CN114882709B - 车辆拥堵检测方法、装置及计算机存储介质 - Google Patents

车辆拥堵检测方法、装置及计算机存储介质 Download PDF

Info

Publication number
CN114882709B
CN114882709B CN202210428109.XA CN202210428109A CN114882709B CN 114882709 B CN114882709 B CN 114882709B CN 202210428109 A CN202210428109 A CN 202210428109A CN 114882709 B CN114882709 B CN 114882709B
Authority
CN
China
Prior art keywords
video frame
target
vehicle
target video
frame
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
Application number
CN202210428109.XA
Other languages
English (en)
Other versions
CN114882709A (zh
Inventor
吴学纯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Yuncong Tianfu Artificial Intelligence Technology Co ltd
Original Assignee
Sichuan Yuncong Tianfu Artificial Intelligence Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Yuncong Tianfu Artificial Intelligence Technology Co ltd filed Critical Sichuan Yuncong Tianfu Artificial Intelligence Technology Co ltd
Priority to CN202210428109.XA priority Critical patent/CN114882709B/zh
Publication of CN114882709A publication Critical patent/CN114882709A/zh
Application granted granted Critical
Publication of CN114882709B publication Critical patent/CN114882709B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请提供一种车辆拥堵检测方法、装置及计算机存储介质，包括根据预设帧间隔，获取目标视频中的多个目标视频帧；检测每一个目标视频帧中的感兴趣区域以及所有目标车辆，以确定每一个目标视频帧的候选车辆；比对任意相邻两个目标视频帧中的候选车辆，获得目标视频是否存在车辆拥堵状态的判断结果。据此，本申请可适于针对球形摄像机的视频数据执行车辆拥堵检测，并可提高检测结果的准确性。

Description

车辆拥堵检测方法、装置及计算机存储介质
技术领域
本申请实施例涉及图像识别技术领域，特别涉及一种车辆拥堵检测方法、装置及计算机存储介质。
背景技术
最近十年拥有私家车的人原来越多，越来越多的车辆使得道路交通负荷越来越重，尤其对于流量高峰期，一旦事故很容易造成拥堵，交警需要在第一时间确认拥堵位置，找到问题，及时处理。
目前，高速及城市道路安装的监控设备中包含有很多球机摄像机，然而，此类型摄像机由于无法指定检测区域，而无法被有效利用在车辆拥堵检测任务中。
有鉴于此，本申请提供一种适用于球形摄像机的车辆拥堵检测技术。
发明内容
鉴于上述问题，本申请提供一种车辆拥堵检测方法、装置及计算机存储介质，可至少部分地解决现有技术中的问题。
本申请第一方面提供一种车辆拥堵检测方法，包括：根据预设帧间隔，获取目标视频中的多个目标视频帧；检测每一个目标视频帧中的感兴趣区域以及所有目标车辆，以确定每一个目标视频帧的候选车辆；比对任意相邻两个目标视频帧中的候选车辆，获得所述目标视频是否存在车辆拥堵状态的判断结果。
本申请第二方面提供一种车辆拥堵检测装置，包括：获取模块，用于根据预设帧间隔，获取目标视频中的多个目标视频帧；检测模块，用于检测每一个目标视频帧中的感兴趣区域以及所有目标车辆，以确定每一个目标视频帧的候选车辆；分析模块，用于比对任意相邻两个目标视频帧中的候选车辆，获得所述目标视频是否存在车辆拥堵状态的判断结果。
本申请第三方面提供一种计算机存储介质，其特征在于，所述计算机存储介质中存储有用于执行上述第一方面所述的方法中各步骤的各指令。
综上所述，本申请实施例提供的车辆拥堵检测技术，通过检测目标视频帧中的感兴趣区域以及所有目标车辆，以确定位于感兴趣区域中的候选车辆，并通过比对任意相邻两个目标视频帧中的候选车辆，以获得车辆拥堵状态的检测结果。因此，本申请可适于针对球形摄像机的视频数据执行车辆拥堵检测，并可提高检测结果的准确性。
附图说明
为了更清楚地说明本申请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申请实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本申请示例性实施例的车辆拥堵检测方法的处理流程图。
图2为本申请另一示例性实施例的车辆拥堵检测方法的处理流程图。
图3为本申请另一示例性实施例的车辆拥堵检测方法的处理流程图。
图4为本申请另一示例性实施例的车辆拥堵检测方法的处理流程图。
图5为本申请另一示例性实施例的车辆拥堵检测方法的处理流程图。
图6为本申请示例性实施例的车辆拥堵检测装置的结构框图。
具体实施方式
为了使本领域的人员更好地理解本申请实施例中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本申请实施例保护的范围。
目前比较常用的道路行为分析技术，主要是基于相机位置不会发生变化的枪机摄像机来实现的，通过在图像上标记出车道线、转弯方向、红绿灯等信息，区分给定车道框内哪些是道路上的移动车辆，哪些是路边的停放车辆，然后根据车辆的行驶速度，来确定是否存在车辆拥堵。
然而，上述方案存在有以下缺点：1、虽然枪机的取景范围可基本保持不变，但是难免会出现相机的固定装置发生松动，导致相机的取景范围发生轻微移动，在此情况下，基于预先标记的车道线进行车道区分，很容易造成误报，需要大量人工维护；2、对于球机就完全不能使用，因为球机需要频繁转动放大缩小，无法维护；3、当出现大量相机需要部署程序的时候，需要针对每个相机手动划分车道线，此操作需要大量的人力物力支持。
有鉴于此，本申请提供一种车辆拥堵检测方案，可至少部分地解决上述现有技术方案存在的问题。
以下将结合各附图详细描述本申请的各实施例。
图1示出了本申请示例性实施例的车辆拥堵检测方法的处理流程。如图所示，本实施例主要包括以下步骤：
步骤S102,根据预设帧间隔，获取目标视频中的多个目标视频帧。
可选地，目标视频可获取自球机摄像机、枪机摄像机中的一个，但并不以此为限，亦可为其他类型的摄像机。
可选地，目标视频的取景范围可为固定或非固定中的一个。
于本实施例中，可基于预设帧间隔，依次提取目标视频中的各个目标视频帧。
步骤S104,检测每一个目标视频帧中的感兴趣区域以及所有目标车辆，以确定每一个目标视频帧的候选车辆。
可选地，可检测每一个目标视频帧中包含目标车道的感兴趣区域以及所有目标车辆，并将位于感兴趣区域内的目标车辆确定为每一个目标视频帧的候选车辆。
于本实施例中，目标车道可包括行车道。
可选地，可利用预设车道划分模型针对目标视频帧执行车道划分，以确定目标视频帧中的行车道。
步骤S106，比对任意相邻两个目标视频帧中的候选车辆，获得目标视频是否存在车辆拥堵状态的判断结果。
可选地，可通过比对相邻两个目标视频帧中同一候选车辆的车辆检测框，分析每一个目标视频帧中的缓行车辆，并将缓行车辆的数量超过预设数量的各目标视频帧确定为候选视频帧，在根据候选视频帧的确定结果，获得目标视频是否存在车辆拥堵状态的判断结果。
综上所述，本实施例的车辆拥堵检测方法，通过检测每一个目标视频帧中的感兴趣区域以及所有目标车辆，以锁定位于感兴趣区域中的候选车辆，并通过比对任意相邻两个目标视频帧中的候选车辆，针对候选车辆的行驶状态进行分析，据以判断目标视频中是否存在车辆拥堵的情况。借此，本申请可针对任何类型摄像机所获取的监控视频执行车辆拥堵检测，尤其适用于球形摄像机拍摄的监控视频，以提高现有监控资源的利用率，并能提高准确性较高的车辆拥堵检测结果。
图2示出了本申请另一示例性实施例的车辆拥堵检测方法的处理流程。本实施例为上述步骤S104的具体实施方案。如图所示，本实施例主要包括以下步骤：
步骤S202,依次将一个目标视频帧确定为当前视频帧。
具体地，可根据每一个目标视频帧的时间戳，依次获取一个目标视频帧以作为当前视频帧。
步骤S204，检测当前视频帧中的所有目标车辆，确定各目标车辆对应的各车辆检测框。
于本实施例中，可检测当前视频帧中的所有机动车，以确定每一个机动车的车辆检测框。
步骤S206，根据从当前视频帧识别出的目标车道，确定当前视频帧中包含目标车道的感兴趣区域。
可选地，目标车道可包括行车道。
可选地，可利用DeepLabv3模型针对所述当前视频帧执行车道划分，以确定当前视频帧中的行车道。
具体地，可利用DeepLabv3模型针对道路进行分割，得到行车道区域、实线区域、虚线区域、应急车道区域、岔路口的导流区域等。
步骤S208,识别位于感兴趣区域内的所有车辆检测框，以将位于目标车道内的目标车辆确定为当前视频帧的候选车辆。
借此，本申请可自动检测目标视频帧中的目标车道区域，并针对目标车道内的候选车辆进行车辆拥堵状态判别，可支持针对取景范围不固定的球机摄像机所获取的视频数据进行判断。
图3示出了本申请另一实施例的车辆拥堵状态的处理流程。本实施例示出了每一个视频帧中的目标车道的识别技术方案。如图所示，本实施例主要包括以下步骤：
步骤S302,查询当前视频帧对应的目标视频的车道划分信息，并根据当前视频帧的取景范围与前续视频帧的取景范围，分析当前视频帧的取景范围是否发生变化，且根据车道划分信息查询结果以及取景范围的分析结果，选择执行步骤S304、步骤S306、步骤S308中的一个。
于本实施例中，前续视频帧为从目标视频中提取的当前视频帧的前一帧目标视频帧。
步骤S304,若未查询到目标视频的车道划分信息，则针对当前视频帧执行车道划分。
步骤S306,若查询到目标视频的车道划分信息，且判断当前视频帧的取景范围发生变化，则针对当前视频帧执行车道划分，并基于当前视频帧的车道划分信息，更新目标视频的车道划分信息。
步骤S308，若查询到目标视频的车道划分信息，且判断当前视频帧的取景范围未发生变化，则根据目标视频的车道划分信息，识别当前视频帧中的目标车道。
于本实施例中，目标车道可包括行车道。
综上所述，借由本实施例所描述的目标车道识别方案，若在判断目标视频帧中的取景范围未发生变化时，沿用当前的车道划分结果，而仅在判断目标视频帧中的取景范围发生变化时，重新执行车道划分，借以减少***运算量，提高***处理效率。
图4示出了本申请另一示意性实施例的车道拥堵检测方法的处理流程。本实施例为上述步骤S106的具体实施方案。如图所示，本实施例主要包括以下步骤：
步骤S402,根据相邻两个目标视频帧中同一候选车辆的车辆检测框，确定每一个目标视频帧中的缓行车辆。
于本实施例中，每一个目标视频帧中可包括一辆或多辆的候选车辆。
可选地，可计算相邻两个目标视频帧中同一候选车辆的两个车辆检测框的交并比，据以确定每一个目标视频帧中的缓行车辆。
步骤S404,根据每一个目标视频帧中的所有缓行车辆，筛选出目标视频帧中的候选视频帧。
可选地，可依次将每一个目标视频帧确定为当前视频帧，统计当前视频帧中的缓行车辆的缓行车辆数，若缓行车辆数超过预设车辆阈值，将当前视频帧确定为候选视频帧。
例如，当统计当前视频帧中的缓行车辆的缓行车辆数超过10辆时，将当前视频帧确定为候选视频帧。
可选地，可依次将每一个目标视频帧确定为当前视频帧，并合并当前视频帧中的每一辆缓行车辆的车辆检测框，以确定当前视频帧的缓行区域，若当前视频帧的缓行区域相较于当前视频帧的感兴趣区域的面积比值超过预设面积比阈值，将当前视频帧确定为候选视频帧。
可选地，若当前视频帧中的缓行车辆的缓行车辆数大于5辆，则预设面积比阈值可设为0.3。例如，若当前视频帧中的缓行车辆均为中小型车辆，则当判断缓行车辆的缓行车辆数大于5辆，且当前视频帧的缓行区域相较于当前视频帧的感兴趣区域的面积比值超过0.3时，将当前视频帧确定为候选视频帧。
可选地，若当前视频帧中的缓行车辆的缓行车辆数为1辆，则预设面积比阈值可设为0.5。例如，若当前视频帧中的缓行车辆为大型卡车，则当判断大型卡车所占的区域相较于当前视频帧的感兴趣区域的面积比值超过0.5时，将当前视频帧确定为候选视频帧。
可选地，可依次将每一个目标视频帧确定为当前视频帧，统计当前视频帧中的缓行车辆的缓行车辆数，若缓行车辆数超过预设车辆阈值，合并当前视频帧中的每一辆缓行车辆的车辆检测框，确定当前视频帧的缓行区域，若当前视频帧的缓行区域相较于当前视频帧的感兴趣区域的面积比值超过预设面积比阈值，将当前视频帧确定为候选视频帧。
步骤S406,统计连续被确定为候选视频帧的目标视频帧的连续帧数，若连续帧数超过预设连续阈值，获得目标视频存在车辆拥堵状态的判断结果。
具体地，可统计连续被确定为候选视频帧的各目标视频帧的连续帧数，根据统计到的连续帧数以及提取各目标视频帧的预设帧间隔，可换算出缓行车辆处于缓行状态的累计时长，据以判断目标视频是否存在车辆拥堵状态。
可选地，也可基于连续被确定为候选视频帧的各目标视频帧，获得候选视频帧集合，并根据候选视频帧集合中各目标视频帧对应的各时间戳，获得候选视频帧集合的起始时间戳和结束时间戳，进而计算候选视频帧集合的累计时长，此累计时长即反映了缓行车辆处于缓行状态的累计时长，借以获得目标视频存在车辆拥堵状态的判断结果。
可选地，可候选视频帧中的缓行车辆处于缓行状态的累计时长超过30秒时，即认为存在着车辆拥堵状态。
综上所述，本实施例通过首先确定候选车辆中的缓行车辆，再根据缓行车辆的车辆数以及缓行车辆处于缓行行驶状态的累计时长，判断目标视频中是否存在车辆拥堵状态，借以提高车辆拥堵状态检测结果的准确性。
图5示出了本申请另一示例性实施例的车辆拥堵检测方法的处理流程。本实施例主要示出了上述步骤S402的具体实施方案，如图所示，本实施例主要包括以下步骤：
步骤S502,依次将每一个目标视频帧确定为当前视频帧，并将从目标视频中提取的当前视频帧的前一帧目标视频帧确定为前续视频帧。
具体地，假设当前视频帧为第5帧，则将第4帧视频帧确定为前续视频帧。
步骤S504,检测当前视频帧与前续视频帧中的同一候选车辆，确定候选车辆在当前视频帧中的当前车辆检测框与在前续视频帧中的前续车辆检测框。
例如，确定同一候选车辆在第5帧视频帧中的车辆检测框的位置与在第4帧视频帧中的车辆检测框的位置。
步骤S506,计算当前车辆检测框与前续车辆检测框的交并比，确定候选车辆的交并比值。
步骤S508,根据当前车辆检测框的位置信息和前续车辆检测框的位置信息，确定候选车辆的移动值。
可选地，可根据当前车辆检测框的中心点像素坐标和前续车辆检测框的中心点像素坐标，确定移动像素值，并根据移动像素值、当前视频帧或前续视频帧的图像高度，确定候选车辆的移动比值，通过此移动比值的计算方式，可解决由于目标视频帧的尺寸不统一，而造成检测结果存在误差的问题，提高缓行车辆评估结果的客观性。
步骤S510,若候选车辆的交并比值超过预设交并比阈值，且候选车辆的移动值小于预设移动阈值，将候选车辆确定为当前视频帧中的缓行车辆。
于本实施例中，预设交并比阈值可介于0.6至1之间，较佳地，预设交并比阈值可设为0.8。
于本实施例中，预设移动阈值可设为5％。
综上所述，本实施例通过统计缓行车辆的数量以及缓行车辆处于缓行行驶状态的累计时长，可准确地判断出目标视频中是否存在车辆拥堵的状况。
图6示出了本申请示例性实施例的车辆拥堵检测装置的结构框图。如图所示，本实施例的车辆拥堵检测装置600主要包括：
获取模块602，用于根据预设帧间隔，获取目标视频中的多个目标视频帧。
检测模块604，用于检测每一个目标视频帧中的感兴趣区域以及所有目标车辆，以确定每一个目标视频帧的候选车辆。
分析模块606，用于比对任意相邻两个目标视频帧中的候选车辆，获得所述目标视频是否存在车辆拥堵状态的判断结果。
可选地，检测模块604还用于：依次将每一个目标视频帧确定为当前视频帧；检测所述当前视频帧中的所有目标车辆，确定各目标车辆对应的各车辆检测框；根据从所述当前视频帧识别出的目标车道，确定所述当前视频帧中包含所述目标车道的感兴趣区域；识别位于所述感兴趣区域内的所有车辆检测框，以将位于所述目标车道内的目标车辆确定为所述当前视频帧的候选车辆。
可选地，检测模块604还用于：查询所述当前视频帧对应的所述目标视频的车道划分信息，并根据所述当前视频帧的取景范围与前续视频帧的取景范围，分析所述当前视频帧的取景范围是否发生变化，其中，所述前续视频帧为从所述目标视频中提取的所述当前视频帧的前一帧目标视频帧；若未查询到所述目标视频的车道划分信息，则针对所述当前视频帧执行车道划分；若查询到所述目标视频的车道划分信息，且判断所述当前视频帧的取景范围发生变化，则针对所述当前视频帧执行车道划分，并基于所述当前视频帧的车道划分信息，更新所述目标视频的车道划分信息；若查询到所述目标视频的车道划分信息，且判断所述当前视频帧的取景范围未发生变化，则根据所述目标视频的车道划分信息，识别所述当前视频帧中的目标车道。
可选地，目标车道包括行车道，检测模块604还用于：利用DeepLabv3模型针对所述当前视频帧执行车道划分，以确定所述当前视频帧中的行车道。
可选地，每一个目标视频帧中的候选车辆包括至少一辆，分析模块606还用于：根据相邻两个目标视频帧中同一候选车辆的车辆检测框，确定每一个目标视频帧中的缓行车辆；根据每一个目标视频帧中的所有缓行车辆，筛选出目标视频帧中的候选视频帧；统计连续被确定为所述候选视频帧的目标视频帧的连续帧数，若所述连续帧数超过预设连续阈值，获得所述目标视频存在车辆拥堵状态的判断结果。
可选地，分析模块606还用于：依次将每一个目标视频帧确定为当前视频帧，并将从所述目标视频中提取的所述当前视频帧的前一帧目标视频帧确定为前续视频帧；检测所述当前视频帧与所述前续视频帧中的同一候选车辆，确定所述候选车辆在所述当前视频帧中的当前车辆检测框与在所述前续视频帧中的前续车辆检测框；计算所述当前车辆检测框与所述前续车辆检测框的交并比，确定所述候选车辆的交并比值；根据所述当前车辆检测框的位置信息和所述前续车辆检测框的位置信息，确定所述候选车辆的移动值；若所述候选车辆的交并比值超过预设交并比阈值，且所述候选车辆的移动值小于预设移动阈值，将所述候选车辆确定为所述当前视频帧中的缓行车辆；其中，所述预设交并比阈值介于0.6至1之间，较佳为0.8。
可选地，所述移动值包括移动比值，分析模块606还用于：根据所述当前车辆检测框的中心点像素坐标和所述前续车辆检测框的中心点像素坐标，确定移动像素值；根据所述移动像素值、所述当前视频帧或所述前续视频帧的图像高度，确定所述候选车辆的移动比值；其中，所述预设移动阈值为5％。
可选地，分析模块606还用于依次将每一个目标视频帧确定为当前视频帧；统计所述当前视频帧中的缓行车辆的缓行车辆数，若所述缓行车辆数超过预设车辆阈值，将所述当前视频帧确定为候选视频帧；或者合并所述当前视频帧中的每一辆缓行车辆的车辆检测框，确定所述当前视频帧的缓行区域，若所述当前视频帧的缓行区域相较于所述当前视频帧的感兴趣区域的面积比值超过预设面积比阈值，将所述当前视频帧确定为候选视频帧；或者统计所述当前视频帧中的缓行车辆的缓行车辆数，若所述缓行车辆数超过预设车辆阈值，合并所述当前视频帧中的每一辆缓行车辆的车辆检测框，确定所述当前视频帧的缓行区域，若所述当前视频帧的缓行区域相较于所述当前视频帧的感兴趣区域的面积比值超过预设面积比阈值，将所述当前视频帧确定为候选视频帧。
可选地，分析模块606还用于：若所述当前视频帧中的缓行车辆的缓行车辆数大于5辆，则所述预设面积比阈值设为0.3；若所述当前视频帧中的缓行车辆的缓行车辆数为1辆，则所述预设面积比阈值设为0.5。
本申请另一实施例还提供一种计算机存储介质，所述计算机存储介质中存储有用于执行上述各车辆拥堵检测方法实施例所述的方法中各步骤的各指令。
综上所述，本申请各实施例所述的车辆拥堵检测方法、装置、计算机存储介质，通过检测目标视频帧中的感兴趣区域以及所有目标车辆，以确定位于感兴趣区域中的候选车辆，并通过比对任意相邻两个目标视频帧中的候选车辆，以获得车辆拥堵状态的检测结果。借此，本申请通过检测目标视频帧中的感兴趣区域，以针对感兴趣区域内的候选车辆执行拥堵检测，可支持具有变换取景范围的视频数据(例如，从球机获取的视频数据)的车辆拥堵分析，并可提高车辆拥堵检测结果的准确性。
最后应说明的是：以上实施例仅用以说明本申请实施例的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种车辆拥堵检测方法，包括：
根据预设帧间隔，获取目标视频中的多个目标视频帧；
根据从每一个目标视频帧中识别出的目标车道，确定每一个目标视频帧中包含所述目标车道的感兴趣区域，并检测每一个目标视频帧中的感兴趣区域以及所有目标车辆，以确定每一个目标视频帧的候选车辆；
比对任意相邻两个目标视频帧中的候选车辆，获得所述目标视频是否存在车辆拥堵状态的判断结果；
其中，每一个目标视频帧中的目标车道可通过以下方式识别：
依次将每一个目标视频帧确定为当前视频帧，查询所述当前视频帧对应的所述目标视频的车道划分信息，并根据所述当前视频帧的取景范围与前续视频帧的取景范围，分析所述当前视频帧的取景范围是否发生变化，其中，所述前续视频帧为从所述目标视频中提取的所述当前视频帧的前一帧目标视频帧；
若未查询到所述目标视频的车道划分信息，则针对所述当前视频帧执行车道划分；
若查询到所述目标视频的车道划分信息，且判断所述当前视频帧的取景范围发生变化，则针对所述当前视频帧执行车道划分，并基于所述当前视频帧的车道划分信息，更新所述目标视频的车道划分信息；
若查询到所述目标视频的车道划分信息，且判断所述当前视频帧的取景范围未发生变化，则根据所述目标视频的车道划分信息，识别所述当前视频帧中的目标车道。
2.根据权利要求1所述的方法，其中，所述检测每一个目标视频帧中的感兴趣区域以及所有目标车辆，以确定每一个目标视频帧中的候选车辆，包括：
依次将每一个目标视频帧确定为当前视频帧；
检测所述当前视频帧中的所有目标车辆，确定各目标车辆对应的各车辆检测框；
识别位于所述当前视频帧的感兴趣区域内的所有车辆检测框，以将位于所述目标车道内的目标车辆确定为所述当前视频帧的候选车辆。
3.根据权利要求1所述的方法，其中，所述目标车道包括行车道，所述方法还包括：
利用DeepLabv3模型针对所述当前视频帧执行车道划分，以确定所述当前视频帧中的行车道。
4.根据权利要求1所述的方法，其中，每一个目标视频帧中的候选车辆包括至少一辆，且所述比对任意相邻两个目标视频帧中的候选车辆，获得所述目标视频是否存在车辆拥堵状态的判断结果，包括：
根据相邻两个目标视频帧中同一候选车辆的车辆检测框，确定每一个目标视频帧中的缓行车辆；
根据每一个目标视频帧中的所有缓行车辆，筛选出目标视频帧中的候选视频帧；
统计连续被确定为所述候选视频帧的目标视频帧的连续帧数，若所述连续帧数超过预设连续阈值，获得所述目标视频存在车辆拥堵状态的判断结果。
5.根据权利要求4所述的方法，其中，所述根据相邻两个目标视频帧中同一候选车辆的车辆检测框，确定每一个目标视频帧中的缓行车辆，包括：
依次将每一个目标视频帧确定为当前视频帧，并将从所述目标视频中提取的所述当前视频帧的前一帧目标视频帧确定为前续视频帧；
检测所述当前视频帧与所述前续视频帧中的同一候选车辆，确定所述候选车辆在所述当前视频帧中的当前车辆检测框与在所述前续视频帧中的前续车辆检测框；
计算所述当前车辆检测框与所述前续车辆检测框的交并比，确定所述候选车辆的交并比值；
根据所述当前车辆检测框的位置信息和所述前续车辆检测框的位置信息，确定所述候选车辆的移动值；
若所述候选车辆的交并比值超过预设交并比阈值，且所述候选车辆的移动值小于预设移动阈值，将所述候选车辆确定为所述当前视频帧中的缓行车辆；
其中，所述预设交并比阈值介于0.6至1之间，较佳为0.8。
6.根据权利要求5所述的方法，其中，所述移动值包括移动比值，所述根据所述当前车辆检测框的位置信息和所述前续车辆检测框的位置信息，确定所述候选车辆的移动值，包括：
根据所述当前车辆检测框的中心点像素坐标和所述前续车辆检测框的中心点像素坐标，确定移动像素值；
根据所述移动像素值、所述当前视频帧或所述前续视频帧的图像高度，确定所述候选车辆的移动比值；
其中，所述预设移动阈值为5％。
7.根据权利要求4所述的方法，其中，所述根据每一个目标视频帧中的所有缓行车辆，确定目标视频帧中的候选视频帧，包括：
依次将每一个目标视频帧确定为当前视频帧；
统计所述当前视频帧中的缓行车辆的缓行车辆数，若所述缓行车辆数超过预设车辆阈值，将所述当前视频帧确定为候选视频帧；或者
合并所述当前视频帧中的每一辆缓行车辆的车辆检测框，确定所述当前视频帧的缓行区域，若所述当前视频帧的缓行区域相较于所述当前视频帧的感兴趣区域的面积比值超过预设面积比阈值，将所述当前视频帧确定为候选视频帧；或者
统计所述当前视频帧中的缓行车辆的缓行车辆数，若所述缓行车辆数超过预设车辆阈值，合并所述当前视频帧中的每一辆缓行车辆的车辆检测框，确定所述当前视频帧的缓行区域，若所述当前视频帧的缓行区域相较于所述当前视频帧的感兴趣区域的面积比值超过预设面积比阈值，将所述当前视频帧确定为候选视频帧。
8.根据权利要求7所述的方法，其中，
若所述当前视频帧中的缓行车辆的缓行车辆数大于5辆，则所述预设面积比阈值设为0.3；
若所述当前视频帧中的缓行车辆的缓行车辆数为1辆，则所述预设面积比阈值设为0.5。
9.一种车辆拥堵检测装置，包括：
获取模块，用于根据预设帧间隔，获取目标视频中的多个目标视频帧；
检测模块，用于根据从每一个目标视频帧中识别出的目标车道，确定每一个目标视频帧中包含所述目标车道的感兴趣区域，并检测每一个目标视频帧中的感兴趣区域以及所有目标车辆，以确定每一个目标视频帧的候选车辆；
分析模块，用于比对任意相邻两个目标视频帧中的候选车辆，获得所述目标视频是否存在车辆拥堵状态的判断结果；
其中，所述检测模块还用于：依次将每一个目标视频帧确定为当前视频帧，查询所述当前视频帧对应的所述目标视频的车道划分信息，并根据所述当前视频帧的取景范围与前续视频帧的取景范围，分析所述当前视频帧的取景范围是否发生变化，其中，所述前续视频帧为从所述目标视频中提取的所述当前视频帧的前一帧目标视频帧；若未查询到所述目标视频的车道划分信息，则针对所述当前视频帧执行车道划分；若查询到所述目标视频的车道划分信息，且判断所述当前视频帧的取景范围发生变化，则针对所述当前视频帧执行车道划分，并基于所述当前视频帧的车道划分信息，更新所述目标视频的车道划分信息；若查询到所述目标视频的车道划分信息，且判断所述当前视频帧的取景范围未发生变化，则根据所述目标视频的车道划分信息，识别所述当前视频帧中的目标车道。
10.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有用于执行上述权利要求1至8中任一项所述的方法中各步骤的各指令。
CN202210428109.XA 2022-04-22 2022-04-22 车辆拥堵检测方法、装置及计算机存储介质 Active CN114882709B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210428109.XA CN114882709B (zh) 2022-04-22 2022-04-22 车辆拥堵检测方法、装置及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210428109.XA CN114882709B (zh) 2022-04-22 2022-04-22 车辆拥堵检测方法、装置及计算机存储介质

Publications (2)

Publication Number Publication Date
CN114882709A CN114882709A (zh) 2022-08-09
CN114882709B true CN114882709B (zh) 2023-05-30

Family

ID=82672133

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210428109.XA Active CN114882709B (zh) 2022-04-22 2022-04-22 车辆拥堵检测方法、装置及计算机存储介质

Country Status (1)

Country Link
CN (1) CN114882709B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115691151A (zh) * 2022-12-29 2023-02-03 浙江大华技术股份有限公司 车道拥堵提示方法、车道拥堵提示***及终端

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003168198A (ja) * 2001-11-30 2003-06-13 Toyota Motor Corp 車両用走路判定装置および車両制御装置
JP2015210729A (ja) * 2014-04-28 2015-11-24 本田技研工業株式会社 走行路認識装置
CN108528431A (zh) * 2017-03-02 2018-09-14 比亚迪股份有限公司 车辆行驶自动控制方法和装置
CN109035868A (zh) * 2018-09-26 2018-12-18 吉林大学 一种在无车道线情况下自动驾驶车辆进行车道划分的方法
CN111985107A (zh) * 2020-08-21 2020-11-24 当家移动绿色互联网技术集团有限公司 路网生成方法和装置
WO2021098211A1 (zh) * 2019-11-19 2021-05-27 华为技术有限公司 一种路况信息的监测方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2735033B2 (ja) * 1995-06-05 1998-04-02 日本電気株式会社 車線変更検出装置および方法
CN104537618B (zh) * 2014-12-24 2018-01-16 浙江宇视科技有限公司 图像处理方法及装置
CN109493604A (zh) * 2018-11-30 2019-03-19 平安科技（深圳）有限公司 利用大数据的交通调控方法、装置和计算机设备
CN110287905B (zh) * 2019-06-27 2021-08-03 浙江工业大学 一种基于深度学习的交通拥堵区域实时检测方法
CN112767681B (zh) * 2020-12-16 2022-08-19 济南博观智能科技有限公司 一种交通状态检测方法、装置及相关设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003168198A (ja) * 2001-11-30 2003-06-13 Toyota Motor Corp 車両用走路判定装置および車両制御装置
JP2015210729A (ja) * 2014-04-28 2015-11-24 本田技研工業株式会社 走行路認識装置
CN108528431A (zh) * 2017-03-02 2018-09-14 比亚迪股份有限公司 车辆行驶自动控制方法和装置
CN109035868A (zh) * 2018-09-26 2018-12-18 吉林大学 一种在无车道线情况下自动驾驶车辆进行车道划分的方法
WO2021098211A1 (zh) * 2019-11-19 2021-05-27 华为技术有限公司 一种路况信息的监测方法及装置
CN111985107A (zh) * 2020-08-21 2020-11-24 当家移动绿色互联网技术集团有限公司 路网生成方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于动态划分感兴趣区域的车道线检测算法;谢昌刚;黎向锋;李堃;杨振泰;毕高杰;;机械制造与自动化(06);全文 *
夜间车道线检测与跟踪算法研究;叶庆;赵明辉;李菲;孙晓泉;;现代电子技术(13);全文 *

Also Published As

Publication number Publication date
CN114882709A (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
CN109993969B (zh) 一种路况判定信息获取方法、装置及设备
CN106373430B (zh) 一种基于计算机视觉的交叉路口通行预警方法
US6442474B1 (en) Vision-based method and apparatus for monitoring vehicular traffic events
KR100969995B1 (ko) 영상처리기법을 이용한 신호교차로의 교통상충 판단 시스템및 방법
Song et al. Vehicle behavior analysis using target motion trajectories
CN112509315B (zh) 一种基于视频分析的交通事故检测方法
WO2021073267A1 (zh) 基于图像识别的行人闯红灯检测方法、装置及相关设备
TWI335886B (en) Methods and systems for identifying events for a vehicle
CN108961825B (zh) 基于车辆二次识别的停车场停车引导方法
CN113011331B (zh) 机动车是否礼让行人的检测方法、装置、电子设备及介质
CN112562406B (zh) 一种越线行驶的识别方法及装置
CN113822285A (zh) 一种用于复杂应用场景的车辆违停识别方法
CN114882709B (zh) 车辆拥堵检测方法、装置及计算机存储介质
CN112381014A (zh) 一种基于城市道路的违停车辆检测及管理方法及***
CN114648748A (zh) 一种基于深度学习的机动车违停智能识别方法及***
CN110660225A (zh) 闯红灯行为检测方法、装置和设备
CN114283383A (zh) 一种智慧城市公路养护方法、计算机设备及介质
JP5175765B2 (ja) 画像処理装置及び交通監視装置
CN114743146A (zh) 车辆违停检测方法、***及计算机存储介质
CN110659534B (zh) 一种共享单车检测方法和装置
CN116645831A (zh) 一种交通盲区检测及预警***
CN113538968B (zh) 用于输出信息的方法和装置
JPH0652485A (ja) 危険交通事象検出方法
JP2004199649A (ja) 突発事象検出方法
CN113870185A (zh) 基于图像抓拍的图像处理方法、终端及存储介质

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
GR01 Patent grant
GR01 Patent grant