CN114360261B - 车辆逆行的识别方法、装置、大数据分析平台和介质 - Google Patents
车辆逆行的识别方法、装置、大数据分析平台和介质 Download PDFInfo
- Publication number
- CN114360261B CN114360261B CN202111654623.7A CN202111654623A CN114360261B CN 114360261 B CN114360261 B CN 114360261B CN 202111654623 A CN202111654623 A CN 202111654623A CN 114360261 B CN114360261 B CN 114360261B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- vector
- traffic direction
- lane
- direction vector
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种车辆逆行的识别方法、装置、大数据分析平台和介质。该车辆逆行的识别方法包括:确定车辆在图像采集器可视域范围内的驶入位置和驶出位置;根据所述驶入位置和所述驶出位置,构建车辆的轨迹向量;根据所述轨迹向量和预先确定的所处车道的通行方向向量,确定所述车辆是否逆行。本技术方案,通过将所构建的车辆行驶轨迹向量和预先确定的所处车道的通行方向向量进行对比,可以提高车辆逆行的识别准确率。
Description
技术领域
本发明实施例涉及车辆技术领域,尤其涉及一种车辆逆行的识别方法、装置、大数据分析平台和介质。
背景技术
在道路交通领域,道路监控在治安防控中发挥着重要的作用。而车辆逆行作为道路监控的重要监控目标,有效的车辆逆行监控可以保证交通的顺畅,也可以为交通事故提供定责依据。
目前,在高速公路或者城市主要公路上,如果有车辆在道路上逆行轻则引起交通拥堵,重则发生交通事故,例如,逆行车辆在高峰时期容易造成交通堵塞,降低道路通行能力,或者逆行车辆与正常行驶车辆发生碰撞,那么通常需要对道路进行实时监控以识别逆行车辆。对于车辆逆行主要通过对车辆的车头和车尾进行识别从而确定车辆的行驶方向,以及根据预先输入的车道通行方向,确定车辆是否逆行。然而该方法需要对车道通行方向进行预先输入,会耗费大量人力,而且依靠车头和车尾对车辆行驶方向进行识别,存在误差,导致识别不准确。
如何提供一种能自动识别车道通行方向且准确识别车辆是否逆行的技术方案,是本领域技术人员亟待解决的技术问题。
发明内容
本发明实施例提供一种车辆逆行的识别方法、装置、电子设备和存储介质,提高了车辆逆行识别的准确性。
第一方面,本发明实施例提供了一种车辆逆行的识别方法,包括:
确定车辆在图像采集器可视域范围内的驶入位置和驶出位置;
根据所述驶入位置和所述驶出位置,构建车辆的轨迹向量;
根据所述轨迹向量和预先确定的所处车道的通行方向向量,确定所述车辆是否逆行。
第二方面,本发明实施例还提供了一种车辆逆行的识别装置,包括:
车辆位置获取模块,用于确定车辆在图像采集器可视域范围内的驶入位置和驶出位置;
车辆轨迹向量构建模块,用于根据所述驶入位置和所述驶出位置,构建车辆的轨迹向量;
车辆逆行识别模块,用于根据所述轨迹向量和预先确定的所处车道的通行方向向量,确定所述车辆是否逆行。
第三方面,本发明实施例还提供了一种大数据分析平台,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任一实施例所述的车辆逆行的识别方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任一实施例所述的车辆逆行的识别方法。
本发明实施例通过确定车辆在图像采集器可视域范围内的驶入位置和驶出位置;根据所述驶入位置和所述驶出位置,构建车辆的轨迹向量;根据所述轨迹向量和预先确定的所处车道的通行方向向量,确定所述车辆是否逆行。本技术方案,通过将所构建的车辆行驶轨迹向量和预先确定的所处车道的通行方向向量进行对比,可以提高车辆逆行的识别准确率。
附图说明
图1是本发明实施例提供的一种车辆逆行的识别方法的流程图;
图2是本发明实施例提供的另一种车辆逆行的识别方法的流程图;
图3是本发明实施例提供的一种车辆逆行的识别方法中所处车道通行方向向量的确定过程的流程图;
图4是本发明实施例提供的一种车辆逆行的识别装置的结构示意图;
图5是本发明实施例提供的一种电子设备的结构框图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
图1是本发明实施例提供的一种车辆逆行的识别方法的流程图,本实施例可适用于对车辆逆行进行识别的情况。该方法可以由车辆逆行的识别装置来执行,该装置可以采用软件和/或硬件的方式实现,并可配置在电子设备中,例如电子设备可以是后台服务器等具有通信和计算能力的设备。如图1所示,该方法具体包括:
S110、确定车辆在图像采集器可视域范围内的驶入位置和驶出位置。
在本发明实施例中,通过图像采集器采集车辆在可视域范围内的驶入位置和驶出位置。可以将图像采集器安装在所监测道路上方或道路旁边,以使所监测道路在图像采集器的可视域范围内。通过实时获取在所监测道路上行驶车辆的位置,可以确定车辆的行驶方向。
其中,图像采集器可以是枪式摄像机、球形摄像机或半球形摄像机等具有图像采集功能的设备。可视域范围可以是图像采集器能采集到所监测道路的范围。可以理解的是,图像采集器在安装时,即已确定图像采集器所在位置以及可视域范围,以对特定位置的特定区域进行图像采集。在本发明实施例中,为了方便确定车辆在图像采集器可视域范围内的位置,可以采用枪式摄像机或不具备旋转功能的图像采集器,将其固定安装在所监测道路上方,或所监测道路旁边。驶入位置是车辆首次被图像采集器识别到时的所处位置,同理,驶出位置是车辆不再被图像采集器识别到时的最终所处位置。可以理解的是,驶入位置和驶出位置是用来体现车辆驶入和驶出时所在的精确位置的信息。
对车辆在图像采集器可视域范围内的位置进行确定,例如,可以以图像采集器所在的位置信息为坐标原点,以正东方向为X轴正方向,以正北方向为Y轴的正方向,建立水平方向坐标系,确定车辆在该坐标系中的相对位置信息;也可以通过图像采集器的定位模块确定图像采集器在大地坐标系中的位置,根据车辆和图像采集器的相对位置关系确定目标物体的大地坐标信息。
S120、根据所述驶入位置和所述驶出位置,构建所述车辆的轨迹向量。
其中,车辆的轨迹向量是可以体现车辆在所监测道路段内行驶方向的向量。在图像采集器对所监测道路段进行实时监控的过程中,针对可视域范围内的任一车辆,如果采集到该车辆的图像,则对该车辆在图像采集器所采集的画面中的轨迹进行分析。在图像采集器所采集的画面中,标注车辆的轨迹点,可以通过多种方式确定车辆的轨迹向量。例如,可以根据车辆在图像采集器所采集的多个画面中所标注的轨迹点,进行线性拟合得到车辆的轨迹向量;还可以根据车辆驶入位置的轨迹点和车辆驶出位置的轨迹点,进行连接得到车辆的轨迹向量。
在本发明实施例中,通过根据车辆的驶入位置和所述驶出位置,构建车辆的轨迹向量。示例性的,通过图像采集器确定车辆的驶入位置的轨迹点为A,其坐标为(x1,y1),车辆的驶入位置的轨迹点为B,其坐标为(x2,y2),则可确定车辆在所监测路段内的轨迹向量为
S130、根据所述轨迹向量和预先确定的所处车道的通行方向向量,确定所述车辆是否逆行。
其中,所处车道的通行方向向量是交通规则中规定的车道的行驶方向信息。例如,可以是所处车道的行驶朝向信息为直行车道、左转弯车道或者右转弯车道等;也可以是车道的朝向与设定方向的夹角,如45度或90度等。对于所处车道的通行方向向量进行预先确定,可以通过所采集所监测道路段图像中车道的标识信息确定;也可以是通过对所监测道路段中大部分车辆的行驶方向确定;还可以是在安装图像采集器时,人工预先输入的通行方向向量;还可以是通过从交通指挥中心中获取与该图像采集器所对应的监测道路段的通行方向向量。需要说明的是,所处车道的通行方向向量可以基于现有技术中的任意逻辑确定,本实施例对此不进行限定。
根据轨迹向量和预先确定的所处车道的通行方向向量确定车辆是否逆行,可以将预先确定的所处车道的通行方向向量作为基准信息,车辆的轨迹向量作为待检测信息,对车辆是否逆行进行判断。具体的,车辆在所监测道路段内可能存在变道、超车等行驶行为,使得车辆驶入位置所处车道和驶出位置所处车道不是同一车道,进而导致车辆轨迹向量的方向和所处车道的通行方向向量的方向不是平行关系。示例性的,可以通过确定车辆轨迹向量的方向和所处车道的通行方向向量的方向的差值在预设阈值范围内。其中,预设阈值范围可以是保证车辆在所检测道路段不会逆行的最大夹角,比如,所监测道路段为3车道的同向直行道路,在图像采集器可视域范围内,车辆驶入位置和驶出位置的所处车道为不相邻车道时的最大夹角为30度,则可确定车辆轨迹向量的方向和所处车道的通行方向向量的方向的差值在30度范围内,车辆的行驶方向正常。又示例性的,也可以通过建立关于车辆正常行驶方向向量的卷积神经网络模型,将车辆的轨迹向量输入该模型中,以对车辆是否逆行进行确定。
在本发明实施例中,可选的,根据所述轨迹向量和预先确定的所处车道的通行方向向量,确定所述车辆是否逆行,包括:对所述车辆的轨迹向量和预先确定的所述所处车道的通行方向向量做数量积运算,得到数量积运算结果;若所述数量积运算结果小于零,则确定所述车辆逆行。
可以理解的是,车辆逆向行驶的方向和所处车道通行的方向是相反的,在理想情况下,车辆逆行轨迹向量的方向和所处车道的通行方向向量的方向的夹角为180度。然而由于车辆在逆向行驶过程中的掉头、变道或超车行为,车辆轨迹向量的方向会在理想情况下车辆逆行轨迹向量的方向的基础上发生偏移,偏移角度范围在90度以内。而根据向量的基本运算法则,两个二维向量的数量积结果为两个二维向量绝对值和其夹角余弦值的乘积。其中,在夹角为0到360度范围之间,若两个二维向量的夹角在90度到270度之间,其夹角余弦值为负,则两个二维向量的数量积结果也为负;反之,其夹角余弦值为正,则两个二维向量的数量积结果也为正。
鉴于上述向量的基本运算法则和车辆逆行的夹角范围,可以通过对车辆的轨迹向量和预先确定的所处车道的通行方向向量做数量积运算,利用其数量积运算结果的正负对车辆是否逆行进行判断。具体的,若数量积运算结果小于零,则确定车辆轨迹方向和所处车道通行方向的夹角在90度到270度之间,确定车辆为逆向行驶。
本发明实施例通过确定车辆在图像采集器可视域范围内的驶入位置和驶出位置;根据所述驶入位置和所述驶出位置,构建车辆的轨迹向量;根据所述轨迹向量和预先确定的所处车道的通行方向向量,确定所述车辆是否逆行。本技术方案,通过将所构建的车辆行驶轨迹向量和预先确定的所处车道的通行方向向量进行对比,可以提高车辆逆行的识别准确率。
图2是本发明实施例提供的另一种车辆逆行的识别方法的流程图。本实施例在上述实施例的基础上进行优化,本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图2所示,该方法可包括以下步骤:
S210、当车辆进入所述图像采集器可视域范围内时,获取所述车辆的唯一标识号和第一中心点坐标信息,并将所述第一中心点坐标信息作为所述车辆的驶入位置坐标。
其中,车辆的唯一标识号可以是基于视频分析技术对图像采集器所采集到的车辆生成的ID号,也可以是基于目标识别技术确定的车辆的车牌号、车型、或颜色等信息。具体的,基于视频分析技术对图像采集器所采集到的车辆生成的ID号,可以通过HOG(Histogramof Oriented Gradient,方向梯度直方图)算法,在所采集的图像中提取车辆的特征,并将所提取的特征输入SVM(Support Vector Machine,支持向量机)中进行训练,得到最终检测子,即车辆的唯一标识号。
此外,在图像采集器对可视域范围内车辆进行实时监控识别时,基于图像识别技术,会生成关于某一车辆的标识框,以及车辆四个顶点的坐标和中心点坐标。需要说明的是,本发明实施例对图像识别的算法逻辑不做限制。为了更准确的确定车辆的轨迹向量,选取车辆中心点坐标作为车辆的位置坐标。可以理解的是,车辆的驶入位置坐标是首次获取到车辆的唯一标识号时所生成的位置坐标。
S220、根据所述车辆的唯一标识号,追踪并更新所述车辆的中心点坐标信息,直至所述车辆驶出所述可视域范围导致的中心点坐标信息停止更新,获取所述车辆的第二中心点坐标信息,并将所述第二中心点坐标信息作为所述车辆的驶出位置坐标。
其中,基于图像采集器所采集的各个图像帧,根据前一图像帧中所识别车辆的位置信息以及行驶速度和方向,对当前图像帧中车辆的位置进行预估并追踪。可以理解的是,在对车辆进行追踪的过程中会根据每一图像帧或每一间隔时间生成关于该车辆的坐标信息,基于车辆的唯一标识号,将所生成的该车辆的各个时刻的坐标信息进行分类存储。若车辆驶出图像采集器的可视域范围,则不再生成该车辆的坐标信息。因此可以在预设图像帧或预设间隔周期后,通过提取所存储的该车辆的最终坐标信息作为车辆的驶出位置坐标。
通过这样的设置,可以提高车辆轨迹点坐标信息的准确性,进而提高车辆行驶轨迹向量的准确性。
在本发明实施例中,可选的,根据所述车辆的唯一标识号,追踪并更新所述车辆的中心点坐标信息,包括:基于卡尔曼滤波算法和匈牙利算法,根据所述车辆的唯一标识号对所述车辆进行特征监测,并每隔预设时间获取一次所述车辆的中心点坐标信息以进行更新。
其中,基于卡尔曼滤波算法和匈牙利算法,根据车辆的唯一标识号对所述车辆进行特征监测,可以利用卡尔曼滤波算法获取车辆的坐标信息,利用匈牙利算法和车辆的唯一标识号,将车辆和与车辆所对应的坐标信息匹配,以达到实时获取车辆坐标信息的目的。预设时间可以是根据图像采集器的帧率确定,也可以是根据实际需要确定。具体的,可以是对每一图像帧中车辆的位置信息进行预估,也可以是每隔0.5s对所采集图像中车辆的位置信息进行预估。
这样设置的好处是,利用卡尔曼滤波算法不仅占用内存小,而且对于车辆的位置信息预估速度快,利用匈牙利算法可以实现车辆和与车辆所对应的坐标信息的准确匹配,进而实现对图像采集器所采集的画面中多个车辆进行识别追踪。
S230、根据所述车辆的唯一标识号、所述驶入位置和所述驶出位置,构建所述车辆的轨迹向量。
根据车辆的唯一标识号、驶入位置和驶出位置,生成该车辆由第一中心点坐标指向第二中心点坐标的向量,将其作为车辆的轨迹向量。这样设置的好处是,可以根据车辆的唯一标识号构建所对应的轨迹向量,提高轨迹向量确定的准确性。
S240、根据所述轨迹向量和预先确定的所处车道的通行方向向量,确定所述车辆是否逆行。
本技术方案,通过车辆的唯一标识号以及车辆所在位置坐标的确定,以构建车辆所对应的轨迹向量,提高轨迹向量确定的准确性,进而提高对车辆逆行判断的准确性。
图3是本发明实施例提供的一种车辆逆行的识别方法中所处车道通行方向向量的确定过程的流程图。本实施例在上述各个实施例的基础上进行优化,本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图3所示,该方法可包括以下步骤:
S310、根据在图像采集器可视域范围内车辆的轨迹向量的样本集,建立所处车道的通行方向向量的概率模型。
其中,样本集为在图像采集器可视域范围内所统计的预设数量个车辆的轨迹向量。样本集可以从图像采集器的历史采集数据中获取。为了保证所处车道的通行方向向量的概率模型的准确性,样本集的预设数量不能过少。例如,可以采集500个图像采集器可视域范围内车辆的轨迹向量。
概率模型是基于样本集中车辆轨迹向量的方向所建立的模型,可以通过极大似然估计法,对所处车道的通行方向向量进行预估确定;也可以通过建立样本集中车辆轨迹向量方向的直方图,对所处车道的通行方向向量进行预估确定;还可以是通过建立关于车辆轨迹向量方向的正态分布模型,对所处车道的通行方向向量进行预估确定。在本发明实施例中,对概率模型的建立方式不作限制。
S320、根据所述概率模型,确定所述所处车道的通行方向向量。
示例性的,建立样本集中车辆轨迹向量方向的直方图,根据直方图信息确定所处车道的通行方向向量,例如可以是将直方图中频数最大的某一方向角度范围作为所处车道的通行方向向量的方向,又例如是根据直方图确定车辆轨迹向量方向的均值,并将其均值作为所处车道的通行方向向量的方向。又示例性的,基于极大似然估计法和样本集中车辆轨迹向量方向,建立似然方程,确定极大似然估计值并将其作为所处车道的通行方向向量的方向。
本发明实施例通过采集大量的车辆的轨迹向量的样本,并建立概率模型以确定所处车道的通行方向向量,可以自主识别所处车道的通行方向,提高所处车道通行方向确定的便捷性,还可以提高所处车道通行方向确定的准确性。
在本发明实施例中,可选的,所述在图像采集器可视域范围内车辆的轨迹向量的样本集服从正态分布;相应的,根据所述概率模型,确定所述所处车道的通行方向向量,包括:选取所述概率模型中的正态分布期望值,作为所述所处车道的通行方向向量。
若在图像采集器可视域范围内车辆的轨迹向量的样本集服从正态分布,在本发明实施例中,所处车道的通行方向向量可以通过正态分布概率模型进行计算。示例性的,所处车道的通行方向向量X~(μ,σ2),其中,μ为所处车道的通行方向向量的数学期望值,σ2为所处车道的通行方向向量方差值,则选取正态分布模型中所处车道的通行方向向量的数学期望值μ作为所处车道的通行方向向量。通过这样的设置,可以提高对所处车道通行方向向量确定的准确度。
图4是本发明实施例提供的一种车辆逆行的识别装置的结构示意图,本实施例可适用于对车辆逆行进行识别的情况。如图4所示,该装置包括:
车辆位置获取模块410,用于通过图像采集器采集车辆在可视域范围内的驶入位置和驶出位置;
车辆轨迹向量构建模块420,用于根据所述驶入位置和所述驶出位置,构建所述车辆的轨迹向量;
车辆逆行识别模块430,用于根据所述轨迹向量和预先确定的所处车道的通行方向向量,确定所述车辆是否逆行。
本发明实施例提供的车辆逆行的识别装置,通过图像采集器采集车辆在可视域范围内的驶入位置和驶出位置;根据驶入位置和驶出位置,构建车辆的轨迹向量;根据轨迹向量和预先确定的所处车道的通行方向向量,确定车辆是否逆行。本技术方案,通过将所构建的车辆行驶轨迹向量和预先确定的所处车道的通行方向向量进行对比,可以提高车辆逆行的识别准确率。
进一步的,所述装置还包括通行方向向量确定模块,所述通行方向向量确定模块,包括:
概率模型建立单元,用于根据在图像采集器可视域范围内车辆的轨迹向量的样本集,建立所述所处车道的通行方向向量的概率模型;
通行方向向量确定单元,用于根据所述概率模型,确定该所处车道的通行方向向量。
进一步的,所述在图像采集器可视域范围内车辆的轨迹向量的样本集服从正态分布;
相应的,通行方向向量确定单元,包括:
通行方向向量确定子单元,用于选取所述概率模型中的正态分布期望值,作为所述所处车道通行方向向量。
进一步的,车辆逆行识别模块430,包括:
向量运算单元,用于对所述车辆的轨迹向量和预先确定的所述所处车道的通行方向向量做数量积运算,得到数量积运算结果;
车辆逆行识别单元,用于若所述数量积运算结果小于零,则确定所述车辆逆行。
进一步的,车辆位置获取模块410,包括:
驶入位置坐标确定单元,用于当车辆进入所述图像采集器可视域范围内时,获取所述车辆的唯一标识号和第一中心点坐标信息,并将所述第一中心点坐标信息作为所述车辆的驶入位置坐标;
驶出位置坐标确定单元,用于根据所述车辆的唯一标识号,追踪并更新所述车辆的中心点坐标信息,直至所述车辆驶出所述可视域范围导致的中心点坐标信息停止更新,获取所述车辆的第二中心点坐标信息,并将所述第二中心点坐标信息作为所述车辆的驶出位置坐标。
进一步的,车辆轨迹向量构建模块420,包括:
车辆轨迹向量构建单元,用于根据所述车辆的唯一标识号、所述驶入位置和所述驶出位置,构建所述车辆的轨迹向量。
进一步的,驶出位置坐标确定单元,包括:
车辆位置坐标跟踪子单元,用于基于卡尔曼滤波算法和匈牙利算法,根据所述车辆的唯一标识号对所述车辆进行特征监测,并每隔预设时间获取一次所述车辆的中心点坐标信息以进行更新。
本发明实施例所提供的车辆逆行的识别装置可执行本发明任意实施例所提供的车辆逆行的识别方法,具备执行车辆逆行的识别方法相应的功能模块和有益效果。
本发明实施例提供了一种电子设备,该电子设备中可集成本发明实施例提供的车辆逆行的识别装置。图5是本发明实施例提供的一种电子设备的结构框图。电子设备500可以包括:存储器501,处理器502及存储在存储器501上并可在处理器运行的计算机程序,所述处理器502执行所述计算机程序时实现如本发明实施例所述的车辆逆行的识别方法:
确定车辆在图像采集器可视域范围内的驶入位置和驶出位置;
根据所述驶入位置和所述驶出位置,构建所述车辆的轨迹向量;
根据所述轨迹向量和预先确定的所处车道的通行方向向量,确定所述车辆是否逆行。
本发明实施例中提供的电子设备,通过确定车辆在图像采集器可视域范围内的驶入位置和驶出位置;根据所述驶入位置和所述驶出位置,构建车辆的轨迹向量;根据所述轨迹向量和预先确定的所处车道的通行方向向量,确定所述车辆是否逆行。本技术方案,通过将所构建的车辆行驶轨迹向量和预先确定的所处车道的通行方向向量进行对比,可以提高车辆逆行的识别准确率。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例所提供的车辆逆行的识别方法,包括:
通过图像采集器采集车辆在可视域范围内的驶入位置和驶出位置;
根据所述驶入位置和所述驶出位置,构建所述车辆的轨迹向量;
根据所述轨迹向量和预先确定的所处车道的通行方向向量,确定所述车辆是否逆行。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
上述实施例中提供的车辆逆行的识别装置、存储介质及电子设备可执行本发明任意实施例所提供的车辆逆行的识别方法,具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的车辆逆行的识别方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种车辆逆行的识别方法,其特征在于,所述方法包括:
确定车辆在图像采集器可视域范围内的驶入位置和驶出位置;
根据所述驶入位置和所述驶出位置,构建所述车辆的轨迹向量;
根据所述轨迹向量和预先确定的所处车道的通行方向向量,确定所述车辆是否逆行;
其中,所述所处车道的通行方向向量的确定过程,包括:
根据在图像采集器可视域范围内车辆的轨迹向量的样本集,建立所处车道的通行方向向量的概率模型;
根据所述概率模型,确定所述所处车道的通行方向向量;
其中,所述在图像采集器可视域范围内车辆的轨迹向量的样本集服从正态分布;
相应的,根据所述概率模型,确定所述所处车道的通行方向向量,包括:
选取所述概率模型中的正态分布期望值,作为所述所处车道通行方向向量。
2.根据权利要求1所述的方法,其特征在于,根据所述轨迹向量和预先确定的所处车道的通行方向向量,确定所述车辆是否逆行,包括:
对所述车辆的轨迹向量和预先确定的所述所处车道的通行方向向量做数量积运算,得到数量积运算结果;
若所述数量积运算结果小于零,则确定所述车辆逆行。
3.根据权利要求1所述的方法,其特征在于,确定车辆在图像采集器可视域范围内的驶入位置和驶出位置,包括:
当车辆进入所述图像采集器可视域范围内时,确定所述车辆的唯一标识号和第一中心点坐标信息,并将所述第一中心点坐标信息作为所述车辆的驶入位置坐标;
根据所述车辆的唯一标识号,追踪并更新所述车辆的中心点坐标信息,直至所述车辆驶出所述可视域范围导致的中心点坐标信息停止更新,确定所述车辆的第二中心点坐标信息,并将所述第二中心点坐标信息作为所述车辆的驶出位置坐标。
4.根据权利要求3所述的方法,其特征在于,根据所述驶入位置和所述驶出位置,构建所述车辆的轨迹向量,包括:
根据所述车辆的唯一标识号、所述驶入位置和所述驶出位置,构建所述车辆的轨迹向量。
5.根据权利要求3所述的方法,其特征在于,根据所述车辆的唯一标识号,追踪并更新所述车辆的中心点坐标信息,包括:
基于卡尔曼滤波算法和匈牙利算法,根据所述车辆的唯一标识号对所述车辆进行特征监测,并每隔预设时间获取一次所述车辆的中心点坐标信息以进行更新。
6.一种车辆逆行的识别装置,其特征在于,包括:
车辆位置获取模块,用于确定车辆在图像采集器可视域范围内的驶入位置和驶出位置;
车辆轨迹向量构建模块,用于根据所述驶入位置和所述驶出位置,构建所述车辆的轨迹向量;
车辆逆行识别模块,用于根据所述轨迹向量和预先确定的所处车道的通行方向向量,确定所述车辆是否逆行;
其中,所述装置还包括通行方向向量确定模块,所述通行方向向量确定模块,包括:
概率模型建立单元,用于根据在图像采集器可视域范围内车辆的轨迹向量的样本集,建立所述所处车道的通行方向向量的概率模型;
通行方向向量确定单元,用于根据所述概率模型,确定该所处车道的通行方向向量;
其中,所述在图像采集器可视域范围内车辆的轨迹向量的样本集服从正态分布;
相应的,通行方向向量确定单元,包括:通行方向向量确定子单元,用于选取所述概率模型中的正态分布期望值,作为所述所处车道通行方向向量。
7.一种大数据分析平台,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的车辆逆行的识别方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一所述的车辆逆行的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111654623.7A CN114360261B (zh) | 2021-12-30 | 2021-12-30 | 车辆逆行的识别方法、装置、大数据分析平台和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111654623.7A CN114360261B (zh) | 2021-12-30 | 2021-12-30 | 车辆逆行的识别方法、装置、大数据分析平台和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114360261A CN114360261A (zh) | 2022-04-15 |
CN114360261B true CN114360261B (zh) | 2023-05-19 |
Family
ID=81103136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111654623.7A Active CN114360261B (zh) | 2021-12-30 | 2021-12-30 | 车辆逆行的识别方法、装置、大数据分析平台和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114360261B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114913695B (zh) * | 2022-06-21 | 2023-10-31 | 上海西井科技股份有限公司 | 基于ai视觉的车辆逆行检测方法、***、设备及存储介质 |
CN115982306B (zh) * | 2023-03-13 | 2023-08-18 | 浙江口碑网络技术有限公司 | 一种目标对象的逆行行为识别方法、装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014151853A (ja) * | 2013-02-13 | 2014-08-25 | Nissan Motor Co Ltd | 道路形状予測装置 |
DE102013208521A1 (de) * | 2013-05-08 | 2014-11-13 | Bayerische Motoren Werke Aktiengesellschaft | Kollektives Erlernen eines hochgenauen Straßenmodells |
RU2016118292A (ru) * | 2016-05-12 | 2017-11-16 | Общество с ограниченной ответственностью "Ситиликс" | Способ и система определения текущей и рекомендуемой полосы движения автотранспортного средства |
WO2018219522A1 (de) * | 2017-06-01 | 2018-12-06 | Robert Bosch Gmbh | VERFAHREN UND VORRICHTUNG ZUR ERSTELLUNG EINER FAHRSPURGENAUEN STRAßENKARTE |
DE102020114837A1 (de) * | 2020-06-04 | 2021-12-09 | Bayerische Motoren Werke Aktiengesellschaft | Computerimplementiertes Verfahren zur Trajektorienplanung für ein Fahrzeug |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021570B (zh) * | 2014-06-04 | 2016-11-09 | 电子科技大学 | 一种视频中有方向的越界和拌线检测方法 |
US10013610B2 (en) * | 2015-10-23 | 2018-07-03 | Nokia Technologies Oy | Integration of positional data and overhead images for lane identification |
DE102017216237A1 (de) * | 2017-09-14 | 2019-03-14 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Ermitteln eines Verlaufs von Fahrspuren eines Straßennetzes sowie Servervorrichtung zum Durchführen des Verfahrens |
CN109359169B (zh) * | 2018-10-30 | 2021-06-25 | 西南交通大学 | 一种基于概率图模型的共享单车逆行行为实时识别方法 |
CN111611901B (zh) * | 2020-05-15 | 2023-10-03 | 北京百度网讯科技有限公司 | 车辆逆行检测方法、装置、设备以及存储介质 |
CN111611955B (zh) * | 2020-05-28 | 2023-09-26 | 百度在线网络技术(北京)有限公司 | 可通行施工道路的识别方法、装置、设备及存储介质 |
CN112530170A (zh) * | 2020-12-16 | 2021-03-19 | 济南博观智能科技有限公司 | 一种车辆行驶状态检测方法、装置、电子设备及存储介质 |
CN112750317A (zh) * | 2020-12-21 | 2021-05-04 | 深圳市商汤科技有限公司 | 车辆逆行检测方法、装置、设备及计算机可读存储介质 |
CN113408368A (zh) * | 2021-05-31 | 2021-09-17 | 青岛海纳云科技控股有限公司 | 一种车辆逆行检测方法和装置及计算机可读存储介质 |
-
2021
- 2021-12-30 CN CN202111654623.7A patent/CN114360261B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014151853A (ja) * | 2013-02-13 | 2014-08-25 | Nissan Motor Co Ltd | 道路形状予測装置 |
DE102013208521A1 (de) * | 2013-05-08 | 2014-11-13 | Bayerische Motoren Werke Aktiengesellschaft | Kollektives Erlernen eines hochgenauen Straßenmodells |
RU2016118292A (ru) * | 2016-05-12 | 2017-11-16 | Общество с ограниченной ответственностью "Ситиликс" | Способ и система определения текущей и рекомендуемой полосы движения автотранспортного средства |
WO2018219522A1 (de) * | 2017-06-01 | 2018-12-06 | Robert Bosch Gmbh | VERFAHREN UND VORRICHTUNG ZUR ERSTELLUNG EINER FAHRSPURGENAUEN STRAßENKARTE |
DE102020114837A1 (de) * | 2020-06-04 | 2021-12-09 | Bayerische Motoren Werke Aktiengesellschaft | Computerimplementiertes Verfahren zur Trajektorienplanung für ein Fahrzeug |
Also Published As
Publication number | Publication date |
---|---|
CN114360261A (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3581890B1 (en) | Method and device for positioning | |
CN114360261B (zh) | 车辆逆行的识别方法、装置、大数据分析平台和介质 | |
CN109686031B (zh) | 基于安防的识别跟随方法 | |
US11475671B2 (en) | Multiple robots assisted surveillance system | |
Bloisi et al. | Argos—A video surveillance system for boat traffic monitoring in Venice | |
Chang et al. | Video analytics in smart transportation for the AIC'18 challenge | |
CN111524350B (zh) | 车路协同异常行驶状况检测方法、***、终端设备及介质 | |
CN103310190A (zh) | 基于异构主动视觉网络的人脸图像样本采集优化方法 | |
CN112434566A (zh) | 客流统计方法、装置、电子设备及存储介质 | |
CN112836683A (zh) | 用于便携式摄像设备的车牌识别方法、装置、设备和介质 | |
Avşar et al. | Moving vehicle detection and tracking at roundabouts using deep learning with trajectory union | |
CN112733598A (zh) | 车辆违法判别方法、装置、计算机设备和存储介质 | |
CN113330278B (zh) | 一种导航装置、方法及相关设备 | |
Dinh et al. | Development of a tracking-based system for automated traffic data collection for roundabouts | |
CN112562315B (zh) | 一种获取车流信息的方法、终端及存储介质 | |
KR20220101535A (ko) | 딥러닝 기반 온-디바이스 실시간 교통제어 시스템 | |
Bhandari et al. | Fullstop: A camera-assisted system for characterizing unsafe bus stopping | |
CN117115752A (zh) | 一种高速公路视频监控方法及*** | |
Singh et al. | Improved YOLOv5l for vehicle detection: an application to estimating traffic density and identifying over speeding vehicles on highway scenes | |
CN113554880B (zh) | 交通违法拦截方法、装置、电子设备和计算机可读介质 | |
CN115762230A (zh) | 基于剩余车位量预测的停车场智能引导方法及装置 | |
CN113963310A (zh) | 一种公交站的人流量检测方法、装置及电子设备 | |
CN113592902A (zh) | 目标跟踪方法、装置、计算机设备和存储介质 | |
CN113762030A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN113744304A (zh) | 一种目标检测跟踪的方法和装置 |
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 |