CN116092023A - 一种确定异常行为的数据处理*** - Google Patents
一种确定异常行为的数据处理*** Download PDFInfo
- Publication number
- CN116092023A CN116092023A CN202310093384.5A CN202310093384A CN116092023A CN 116092023 A CN116092023 A CN 116092023A CN 202310093384 A CN202310093384 A CN 202310093384A CN 116092023 A CN116092023 A CN 116092023A
- Authority
- CN
- China
- Prior art keywords
- target
- traffic
- image
- traffic image
- acquiring
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种确定异常行为的数据处理***,所述***包括:初始交通图像列表、处理器和存储有计算机程序的存储器,当所述计算机程序被处理器执行时,实现以下步骤:根据初始交通图像列表获取目标交通图像集,获取目标交通图像集对应的优选交通图像集,当目标交通图像为第一目标交通图像时,从目标交通图像中获取第一目标对象,根据第一目标对象和优选交通图像,确定第一目标对象存在异常行为,当目标交通图像为第二目标交通图像时,从目标交通图像中获取第二目标对象,根据第二目标对象和优选交通图像,确定第二目标对象存在异常行为;本发明充分考虑一个交通路口多个信号灯的情况,使得后续获取到的异常行为的准确度较高。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种确定异常行为的数据处理***。
背景技术
随着城市化工作的推进,非机动车异常行为愈发严重,例如闯红灯行为,大幅度增加了交通事故的频率,并且使得机动车无法按照交通信号灯正常行驶,导致路口效率低下,严重影响了交通管理秩序,为了规范路口行车秩序和有效遏制闯红灯违法行为,路口设置了拍照装置,如何对拍照装置生成的交通图像进行处理从而确定异常行为及保留证据,已成为交通管理部门亟待解决的问题。
目前,现有技术中,确定异常行为的方法为:从交通路口的一个信号灯上的监控设备中获取非机动车的交通图像,对获取到的交通图像进行区域的划分,根据非机动车通过区域的情况判断图片中的非机动车的异常行为。
综上所述,确定异常行为的方法存在的问题:一个交通路口局限于一个信号灯,未充分考虑一个交通路口多个信号灯的情况,局限于经验值进行区域划分,进而使得后续获取到的异常行为的准确度较低。
发明内容
针对上述技术问题,本发明采用的技术方案为:一种确定异常行为的数据处理***,***包括:初始交通图像列表、处理器和存储有计算机程序的存储器,当计算机程序被处理器执行时,实现以下步骤:
S100,根据初始交通图像列表,获取目标交通图像集A={A1,A2,……,Ai,……,An},Ai为第i个目标交通图像列表,i=1……n,n为目标交通图像列表的数量。
S200,根据A,获取A对应的优选交通图像集A'={A'1,A'2,……,A'i,……,A'n},A'i为Ai对应的优选交通图像列表,其中,在S200中通过如下步骤获取A'i:
S201,当Ai为第一目标交通图像时,获取Ai对应的第一目标区域图像和第二目标区域图像。
S203,对第一目标区域图像和第二目标区域图像进行处理,获取A'i。
S205,当Ai为第二目标交通图像时,获取Ai={Ai1,Ai2},其中Ai1为Ai中的第一个第二目标交通图像,Ai2为Ai中的第二个第二目标交通图像。
S207,对Ai进行处理,获取A'i={A'i1,A'i2},其中,A'i1为Ai1对应的优化交通图像,A'i2为Ai2对应的优化交通图像。
S300,根据A',确定目标对象的异常行为,其中,在S300中通过如下步骤确定目标对象的异常行为:
S301,当Ai为第一目标交通图像时,从A中获取第一目标对象A0。
S303,根据A0和A',确定A0存在异常行为。
S305,当Ai为第二目标交通图像时,从A中获取第二目标对象DA0。
S307,根据DA0、A'i1和A'i2,确定DA0存在异常行为。
本发明与现有技术相比具有明显的有益效果,借由上述技术方案,本发明提供的一种确定异常行为的数据处理***可达到相当的技术进步性及实用性,并具有产业上的广泛利用价值,其至少具有以下有益效果:
一种确定异常行为的数据处理***,***包括:初始交通图像列表、处理器和存储有计算机程序的存储器,当计算机程序被处理器执行时,实现以下步骤:根据初始交通图像列表,获取目标交通图像集,其中,目标交通图像集包括第一目标交通图像集和第二目标交通图像集,根据目标交通图像集,获取目标交通图像集对应的优选交通图像集,根据优选交通图像集,确定目标对象的异常行为,其中,当目标交通图像为第一目标交通图像时,从目标交通图像中获取第一目标对象,根据第一目标对象和优选交通图像,确定第一目标对象存在异常行为,当目标交通图像为第二目标交通图像时,从目标交通图像中获取第二目标对象,根据第二目标对象和优选交通图像,确定第二目标对象存在异常行为;上述,一个交通路口不局限于一个信号灯,充分考虑一个交通路口多个信号灯的情况,不局限于经验值进行区域划分,不局限经验值进行画线,使得后续获取到的异常行为的准确度较高。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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为本发明实施例提供的一种确定异常行为的数据处理***的执行计算机程序的流程图。
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。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例
本实施例提供了一种确定异常行为的数据处理***,所述***包括:初始交通图像列表、处理器和存储有计算机程序的存储器,当所述计算机程序被处理器执行时,实现以下步骤,如图1所示:
S100,根据初始交通图像列表,获取目标交通图像集A={A1,A2,……,Ai,……,An},Ai为第i个目标交通图像列表,i=1……n,n为目标交通图像列表的数量。
具体的,所述初始交通图像列表包括若干个初始交通图像,所述初始交通图像为将初始交通视频进行解码获取到的交通图像,其中,所述初始交通视频为交通路口固定摄像头实时拍摄的视频。
进一步的,本领域技术人员知晓,现有技术中任一将视频进行解码获取图像的方法,均落入本发明的保护范围,在此不再赘述。
具体的,所述目标交通图像包括目标信号灯、目标区域和目标对象。
进一步的,所述目标信号灯包括红色信号灯、绿色信号灯和黄色信号灯。
进一步的,所述目标信号灯存在两个,可以理解为:在交通路口目标对象进行直行通过交通路口时存在两个信号灯进行判断能否通行,当第一个目标信号灯为绿灯时可以通行,通过后到达第一个目标信号灯下方时若第二个目标信号灯为红灯,则需要等待第二个目标信号灯变绿才可通行。
进一步的,所述目标区域为目标交通图像中目标对象活动的区域。
进一步的,所述目标对象为非机动车,例如行人、自行车、三轮等非机动车。
S200,根据A,获取A对应的优选交通图像集A'={A'1,A'2,……,A'i,……,A'n},A'i为Ai对应的优选交通图像列表,其中,在S200中通过如下步骤获取A'i:
S201,当Ai为第一目标交通图像时,获取Ai对应的第一目标区域图像和第二目标区域图像。
具体的,所述第一目标交通图像为由一个摄像头拍摄生成的一张交通图像。
具体的,所述第一目标区域图像为第一目标交通图像中第一个目标信号灯对应的区域图像,所述第二目标区域图像为第一目标交通图像中第二个目标信号灯对应的区域图像;可以理解为:当目标对象观测第一个目标信号灯为绿灯时直行通过交通路口所经过的区域对应的图像作为第一目标交通图像中的第一目标区域图像,当目标对象观测第二个目标信号灯为绿灯时直行通过交通路口所经过的区域对应的图像作为第一目标交通图像中第二目标区域图像。
S203,对第一目标区域图像和第二目标区域图像进行处理,获取A'i。
具体的,所述***中还包括第一样本交通图像列表。
进一步的,所述第一样本交通图像列表包括若干个第一样本交通图像,所述第一样本交通图像为通过对第一样本交通视频进行解码获取到的交通图像,其中,第一样本交通视频为在预设时间间隔内从交通数据提供平台获取到的由一个摄像头拍摄的视频,本领域技术人员知晓,现有技术中任一交通数据提供平台,均落入本发明的保护范围,在此不再赘述。
进一步的,所述预设时间间隔的取值范围为7天~20天。
进一步的,所述第一样本交通视频与第一目标交通图像对应的交通视频为同一交通路口同一固定摄像头拍摄。
具体的,在S203中还包括如下步骤:
S2031,根据第一样本交通图像,获取第一样本交通图像对应的第一样本区域图像。
具体的,所述第一样本区域图像与第一目标区域图像覆盖范围一致。
S2032,根据第一样本区域图像,获取第一候选区域图像B={B1,B2,……,Bx,……,Bp},Bx为第x个第一候选区域图像,x=1……p,p为第一候选区域图像的数量。
具体的,所述第一候选区域图像为第一样本区域图像中目标对象等待目标信号灯时的图像。
S2033,根据B,获取B对应的第一初始位置点列表B0={B0 1,B0 2,……,B0 x,……,B0 p},B0 x为Bx对应的第一初始位置点。
具体的,所述第一初始位置点为目标对象的中心点,本领域技术人员知晓,现有技术中任一获取中心点的方法,均落入本发明的保护范围,在此不再赘述。
S2034,根据B0,获取B0对应的第一初始优先级列表FB0={FB0 1,FB0 2,……,FB0 x,……,FB0 p},FB0 x为B0 x对应的第一初始优先级,其中,所述第一初始优先级为第一初始位置点与第一目标线之间的距离。
具体的,所述第一目标线为第一样本区域图像中的第一边缘线,所述第一边缘线为第一样本区域图像中离第一个目标信号灯最远的斑马线。
具体的,当B0 x位于斑马线区域内时,FB0 x的取值为正值。
进一步的,当B0 x位于斑马线区域外时,FB0 x的取值为负值。
进一步的,本领据技术人员知晓,现有技术中任一获取点与线之间距离的方法,均落入本发明的保护范围,在此不再赘述。
S2035,根据FB0,获取目标优先级FB',其中,FB'符合如下条件:
S2036,根据FB',获取第一目标区域图像中的第一交通线S1和第一目标区域图像中的第二交通线S2,其中,所述S1与第一目标线之间的距离为|FB'|。
具体的,所述S2与S1关于第一目标区域图像中的斑马线区域的中心点对称。
具体的,当FB'>0时,S1在斑马线区域内部。
进一步的,当FB'≤0时,S1在斑马线区域外部。
S2037,根据第一样本交通图像列表,获取第一中间交通线列表S0。
具体的,在S2037中通过如下步骤获取S0:
S20371,根据第一样本交通图像列表,获取第一关键对象列表D={D1,D2,……,De,……,Df},De为第e个第一关键对象,e=1……f,f为第一关键对象的数量。
具体的,所述第一关键对象为第一样本交通图像中目标对象中的行人。
S20373,根据第一样本交通图像列表,获取第二关键对象列表G={G1,G2,……,Gr,……,Gs},Gr为第r个第二关键对象,r=1……s,s为第二关键对象的数量。
具体的,所述第二关键对象为第一样本交通图像中目标对象中除第一关键对象之外的其它目标对象。
S20375,根据D和G,获取第一中间交通线列表S0。
具体的,在S20375中通过如下步骤获取S0:
S1,当f/g>F0时,获取D对应的第一特征值列表D0={D0 1,D0 2,……,D0 e,……,D0 f},D0 e为De对应的第一特征值,F0为预设的比例阈值。
具体的,所述第一特征值为第一关键对象的宽度;本领域技术人员知晓,现有技术中任一获取图像中物体宽度的方法,均落入本发明的保护范围,在此不再赘述。
具体的,所述F0的取值范围为3~10,本领域技术人员知晓,可根据实际需求进行F0的选取,均落入本发明的保护范围,在此不再赘述。
S2,根据D0,获取第一目标特征值D',其中,D'符合如下条件:
S3,根据D',获取S0={S0 1,S0 2,……,S0 y,……,S0 q},S0 y为第y个第一中间交通线,y=1……q,q为第一中间交通线的数量,其中,ΔS0 y=D',ΔS0 y为S0 y与S0 y-1之间的距离,S0 0=S1,。
S4,当f/g≤F0时,获取G对应的第二特征值列表G0={G0 1,G0 2,……,G0 r,……,G0 s},其中,G0 r为Gr对应的第二特征值。
具体的,所述第二特征值为第二关键对象的宽度。
S5,根据G0,获取G',其中,G'符合如下条件:
S6,根据G',获取S0={S0 1,S0 2,……,S0 y,……,S0 q},其中,ΔS0 y=G',S0 0=S1。
上述,通过比较第一关键对象的数量和第二关键对象的数量,选择数量较多的关键对象的特征值作为获取第一中间交通线的之间的距离,根据交通图像的实际情况获取第一中间交通线的距离,提高了获取到的第一中间交通线的准确度,进而使得后续获取到的异常行为的准确度较高。
S2038,根据S1、S2、S0和Ai,获取第一优选交通图像,其中,第一优选交通图像为第一目标区域图像对应的优选交通图像。
具体的,在S2038中还包括如下步骤:
S20381,当f/g>F0且0≤ΔS2<D'/2时,将S1和S0***至Ai对应的第一目标区域图像中以获取第一优选交通图像,其中,ΔS2为S2与S0 q之间的距离。
S20383,当f/g>F0且D'/2≤ΔS2≤D'/2时,将S1、S2和S0***至Ai对应的第一目标区域图像中以获取第一优选交通图像。
S20385,当f/g≤F0且0≤ΔS2<G'/2时,将S1和S0***至Ai对应的第一目标区域图像中以获取第一优选交通图像。
S20387,当f/g≤F0且G'/2≤ΔS2≤G'/2时,将S1、S2和S0***至Ai对应的第一目标区域图像中以获取第一优选交通图像。
上述,通过获取第一交通线、第二交通线和第一中间交通线进行后续异常行为的判断,相较于区域划分,提高了获取目标对象异常行为的运行效率,同时,提高了获取到的目标对象异常行为的准确度。
S2039,根据第一优选交通图像和第二优选交通图像获取A'i,其中,在S2039中通过如下步骤获取第二优选交通图像:
S20391,根据第一样本交通图像,获取第一样本交通图像对应的第二样本区域图像。
具体的,所述第二样本区域图像与第二目标区域图像覆盖范围一致。
S20393,根据第二样本区域图像,获取第三交通线S3、第四交通线S4和第二中间交通线列表GS0。
具体的,在S20393中S3、S4和GS0的获取方式可参照S2032~S2037。
S20395,根据S3、S4和GS0,获取第二优选交通图像。
具体的,所述第二优选交通图像的获取方式可参照S20381~S20387。
S205,当Ai为第二目标交通图像时,获取Ai={Ai1,Ai2},其中Ai1为Ai中的第一个第二目标交通图像,Ai2为Ai中的第二个第二目标交通图像。
具体的,所述第二目标交通图像为由两个摄像头拍摄生成的两张交通图像。
进一步的,所述第一个第二目标交通图像为一个摄像头拍摄生成的包括第一个目标信号灯不包括第二目标信号灯的第二目标交通图像。
进一步的,所述第二个第二目标交通图像为另一个摄像头拍摄生成的包括第二个目标信号灯不包括第一目标信号灯的第二目标交通图像。
S207,对Ai进行处理,获取A'i={A'i1,A'i2},其中,A'i1为Ai1对应的优化交通图像,A'i2为Ai2对应的优化交通图像。
具体的,所述***中还包括第二样本交通图像列表和第三样本交通图像列表。
进一步的,所述第二样本交通图像列表包括若干个第二样本交通图像,所述第二样本交通图像为通过对第二样本交通视频进行解码获取到的交通图像,其中,第二样本交通视频为在预设时间间隔内从交通数据提供平台获取到的由第一个第二目标交通图像对应的摄像头拍摄的视频。
进一步的,所述第三样本交通图像列表包括若干个第三样本交通图像,所述第三样本交通图像为通过对第三样本交通视频进行解码获取到的交通图像,其中,第三样本交通视频为在预设时间间隔内从交通数据提供平台获取到的由第一个第二目标交通图像对应的摄像头拍摄的视频。
具体的,在S207中还包括如下步骤:
S2071,根据第二样本交通图像列表,获取A'i1。
具体的,在S2071中A'i1的获取方式可参照S2031~S2038。
S2073,根据第三样本交通图像列表,获取A'i2。
具体的,在S2073中A'i2的获取方式可参照S2031~S2038。
上述,根据交通路口摄像头拍摄的情况,对目标交通图像进行区分并进行不同的处理方式从而获取优选交通图像,根据不同情况进行不同处理,提高了获取到的优选交通图像的准确度。
上述,根据目标交通图像的性质进行不同的处理方式,当目标交通图像为第一目标交通图像时,对目标交通图像划分成第一目标区域图像和第二目标区域图像,对第一目标区域和第二目标区域分别画线获取优选交通图像,当目标区域图像为第二目标交通图像时,对第二目标交通图像进行画线获取优选交通图像,一个交通路口不局限于一个信号灯,充分考虑一个交通路口多个信号灯的情况,使得获取到的异常行为的准确度较高。
S300,根据A',确定目标对象的异常行为,其中,在S300中通过如下步骤确定目标对象的异常行为:
S301,当Ai为第一目标交通图像时,从A中获取第一目标对象A0。
具体的,所述第一目标对象为非机动车,例如行人、自行车、三轮等非机动车。
进一步的,通过目标跟踪算法从第一目标交通图像中获取目标对象,本领域技术人员知晓,现有技术中任一通过目标跟踪算法获取目标对象的方法,均落入本发明的保护范围,在此不再赘述。
S303,根据A0和A',确定A0存在异常行为。
具体的,所述异常行为为违规行为,例如闯红灯行为。
具体的,在S303中还包括如下步骤:
S3031,根据A',获取A0对应的优选交通图像列表。
S3032,当A0对应的优选交通图像列表中的第一个目标信号灯为绿色信号灯且第二个目标信号灯为红色信号灯时,获取A0与S3、S4和GS0的交际数量SA0。
具体的,本领域技术人员知晓,现有技术中任一获取目标对象与线有交集的方法,均落入本发明的保护范围,在此不再赘述。
S3033,当SAO>F1时,确定AO存在异常行为,其中,F1为预设数量阈值;可以理解为:当目标对象穿过第三交通线、第四交通线和第二中间交通线的数量大于预设数量阈值时,认为目标对象存在异常行为。
S3034,当A0对应的优选交通图像列表中的第一个目标信号灯为红色信号灯且第二个目标信号灯为绿色信号灯时,获取A0与S1、S2和S0的交际数量PA0。
S3035,当PAO>F1时,确定AO存在异常行为;可以理解为:当目标对象穿过第一交通线、第二交通线和第一中间交通线的数量大于预设数量阈值时,认为目标对象存在异常行为。
S3036,当A0对应的优选交通图像列表中的第一个目标信号灯为红色信号灯且第二个目标信号灯为红色信号灯时,获取A0与S1、S2和S0的交际数量PA0和A0与S3、S4和GS0的交际数量SA0。
S3037,当SAO>F1和/或PAO>F1时,确定AO存在异常行为。
S305,当Ai为第二目标交通图像时,从A中获取第二目标对象DA0。
具体的,所述第二目标对象为非机动车,例如行人、自行车、三轮等非机动车。
进一步的,通过目标跟踪算法从第二目标交通图像中获取目标对象,本领域技术人员知晓,现有技术中任一通过目标跟踪算法获取目标对象的方法,均落入本发明的保护范围,在此不再赘述。
S307,根据DA0、A'i1和A'i2,确定DA0存在异常行为。
具体的,在S307中DA0存在异常行为的判断方式可参照S3031~S3037。
本实施例提供的一种确定异常行为的数据处理***,所述***包括:初始交通图像列表、处理器和存储有计算机程序的存储器,当所述计算机程序被处理器执行时,实现以下步骤:根据初始交通图像列表,获取目标交通图像集,其中,目标交通图像集包括第一目标交通图像集和第二目标交通图像集,根据目标交通图像集,获取目标交通图像集对应的优选交通图像集,根据优选交通图像集,确定目标对象的异常行为,其中,当目标交通图像为第一目标交通图像时,从目标交通图像中获取第一目标对象,根据第一目标对象和优选交通图像,确定第一目标对象存在异常行为,当目标交通图像为第二目标交通图像时,从目标交通图像中获取第二目标对象,根据第二目标对象和优选交通图像,确定第二目标对象存在异常行为,上述,一个交通路口不局限于一个信号灯,充分考虑一个交通路口多个信号灯的情况,不局限于经验值进行区域划分,不局限经验值进行画线,使得后续获取到的异常行为的准确度较高。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本发明的范围。本领域的技术人员还应理解,可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明开的范围由所附权利要求来限定。
Claims (10)
1.一种确定异常行为的数据处理***,其特征在于,所述***包括:初始交通图像列表、处理器和存储有计算机程序的存储器,当所述计算机程序被处理器执行时,实现以下步骤:
S100,根据初始交通图像列表,获取目标交通图像集A={A1,A2,……,Ai,……,An},Ai为第i个目标交通图像列表,i=1……n,n为目标交通图像列表的数量;
S200,根据A,获取A对应的优选交通图像集A'={A'1,A'2,……,A'i,……,A'n},A'i为Ai对应的优选交通图像列表,其中,在S200中通过如下步骤获取A'i:
S201,当Ai为第一目标交通图像时,获取Ai对应的第一目标区域图像和第二目标区域图像;
S203,对第一目标区域图像和第二目标区域图像进行处理,获取A'i;
S205,当Ai为第二目标交通图像时,获取Ai={Ai1,Ai2},其中Ai1为Ai中的第一个第二目标交通图像,Ai2为Ai中的第二个第二目标交通图像;
S207,对Ai进行处理,获取A'i={A'i1,A'i2},其中,A'i1为Ai1对应的优化交通图像,A'i2为Ai2对应的优化交通图像;
S300,根据A',确定目标对象的异常行为,其中,在S300中通过如下步骤确定目标对象的异常行为:
S301,当Ai为第一目标交通图像时,从A中获取第一目标对象A0;
S303,根据A0和A',确定A0存在异常行为;
S305,当Ai为第二目标交通图像时,从A中获取第二目标对象DA0;
S307,根据DA0、A'i1和A'i2,确定DA0存在异常行为。
2.根据权利要求1所述的确定异常行为的数据处理***,其特征在于,所述目标交通图像包括目标信号灯、目标区域和目标对象。
3.根据权利要求2所述的确定异常行为的数据处理***,其特征在于,所述目标信号灯存在两个。
4.根据权利要求2所述的确定异常行为的数据处理***,其特征在于,所述目标对象为非机动车。
5.根据权利要求1所述的确定异常行为的数据处理***,其特征在于,所述第一目标交通图像为由一个摄像头拍摄生成的一张交通图像。
6.根据权利要求1所述的确定异常行为的数据处理***,其特征在于,所述第二目标交通图像为由两个摄像头拍摄生成的两张交通图像。
7.根据权利要求1所述的确定异常行为的数据处理***,其特征在于,所述***中还包括第一样本交通图像列表。
8.根据权利要求7所述的确定异常行为的数据处理***,其特征在于,在S203中还包括如下步骤:
S2031,根据第一样本交通图像,获取第一样本交通图像对应的第一样本区域图像;
S2032,根据第一样本区域图像,获取第一候选区域图像B={B1,B2,……,Bx,……,Bp},Bx为第x个第一候选区域图像,x=1……p,p为第一候选区域图像的数量;
S2033,根据B,获取B对应的第一初始位置点列表B0={B0 1,B0 2,……,B0 x,……,B0 p},B0 x为Bx对应的第一初始位置点;
S2034,根据B0,获取B0对应的第一初始优先级列表FB0={FB0 1,FB0 2,……,FB0 x,……,FB0 p},FB0 x为B0 x对应的第一初始优先级;
S2035,根据FB0,获取目标优先级FB',其中,FB'符合如下条件:
S2036,根据FB',获取第一目标区域图像中的第一交通线S1和第一目标区域图像中的第二交通线S2,其中,所述S1与第一目标线之间的距离为|FB'|;
S2037,根据第一样本交通图像列表,获取第一中间交通线列表S0;
S2038,根据S1、S2、S0和Ai,获取第一优选交通图像,其中,第一优选交通图像为第一目标区域图像对应的优选交通图像;
S2039,根据第一优选交通图像和第二优选交通图像获取A'i。
9.根据权利要求1所述的确定异常行为的数据处理***,其特征在于,所述***中还包括第二样本交通图像列表和第三样本交通图像列表。
10.根据权利要求1所述的确定异常行为的数据处理***,其特征在于,在S303中还包括如下步骤:
S3031,根据A',获取A0对应的优选交通图像列表;
S3032,当A0对应的优选交通图像列表中的第一个目标信号灯为绿色信号灯且第二个目标信号灯为红色信号灯时,获取A0与S3、S4和GS0的交际数量SA0;
S3033,当SAO>F1时,确定AO存在异常行为,其中,F1为预设数量阈值;
S3034,当A0对应的优选交通图像列表中的第一个目标信号灯为红色信号灯且第二个目标信号灯为绿色信号灯时,获取A0与S1、S2和S0的交际数量PA0;
S3035,当PAO>F1时,确定AO存在异常行为;
S3036,当A0对应的优选交通图像列表中的第一个目标信号灯为红色信号灯且第二个目标信号灯为红色信号灯时,获取A0与S1、S2和S0的交际数量PA0和A0与S3、S4和GS0的交际数量SA0;
S3037,当SAO>F1和/或PAO>F1时,确定AO存在异常行为。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310093384.5A CN116092023B (zh) | 2023-02-03 | 2023-02-03 | 一种确定异常行为的数据处理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310093384.5A CN116092023B (zh) | 2023-02-03 | 2023-02-03 | 一种确定异常行为的数据处理*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116092023A true CN116092023A (zh) | 2023-05-09 |
CN116092023B CN116092023B (zh) | 2023-10-20 |
Family
ID=86202304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310093384.5A Active CN116092023B (zh) | 2023-02-03 | 2023-02-03 | 一种确定异常行为的数据处理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116092023B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537841A (zh) * | 2014-12-23 | 2015-04-22 | 上海博康智能信息技术有限公司 | 无牌车辆违章检测方法及其检测*** |
CN105809982A (zh) * | 2016-06-02 | 2016-07-27 | 西安费斯达自动化工程有限公司 | 基于图像检测与自由流状态电子空穴约束模型的交通信号控制方法 |
WO2016145626A1 (zh) * | 2015-03-18 | 2016-09-22 | 富士通株式会社 | 交通异常检测方法、装置以及图像监控*** |
CN107730906A (zh) * | 2017-07-11 | 2018-02-23 | 银江股份有限公司 | 斑马线车辆不礼让行人行为的视觉检测*** |
CN111223296A (zh) * | 2019-12-31 | 2020-06-02 | 广州文远知行科技有限公司 | 信号灯的控制方法、装置、计算机设备和存储介质 |
CN111325988A (zh) * | 2020-03-10 | 2020-06-23 | 北京以萨技术股份有限公司 | 基于视频的实时闯红灯检测方法、装置、***及存储介质 |
CN111476191A (zh) * | 2020-04-15 | 2020-07-31 | 陈建 | 基于智慧交通的人工智能图像处理方法及大数据云服务器 |
CN112201049A (zh) * | 2020-10-13 | 2021-01-08 | 深圳技术大学 | 路与人的交互方法、斑马线***、与斑马线***的交互方法 |
CN112329621A (zh) * | 2020-11-04 | 2021-02-05 | 青岛以萨数据技术有限公司 | 一种异常行为预警数据的处理方法、***、终端及介质 |
CN112733598A (zh) * | 2020-12-04 | 2021-04-30 | 上海眼控科技股份有限公司 | 车辆违法判别方法、装置、计算机设备和存储介质 |
CN114255424A (zh) * | 2021-12-16 | 2022-03-29 | 浙江大华技术股份有限公司 | 对象行为的确定方法、装置、存储介质及电子装置 |
CN115410104A (zh) * | 2022-09-16 | 2022-11-29 | 湖南胜云光电科技有限公司 | 一种获取飞行器的图像采集点的数据处理*** |
CN115563287A (zh) * | 2022-12-02 | 2023-01-03 | 中科雨辰科技有限公司 | 一种获取关联对象的数据处理*** |
-
2023
- 2023-02-03 CN CN202310093384.5A patent/CN116092023B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537841A (zh) * | 2014-12-23 | 2015-04-22 | 上海博康智能信息技术有限公司 | 无牌车辆违章检测方法及其检测*** |
WO2016145626A1 (zh) * | 2015-03-18 | 2016-09-22 | 富士通株式会社 | 交通异常检测方法、装置以及图像监控*** |
CN105809982A (zh) * | 2016-06-02 | 2016-07-27 | 西安费斯达自动化工程有限公司 | 基于图像检测与自由流状态电子空穴约束模型的交通信号控制方法 |
CN107730906A (zh) * | 2017-07-11 | 2018-02-23 | 银江股份有限公司 | 斑马线车辆不礼让行人行为的视觉检测*** |
CN111223296A (zh) * | 2019-12-31 | 2020-06-02 | 广州文远知行科技有限公司 | 信号灯的控制方法、装置、计算机设备和存储介质 |
CN111325988A (zh) * | 2020-03-10 | 2020-06-23 | 北京以萨技术股份有限公司 | 基于视频的实时闯红灯检测方法、装置、***及存储介质 |
CN111476191A (zh) * | 2020-04-15 | 2020-07-31 | 陈建 | 基于智慧交通的人工智能图像处理方法及大数据云服务器 |
CN112201049A (zh) * | 2020-10-13 | 2021-01-08 | 深圳技术大学 | 路与人的交互方法、斑马线***、与斑马线***的交互方法 |
WO2022077805A1 (zh) * | 2020-10-13 | 2022-04-21 | 深圳技术大学 | 路与人的交互方法、斑马线***、与斑马线***的交互方法 |
CN112329621A (zh) * | 2020-11-04 | 2021-02-05 | 青岛以萨数据技术有限公司 | 一种异常行为预警数据的处理方法、***、终端及介质 |
CN112733598A (zh) * | 2020-12-04 | 2021-04-30 | 上海眼控科技股份有限公司 | 车辆违法判别方法、装置、计算机设备和存储介质 |
CN114255424A (zh) * | 2021-12-16 | 2022-03-29 | 浙江大华技术股份有限公司 | 对象行为的确定方法、装置、存储介质及电子装置 |
CN115410104A (zh) * | 2022-09-16 | 2022-11-29 | 湖南胜云光电科技有限公司 | 一种获取飞行器的图像采集点的数据处理*** |
CN115563287A (zh) * | 2022-12-02 | 2023-01-03 | 中科雨辰科技有限公司 | 一种获取关联对象的数据处理*** |
Non-Patent Citations (4)
Title |
---|
MOHAMED H. ZAKI等: "Identification of Pedestrians Non-Conforming Behavior at Urban Intersections using Computer Vision", 《TRB 2012 ANNUAL MEETING》, pages 1 - 20 * |
吴柯维: "基于视频智能分析技术的交通数字孪生应用", 《第十五届中国智能交通年会科技论文集(2)》, pages 513 - 530 * |
周伟 等: "一种快速的多Kalman滤波多车辆自动跟踪算法", 《自动化及先进集成技术大会论文集(一)》, pages 420 - 423 * |
梁志军 等: "交通路口智能管理控制***框架设计", 《第十二届中国管理科学大会优秀论文集》, pages 50 - 51 * |
Also Published As
Publication number | Publication date |
---|---|
CN116092023B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103927762B (zh) | 一种目标车辆自动跟踪方法及装置 | |
US10212397B2 (en) | Abandoned object detection apparatus and method and system | |
CN108694399B (zh) | 车牌识别方法、装置及*** | |
CN111524350B (zh) | 车路协同异常行驶状况检测方法、***、终端设备及介质 | |
CN109325548B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN112799826B (zh) | 智能分析算法选取方法、装置、***及电子设备 | |
Wei et al. | City-scale vehicle tracking and traffic flow estimation using low frame-rate traffic cameras | |
CN111145555A (zh) | 一种检测车辆违章的方法和装置 | |
CN112749622B (zh) | 应急车道占用识别方法和装置 | |
CN112380892A (zh) | 一种图像识别方法、装置、设备及介质 | |
CN116092023B (zh) | 一种确定异常行为的数据处理*** | |
CN112750301A (zh) | 目标对象追踪方法、装置、设备及计算机可读存储介质 | |
CN111724607B (zh) | 转向灯使用检测方法、装置、计算机设备和存储介质 | |
CN111860383B (zh) | 一种群体异常行为识别方法、装置、设备及存储介质 | |
CN115797849B (zh) | 一种基于图像确定异常行为的数据处理*** | |
CN110008957B (zh) | 基于车牌识别和图像方差算法的小区违停告警方法 | |
CN114092902A (zh) | 电动自行车违规行为的检测方法及装置 | |
CN110782485A (zh) | 一种车辆变道检测方法及装置 | |
CN114495244B (zh) | 电像计算数据异常检测方法、装置、设备及存储介质 | |
CN112597924B (zh) | 电动自行车轨迹追踪方法、摄像机装置和服务器 | |
KR20210002893A (ko) | 하이브리드 기법을 이용한 번호판 인식 방법 및 그 시스템 | |
CN115909314A (zh) | 车牌遮挡检测方法、违章停车检测方法及其设备 | |
CN113902999A (zh) | 一种跟踪方法、装置、设备及介质 | |
CN113971762A (zh) | 一种旋转机械作业安全风险智能识别方法及*** | |
CN115187886A (zh) | 一种车辆违规行为检测方法、装置及电子设备 |
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 |