拥堵状态的对象的第一数量,处于所述缓行状态的对象的第二数量以及处于畅通状态的对象的第三数量;基于所述第一数量、第二数量以及所述第三数量确定所述目标区域的所述交通状态;
所述第二确定模块通过如下方式实现基于所述第一数量、第二数量以及所述第三数量确定所述交通状态:基于所述目标图像确定所述目标区域中包括的第一行驶方向区域以及第二行驶方向区域;确定所述第一数量中包括的处于所述第一行驶方向区域的第一子数量以及处于所述第二行驶方向区域的第二子数量;确定所述第二数量中包括的处于所述第一行驶方向区域的第三子数量以及处于所述第二行驶方向区域的第四子数量;确定所述第三数量中包括的处于所述第一行驶方向区域的第五子数量以及处于所述第二行驶方向区域的第六子数量;基于所述第一子数量、所述第三子数量以及所述第五子数量确定所述第一行驶方向区域的所述交通状态;基于所述第二子数量、所述第四子数量以及所述第六子数量确定所述第二行驶方向区域的所述交通状态。
7.一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中存储有计算机程序,其中,所述计算机程序被处理器执行时实现所述权利要求1至5任一项中所述的方法的步骤。
8.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至5任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111382155.2A CN113823095B (zh) | 2021-11-22 | 2021-11-22 | 交通状态的确定方法、装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111382155.2A CN113823095B (zh) | 2021-11-22 | 2021-11-22 | 交通状态的确定方法、装置、存储介质及电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113823095A CN113823095A (zh) | 2021-12-21 |
CN113823095B true CN113823095B (zh) | 2022-05-03 |
Family
ID=78917925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111382155.2A Active CN113823095B (zh) | 2021-11-22 | 2021-11-22 | 交通状态的确定方法、装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113823095B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139645A (zh) * | 2015-07-23 | 2015-12-09 | 合肥革绿信息科技有限公司 | 一种基于浮动车技术的城市区域路网运行指数评估方法 |
CN105336169A (zh) * | 2015-12-09 | 2016-02-17 | 青岛海信网络科技股份有限公司 | 一种基于视频判断交通拥堵的方法和*** |
US20160210862A1 (en) * | 2012-09-12 | 2016-07-21 | Omron Corporation | Data flow control order generating apparatus and sensor managing apparatus |
CN109872530A (zh) * | 2017-12-05 | 2019-06-11 | 广州腾讯科技有限公司 | 一种路况信息的生成方法、车载终端及服务器 |
CN110050300A (zh) * | 2017-11-13 | 2019-07-23 | 北京嘀嘀无限科技发展有限公司 | 交通拥堵监控***和方法 |
CN113240906A (zh) * | 2021-05-27 | 2021-08-10 | 山东产研信息与人工智能融合研究院有限公司 | 基于物流园区道路拥堵实时监控的车辆引导方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI717102B (zh) * | 2019-11-14 | 2021-01-21 | 黃玄 | 基於影像辨識之交通路況車聯網系統 |
-
2021
- 2021-11-22 CN CN202111382155.2A patent/CN113823095B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160210862A1 (en) * | 2012-09-12 | 2016-07-21 | Omron Corporation | Data flow control order generating apparatus and sensor managing apparatus |
CN105139645A (zh) * | 2015-07-23 | 2015-12-09 | 合肥革绿信息科技有限公司 | 一种基于浮动车技术的城市区域路网运行指数评估方法 |
CN105336169A (zh) * | 2015-12-09 | 2016-02-17 | 青岛海信网络科技股份有限公司 | 一种基于视频判断交通拥堵的方法和*** |
CN110050300A (zh) * | 2017-11-13 | 2019-07-23 | 北京嘀嘀无限科技发展有限公司 | 交通拥堵监控***和方法 |
CN109872530A (zh) * | 2017-12-05 | 2019-06-11 | 广州腾讯科技有限公司 | 一种路况信息的生成方法、车载终端及服务器 |
CN113240906A (zh) * | 2021-05-27 | 2021-08-10 | 山东产研信息与人工智能融合研究院有限公司 | 基于物流园区道路拥堵实时监控的车辆引导方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN113823095A (zh) | 2021-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113420805A (zh) | 视频和雷达的动态轨迹图像融合方法、装置、设备及介质 | |
CN111753612B (zh) | 一种抛洒物检测方法、装置及存储介质 | |
CN113139482A (zh) | 交通异常检测的方法和装置 | |
CN111833598A (zh) | 一种高速公路无人机交通事件自动监测方法及*** | |
CN112349087B (zh) | 一种基于路口信息全息感知的可视化数据输入方法 | |
CN113052048B (zh) | 交通事件检测方法、装置、路侧设备以及云控平台 | |
CN113807270A (zh) | 道路拥堵检测方法、装置及电子设备 | |
CN110379172A (zh) | 交通规则的生成方法及装置、存储介质、电子装置 | |
WO2022166606A1 (zh) | 一种目标检测方法及装置 | |
CN112863195B (zh) | 车辆状态的确定方法及装置 | |
CN113823095B (zh) | 交通状态的确定方法、装置、存储介质及电子装置 | |
CN114677843B (zh) | 路况信息的处理方法、装置、***及电子设备 | |
CN111429723A (zh) | 一种基于路侧设备的通信与感知数据融合方法 | |
CN116524718A (zh) | 一种路口数据的远程可视化处理方法和*** | |
CN114024997B (zh) | 基于自动驾驶的智能设备和aiot物联网平台方法 | |
CN116363865A (zh) | 交通拥堵评估方法、装置、电子设备及存储介质 | |
CN116486059A (zh) | 道路信息采集方法和装置、存储介质及电子设备 | |
CN115762153A (zh) | 倒车检测方法及装置 | |
CN113286096B (zh) | 视频识别方法及*** | |
CN112258881B (zh) | 基于智慧交通的车辆管理方法 | |
CN111709354B (zh) | 识别目标区域的方法、装置、电子设备和路侧设备 | |
CN115063969A (zh) | 数据处理方法、设备、介质及路侧协同设备、*** | |
Panda et al. | Application of Image Processing In Road Traffic Control | |
CN113221800A (zh) | 一种待检测目标的监控判断方法及*** | |
CN112597874A (zh) | 信号灯的识别方法、装置及计算机可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |