CN114694208A - 基于车路协同的线索信息上报方法、装置、设备及介质 - Google Patents
基于车路协同的线索信息上报方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114694208A CN114694208A CN202210042803.8A CN202210042803A CN114694208A CN 114694208 A CN114694208 A CN 114694208A CN 202210042803 A CN202210042803 A CN 202210042803A CN 114694208 A CN114694208 A CN 114694208A
- Authority
- CN
- China
- Prior art keywords
- information
- image
- reporting
- vehicle
- detection
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于车路协同的线索信息上报方法、装置、设备及介质,可应用于车路协同和图像处理技术领域,该基于车路协同的线索信息上报方法包括:获取由设置在车载单元和路侧单元上的摄像头采集的图像和所述图像的位置信息;基于机器学习算法对所述图像进行三维目标检测,将所述图像中的人确定为检测对象;提取所述检测对象的头部特征信息,并根据所述图像的位置信息确定所述检测对象的位置信息;将所述检测对象的头部特征信息与已有的事件对应的目标对象的头部特征信息进行匹配,在匹配率满足预设条件的情况下,上报所述检测对象的位置信息和头部特征信息。
Description
技术领域
本发明涉及车路协同和图像处理技术领域,尤其涉及一种基于车路协同的线索信息上报方法、装置、设备及介质。
背景技术
随着对人工智能技术在公共安全领域应用的日益增加的需求,在搜查目标人员时,通常可以采用城市基础设施中所布设的监控摄像头辅助调查,而在一些无法覆盖的区域,例如,一些未架设监控探头的国道、非公路区域,难以通过查看监控拍摄的画面来辅助目标人员搜查等工作。
为此,如何利用更广范围的图像获取范围来识别目标从而上报线索信息成为一个亟需解决的问题。
发明内容
为了至少上述的技术问题,本发明的实施例提供了一种基于车路协同的线索信息上报方法、装置、设备及介质。
第一方面,本发明的实施例提供了一种基于车路协同的线索信息上报方法,上述基于车路协同的线索信息上报方法包括:获取由设置在车载单元和路侧单元上的摄像头采集的图像和上述图像的位置信息;基于机器学习算法对上述图像进行三维目标检测,将上述图像中的人确定为检测对象;提取上述检测对象的头部特征信息,并根据上述图像的位置信息确定上述检测对象的位置信息;将上述检测对象的头部特征信息与已有的事件对应的目标对象的头部特征信息进行匹配,在匹配率满足预设条件的情况下,上报上述检测对象的位置信息和头部特征信息。
根据本发明的实施例,在将上述检测对象的头部特征信息与已有的事件对应的目标对象的头部特征信息进行匹配之前,上述方法还包括:获取已有的事件对应的目标对象的头部特征信息。
根据本发明的实施例,上述获取已有的事件对应的目标对象的头部特征信息包括:获取目标对象的原始信息,上述原始信息包括上述事件发生时上述目标对象的图像信息;对上述目标对象的图像信息进行特征提取,得到上述目标对象的头部特征信息。
根据本发明的实施例,上述原始信息还包括上述事件发生时上述目标对象的年龄信息,上述将上述检测对象的头部特征信息与已有的事件对应的目标对象的头部特征信息进行匹配包括:在上述事件发生时上述目标对象的年龄小于预设年龄的情况下,根据上述事件发生时上述目标对象的年龄和头部特征信息,通过增龄算法预测得到当前上述目标对象的头部特征预测信息,将上述检测对象的头部特征信息与上述目标对象的头部特征预测信息进行匹配。
根据本发明的实施例,在上述在匹配率满足预设条件的情况下,上报上述检测对象的位置信息和头部特征信息之后,上述方法还包括:基于上述采集的图像对上述检测对象进行目标追踪,直至上述检测对象离开上述车载单元和上述路侧单元的摄像头的检测区域;根据上述图像信息确定上述检测对象的实时位置信息,并上报上述实时位置信息。
根据本发明的实施例,基于YOLO-V5算法对上述图像进行三维目标检测,将上述图像中的人确定为检测对象。
根据本发明的实施例,上述目标对象包括失踪人员和需追踪的目标人员。
第二方面,本发明的实施例提供了一种基于车路协同的线索信息上报装置,包括:图像采集模块,用于获取由设置在车载单元和路侧单元上的摄像头采集的图像和上述图像的位置信息;目标检测模块,用于基于机器学习算法对上述图像进行三维目标检测,将上述图像中的人确定为检测对象;特征提取模块,用于提取上述检测对象的头部特征信息,并根据上述图像的位置信息确定上述检测对象的位置信息;判断上报模块,用于将上述检测对象的头部特征信息与已有的事件对应的目标对象的头部特征信息进行匹配,在匹配率满足预设条件的情况下,上报上述检测对象的位置信息和头部特征信息。
第三方面,本发明的实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器、通信接口和存储器通过通信总线完成相互间的通信;存储器,用于存放计算机程序;处理器,用于执行存储器上所存放的程序时,实现如上所述的方法。
第四方面,本发明的实施例提供了一种计算机可读存储介质,其上存储有计算机程序,上述计算机程序被处理器执行时实现如上所述的方法。
本发明实施例提供的上述技术方案与相关技术相比至少具有如下优点的部分或全部:
基于车路协同采集的图像所覆盖范围更广,通过车载单元和路侧单元上的摄像头采集图像,进行处理和识别后并在满足预设条件时上报目标的线索信息,能够解决采用城市基础设施中所布设的监控摄像头来搜查目标人员时,固定的基础设施覆盖范围不够广的技术问题,基于车路协同技术中随车载单元的移动采集区域是动态变化的,这使得在许多现有的探头无法覆盖的区域可以通过途径的车载单元的摄像头进行图像采集,更加便捷地实现图像采集,采集的数据量更大,在更广范围内搜索有助于定位到目标对象并上报线索信息,进而为公共安全提供更多有价值的线索信息,以便定位目标人员,有助于维护社会治安。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
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,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1示意性示出适用于本发明实施例的基于车路协同的线索信息上报方法及装置的***架构;
图2示意性地示出了根据本发明一实施例的基于车路协同的线索信息上报方法的流程图;
图3示意性示出了根据本发明另一实施例的基于车路协同的线索信息上报方法的流程图;
图4示意性示出了根据本发明又一实施例的基于车路协同的线索信息上报方法的流程图;
图5示意性地示出了根据本发明一实施例的基于车路协同的线索信息上报装置的结构框图;以及
图6示意性地示出了根据本发明实施例提供的电子设备的结构框图。
具体实施方式
为了能够更清楚地理解本发明的上述方面、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不限于下面公开的具体实施例的限制。
下面参照图1至图6描述根据本发明一些实施例的基于车路协同的线索信息上报方法、装置、设备以及介质。
本发明第一方面的实施例提出了一种基于车路协同的线索信息上报方法包括:获取由设置在车载单元和路侧单元上的摄像头采集的图像和所述图像的位置信息;基于机器学习算法对所述图像进行三维目标检测,将所述图像中的人确定为检测对象;提取所述检测对象的头部特征信息,并根据所述图像的位置信息确定所述检测对象的位置信息;将所述检测对象的头部特征信息与已有的事件对应的目标对象的头部特征信息进行匹配,在匹配率满足预设条件的情况下,上报所述检测对象的位置信息和头部特征信息。
需要注意的是,图1所示仅为可以应用本发明实施例的***架构的示例,以帮助本领域技术人员理解本发明的技术内容,但并不意味着本发明实施例不可以用于其他环境或场景。
参照图1所示,适用于本发明实施例的基于车路协同的线索信息上报方法及装置的***架构100包括:终端设备101、102、103,网络104和服务器105。
网络104用以在终端设备101、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。
终端设备101、102、103可以包括摄像头,例如相机等能够进行图像采集的设备。
需要说明的是,在本发明实施例中,终端设备101、102、103可以为车载单元或设备、路侧单元或设备,车载单元可以安装在车辆外部或内部,用于采集车辆所处位置范围内的图像,随车辆的移动,采集图像的范围也随之变化,路侧单元可以架设在道路附近,以检测周边区域(如车道上、车道外)的人、车辆多种对象等。
服务器105与终端设备101、102、103通过网络104进行通信连接,服务器105可以是提供各种服务的服务器,例如,服务器可以是云端服务器,可以获取由终端设备101、 102、103发送的各种数据、信息等,例如通过终端设备101、102、103包含的摄像头采集的图像。服务器可以执行根据本发明实施例的基于车路协同的线索信息上报方法,服务器还可以将线索信息上报至***、服务器及终端设备等。
需要说明的是,本发明实施例提供的基于车路协同的线索信息上报方法的执行主体可以是服务器,本发明实施例所提供的基于车路协同的线索信息上报方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。
应该理解,图1中的终端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车载单元、路侧单元和服务器。
本发明的第一个示例性实施例提供了一种基于车路协同的线索信息上报方法。
图2示意性地示出了根据本发明一实施例的基于车路协同的线索信息上报方法的流程图。
参照图2所示,本发明实施例提供基于车路协同的线索信息上报方法,包括以下操作:S202、S204、S206和S208。上述操作S202~S208可以由服务器或具有一定运算能力的终端设备执行。
在操作S202,获取由设置在车载单元和路侧单元上的摄像头采集的图像和所述图像的位置信息。
在操作S204,基于机器学习算法对所述图像进行三维目标检测,将所述图像中的人确定为检测对象。
在操作S206,提取所述检测对象的头部特征信息,并根据所述图像的位置信息确定所述检测对象的位置信息。
在操作S208,将所述检测对象的头部特征信息与已有的事件对应的目标对象的头部特征信息进行匹配,在匹配率满足预设条件的情况下,上报所述检测对象的位置信息和头部特征信息。
具体的,车载单元和路侧单元上均设置有摄像头等摄像设备,摄像头能够进行图像采集。每个摄像头都可以采集其检测区域内的图像。所采集的图像可以实时上传至云端,例如云端服务器等。通过摄像头采集的图像相关数据还可以包括图像的位置信息,例如,车载单元随车辆的移动,采集图像及图像中所展示的定位/位置也会随之变化。
在采集图像后,可以基于机器学习算法对图像进行三维目标检测,将图像中的人确定为检测对象。示例性的,该机器学习算法可以是YOLO-V5算法。YOLO V5算法是一种可选的目标检测模型,本发明实施例可以采用YOLO V5算法对所述图像进行三维目标检测,从而将图像中的人确定为检测对象。检测对象可以是一个person类的对象,即,识别图像中的人类作为检测对象。
在操作S206,提取所述检测对象的头部特征信息,并根据所述图像的位置信息确定所述检测对象的位置信息。
具体的,头部特征可以包括许多类型的特征,例如,根据特征所属具体部位分类,可以包括脸型、发型、眉型、眼型、鼻型、嘴型等。头部特征可以包括许多具体的特征,例如:胎记、疤痕、印记、牙齿、耳垂大小、耳洞(孔)、痣、胡须等。
示例性的,通过车载单元和路侧单元上设置的摄像头采集上述图像,对于某一个检测对象,其可以出现在多个不同的车载单元和路侧单元的检测范围内,即,不同的车载单元和路侧单元采集到的图像中可以包含同一检测对象的图像,通常可能是不同角度的图像。根据本发明实施例的基于车路协同的线索信息上报方法所提取的检测对象的头部特征信息,可以具体实施为将不同车载单元和路侧单元采集到的图像中包含同一检测对象的不同角度的图像进行拼接,从而得到立体的头部特征数据,即,不仅局限于人脸(面部)的特征,而是检测对象的头部特征信息,可以理解为360度的特征,从而使得在后续的匹配操作中,实现360度的目标特征分析。
在操作S208,将所述检测对象的头部特征信息与已有的事件对应的目标对象的头部特征信息进行匹配,在匹配率满足预设条件的情况下,上报所述检测对象的位置信息和头部特征信息。
在实际应用场景下,已有的事件可以是通过接入数据库,获取已有的案件相关事件,其中包括了目标对象。上报检测对象的位置信息和头部特征信息可以具体实施为在满足预设条件的情况下自动上报,以展示给相关工作人员进行后续线索信息处理。
检测对象的位置信息可以是具体的地理位置坐标。在采集检测对象的图像进行特征提取时,还可以通过图像分析并识别目标对象与其他人员的接触情况,例如,一些目标人员的密切接触人员也可能属于目标人员,通过图像分析可以识别潜在的目标人员,并通过根据本发明实施例的基于车路协同的线索信息上报方法,对潜在的目标人员进行追踪,为后续的调查过程提供数据支持。
匹配度可以是检测对象与目标对象的头部特征信息之间的相似度,能够表征特征数据之间的相似程度。预设条件可以是对表征相似程度(即,匹配度)的数值的限定条件,例如,预设条件可以是检测对象的头部特征信息与已有的事件对应的目标对象的头部特征信息的匹配度高于95%,那么,满足该预设条件则表示相似度大于95%。如果匹配度为80%,则不满足该预设条件不上报线索信息,如果匹配度为98%,高于 95%,则满足该预设条件,并执行上报所述检测对象的位置信息和头部特征信息的操作。
在实际应用中,该预设条件是可以根据实际需求进行设置的,通常设置在90%以上的范围内,该预设条件设置的匹配度越高,产生误报的可能性越小。当然,若实际的需求对精确度要求较高,则需要相应地上调匹配度,例如97%、98%、99%等。
可选的,当匹配度不满足预设条件时,可以不上报线索信息,还可以先保存将检测对象的头部特征数据,也可以以特定的时间段(例如,每一周,每一个月等)上传数据保存在云端,当再次通过车载单元或路侧单元采集的图像获取到该对象的图像时,可以通过拼接、补偿等方式组合特征数据,从而更新该对象的特征数据,在更新后的匹配度满足预设条件时可以上报线索信息。
在一些可能的场景中,例如,满足预设条件上报的线索信息是作为参考信息提供给相关工作人员,那么,若想要获取大量的检测对象数据,则可以相应地降低该预设条件中设定的匹配度的值,若需要精简的数据量,高准确度的检测对象信息,则相应地可以提高该预设条件中设定的匹配度的值。
基于上述操作,基于车路协同采集的图像所覆盖范围更广,通过车载单元和路侧单元上的摄像头采集图像,进行处理和识别后并在满足预设条件时上报目标的线索信息,能够解决采用城市基础设施中所布设的监控摄像头来搜查目标人员时,固定的基础设施覆盖范围不够广的技术问题,基于车路协同技术中随车载单元的移动采集区域是动态变化的,这使得在许多现有的探头无法覆盖的区域可以通过途径的车载单元的摄像头进行图像采集,更加便捷地实现图像采集,采集的数据量更大,在更广范围内搜索有助于定位到目标对象并上报线索信息,进而为公共安全提供更多有价值的线索信息,以便定位目标人员,有助于维护社会治安。
本发明的第二个示例性实施例提供了一种基于车路协同的线索信息上报方法。
图3示意性示出了根据本发明另一实施例的基于车路协同的线索信息上报方法的流程图;
参照图3所示,本发明实施例提供基于车路协同的线索信息上报方法,在执行操作S208之前,还包括操作S301:
在操作S301,获取已有的事件对应的目标对象的头部特征信息。
在一种可能的实施方式中,操作S301可以包括操作S301a和S301b。
在操作S301a,获取目标对象的原始信息,所述原始信息包括所述事件发生时所述目标对象的图像信息。
在操作S301b,对所述目标对象的图像信息进行特征提取,得到所述目标对象的头部特征信息。
具体的,已有的事件可以通过例如接入数据库来获取相关数据集。示例性的,事件可以是儿童失踪案件,其中目标对象可以是失踪的儿童,通常关于案件的记录包括儿童失踪时的个人信息、图像信息等,通过处理该儿童的图像,例如面部扫描等特征提取方式,得到该目标对象的头部特征信息。
本发明的第三个示例性实施例提供了一种基于车路协同的线索信息上报方法。
在一种可能的实施方式中,所述原始信息还包括所述事件发生时所述目标对象的年龄信息,将所述检测对象的头部特征信息与已有的事件对应的目标对象的头部特征信息进行匹配包括如下操作:
在所述事件发生时所述目标对象的年龄小于预设年龄的情况下,根据所述事件发生时所述目标对象的年龄和头部特征信息,通过增龄算法预测得到当前所述目标对象的头部特征预测信息,将所述检测对象的头部特征信息与所述目标对象的头部特征预测信息进行匹配。
以儿童失踪案件这种事件为例,其中通常儿童失踪是在幼年时期,多年未找到儿童样貌会发生较大变化,若直接使用儿童失踪时的图片信息经过特征提取的头部特征信息进行对比匹配,由于与当前的头部特征差异大,会产生较大的偏差,导致结果不准确。因此,根据事件发生时目标对象的年龄和头部特征信息,通过增龄算法预测得到当前目标对象的头部特征预测信息,可以使得头部特征数据更符合对象当前的样貌,从而提升整体匹配结果的准确率。
预设年龄可以根据实际需求进行设定。以预设年龄为25岁、事件为儿童失踪为例,若失踪儿童在事件发生时的年龄为10岁,小于该预设年龄,则通过增龄算法预测当前该儿童的头部特征预测信息,从而与检测对象的头部特征信息进行对比和匹配。在实际应用中,上述操作在事件发生时的事件和当前执行该方法的时间差距较大(例如 5~10年以上)的情况下,通过预测当前头部特征信息,减小了历史数据的样貌特征与当前变化较大的样貌特征之间的偏差,能够大幅提升匹配的准确度,进而提升线索信息上报的准确度。
图4示意性示出了根据本发明又一实施例的基于车路协同的线索信息上报方法的流程图,原始信息还包括所述事件发生时所述目标对象的年龄信息。
如图4所示,在执行了上述操作S301a~S301b后,执行操作S401:判断所述事件发生时所述目标对象的年龄是否小于预设年龄,若是,则执行操作S402,若否,则执行操作S208。其中,操作S402为,根据所述事件发生时所述目标对象的年龄和头部特征信息,通过增龄算法预测得到当前所述目标对象的头部特征预测信息,将所述检测对象的头部特征信息与所述目标对象的头部特征预测信息进行匹配。
具体的,增龄算法(也可以称为老化算法)可以通过生成对抗网络(Generativeadversarial network,GAN)实现。根据事件发生时目标对象的年龄和头部特征信息,通过增龄算法预测,可以得到当前目标对象的头部特征预测信息,
本发明的第四个示例性实施例提供了一种基于车路协同的线索信息上报方法。
在一种可能的实施方式中,实施了上述操作之后,例如操作S208或S402之后,根据本发明实施例的基于车路协同的线索信息上报方法还可以执行如下操作:
基于上述采集的图像对上述检测对象进行目标追踪,直至上述检测对象离开上述车载单元和上述路侧单元的摄像头的检测区域;根据上述图像信息确定上述检测对象的实时位置信息,并上报上述实时位置信息。
示例性的,可以在上报后,继续对目标对象进行追踪,并实时上报位置信息,以便在相关工作人员进行现场追踪和巡逻时,有效地定位该目标和实施行动。可选的,除了上报的位置信息之外,云端服务器还可以获取车载单元或路侧单元的设备信息,从而得到设备的位置信息,并通过多个车载单元和路侧单元持续采集的图像,分析得到目标对象的移动轨迹,进一步可以进行目标对象的行动路线的预测,从而提供辅助信息,协助相关工作人员,实时提供目标对象的精准位置信息。
本发明的第五个示例性实施例提供了一种基于车路协同的线索信息上报装置。
图5示意性地示出了根据本发明一实施例的基于车路协同的线索信息上报装置的结构框图。
参照图5所示,本发明实施例提供的基于车路协同的线索信息上报装置500,包括图像采集模块501、目标检测模块502、特征提取模块503和判断上报模块504:
图像采集模块501,用于获取由设置在车载单元和路侧单元上的摄像头采集的图像和所述图像的位置信息;
目标检测模块502,用于基于机器学习算法对所述图像进行三维目标检测,将所述图像中的人确定为检测对象;
特征提取模块503,用于提取所述检测对象的头部特征信息,并根据所述图像的位置信息确定所述检测对象的位置信息;
判断上报模块504,用于将所述检测对象的头部特征信息与已有的事件对应的目标对象的头部特征信息进行匹配,在匹配率满足预设条件的情况下,上报所述检测对象的位置信息和头部特征信息。
在上述的实施例中,上述图像采集模块501、目标检测模块502、特征提取模块503和判断上报模块504中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。
图像采集模块501、目标检测模块502、特征提取模块503和判断上报模块504中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上***、基板上的***、封装上的***、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,图像采集模块501、目标检测模块502、特征提取模块503和判断上报模块504中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
本发明的第六个示例性实施例提供了一种电子设备。
图6示意性地示出了根据本发明实施例提供的电子设备的结构框图。
参照图6所示,本发明实施例提供的电子设备600包括处理器601、通信接口602、存储器603和通信总线604,其中,处理器601、通信接口602和存储器603通过通信总线604完成相互间的通信;存储器603,用于存放计算机程序;处理器601,用于执行存储器上所存放的程序时,实现如上所述的基于车路协同的线索信息上报方法。
本发明的第七个示例性实施例还提供了一种计算机可读存储介质。上述计算机可读存储介质上存储有计算机程序,上述计算机程序被处理器执行时实现如上所述的基于车路协同的线索信息上报方法。
该计算机可读存储介质可以是上述实施例中描述的设备/装置中所包含的;也可以是单独存在,而未装配入该设备/装置中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本发明实施例的基于车路协同的线索信息上报。
根据本发明的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、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。在本发明中,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。
基于车路协同采集的图像所覆盖范围更广,通过车载单元和路侧单元上的摄像头采集图像,进行处理和识别后并在满足预设条件时上报目标的线索信息,能够解决采用城市基础设施中所布设的监控摄像头来搜查目标人员时,固定的基础设施覆盖范围不够广的技术问题,基于车路协同技术中随车载单元的移动采集区域是动态变化的,这使得在许多现有的探头无法覆盖的区域可以通过途径的车载单元的摄像头进行图像采集,更加便捷地实现图像采集,采集的数据量更大,在更广范围内搜索有助于定位到目标对象并上报线索信息,进而为公共安全提供更多有价值的线索信息,以便定位目标人员,有助于维护社会治安。
在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其他实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于车路协同的线索信息上报方法,其特征在于,包括:
获取由设置在车载单元和路侧单元上的摄像头采集的图像和所述图像的位置信息;
基于机器学习算法对所述图像进行三维目标检测,将所述图像中的人确定为检测对象;
提取所述检测对象的头部特征信息,并根据所述图像的位置信息确定所述检测对象的位置信息;
将所述检测对象的头部特征信息与已有的事件对应的目标对象的头部特征信息进行匹配,在匹配率满足预设条件的情况下,上报所述检测对象的位置信息和头部特征信息。
2.根据权利要求1所述的基于车路协同的线索信息上报方法,其特征在于,在将所述检测对象的头部特征信息与已有的事件对应的目标对象的头部特征信息进行匹配之前,所述方法还包括:
获取已有的事件对应的目标对象的头部特征信息。
3.根据权利要求2所述的基于车路协同的线索信息上报方法,其特征在于,所述获取已有的事件对应的目标对象的头部特征信息包括:
获取目标对象的原始信息,所述原始信息包括所述事件发生时所述目标对象的图像信息;
对所述目标对象的图像信息进行特征提取,得到所述目标对象的头部特征信息。
4.根据权利要求3所述的基于车路协同的线索信息上报方法,其特征在于,所述原始信息还包括所述事件发生时所述目标对象的年龄信息,所述将所述检测对象的头部特征信息与已有的事件对应的目标对象的头部特征信息进行匹配包括:
在所述事件发生时所述目标对象的年龄小于预设年龄的情况下,根据所述事件发生时所述目标对象的年龄和头部特征信息,通过增龄算法预测得到当前所述目标对象的头部特征预测信息,将所述检测对象的头部特征信息与所述目标对象的头部特征预测信息进行匹配。
5.根据权利要求4所述的基于车路协同的线索信息上报方法,其特征在于,在所述在匹配率满足预设条件的情况下,上报所述检测对象的位置信息和头部特征信息之后,所述方法还包括:
基于所述采集的图像对所述检测对象进行目标追踪,直至所述检测对象离开所述车载单元和所述路侧单元的摄像头的检测区域;
根据所述图像信息确定所述检测对象的实时位置信息,并上报所述实时位置信息。
6.根据权利要求1至5中任一项所述的基于车路协同的线索信息上报方法,其特征在于,基于YOLO-V5算法对所述图像进行三维目标检测,将所述图像中的人确定为检测对象。
7.根据权利要求1至5中任一项所述的基于车路协同的线索信息上报方法,其特征在于,所述目标对象包括失踪人员和需追踪的目标人员。
8.一种基于车路协同的线索信息上报装置,其特征在于,包括:
图像采集模块,用于获取由设置在车载单元和路侧单元上的摄像头采集的图像和所述图像的位置信息;
目标检测模块,用于基于机器学习算法对所述图像进行三维目标检测,将所述图像中的人确定为检测对象;
特征提取模块,用于提取所述检测对象的头部特征信息,并根据所述图像的位置信息确定所述检测对象的位置信息;
判断上报模块,用于将所述检测对象的头部特征信息与已有的事件对应的目标对象的头部特征信息进行匹配,在匹配率满足预设条件的情况下,上报所述检测对象的位置信息和头部特征信息。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器、通信接口和存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1至7中任一项所述的方法。
10.一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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210042803.8A CN114694208A (zh) | 2022-01-14 | 2022-01-14 | 基于车路协同的线索信息上报方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210042803.8A CN114694208A (zh) | 2022-01-14 | 2022-01-14 | 基于车路协同的线索信息上报方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114694208A true CN114694208A (zh) | 2022-07-01 |
Family
ID=82136900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210042803.8A Pending CN114694208A (zh) | 2022-01-14 | 2022-01-14 | 基于车路协同的线索信息上报方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114694208A (zh) |
-
2022
- 2022-01-14 CN CN202210042803.8A patent/CN114694208A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20140369566A1 (en) | Perimeter Image Capture and Recognition System | |
CN111860318A (zh) | 一种建筑工地行人徘徊检测方法、装置、设备及存储介质 | |
CN113095132B (zh) | 基于神经网络燃气现场识别方法、***、终端及存储介质 | |
CN112434566B (zh) | 客流统计方法、装置、电子设备及存储介质 | |
CN110751675B (zh) | 基于图像识别的城市宠物活动轨迹监测方法及相关设备 | |
CN112770265B (zh) | 一种行人身份信息获取方法、***、服务器和存储介质 | |
KR102043922B1 (ko) | Cctv 분할 운영시스템 및 그 운영방법 | |
CN111444798A (zh) | 电动自行车驾驶行为的识别方法、装置和计算机设备 | |
CN112836683B (zh) | 用于便携式摄像设备的车牌识别方法、装置、设备和介质 | |
CN113269091A (zh) | 一种面向智慧园区的人员轨迹分析方法、设备及介质 | |
CN112052815A (zh) | 一种行为检测方法、装置及电子设备 | |
CN112132048A (zh) | 一种基于计算机视觉的社区巡更分析方法及*** | |
CN110147731A (zh) | 车辆类型识别方法及相关产品 | |
CN111476685B (zh) | 行为分析方法、装置及设备 | |
CN112487894A (zh) | 基于人工智能的轨道交通保护区自动巡查方法及装置 | |
CN114170272A (zh) | 一种云端环境下基于感知传感器的事故报告、储存方法 | |
CN114926791A (zh) | 一种路口车辆异常变道检测方法、装置、存储介质及电子设备 | |
CN111523776A (zh) | 一种基于非法目标危险评估的智慧城市***及方法 | |
JP6621092B1 (ja) | 危険度判別プログラム及びシステム | |
CN113963438A (zh) | 行为识别方法及装置、设备和存储介质 | |
CN114049658A (zh) | 基于人脸识别的流动人口管理方法、装置、计算机设备和存储介质 | |
CN113673308A (zh) | 对象识别方法、装置和电子*** | |
CN114694208A (zh) | 基于车路协同的线索信息上报方法、装置、设备及介质 | |
CN115131702A (zh) | 车辆定损处理方法、装置、设备及存储介质 | |
CN115719428A (zh) | 基于分类模型的人脸图像聚类方法、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 |