CN114187758A - 基于智能道路边缘计算网关的车辆检测方法和*** - Google Patents
基于智能道路边缘计算网关的车辆检测方法和*** Download PDFInfo
- Publication number
- CN114187758A CN114187758A CN202111209254.0A CN202111209254A CN114187758A CN 114187758 A CN114187758 A CN 114187758A CN 202111209254 A CN202111209254 A CN 202111209254A CN 114187758 A CN114187758 A CN 114187758A
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- image
- traffic
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 241000283070 Equus zebra Species 0.000 claims description 40
- 239000002131 composite material Substances 0.000 claims description 27
- 230000002776 aggregation Effects 0.000 claims description 25
- 238000004220 aggregation Methods 0.000 claims description 25
- 238000007781 pre-processing Methods 0.000 claims description 21
- 239000007787 solid Substances 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000006835 compression Effects 0.000 claims description 8
- 238000007906 compression Methods 0.000 claims description 8
- 239000006185 dispersion Substances 0.000 abstract description 19
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010130 dispersion processing Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- 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
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Signal Processing (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了基于智能道路边缘计算网关的车辆检测方法和***,其通过分布式摄像物联网采集道路不同区域的影像,并将影像通过物联网网关传送至边缘计算终端进行截选,以此获得包含目标车辆和特定道路区域的目标图像,这样能够针对目标车辆和特定道路区域进行图像识别,并判断道路是否存在交通拥堵和目标车辆是否存在行驶违规,再生成道路交通处理通知消息并发送至交通处理终端,这样能够根据道路的实际交通情况灵活地安排人员进行交通疏导管理,从而大大降低交通疏导管理的人力成本以及对城市道路进行全面化和智能化的监控管理。
Description
技术领域
本发明涉及道路交通监控的技术领域,特别涉及基于智能道路边缘计算网关的车辆检测方法和***。
背景技术
城市道路的交通环境复杂多变,特别在早晚高峰时段,城市主干道上行车数量剧增,容易导致交通拥堵或者车辆压线变道等情况,这不仅加重城市主干道的交通拥堵程度,并且还容易发生交通意外。为了对城市道路进行交通疏导,通常都是在城市道路的路口区域安排交通管理人员,对现场车辆进行调度。但是这种方式只能在重点的路口区域进行交通疏导,这不仅增加交通疏导管理的人力成本,同时也无法对城市道路进行全面化和智能化的交通疏导管理,从而降低城市交通管理的效率。
发明内容
针对现有技术存在的缺陷,本发明提供基于智能道路边缘计算网关的车辆检测方法和***,其通过分布式摄像物联网采集道路不同区域的影像,并将影像通过物联网网关传送至边缘计算终端进行截选,以此获得包含目标车辆和特定道路区域的目标图像,这样能够针对目标车辆和特定道路区域进行图像识别,并判断道路是否存在交通拥堵和目标车辆是否存在行驶违规,再生成道路交通处理通知消息并发送至交通处理终端,这样能够根据道路的实际交通情况灵活地安排人员进行交通疏导管理,从而大大降低交通疏导管理的人力成本以及对城市道路进行全面化和智能化的监控管理。
本发明提供基于智能道路边缘计算网关的车辆检测方法,其特征在于,其包括如下步骤:
步骤S1,通过分布式摄像物联网采集道路不同区域的影像;对所述影像进行预处理后,将所述影像通过物联网网关传送至边缘计算终端;再将对所述影像进行截选,从而得到包含目标车辆和特定道路区域的目标图像;
步骤S2,对所述目标图像进行识别处理,以此确定道路路面上的车辆聚集情况和所述目标车辆的实时行驶状态;根据所述车辆聚集情况,判断道路是否存在交通拥堵情况;根据所述目标车辆的实时行驶状态,判断所述目标车辆当前是否存在行驶违规情况;
步骤S3,根据所述交通拥堵情况或者所述行驶违规情况的判断结果,生成相应的道路交通处理通知消息;并将所述道路交通处理通知消息通过物联网网关发送至相应的交通处理终端;
进一步,在所述步骤S1中,通过分布式摄像物联网采集道路不同区域的影像;对所述影像进行预处理后,将所述影像通过物联网网关传送至边缘计算终端;再将对所述影像进行截选,从而得到包含目标车辆和特定道路区域的目标图像具体包括:
步骤S101,通过分布式摄像物联网指示摄像设备对道路不同区域进行扫描拍摄,从而获得到道路不同区域对应的影像;
步骤S102,对所述影像进行保真压缩预处理后,将所述影像通过物联网网关传送至边缘计算终端;
步骤S103,通过所述边缘计算终端将所有影像依次进行拼接,从而获得关于道路整体区域的合成影像;并对所述合成影像进行灰度化转换处理后,从所述合成影像中截选出包含具有特定车牌号码的目标车辆所对应的图像和包含道路路面交通标记的区域的图像,以此作为所述目标图像;
进一步,在所述步骤S2中,对所述目标图像进行识别处理,以此确定道路路面上的车辆聚集情况和所述目标车辆的实时行驶状态;根据所述车辆聚集情况,判断道路是否存在交通拥堵情况;根据所述目标车辆的实时行驶状态,判断所述目标车辆当前是否存在行驶违规情况具体包括:
步骤S201,对所述目标图像进行识别处理,以此确定在包含斑马线标记的道路路面上车辆的存在数量,以此作为所述车辆聚集情况;对所述目标图像进行识别处理,以此确定所述目标车辆的车轮与道路路面上的实线车道线之间的重合面积,以此作为所述实时行驶状态;
步骤S202,将在包含斑马线标记的道路路面上车辆的存在数量与预设数量阈值进行比对;若所述存在数量超过预设数量阈值,则确定包含斑马线标记的道路路面存在交通拥堵情况;否则,确定包含斑马线标记的道路路面不存在交通拥堵情况;
步骤S203,将车轮与实线车道线之间的重合面积与预设面积阈值进行比对;若所述重合面积超过预设面积阈值,则确定所述目标车辆当前存在行驶压线违规情况;否则,确定所述目标车辆当前不存在行驶压线违规情况;
进一步,在所述步骤S201中,对所述目标图像进行识别处理,以此确定所述目标车辆的车轮与道路路面上的实线车道线之间的重合面积,以此作为所述实时行驶状态具体包括:
所述目标图像包含车辆在道路行驶过程中的俯视图,以及车辆在道路行驶过程中的侧视图,根据所述侧视图判断车辆的轮胎在车辆内部的位置,根据所述侧视图中车辆的轮胎在车辆内部的位置,按照比例得到所述俯视图中车辆的轮胎的外侧位置,然后通过颜色阈值对所述俯视图中的实线车道线进行识别,以此得到完成实线车道线识别的俯视图,在根据俯视图中车辆的轮胎的外侧位置得到轮胎与实线车道线之间的重合面积,其具体过程为:
步骤S2011,利用下面公式(1),根据侧视图中车辆的轮胎在车辆内部的位置,按照比例得到所述俯视图中车辆的轮胎的外侧位置,
在上述公式(1)中,表示车辆的第k排轮胎的第i端在俯视图中的像素行数值;k表示车辆轮胎的排数,从车辆的头部到尾部共具有两排轮胎,k的取值为1或2,当k=1表示靠近车辆头部的一排轮胎,当k=2表示靠近车辆尾部的一排轮胎;i表示每排轮胎的端数,当i=1表示轮胎靠近车辆头部的前端,当i=2表示轮胎靠近车辆尾部的后端;rk,i表示车辆的第k排轮胎的第i端;Xf,t表示俯视图中车辆头部最前端像素点对应的像素行数值;Xf,d表示俯视图中车辆尾部最后端像素点对应的像素行数值;Yc,t表示俯视图中车辆头部最前端像素点对应的像素列数值;Yc,d表示俯视图中车辆尾部最后端像素点对应的像素列数值;表示车辆的第k排轮胎的第i端在俯视图中的像素列数值;表示向上取整运算;
步骤S2012,利用下面公式(2),通过颜色阈值对所述俯视图中的实线车道线进行识别,以此得到完成实线车道线识别的俯视图
在上述公式(2)中,E(Xf,Yf)表示完成实线车道线识别的俯视图中第Xf行第Yf列的像素点的像素值;H(Xf,Yf)表示灰度化转换后俯视图中第Xf行第Yf列的像素点的像素值;Hmin表示实线车道线中所有像素点的最小灰度值;Hmax表示实线车道线中所有像素点的最大灰度值;∪表示取并集运算;
步骤S2013,利用下面公式(3),根据俯视图中车辆的轮胎的外侧位置得到轮胎与实线车道线之间的重合面积,
在上述公式(3)中,S表示轮胎与实线车道线之间的重合面积;Sf表示轮胎与实线车道线之间的重合像素点面积;nf表示俯视图中轮胎未遮挡的实线车道线中横向像素点的个数;Bf,L表示俯视图中轮胎未遮挡的实线车道线中纵向像素点的个数;L表示车轮未遮挡的实线车道线的横向宽度;m表示俯视图中每一行像素的像素点个数;
进一步,在所述步骤S3中,根据所述交通拥堵情况或者所述行驶违规情况的判断结果,生成相应的道路交通处理通知消息;并将所述道路交通处理通知消息通过物联网网关发送至相应的交通处理终端具体包括:
步骤S301,当确定包含斑马线标记的道路路面存在交通拥堵情况或者确定所述目标车辆当前存在行驶压线违规情况,则生成用于指示交通拥堵情况存在位置或者目标车辆发生行驶压线位置的道路交通处理通知消息;
步骤S302,将所述道路交通处理通知消息通过物联网网关同步发送至若干交通处理终端,并确定最快响应所述道路交通处理通知消息的交通处理终端;
步骤S303,获取最快响应的交通处理终端当前所处的位置后,再向最快响应的交通处理终端发送从当前所处的位置前往交通拥堵情况存在位置或者目标车辆发生行驶压线位置的最短路径指示消息。
本发明还提供基于智能道路边缘计算网关的车辆检测***,其特征在于,其包括摄像设备、影像预处理终端、边缘计算终端和道路交通处理平台服务器;其中,
所述摄像设备用于通过分布式摄像物联网采集道路不同区域的影像;
所述影像预处理终端用于对所述影像进行预处理后,将所述影像通过物联网网关传送至边缘计算终端;
所述边缘计算终端用于将对所述影像进行截选,从而得到包含目标车辆和特定道路区域的目标图像;以及,对所述目标图像进行识别处理,以此确定道路路面上的车辆聚集情况和所述目标车辆的实时行驶状态;根据所述车辆聚集情况,判断道路是否存在交通拥堵情况;根据所述目标车辆的实时行驶状态,判断所述目标车辆当前是否存在行驶违规情况;
所述道路交通处理平台服务器用于根据所述交通拥堵情况或者所述行驶违规情况的判断结果,生成相应的道路交通处理通知消息;并将所述道路交通处理通知消息通过物联网网关发送至相应的交通处理终端;
进一步,所述摄像设备用于通过分布式摄像物联网采集道路不同区域的影像具体包括:
通过分布式摄像物联网指示摄像设备对道路不同区域进行扫描拍摄,从而获得到道路不同区域对应的影像;
以及,
所述影像预处理终端用于对所述影像进行预处理后,将所述影像通过物联网网关传送至边缘计算终端具体包括:
对所述影像进行保真压缩预处理后,将所述影像通过物联网网关传送至边缘计算终端;
以及,
所述边缘计算终端用于将对所述影像进行截选,从而得到包含目标车辆和特定道路区域的目标图像具体包括:
通过所述边缘计算终端将所有影像依次进行拼接,从而获得关于道路整体区域的合成影像;并对所述合成影像进行灰度化转换处理后,从所述合成影像中截选出包含具有特定车牌号码的目标车辆所对应的图像和包含道路路面交通标记的区域的图像,以此作为所述目标图像;
进一步,所述边缘计算终端对所述目标图像进行识别处理,以此确定道路路面上的车辆聚集情况和所述目标车辆的实时行驶状态;根据所述车辆聚集情况,判断道路是否存在交通拥堵情况;根据所述目标车辆的实时行驶状态,判断所述目标车辆当前是否存在行驶违规情况具体包括:
对所述目标图像进行识别处理,以此确定在包含斑马线标记的道路路面上车辆的存在数量,以此作为所述车辆聚集情况;对所述目标图像进行识别处理,以此确定所述目标车辆的车轮与道路路面上的实线车道线之间的重合面积,以此作为所述实时行驶状态;
将在包含斑马线标记的道路路面上车辆的存在数量与预设数量阈值进行比对;若所述存在数量超过预设数量阈值,则确定包含斑马线标记的道路路面存在交通拥堵情况;否则,确定包含斑马线标记的道路路面不存在交通拥堵情况;
将车轮与实线车道线之间的重合面积与预设面积阈值进行比对;若所述重合面积超过预设面积阈值,则确定所述目标车辆当前存在行驶压线违规情况;否则,确定所述目标车辆当前不存在行驶压线违规情况;
进一步,所述道路交通处理平台服务器用于根据所述交通拥堵情况或者所述行驶违规情况的判断结果,生成相应的道路交通处理通知消息;并将所述道路交通处理通知消息通过物联网网关发送至相应的交通处理终端具体包括:
当确定包含斑马线标记的道路路面存在交通拥堵情况或者确定所述目标车辆当前存在行驶压线违规情况,则生成用于指示交通拥堵情况存在位置或者目标车辆发生行驶压线位置的道路交通处理通知消息;
将所述道路交通处理通知消息通过物联网网关同步发送至若干交通处理终端,并确定最快响应所述道路交通处理通知消息的交通处理终端;
获取最快响应的交通处理终端当前所处的位置后,再向最快响应的交通处理终端发送从当前所处的位置前往交通拥堵情况存在位置或者目标车辆发生行驶压线位置的最短路径指示消息。
相比于现有技术,该基于智能道路边缘计算网关的车辆检测方法和***通过分布式摄像物联网采集道路不同区域的影像,并将影像通过物联网网关传送至边缘计算终端进行截选,以此获得包含目标车辆和特定道路区域的目标图像,这样能够针对目标车辆和特定道路区域进行图像识别,并判断道路是否存在交通拥堵和目标车辆是否存在行驶违规,再生成道路交通处理通知消息并发送至交通处理终端,这样能够根据道路的实际交通情况灵活地安排人员进行交通疏导管理,从而大大降低交通疏导管理的人力成本以及对城市道路进行全面化和智能化的监控管理。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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发明的一些实施例,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他的附图。
图1为本发明提供的基于智能道路边缘计算网关的车辆检测方法的流程示意图。
图2为本发明提供的基于智能道路边缘计算网关的车辆检测***的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
参阅图1,为本发明实施例提供的基于智能道路边缘计算网关的车辆检测方法的流程示意图。该基于智能道路边缘计算网关的车辆检测方法包括如下步骤:
步骤S1,通过分布式摄像物联网采集道路不同区域的影像;对该影像进行预处理后,将该影像通过物联网网关传送至边缘计算终端;再将对该影像进行截选,从而得到包含目标车辆和特定道路区域的目标图像;
步骤S2,对该目标图像进行识别处理,以此确定道路路面上的车辆聚集情况和该目标车辆的实时行驶状态;根据该车辆聚集情况,判断道路是否存在交通拥堵情况;根据该目标车辆的实时行驶状态,判断该目标车辆当前是否存在行驶违规情况;
步骤S3,根据该交通拥堵情况或者该行驶违规情况的判断结果,生成相应的道路交通处理通知消息;并将该道路交通处理通知消息通过物联网网关发送至相应的交通处理终端。
上述技术方案的有益效果为:该基于智能道路边缘计算网关的车辆检测方法通过分布式摄像物联网采集道路不同区域的影像,并将影像通过物联网网关传送至边缘计算终端进行截选,以此获得包含目标车辆和特定道路区域的目标图像,这样能够针对目标车辆和特定道路区域进行图像识别,并判断道路是否存在交通拥堵和目标车辆是否存在行驶违规,再生成道路交通处理通知消息并发送至交通处理终端,这样能够根据道路的实际交通情况灵活地安排人员进行交通疏导管理,从而大大降低交通疏导管理的人力成本以及对城市道路进行全面化和智能化的监控管理。
优选地,在该步骤S1中,通过分布式摄像物联网采集道路不同区域的影像;对该影像进行预处理后,将该影像通过物联网网关传送至边缘计算终端;再将对该影像进行截选,从而得到包含目标车辆和特定道路区域的目标图像具体包括:
步骤S101,通过分布式摄像物联网指示摄像设备对道路不同区域进行扫描拍摄,从而获得到道路不同区域对应的影像;
步骤S102,对该影像进行保真压缩预处理后,将该影像通过物联网网关传送至边缘计算终端;
步骤S103,通过该边缘计算终端将所有影像依次进行拼接,从而获得关于道路整体区域的合成影像;并对该合成影像进行灰度化转换处理后,从该合成影像中截选出包含具有特定车牌号码的目标车辆所对应的图像和包含道路路面交通标记的区域的图像,以此作为该目标图像。
上述技术方案的有益效果为:该摄像设备可包括设置在道路不同区域的若干摄像头以及用于控制所有摄像头的摄像控制器,其中该摄像控制器可为但不限于是MCU控制单元,并且该摄像控制器和所有摄像头均通过分布式摄像物联网连接,这样该摄像控制器能够通过分布式摄像物联网来控制每个摄像头的摄像动作以及收集每个摄像头采集得到的影像。每个摄像头可在该摄像控制器的控制下进行上下方向和/或左右方向的扫描拍摄,从而获得对应道路区域的广角影像。
该影像预处理终端可通过分布式摄像物联网与该摄像控制器连接,这样该摄像控制器收集得到的影像会传送到该影像处理终端。该影像处理终端可为但不限于是影像处理计算机,其能够将接收到的影像进行保真压缩处理后,再将保真压缩的影像通过物联网传送到边缘计算终端,这样能够在避免影像失真的情况下,将影像快速地传送到边缘计算终端,从而提高边缘计算终端对影像处理的即时性和可靠性。
该边缘计算终端可为但不限于是能够对影像进行边缘计算策略处理的计算机,即该计算机可安装有相应的运行边缘计算策略的软件。当该边缘计算终端接收到该影像后,其能够根据每个影像对应包含的道路区域,将每个影像依次进行拼接而得到相应的合成影像,该合成影像与道路整体区域相对应,这样合成影像能够真实地反映道路整体区域的交通状态和车辆状态;其中通过物联网网关将影像传送到边缘计算终端能够确保影像在传送过程中影像数据的安全性。接着,将该合成影像进行灰度化转换处理,以此获得相应的灰度化合成影像。再对该灰度化合成影像进行车牌号码识别处理以及道路路面的车道分界线和斑马线等交通标记的识别处理,从而识别出具有特定车牌号码的车辆和特定道路路面交通标记的区域,再将具有特定车牌号码的车辆对应的图像区域从合成影像中以截图的方式截选出来以及将存在特定道路路面交通标记的图像区域从合成影像中以截图的方式截选出来,以此作为目标图像,这样能够便于后续对目标图像进行有针对性的识别处理。
优选地,在该步骤S2中,对该目标图像进行识别处理,以此确定道路路面上的车辆聚集情况和该目标车辆的实时行驶状态;根据该车辆聚集情况,判断道路是否存在交通拥堵情况;根据该目标车辆的实时行驶状态,判断该目标车辆当前是否存在行驶违规情况具体包括:
步骤S201,对该目标图像进行识别处理,以此确定在包含斑马线标记的道路路面上车辆的存在数量,以此作为该车辆聚集情况;对该目标图像进行识别处理,以此确定该目标车辆的车轮与道路路面上的实线车道线之间的重合面积,以此作为该实时行驶状态;
步骤S202,将在包含斑马线标记的道路路面上车辆的存在数量与预设数量阈值进行比对;若该存在数量超过预设数量阈值,则确定包含斑马线标记的道路路面存在交通拥堵情况;否则,确定包含斑马线标记的道路路面不存在交通拥堵情况;
步骤S203,将车轮与实线车道线之间的重合面积与预设面积阈值进行比对;若该重合面积超过预设面积阈值,则确定该目标车辆当前存在行驶压线违规情况;否则,确定该目标车辆当前不存在行驶压线违规情况。
上述技术方案的有益效果为:在实际操作中,该边缘计算终端能够对该目标图像进行识别处理,该识别处理可基于车辆轮廓以及道路路面上斑马线和实线车道线的轮廓进行识别,这样能够通过快速地识别在包含斑马线标记的道路路面上车辆的存在数量和目标车辆的车轮与道路路面上的实线车道线之间的重合面积。比如,对于目标图像中包含斑马线标记的道路路面(比如设置有斑马线的路口区域),可通过识别目标图像在该道路路面存在的车辆头部的轮廓,即可能够准确地确定该道路路面上存在的车辆数量;而对于目标车辆在道路上行驶的目标图像,可通过识别目标车辆的车轮的边缘轮廓与实线车道线的边缘轮廓之间的重叠范围,结合确定车轮与实线车道线之间的重合面积;上述识别方式可通过相应的图像轮廓识别方法来实现,这里不做详细的累述。最后,通过阈值比对的方式,能够对道路路面是否存在交通拥堵情况和目标车辆是否存在行驶压线违规进行量化判断,从而提高判断的准确性和可靠性。
优选地,在该步骤S201中,对该目标图像进行识别处理,以此确定该目标车辆的车轮与道路路面上的实线车道线之间的重合面积,以此作为该实时行驶状态具体包括:
该目标图像包含车辆在道路行驶过程中的俯视图,以及车辆在道路行驶过程中的侧视图,根据该侧视图判断车辆的轮胎在车辆内部的位置,根据该侧视图中车辆的轮胎在车辆内部的位置,按照比例得到该俯视图中车辆的轮胎的外侧位置,然后通过颜色阈值对该俯视图中的实线车道线进行识别,以此得到完成实线车道线识别的俯视图,在根据俯视图中车辆的轮胎的外侧位置得到轮胎与实线车道线之间的重合面积,其具体过程为:
步骤S2011,利用下面公式(1),根据侧视图中车辆的轮胎在车辆内部的位置,按照比例得到该俯视图中车辆的轮胎的外侧位置,
在上述公式(1)中,表示车辆的第k排轮胎的第i端在俯视图中的像素行数值;k表示车辆轮胎的排数,从车辆的头部到尾部共具有两排轮胎,k的取值为1或2,当k=1表示靠近车辆头部的一排轮胎,当k=2表示靠近车辆尾部的一排轮胎;i表示每排轮胎的端数,当i=1表示轮胎靠近车辆头部的前端,当i=2表示轮胎靠近车辆尾部的后端;rk,i表示车辆的第k排轮胎的第i端;Xf,t表示俯视图中车辆头部最前端像素点对应的像素行数值;Xf,d表示俯视图中车辆尾部最后端像素点对应的像素行数值;Yc,t表示俯视图中车辆头部最前端像素点对应的像素列数值;Yc,d表示俯视图中车辆尾部最后端像素点对应的像素列数值;表示车辆的第k排轮胎的第i端在俯视图中的像素列数值;表示向上取整运算;
由于在俯视图里不好将车辆的轮胎进行定位,但是在侧视图中由于存在轮胎的图像所以可以准确的识别到轮胎的位置,那么在侧视图中每一排的轮胎都会被两个列数值卡住,所以对应到俯视图中每一排轮胎将会被两个行数值卡住,所以根据汽车在图像中的比例即可计算出每一排轮胎的这两个行数值,进而在俯视图中定位轮胎;向上取整的目的是为了防止比例计算后会产生小数,因为行数值都是整数;
步骤S2012,利用下面公式(2),通过颜色阈值对该俯视图中的实线车道线进行识别,以此得到完成实线车道线识别的俯视图
在上述公式(2)中,E(Xf,Yf)表示完成实线车道线识别的俯视图中第Xf行第Yf列的像素点的像素值;H(Xf,Yf)表示灰度化转换后俯视图中第Xf行第Yf列的像素点的像素值;Hmin表示实线车道线中所有像素点的最小灰度值;Hmax表示实线车道线中所有像素点的最大灰度值;∪表示取并集运算;
步骤S2013,利用下面公式(3),根据俯视图中车辆的轮胎的外侧位置得到轮胎与实线车道线之间的重合面积,
在上述公式(3)中,S表示轮胎与实线车道线之间的重合面积;Sf表示轮胎与实线车道线之间的重合像素点面积;nf表示俯视图中轮胎未遮挡的实线车道线中横向像素点的个数;Bf,L表示俯视图中轮胎未遮挡的实线车道线中纵向像素点的个数;L表示车轮未遮挡的实线车道线的横向宽度;m表示俯视图中每一行像素的像素点个数;
通过俯视图中每一排轮胎的行数值计算出每一排行数值内部识别到的实线车道的像素点个数,然后再利用无遮挡的像素点个数减去上述值即为车轮与实线车道之间的重合像素点面积,然后再利用像素点与实际长度的比例最终得到车轮与实线车道之间重合面积。
上述技术方案的有益效果为:利用上述公式(1)根据侧视图中车辆的轮胎在所述车辆的位置按照比例得到俯视图中车辆轮胎外侧的位置,进而可以在俯视图中精准的定位轮胎的位置,方便后续的计算;再利用上述公式(2)通过颜色阈值对俯视图中的实线车道线进行识别,得到识别完实线车道线后的俯视图图像,进而准确的将存在轮胎遮挡的实线车道线识别出来;最后利用上述公式(3)根据俯视图中车辆轮胎的外侧位置得到车轮与实线车道之间重合面积,从而保证得到的车轮与实线车道之间重合面积是准确可靠的。
优选地,在该步骤S3中,根据该交通拥堵情况或者该行驶违规情况的判断结果,生成相应的道路交通处理通知消息;并将该道路交通处理通知消息通过物联网网关发送至相应的交通处理终端具体包括:
步骤S301,当确定包含斑马线标记的道路路面存在交通拥堵情况或者确定该目标车辆当前存在行驶压线违规情况,则生成用于指示交通拥堵情况存在位置或者目标车辆发生行驶压线位置的道路交通处理通知消息;
步骤S302,将该道路交通处理通知消息通过物联网网关同步发送至若干交通处理终端,并确定最快响应该道路交通处理通知消息的交通处理终端;
步骤S303,获取最快响应的交通处理终端当前所处的位置后,再向最快响应的交通处理终端发送从当前所处的位置前往交通拥堵情况存在位置或者目标车辆发生行驶压线位置的最短路径指示消息。
上述技术方案的有益效果为:当确定道路路面存在交通拥堵情况或者确定目标车辆当前存在行驶压线违规情况时,需要及时地对相应道路区域进行交通疏导管理,此时生成用于指示交通拥堵情况存在位置或者目标车辆发生行驶压线位置的道路交通处理通知消息,并将该道路交通处理通知消息发送至不同交通处理终端上,其中该交通处理终端可为但不限于是交通管理人员所持有的智能手机等移动终端。当交通处理终端接收到该道路交通处理通知消息后,相应的交通管理人员会根据自身的实际情况(比如自身当前与该道路交通处理通知消息指示的位置之间的距离远近)来决定是否相应该道路交通处理通知消息,并且确定最快响应该道路交通处理通知消息的交通处理终端;随后,向最快响应的交通处理终端发送从当前所处的位置前往交通拥堵情况存在位置或者目标车辆发生行驶压线位置的最短路径指示消息,从而保证相应的交通管理人员能够及时快速地达到相应道路区域进行交通疏导处理,以此提高交通疏导的效率。
参阅图2,为本发明实施例提供的基于智能道路边缘计算网关的车辆检测***的结构示意图。该基于智能道路边缘计算网关的车辆检测***包括摄像设备、影像预处理终端、边缘计算终端和道路交通处理平台服务器;其中,
该摄像设备用于通过分布式摄像物联网采集道路不同区域的影像;
该影像预处理终端用于对该影像进行预处理后,将该影像通过物联网网关传送至边缘计算终端;
该边缘计算终端用于将对该影像进行截选,从而得到包含目标车辆和特定道路区域的目标图像;以及,对该目标图像进行识别处理,以此确定道路路面上的车辆聚集情况和该目标车辆的实时行驶状态;根据该车辆聚集情况,判断道路是否存在交通拥堵情况;根据该目标车辆的实时行驶状态,判断该目标车辆当前是否存在行驶违规情况;
该道路交通处理平台服务器用于根据该交通拥堵情况或者该行驶违规情况的判断结果,生成相应的道路交通处理通知消息;并将该道路交通处理通知消息通过物联网网关发送至相应的交通处理终端。
上述技术方案的有益效果为:该基于智能道路边缘计算网关的车辆检测***通过分布式摄像物联网采集道路不同区域的影像,并将影像通过物联网网关传送至边缘计算终端进行截选,以此获得包含目标车辆和特定道路区域的目标图像,这样能够针对目标车辆和特定道路区域进行图像识别,并判断道路是否存在交通拥堵和目标车辆是否存在行驶违规,再生成道路交通处理通知消息并发送至交通处理终端,这样能够根据道路的实际交通情况灵活地安排人员进行交通疏导管理,从而大大降低交通疏导管理的人力成本以及对城市道路进行全面化和智能化的监控管理。
优选地,该摄像设备用于通过分布式摄像物联网采集道路不同区域的影像具体包括:
通过分布式摄像物联网指示摄像设备对道路不同区域进行扫描拍摄,从而获得到道路不同区域对应的影像;
以及,
该影像预处理终端用于对该影像进行预处理后,将该影像通过物联网网关传送至边缘计算终端具体包括:
对该影像进行保真压缩预处理后,将该影像通过物联网网关传送至边缘计算终端;
以及,
该边缘计算终端用于将对该影像进行截选,从而得到包含目标车辆和特定道路区域的目标图像具体包括:
通过该边缘计算终端将所有影像依次进行拼接,从而获得关于道路整体区域的合成影像;并对该合成影像进行灰度化转换处理后,从该合成影像中截选出包含具有特定车牌号码的目标车辆所对应的图像和包含道路路面交通标记的区域的图像,以此作为该目标图像。
上述技术方案的有益效果为:该摄像设备可包括设置在道路不同区域的若干摄像头以及用于控制所有摄像头的摄像控制器,其中该摄像控制器可为但不限于是MCU控制单元,并且该摄像控制器和所有摄像头均通过分布式摄像物联网连接,这样该摄像控制器能够通过分布式摄像物联网来控制每个摄像头的摄像动作以及收集每个摄像头采集得到的影像。每个摄像头可在该摄像控制器的控制下进行上下方向和/或左右方向的扫描拍摄,从而获得对应道路区域的广角影像。
该影像预处理终端可通过分布式摄像物联网与该摄像控制器连接,这样该摄像控制器收集得到的影像会传送到该影像处理终端。该影像处理终端可为但不限于是影像处理计算机,其能够将接收到的影像进行保真压缩处理后,再将保真压缩的影像通过物联网传送到边缘计算终端,这样能够在避免影像失真的情况下,将影像快速地传送到边缘计算终端,从而提高边缘计算终端对影像处理的即时性和可靠性。
该边缘计算终端可为但不限于是能够对影像进行边缘计算策略处理的计算机,即该计算机可安装有相应的运行边缘计算策略的软件。当该边缘计算终端接收到该影像后,其能够根据每个影像对应包含的道路区域,将每个影像依次进行拼接而得到相应的合成影像,该合成影像与道路整体区域相对应,这样合成影像能够真实地反映道路整体区域的交通状态和车辆状态;其中通过物联网网关将影像传送到边缘计算终端能够确保影像在传送过程中影像数据的安全性。接着,将该合成影像进行灰度化转换处理,以此获得相应的灰度化合成影像。再对该灰度化合成影像进行车牌号码识别处理以及道路路面的车道分界线和斑马线等交通标记的识别处理,从而识别出具有特定车牌号码的车辆和特定道路路面交通标记的区域,再将具有特定车牌号码的车辆对应的图像区域从合成影像中以截图的方式截选出来以及将存在特定道路路面交通标记的图像区域从合成影像中以截图的方式截选出来,以此作为目标图像,这样能够便于后续对目标图像进行有针对性的识别处理。
优选地,该边缘计算终端对该目标图像进行识别处理,以此确定道路路面上的车辆聚集情况和该目标车辆的实时行驶状态;根据该车辆聚集情况,判断道路是否存在交通拥堵情况;根据该目标车辆的实时行驶状态,判断该目标车辆当前是否存在行驶违规情况具体包括:
对该目标图像进行识别处理,以此确定在包含斑马线标记的道路路面上车辆的存在数量,以此作为该车辆聚集情况;对该目标图像进行识别处理,以此确定该目标车辆的车轮与道路路面上的实线车道线之间的重合面积,以此作为该实时行驶状态;
将在包含斑马线标记的道路路面上车辆的存在数量与预设数量阈值进行比对;若该存在数量超过预设数量阈值,则确定包含斑马线标记的道路路面存在交通拥堵情况;否则,确定包含斑马线标记的道路路面不存在交通拥堵情况;
将车轮与实线车道线之间的重合面积与预设面积阈值进行比对;若该重合面积超过预设面积阈值,则确定该目标车辆当前存在行驶压线违规情况;否则,确定该目标车辆当前不存在行驶压线违规情况。
上述技术方案的有益效果为:在实际操作中,该边缘计算终端能够对该目标图像进行识别处理,该识别处理可基于车辆轮廓以及道路路面上斑马线和实线车道线的轮廓进行识别,这样能够通过快速地识别在包含斑马线标记的道路路面上车辆的存在数量和目标车辆的车轮与道路路面上的实线车道线之间的重合面积。比如,对于目标图像中包含斑马线标记的道路路面(比如设置有斑马线的路口区域),可通过识别目标图像在该道路路面存在的车辆头部的轮廓,即可能够准确地确定该道路路面上存在的车辆数量;而对于目标车辆在道路上行驶的目标图像,可通过识别目标车辆的车轮的边缘轮廓与实线车道线的边缘轮廓之间的重叠范围,结合确定车轮与实线车道线之间的重合面积;上述识别方式可通过相应的图像轮廓识别方法来实现,这里不做详细的累述。最后,通过阈值比对的方式,能够对道路路面是否存在交通拥堵情况和目标车辆是否存在行驶压线违规进行量化判断,从而提高判断的准确性和可靠性。
优选地,该道路交通处理平台服务器用于根据该交通拥堵情况或者该行驶违规情况的判断结果,生成相应的道路交通处理通知消息;并将该道路交通处理通知消息通过物联网网关发送至相应的交通处理终端具体包括:
当确定包含斑马线标记的道路路面存在交通拥堵情况或者确定该目标车辆当前存在行驶压线违规情况,则生成用于指示交通拥堵情况存在位置或者目标车辆发生行驶压线位置的道路交通处理通知消息;
将该道路交通处理通知消息通过物联网网关同步发送至若干交通处理终端,并确定最快响应该道路交通处理通知消息的交通处理终端;
获取最快响应的交通处理终端当前所处的位置后,再向最快响应的交通处理终端发送从当前所处的位置前往交通拥堵情况存在位置或者目标车辆发生行驶压线位置的最短路径指示消息。
上述技术方案的有益效果为:当确定道路路面存在交通拥堵情况或者确定目标车辆当前存在行驶压线违规情况时,需要及时地对相应道路区域进行交通疏导管理,此时生成用于指示交通拥堵情况存在位置或者目标车辆发生行驶压线位置的道路交通处理通知消息,并将该道路交通处理通知消息发送至不同交通处理终端上,其中该交通处理终端可为但不限于是交通管理人员所持有的智能手机等移动终端。当交通处理终端接收到该道路交通处理通知消息后,相应的交通管理人员会根据自身的实际情况(比如自身当前与该道路交通处理通知消息指示的位置之间的距离远近)来决定是否相应该道路交通处理通知消息,并且确定最快响应该道路交通处理通知消息的交通处理终端;随后,向最快响应的交通处理终端发送从当前所处的位置前往交通拥堵情况存在位置或者目标车辆发生行驶压线位置的最短路径指示消息,从而保证相应的交通管理人员能够及时快速地达到相应道路区域进行交通疏导处理,以此提高交通疏导的效率。
从上述实施例的内容可知,该基于智能道路边缘计算网关的车辆检测方法和***通过分布式摄像物联网采集道路不同区域的影像,并将影像通过物联网网关传送至边缘计算终端进行截选,以此获得包含目标车辆和特定道路区域的目标图像,这样能够针对目标车辆和特定道路区域进行图像识别,并判断道路是否存在交通拥堵和目标车辆是否存在行驶违规,再生成道路交通处理通知消息并发送至交通处理终端,这样能够根据道路的实际交通情况灵活地安排人员进行交通疏导管理,从而大大降低交通疏导管理的人力成本以及对城市道路进行全面化和智能化的监控管理。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.基于智能道路边缘计算网关的车辆检测方法,其特征在于,其包括如下步骤:
步骤S1,通过分布式摄像物联网采集道路不同区域的影像;对所述影像进行预处理后,将所述影像通过物联网网关传送至边缘计算终端;再将对所述影像进行截选,从而得到包含目标车辆和特定道路区域的目标图像;
步骤S2,对所述目标图像进行识别处理,以此确定道路路面上的车辆聚集情况和所述目标车辆的实时行驶状态;根据所述车辆聚集情况,判断道路是否存在交通拥堵情况;根据所述目标车辆的实时行驶状态,判断所述目标车辆当前是否存在行驶违规情况;
步骤S3,根据所述交通拥堵情况或者所述行驶违规情况的判断结果,生成相应的道路交通处理通知消息;并将所述道路交通处理通知消息通过物联网网关发送至相应的交通处理终端。
2.如权利要求1所述的基于智能道路边缘计算网关的车辆检测方法,其特征在于:
在所述步骤S1中,通过分布式摄像物联网采集道路不同区域的影像;对所述影像进行预处理后,将所述影像通过物联网网关传送至边缘计算终端;再将对所述影像进行截选,从而得到包含目标车辆和特定道路区域的目标图像具体包括:
步骤S101,通过分布式摄像物联网指示摄像设备对道路不同区域进行扫描拍摄,从而获得到道路不同区域对应的影像;
步骤S102,对所述影像进行保真压缩预处理后,将所述影像通过物联网网关传送至边缘计算终端;
步骤S103,通过所述边缘计算终端将所有影像依次进行拼接,从而获得关于道路整体区域的合成影像;并对所述合成影像进行灰度化转换处理后,从所述合成影像中截选出包含具有特定车牌号码的目标车辆所对应的图像和包含道路路面交通标记的区域的图像,以此作为所述目标图像。
3.如权利要求1所述的基于智能道路边缘计算网关的车辆检测方法,其特征在于:
在所述步骤S2中,对所述目标图像进行识别处理,以此确定道路路面上的车辆聚集情况和所述目标车辆的实时行驶状态;根据所述车辆聚集情况,判断道路是否存在交通拥堵情况;根据所述目标车辆的实时行驶状态,判断所述目标车辆当前是否存在行驶违规情况具体包括:
步骤S201,对所述目标图像进行识别处理,以此确定在包含斑马线标记的道路路面上车辆的存在数量,以此作为所述车辆聚集情况;对所述目标图像进行识别处理,以此确定所述目标车辆的车轮与道路路面上的实线车道线之间的重合面积,以此作为所述实时行驶状态;
步骤S202,将在包含斑马线标记的道路路面上车辆的存在数量与预设数量阈值进行比对;若所述存在数量超过预设数量阈值,则确定包含斑马线标记的道路路面存在交通拥堵情况;否则,确定包含斑马线标记的道路路面不存在交通拥堵情况;
步骤S203,将车轮与实线车道线之间的重合面积与预设面积阈值进行比对;若所述重合面积超过预设面积阈值,则确定所述目标车辆当前存在行驶压线违规情况;否则,确定所述目标车辆当前不存在行驶压线违规情况。
4.如权利要求3所述的基于智能道路边缘计算网关的车辆检测方法,其特征在于:
在所述步骤S201中,对所述目标图像进行识别处理,以此确定所述目标车辆的车轮与道路路面上的实线车道线之间的重合面积,以此作为所述实时行驶状态具体包括:
所述目标图像包含车辆在道路行驶过程中的俯视图,以及车辆在道路行驶过程中的侧视图,根据所述侧视图判断车辆的轮胎在车辆内部的位置,根据所述侧视图中车辆的轮胎在车辆内部的位置,按照比例得到所述俯视图中车辆的轮胎的外侧位置,然后通过颜色阈值对所述俯视图中的实线车道线进行识别,以此得到完成实线车道线识别的俯视图,在根据俯视图中车辆的轮胎的外侧位置得到轮胎与实线车道线之间的重合面积,其具体过程为:
步骤S2011,利用下面公式(1),根据侧视图中车辆的轮胎在车辆内部的位置,按照比例得到所述俯视图中车辆的轮胎的外侧位置,
在上述公式(1)中,表示车辆的第k排轮胎的第i端在俯视图中的像素行数值;k表示车辆轮胎的排数,从车辆的头部到尾部共具有两排轮胎,k的取值为1或2,当k=1表示靠近车辆头部的一排轮胎,当k=2表示靠近车辆尾部的一排轮胎;i表示每排轮胎的端数,当i=1表示轮胎靠近车辆头部的前端,当i=2表示轮胎靠近车辆尾部的后端;rk,i表示车辆的第k排轮胎的第i端;Xf,t表示俯视图中车辆头部最前端像素点对应的像素行数值;Xf,d表示俯视图中车辆尾部最后端像素点对应的像素行数值;Yc,t表示俯视图中车辆头部最前端像素点对应的像素列数值;Yc,d表示俯视图中车辆尾部最后端像素点对应的像素列数值;表示车辆的第k排轮胎的第i端在俯视图中的像素列数值;表示向上取整运算;
步骤S2012,利用下面公式(2),通过颜色阈值对所述俯视图中的实线车道线进行识别,以此得到完成实线车道线识别的俯视图
在上述公式(2)中,E(Xf,Yf)表示完成实线车道线识别的俯视图中第Xf行第Yf列的像素点的像素值;H(Xf,Yf)表示灰度化转换后俯视图中第Xf行第Yf列的像素点的像素值;Hmin表示实线车道线中所有像素点的最小灰度值;Hmax表示实线车道线中所有像素点的最大灰度值;∪表示取并集运算;
步骤S2013,利用下面公式(3),根据俯视图中车辆的轮胎的外侧位置得到轮胎与实线车道线之间的重合面积,
在上述公式(3)中,S表示轮胎与实线车道线之间的重合面积;Sf表示轮胎与实线车道线之间的重合像素点面积;nf表示俯视图中轮胎未遮挡的实线车道线中横向像素点的个数;Bf,L表示俯视图中轮胎未遮挡的实线车道线中纵向像素点的个数;L表示车轮未遮挡的实线车道线的横向宽度;m表示俯视图中每一行像素的像素点个数。
5.如权利要求3所述的基于智能道路边缘计算网关的车辆检测方法,其特征在于:
在所述步骤S3中,根据所述交通拥堵情况或者所述行驶违规情况的判断结果,生成相应的道路交通处理通知消息;并将所述道路交通处理通知消息通过物联网网关发送至相应的交通处理终端具体包括:
步骤S301,当确定包含斑马线标记的道路路面存在交通拥堵情况或者确定所述目标车辆当前存在行驶压线违规情况,则生成用于指示交通拥堵情况存在位置或者目标车辆发生行驶压线位置的道路交通处理通知消息;
步骤S302,将所述道路交通处理通知消息通过物联网网关同步发送至若干交通处理终端,并确定最快响应所述道路交通处理通知消息的交通处理终端;
步骤S303,获取最快响应的交通处理终端当前所处的位置后,再向最快响应的交通处理终端发送从当前所处的位置前往交通拥堵情况存在位置或者目标车辆发生行驶压线位置的最短路径指示消息。
6.基于智能道路边缘计算网关的车辆检测***,其特征在于,其包括摄像设备、影像预处理终端、边缘计算终端和道路交通处理平台服务器;其中,
所述摄像设备用于通过分布式摄像物联网采集道路不同区域的影像;所述影像预处理终端用于对所述影像进行预处理后,将所述影像通过物联网网关传送至边缘计算终端;
所述边缘计算终端用于将对所述影像进行截选,从而得到包含目标车辆和特定道路区域的目标图像;以及,对所述目标图像进行识别处理,以此确定道路路面上的车辆聚集情况和所述目标车辆的实时行驶状态;根据所述车辆聚集情况,判断道路是否存在交通拥堵情况;根据所述目标车辆的实时行驶状态,判断所述目标车辆当前是否存在行驶违规情况;
所述道路交通处理平台服务器用于根据所述交通拥堵情况或者所述行驶违规情况的判断结果,生成相应的道路交通处理通知消息;并将所述道路交通处理通知消息通过物联网网关发送至相应的交通处理终端。
7.如权利要求6所述的基于智能道路边缘计算网关的车辆检测***,其特征在于:
所述摄像设备用于通过分布式摄像物联网采集道路不同区域的影像具体包括:
通过分布式摄像物联网指示摄像设备对道路不同区域进行扫描拍摄,从而获得到道路不同区域对应的影像;
以及,
所述影像预处理终端用于对所述影像进行预处理后,将所述影像通过物联网网关传送至边缘计算终端具体包括:
对所述影像进行保真压缩预处理后,将所述影像通过物联网网关传送至边缘计算终端;
以及,
所述边缘计算终端用于将对所述影像进行截选,从而得到包含目标车辆和特定道路区域的目标图像具体包括:
通过所述边缘计算终端将所有影像依次进行拼接,从而获得关于道路整体区域的合成影像;并对所述合成影像进行灰度化转换处理后,从所述合成影像中截选出包含具有特定车牌号码的目标车辆所对应的图像和包含道路路面交通标记的区域的图像,以此作为所述目标图像。
8.如权利要求6所述的基于智能道路边缘计算网关的车辆检测***,其特征在于:
所述边缘计算终端对所述目标图像进行识别处理,以此确定道路路面上的车辆聚集情况和所述目标车辆的实时行驶状态;根据所述车辆聚集情况,判断道路是否存在交通拥堵情况;根据所述目标车辆的实时行驶状态,判断所述目标车辆当前是否存在行驶违规情况具体包括:
对所述目标图像进行识别处理,以此确定在包含斑马线标记的道路路面上车辆的存在数量,以此作为所述车辆聚集情况;对所述目标图像进行识别处理,以此确定所述目标车辆的车轮与道路路面上的实线车道线之间的重合面积,以此作为所述实时行驶状态;
将在包含斑马线标记的道路路面上车辆的存在数量与预设数量阈值进行比对;若所述存在数量超过预设数量阈值,则确定包含斑马线标记的道路路面存在交通拥堵情况;否则,确定包含斑马线标记的道路路面不存在交通拥堵情况;
将车轮与实线车道线之间的重合面积与预设面积阈值进行比对;若所述重合面积超过预设面积阈值,则确定所述目标车辆当前存在行驶压线违规情况;否则,确定所述目标车辆当前不存在行驶压线违规情况。
9.如权利要求8所述的基于智能道路边缘计算网关的车辆检测***,其特征在于:
所述道路交通处理平台服务器用于根据所述交通拥堵情况或者所述行驶违规情况的判断结果,生成相应的道路交通处理通知消息;并将所述道路交通处理通知消息通过物联网网关发送至相应的交通处理终端具体包括:
当确定包含斑马线标记的道路路面存在交通拥堵情况或者确定所述目标车辆当前存在行驶压线违规情况,则生成用于指示交通拥堵情况存在位置或者目标车辆发生行驶压线位置的道路交通处理通知消息;
将所述道路交通处理通知消息通过物联网网关同步发送至若干交通处理终端,并确定最快响应所述道路交通处理通知消息的交通处理终端;获取最快响应的交通处理终端当前所处的位置后,再向最快响应的交通处理终端发送从当前所处的位置前往交通拥堵情况存在位置或者目标车辆发生行驶压线位置的最短路径指示消息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111209254.0A CN114187758B (zh) | 2021-10-18 | 2021-10-18 | 基于智能道路边缘计算网关的车辆检测方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111209254.0A CN114187758B (zh) | 2021-10-18 | 2021-10-18 | 基于智能道路边缘计算网关的车辆检测方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114187758A true CN114187758A (zh) | 2022-03-15 |
CN114187758B CN114187758B (zh) | 2022-09-02 |
Family
ID=80539817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111209254.0A Active CN114187758B (zh) | 2021-10-18 | 2021-10-18 | 基于智能道路边缘计算网关的车辆检测方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114187758B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310642A (zh) * | 2012-03-16 | 2013-09-18 | 捷达世软件(深圳)有限公司 | 道路状况预警***以及道路状况预警方法 |
US20160034778A1 (en) * | 2013-12-17 | 2016-02-04 | Cloud Computing Center Chinese Academy Of Sciences | Method for detecting traffic violation |
CN106373218A (zh) * | 2016-10-28 | 2017-02-01 | 中山大学 | 一种具有压线报警功能的手机行车记录仪 |
US20180113450A1 (en) * | 2016-10-20 | 2018-04-26 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous-mode traffic lane selection based on traffic lane congestion levels |
CN108847024A (zh) * | 2018-08-23 | 2018-11-20 | 河南中裕广恒科技股份有限公司 | 基于视频的交通拥堵识别方法及*** |
CN109949578A (zh) * | 2018-12-31 | 2019-06-28 | 上海眼控科技股份有限公司 | 一种基于深度学习的车辆压线违法自动审核方法 |
CN110166534A (zh) * | 2019-04-30 | 2019-08-23 | 广东利通科技投资有限公司 | 智慧交通通信***、通信站及辅助设备 |
CN110298300A (zh) * | 2019-06-27 | 2019-10-01 | 上海工程技术大学 | 一种检测车辆违章压线的方法 |
CN110717433A (zh) * | 2019-09-30 | 2020-01-21 | 华中科技大学 | 一种基于深度学习的交通违规分析方法及装置 |
CN111178224A (zh) * | 2019-12-25 | 2020-05-19 | 浙江大华技术股份有限公司 | 物体规则判断方法、装置、计算机设备和存储介质 |
CN112085953A (zh) * | 2019-06-12 | 2020-12-15 | 杭州海康威视***技术有限公司 | 一种交通指挥方法、装置及设备 |
CN113487878A (zh) * | 2021-07-12 | 2021-10-08 | 重庆长安新能源汽车科技有限公司 | 一种机动车违章压线行驶检测方法及*** |
-
2021
- 2021-10-18 CN CN202111209254.0A patent/CN114187758B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103310642A (zh) * | 2012-03-16 | 2013-09-18 | 捷达世软件(深圳)有限公司 | 道路状况预警***以及道路状况预警方法 |
US20160034778A1 (en) * | 2013-12-17 | 2016-02-04 | Cloud Computing Center Chinese Academy Of Sciences | Method for detecting traffic violation |
US20180113450A1 (en) * | 2016-10-20 | 2018-04-26 | Toyota Motor Engineering & Manufacturing North America, Inc. | Autonomous-mode traffic lane selection based on traffic lane congestion levels |
CN106373218A (zh) * | 2016-10-28 | 2017-02-01 | 中山大学 | 一种具有压线报警功能的手机行车记录仪 |
CN108847024A (zh) * | 2018-08-23 | 2018-11-20 | 河南中裕广恒科技股份有限公司 | 基于视频的交通拥堵识别方法及*** |
CN109949578A (zh) * | 2018-12-31 | 2019-06-28 | 上海眼控科技股份有限公司 | 一种基于深度学习的车辆压线违法自动审核方法 |
CN110166534A (zh) * | 2019-04-30 | 2019-08-23 | 广东利通科技投资有限公司 | 智慧交通通信***、通信站及辅助设备 |
CN112085953A (zh) * | 2019-06-12 | 2020-12-15 | 杭州海康威视***技术有限公司 | 一种交通指挥方法、装置及设备 |
CN110298300A (zh) * | 2019-06-27 | 2019-10-01 | 上海工程技术大学 | 一种检测车辆违章压线的方法 |
CN110717433A (zh) * | 2019-09-30 | 2020-01-21 | 华中科技大学 | 一种基于深度学习的交通违规分析方法及装置 |
CN111178224A (zh) * | 2019-12-25 | 2020-05-19 | 浙江大华技术股份有限公司 | 物体规则判断方法、装置、计算机设备和存储介质 |
CN113487878A (zh) * | 2021-07-12 | 2021-10-08 | 重庆长安新能源汽车科技有限公司 | 一种机动车违章压线行驶检测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN114187758B (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111325978B (zh) | 一种高速公路车辆异常行为的全程监测警示***和方法 | |
EP1890264B1 (en) | Vehicle, image processing system, image processing method, image processing program, image processing system configuration method, and server | |
CN113627213B (zh) | 车辆异常行为监控方法、装置及*** | |
GB2490773A (en) | Means for classifying vehicular mobility data | |
CN113223296A (zh) | 一种高速公路维修施工时的警示*** | |
CN114964445B (zh) | 基于车辆识别的多模块动态称重方法 | |
CN115019514B (zh) | 一种基于车联网的公路巡查*** | |
CN112769877A (zh) | 团雾预警方法、云端服务器及车辆和介质 | |
CN112907955A (zh) | 一种基于信息融合的车路协同***的评价方法 | |
CN116168356A (zh) | 一种基于计算机视觉的车辆损伤判别方法 | |
CN115240148A (zh) | 车辆行为的检测方法、装置、存储介质及电子装置 | |
CN114187758B (zh) | 基于智能道路边缘计算网关的车辆检测方法和*** | |
CN116612446B (zh) | 基于计算机视觉的高速公路路面状况检测*** | |
CN116631187B (zh) | 一种案件现场勘查信息智能采集分析*** | |
CN113071500A (zh) | 车道线的获取方法、装置、计算机设备和存储介质 | |
CN114078212A (zh) | 一种基于etc门架的精准车型识别方法与装置 | |
CN112990117B (zh) | 基于智能驾驶***的安装数据处理方法及装置 | |
CN114693722A (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
KR102418344B1 (ko) | 교통정보 분석장치 및 방법 | |
CN114333331A (zh) | 一种多车道桥梁车辆通行信息与车重识别方法及*** | |
CN114419925A (zh) | 一种车路协同的防碰预警***和方法 | |
CN219303146U (zh) | 用于高速公路出口收费站的车型异常检测*** | |
CN117854284B (zh) | 一种复杂道路环境的车路协同监控方法及车检器装置 | |
CN115294766B (zh) | 虚拟红绿灯构建方法、装置、设备及存储介质 | |
US11756420B2 (en) | Vehicle detection system |
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 |