CN109141457B - 导航评估方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本发明实施例公开了一种导航评估方法、装置、计算机设备和存储介质，其中，该方法包括：针对多个不同的路径，分别获取不同的导航应用基于每一个路径的导航视频；对每一个路径，分别从与之对应的不同的导航视频中提取实时速度和超速情况；比较同一路径对应的不同的导航视频中提取出来的实时速度和超速情况，以便根据比较结果对导航应用进行评估。本发明实施例解决了现有技术中缺乏针对导航应用的导航性能的有效评估而导致超速提示缺乏准确性的问题，实现了从导航视频中识别实时速度以及超速情况，对导航应用的导航性能进行有效评估的效果，进而保证了导航过程中超速提示的准确性。

Description

导航评估方法、装置、计算机设备和存储介质

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种导航评估方法、装置、计算机设备和存储介质。

背景技术

电子导航地图具有定位显示、索引、路径计算和引导等功能，为日常出行带来极大的便利性。

在使用地图导航的过程中，如果遇到道路上的限速段，导航应用会根据用户当前的实时速度来提示用户是否超速。90％以上的司机在使用导航应用过程中，对于实时速度的显示圆圈是否飘红很敏感，也会根据实时速度的显示圆圈是否飘红来及时调整时速，避免罚款和扣分。

因此，路径导航中对限速值的精度和准确度要求非常高，只有准确地根据时速和限速值判断出司机当前是否超速，从而将显示圆圈飘红，才能达到准确提示司机的目的。然而，现有技术中缺乏对导航应用的导航性能进行有效评估的方案，超速提示的准确性也有待提高。

发明内容

本发明实施例提供一种导航评估方法、装置、计算机设备和存储介质，以实现对导航应用的导航性能的有效评估，保证导航过程中超速提示的准确性。

第一方面，本发明实施例提供了一种导航评估方法，该方法包括：

针对多个不同的路径，分别获取不同的导航应用基于每一个路径的导航视频；

对每一个路径，分别从与之对应的不同的导航视频中提取实时速度和超速情况；

比较同一路径对应的不同的导航视频中提取出来的实时速度和超速情况，以便根据比较结果对所述导航应用进行评估。

第二方面，本发明实施例还提供了一种导航评估装置，该装置包括：

导航视频获取模块，用于针对多个不同的路径，分别获取不同的导航应用基于每一个路径的导航视频；

速度数据提取模块，用于对每一个路径，分别从与之对应的不同的导航视频中提取实时速度和超速情况；

速度数据比较模块，用于比较同一路径对应的不同的导航视频中提取出来的实时速度和超速情况，以便根据比较结果对所述导航应用进行评估。

第三方面，本发明实施例还提供了一种计算机设备，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导航评估方法。

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导航评估方法。

本发明实施例通过针对多个不同的路径，分别获取不同的导航应用基于每一个路径的导航视频，然后，分别从每一个路径对应的不同的导航视频中提取实时速度和超速情况，最后，比较同一路径对应的不同的导航视频中提取出来的实时速度和超速情况，以便根据比较结果对导航应用进行评估，解决了现有技术中缺乏针对导航应用的导航性能的有效评估而导致超速提示缺乏准确性的问题，实现了从导航视频中识别实时速度以及超速情况，对导航应用的导航性能进行有效评估的效果，进而保证了导航过程中超速提示的准确性。

附图说明

图1是本发明实施例一提供的导航评估方法的流程图；

图2是本发明实施例二提供的导航评估方法的流程图；

图3是本发明实施例二中对HSV切割色域图进行二值化取反后的显示效果示意图；

图4是本发明实施例三提供的导航评估方法的流程图；

图5a是本发明实施例三中由RGB色域图转换得到的灰度图的显示效果示意图；

图5b是本发明实施例三中经过高斯降噪处理的灰度图的显示效果示意图；

图5c是本发明实施例三提供的一种对速度显示区域进行矩形切割时矩形切割区域的确定示意图；

图6是本发明实施例四提供的导航评估装置的结构示意图；

图7是本发明实施例五提供的一种计算机设备的结构示意图。

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。

实施例一

图1是本发明实施例一提供的导航评估方法的流程图，本实施例可适用于对导航应用进行评估的情况，该方法可以由导航评估装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成在计算机设备上。如图1所示，该方法可以包括：

S110、针对多个不同的路径，分别获取不同的导航应用基于每一个路径的导航视频。

本实施例中，导航视频是针对具体路径的真实导航视频，导航画面中可以实时显示车辆的当前速度。导航视频可以基于数据统计的方式从开放的导航视频库中获取，也可以通过对真实环境中的导航路径进行录屏或者模拟的方式获取。示例性的，根据不同路径的起点和终点，在导航视频库中通过地点匹配，提取不同导航应用的导航视频；或者，在配置有不同导航应用的路径模拟设备中，例如智能移动终端，ipad或者电脑等，输入起点和终点，同时设置行驶速度，分别模拟不同导航应用对该路径的导航视频，然后依次输入不同的起点和终点，经过相同的操作便可获取多个不同路径的导航视频。通过获取多个不同路径的导航视频，可以增加后续导航评估的可靠性。

S120、对每一个路径，分别从与之对应的不同的导航视频中提取实时速度和超速情况。

导航视频的每一个画面中不仅可以实时显示当前路径的车辆速度，还可以通过速度显示的不同颜色表明当前是否超速，因此，可以基于图像识别技术，依次从不同的导航视频中提取出对应路径的实时速度和超速情况。

示例性的，在导航应用A的导航视频中，画面左上角为速度显示区域，当车辆速度不超过对应路径规定的最大速度时，速度显示区域内速度以蓝色显示，当车辆速度超过对应路径规定的最大速度时，速度显示区域内速度以红色显示。若在X1时刻，速度显示区域显示的是蓝色字体的速度Y1km/h；在X2时刻，速度显示区域显示的是红色字体的速度Y2km/h，通过图像识别，识别出速度数值Y1以及其颜色-蓝色，即表示当前未超速，识别出速度数值Y2以及其颜色-红色，即表示当前超速。

S130、比较同一路径对应的不同的导航视频中提取出来的实时速度和超速情况，以便根据比较结果对导航应用进行评估。

针对同一路径，其规定的最大速度是固定的，如果从不同导航应用的导航视频中提取的实时速度及超速情况存在明显差异，则根据比较结果可以通过人工评估或者系统自动评估的方式对导航应用的导航性能进行评估，进而促使导航应用的维护人员实时关注每个路径的最大速度值，并及时对导航应用中的相关数据进行更新调整，以提升导航应用超速提示的准确性。比较结果可以是从不同导航应用的导航视频中提取的实时速度及超速情况与路径最大速度的比较结果，也可以是不同导航应用的导航视频中提取的实时速度及超速情况彼此进行比较的结果。示例性的，针对相同的路径上的某一路段，导航应用A在车辆速度为60km/h时，显示为超速；导航应用B在车辆速度为65km/h时，显示为超速；导航应用C在车辆速度为90km/h时，显示为超速，每个导航应用在显示超速的同时给予用户语音提示，可见，导航应用C的限速提示值与导航应用A、B的限速提示值存在较大偏差，则确定导航应用C的导航性能较差，需要更新其限速提示数据。

此外，根据比较结果对导航应用进行评估，可以包括根据比较结果对目标导航应用进行评估，目标导航应用是工作人员预先确定的不同导航应用中的一个，评估过程中只需要关注目标导航应用与其他导航应用的超速提示差异即可。

需要说明的是，单纯比较不同导航视频中的实时速度是没有意义的，需要结合实时速度的显示颜色进行超速提示的比较。

可选的，比较同一路径对应的不同的导航视频中提取出来的实时速度和超速情况，包括：

比较同一路径对应的不同的导航视频中提取出来的实时速度和超速情况；

如果同一路径上的相同位置在不同的导航视频中提取出来的超速情况不同，则至少将该位置和对应的实时速度向服务器上传，以便根据该比较结果对导航应用进行评估。

其中，针对同一路径，可以选择将从不同导航视频中提取的超速情况不同时对应的位置信息发送至服务器，也可以选择将超速情况一致时对应的位置信息一起发送至服务器，服务器收到的位置信息越多，定位到所属路径的准确性越高。

服务器根据接收的位置信息定位到对应的路径后，调取出该路径规定的最大速度，然后与从不同导航视频中提取的实时速度进行比较，判断不同导航应用的超速提示的准确性，评估出不同导航应用的导航性能，进而调用维护程序对导航性能较差的导航应用进行维护，例如更新其限速提示数据。

本实施例的技术方案通过针对多个不同的路径，分别获取不同的导航应用基于每一个路径的导航视频，然后，分别从每一个路径对应的不同的导航视频中提取实时速度和超速情况，最后，比较同一路径对应的不同的导航视频中提取出来的实时速度和超速情况，以便根据比较结果对导航应用进行评估，解决了现有技术中缺乏针对导航应用的导航性能的有效评估而导致超速提示缺乏准确性的问题，实现了从导航视频中识别实时速度以及超速情况，对导航应用的导航性能进行有效评估的效果，进而保证了导航过程中超速提示的准确性。

实施例二

图2是本发明实施例二提供的导航评估方法的流程图，本实施例是在上述实施例的基础上进一步进行优化。如图2所示，该方法可以包括：

S210、针对多个不同的路径，分别获取不同的导航应用基于每一个路径的导航视频。

S220、将每一个路径对应的不同的导航视频进行视频转换，得到多帧图片。

其中，经过视频转换，可以从每个导航视频包括的图片中，根据预设时间间隔，例如1秒，提取出一定数量的图片作为后续识别导航数据所用的图片，对于图片数量本实施例不作具体限定。通过将导航视频转换为图片，可以降低识别导航数据的难度，进而提高识别实时速度以及超速情况的准确度。

可选的，将每一个路径对应的不同的导航视频进行视频转换，得到多帧图片，包括：

将每一个路径对应的不同的导航视频进行视频转换，得到多帧初始图片；

根据每帧初始图片的大小和分辨率，将每帧初始图片缩放至预设比例，得到多帧图片。

不同的导航视频经过视频转换得到的初始图片的分辨率可能不同，不同的分辨率导致初始图片的长宽比不同，进而导致初始图片上显示的速度显示区域位于不同的位置。因此，需要根据原始图片的长宽比以及分辨率信息，对初始图片进行缩放等预处理操作，将多帧初始图片统一调整到预设比例，即规范的图片大小，经过调整后，多帧初始图片上的速度显示区域可以显示在图片上的同一位置区域，便于后续准确识别实时速度。

S230、对每帧图片进行图像识别，确定每帧图片中的速度显示区域以及超速情况。

其中，可以根据速度显示区域的形状，在每帧图片上进行形状匹配，确定备选区域，进而结合速度显示区域的大小，在备选区域中确定其具体位置；然后，依据颜色与超速状态的对应关系，通过对速度显示区域的颜色进行识别，例如对其轮廓颜色进行识别，确定车辆是否处于超速状态。

可选的，对每帧图片进行图像识别，确定每帧图片中的速度显示区域以及超速情况，包括：

对每帧图片，从其RGB色域图转换至HSV色域图；

在每帧图片的HSV色域图中，依据至少两种预设色域分别进行图像切割，分别得到保留每种预设色域图像的HSV切割色域图，其中，预设色域为速度显示区域中与超速显示和非超速显示对应的色域，超速显示与非超速显示的颜色设置可以根据导航应用的不同而变化；

在至少两种预设色域对应的HSV切割色域图中进行霍夫圆提取，将提取出霍夫圆的HSV切割色域图所对应的预设色域作为该帧图片的目标色域，并将提取出来的霍夫圆所在区域作为该帧图片的速度显示区域；

依据每帧图片的目标色域确定该帧图片所显示的超速情况。

本实施例中可以利用开源计算机视觉库(OpenCV)进行图像识别，根据色域和霍夫变换，确定出速度显示区域以及超速情况。以下对图像识别过程进行示例性说明：

1)将预处理之后的图片转换至HSV色域图。

2)依据预设色域，例如超速显示的橘色或红色对应的色域，非超速显示的蓝色对应的色域等，利用inRange函数对HSV色域图进行切割。图像切割过程中可以将颜色属于预设色域的图像区域内的像素值设置为255(白色)，将颜色不属于预设色域的图像区域内的像素值设置为0(黑色)，得到HSV切割色域图。示例性的，将非超速显示的蓝色对应的色域作为预设色域，对HSV色域图进行切割后，白色图像区域即对应于RGB色域图中的蓝色图像区域，黑色图像区域即对应于RGB色域图中的非蓝色图像区域。

3)利用Threshold函数对切割后的图片进行二值化取反。图3作为示例，示出了对HSV切割色域图进行二值化取反后的显示效果示意图，其中的黑色图像区域即对应于RGB色域图中的蓝色图像区域。当然，对于将超速显示的橘色或红色对应的色域作为预设色域，对HSV色域图进行切割与二值化取反的操作与上述操作类似，不再重复描述。

4)基于霍夫变换，在HSV切割色域图或二值化之后的HSV切割色域图中提取霍夫圆，具体可以根据速度显示区域的形状和大小提取霍夫圆。如果能够提取出霍夫圆，则将霍夫圆所在区域作为速度显示区域。继续以图3为例，在二值化取反后的HSV切割色域图中提取霍夫圆，图3所示的区域31即速度显示区域，其他黑色图像区域，例如区域32，则属于噪声区。

其中，在霍夫圆提取的过程中，可能提取到多个霍夫圆，可以将多个霍夫圆的中心与半径分别取平均，将以此确定的圆作为最终的霍夫圆，即图3中显示的霍夫圆区域31可以是多个霍夫圆取平均之后确定的。考虑导航应用中通常采用圆形区域显示速度，因而本方案中通过提取霍夫圆确定速度显示区域，当导航应用中的速度显示区域设置为其他形状时，相应地通过提取对应形状确定速度显示区域即可。

5)根据与预设色域对应的颜色判断RGB色域图上显示的超速情况。例如，切割HSV色域图时采用的预设色域是蓝色对应的色域，而导航应用中蓝色与非超速显示对应，则确定图片当前显示的实时速度为非超速。

可选的，在每帧图片的HSV色域图中，依据至少两种预设色域分别进行图像切割之前，该方法还包括：

对HSV色域图的明度进行直方均值化。

通过直方均值化处理可以消除HSV色域图中的个别亮色斑点，降低噪声对图像切割的影响。

S240、从每帧图片中的速度显示区域中识别出实时速度。

通过对速度显示区域内的数字进行识别，即可确定图片显示的实时速度。

S250、比较同一路径对应的不同的导航视频中提取出来的实时速度和超速情况，以便根据比较结果对导航应用进行评估。

本实施例的技术方案首先通过将不同导航视频进行视频转换，得到多帧图片，然后，对每帧图片进行图像识别，确定每帧图片中的速度显示区域以及超速情况，并从速度显示区域中识别出实时速度，最后，通过比较针对同一路径的不同图片的识别结果，即实时速度和超速情况，对不同导航应用进行评估。本实施例技术方案解决了现有技术中缺乏针对导航应用的导航性能的有效评估而导致超速提示缺乏准确性的问题，实现了从导航视频中识别实时速度以及超速情况，对导航应用的导航性能进行有效评估的效果，进而保证了导航过程中超速提示的准确性；其中，利用图像切割和霍夫变换对图片进行识别，保证了提取实时速度与超速情况的准确性，进而确保了导航应用的评估结果的可靠性，保证了不同导航应用在导航过程中超速提示的准确性。

实施例三

图4是本发明实施例三提供的导航评估方法的流程图，本实施例是在上述实施例的基础上进一步进行优化。如图4所示，该方法可以包括：

S310、针对多个不同的路径，分别获取不同的导航应用基于每一个路径的导航视频。

S320、将每一个路径对应的不同的导航视频进行视频转换，得到多帧图片。

S330、对每帧图片进行图像识别，确定每帧图片中的速度显示区域以及超速情况。

S340、对每帧图片的RGB色域图进行霍夫圆提取，得到每帧图片的RGB色域图中的霍夫圆数据，其中，霍夫圆数据包括霍夫圆心在每帧图片中的位置。

具体的，首先将每帧图片的RGB色域图转换为灰度图，如图5a所示，即为转换得到的灰度图的示意图；然后对灰度图进行高斯降噪，即图像平滑处理，如图5b所示，即为降噪之后的灰度图的示意图，进而基于霍夫变换从降噪之后的灰度图中提取出霍夫圆，得到可以确定其位置的霍夫圆数据，例如圆心、半径和圆上特征点等。

S350、依据霍夫圆数据评估速度显示区域的位置准确性。

本实施例中，速度显示区域即为圆形区域，当基于图像识别确定的速度显示区域比较精确时，速度显示区域即霍夫圆所在区域。因此，可以通过将基于图像识别确定的速度显示区域的位置数据与基于霍夫变换确定的霍夫圆数据进行比较，评估速度显示区域的位置准确性，例如，比较两种操作中得到的速度显示区域的圆心是否重合，圆形区域的边缘是否重合等。此外，如果操作S330中确定的速度显示区域是基于HSV色域图切割和霍夫变换确定，则可以比较基于HSV色域图和RGB色域图得到的霍夫圆数据评估速度显示区域的位置准确性。当评估出速度显示区域的位置精度比较高时，继续执行操作S360。如果评估出速度显示区域的位置精度较低，则可以重新确定速度显示区域。

S360、从每帧图片中的速度显示区域中识别出实时速度。

可选的，从每帧图片中的速度显示区域中识别出实时速度，包括：

确定每帧图片中速度显示区域的圆心；

以圆心为参照点，对每帧图片的速度显示区域进行预设形状的切割，得到目标切割区域；

利用机器学习算法，识别目标切割区域中的数字；

将识别出来的数字进行组合，得到每帧图片中的实时速度。

其中，目标切割区域即为速度数值所在的区域，预设形状可以根据导航应用中显示的速度数值形状进行确定，例如，若导航应用中显示的速度数值形状为正方形，则预设形状设置为正方形，若导航应用中显示的速度数值形状为矩形，则预设形状设置为矩形。切割过程中以恰好包括速度数值，且尽量引入较少干扰区域或背景区域为原则，以速度显示区域的圆心为参照点，得到目标切割区域，即目标切割区域的中心与速度显示区域的圆心可以不重合。

利用机器学习算法，逐一识别目标切割区域内的数字，然后按照数字的位置关系进行组合，得到图片显示的实时速度。

进一步的，以圆心为参照点，对每帧图片的速度显示区域进行预设形状的切割，得到目标切割区域，包括：

以圆心为参照点，按照经验值对每帧图片的速度显示区域进行矩形切割，得到矩形切割区域；

对矩形切割区域进行二值化转换，得到二值化矩形切割区域；

在二值化矩形切割区域的周围加上一圈像素点，并且该像素点的像素值与二值化矩形切割区域中数字所属像素点的像素值相同；

在加上一圈像素点之后的二值化矩形切割区域中，删除符合预设条件的轮廓，并将删除后的区域作为目标切割区域；其中，预设条件根据轮廓的面积和/或周长确定。

图5c作为示例，示出了一种对速度显示区域进行矩形切割时矩形切割区域的确定示意图。如图5c所示，以霍夫圆的圆心所在水平线为基准，将任一水平半径顺时针旋转30度，与霍夫圆相交于点A，将任一水平半径逆时针旋转45度，与霍夫圆相交于点E；然后，分别经过点E和点A作与基准线平行的直线BC和直线AD，D点在圆上；其次，经过点D作直线AD的垂线，并与直线BC相交于点C，经过点A作直线AD的垂线，并与直线BC相交于点B。最终确定的矩形ABCD即为矩形切割区域。以上述方式确定的矩形切割区域正好可以将速度数值包括在内，并且引入的背景区域和干扰区域较少。

由图5c可以看出矩形切割区域的左上角与右上角分别包括了一段霍夫圆上的弧形图像，该弧形图像的颜色与矩形内速度数值的颜色相同，在速度数值的识别过程中容易引起识别干扰，因此，需要将这两段弧形图像删除。

具体的，首先将矩形切割区域进行二值化转换，例如，利用Threshold函数将像素值大于200的像素点的像素值取为1(白色)，将像素值小于或等于200的像素点的像素值取为0(黑色)，由此得到的二值化矩形切割区域中，速度数值的颜色、左上角和右上角弧形图像均为白色，区域背景颜色为黑色。然后，利用copyMakeBorder函数在二值化矩形切割区域的边框上添加一圈像素值与速度数值所属像素点的像素值相同的像素点，构成一个封闭的边缘轮廓，实现将左上角与右上角的弧形图像包括在该边缘轮廓中。最后，利用cvFindContours函数获取二值化矩形切割区域中所有轮廓的面积和/或周长，根据预设条件将区域边框上的边缘轮廓删除，同时实现将左上角与右上角的弧形图像删除，轮廓删除后的区域即只包括两种颜色的目标切割区域。其中，预设条件用于根据轮廓的面积和周长信息确定需要删除的轮廓，在本实施例中预设条件具体为面积和/或周长的值分别最大的轮廓。

进一步的，利用机器学习算法，识别目标切割区域中的数字，包括：

利用目标切割区域中各像素点的像素值，对各数字进行切割，得到至少一个数字区域；

利用机器学习算法预先训练的分类器对每一个数字区域进行数字识别。

考虑目标切割区域中所有像素点只包括两种像素值：速度数值所属像素点的像素值和背景区域像素点的像素值，因而，可以基于像素值对速度数值进行切割，得到至少一个数字区域，例如，当一列像素点的像素值全部为背景区域像素点的像素值，则可以确定该列像素点位于背景区域，当一列像素点的像素值并非全部为背景区域像素点的像素值，则可以确定该列像素点位于数字区域，从而实现数字区域的切割。示例性的，若速度数值是70，通过数字切割，分别得到数字7和数字0所在的数字区域，继而分别对这两个数字区域进行数字识别。

数字识别过程中可以利用最近邻分类器通过数字匹配进行识别。其中，K邻近(K-nearest neighbor，KNN)是最简单的分类器技术之一，它只存储所有训练样本数据。在本方案中，训练样本数据即针对数字0-9，根据每个数字的识别难易程度搜集的不同数量的训练样本数据集，每一个数字的训练样本数据集对应一个样本类。对于待分类样本数据，只需要找到该待分类样本数据的K(K是整数)个最相邻的点，统计在这K个邻近点中出现频率最高的样本类，然后把待分类样本数据标记为出现频率最高的样本类，即可完成数字识别。

S370、比较同一路径对应的不同的导航视频中提取出来的实时速度和超速情况，以便根据比较结果对导航应用进行评估。

本实施例的技术方案首先通过将不同导航视频进行视频转换，得到多帧图片，然后，对每帧图片进行图像识别，确定每帧图片中的速度显示区域以及超速情况，并对每帧图片的RGB色域图进行霍夫圆提取，得到每帧图片的RGB色域图中的霍夫圆数据，据此评估速度显示区域的位置准确性，进而从速度显示区域中识别出实时速度，最后结合根据每帧图片确定的超速情况，对导航应用进行评估。本实施例技术方案解决了现有技术中缺乏针对导航应用的导航性能的有效评估而导致超速提示缺乏准确性的问题，实现了从导航视频中识别实时速度以及超速情况，对导航应用的导航性能进行有效评估的效果，进而保证了导航过程中超速提示的准确性；并且，将图形切割和机器学习算法应用于实时速度的识别过程中，保证了速度数值识别的准确性，进而确保了导航性能评估的可靠性，保证了不同导航应用在导航过程中超速提示的准确性。

实施例四

图6是本发明实施例四提供的导航评估装置的结构示意图，本实施例可适用于对导航应用进行评估的情况。该装置可以采用软件和/或硬件的方式实现，并可配置于计算机设备上。本发明实施例所提供的导航评估装置可执行本发明任意实施例所提供的导航评估方法，具备执行方法相应的功能模块和有益效果。

如图6所示，该导航装置包括导航视频获取模块610、速度数据提取模块620和速度数据比较模块630，其中：

导航视频获取模块610，用于针对多个不同的路径，分别获取不同的导航应用基于每一个路径的导航视频；

速度数据提取模块620，用于对每一个路径，分别从与之对应的不同的导航视频中提取实时速度和超速情况；

速度数据比较模块630，用于比较同一路径对应的不同的导航视频中提取出来的实时速度和超速情况，以便根据比较结果对导航应用进行评估。

可选的，速度数据提取模块620包括：

视频转换单元，用于将每一个路径对应的不同的导航视频进行视频转换，得到多帧图片；

图像识别单元，用于对每帧图片进行图像识别，确定每帧图片中的速度显示区域以及超速情况；

速度识别单元，用于从每帧图片中的速度显示区域中识别出实时速度。

可选的，视频转换单元包括：

初始图片获取子单元，用于将每一个路径对应的不同的导航视频进行视频转换，得到多帧初始图片；

图片缩放子单元，用于根据每帧初始图片的大小和分辨率，将每帧初始图片缩放至预设比例，得到多帧图片。

可选的，图像识别单元包括：

色域图转换子单元，用于对每帧图片，从其RGB色域图转换至HSV色域图；

图像切割子单元，用于在每帧图片的HSV色域图中，依据至少两种预设色域分别进行图像切割，分别得到保留每种预设色域图像的HSV切割色域图，其中，预设色域为速度显示区域中与超速显示和非超速显示对应的色域；

速度显示区域确定子单元，用于在至少两种预设色域对应的HSV切割色域图中进行霍夫圆提取，将提取出霍夫圆的HSV切割色域图所对应的预设色域作为该帧图片的目标色域，并将提取出来的霍夫圆所在区域作为该帧图片的速度显示区域；

超速情况确定子单元，用于依据每帧图片的目标色域确定该帧图片所显示的超速情况。

可选的，图像识别单元还包括：

直方均值化子单元，用于对HSV色域图的明度进行直方均值化。

可选的，速度数据提取模块620还包括：

霍夫圆数据获取单元，用于对每帧图片的RGB色域图进行霍夫圆提取，得到每帧图片的RGB色域图中的霍夫圆数据，其中，霍夫圆数据包括霍夫圆心在每帧图片中的位置；

显示区域位置评估单元，用于依据霍夫圆数据评估速度显示区域的位置准确性。

可选的，速度识别单元包括：

显示区域圆心确定子单元，用于确定每帧图片中速度显示区域的圆心；

形状切割子单元，用于以圆心为参照点，对每帧图片的速度显示区域进行预设形状的切割，得到目标切割区域；

数字识别子单元，用于利用机器学习算法，识别目标切割区域中的数字；

数字组合子单元，将识别出来的数字进行组合，得到每帧图片中的实时速度。

可选的，形状切割子单元具体用于：

以圆心为参照点，按照经验值对每帧图片的速度显示区域进行矩形切割，得到矩形切割区域；

对矩形切割区域进行二值化转换，得到二值化矩形切割区域；

在二值化矩形切割区域的周围加上一圈像素点，并且该像素点的像素值与二值化矩形切割区域中数字所属像素点的像素值相同；

在加上一圈像素点之后的二值化矩形切割区域中，删除符合预设条件的轮廓，并将删除后的区域作为目标切割区域；

其中，预设条件根据轮廓的面积和/或周长确定。

可选的，数字识别子单元具体用于：

利用目标切割区域中各像素点的像素值，对各数字进行切割，得到至少一个数字区域；

利用机器学习算法预先训练的分类器对每一个数字区域进行数字识别。

可选的，速度数据比较模块630包括：

多导航数据比较单元，用于比较同一路径对应的不同的导航视频中提取出来的实时速度和超速情况；

数据上传单元，用于如果同一路径上的相同位置在不同的导航视频中提取出来的超速情况不同，则至少将该位置和对应的实时速度向服务器上传，以便根据该比较结果对导航应用进行评估。

本实施例的技术方案通过针对多个不同的路径，分别获取不同的导航应用基于每一个路径的导航视频，然后，分别从每一个路径对应的不同的导航视频中提取实时速度和超速情况，最后，比较同一路径对应的不同的导航视频中提取出来的实时速度和超速情况，以便根据比较结果对导航应用进行评估，解决了现有技术中缺乏针对导航应用的导航性能的有效评估而导致超速提示缺乏准确性的问题，实现了从导航视频中识别实时速度以及超速情况，对导航应用的导航性能进行有效评估的效果，进而保证了导航过程中超速提示的准确性。

实施例五

图7是本发明实施例五提供的一种计算机设备的结构示意图。图7示出了适于用来实现本发明实施方式的示例性计算机设备712的框图。图7显示的计算机设备712仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图7所示，计算机设备712以通用计算机设备的形式表现。计算机设备712的组件可以包括但不限于：一个或者多个处理器716，存储装置728，连接不同系统组件(包括存储装置728和处理器716)的总线718。

总线718表示几类总线结构中的一种或多种，包括存储装置总线或者存储装置控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry SubversiveAlliance，ISA)总线，微通道体系结构(Micro Channel Architecture，MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。

计算机设备712典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备712访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储装置728可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)730和/或高速缓存存储器732。计算机设备712可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统734可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘，例如只读光盘(Compact Disc Read-Only Memory，CD-ROM),数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线718相连。存储装置728可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块742的程序/实用工具740，可以存储在例如存储装置728中，这样的程序模块742包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块742通常执行本发明所描述的实施例中的功能和/或方法。

计算机设备712也可以与一个或多个外部设备714(例如键盘、指向终端、显示器724等)通信，还可与一个或者多个使得用户能与该计算机设备712交互的终端通信，和/或与使得该计算机设备712能与一个或多个其它计算终端进行通信的任何终端(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口722进行。并且，计算机设备712还可以通过网络适配器720与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网(Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图7所示，网络适配器720通过总线718与计算机设备712的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备712使用其它硬件和/或软件模块，包括但不限于：微代码、终端驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks，RAID)系统、磁带驱动器以及数据备份存储系统等。

处理器716通过运行存储在存储装置728中的程序，从而执行各种功能应用以及数据处理，例如实现本发明任意实施例所提供的导航评估方法，该方法可以包括：

针对多个不同的路径，分别获取不同的导航应用基于每一个路径的导航视频；

对每一个路径，分别从与之对应的不同的导航视频中提取实时速度和超速情况；

比较同一路径对应的不同的导航视频中提取出来的实时速度和超速情况，以便根据比较结果对所述导航应用进行评估。

实施例六

本发明实施例六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可以实现如本发明任意实施例所提供的导航评估方法，该方法可以包括：

针对多个不同的路径，分别获取不同的导航应用基于每一个路径的导航视频；

对每一个路径，分别从与之对应的不同的导航视频中提取实时速度和超速情况；

比较同一路径对应的不同的导航视频中提取出来的实时速度和超速情况，以便根据比较结果对所述导航应用进行评估。

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、或半导体的系统、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系统、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系统、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终端上执行。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)。

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 (13)

1.一种导航评估方法，其特征在于，包括：

针对多个不同的路径，分别获取不同的导航应用基于每一个路径的导航视频；其中，导航视频是针对具体路径的真实导航视频，导航画面中实时显示有车辆的当前速度和超速情况；

对每一个路径，分别从与之对应的不同的导航视频中提取实时速度和超速情况；

比较同一路径对应的不同的导航视频中提取出来的实时速度和超速情况，以便根据比较结果对所述导航应用进行评估，其中，同一路径规定的最大速度是固定的。

2.根据权利要求1所述的方法，其特征在于，对每一个路径，分别从与之对应的不同的导航视频中提取实时速度和超速情况，包括：

将每一个路径对应的不同的导航视频进行视频转换，得到多帧图片；

对每帧图片进行图像识别，确定每帧图片中的速度显示区域以及超速情况；

从每帧图片中的速度显示区域中识别出实时速度。

3.根据权利要求2所述的方法，其特征在于，将每一个路径对应的不同的导航视频进行视频转换，得到多帧图片，包括：

将每一个路径对应的不同的导航视频进行视频转换，得到多帧初始图片；

根据每帧初始图片的大小和分辨率，将每帧初始图片缩放至预设比例，得到所述多帧图片。

4.根据权利要求2所述的方法，其特征在于，对每帧图片进行图像识别，确定每帧图片中的速度显示区域以及超速情况，包括：

对每帧图片，从其RGB色域图转换至HSV色域图；

在每帧图片的HSV色域图中，依据至少两种预设色域分别进行图像切割，分别得到保留每种预设色域图像的HSV切割色域图，其中，所述预设色域为速度显示区域中与超速显示和非超速显示对应的色域；

在所述至少两种预设色域对应的HSV切割色域图中进行霍夫圆提取，将提取出霍夫圆的HSV切割色域图所对应的预设色域作为该帧图片的目标色域，并将提取出来的霍夫圆所在区域作为该帧图片的速度显示区域；

依据每帧图片的目标色域确定该帧图片所显示的超速情况。

5.根据权利要求4所述的方法，其特征在于，在每帧图片的HSV色域图中，依据至少两种预设色域分别进行图像切割之前，所述方法还包括：

对所述HSV色域图的明度进行直方均值化。

6.根据权利要求2所述的方法，其特征在于，从每帧图片中的速度显示区域中识别出实时速度之前，所述方法还包括：

对每帧图片的RGB色域图进行霍夫圆提取，得到每帧图片的RGB色域图中的霍夫圆数据，其中，所述霍夫圆数据包括霍夫圆心在每帧图片中的位置；

依据所述霍夫圆数据评估所述速度显示区域的位置准确性。

7.根据权利要求2所述的方法，其特征在于，从每帧图片中的速度显示区域中识别出实时速度，包括：

确定每帧图片中速度显示区域的圆心；

以所述圆心为参照点，对每帧图片的速度显示区域进行预设形状的切割，得到目标切割区域；

利用机器学习算法，识别所述目标切割区域中的数字；

将识别出来的数字进行组合，得到每帧图片中的实时速度。

8.根据权利要求7所述的方法，其特征在于，以所述圆心为参照点，对每帧图片的速度显示区域进行预设形状的切割，得到目标切割区域，包括：

以所述圆心为参照点，按照经验值对每帧图片的速度显示区域进行矩形切割，得到矩形切割区域；

对所述矩形切割区域进行二值化转换，得到二值化矩形切割区域；

在所述二值化矩形切割区域的周围加上一圈像素点，并且该像素点的像素值与所述二值化矩形切割区域中数字所属像素点的像素值相同；

在所述加上一圈像素点之后的二值化矩形切割区域中，删除符合预设条件的轮廓，并将删除后的区域作为所述目标切割区域；

其中，所述预设条件根据轮廓的面积和/或周长确定。

9.根据权利要求7所述的方法，其特征在于，利用机器学习算法，识别所述目标切割区域中的数字，包括：

利用目标切割区域中各像素点的像素值，对各数字进行切割，得到至少一个数字区域；

利用机器学习算法预先训练的分类器对每一个数字区域进行数字识别。

10.根据权利要求1～9任一所述的方法，其特征在于，比较同一路径对应的不同的导航视频中提取出来的实时速度和超速情况，包括：

比较同一路径对应的不同的导航视频中提取出来的实时速度和超速情况；

如果同一路径上的相同位置在不同的导航视频中提取出来的超速情况不同，则至少将该位置和对应的实时速度向服务器上传，以便根据该比较结果对所述导航应用进行评估。

11.一种导航评估装置，其特征在于，包括：

导航视频获取模块，用于针对多个不同的路径，分别获取不同的导航应用基于每一个路径的导航视频；其中，导航视频是针对具体路径的真实导航视频，导航画面中实时显示有车辆的当前速度和超速情况；

速度数据提取模块，用于对每一个路径，分别从与之对应的不同的导航视频中提取实时速度和超速情况；

速度数据比较模块，用于比较同一路径对应的不同的导航视频中提取出来的实时速度和超速情况，以便根据比较结果对所述导航应用进行评估，其中，同一路径规定的最大速度是固定的。

12.一种计算机设备，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1～10中任一所述的导航评估方法。

13.一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1～10中任一所述的导航评估方法。

Images