CN113989705A - 用于输出信息的方法、装置、设备以及存储介质 - Google Patents
用于输出信息的方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN113989705A CN113989705A CN202111238283.XA CN202111238283A CN113989705A CN 113989705 A CN113989705 A CN 113989705A CN 202111238283 A CN202111238283 A CN 202111238283A CN 113989705 A CN113989705 A CN 113989705A
- Authority
- CN
- China
- Prior art keywords
- information
- vehicle
- determining
- abnormally stopped
- target area
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000002372 labelling Methods 0.000 claims description 28
- 230000004044 response Effects 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 230000006399 behavior Effects 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 20
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000012806 monitoring device Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本公开提供了用于输出信息的方法、装置、设备以及存储介质,涉及智能交通、计算机视觉和深度学习技术领域。具体实现方案为:获取图像流;根据图像流,确定目标区域内异常停留车辆的信息;响应于确定异常停留车辆的信息满足预设条件,对异常停留车辆周围的行人进行检测,得到行人信息;基于异常停留车辆的信息以及行人信息,确定目标区域内是否发生事故;将所确定的信息输出。本实现方式可以对车辆事故进行预测,提高事故的处理效率。
Description
技术领域
本公开涉及人工智能技术领域,具体涉及智能交通、计算机视觉和深度学习技术领域,尤其涉及用于输出信息的方法、装置、设备以及存储介质。
背景技术
随着社会经济的发展和居民生活水平的提高,国内汽车的保有量持续提升,但是与此同时,也带来了一系列的问题,例如环境污染、交通事故频发等。
目前智能交通是国家重点发展的战略之一,如何快速检测到道路上发生的交通事故,并进行事故的处理和人员的救治,是智能交通的重点内容。
发明内容
本公开提供了一种用于输出信息的方法、装置、设备以及存储介质。
根据第一方面,提供了一种用于输出信息的方法,包括:获取图像流;根据图像流,确定目标区域内异常停留车辆的信息;响应于确定异常停留车辆的信息满足预设条件,对异常停留车辆周围的行人进行检测,得到行人信息;基于异常停留车辆的信息以及行人信息,确定目标区域内是否发生事故;将所确定的信息输出。
根据第二方面,提供了一种用于输出信息的装置,包括:图像流获取单元,被配置成获取图像流;车辆信息确定单元,被配置成根据图像流,确定目标区域内异常停留车辆的信息;行人信息确定单元,被配置成响应于确定异常停留车辆的信息满足预设条件,对异常停留车辆周围的行人进行检测,得到行人信息;事故预测单元,被配置成基于异常停留车辆的信息以及行人信息,确定目标区域内是否发生事故;信息输出单元,被配置成将所确定的信息输出。
根据第三方面,提供了一种电子设备,包括:至少一个处理器;以及与上述至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,上述指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面所描述的方法。
根据第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,上述计算机指令用于使计算机执行如第一方面所描述的方法。
根据第五方面,一种计算机程序产品,包括计算机程序,上述计算机程序在被处理器执行时实现如第一方面所描述的方法。
根据本公开的技术可以对车辆事故进行预测,提高事故的处理效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开的一个实施例可以应用于其中的示例性***架构图;
图2是根据本公开的用于输出信息的方法的一个实施例的流程图;
图3是根据本公开的用于输出信息的方法的一个应用场景的示意图;
图4是根据本公开的用于输出信息的方法的另一个实施例的流程图;
图5是根据本公开的用于输出信息的装置的一个实施例的结构示意图;
图6是用来实现本公开实施例的用于输出信息的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的用于输出信息的方法或用于输出信息的装置的实施例的示例性***架构100。
如图1所示,***架构100可以包括监控设备101,终端设备102、103,网络104和服务器105。网络104用以在监控设备101,终端设备102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
监控设备101可以不间断采集目标区域的视频,并将所采集的视频通过网络104发送给终端设备102、103或服务器105,以供终端设备102、103或服务器105对上述视频进行处理。
用户可以使用终端设备102、103通过网络104与服务器105交互,以接收或发送消息等。例如,从服务器105处获取各种已训练的模型,用于事故预测或者用于车辆检测等等。终端设备102、103上可以安装有各种通讯客户端应用,例如图像处理类应用等。
终端设备102、103可以是硬件,也可以是软件。当终端设备102、103为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、车载电脑、膝上型便携计算机和台式计算机等等。当终端设备102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如为终端设备102、103上提供各种图像处理模型的后台服务器或者为监控设备101采集的视频提供处理服务器的后台服务器。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开实施例所提供的用于输出信息的方法可以由终端设备102、103执行,也可以由服务器105执行。相应地,用于输出信息的装置可以设置于终端设备102、103中,也可以设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的用于输出信息的方法的一个实施例的流程200。本实施例的用于输出信息的方法,包括以下步骤:
步骤201,获取图像流。
本实施例中,用于输出信息的方法的执行主体可以通过各种方式获取图像流。这里,图像流可以指采集时间相差范围小于预设阈值的多张图像的。图像流可以从视频流中抽取得到。图像流中的各图像可以针对同一区域,上述区域中可以包括多个行驶的车辆。
步骤202,根据图像流,确定目标区域内异常停留车辆的信息。
本实施例中,执行主体可以对图像流中的各图像进行车辆检测等处理,确定目标区域中的各车辆。根据各车辆在各图像中的位置判断车辆位置是否发生变化。执行主体可以将连续多个位置未发生变化的车辆作为异常停留车辆。然后,进一步确定异常停留车辆的信息。上述信息可以包括异常停留车辆的数量、车牌号码、车辆尺寸、车辆颜色等等。
步骤203,响应于确定异常停留车辆的信息满足预设条件,对异常停留车辆周围的行人进行检测,得到行人信息。
执行主体在得到异常停留车辆的信息后,可以判断上述信息是否满足预设条件,如果满足,则可以进一步对车辆周围的行人进行检测。如果不满足,则直接认定当前未发生事故,不进行后续的检测。这里,预设条件可以是能够判断出目标区域是否发生道路拥堵的条件。如果异常停留车辆的数量大于预设阈值或者异常停留车辆的数量在一段时间内数量变化较大,则认为发生道路拥堵的可能性更大。因此,这里预设条件可以包括但不限于:异常停留车辆的数量小于预设数量、异常停留车辆的数量变化范围小于预设阈值。
在进行行人检测时,执行主体可以利用各种人体检测算法进行人体检测,将检测到的每个人体作为一个行人。执行主体可以通过上述人体检测算法,确定行人信息。上述行人信息可以包括行人的位置、行人的行为等等。
步骤204,基于异常停留车辆的信息以及行人信息,确定目标区域内是否发生事故。
执行主体在得到异常停留车辆的信息以及行人信息后,可以结合与上述两信息分别对应的权重和/或分值计算函数,计算上述两信息对应的分值。如果上述分值大于预设阈值,则认为发生事故的可能性大。相应的,如果上述分值小于或等于预设阈值,则认为发生事故的可能性小。或者,执行主体可以将上述两信息输入预先训练的事故预测模型中,根据上述事故预测模型的输出确定目标区域内是否发生事故。上述事故预测模型可以用于表征异常停留车辆的信息以及行人信息与事故预测概率的对应关系。
步骤205,将所确定的信息输出。
执行主体可以将确定的结果输出。具体的,如果执行主体预测发生事故的可能性较大,可以将上述信息输出给交警部门,以供交警部门进行进一步判断以及处理。
继续参见图3,其示出了根据本公开的用于输出信息的方法的一个应用场景的示意图。在图3的应用场景中,通过利用监控301对行驶在目标路面的各车辆进行监控,得到监控视频。监控301可以将监控视频发送给服务器302,服务器302可以对上述监控视频进行步骤201~204的处理。然后,在确定当前发生事故的可能性较大的情况下,将上述车辆的信息发送给终端设备302,以供交警部门进一步核实。
本公开的上述实施例提供的用于输出信息的方法,可以对车辆事故进行预测,提高事故的处理效率。
继续参见图4,其示出了根据本公开的用于输出信息的方法的另一个实施例的流程400。如图4所示,本实施例的方法可以包括以下步骤:
步骤401,获取目标区域的监控采集的视频流;对视频流进行解码,以及对解码后的视频流进行抽帧,确定图像流。
本实施例中,执行主体可以从目标区域的监控处获取其采集的视频流。然后,执行主体可以对上述视频流进行解码,得到解码后的视频流。然后,对上述解码后的视频流进行抽帧,确定图像流。在抽帧时,可以每个预设数量个视频帧抽取一帧加入图像流中。
步骤402,确定是否接收到预设标注区域;响应于接收到预设标注区域,将预设标注区域作为目标区域;响应于未接收到预设标注区域,将图像流中各图像的区域作为目标区域。
执行主体可以进一步判断是否接收到预设标注区域。上述预设标注区域可以是图像流所监控的区域中的一部分区域,也可以是所监控的区域中可供车辆行驶的区域。上述预设标注区域可以是技术人员根据实际应用场景划定的区域。如果执行主体接收到预设标注区域,则可以将预设标注区域作为目标区域。如果执行主体未接收到预设标注区域,则可以将图像流中各图像中的区域作为目标区域。即如果技术人员没有指定区域,则执行主体可以将图像中的所有区域均作为目标区域。
步骤403,确定图像流中每张图像的目标区域中各车辆的位置;确定各车辆在单个位置的停留时间;将停留时间大于预设时长的车辆作为异常停留车辆;确定异常停留车辆的信息。
执行主体可以对图像流中每张图像进行分析处理,分别确定在各张图像的目标区域中各车辆的位置。并统计各个车辆在单个位置的停留时间。执行主体可以将停留时间大于预设时长的车辆作为异常停留车辆。具体的,执行主体可以根据图像流中每张图像的采集时间,对该张图像中的车辆的位置进行确认。然后,针对每个车辆进行统计,即统计每个车辆的开始停留时间和结束停留时间。从而可以得到每个车辆在单个位置的停留时长。然后进一步确定异常停留车辆的信息。
在本实施例的一些可选的实现方式中,执行主体可以通过以下步骤确定异常停留车辆的信息:确定异常停留车辆的标注框;确定各标注框之间的重合面积。
本实现方式中,执行主体可以利用车辆检测算法对异常停留车辆进行标注,确定每个异常停留车辆的标注框。执行主体可以根据每个标注框的位置,确定各标注框之间的重合面积。上述重合面积可以根据各标注框的位置和尺寸来确定。
在本实施例的一些可选的实现方式中,执行主体可以通过以下步骤确定异常停留车辆的信息:对异常停留车辆进行车牌号码识别,确定异常停留车辆的车牌号码。
本实现方式中,执行主体可以利用图像处理算法或者文本识别算法对异常停留车辆进行车牌号码识别,确定异常停留车辆的车牌号码。
步骤404,确定异常停留车辆的数量;对图像流中各图像进行信号灯检测,确定信号灯的状态;响应于确定异常停留车辆的数量小于第一预设数量,并且数量在不同状态的信号灯时变化范围小于第二预设数量,确定异常停留车辆的信息满足预设条件。
本实施例中,异常停留车辆的信息可以包括异常停留车辆的数量。执行主体还可以对图像流中各图像进行信号灯检测,确定信号灯的状态。具体的,执行主体可以利用腐蚀膨胀等算法对图像流中各图像进行处理,首先确定信号灯所处的区域。然后确定信号灯的状态。信号灯的状态可以包括红灯状态、绿灯状态和黄灯状态。执行主体提出可以首先判断上述数量是否小于第一预设数量(例如可以为10),如果是,则可以继续判断上述数量在不同状态的信号灯时变化范围小于第二预设数量。这里,考虑到在道路拥堵的情况下,信号灯的改变会引起一部分车辆行走,在后续时间段里会有新的车辆停留在拥堵路段。为了避免将拥堵识别为事故,因此将信号灯对车辆停留状态的影响考虑进来。当上述两个条件都满足时,才能确定当前满足预设条件,可以进一步进行后续的判断。
步骤405,响应于确定异常停留车辆的信息满足预设条件,对异常停留车辆周围的行人进行检测,确定行人的位置和行为。
如果执行主体确定异常停留车辆的信息满足预设条件,则可以进一步对异常停留车辆周围的行人进行检测,确定行人的位置和行为。这里,周围可以理解为以车辆的中心为圆心,以1.5个车身为半径所确定的圆为车辆周围区域。在进行行人检测时,可以确定行人的位置和行为。行人的位置可以是与车辆的相对位置,也可以是在图像流中各图像中的位置。行人的行为可以包括打电话行为、绕车行为等等。
步骤406,根据异常停留车辆的信息、行人信息以及对应的权重,确定目标区域内是否发生事故。
本实施例中,执行主体可以将异常停留车辆的信息、行人信息中的各项分别与对应的权重相乘,确定最终的分值。并将上述分值与预设的分数阈值进行比较,如果大于上述分数阈值,则认为发生事故的可能性大。如果小于或等于上述分数阈值,则认为发生事故的可能性小。具体的,异常停留车辆的信息可以包括:异常停留车辆的数量Num、异常停留时间Time和异常停留车辆的重合面积Scope。行人信息可以包括:行人的数量Human和行人状态Status。可以为每项信息设定一个权重,例如各项对应的权重分别为0.3、0.3、0.2、0.15、0.05。执行主体还可以为各项确定系数,系数的确定由各项的数值来确定。具体参见下表:
执行主体可以将权重与系数相乘后相加,得到最终的可能性。
在本实施例的一些可选的实现方式中,执行主体可以将上述各项信息输入到预先训练的事故预测模型中,得到事故预测概率。如果事故预测概率大于预设阈值,则认为发生事故的可能性大。
步骤407,将所确定的信息输出。
在本实施例的一些可选的实现方式中,执行主体还可以对图像流中的各图像进行人脸识别,确定行人的身份。同时将行人的身份发送给交警部门,以供交警部门进行后续的处理。
本公开的上述实施例提供的用于输出信息的方法,可以综合考虑多种因素,提升判断的准确率和效果。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于输出信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于输出信息的装置500包括:图像流获取单元501、车辆信息确定单元502、行人信息确定单元503、事故预测单元504和信息输出单元505。
图像流获取单元501,被配置成获取图像流。
车辆信息确定单元502,被配置成根据图像流,确定目标区域内异常停留车辆的信息。
行人信息确定单元503,被配置成响应于确定异常停留车辆的信息满足预设条件,对异常停留车辆周围的行人进行检测,得到行人信息。
事故预测单元504,被配置成基于异常停留车辆的信息以及行人信息,确定目标区域内是否发生事故。
信息输出单元505,被配置成将所确定的信息输出。
在本实施例的一些可选的实现方式中,图像流获取单元501可以进一步被配置成:获取目标区域的监控采集的视频流;对视频流进行解码,以及对解码后的视频流进行抽帧,确定图像流。
在本实施例的一些可选的实现方式中,装置500还可以包括目标区域确定单元,被配置成:确定是否接收到预设标注区域;响应于接收到预设标注区域,将预设标注区域作为目标区域。
在本实施例的一些可选的实现方式中,目标区域确定单元进一步被配置成:响应于未接收到预设标注区域,将图像流中各图像的区域作为目标区域。
在本实施例的一些可选的实现方式中,车辆信息确定单元502可以进一步被配置成:确定图像流中每张图像的目标区域中各车辆的位置;确定各车辆在单个位置的停留时间;将停留时间大于预设时长的车辆作为异常停留车辆;确定异常停留车辆的信息。
在本实施例的一些可选的实现方式中,车辆信息确定单元502可以进一步被配置成:确定异常停留车辆的标注框;确定各标注框之间的重合面积。
在本实施例的一些可选的实现方式中,车辆信息确定单元502可以进一步被配置成:对异常停留车辆进行车牌号码识别,确定异常停留车辆的车牌号码。
在本实施例的一些可选的实现方式中,装置500还可以包括条件判断单元,被配置成:确定异常停留车辆的数量;对图像流中各图像进行信号灯检测,确定信号灯的状态;响应于确定异常停留车辆的数量小于第一预设数量,并且数量在不同状态的信号灯时变化范围小于第二预设数量,确定异常停留车辆的信息满足预设条件。
在本实施例的一些可选的实现方式中,行人信息确定单元503可以进一步被配置成:对异常停留车辆周围的行人进行检测,确定行人的位置和行为。
在本实施例的一些可选的实现方式中,事故预测单元504可以进一步被配置成:根据异常停留车辆的信息、行人信息以及对应的权重,确定目标区域内是否发生事故。
应当理解,用于输出信息的装置500中记载的单元501至单元505分别与参考图2中描述的方法中的各个步骤相对应。由此,上文针对用于输出信息的方法描述的操作和特征同样适用于装置500及其中包含的单元,在此不再赘述。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了根据本公开实施例的执行用于输出信息的方法的电子设备600的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,电子设备600包括处理器601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储器608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储电子设备600操作所需的各种程序和数据。处理器601、ROM 602以及RAM 603通过总线604彼此相连。I/O接口(输入/输出接口)605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储器608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许电子设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器601可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器601执行上文所描述的各个方法和处理,例如用于输出信息的方法。例如,在一些实施例中,用于输出信息的方法可被实现为计算机软件程序,其被有形地包含于机器可读存储介质,例如存储器608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到RAM 603并由处理器601执行时,可以执行上文描述的用于输出信息的方法的一个或多个步骤。备选地,在其他实施例中,处理器601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行用于输出信息的方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。上述程序代码可以封装成计算机程序产品。这些程序代码或计算机程序产品可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器601执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读存储介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读存储介质可以是机器可读信号存储介质或机器可读存储介质。机器可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学存储设备、磁存储设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(“Virtual Private Server”,或简称“VPS”)中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以是分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开的保护范围之内。
Claims (23)
1.一种用于输出信息的方法,包括:
获取图像流;
根据所述图像流,确定目标区域内异常停留车辆的信息;
响应于确定所述异常停留车辆的信息满足预设条件,对所述异常停留车辆周围的行人进行检测,得到行人信息;
基于所述异常停留车辆的信息以及所述行人信息,确定所述目标区域内是否发生事故;
将所确定的信息输出。
2.根据权利要求1所述的方法,其中,所述获取图像流,包括:
获取目标区域的监控采集的视频流;
对所述视频流进行解码,以及对解码后的视频流进行抽帧,确定所述图像流。
3.根据权利要求1所述的方法,其中,所述方法还包括:
确定是否接收到预设标注区域;
响应于接收到所述预设标注区域,将所述预设标注区域作为所述目标区域。
4.根据权利要求3所述的方法,其中,所述方法还包括:
响应于未接收到所述预设标注区域,将所述图像流中各图像的区域作为所述目标区域。
5.根据权利要求1所述的方法,其中,所述根据所述图像流,确定目标区域内异常停留车辆的信息,包括:
确定所述图像流中每张图像的目标区域中各车辆的位置;
确定各车辆在单个位置的停留时间;
将停留时间大于预设时长的车辆作为异常停留车辆;
确定所述异常停留车辆的信息。
6.根据权利要求1-5任一项所述的方法,其中,所述确定所述异常停留车辆的信息,包括:
确定所述异常停留车辆的标注框;
确定各标注框之间的重合面积。
7.根据权利要求1-5任一项所述的方法,其中,所述确定所述异常停留车辆的信息,包括:
对所述异常停留车辆进行车牌号码识别,确定所述异常停留车辆的车牌号码。
8.根据权利要求1-7任一项所述的方法,其中,所述方法还包括:
确定所述异常停留车辆的数量;
对所述图像流中各图像进行信号灯检测,确定信号灯的状态;
响应于确定所述异常停留车辆的数量小于第一预设数量,并且所述数量在不同状态的信号灯时变化范围小于第二预设数量,确定所述异常停留车辆的信息满足预设条件。
9.根据权利要求1所述的方法,其中,所述对所述异常停留车辆周围的行人进行检测,得到行人信息,包括:
对所述异常停留车辆周围的行人进行检测,确定行人的位置和行为。
10.根据权利要求1-9任一项所述的方法,其中,所述基于所述异常停留车辆的信息以及所述行人信息,确定所述目标区域内是否发生事故,包括:
根据所述异常停留车辆的信息、所述行人信息以及对应的权重,确定所述目标区域内是否发生事故。
11.一种用于输出信息的装置,包括:
图像流获取单元,被配置成获取图像流;
车辆信息确定单元,被配置成根据所述图像流,确定目标区域内异常停留车辆的信息;
行人信息确定单元,被配置成响应于确定所述异常停留车辆的信息满足预设条件,对所述异常停留车辆周围的行人进行检测,得到行人信息;
事故预测单元,被配置成基于所述异常停留车辆的信息以及所述行人信息,确定所述目标区域内是否发生事故;
信息输出单元,被配置成将所确定的信息输出。
12.根据权利要求11所述的装置,其中,所述图像流获取单元进一步被配置成:
获取目标区域的监控采集的视频流;
对所述视频流进行解码,以及对解码后的视频流进行抽帧,确定所述图像流。
13.根据权利要求11所述的装置,其中,所述装置还包括目标区域确定单元,被配置成:
确定是否接收到预设标注区域;
响应于接收到所述预设标注区域,将所述预设标注区域作为所述目标区域。
14.根据权利要求13所述的装置,其中,所述目标区域确定单元进一步被配置成:
响应于未接收到所述预设标注区域,将所述图像流中各图像的区域作为所述目标区域。
15.根据权利要求11所述的装置,其中,所述车辆信息确定单元进一步被配置成:
确定所述图像流中每张图像的目标区域中各车辆的位置;
确定各车辆在单个位置的停留时间;
将停留时间大于预设时长的车辆作为异常停留车辆;
确定所述异常停留车辆的信息。
16.根据权利要求11-15任一项所述的装置,其中,所述车辆信息确定单元进一步被配置成:
确定所述异常停留车辆的标注框;
确定各标注框之间的重合面积。
17.根据权利要求11-15任一项所述的装置,其中,所述车辆信息确定单元进一步被配置成:
对所述异常停留车辆进行车牌号码识别,确定所述异常停留车辆的车牌号码。
18.根据权利要求11-17任一项所述的装置,其中,所述装置还包括条件判断单元,被配置成:
确定所述异常停留车辆的数量;
对所述图像流中各图像进行信号灯检测,确定信号灯的状态;
响应于确定所述异常停留车辆的数量小于第一预设数量,并且所述数量在不同状态的信号灯时变化范围小于第二预设数量,确定所述异常停留车辆的信息满足预设条件。
19.根据权利要求11所述的装置,其中,所述行人信息确定单元进一步被配置成:
对所述异常停留车辆周围的行人进行检测,确定行人的位置和行为。
20.根据权利要求11-19任一项所述的装置,其中,所述事故预测单元进一步被配置成:
根据所述异常停留车辆的信息、所述行人信息以及对应的权重,确定所述目标区域内是否发生事故。
21.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法。
22.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-10中任一项所述的方法。
23.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111238283.XA CN113989705A (zh) | 2021-10-25 | 2021-10-25 | 用于输出信息的方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111238283.XA CN113989705A (zh) | 2021-10-25 | 2021-10-25 | 用于输出信息的方法、装置、设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113989705A true CN113989705A (zh) | 2022-01-28 |
Family
ID=79740772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111238283.XA Pending CN113989705A (zh) | 2021-10-25 | 2021-10-25 | 用于输出信息的方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113989705A (zh) |
-
2021
- 2021-10-25 CN CN202111238283.XA patent/CN113989705A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112634611B (zh) | 用于识别路况的方法、装置、设备以及存储介质 | |
CN113240909A (zh) | 车辆监测方法、设备、云控平台和车路协同*** | |
CN112863187B (zh) | 感知模型的检测方法、电子设备、路侧设备和云控平台 | |
CN113538963A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN112818792A (zh) | 车道线检测方法、装置、电子设备及计算机存储介质 | |
CN115359471A (zh) | 图像处理及联合检测模型训练方法、装置、设备和存储介质 | |
CN112329963A (zh) | 数据处理方法、数据处理装置、存储介质和电子设备 | |
CN113052047B (zh) | 交通事件的检测方法、路侧设备、云控平台及*** | |
CN113963186A (zh) | 目标检测模型的训练方法、目标检测方法及相关装置 | |
CN113177497A (zh) | 视觉模型的训练方法、车辆识别方法及装置 | |
CN115908816A (zh) | 基于人工智能的积水识别方法、装置、设备及存储介质 | |
CN113989705A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN115526837A (zh) | 一种异常行车检测方法、装置、电子设备以及介质 | |
CN114677848A (zh) | 感知预警***、方法、装置及计算机程序产品 | |
CN114445710A (zh) | 图像识别方法、装置、电子设备以及存储介质 | |
CN114708498A (zh) | 图像处理方法、装置、电子设备以及存储介质 | |
CN113869317A (zh) | 车牌识别方法、装置、电子设备和存储介质 | |
CN114333417A (zh) | 一种车辆安全检测方法、装置、电子设备及存储介质 | |
CN113989300A (zh) | 车道线分割的方法、装置、电子设备和存储介质 | |
CN113326889A (zh) | 用于训练模型的方法和装置 | |
CN113807209A (zh) | 车位检测方法、装置、电子设备及存储介质 | |
CN113947945B (zh) | 车辆行驶的报警方法、装置、电子设备和可读存储介质 | |
CN112818972A (zh) | 兴趣点图像的检测方法、装置、电子设备及存储介质 | |
CN114093170B (zh) | 一种信号机控制方案的生成方法、***、装置及电子设备 | |
CN115345247B (zh) | 模型训练和公路轴载确定方法、装置、设备及介质 |
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 |