CN108847031B - 交通行为监控方法、装置、计算机设备和存储介质 - Google Patents
交通行为监控方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN108847031B CN108847031B CN201810953700.0A CN201810953700A CN108847031B CN 108847031 B CN108847031 B CN 108847031B CN 201810953700 A CN201810953700 A CN 201810953700A CN 108847031 B CN108847031 B CN 108847031B
- Authority
- CN
- China
- Prior art keywords
- traffic
- information
- road surface
- database
- street
- 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
-
- 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
Abstract
本申请涉及一种交通行为监控方法、装置、计算机设备和存储介质。所述方法包括:获取用户终端采集的交通信息,该交通信息携带该路面信息;将该路面信息与数据库中的路面信息进行匹配;当匹配成功时,根据该数据库中的路面信息确定交通状态;当该交通信息与该交通状态不匹配时,则判定为违规行为。采用本方法能够实现实时全面监控交通行为、提高交通违规行为判定的效率和准确性。
Description
技术领域
本申请涉及计算机应用领域,特别是涉及一种交通行为监控方法、装置、计算机设备和计算机存储介质。
背景技术
随着互联网技术的发展,出现了视频监控技术。目前的交通视频监控可以实时拍摄路况信息,通过在路口安装摄像头,并把摄像头连入交通管理部门,由部门人员对监控视频进行监测和判定是否存在违规行为。然而该方式存在交通监控效率低下的问题。
发明内容
基于此,有必要针对监控效率低下技术问题,提供一种交通行为监控方法、装置、计算机设备和计算机存储介质,可以提高交通监控效率。
一种交通行为监控方法,该方法包括:获取用户终端采集的交通信息,该交通信息携带该路面信息;将该路面信息与数据库中的路面信息进行匹配;当匹配成功时,根据该数据库中的路面信息确定交通状态;当该交通信息与该交通状态不匹配时,则判定为违规行为。
在其中一个实施例中,该路面信息包括时间、地理位置和街道实景。
在其中一个实施例中,该将该路面信息与数据库中的路面信息进行匹配,包括:根据该地理位置从该数据库中获取与该地理位置对应的街道实景;将采集的路面信息中的街道实景与数据库中存储的该地理位置对应的街道实景进行匹配。
在其中一个实施例中,该将采集的路面信息中的街道实景与数据库中存储的该地理位置对应的街道实景进行匹配,包括:对该采集的路面信息中的街道实景进行特征提取,得到第一特征值;对该数据库中存储的该地理位置对应的街道实进行特征提取,得到第二特征值;将该第一特征值与第二特征值进行匹配;当该第一特征值与该第二特征值的相似度超过阈值,则表示匹配成功。
在其中一个实施例中,根据所述数据库中的路面信息确定路面状态,包括:根据该时间从数据库中获取所述时间对应的交通灯信息;根据该交通灯信息确定交通状态。
在其中一个实施例中,当该交通信息与该交通状态不匹配时,则判定为违规行为,包括:识别车辆或行人在该采集的交通信息的街道实景中的具体位置信息;当该交通状态为不可通行状态,且该车辆或行人在预设区域内出现,则判定为违规行为。
在其中一个实施例中,该方法还包括:获取判定为违规行为的交通信息中的人像信息或车牌号信息;将该人像信息或该车牌号信息上传至电子地图中。
一种交通行为监控装置,该装置包括:采集模块,用于获取用户终端采集的交通信息,该交通信息携带该路面信息;匹配模块,用于将该路面信息与数据库中的路面信息进行匹配;确定模块,用于当匹配成功时,根据该数据库中的路面信息确定交通状态;判定模块,用于当该交通信息与该交通状态不匹配时,则判定为违规行为。
一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行该计算机程序时实现以下步骤:获取用户终端采集的交通信息,该交通信息携带该路面信息;将该路面信息与数据库中的路面信息进行匹配;当匹配成功时,根据该数据库中的路面信息确定交通状态;当该交通信息与该交通状态不匹配时,则判定为违规行为。
一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以下步骤:获取用户终端采集的交通信息,该交通信息携带该路面信息;将该路面信息与数据库中的路面信息进行匹配;当匹配成功时,根据该数据库中的路面信息确定交通状态;当该交通信息与该交通状态不匹配时,则判定为违规行为。
上述交通行为监控方法、装置、计算机设备和存储介质,通过获取用户终端采集的交通信息,可以实现实时全面监控交通行为,对路面信息进行匹配确定交通状态,比对交通信息与交通状态来判定是否违规,能提高交通违规行为判定的效率和准确性。
附图说明
图1为一个实施例中交通行为监控方法的应用环境图;
图2为一个实施例中交通行为监控方法的流程示意图;
图3为一个实施例中街道实景匹配步骤的流程示意图;
图4为另一个实施例中交通行为监控方法的流程示意图;
图5为一个实施例中交通行为监控装置的结构框图;
图6为一个实施例中匹配模块的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的交通行为监控方法,可以应用于如图1所示的应用环境中。其中,用户终端102通过网络与服务器104通过网络进行通信。用户终端102采集的数据可发送至服务器104,服务器104中的数据也可展示在终端。其中,用户终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,并且用户终端102不限个数,可能为一个、两个或者多个。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种交通行为监控方法,以该方法应用于图1中的服务器104为例进行说明,包括以下步骤:
步骤202,获取用户终端采集的交通信息,该交通信息携带路面信息。
其中,交通信息是指行人、车辆等在某个时间、地理位置的道路上发生的行为。路面信息包括时间、地理位置和街道实景等。
具体地,服务器获取用户终端采集的行人、车辆等在道路上发生的行为信息以及当时的路面信息。
步骤204,将该路面信息与数据库中的路面信息进行匹配。
具体地,服务器调取数据库中的路面信息,并将用户终端采集的路面信息与数据库中的路面信息进行匹配。
步骤206,当匹配成功时,根据该数据库中的路面信息确定交通状态。
其中,交通状态指的是交通灯所指示的状态,例如红灯对应不可通行状态、绿灯对应可通行状态、黄灯对应警示状态。
具体地,当用户终端采集的路面信息与数据库中的路面信息匹配成功,则服务器根据数据库中的路面信息来确定当时的交通状态。
步骤208,当该交通信息与该交通状态不匹配时,则判定为违规行为。
具体地,当交通灯所指示的状态与用户终端采集的交通信息所显示的状态不匹配时,则判定该行人或车辆违规。
上述交通行为监控方法,通过获取用户终端采集的交通信息,可以实现实时全面监控交通行为,对路面信息进行匹配确定交通状态,比对交通信息与交通状态来判定是否违规,能提高交通判定的效率和准确性。
在一个实施例中,该路面信息包括时间、地理位置和街道实景。
其中,街道实景是指街道的建筑物和周围景物。
具体地,服务器获取用户终端采集的交通信息,该交通信息是指用户采集的行人和车辆在该采集的时间和地理位置的道路上发生的行为的图像或视频,而路面信息即用户采集该交通信息的时间、地理位置和街道实景。服务器根据图片信息所携带的GPS(GlobalPositioning System,全球定位系统)信息来确定地理位置。用户终端采集疑似违规的交通信息,并上传至服务器,服务器从用户采集的交通信息中获取行人、车辆图像信息和该交通信息对应的时间、地理位置和街道实景。
上述交通行为监控方法,通过获取一个、两个或多个用户终端采集的交通信息,能实现全面监控交通行为,并对路面信息进行匹配确定交通状态,比对交通信息与交通状态来判定是否违规,能提高交通违规行为判定的效率和准确性。
在一个实施例中,将该路面信息与数据库中的路面信息进行匹配,包括:根据该地理位置从数据库中获取与该地理位置对应的街道实景;将采集的路面信息中的街道实景与数据库中存储的该地理位置对应的街道实景进行匹配。
具体地,服务器获取用户终端采集的图像或视频后将确认该交通信息对应的地理位置,根据该地理位置从数据库中获取原本已存储的该地理位置对应的街道实景图像。服务器将用户终端采集的街道实景与数据库中已存储的地理位置对应的街道实景进行一一匹配。
本实施例中,数据库还可以实时收录街道实景图片或视频,用户终端可采集不同位置对应的街道实景图片或视频上传至服务器,服务器再将用户终端采集的不同位置的街道实景图片或视频与服务器中已有的街道实景图片或视频进行匹配,若匹配不成功,则将用户终端采集的街道实景图片或视频添加至数据库中,以扩充数据库。
上述交通行为监控方法,通过将用户采集的路面信息与数据库中已有的路面信息进行匹配,能够确认疑似交通违法行为发生的时间、地点,避免只用GPS(GlobalPositioning System,全球定位系统)来进行定位,使得确定的地理位置更加准确。
在一个实施例中,如图3所示,将采集的路面信息中的街道实景与数据库中存储的所述地理位置对应的街道实景进行匹配,包括:
步骤302,对该采集的路面信息中的街道实景进行特征提取,得到第一特征值。
具体地,在模式识别中,需要进行特征的抽取和选择。每个像素点作为一个特征值,在测量空间的原始数据通过变换获得在特征空间最能反映分类本质的特征。数字图像是在空间坐标和亮度值都离散化的图像,它可以用一个二维的整数数组来表示,或者一系列的二维数组来表示,每个二维数组代表一个颜色通道。数字化后的亮度值称为灰度级的值。那么一副M×N个像素的数字图像,就可以用M行N列的矩阵来表示。服务器通过上述步骤获取数字图像,并从中获取用户终端采集的街道实景的第一特征值。
步骤304,对该数据库中存储的该地理位置对应的街道实景进行特征提取,得到第二特征值。
具体地,服务器通过获得的数字图像以及二维数组进行特征提取,获得该数据库汇总存储的地理位置对应的街道实景的第二特征值。
步骤306,将第一特征值与第二特征值进行匹配。
具体地,服务器将获取的第一特征值与第二特征值进行一对一的匹配。
步骤308,当第一特征值与第二特征值的相似度超过阈值,则表示匹配成功。
其中,阈值具体指的是百分比,可以为50%、60%、70%、80%、90%等,此处以90%为例。
具体地,服务器对第一特征值和第二特征值进行相似度的比对,如果第一特征值和第二特征值的相似度超过90%,则认为该采集的路面信息中的街道实景与数据库中存储的地理位置对应的街道实景相匹配。
本实施例中,对该采集的路面信息中的街道实景进行特征提取之前,还包括:对该采集的路面信息中的街道实景和数据库中存储的该地理位置对应的街道实景进行预处理。
该预处理包括模数转换、二值化、几何变换、图像的平滑、归一化变换、增强、恢复、滤波等方式。
其中,模数转换是指一幅原始照片的灰度值是空间变量的连续函数。在M×N点阵上对照片灰度采样并加以量化,可以得到计算机能够处理的数字图像。
二值化是指将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的黑白效果的过程。
几何变换是用于改正图像采集系统的系统误差和仪器位置的随机误差所进行的变换。一般是在系统误差被纠正后,通过把被观测的图和已知正确几何位置的图相比较,用图中一定数量的地面控制点解双变量多项式函数组而达到变换的目的。
归一化是使图像的某些特征在给定变换下具有不变性质的一种图像标准形式。在一般情况下,某些因素或变换对图像一些性质的影响可通过归一化处理得到消除或减弱,从而可以被选作测量图像的依据。例如对于光照不可控的遥感图片,灰度直方图的归一化对于图像分析是十分必要的。
平滑是一种消除图像中随机噪声的技术。对平滑技术的基本要求是在消去噪声的同时不使图像轮廓或线条变得模糊不清。
恢复是校正各种原因所造成的图像退化,使重建或估计得到的图像尽可能逼近于理想无退化的像场。基本的复原技术是把获取的退化图像看成是退化函数和理想图像的卷积。
增强是对图像中的信息有选择地加强和抑制,以改善图像的视觉效果,或将图像转变为更适合于机器处理的形式,以便于数据抽取或识别。例如一个图像增强系统可以通过高通滤波器来突出图像的轮廓线,从而使机器能够测量轮廓线的形状和周长。
滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术,是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围像素灰度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除孤立的噪声点。滤波不仅可以较好的消除脉冲干扰噪声,且在有效抑制脉冲干扰的同时也可一定程度上减轻图像边沿的模糊。
上述交通行为监控方法,通过对图像进行特征提取,将采集的路面信息中的街道实景与数据库中街道实景进行匹配,能够确认疑似交通违法行为发生的时间、地点,使得定位的地理位置更加准确。
在一个实施例中,根据数据库中的路面信息确定路面状态,包括:根据该时间从数据库中获取该时间对应的交通灯信息;根据该交通灯信息确定交通状态。
其中,交通灯信息是指交通灯为红灯、黄灯和绿灯的情况。交通状态包括可通行、不可通行、警示三种状态。
具体地,服务器根据用户端采集的交通信息获取该地理位置下的街道实景,具体确认疑似交通违规行为发生的具体位置信息。再根据用户端采集的交通信息的时间确认该时刻的交通灯信息。例如交通灯为红灯时,交通状态为不可通行状态;交通灯为绿灯时,交通状态为可通行状态;交通灯为黄灯时,交通状态为警示状态。
上述交通行为监控方法,根据用户采集的时间、地理位置等信息调用数据库中的交通灯信息,从而确定交通状态,能实现全面监控交通行为,提高了交通违规行为判定的效率和准确性,避免仅仅依靠用户终端所上传的信息来确定交通状态。
在一个实施例中,当交通信息与交通状态不匹配时,则判定为违规行为,包括:识别车辆或行人在所述采集的交通信息的街道实景中的具体位置信息;当所述交通状态为不可通行状态,且所述车辆或行人在预设区域内出现,则判定为违规行为。
其中,预设区域是指行人在斑马线上出现的区域或车辆在车道上出现的区域。
本实施例中,服务器通过图像识别的方式识别出行人在图像或视频中的具体区域,并判断行人是否出现在斑马线所在的区域。具体地,服务器根据用户终端采集的交通信息获取疑似交通违规行为发生的时间和地点,并从数据库中获取在该时刻该地理位置对应的交通灯状态。当交通灯状态为不可通行状态,即交通灯为红灯时,若行人在斑马线上,认定为该交通信息与交通状态不匹配,则判定为交通违规行为;当交通灯状态为可通行状态,即交通灯为绿灯时,若行人在斑马线上出现,认定为该交通信息与交通状态相匹配,不是交通违规行为。同样地,当交通灯状态为不可通行状态,即交通灯为红灯时,若车辆不在车道内即车辆越过车道,认定该交通信息与交通状态不匹配,判定为交通违规行为;当交通灯状态为可通行状态,即交通灯为绿灯时,若车辆在车道内,认定该交通信息与交通状态相匹配,不是交通违规行为。
在一个实施例中,上述交通行为监控方法还可用于判定车辆是否压实线。具体地,服务器获取用户终端采集的交通信息,提取图片或视频上交通标线的特征点。若检测到该交通标线为连续的直线,则认为该交通标线为实线。当服务器检测到车辆挡住该实线,即车辆越过该实线,判定为交通违规行为。
在其中一个实施例中,上述交通行为监控方法还可用于判定行人翻越栏杆。具体地,服务器获取用户终端采集的交通信息,提取图片或者视频上栏杆的特征点。若检测到行人翻越栏杆的动作,则认定该行人正在翻越栏杆,判定为交通违规行为。
在其中一个实施例中,上述交通行为监控方法可用于判定车辆违法转弯和调头。具体地,服务器获取用户终端采集的交通信息,提取图片或视频上的交通标志,并通过图像识别检测出图像或视频上的标志和该标志表示的意义。例如服务器识别出该标志是指禁止转弯,则当服务器检测到车辆有转弯动作时,判定为交通违规行为。
上述交通行为监控方法,通过服务器识别用户终端采集的交通信息与交通状态的匹配情况,来判定该交通信息是否存在交通违规行为,提高了对交通违规行为判定的准确性和效率。
在一个实施例中,该方法还包括:获取判定为违规行为的交通信息中的人像信息或车牌号信息;将该人像信息或该车牌号信息上传至电子地图中。
具体地,当服务器判定该交通信息中携带交通违规行为,则获取并截取该违规图片或视频中的人像信息或者车牌号信息,将该人像信息或者车牌号信息上传至电子地图中显示。该电子地图设于用户终端,也可以设于服务器。用户终端或服务器只要在电子地图上点击该地理位置就能看到违规者的人像、违规的车牌号以及具体的违规行为。
上述交通行为监控方法,通过将实施该违规行为的人像信息或者车牌号信息放入电子地图中,方便用户终端查看电子地图,能有效震慑违规行人和车辆,且只在电子地图中显示违规人像或车牌号,能有效节省流量以及存储空间。
在一个实施例中,交通行为监控方法,如图4所示,包括:
步骤402,获取用户终端采集的交通信息,该交通信息携带路面信息。
具体地,服务器获取用户终端采集的交通信息,该交通信息是指用户采集的行人和车辆在该采集的时间和地理位置的道路上发生的行为的图像或视频,而路面信息即用户采集该交通信息的时间、地理位置和街道实景。用户终端根据图片信息所携带的GPS(Global Positioning System,全球定位系统)信息来确定地理位置。用户终端采集该疑似违规的交通信息,并上传至服务器,服务器从用户采集的交通信息中获取行人、车辆图像信息和该交通信息对应的时间、地理位置和街道实景。
步骤404,将该路面信息与数据库中的路面信息进行匹配。
其中,将该路面信息与数据库中的路面信息进行匹配包括:根据该地理位置从该数据库中获取与该地理位置对应的街道实景;将采集的路面信息中的街道实景与数据库中存储的所述地理位置对应的街道实景进行匹配。
具体地,服务器获取用户终端采集的图像或视频后将确认该交通信息对应的地理位置,根据该地理位置从数据库中获取原本已存储的该地理位置对应的街道实景图像。服务器将用户终端采集的街道实景与数据库中已存储的地理位置对应的街道实景进行一一匹配。
本实施例中,将采集的路面信息中的街道实景与数据库中存储的所述地理位置对应的街道实景进行匹配,包括:对该采集的路面信息中的街道实景进行特征提取,得到第一特征值;对该数据库中存储的该地理位置对应的街道实景进行特征提取,得到第二特征值;将第一特征值与第二特征值进行匹配;当第一特征值与第二特征值的相似度超过阈值,则表示匹配成功。
具体地,在模式识别中,需要进行特征的抽取和选择。每个像素点作为一个特征值,在测量空间的原始数据通过变换获得在特征空间最能反映分类本质的特征。数字图像是在空间坐标和亮度值都离散化的图像,它可以用一个二维的整数数组来表示,或者一系列的二维数组来表示,每个二维数组代表一个颜色通道。数字化后的亮度值称为灰度级的值。那么一副M×N个像素的数字图像,就可以用M行N列的矩阵来表示。服务器通过上述步骤获取数字图像,并从中获取用户终端采集的街道实景的第一特征值。服务器又使用同样的方法通过获得的数字图像以及二维数组进行特征提取,获得该数据库汇总存储的地理位置对应的街道实景的第二特征值。服务器将获取的第一特征值与第二特征值进行一对一的匹配。服务器对第一特征值和第二特征值进行相似度的比对,如果第一特征值和第二特征值的相似度超过90%,则认为该采集的路面信息中的街道实景与数据库中存储的地理位置对应的街道实景相匹配。
本实施例中,对该采集的路面信息中的街道实景进行特征提取之前还包括:对该采集的路面信息中的街道实景和数据库中存储的该地理位置对应的街道实景进行图片的预处理。
本实施例中,数据库还可以实时收录街道实景图片或视频,用户终端可采集不同位置对应的街道实景图片或视频上传至服务器,服务器再将用户终端采集的不同位置的街道实景图片或视频与服务器中已有的街道实景图片或视频进行比对,若比对不成功,则将用户终端采集的街道实景图片或视频添加至数据库中,以扩充数据库。
步骤406,当匹配成功时,根据该数据库中的路面信息确定交通状态。
具体地,根据数据库中的路面信息确定路面状态,包括:根据该时间从数据库中获取该时间对应的交通灯信息;根据该交通灯信息确定交通状态。服务器根据用户端采集的交通信息获取该地理位置下的的街道实景,具体确认疑似交通违规行为发生的具体位置信息。再根据用户端采集的交通信息的时间确认该时刻的交通灯信息。例如交通灯为红灯时,交通状态为不可通行状态;交通灯为绿灯时,交通状态为可通行状态。
步骤408,当该交通信息与该交通状态不匹配时,则判定为违规行为。
具体地,该步骤包括识别车辆或行人在所述采集的交通信息的街道实景中的具体位置信息;当所述交通状态为不可通行状态,且所述车辆或行人在预设区域内出现,则判定为违规行为。
本实施例中,服务器通过图像识别的方式识别出行人在图像或视频中的具体区域,并判断行人是否出现在斑马线所在的区域。具体地,服务器根据用户终端采集的交通信息获取疑似交通违规行为发生的时间和地点,并从数据库中获取在该时刻该地理位置对应的交通灯状态。当交通灯为红灯时,若行人在斑马线上,认定为该交通信息与交通状态不匹配,则判定为交通违规行为;当交通灯为绿灯时,若行人在斑马线上出现,认定为该交通信息与交通状态相匹配,不是交通违规行为。同样的,当交通灯为红灯时,若车辆不在车道内即车辆越过车道,认定该交通信息与交通状态不匹配,判定为交通违规行为;当交通灯为绿灯时,若车辆在车道内,认定该交通信息与交通状态相匹配,不是交通违规行为。
步骤410,获取判定为违规行为的交通信息中的人像信息或车牌号信息。
具体地,当服务器判定该交通信息中携带交通违规行为,则获取并截取该违规图片或视频中的人像信息或者车牌号信息。
步骤412,将该人像信息或该车牌号信息上传至电子地图中。
具体地,服务器将该人像信息或者车牌号信息上传至电子地图中显示。该电子地图设于用户终端,也可以设于服务器。用户终端或服务器只要在电子地图上点击该地理位置就能看到违规者的人像、违规的车牌号以及具体的违规行为。
应该理解的是,虽然图2-4流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种交通行为监控装置,包括:采集模块502、匹配模块504、确定模块506和判定模块508,其中:
采集模块502,用于获取用户终端采集的交通信息,该交通信息携带路面信息。
具体地,采集模块502用于当用户终端采集的路面信息与数据库中的路面信息匹配成功,服务器根据数据库中的路面信息来确定当时的交通状态。
匹配模块504,用于将该路面信息与数据库中的路面信息进行匹配。
具体地,匹配模块504用于当交通灯所指示的状态与用户终端采集的交通信息所显示的状态不匹配时,判定该行人或车辆违规。
确定模块506,用于当匹配成功时,根据该数据库中的路面信息确定交通状态。
具体地,确定模块506用于当用户终端采集的路面信息与数据库中的路面信息匹配成功,服务器根据数据库中的路面信息来确定当时的交通状态。
判定模块508,用于当该交通信息与该交通状态不匹配时,则判定为违规行为。
具体地,判定模块508用于当交通灯所指示的状态与用户终端采集的交通信息所显示的状态不匹配时,判定该行人或车辆违规。
上述交通行为监控装置,通过获取用户终端采集的交通信息,可以实现实时全面监控交通行为,对路面信息进行匹配确定交通状态,比对交通信息与交通状态来判定是否违规,能提高交通判定的效率和准确性。
在一个实施例中,该采集模块502还用于采集路面信息,该路面信息包括时间、地理位置和街道实景。
具体地,采集模块502用于获取用户终端采集的交通信息,该交通信息是指用户采集的行人和车辆在该采集的时间和地理位置的道路上发生的行为的图像或视频,而路面信息即用户采集该交通信息的时间、地理位置和街道实景。用户终端根据图片信息所携带的GPS(Global Positioning System,全球定位系统)信息来确定地理位置。用户终端采集该疑似违规的交通信息,并上传至服务器,采集模块502用于从用户采集的交通信息中获取行人、车辆图像信息和该交通信息对应的时间、地理位置和街道实景。
在一个实施例中,匹配模块504还用于根据该地理位置从该数据库中获取与该地理位置对应的街道实景;将采集的路面信息中的街道实景与数据库中存储的所述地理位置对应的街道实景进行匹配。
具体地,匹配模块504还用于在获取用户终端采集行人、车辆在该采集的时间、地理位置的道路上发生的行为的图像或视频后,确认该交通信息对应的地理位置,根据该地理位置从数据库中获取原本已存储的该地理位置对应的街道实景图像,并且将用户终端采集的街道实景与数据库中已存储的地理位置对应的街道实景进行一一匹配。
本实施例中,匹配模块504还用于实时收录街道实景图片或视频。用户终端可采集不同位置对应的街道实景图片或视频上传,匹配模块504用于将用户终端采集的不同位置的街道实景图片或视频与服务器中已有的街道实景图片或视频进行匹配,若匹配不成功,则将用户终端采集的街道实景图片或视频添加至数据库中,以扩充数据库。
在一个实施例中,如图6所示,匹配模块504包括第一特征值提取单元602、第二特征值提取单元604和特征值匹配单元606。具体地,第一特征值提取单元602用于获取用户终端采集的街道实景的第一特征值。第二特征值提取单元604用于通过获得的数字图像以及二维数组进行特征提取,获得该数据库汇总存储的地理位置对应的街道实景的第二特征值。特征值匹配单元606用于将获取的第一特征值与第二特征值进行一对一的匹配,如果第一特征值和第二特征值的相似度超过90%,则认为该采集的路面信息中的街道实景与数据库中存储的地理位置对应的街道实景相匹配。
本实施例中,在第一特征值提取单元获取用户终端采集的街道实景的第一特征值之前,还包括预处理单元。预处理单元用于对该采集的路面信息中的街道实景和数据库中存储的该地理位置对应的街道实景进行图片的预处理。
在一个实施例中,确定模块506还用于根据该时间从数据库中获取该时间对应的交通灯信息;根据该交通灯信息确定交通状态。
具体地,确定模块506还用于根据用户端采集的交通信息获取该地理位置下的街道实景,具体确认疑似交通违规行为发生的具体位置信息。再根据用户端采集的交通信息的时间确认该时刻的交通灯信息。例如交通灯为红灯时,交通状态为不可通行状态;交通灯为绿灯时,交通状态为可通行状态。
在一个实施例中,判定模块508还用于识别车辆或行人在所述采集的交通信息的街道实景中的具体位置信息;当所述交通状态为不可通行状态,且所述车辆或行人在预设区域内出现,则判定为违规行为。
具体地,判定模块508还用于通过图像识别的方式识别出行人在图像或视频中的具体区域,并判断行人是否出现在斑马线所在的区域。进一步地,判定模块508用于判定当交通灯状态为不可通行状态,即交通灯为红灯时,若行人在斑马线上,认定为该交通信息与交通状态不匹配,则判定为交通违规行为;当交通灯状态为可通行状态,即交通灯为绿灯时,若行人在斑马线上出现,认定为该交通信息与交通状态相匹配,不是交通违规行为。同样地,判定模块508还用于判定当交通灯状态为不可通行状态,即交通灯为红灯时,若车辆不在车道内即车辆越过车道,认定该交通信息与交通状态不匹配,判定为交通违规行为;当交通灯状态为可通行状态,即交通灯为绿灯时,若车辆在车道内,认定该交通信息与交通状态相匹配,不是交通违规行为。
在其中一个实施例中,判定模块508还可用于判定车辆是否压实线。具体地,判定模块508还用于获取用户终端采集的交通信息,提取图片或视频上交通标线的特征点,若检测到该交通标线为连续的直线,则认为该交通标线为实线。当服务器检测到车辆挡住该实线,即车辆越过该实线,判定为交通违规行为。
在其中一个实施例中,判定模块508还可用于判定行人翻越栏杆。具体地,判定模块508还用于获取用户终端采集的交通信息,提取图片或者视频上栏杆的特征点,若检测到行人翻越栏杆的动作,则认定该行人正在翻越栏杆,判定为交通违规行为。
在其中一个实施例中,判定模块508还可用于判定车辆违法转弯和调头。具体地,判定模块508还用于获取用户终端采集的交通信息,提取图片或视频上的交通标志,并通过图像识别检测出图像或视频上的标志和该标志表示的意义。例如判定模块508还用于识别出该标志是指禁止转弯,则当服务器检测到车辆有转弯动作时,判定为交通违规行为。
在一个实施例中,在判定模块508之后,还包括上传模块510。具体地,上传模块510用于当判定模块508已判定该交通信息中携带交通违规行为,则获取并截取该违规图片或视频中的人像信息或者车牌号信息,将该人像信息或者车牌号信息上传至电子地图中显示。该电子地图设于用户终端,也可以设于服务器。用户终端或服务器只要在电子地图上点击该地理位置就能看到违规者的人像、违规的车牌号以及具体的违规行为。
关于交通行为监控装置的具体限定可以参见上文中对于交通行为监控方法的限定,在此不再赘述。上述交通行为监控装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储交通行为监控数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种交通行为监控方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取用户终端采集的交通信息,该交通信息携带该路面信息;将该路面信息与数据库中的路面信息进行匹配;当匹配成功时,根据该数据库中的路面信息确定交通状态;当该交通信息与该交通状态不匹配时,则判定为违规行为。该路面信息包括时间、地理位置和街道实景。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据该地理位置从该数据库中获取与该地理位置对应的街道实景;将采集的路面信息中的街道实景与数据库中存储的该地理位置对应的街道实景进行匹配。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对该采集的路面信息中的街道实景进行特征提取,得到第一特征值;对该数据库中存储的该地理位置对应的街道实进行特征提取,得到第二特征值;将该第一特征值与第二特征值进行匹配;当该第一特征值与该第二特征值的相似度超过阈值,则表示匹配成功。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据该时间从数据库中获取所述时间对应的交通灯信息;根据该交通灯信息确定交通状态。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:识别车辆或行人在该采集的交通信息的街道实景中的具体位置信息;当该交通状态为不可通行状态,且该车辆或行人在预设区域内出现,则判定为违规行为。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取判定为违规行为的交通信息中的人像信息或车牌号信息;将该人像信息或该车牌号信息上传至电子地图中。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取用户终端采集的交通信息,该交通信息携带该路面信息;将该路面信息与数据库中的路面信息进行匹配;当匹配成功时,根据该数据库中的路面信息确定交通状态;当该交通信息与该交通状态不匹配时,则判定为违规行为。该路面信息包括时间、地理位置和街道实景。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据该地理位置从该数据库中获取与该地理位置对应的街道实景;将采集的路面信息中的街道实景与数据库中存储的该地理位置对应的街道实景进行匹配。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对该采集的路面信息中的街道实景进行特征提取,得到第一特征值;对该数据库中存储的该地理位置对应的街道实进行特征提取,得到第二特征值;将该第一特征值与第二特征值进行匹配;当该第一特征值与该第二特征值的相似度超过阈值,则表示匹配成功。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据该时间从数据库中获取所述时间对应的交通灯信息;根据该交通灯信息确定交通状态。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:识别车辆或行人在该采集的交通信息的街道实景中的具体位置信息;当该交通状态为不可通行状态,且该车辆或行人在预设区域内出现,则判定为违规行为。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取判定为违规行为的交通信息中的人像信息或车牌号信息;将该人像信息或该车牌号信息上传至电子地图中。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种交通行为监控方法,其特征在于,应用于服务器,所述方法包括:
获取用户终端采集的交通信息,所述交通信息携带路面信息,所述交通信息是指用户采集的,行人、车辆在采集的时间和地理位置的道路上发生的行为的图像或视频,所述路面信息包括时间、地理位置和街道实景;所述用户终端包括个人计算机、笔记本电脑、智能手机、平板电脑、便携式可穿戴设备;
根据所述地理位置从数据库中获取与所述地理位置对应的街道实景;
将采集的路面信息中的街道实景与数据库中存储的所述地理位置对应的街道实景进行匹配;
当匹配成功时,根据所述数据库中的路面信息确定交通状态;
当所述交通信息与所述交通状态不匹配时,则判定为违规行为;
所述方法还包括:
提取所述交通信息中的交通标线或交通标志的特征点;
检测所述交通信息中行人或车辆的动作;
根据所述特征点以及所述动作确定是否存在违规行为。
2.根据权利要求1所述的方法,其特征在于,所述将采集的路面信息中的街道实景与数据库中存储的所述地理位置对应的街道实景进行匹配,包括:
对所述采集的路面信息中的街道实景进行特征提取,得到第一特征值;
对所述数据库中存储的所述地理位置对应的街道实进行特征提取,得到第二特征值;
将所述第一特征值与第二特征值进行匹配;
当所述第一特征值与所述第二特征值的相似度超过阈值,则表示匹配成功。
3.根据权利要求1所述的方法,其特征在于,所述根据所述数据库中的路面信息确定交通状态,包括:
根据所述时间从数据库中获取所述时间对应的交通灯信息;
根据所述交通灯信息确定交通状态。
4.根据权利要求1所述的方法,其特征在于,当所述交通信息与所述交通状态不匹配时,则判定为违规行为,包括:
识别车辆或行人在所述采集的交通信息的街道实景中的具体位置信息;
当所述交通状态为不可通行状态,且所述车辆或行人在预设区域内出现,则判定为违规行为。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取判定为违规行为的交通信息中的人像信息或车牌号信息;
将所述人像信息或所述车牌号信息上传至电子地图中。
6.一种交通行为监控装置,其特征在于,应用于服务器,所述装置包括:
采集模块,用于获取用户终端采集的交通信息,所述交通信息携带路面信息,所述交通信息是指用户采集的,行人、车辆在采集的时间和地理位置的道路上发生的行为的图像或视频,所述路面信息包括时间、地理位置和街道实景;所述用户终端包括个人计算机、笔记本电脑、智能手机、平板电脑、便携式可穿戴设备;
匹配模块,用于根据所述地理位置从数据库中获取与所述地理位置对应的街道实景;
所述匹配模块,用于将采集的路面信息中的街道实景与数据库中存储的所述地理位置对应的街道实景进行匹配;
确定模块,用于当匹配成功时,根据所述数据库中的路面信息确定交通状态;
判定模块,用于当所述交通信息与所述交通状态不匹配时,则判定为违规行为;
所述判定模块还用于提取所述交通信息中的交通标线或交通标志的特征点;
检测所述交通信息中行人或车辆的动作;
根据所述特征点以及所述动作确定是否存在违规行为。
7.根据权利要求6所述的装置,其特征在于,所述判定模块用于识别车辆或行人在所述采集的交通信息的街道实景中的具体位置信息;当所述交通状态为不可通行状态,且所述车辆或行人在预设区域内出现,则判定为违规行为。
8.根据权利要求6所述的装置,其特征在于,所述交通行为监控装置还包括上传模块;所述上传模块用于获取判定为违规行为的交通信息中的人像信息或车牌号信息;
将所述人像信息或所述车牌号信息上传至电子地图中。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
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5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810953700.0A CN108847031B (zh) | 2018-08-21 | 2018-08-21 | 交通行为监控方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810953700.0A CN108847031B (zh) | 2018-08-21 | 2018-08-21 | 交通行为监控方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108847031A CN108847031A (zh) | 2018-11-20 |
CN108847031B true CN108847031B (zh) | 2021-02-02 |
Family
ID=64188158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810953700.0A Active CN108847031B (zh) | 2018-08-21 | 2018-08-21 | 交通行为监控方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108847031B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109670431A (zh) * | 2018-12-11 | 2019-04-23 | 北京小马智行科技有限公司 | 一种行为检测方法及装置 |
CN109785637B (zh) * | 2019-01-28 | 2022-07-08 | 平安科技(深圳)有限公司 | 车辆违规的分析评价方法及装置 |
CN110379172A (zh) * | 2019-07-17 | 2019-10-25 | 浙江大华技术股份有限公司 | 交通规则的生成方法及装置、存储介质、电子装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101393391B1 (ko) * | 2012-12-28 | 2014-05-12 | 한밭대학교 산학협력단 | 임베디드 시스템 기반의 차량 번호판 인식 방법 |
CN104101351A (zh) * | 2013-04-10 | 2014-10-15 | 朱孝杨 | 卫星定位和数字化场景匹配识别相结合的交叉定位导航 |
CN103909826A (zh) * | 2014-04-22 | 2014-07-09 | 武汉理工大学 | 一种协同感知驾驶员违规行为的优化处理方法 |
CN105741591A (zh) * | 2016-05-06 | 2016-07-06 | 赵洪海 | 道路信号灯移动终端同步支持系统 |
CN108205903A (zh) * | 2017-12-22 | 2018-06-26 | 广东容祺智能科技有限公司 | 一种无人机应急交通指挥监督系统及其指挥监督方法 |
CN108154686A (zh) * | 2018-02-12 | 2018-06-12 | 苏州清研微视电子科技有限公司 | 一种车载违章行为抓拍系统 |
-
2018
- 2018-08-21 CN CN201810953700.0A patent/CN108847031B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108847031A (zh) | 2018-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108847031B (zh) | 交通行为监控方法、装置、计算机设备和存储介质 | |
US10192107B2 (en) | Object detection method and object detection apparatus | |
Akagic et al. | Pothole detection: An efficient vision based method using rgb color space image segmentation | |
CN110930353A (zh) | 孔位保护门状态检测方法、装置、计算机设备和存储介质 | |
RU2484531C2 (ru) | Устройство обработки видеоинформации системы охранной сигнализации | |
US9846823B2 (en) | Traffic lane boundary line extraction apparatus and method of extracting traffic lane boundary line | |
CN108268867B (zh) | 一种车牌定位方法及装置 | |
US20130162867A1 (en) | Method and system for robust scene modelling in an image sequence | |
CN108010105B (zh) | 图像处理设备、图像处理方法和存储介质 | |
US11157735B2 (en) | Cloud detection in aerial imagery | |
CN111160169B (zh) | 人脸检测方法、装置、设备及计算机可读存储介质 | |
CN111461170A (zh) | 车辆图像检测方法、装置、计算机设备及存储介质 | |
CN111259813A (zh) | 人脸检测跟踪方法、装置、计算机设备和存储介质 | |
CN111435437A (zh) | 一种pcb行人重识别模型训练方法及pcb行人重识别方法 | |
CN114241370A (zh) | 基于数字孪生变电站的入侵识别方法、装置和计算机设备 | |
Buza et al. | Unsupervised method for detection of high severity distresses on asphalt pavements | |
CN112307989A (zh) | 路面物体识别方法、装置、计算机设备和存储介质 | |
CN111444758A (zh) | 一种基于时空信息的行人重识别方法及装置 | |
CN114494994A (zh) | 车辆异常聚集监控方法、装置、计算机设备及存储介质 | |
CN111178224A (zh) | 物体规则判断方法、装置、计算机设备和存储介质 | |
CN110852236A (zh) | 目标事件的确定方法及装置、存储介质、电子装置 | |
US11037266B2 (en) | Attached substance detection device and attached substance detection method | |
Chaithra et al. | Monitoring traffic signal violations using ANPR and GSM | |
CN111738043A (zh) | 一种行人重识别方法及装置 | |
KR101381580B1 (ko) | 다양한 조명 환경에 강인한 영상 내 차량 위치 판단 방법 및 시스템 |
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 |