CN113963153A - 车辆识别方法、装置、设备及存储介质 - Google Patents
车辆识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113963153A CN113963153A CN202111226577.0A CN202111226577A CN113963153A CN 113963153 A CN113963153 A CN 113963153A CN 202111226577 A CN202111226577 A CN 202111226577A CN 113963153 A CN113963153 A CN 113963153A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- marked
- vehicles
- determining
- license plate
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000001514 detection method Methods 0.000 claims description 52
- 239000003550 marker Substances 0.000 claims description 9
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000012216 screening Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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
本申请实施例公开了一种车辆识别方法、装置、设备及存储介质,其中,所述方法包括:获取画面包括停放在预设区域内的车辆的待识别视频;确定所述待识别视频中包括的至少两辆已标记车辆;在对所述至少两辆已标记车辆的车牌号识别失败的情况下,基于每一已标记车辆的跟踪标记,确定每一所述已标记车辆在所述预设区域的停放时间;确定每一所述已标记车辆在所述待识别视频的视频帧中的位置信息;基于所述停放时间和所述位置信息,在所述至少两辆已标记车辆中,确定信息采集存在中断的目标车辆。
Description
技术领域
本申请实施例涉及图像识别技术领域,尤其涉及车辆识别方法、装置、设备及存储介质。
背景技术
相关技术中,借助于安装在禁停区域的采集设备所采集的视频流,对禁停区域的违停行为进行检测;这样易出现因视频流的画面清晰度不高或存在的相关遮挡现象,而影响检测到的与违停行为相关的车辆信息的准确度。
发明内容
本申请实施例提供一种车辆识别技术方案。
本申请实施例的技术方案是这样实现的:
本申请实施例提供一种车辆识别方法,所述方法包括:
获取画面包括停放在预设区域内的车辆的待识别视频;
确定所述待识别视频中包括的至少两辆已标记车辆;
在对所述至少两辆已标记车辆的车牌号识别失败的情况下,基于每一已标记车辆的跟踪标记,确定每一所述已标记车辆在所述预设区域的停放时间;
确定每一所述已标记车辆在所述待识别视频的视频帧中的位置信息;
基于所述停放时间和所述位置信息,在所述至少两辆已标记车辆中,确定信息采集存在中断的目标车辆。如此,在车辆的车牌号识别失败的情况下,通过车辆在待识别视频中出现的时间信息以及空间信息,确定是否存在信息采集存在中断的目标车辆,能够提高在预设区域采集停放车辆的信息的整体准确度。
在一些实施例中,所述确定所述待识别视频中包括的至少两辆已标记车辆,包括:在所述待识别视频中,检测所述至少两辆待标记车辆中每一待标记车辆在视频帧中的图像区域,得到每一所述待标记车辆在所述视频帧中的检测框;基于所述检测框,对每一所述待标记车辆进行标记,得到具有跟踪标记的所述至少两辆已标记车辆;其中,所述待识别视频中在出现时间上不连续的车辆的跟踪标记不同。如此,通过对待识别视频中在出现时间上不连续的车辆标记不同跟踪标记,能够高效且精准地确定停放在预设区域的每一车辆;同时基于停放在预设区域的每一车辆的跟踪标记可以给出更加精准地车辆停放时间和停放位置,进而能够提高后期基于停放时间和停放位置确定目标车辆的准确度。
在一些实施例中,所述确定每一所述已标记车辆在所述待识别视频的视频帧中的位置信息,包括:在所述待识别视频中,基于每一所述已标记车辆对应的检测框,确定每一所述已标记车辆在所述视频帧中的感兴趣区域;基于所述视频帧的时序信息和每一所述已标记车辆在视频帧中的感兴趣区域,确定每一所述已标记车辆在所述视频帧中的位置信息。如此,能够使得确定的每一已标记车辆在预设区域的位置信息更加精准,进而能够提高后期基于该位置信息确定相关车辆信息的准确度。
在一些实施例中,所述至少两辆已标记车辆包括第一已标记车辆和第二已标记车辆,所述基于所述停放时间和所述位置信息,在所述至少两辆已标记车辆中,确定信息采集存在中断的目标车辆,包括:在所述停放时间中,确定所述第一已标记车辆的终止停放时间和所述第二已标记车辆的起始停放时间;确定所述第一已标记车辆的终止停放时间与所述第二已标记车辆的起始停放时间的时间间隔;确定所述第一已标记车辆的位置信息与所述第二已标记车辆的位置信息之间的重合度;基于所述时间间隔和所述重合度,确定所述第一已标记车辆和所述第二已标记车辆是否为所述目标车辆。如此,在车牌号识别失败的情况下,通过对至少两辆已标记车辆在待识别视频中出现的时间间隔以及对应的位置信息的重合度进行判断,确定至少两辆已标记车辆是否为信息采集存在中断的目标车辆。能够精准地识别出信息采集存在中断的车辆信息,进而能够提高在预设区域采集停放车辆的信息的整体准确度。
在一些实施例中,所述基于所述时间间隔和所述重合度,确定所述第一已标记车辆和所述第二已标记车辆是否为所述目标车辆,包括:在所述时间间隔小于第一预设阈值,且所述重合度大于第二预设阈值的情况下,确定所述第一已标记车辆和所述第二已标记车辆为同一车辆;将所述第一已标记车辆和所述第二已标记车辆,确定为所述目标车辆。如此,在车牌号识别失败的情况下,基于设定的相关阈值对至少两辆已标记车辆在待识别视频中出现的时间间隔以及对应的位置信息的重合度进行判断,确定至少两辆已标记车辆是否为同一车辆,即是否为信息采集存在中断的目标车辆,即能够高提高识别信息采集存在中断的车辆的准确度。
在一些实施例中,所述将所述第一已标记车辆和所述第二已标记车辆,确定为所述目标车辆之后,所述方法还包括:将所述第一已标记车辆的跟踪标记,或所述第二已标记车辆的跟踪标记,确定为所述目标车辆的目标跟踪标记;将所述第一标记车辆的跟踪标记和所述第二已标记车辆的跟踪标记,替换为所述目标跟踪标记。如此,通过从第一已标记车辆的跟踪标记和第二已标记车辆的跟踪标记中选择任一作为目标车辆的目标跟踪标记,即仅为目标车辆保留一个跟踪标记,能够将信息采集存在中断的车辆的信息连贯起来,进而能够提高在预设区域采集停放车辆的信息的整体准确度。
在一些实施例中,所述将所述第一已标记车辆和所述第二已标记车辆,确定为所述目标车辆之后,所述方法还包括:基于所述第一已标记车辆的停放时间和所述第二已标记车辆的停放时间,确定所述目标车辆的起始停放时间和终止停放时间;基于所述目标车辆的起始停放时间和终止停放时间,确定所述目标车辆的停放时长;基于预设停放时长和所述目标车辆的停放时间,生成与所述目标车辆相关联的告警信息。如此,通过对确定的信息采集存在中断的车辆的停放时长,与预设停放时长进行比较,生成与信息采集存在中断的车辆相关联的告警信息,能够在实现获取信息采集存在中断的车辆的基础上,生成精准的告警信息,即能够降低对信息采集存在中断的车辆一直不发告警或重发告警的概率。
在一些实施例中,在满足以下条件之一的情况下,确定所述第一已标记车辆和所述第二已标记车辆不是目标车辆,包括:所述第二已标记车辆的起始停放时间,位于所述第一已标记车辆的起始停放时间与终止停放时间之间;所述第一已标记车辆的位置信息与所述第二已标记车辆的位置信息之间的重合度小于或等于所述第二预设阈值;所述第一已标记车辆的终止停放时间与所述第二已标记车辆的起始停放时间的时间间隔大于第三预设阈值;其中,所述第三预设阈值大于所述第一预设阈值。如此,通过给出具体在何种信息下确定第一已标记车辆与第二已标记车辆非同一车辆,进而确定第一已标记车辆和第二已标记车辆不是目标车辆,能够实现高效且便捷地识别任意两辆已标记车辆的关系。
在一些实施例中,所述在对所述至少两辆已标记车辆的车牌号识别失败的情况下,基于所述已标记车辆的跟踪标记,确定每一所述已标记车辆在所述预设区域的停放时间之前,所述方法还包括:基于每一所述已标记车辆的跟踪标记,对所述待识别视频的视频帧进行文本检测,确定每一所述已标记车辆的检测车牌号集合;在所述检测车牌号集合中,确定满足预设车牌号规则的目标车牌号集合;将所述目标车牌号集合中被检测到的次数最高的目标车牌号,确定为每一所述已标记车辆的车牌号。如此,通过对视频流中缓存的车辆的车牌号进行识别以及筛选,在满足预设车牌号规则的目标车牌号集合中,筛选被检测到的次数最高的目标车牌号,确定为每一已标记车辆的车牌号,能够给出每一已标记车辆对应准确度较高的车牌号。
在一些实施例中,在满足以下条件之一的情况下,确定对所述至少两辆已标记车辆的车牌号识别失败,包括:未识别到所述至少两辆已标记车辆的车牌号;识别到所述至少两辆已标记车辆的车牌号的置信度小于第四预设阈值。如此,通过给出具体在何种信息下确定车牌号识别失败以及识别成功,可以更加精准且高效地判断车牌识别结果。
在一些实施例中,所述将所述目标车牌号集合中被检测到的次数最高的目标车牌号,确定为每一所述已标记车辆的车牌号之后,所述方法还包括:基于每一所述已标记车辆的车牌号,在所述至少两辆已标记车辆中,确定具有相同车牌号的至少两辆车辆;将所述具有相同车牌号的至少两辆车辆,确定为所述目标车辆。如此,通过对视频流中缓存的车辆的车牌号进行识别以及筛选,在能够得到准确度较高的车牌号的情况下,基于该准确度较高的车牌号判断是否存在车牌号相同的但跟踪标记不同的至少两辆车辆,以确定是否存在信息采集存在中断的车辆,进而能够提高在预设区域采集停放车辆的信息的整体准确度。
本申请实施例提供一种车辆识别装置,所述装置包括:
获取模块,用于获取画面包括停放在预设区域内的车辆的待识别视频;
第一确定模块,用于确定所述待识别视频中包括的至少两辆已标记车辆;
第二确定模块,用于在对所述至少两辆已标记车辆的车牌号识别失败的情况下,基于每一已标记车辆的跟踪标记,确定每一所述已标记车辆在所述预设区域的停放时间;
第二确定模块,还用于确定每一所述已标记车辆在所述待识别视频的视频帧中的位置信息;
第三确定模块,用于基于所述停放时间和所述位置信息,在所述至少两辆已标记车辆中,确定信息采集存在中断的目标车辆。
本申请实施例提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器上存储有计算机可执行指令,所述处理器运行所述存储器上的计算机可执行指令时能够实现上述的车辆识别方法。
本申请实施例提供一种计算机存储介质,所述计算机存储介质上存储有计算机可执行指令,该计算机可执行指令被执行后,能够实现上述的车辆识别方法。
本申请实施例提供一种车辆识别方法、装置、设备及存储介质,首先,获取画面包括停放在预设区域内的车辆的待识别视频;确定所述待识别视频中包括的至少两辆已标记车辆;其次,在对所述至少两辆已标记车辆的车牌号识别失败的情况下,基于所述已标记车辆的跟踪标记,确定每一所述已标记车辆在所述预设区域的停放时间;确定每一所述已标记车辆在所述待识别视频的视频帧中的位置信息;最后,基于所述停放时间和所述位置信息,在所述至少两辆已标记车辆中,确定信息采集存在中断的目标车辆。如此,在车辆的车牌号识别失败的情况下,通过车辆在待识别视频中出现的时间信息以及空间信息,确定是否存在信息采集存在中断的目标车辆,能够提高在预设区域采集停放车辆的信息的准确度。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请实施例的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图,其中:
图1为本申请实施例提供的一种车辆识别方法的第一种实现流程示意图;
图2为本申请实施例提供的一种车辆识别方法的第二种实现流程示意图;
图3为本申请实施例提供的一种车辆识别方法的第三种实现流程示意图;
图4为不同跟踪标记的车辆的多个车牌号的示意图;
图5为两辆车在禁停区域停放时间的对应关系示意图;
图6为停放在禁停区域的三辆车之间的位置信息的示意图;
图7为本申请实施例提供的车辆识别装置的结构组成示意图;
图8为本申请实施例提供的计算机设备的组成结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对发明的具体技术方案做进一步详细描述。以下实施例用于说明本申请实施例,但不用来限制本申请实施例的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
在以下的描述中,所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请实施例的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请实施例。
对本申请实施例进行进一步详细说明之前,对本申请实施例中涉及的名词和术语进行说明,本申请实施例中涉及的名词和术语适用于如下的解释。
1)机动车违停:机动车在不应该停放的路面或人行道等场所中,超过了一定时间而没有移动。
2)车辆停放:在前后两个时间点内,车辆的位移不超过一定阈值。
3)信息采集中断:同一车辆被其它物体临时遮挡,导致后续再次被识别到时,被当作不同车辆,或,车辆处于模型能检测到与不能检测到的临界点,导致即使在不被遮挡的一段连续视频帧里,有时车辆会被检测到,有时则不会,导致车辆跟踪中断,即存在信息采集中断。
下面说明本申请实施例提供的车辆识别的设备的示例性应用,本申请实施例提供的设备可以实施为具有图像采集功能的笔记本电脑,平板电脑,台式计算机,相机,移动设备(例如,个人数字助理,专用消息设备,便携式游戏设备)等各种类型的用户终端,也可以实施为服务器。下面,将说明设备实施为终端或服务器时示例性应用。
该方法可以应用于计算机设备,该方法所实现的功能可以通过计算机设备中的处理器调用程序代码来实现,当然程序代码可以保存在计算机存储介质中,可见,该计算机设备至少包括处理器和存储介质。
本申请实施例提供一种车辆识别方法,如图1所示,示出本申请实施例提供的一种车辆识别方法的第一种实现流程示意图;结合图1所示步骤进行以下说明:
步骤S101,获取画面包括停放在预设区域内的车辆的待识别视频。
在一些实施例中,待识别视频可以是设置于预设区域内的,具有采集功能的至少一个设备采集的视频。其中,至少一个设备中每一设备可以设置于预设区域内的多个采集点位,以实现对预设区域内的相关信息进行采集。同时预设区域可以是现实场景中的任一区域,比如:商场、公园或道路等,还可以是车辆禁停区域、车辆限时停放区域等,比如:不应该或禁止停放车辆的路面或人行道等场所。在本申请以下实施例中,预设区域指代车辆禁停区域。其中,车辆可以指代机动车或非机动车。
在一些实施例中,待识别视频可以是车辆识别设备通过自身的采集模块采集得到的,比如:可以是通过设置与预设区域内的车辆识别设备直接采集获取的。也可以是其他设备发送至车辆识别设备的,比如:设置在预设区域内的其他设备采集到待识别视频之后发送至车辆识别设备的。
在一些实施例中,停放在预设区域内的车辆,可以指代在预设区域内静止的车辆,也可指代在前后两个时间点内,在预设区域的位移不超过一定阈值的车辆。同时车辆停放在预设区域内的数量可以是一个、两个及以上。且车辆在预设区域的停放位置在本申请实施例中不作任何限定。同时待识别视频的数量可以是一个、两个及以上。
步骤S102,确定待识别视频中包括的至少两辆已标记车辆。
在一些实施例中,对待识别视频的视频帧中出现的车辆,进行标记,得到至少两辆已标记车辆。其中,至少两辆已标记车辆在待识别视频中出现的时间段可以重合,也可以不重合,同时至少两辆已标记车辆在预设区域内的停放位置可以相同,也可不同。
在一些实施例中,可以是对待识别视频中出现的车辆进行标记,比如,可以是对车辆进行数字、文字或图像等标记。也可以是对待识别视频中车辆在其所出现的视频帧中所处的图像区域进行标记。
在一些可能的实现方式中,确定待识别视频中包括的至少两辆已标记车辆,即上述步骤S102可以通过以下步骤实现:
第一步,在待识别视频中,检测至少两辆待标记车辆中每一待标记车辆在视频帧中的图像区域,得到每一待标记车辆在视频帧中的检测框。
在一些实施例中,对待识别视频的每一视频帧进行车辆检测以及识别,以检测每一待标记车辆出现在对应的视频帧中的图像区域,并将该图像区域确定为每一待标记车辆在视频帧中的检测框;其中,每一待标记车辆在视频帧中的检测框可以是能够包括视频帧中出现的车辆的最小矩形框。
其中,检测框可以指代能够包围待标记车辆的最小矩形框;同时每一检测框中仅包围一辆待标记车辆。
在一些实施例中,可以是对待识别视频中每一视频帧的画面内容进行检测,确定出每一待标记车辆在出现的视频帧中的至少两个图像区域,对至少两个图像区域进行处理,得到每一待标记车辆在所在视频帧中的检测框。
在一些实施例中,至少两辆待标记车辆中每一待标记车辆在预设区域的停放时间、停放位置等可以相同,也可以不同。
第二步,基于检测框,对每一对待标记车辆进行标记,得到具有跟踪标记的至少两辆已标记车辆。
其中,待识别视频中在出现时间上不连续的车辆的跟踪标记不同。
在一些实施例中,可以基于每一待标记车辆对应的检测框,对至少两辆待标记车辆中每一待标记车辆进行标记,得到具有跟踪标记的至少两辆已标记车辆。其中,跟踪标记可以是数字、字母以及图像等。同时待识别视频中在出现时间上不连续的车辆的跟踪标记不同;对应地,待识别视频中在出现时间上连续的车辆标记相同的跟踪标记;也就是说,该跟踪标记用来作为待识别视频中出现的车辆的唯一标识。示例性地,对待识别视频中在出现时间上不连续的车辆基于属性相同的跟踪标记进行标记,同时其各自对应的跟踪标记所呈现的内容不同。比如,对待识别视频中在出现时间上不连续的车辆:车辆1的跟踪标记为1、车辆2的跟踪标记为2以及车辆3的跟踪标记为3等。
在一些实施例中,通过对待识别视频中在出现时间上不连续的车辆标记不同跟踪标记,能够高效且精准地确定停放在预设区域的每一车辆;同时基于停放在预设区域的每一车辆的跟踪标记可以给出更加精准地车辆停放时间和停放位置,进而能够提高后期基于停放时间和停放位置确定目标车辆的准确度。
步骤S103,在对至少两辆已标记车辆的车牌号识别失败的情况下,基于每一已标记车辆的跟踪标记,确定每一已标记车辆在预设区域的停放时间。
在一些实施例中,在待识别视频中,对至少两辆已标记车辆的车牌号进行识别。在对至少两辆已标记车辆的车牌号识别失败的情况下,基于已标记车辆的跟踪标记,确定每一已标记车辆在预设区域的停放时间。示例性地,每一已标记车辆在预设区域的停放时间可以为:车辆1的停放时间为2021年05月21日05:00:00至2021年05月21日05:15:00、车辆2的停放时间为2021年05月21日06:10:00至2021年05月21日06:30:00、车辆3的停放时间为2021年05月21日05:01:00至2021年05月21日05:14:00等。
在一些可能的实现方式中,在满足以下条件之一的情况下,确定对至少两辆已标记车辆的车牌号识别失败,包括:
未识别到至少两辆已标记车辆的车牌号;
识别到至少两辆已标记车辆的车牌号的置信度小于第四预设阈值。
在一些实施例中,在未识别到至少两辆已标记车辆的车牌号,或识别到的车辆的车牌号的置信度小于第四预设阈值时,可以将其确定为对车牌识别失败。其中,未识别到至少两辆已标记车辆的车牌号,可以是将待识别视频输入至检测网络后,检测结果识别不到任何文本信息。或者是识别到的车辆的车牌号的置信度小于第四预设阈值。示例性地,识别到的车牌号较为模糊,清晰度不高。对应地,在识别到至少两辆已标记车辆的车牌号,且至少两辆已标记车辆的车牌号的置信度大于或等于第四预设阈值的情况下,可以确定至少两辆已标记车辆的车牌号识别成功。
其中,第四预设阈值可以是事先设定好的,也可以是基于至少待识别视频的画面清晰度确定的。至少两辆已标记车辆的车牌号的置信度可以指代至少两辆已标记车辆的车牌号的可靠程度或可信程度。
在一些实施例中,通过给出具体在何种信息下确定车牌号识别失败以及识别成功,可以更加精准且高效地判断车牌识别结果。
步骤S104,确定每一已标记车辆在待识别视频的视频帧中的位置信息。
在一些实施例中,确定每一已标记车辆在待识别视频的视频帧中的位置信息,可以指代每一已标记车辆在出现的视频帧中的图像区域,也可以指代能够包围已标记车辆的最小矩形检测框在视频帧中所处的图像区域。
在一些可能的实现方式中,确定每一已标记车辆在待识别视频的视频帧中的位置信息,即上述步骤S104可以通过以下方式实现:
第一步,在待识别视频中,基于每一已标记车辆对应的检测框,确定每一已标记车辆在视频帧中的感兴趣区域。
在一些实施例中,基于每一已标记车辆对应的检测框,在待识别视频中,确定每一已标记车辆在所在视频帧中的感兴趣区域(Region Of Interest,ROI);其中,每一已标记车辆在所在视频帧中的ROI可以指代每一已标记车辆对应的检测框内的区域。
第二步,基于视频帧的时序信息和每一已标记车辆在视频帧中的感兴趣区域,确定每一已标记车辆在视频帧中的位置信息。
在一些实施例中,通过待识别视频的视频帧的时序信息,以及每一已标记车辆在所在视频帧中的感兴趣区域,确定每一已标记车辆在所在视频帧中的位置信息。
在一些实施例中,通过视频帧的时序信息,以及每一已标记车辆在视频帧中的感兴趣区域,得到每一已标记车辆的位置信息。如此,能够使得确定的每一已标记车辆在预设区域的位置信息更加精准,进而能够提高后期基于该位置信息确定相关车辆信息的准确度。
步骤S105,基于停放时间和位置信息,在至少两辆已标记车辆中,确定信息采集存在中断的目标车辆。
在一些实施例中,通过对已标记车辆的停放时间和位置信息进行判断,在至少两辆已标记车辆中,确定是否含有信息采集存在中断的目标车辆。其中,目标车辆指代在待识别视频中被标记为不同跟踪标记的同一车辆,也就是说,目标车辆为在待识别视频中不连续出现的同一车辆。同时目标车辆可以是待识别视频中被标记为不同跟踪标记的至少两辆车辆。其中,至少两辆车辆之间的停放时间满足一定条件,且至少两辆车辆各自的位置信息具有一定的重合度的情况下,确定该至少两辆车辆为一辆信息采集存在中断的车辆,即目标车辆。
在一些实施例中,在车牌号识别失败的情况下,通过车辆在待识别视频中出现的时间信息以及空间信息,确定是否存在信息采集存在中断的目标车辆,如此,能够提高在预设区域采集停放车辆的信息的准确度。
本申请实施例提供的车辆识别方法,首先,获取画面包括停放在预设区域内的车辆的待识别视频;确定待识别视频中包括的至少两辆已标记车辆;其次,在对至少两辆已标记车辆的车牌号识别失败的情况下,基于已标记车辆的跟踪标记,确定每一已标记车辆在预设区域的停放时间;确定每一已标记车辆在待识别视频的视频帧中的位置信息;最后,基于停放时间和位置信息,在至少两辆已标记车辆中,确定信息采集存在中断的目标车辆。如此,在车辆的车牌号识别失败的情况下,通过车辆在待识别视频中出现的时间信息以及空间信息,确定是否存在信息采集存在中断的目标车辆,能够提高在预设区域采集停放车辆的信息的准确度。
在一些实施例中,在至少两辆已标记车辆包括第一已标记车辆和第二已标记车辆的情况下,基于停放时间和位置信息,在至少两辆已标记车辆中,确定信息采集存在中断的目标车辆。可以通过以下步骤来实现,如图2所示,图2为本申请实施例提供的车辆识别方法的第二种实现流程示意图;结合图1和图2所示的步骤进行以下说明:
步骤S201,在停放时间中,确定第一已标记车辆的终止停放时间和第二已标记车辆的起始停放时间。
在一些实施例中,通过对第一已标记车辆在预设区域内的停放时间进行解析,分别确定第一已标记车辆的终止停放时间、起始停放时间,以及第二已标记车辆的起始停放时间和终止停放时间。其中,停放时间包括已标记车辆的起始停放时间和终止停放时间。示例性地,已标记车辆的起始停放时间和终止停放时间可以是2021年05月21日05:00:00至2021年05月21日05:15:00;每一已标记车辆的起始停放时间和终止停放时间可以分别表征时间点,同时终止停放时间晚于起始停放时间,比如:起始停放时间为2021年05月21日05:00:00,终止停放时间为2021年05月21日05:15:00。
在一些实施例中,第一已标记车辆的终止停放时间和起始停放时间,可以与第二已标记车辆的停放时间内任一时间点相同,也可不同;对应地,第二已标记车辆的终止停放时间和起始停放时间,可以与第一已标记车辆的停放时间内任一时间点相同,也可不同。在本申请以下其他实施例中,均以第一已标记车辆的终止停放时间早于第二已标记车辆的起始停放时间为例进行说明。
在一些实施例中,第一已标记车辆可以是为至少两辆已标记车辆中任一车辆,同时第二已标记车辆可以是至少两辆已标记车辆中除第一已标记车辆之外的至少一辆车辆。
步骤S202,确定第一已标记车辆的终止停放时间与第二已标记车辆的起始停放时间的时间间隔。
在一些实施例中,对第一已标记车辆的终止停放时间与第二已标记车辆的起始停放时间的时间间隔进行确定,可以得到第一已标记车辆与第二已标记车辆之间在预设区域的停放时间上的相互关系。其中,假设时间间隔大于预设时间阈值,则表明第一已标记车辆驶离停放区域之后,较长时间段后第二已标记车辆驶入预设区域进行停放,进而第一标记车辆与第二已标记车辆为不同时间段停放至预设区域的车辆,两者大概率非同一车辆。假设时间间隔小于或等于预设时间阈值,则表明第一已标记车辆与第二已标记车辆很有可能是因待识别视频中某些视频帧的画面模糊或车辆被临时遮挡,而导致信息采集存在中断的同一车辆。其中,时间间隔可以用于分钟或秒进行表示。
步骤S203,确定第一已标记车辆的位置信息与第二已标记车辆的位置信息之间的重合度。
在一些实施例中,通过将第一已标记车辆的位置信息与第二已标记车辆的位置信息进行比对,以确定第一已标记车辆的位置信息与第二已标记车辆的位置信息之间的重合度。其中,重合度表征第一已标记车辆的位置信息与第二已标记车辆的位置信息在空间上的相同程度。其中,重合度可以以数值来表示,比如:90%、70%等,也可以文字来表示,比如:高重合率、低重合率等。
步骤S204,基于时间间隔和重合度,确定第一已标记车辆和第二已标记车辆是否为目标车辆。
在一些实施例中,通过基于时间间隔和重合度,确定第一已标记车辆和第二已标记车辆是否为同一车辆,也就是确定第一已标记车辆和第二已标记车辆是否为信息采集存在中断的目标车辆。示例性地,可以通过判断时间间隔是否满足预设时间间隔,且重合度是否满足预设重合度,以确定第一已标记车辆和第二已标记车辆是否为同一车辆。示例性地,若时间间隔小于10秒,且重合度大于90%,则确定第一已标记车辆和第二已标记车辆为同一车辆,即为信息采集存在中断的目标车辆。
在一些实施例中,在车牌号识别失败的情况下,通过对至少两辆已标记车辆在待识别视频中出现的时间间隔以及位置信息的重合度进行判断,确定至少两辆已标记车辆是否为信息采集存在中断的目标车辆。如此,能够精准地识别出信息采集存在中断的车辆信息,进而能够整体提高在预设区域采集停放车辆的信息的准确度。
在一些可能的实现方式中,基于时间间隔和重合度,确定第一已标记车辆和第二已标记车辆是否为目标车辆,即上述步骤S204可以通过以下步骤来实现:
第一步,在时间间隔小于第一预设阈值,且重合度大于第二预设阈值的情况下,确定第一已标记车辆和第二已标记车辆为同一车辆。
在一些实施例中,同时对时间间隔以及重合度进行判断。其中,第一预设阈值和第二预设阈值可以是基于待识别视频的画面清晰度或待识别视频中视频帧的连续性确定的,其具体数值在本申请实施例中不作任何限定。示例性地,在第一已标记车辆的终止停放时间与第二已标记车辆的起始停放时间的时间间隔小于5秒,且第一已标记车辆的位置信息和第二已标记车辆的位置信息之间的重合度大于90%的情况下,确定第一已标记车辆和第二已标记车辆为同一车辆,即是信息采集存在中断的车辆。
第二步,将第一已标记车辆和第二已标记车辆,确定为目标车辆。
在一些实施例中,可以将第一已标记车辆和第二已标记车辆,同时确定为目标车辆。示例性地,在对待识别视频进行检测的过程中,首先检测出第一已标记车辆,并对其进行跟踪标记,标记为车辆A,在待识别视频中检测不到车辆A的3秒后,在待识别视频中检测出第二已标记车辆,并对其进行跟踪标记,标记为车辆B;通过对车辆A和车辆B在待识别视频中出现的时间间隔以及位置信息进行检测,并在该时间间隔小于第一预设阈值,且位置信息之间的重合度大于第二预设阈值的情况下,确定车辆A和车辆B为同一辆车辆。其出现该现象的原因可能是设置于预设区域的采集设备采集预设区域的信息时存在采集的视频帧模糊或车辆A被短暂遮挡,而导致车辆A的信息存在采集中断。
在一些实施例中,在车牌号识别失败的情况下,基于设定的相关阈值对至少两辆已标记车辆在待识别视频中出现的时间间隔以及位置信息的重合度进行判断,确定至少两辆已标记车辆是否为同一车辆,即是否为信息采集存在中断的目标车辆。如此,能够高效且精准地识别出信息采集存在中断的车辆,进而能够提高在预设区域采集停放车辆的信息的整体准确度。
在一些可能的实现方式中,在满足以下条件之一的情况下,确定第一已标记车辆和第二已标记车辆不是目标车辆,包括:
第二已标记车辆的起始停放时间,位于第一已标记车辆的起始停放时间与终止停放时间之间;
第一已标记车辆的位置信息与第二已标记车辆的位置信息之间的重合度小于或等于第二预设阈值;
第一已标记车辆的终止停放时间与第二已标记车辆的起始停放时间的时间间隔大于第三预设阈值;
其中,第三预设阈值大于第一预设阈值。
在一些实施例中,在第二已标记车辆的起始停放时间位于第一已标记车辆的停放时间内,或,第一已标记车辆的位置信息与第二已标记车辆的位置信息之间的重合度不大于第二预设阈值,或,第一已标记车辆的终止停放时间与第二已标记车辆的起始停放时间的时间间隔大于第三预设阈值的情况下,第一已标记车辆与第二已标记车辆不是同一车辆。
在一些实施例中,通过给出具体在何种信息下确定第一已标记车辆与第二已标记车辆非同一车辆,进而确定第一已标记车辆和第二已标记车辆不是目标车辆。如此,能够实现高效且便捷地识别任意两辆已标记车辆的关系。
在一些可能的实现方式中,将第一已标记车辆和第二已标记车辆,确定为目标车辆之后,还可以实现以下步骤:
第一步,将第一已标记车辆的跟踪标记,或第二已标记车辆的跟踪标记,确定为目标车辆的目标跟踪标记。
在一些实施例中,将第一已标记车辆的跟踪标记1,或第二已标记车辆的跟踪标记2,确定为目标车辆的目标跟踪标记。也就是从第一已标记车辆的跟踪标记和第二已标记车辆的跟踪标记中筛选出任一跟踪标记,作为目标车辆的目标跟踪标记。示例性地,在第一已标记车辆A和第二已标记车辆B为同一车辆,即目标车辆时,可以是将车辆A的跟踪标记A或车辆B的跟踪标记B,作为车辆A和车辆B的目标跟踪标记,即仅为目标车辆保留一个跟踪标记。
第二步,将第一标记车辆的跟踪标记和第二已标记车辆的跟踪标记,替换为目标跟踪标记。
在一些实施例中,将第一标记车辆的跟踪标记和第二已标记车辆的跟踪标记,替换为目标跟踪标记,即统一目标车辆的跟踪标记。其中,第一步和第二步可以是同时执行的。示例性地,第一已标记车辆的跟踪标记为A,第二已标记车辆的跟踪标记为B,仅保留跟踪标记A或跟踪标记B中的任意一个,作为目标车辆的唯一跟踪标记,以使得后期根据该唯一跟踪标记,在待识别视频中对目标车辆在预设区域的停放时间和/或停放位置进行采集。
在一些实施例中,通过从第一已标记车辆的跟踪标记和第二已标记车辆的跟踪标记中选择任一作为目标车辆的目标跟踪标记,即仅为目标车辆保留一个跟踪标记。如此,能够将信息采集存在中断的车辆的信息连贯起来,进而能够提高在预设区域采集停放车辆的信息的整体准确度。
在一些可能的实现方式中,将第一已标记车辆和第二已标记车辆,确定为目标车辆之后,还可以实现以下步骤:
第一步,基于第一已标记车辆的停放时间和第二已标记车辆的停放时间,确定目标车辆的起始停放时间和终止停放时间。
在一些实施例中,对第一已标记车辆的停放时间和第二已标记车辆的停放时间进行解析,确定目标车辆的起始停放时间和终止停放时间。示例性地,第一已标记车辆的停放时间为2021年05月21日05:00:00至2021年05月21日05:15:00、第二已标记车辆的停放时间为2021年05月21日05:10:03至2021年05月21日05:30:00,进而确定目标车辆的起始停放时间为2021年05月21日05:00:00,目标车辆的终止停放时间为2021年05月21日05:30:00。
第二步,基于目标车辆的起始停放时间和终止停放时间,确定目标车辆的停放时长。
在一些实施例中,基于目标车辆的起始停放时间和终止停放时间,确定目标车辆的起始停放时间和终止停放时间的时间间隔,并将该时间间隔确定为目标车辆的停放时长。如上述实施例所述,目标车辆的起始停放时间为2021年05月21日05:00:00,目标车辆的终止停放时间为2021年05月21日05:30:00,目标车辆的停放时长为30分钟。
第三步,基于预设停放时长和目标车辆的停放时长,生成与目标车辆相关联的告警信息。
在一些实施例中,通过对预设停放时长,比如:预设区域设置的允许预设停放时长和目标车辆的停放时长进行比较,生成目标车辆对应的告警信息。其中,该目标车辆对应的告警信息可以指代基于目标车辆停放在预设区域的停放位置和/或停放时长而产生的告警信息。示例性地,在预设停放时长为20分钟,第一已标记车辆的停放时长为22分钟,且第二已标记车辆的停放时长为21分钟,且待识别视频中采集第一标记车辆与第二已标记车辆的时间间隔为10秒,即目标车辆的总停放时长为43分钟10秒的情况下,确定目标车辆停放时长超过预设区域的允许的停放时长,发出一次告警信息。在预设停放时长为3分钟,第一已标记车辆的停放时长为2分钟,且第二已标记车辆的停放时长为1分钟,且待识别视频中采集第一标记车辆与第二已标记车辆的时间间隔为10秒,即目标车辆的总停放时长为3分钟10秒的情况下,确定目标车辆停放时长超过预设区域的允许的停放时长,发出告警信息,比如发出语音提醒或生成违规停车信息。
在一些实施例中,通过对确定的信息采集存在中断的车辆的停放时长,与预设停放时长进行比较,生成与信息采集存在中断的车辆相关联的告警信息。如此,能够在实现获取信息采集存在中断的车辆的基础上,生成精准的告警信息,即能够降低对信息采集存在中断的车辆一直不发告警或重发告警的概率。
本申请实施例提供的车辆识别方法,在车牌号识别失败的情况下,基于设定的相关阈值对至少两辆已标记车辆在待识别视频中出现的时间间隔以及位置信息的重合度进行判断,确定至少两辆已标记车辆是否为同一车辆,即是否为信息采集存在中断的目标车辆。能够高效且精准地识别出信息采集存在中断的车辆,进而能够提高在预设区域采集停放车辆的信息的整体准确度。同时能够降低对信息采集存在中断的车辆一直不发告警或重发告警的概率。
在一些实施例中,在对至少两辆已标记车辆的车牌号识别失败的情况下,基于已标记车辆的跟踪标记,确定每一已标记车辆在预设区域的停放时间之前,还可以执行以下步骤,如图3所示,图3为本申请实施例提供的车辆识别方法的第三种实现流程示意图;结合图1和图3所示的步骤进行以下说明:
步骤S301,基于每一已标记车辆的跟踪标记,对待识别视频的视频帧进行文本检测,确定每一已标记车辆的检测车牌号集合。
在一些实施例中,基于每一已标记车辆的跟踪标记,采用横向文本检测模型对述待识别视频的视频帧进行文本检测,确定每一已标记车辆的检测车牌号集合。其中,每一已标记车辆的检测车牌号集合中包括每一已标记车辆可以被检测到多个车牌号。同时,每一已标记车辆的检测车牌号集合中包括每一已标记车辆被检测到的车牌号的数量可以是一个,两个及以上。且该检测车牌号集合中每一检测车牌号可以是纯数字组合的信息、字母与数字组合的信息或纯字母组合的信息等。
步骤S302,在检测车牌号集合中,确定满足预设车牌号规则的目标车牌号集合。
在一些实施例中,在每一已标记车辆的检测车牌号集合中,筛选满足预设车牌号规则的目标车牌号集合。其中,预设车牌号规则可以为实际应用中标识车辆身份的,且符合车牌号编排规则的信息组合,比如:文字+字母+数字的组合。示例性地,第一已标记车辆的检测车牌号集合中,满足预设车牌号规则的目标车牌号集合中包括:车牌号1、车牌号2、车牌号3;第二已标记车辆的检测车牌号集合中,满足预设车牌号规则的目标车牌号集合中包括:车牌号4、车牌号5、车牌号6,其中,车牌号1、车牌号2以及车牌号3任意两个之间的相识度满足一定阈值,对应地,车牌号4、车牌号5以及车牌号6任意两个之间的相识度也满足一定阈值。
步骤S303,将目标车牌号集合中被检测到的次数最高的目标车牌号,确定为每一已标记车辆的车牌号。
在一些实施例中,将目标车牌号集合中被检测到的次数最高,即被检测到的次数最多的目标车牌号,确定为每一已标记车辆的车牌号。示例性地,车辆A的目标车牌号集合包括:车牌号1、车牌号2、车牌号3等,其中,车牌号1对应的被检测到的次数为10、车牌号2对应的被检测到的次数为3、车牌号3对应的被检测到的次数为2,进而可以确定车辆A的车牌号为车牌号1。
在一些实施例中,通过对视频流中缓存的车辆的车牌号进行识别以及筛选,在满足预设车牌号规则的目标车牌号集合中,筛选被检测到的次数最高的目标车牌号,确定为每一已标记车辆的车牌号。如此,能够给出每一已标记车辆对应准确度较高的车牌号。
步骤S304,基于每一已标记车辆的车牌号,在至少两辆已标记车辆中,确定具有相同车牌号的至少两辆车辆。
在一些实施例中,基于每一已标记车辆的车牌号,在至少两辆已标记车辆中,确定具有相同车牌号的至少两辆车辆。示例性地,车辆A的车牌号为A、车辆B的车牌号为A、车辆C的车牌号为C,进而可以确定车辆A和车辆B为同一车辆。
步骤S305,将具有相同车牌号的至少两辆车辆,确定为目标车辆。
在一些实施例中,具有相同车牌号的至少两辆车辆,其对应的跟踪不同。同时,具有相同车牌号的至少两辆具有不同跟踪标记的车辆即为信息采集存在中断的同一车辆,也就是目标车辆。
在一些实施例中,通过对视频流中缓存的车辆的车牌号进行识别以及筛选,在能够得到准确度较高的车牌号的情况下,基于该准确度较高的车牌号判断是否存在车牌号相同但跟踪标记不同的至少两辆车辆,以确定是否存在信息采集存在中断的车辆,进而能够提高在预设区域采集停放车辆的信息的整体准确度。
下面结合一个具体实施例对上述车辆识别方法进行说明,然而值得注意的是,该具体实施例仅是为了更好地说明本申请实施例,并不构成对本申请实施例的不当限定。
相关技术中,是借助于安装在禁停区域,比如:路面、街道和小区的具有摄像功能的采集设备传回的视频流,并将该视频流输入至相关算法模型以持续分析,来确定该视频流的视频帧中的机动车是否发生违停行为;进而确定违停机动车的相关信息以及基于该违停行为发出告警信息。基于此,在实际应用中,对于采集的视频流的视频帧整体清晰度和目标物体的采集质量需有一定要求,其原因有以下几点:
1、在视频流的视频帧所对应的画面存在昏暗、采集设备布置过高或过低、停放在禁停区域的车辆位置离采集设备较远、采集设备自身性能较差等情况下,会影响违停车辆的识别准确率和召回率。
2、实际禁停区域的情况较复杂,停放在禁停区域的车辆可能会经常被其它物体扫过或遮挡,而检测视频流的检测模型对待检测车辆的时间连续性有一定要求,进而该情况会导致同一车辆可能会被当作不同车辆。
3、部分车辆长时间处于能被检测模型识别与不能被识别的边缘,也就是说,该车辆在视频流的一部视频帧中能被识别,在另一部分视频帧中则不能被识别,进而导致检测车辆存在中断的现象。
4、部分车辆的车牌号也会存在长时间处于能被识别与不能被识别的边缘,即该车牌号在视频流的部分视频帧中有输出,有的则无;或者由于部分车牌号的字符不清晰,从而检测模型输出的车牌号不完整。这样会出现车牌号输出时有时无、输出的车牌号经常不一致、输出不完整的车牌号等现象。
基于以上问题,即可能存在的车辆跟踪中断现象以及车牌号检测准确度较低的问题。本申请实施例提供一种车辆识别方法,通过对视频流中缓存的车辆的车牌号进行识别以及筛选,在能够得到准确度较高的车牌号的情况下,基于该准确度较高的车牌号判断是否存在信息采集中断的车辆;同时在车辆的车牌号识别失败的情况下,通过车辆在待识别视频中出现的时间信息以及空间信息,确定是否存在信息采集存在中断的目标车辆。如此,能够提高在预设区域采集停放车辆的信息的整体准确度。基于本申请实施例提供的车辆识别方法,来判断停放在禁停区域的违停车辆的车牌号以及车辆停放信息,可通过以下步骤来实现:
第一步,通过获取安装在禁停区域的采集设备采集的,视频帧中包括停放车辆的视频流。
第二步,通过对视频流的视频帧中出现的车辆进行标记,即对视频流的视频帧中出现的车辆授予不同的跟踪标记号(track Identity Document,track ID),以作持续跟踪。同时,在车辆一直没有离开视频流的视频帧或被长时间且大面积被遮挡时,不会被当作其它车辆。也就是对视频流的视频帧中车辆进行标记,可以基于以下方案来实现:在视频流的视频帧中出现时间上不连续的车辆标记不同的track ID,对视频流的视频帧中在出现时间上连续的车辆标记相同的track ID。
第三步,对每一track ID的车辆进行车牌号检测,可以是对视频流中的视频帧进行横向文本检测。同时在检测过程中可能会存在因车牌号在视频流的视频帧中输出时有时无、输出的车牌号经常不一致、输出不完整的车牌号等现象,而导致得到每一track ID的车辆可能存在多个待检测车牌号的现象。
第四步,在能够检测到每一track ID的车辆的车牌号的情况下,对每一track ID的车辆可能存在多个待检测车牌号,通过车牌字符集或车牌号规则等进行正则表达式过滤。比如,可以是从每一track ID的车辆可能存在的多个待检测车牌号中,选择符合机动车牌号编码规则的车牌号,即合法的车牌号,作为每一track ID的车辆的目标车牌号集合。同时从每一track ID的车辆的目标车牌号集合中选择准确度最高的车牌号作为每一trackID的车辆的最终车牌号。比如,可以是从视频流中选择被检测到的次数最高的目标车牌号,作为每一track ID的车辆的最终车牌号。如此,能够提高车牌号的检测准确度以及稳定性。
此外还可以从每一track ID的车辆的最终车牌号中,确定具有相同车牌号的至少两个不同rack ID的车辆,将该至少两个不同track ID的车辆作为信息采集存在中断的目标车辆。同时可以基于两个不同track ID的车辆的停放时间等,对目标车辆在禁停区域的停放信息作出判断。进而能够提高在禁停区域采集停放车辆的信息的准确度。
如图4所示,为不同跟踪标记的车辆的多个车牌号的示意图。其中,401为从视频流中分析得到的车牌号缓存信息;402为不同track ID,如:1、2等;403为track ID为1的车辆所对应的目标车牌号集合。如图4中所示,目标车牌号集合内分别包括:车牌号/粤X00100以及其对应的检测次数10、车牌号/粤X0010O以及其对应的检测次数2、车牌号/粤X00T00以及其对应的检测次数1。同时如图4中的403所示,还有不符合车牌号编码规则的粤X00T0,因为车牌号信息不完整,将其舍去。同时最终选择检测次数最高的粤X00100,作为track ID为1的车辆的最终车牌号。
第五步,在不能够检测到每一track ID的车辆的车牌号的情况下,根据track ID,确定每一track ID的车辆的在视频流的视频帧中的停放时间,也就是在禁停区域的起始停放时间和终止停放时间。比如,在检测到有两个不同车辆A和车辆B,且车辆A在禁停区域的停放时间段为[a0,a1],车辆B在禁停区域的停放时间段为[b0,b1];如图5所示,为两辆车在禁停区域停放时间的对应关系示意图;其中501、502以及503分别对应其可能存在以下三种情况:
情况一:若a0≤b0≤a1,则车辆B与车辆A有并存的时间点,那么车辆B一定不是车辆A。
情况二:车辆A和车辆B的出现时间段相隔较久,即b0-a1的值较大,则直接默认车辆A和车辆B不是同一辆车。
情况三:车辆A和车辆B的出现时间段仅错开较短时间,即b0-a1的值较小,例如在20秒内,则在时间上,车辆A和车辆B很可能是同一辆车,即是一辆信息采集存在中断的车辆,也就是满足时间上很可能是同一车辆的条件。
第六步,在不能够检测到每一track ID的车辆的车牌号的情况下,还可以根据每一track ID的车辆,检测每一track ID的车辆在视频帧中的感兴趣区域以及视频帧的时序信息,确定每一track ID的车辆的位置信息。也就是通过track ID,确定每一track ID的车辆的位置信息。即可以是在第五步的情况三的基础上,计算车辆A的位置信息和车辆B的位置信息之间的重合度,即交叠率(Intersection Over Union,IOU),进而可以基于IOU进一步判断车辆A和车辆B是否为同一辆车。可以是给出一个阈值,在IOU低于该阈值的情况下,确定两个位置信息的重合度不高,即车辆A和车辆B不是同一辆车。其中,因为对于静止的车辆而言,两车停放的位置不同,不可能是同一辆车。在IOU高于或等于该阈值的情况下,确定两个位置信息重合度很高,说明车辆A和车辆B在同一位置上先后出现,则满足空间上两车很可能是同一车辆的条件。示例性地,如图6所示,为停放在禁停区域的三辆车之间的位置信息的示意图;其中,车辆C远离车辆A和车辆B,同时车辆A和车辆B之间的位置信息具有重合度,因为在两者的位置信息的重合度高于一阈值的情况下,可判断车辆A和车辆B在空间上可能为同一辆车。
也就是说,车辆A和车辆B的出现时间段仅错开较短时间,即b0-a1的值较小或小于某一阈值,满足时间上很可能是同一车辆的条件。同时车辆A和车辆B各自的位置信息之间的重合度很高,说明车辆A和车辆B在同一位置上先后出现,则满足空间上两车很可能是同一车辆的条件。如此,在时间上和空间上同时满足可能是同一辆车的条件下,可确定车辆A和车辆B为同一辆车,即为信息采集存在中断的车辆。
第七步,在找到信息采集存在中断的车辆后,即上文确定的车辆A和车辆B为同一辆车,比如车辆D之后,可以剔除重复标记的track ID。可以是将车辆A的跟踪标记或车辆B的跟踪标记确定为车辆D的跟踪标记,同时将车辆A和车辆B的跟踪标记对应的替换为车辆D的跟踪标记。其中,在车辆A和/或车辆B为至少两辆车辆时,也就是同一车辆可能存在信息采集中断多次的现象。
第八步,在确定车辆A和车辆B为同一辆车,比如车辆D之后,基于车辆A和车辆B在禁停区域的停放时间,确定车辆D在禁停区域的起始停放时间和终止停放时间,进而可以基于该车辆D在禁停区域的起始停放时间和终止停放时间,确定车辆D在禁停区域的停放时长。最后,可以基于车辆D在禁停区域的停放时长,以及禁停区域设置的允许停放时长,生成与车辆D相关的告警信息。
如此,通过对视频流中缓存的车辆的车牌号进行识别以及筛选,在能够得到准确度较高的车牌号的情况下,基于该准确度较高的车牌号判断是否存在信息采集终端的车辆;同时在车辆的车牌号识别失败的情况下,通过车辆在待识别视频中出现的时间信息以及空间信息,确定是否存在信息采集存在中断的目标车辆,能够提高在预设区域采集停放车辆的信息的整体准确度。进而可以降低对信息采集存在中断的车辆一直不发告警或重发告警的概率。
在一个具体的例子中,预设区域小区的禁停区域时,通过获取设置于该禁停区域的摄像头采集的视频流,且对该视频流的信息进行分析,同时在待识别视频中对至少两辆待标记车辆进行标记,得到在出现时间上不连续的车辆具有不同跟踪标记的情况下,对每一跟踪标记的车辆的车牌号进行识别以及筛选。在对停放在禁停区域的每一跟踪标记的车辆的车牌号识别成功的情况下,通过判断车牌号判断是否存在同一车牌号标记为不同跟踪标记的车辆,进而以确定出信息采集存在中断的车辆。同时在对停放在禁停区域的每一跟踪标记的车辆的车牌号识别失败的情况下,通过车辆在待识别视频中出现的时间信息以及空间信息,确定是否存在信息采集中断的目标车辆。
本申请实施例还提供一种车辆识别装置,图7为本申请实施例提供的车辆识别装置的结构组成示意图,如图7所示,所述车辆识别装置700包括:
获取模块701,用于获取画面包括停放在预设区域内的车辆的待识别视频;
第一确定模块702,用于确定所述待识别视频中包括的至少两辆已标记车辆;
第二确定模块703,用于在对所述至少两辆已标记车辆的车牌号识别失败的情况下,基于所述已标记车辆的跟踪标记,确定每一所述已标记车辆在所述预设区域的停放时间;
第二确定模块703,还用于确定每一所述已标记车辆在所述待识别视频的视频帧中的位置信息;
第三确定模块704,用于基于所述停放时间和所述位置信息,在所述至少两辆已标记车辆中,确定信息采集存在中断的目标车辆。
在一些实施例中,所述第一确定模块702,还用于在所述待识别视频中,检测所述至少两辆待标记车辆中每一待标记车辆在视频帧中的图像区域,得到每一所述待标记车辆在所述视频帧中的检测框;基于所述检测框,对每一所述待标记车辆进行标记,得到具有跟踪标记的所述至少两辆已标记车辆;其中,所述待识别视频中在出现时间上不连续的车辆的跟踪标记不同。
在一些实施例中,所述第二确定模块703,还用于在所述待识别视频中,基于每一所述已标记车辆对应的检测框,确定每一所述已标记车辆在所述视频帧中的感兴趣区域;基于所述视频帧的时序信息和每一所述已标记车辆在视频帧中的感兴趣区域,确定每一所述已标记车辆在所述视频帧中的位置信息。
在一些实施例中,所述至少两辆已标记车辆包括第一已标记车辆和第二已标记车辆,所述第三确定模块704,还用于基于所述停放时间,确定所述第一已标记车辆的终止停放时间和第二已标记车辆的起始停放时间;确定所述第一已标记车辆的终止停放时间与所述第二已标记车辆的起始停放时间的时间间隔;确定所述第一已标记车辆的位置信息与所述第二已标记车辆的位置信息之间的重合度;基于所述时间间隔和所述重合度,确定所述第一已标记车辆和所述第二已标记车辆是否为所述目标车辆。
在一些实施例中,所述第三确定模块704,还用于在所述时间间隔小于第一预设阈值,且所述重合度大于第二预设阈值的情况下,确定所述第一已标记车辆和所述第二已标记车辆为同一车辆;将所述第一已标记车辆和所述第二已标记车辆,确定为所述目标车辆。
在一些实施例中,所述车辆识别装置700还包括:更改模块705,用于将所述第一已标记车辆的跟踪标记,或所述第二已标记车辆的跟踪标记,确定为所述目标车辆的目标跟踪标记;将所述第一标记车辆的跟踪标记和所述第二已标记车辆的跟踪标记,替换为所述目标跟踪标记。
在一些实施例中,所述车辆识别装置700还包括:告警模块706,用于基于所述第一已标记车辆的停放时间和所述第二已标记车辆的停放时间,确定所述目标车辆的起始停放时间和终止停放时间;基于所述目标车辆的起始停放时间和终止停放时间,确定所述目标车辆的停放时长;基于预设停放时长和所述目标车辆的停放时长,生成与所述目标车辆相关联的告警信息。
在一些实施例中,在满足以下条件之一的情况下,确定所述第一已标记车辆和所述第二已标记车辆不是目标车辆,包括:所述第二已标记车辆的起始停放时间,位于所述第一已标记车辆的起始停放时间与终止停放时间之间;所述第一已标记车辆的位置信息与所述第二已标记车辆的位置信息之间的重合度小于或等于所述第二预设阈值;所述第一已标记车辆的终止停放时间与第二已标记车辆的起始停放时间的时间间隔大于第三预设阈值;其中,所述第三预设阈值大于所述第一预设阈值。
在一些实施例中,所述车辆识别装置700还包括:第四确定模块707,用于基于每一所述已标记车辆的跟踪标记,对所述待识别视频的视频帧进行文本检测,确定每一所述已标记车辆的检测车牌号集合;在所述检测车牌号集合中,确定满足预设车牌号规则的目标车牌号集合;将所述目标车牌号集合中被检测到的次数最高的目标车牌号,确定为每一所述已标记车辆的车牌号。
在一些实施例中,满足以下条件之一的情况下,确定对所述至少两辆已标记车辆的车牌号识别失败,包括:未识别到所述至少两辆已标记车辆的车牌号;识别到所述至少两辆已标记车辆的车牌号的置信度小于第四预设阈值。
在一些实施例中,所述车辆识别装置700还包括:第五确定模块708,用于基于每一所述已标记车辆的车牌号,在所述至少两辆已标记车辆中,确定具有相同车牌号的至少两辆车辆;将所述具有相同车牌号的至少两辆车辆,确定为所述目标车辆。
需要说明的是,以上装置实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请装置实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
需要说明的是,本申请实施例中,如果以软件功能模块的形式实现上述的车辆识别方法,并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请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,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是终端、服务器等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:U盘、运动硬盘、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样,本申请实施例不限制于任何特定的硬件和软件结合。
对应地,本申请实施例再提供一种计算机程序产品,所述计算机程序产品包括计算机可执行指令,该计算机可执行指令被执行后,能够实现本申请实施例提供的车辆识别方法。
相应的,本申请实施例提供一种计算机设备,图8为本申请实施例提供的计算机设备的组成结构示意图,如图8所示,所述计算机设备800包括:一个处理器801、至少一个通信总线804、通信接口802、至少一个外部通信接口和存储器803。其中,通信接口802配置为实现这些组件之间的连接通信。其中,通信接口802可以包括显示屏,外部通信接口可以包括标准的有线接口和无线接口。其中所述处理器801,配置为执行存储器中图像处理程序,以实现上述实施例提供的车辆识别方法。
相应的,本申请实施例再提供一种计算机存储介质,所述计算机存储介质上存储有计算机可执行指令,所述该计算机可执行指令被处理器执行时实现上述实施例提供的车辆识别方法。
以上车辆识别装置、计算机设备和存储介质实施例的描述,与上述方法实施例的描述是类似的,具有同相应方法实施例相似的技术描述和有益效果,限于篇幅,可按照上述方法实施例的记载,故在此不再赘述。对于本申请车辆识别装置、计算机设备和存储介质实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请实施例的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本申请实施例的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。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。
在本申请实施例所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本申请实施例各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本申请实施例上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请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,该计算机软件产品存储在一个存储介质中,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)执行本申请实施例各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。以上所述,仅为本申请实施例的具体实施方式,但本申请实施例的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请实施例揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请实施例的保护范围之内。因此,本申请实施例的保护范围应以所述权利要求的保护范围为准。
Claims (14)
1.一种车辆识别方法,其特征在于,所述方法包括:
获取画面包括停放在预设区域内的车辆的待识别视频;
确定所述待识别视频中包括的至少两辆已标记车辆;
在对所述至少两辆已标记车辆的车牌号识别失败的情况下,基于每一已标记车辆的跟踪标记,确定每一所述已标记车辆在所述预设区域的停放时间;
确定每一所述已标记车辆在所述待识别视频的视频帧中的位置信息;
基于所述停放时间和所述位置信息,在所述至少两辆已标记车辆中,确定信息采集存在中断的目标车辆。
2.根据权利要求1所述的方法,其特征在于,所述确定所述待识别视频中包括的至少两辆已标记车辆,包括:
在所述待识别视频中,检测所述至少两辆待标记车辆中每一待标记车辆在视频帧中的图像区域,得到每一所述待标记车辆在所述视频帧中的检测框;
基于所述检测框,对每一所述待标记车辆进行标记,得到具有跟踪标记的所述至少两辆已标记车辆;其中,所述待识别视频中在出现时间上不连续的车辆的跟踪标记不同。
3.根据权利要求2所述的方法,其特征在于,所述确定每一所述已标记车辆在所述待识别视频的视频帧中的位置信息,包括:
在所述待识别视频中,基于每一所述已标记车辆对应的检测框,确定每一所述已标记车辆在所述视频帧中的感兴趣区域;
基于所述视频帧的时序信息和每一所述已标记车辆在视频帧中的感兴趣区域,确定每一所述已标记车辆在所述视频帧中的位置信息。
4.根据权利要求1至3任一所述的方法,其特征在于,所述至少两辆已标记车辆包括第一已标记车辆和第二已标记车辆,所述基于所述停放时间和所述位置信息,在所述至少两辆已标记车辆中,确定信息采集存在中断的目标车辆,包括:
在所述停放时间中,确定所述第一已标记车辆的终止停放时间和所述第二已标记车辆的起始停放时间;
确定所述第一已标记车辆的终止停放时间与所述第二已标记车辆的起始停放时间的时间间隔;
确定所述第一已标记车辆的位置信息与所述第二已标记车辆的位置信息框之间的重合度;
基于所述时间间隔和所述重合度,确定所述第一已标记车辆和所述第二已标记车辆是否为所述目标车辆。
5.根据权利要求4所述的方法,其特征在于,所述基于所述时间间隔和所述重合度,确定所述第一已标记车辆和所述第二已标记车辆是否为所述目标车辆,包括:
在所述时间间隔小于第一预设阈值,且所述重合度大于第二预设阈值的情况下,确定所述第一已标记车辆和所述第二已标记车辆为同一车辆;
将所述第一已标记车辆和所述第二已标记车辆,确定为所述目标车辆。
6.根据权利要求5所述的方法,其特征在于,所述将所述第一已标记车辆和所述第二已标记车辆,确定为所述目标车辆之后,所述方法还包括:
将所述第一已标记车辆的跟踪标记,或所述第二已标记车辆的跟踪标记,确定为所述目标车辆的目标跟踪标记;
将所述第一标记车辆的跟踪标记和所述第二已标记车辆的跟踪标记,替换为所述目标跟踪标记。
7.根据权利要求5或6所述的方法,其特征在于,所述将所述第一已标记车辆和所述第二已标记车辆,确定为所述目标车辆之后,所述方法还包括:
基于所述第一已标记车辆的停放时间和所述第二已标记车辆的停放时间,确定所述目标车辆的起始停放时间和终止停放时间;
基于所述目标车辆的起始停放时间和终止停放时间,确定所述目标车辆的停放时长;
基于预设停放时长和所述目标车辆的停放时间,生成与所述目标车辆相关联的告警信息。
8.根据权利要求5至7任一所述的方法,其特征在于,在满足以下条件之一的情况下,确定所述第一已标记车辆和所述第二已标记车辆不是目标车辆,包括:
所述第二已标记车辆的起始停放时间,位于所述第一已标记车辆的起始停放时间与终止停放时间之间;
所述第一已标记车辆的位置信息与所述第二已标记车辆的位置信息之间的重合度小于或等于所述第二预设阈值;
所述第一已标记车辆的终止停放时间与所述第二已标记车辆的起始停放时间的时间间隔大于第三预设阈值;
其中,所述第三预设阈值大于所述第一预设阈值。
9.根据权利要求1至8任一所述的方法,其特征在于,所述在对所述至少两辆已标记车辆的车牌号识别失败的情况下,基于所述已标记车辆的跟踪标记,确定每一所述已标记车辆在所述预设区域的停放时间之前,所述方法还包括:
基于每一所述已标记车辆的跟踪标记,对所述待识别视频的视频帧进行文本检测,确定每一所述已标记车辆的检测车牌号集合;
在所述检测车牌号集合中,确定满足预设车牌号规则的目标车牌号集合;
将所述目标车牌号集合中被检测到的次数最高的目标车牌号,确定为每一所述已标记车辆的车牌号。
10.根据权利要求1至9任一所述的方法,其特征在于,在满足以下条件之一的情况下,确定对所述至少两辆已标记车辆的车牌号识别失败,包括:
未识别到所述至少两辆已标记车辆的车牌号;
识别到所述至少两辆已标记车辆的车牌号的置信度小于第四预设阈值。
11.根据权利要求10所述的方法,其特征在于,所述将所述目标车牌号集合中被检测到的次数最高的目标车牌号,确定为每一所述已标记车辆的车牌号之后,所述方法还包括:
基于每一所述已标记车辆的车牌号,在所述至少两辆已标记车辆中,确定具有相同车牌号的至少两辆车辆;
将所述具有相同车牌号的至少两辆车辆,确定为所述目标车辆。
12.一种车辆识别装置,其特征在于,所述装置包括:
获取模块,用于获取画面包括停放在预设区域内的车辆的待识别视频;
第一确定模块,用于确定所述待识别视频中包括的至少两辆已标记车辆;
第二确定模块,用于在对所述至少两辆已标记车辆的车牌号识别失败的情况下,基于每一已标记车辆的跟踪标记,确定每一所述已标记车辆在所述预设区域的停放时间;
第二确定模块,还用于确定每一所述已标记车辆在所述待识别视频的视频帧中的位置信息;
第三确定模块,用于基于所述停放时间和所述位置信息,在所述至少两辆已标记车辆中,确定信息采集存在中断的目标车辆。
13.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器上存储有计算机可执行指令,所述处理器运行所述存储器上的计算机可执行指令时能够实现权利要求1至11任一项所述的车辆识别方法。
14.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机可执行指令,该计算机可执行指令被执行后,能够实现权利要求1至11任一项所述的车辆识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111226577.0A CN113963153A (zh) | 2021-10-21 | 2021-10-21 | 车辆识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111226577.0A CN113963153A (zh) | 2021-10-21 | 2021-10-21 | 车辆识别方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113963153A true CN113963153A (zh) | 2022-01-21 |
Family
ID=79465894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111226577.0A Withdrawn CN113963153A (zh) | 2021-10-21 | 2021-10-21 | 车辆识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113963153A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114566043A (zh) * | 2022-02-09 | 2022-05-31 | 浙江大华技术股份有限公司 | 一种目标停放的取证方法、装置及可读存储介质 |
CN114596508A (zh) * | 2022-03-14 | 2022-06-07 | 浙江这里飞科技有限公司 | 基于无人机的违章识别方法、装置、计算机设备及存储介质 |
CN115131964A (zh) * | 2022-06-23 | 2022-09-30 | 重庆交通大学 | 隧道车流量感知*** |
CN117994989A (zh) * | 2024-04-02 | 2024-05-07 | 云南省公路科学技术研究院 | 基于目标去重的交通流量监测方法、***、终端及介质 |
-
2021
- 2021-10-21 CN CN202111226577.0A patent/CN113963153A/zh not_active Withdrawn
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114566043A (zh) * | 2022-02-09 | 2022-05-31 | 浙江大华技术股份有限公司 | 一种目标停放的取证方法、装置及可读存储介质 |
CN114566043B (zh) * | 2022-02-09 | 2023-09-22 | 浙江大华技术股份有限公司 | 一种目标停放的取证方法、装置及可读存储介质 |
CN114596508A (zh) * | 2022-03-14 | 2022-06-07 | 浙江这里飞科技有限公司 | 基于无人机的违章识别方法、装置、计算机设备及存储介质 |
CN115131964A (zh) * | 2022-06-23 | 2022-09-30 | 重庆交通大学 | 隧道车流量感知*** |
CN115131964B (zh) * | 2022-06-23 | 2024-02-20 | 重庆交通大学 | 隧道车流量感知*** |
CN117994989A (zh) * | 2024-04-02 | 2024-05-07 | 云南省公路科学技术研究院 | 基于目标去重的交通流量监测方法、***、终端及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113963153A (zh) | 车辆识别方法、装置、设备及存储介质 | |
CN109166261B (zh) | 基于图像识别的图像处理方法、装置、设备及存储介质 | |
CN107705552B (zh) | 一种应急车道占用行为检测方法、装置及*** | |
US10824881B2 (en) | Device and method for object recognition of an input image for a vehicle | |
CN113191293B (zh) | 广告检测方法、装置、电子设备、***及可读存储介质 | |
CN112464755A (zh) | 一种监控方法及装置、电子设备、存储介质 | |
CN112288975A (zh) | 一种事件预警的方法和装置 | |
CN113450578B (zh) | 交通违章事件取证方法、装置、设备及*** | |
CN113963316A (zh) | 目标事件的确定方法、装置、存储介质及电子装置 | |
CN113179423A (zh) | 事件的检测输出方法及装置、电子设备和存储介质 | |
CN112329499B (zh) | 一种图像处理方法、装置及设备 | |
CN111985304A (zh) | 巡防告警方法、***、终端设备及存储介质 | |
CN113408319A (zh) | 一种城市道路异常感知处理方法、装置、***及存储介质 | |
WO2023124385A1 (zh) | 摄像装置遮挡检测方法、装置、电子设备、存储介质及计算机程序产品 | |
CN115880632A (zh) | 超时停留检测方法、监控设备、计算机可读存储介质和芯片 | |
CN114511825A (zh) | 一种区域占用检测方法、装置、设备及存储介质 | |
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 | |
KR102435435B1 (ko) | 인공지능 기반 차량번호 및 보행자 검색 시스템 및 방법 | |
CN110766949B (zh) | 违章抓拍方法及装置 | |
CN112990153A (zh) | 一种多目标行为识别方法、装置、存储介质以及电子设备 | |
CN111950501A (zh) | 障碍物检测方法、装置以及电子设备 | |
JPH11203567A (ja) | 監視用画像処理装置 | |
CN114173064B (zh) | 一种多重曝光方法、装置及电子设备 | |
CN115861624B (zh) | 摄像头被遮挡的检测方法、装置、设备及存储介质 | |
CN113501003B (zh) | 辅助驾驶提示方法、装置、设备、存储介质及程序产品 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220121 |