CN109191829B - 道路安全监控方法及系统、计算机可读存储介质 - Google Patents
道路安全监控方法及系统、计算机可读存储介质 Download PDFInfo
- Publication number
- CN109191829B CN109191829B CN201810865116.XA CN201810865116A CN109191829B CN 109191829 B CN109191829 B CN 109191829B CN 201810865116 A CN201810865116 A CN 201810865116A CN 109191829 B CN109191829 B CN 109191829B
- Authority
- CN
- China
- Prior art keywords
- speed
- traveling object
- road
- information
- traveling
- 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
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
-
- 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
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Abstract
本发明提供道路安全监控方法,包括步骤:基于人脸识别与速度监测获取行进对象对应的速度数据、采用的交通工具类型以及该交通工具类型对应的限速阈值;在所述行进对象的移动速度超过该行进对象采用的交通工具类型所对应的限速阈值时,通过人脸识别算法从所述图像数据中提取出对应人脸特征信息,并识别出该人脸特征信息对应的人员身份信息;根据识别出的所述人员身份信息,向对应的接收端发出警示信息。本发明实现了对于在道路上的行进速度可以精确规范到个人。本发明还提供一种基于人脸识别与速度监测的道路安全监控系统以及计算机可读存储介质。
Description
技术领域
本发明属于道路监控系统领域,具体涉及一种基于人脸识别和速度检测的道路安全监控方法、道路安全监控系统及计算机可读存储介质。
背景技术
通常的道路监控系统,只能起到对车辆违反交通规则的违规行为进行监测和存证,对机动车的违规行为也只能通过抄牌或者拍照的方式精确到车辆,然后由车主主动去承担违规责任,但是这样很多车主为了逃避惩罚,会花钱买分或者找人顶替去接受惩罚。另外,现有的道路监控系统对非机动车辆和行人几乎起不到规范作用,只能用于在发生纠纷时,调取监控录像的使用。
在交通拥堵、校园门口、医院门口、十字路口、丁字路口等场所,例如,学校门口,学生经常喜欢嬉戏打闹或者学生飙车(自行车、电动车、平衡车等),但是通常上下学时间校园门口的车辆又非常多,属于事故高发路段,道路监控系统就无法针对学生的奔跑、飙车(自行车)等行为进行有效的侦测,也无法针对危险的奔跑、飙车行为规范和追责到对应的实际实施该危险行为的人员。
因此,有必要提供一种新的道路安全监控方法,以有效地解决上述技术问题。
发明内容
本发明的目的在于提供一种道路安全监控方法、道路安全监控系统及计算机可读存储介质,可以解决现有技术中无法针对非机动车的危险行为进行有效的侦测,也无法对机动车、非机动车以及行人的危险行为精确追责和规范到实际实施人的问题。
为了克服上述技术问题,本发明提供一种道路安全监控方法,包括步骤:
实时获取道路测速模块侦测到的行进对象的移动信息,所述移动信息包括该行进对象在道路上的位置数据和速度数据;
实时获取道路侧边设置的图像采集设备采集的图像信息;
根据所述图像信息,通过图像识别的方式获取所述行进对象在所述道路上的位置信息、该行进对象采用的交通工具类型、以及该交通工具类型对应的限速阈值;
将所述道路测速模块侦测到的行进对象的位置数据与通过所述图像识别的方式获得的所述行进对象的位置信息进行匹配,确定所述道路上的每个行进对象所采用的交通工具类型以及速度数据,并判断所述行进对象的移动速度是否超过该行进对象采用的交通工具类型所对应的限速阈值;
在所述行进对象的移动速度超过该行进对象采用的交通工具类型所对应的限速阈值时,通过人脸识别算法从所述图像数据中提取出该行进对象对应的人脸特征信息,并识别出该人脸特征信息对应的人员身份信息;
根据识别出的所述人员身份信息,向对应的接收端发出警示信息。
进一步地,还包括步骤:
在所述行进对象的移动速度未超过该行进对象采用的交通工具类型所对应的限速阈值时,根据实时获取到的所述行进对象的速度数据,计算所述行进对象的移动速度和加速度;
根据所述行进对象当前的移动速度和加速度,确定所述行进对象在预设时间间隔后的预测速度是否大于预设预测值;
在所述预测速度大于预设预测值时,根据识别出的所述人员身份信息,向对应的接收端发出警示信息。
进一步地,所述在所述行进对象的移动速度未超过该行进对象采用的交通工具类型所对应的限速阈值时,根据实时获取到的所述行进对象的速度数据,计算所述行进对象的移动速度和加速度的步骤之后,还包括:
判断所述行进对象当前的移动速度是否大于第一阈值,该第一阈值小于该行进对象采用的交通工具类型所对应的限速阈值;
判断所述行进对象当前的加速度是否大于第二阈值;
在所述移动速度大于第一阈值或者所述加速度大于第二阈值中至少一个条件成立时,根据在所述行进对象的行进方向上的所述道路测速模块侦测到的所述行进对象的移动信息,判断所述行进对象的加速度是否减小;
在所述行进对象的加速度未减小时,根据识别出的所述人员身份信息,向对应的接收端发出警示信息。
在所述行进对象的加速度减小时,进入所述根据所述行进对象当前的移动速度和加速度,确定所述行进对象在预设时间间隔后的预测速度是否大于预设预测值的步骤。
进一步地,所述交通工具类型包括步行、自行车、电力车、平衡车、机动车、摩托车中的一种或多种。
进一步地,所述道路测速模块的测速方式选自以下测速方式中的一种或多种:红外测速、雷达测速、视频测速、线圈测速、微波测速、声波测速以及激光测速。
进一步地,所述判断所述行进对象的移动速度是否超过该行进对象采用的交通工具类型所对应的限速阈值的步骤之后,还包括步骤:
获取当前道路位置信息,判断当前的道路位置信息是否为校园门口道路;
在当前的道路位置信息为校园门口道路时,获取当前的校园信息以及学生年龄区间;
在所述行进对象的移动速度超过该行进对象采用的交通工具类型所对应的限速阈值时,通过人脸识别算法从所述图像数据中提取出对应人脸特征信息,根据所述人脸特征信息识别行进对象的年龄信息;
判断所述行进对象的年龄是否超过获取到的所述学生年龄区间;
在所述行进对象的年龄在所述学生年龄区间内时,识别出该人脸特征信息对应的人员身份信息,并根据识别出的所述人员身份信息,判断该行进对象是否属于当前校园的学生;
在该行进对象属于当前校园的学生时,向该学生对应的移动通信设备发出所述警示信息,或者获取该学生对应的老师、家长的信息,向该学生对应的老师、家长的移动通信设备发出所述警示信息。
进一步地,在所述行进对象的年龄超过所述学生年龄区间时,识别出该人脸特征信息对应的人员身份信息,并根据识别出的所述人员身份信息,向该行进对象的移动通信设备发出所述警示信息。
进一步地,所述判断该行进对象是否属于当前校园的学生的步骤之后,包括:
在该行进对象属于当前校园的学生时,根据所述识别出的所述学生的人员身份信息,记录该学生的超速行为。
本发明还提供一种基于人脸识别与速度监测的道路安全监控系统,包括设置于道路侧边的多个摄像头和多个道路测速模块,以及服务端,所述服务端包括通信模块,存储器,处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上任一项所述的道路安全监控方法的步骤。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上任一项所述的道路安全监控方法的步骤。
本发明的有益效果为:
在本发明的道路安全监控系统和方法中,将人脸识别功能以及速度检测功能结合为一体,可以针对机动车以及非机动车的危险行为(例如,追逐嬉戏,快速骑自行车等)进行有效的侦测,并准确识别行进对象的身份,从而实现而对于在道路上的行进速度可以精确规范到个人。当在道路上行进的行进对象的速度超过一定的限制阈值时,尤其是在交通拥堵、校园门口、医院门口、十字路口、丁字路口等场所,例如学校门口,学生经常喜欢嬉戏打闹或者学生飙车(自行车、电动车、平衡车等),但是通常上下学时间校园门口的车辆又非常多,属于事故高发路段,可以通过人脸识别与速度监测获取正在追逐嬉闹、飙车等危险行为,并且获取实施该危险行为的人员的身份信息,从而进行警告或者记录,以达到预警和规范危险行为的目的。另外,所述图像采集设备可以利用已有的交通监测设备或者建筑大门附近的监控设备为所述人脸识别模块提供图像素材,并且可以实时监控录像,可以随时调出记录,方便对不法活动进行举报。
附图说明
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为一实施例中的道路安全监控系统的模块结构示意图;
图2为一实施例中的所述道路安全监控系统中的摄像头的结构示意图;
图3为一实施例中的所述道路安全监控系统中的道路测速模块的布局示意图;
图4为本发明第一实施例中的道路安全监控方法的流程框图;
图5为本发明第二实施例中的道路安全监控方法的流程框图;
图6为本发明第三实施例中的道路安全监控方法的流程框图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1,本发明一实施例中的道路安全监控系统100包括中的图像采集设备10、道路测速模块20,以及服务端30。
其中,所述道路安全监控系统100的图像采集设备10和道路测速模块20可以架设于相应的道路边。所述服务端30可以包括通信模块31,存储器32,处理器33以及存储在所述存储器32中并可在所述处理器33上运行的计算机程序。进一步地,所述道路安全监控系统100还通过所述通信模块31与云服务平台通信。
在本实施例中,所述图像采集设备10可以安装在道路的两侧、路口中心等位置,以全面、方便的采集道路上行进的人员或者车辆图像信息即可。具体的,图像采集设备10可以是拍摄角度可调整的摄像头、智能控制的人脸追踪摄像头等。
请参阅图2,在一具体示例中,图像采集设备10可以包括摄像头1、金属固定底座2、球头3以及固定环4。
图像采集设备10可以通过金属固定底座2固定于路灯架或者摄像头支架上,例如,通过在金属固定底座2上设置安装孔,利用螺钉穿过所述安装孔并旋入摄像头支架的方式,将图像采集设备10固定于摄像头支架上。
摄像头1与金属固定底座2之间的连接方式可以为球头副连接,利用球头副具有的接近360度的转动自由度来实现摄像头1的灵活转动,从而调整拍摄的方向。具体的,球头3与金属固定底座2之间还可以通过固定环4固定,从而增加球头3与金属固定底座2之间的稳固程度。例如,可以通过在固定环4上设有三个呈圆周排列的螺钉孔,在金属固定底座2和球头3的安装座上设置有与所述螺钉孔对应的螺钉插孔,通过螺钉与所述螺钉孔和螺钉插孔的配合,实现固定环4与金属固定底座2以及球头3的固定。
进一步地,请参阅图3,所述道路测速模块20通常可以设置在道路的两侧,以对在道路内行进的行人、自行车、电力车、平衡车、机动车、摩托车等的移动速度进行侦测;从而实现对对机动车以及非机动车的危险行为(例如,追逐嬉戏,快速骑自行车等)进行有效的侦测。
请再次参考图1,服务端30可以与所述图像采集设备10以及道路测速模块20进行通信,服务端30可以获取图像采集设备10采集的图像数据以及道路测速模块20采集的行进对象的移动信息,所述移动信息包括该行进对象在道路上的位置数据和速度数据。
服务端30还包括通信模块31,所述道路安全监控系统100通过通信模块31与外部通信,例如,道路安全监控系统100通过通信模块31与云服务平台101,移动通信设备,公安报警系统等进行通信。
其中,所述服务端30可以是一台式计算机设备、中控服务机系统、中控网关等,在此不作具体限制。
请一并结合图4,本发明第一实施例中的一种道路安全监控方法400,包括步骤:
步骤S10,实时获取道路测速模块侦测到的行进对象的移动信息,所述移动信息包括该行进对象在道路上的位置数据和速度数据。
具体的,可以通过设置在道路的两侧的道路测速模块20实时获取道路上的行进对象的移动信息,以对在道路内行进的行人、自行车、电力车、平衡车、机动车、摩托车等的移动速度进行侦测。
可以理解的是,所述道路测速模块20的测速方式选自以下测速方式中的一种或多种:红外测速、雷达测速、视频测速、线圈测速、微波测速、声波测速以及激光测速。
其中,本领域技术人员可以理解的是,该道路测速模块20在测速时,会在感测到道路上的一个或多个行进对象的速度数据的同时,还可以识别出该行进对象在道路上的位置数据;例如,红外/雷达/微波/声波等机械波或者电磁波的反射来进行移动测速的实施例中,可以通过声波反射的测距技术、光波相位法测距技术、或者光波脉冲测距技术来同时实现对行进对象的定位功能,在此不再赘述。
步骤S20,实时获取道路侧边设置的摄像头采集的图像信息。
在本实施例中,所述图像采集设备10可以采用高速摄像机,也可以采用普通的图像采集摄像机。在图像采集设备10采用高速摄像机时,所述道路测速模块20的测速功能的实现,也可以依赖于对该高速摄像机所采集的图像进行分析处理实现,也就是说所述图像采集设备10对所采集的图像进行分析的结果可以同时实现道路测速模块20的功能。
所述图像采集设备10采集图像信息的方式可以是全天候的实时采集、预定时间段的实时采集(例如高峰期、上下学等),还可以是随机的采集。
步骤S30,根据所述图像信息,通过图像识别的方式获取所述行进对象在所述道路上的位置信息、该行进对象采用的交通工具类型、以及该交通工具类型对应的限速阈值。
在一具体的实例中,可以通过对图像采集设备10获取的图像信息中的每一帧的画面进行图像分析,提取出所述行进对象的特征信息以及该行进对象对应的交通工具特征,从而判断出在道路上行进的一个或多个行进对象的位置信息以及所使用的交通工具类型。
其中,所述交通工具类型包括步行、自行车、电力车、平衡车、机动车、摩托车中的一种或多种。
另外,在所述服务器端3上预设了不同的路段上的不同交通工具类型所对应的限速阈值。
例如,不同交通工具类型所对应的限速阈值不同,行人通常在奔跑中容易发生摔倒或者碰撞,可以的限速阈值可以在10~18公里/小时;骑自行车的限速阈值可以略高于行人,例如在20~30公里/小时。
又例如,所述限速阈值还可以根据路段的不同,设置不同的阈值;例如宽敞且行人和自行车少的路段,该限速阈值可以适当提高,行人的限速阈值可以在12~25公里/小时;骑自行车的限速阈值可以在25~40公里/小时;在交通拥堵、校园门口、医院门口、十字路口、丁字路口等场所,该限速阈值可以适当降低或者根据需要进行设置,行人的限速阈值可以6-9公里/小时;骑自行车的限速阈值可以在12~18公里/小时。
步骤S40,将所述道路测速模块侦测到的行进对象的位置数据与通过所述图像识别的方式获得的所述行进对象的位置信息进行匹配,确定所述道路上的每个行进对象所采用的交通工具类型以及速度数据,并判断所述行进对象的移动速度是否超过该行进对象采用的交通工具类型所对应的限速阈值。
具体的,在同一时间所述道路测速模块侦测到的行进对象的位置数据以及通过所述图像识别的方式获得的所述行进对象的位置信息应该是一致的,因此通过将所述道路测速模块侦测到的行进对象的位置数据与通过所述图像识别的方式获得的所述行进对象的位置信息进行匹配,可以得到两个不同的分析结果中,具有同样的位置数据所对应的行动对象为同一个;因此,可以得到所述道路上的每个行进对象所采用的交通工具类型以及速度数据。
进一步的,判断所述道路上的每个行进对象的移动速度是否超过该行进对象采用的交通工具类型所对应的限速阈值。
步骤S50,在所述行进对象的移动速度超过该行进对象采用的交通工具类型所对应的限速阈值时,通过人脸识别算法从所述图像数据中提取出对应人脸特征信息,并识别出该人脸特征信息对应的人员身份信息。
步骤S60,根据识别出的所述人员身份信息,向对应的接收端发出警示信息。
其中,所述人员身份信息所对应的接收端,可以是该行进对象的移动通信设备、该行进对象的紧急联系人/监护人手机、电子邮件帐户、APP帐户、社交账号等各种硬件端或者软件端,在此不做具体限定。
另外,所述警示信息的推送形式可以是电话、电子邮件、社交软件消息、文字短信息或者语音留言信息等;该警示信息的内容包括交通惩罚信息、包含危险行为记录的警示信息、温馨提示信息、危险行为实施人的身份信息及危险行为信息、危险行为实施人的身份信息及危险行为历史记录等,再次不作具体限制。
可以理解的是,在本实施例中,结合人脸识别的速度侦测,可以针对机动车以及非机动车的危险行为(例如,追逐嬉戏,快速骑自行车等)进行有效的侦测,并准确识别行进对象的身份,从而实现而对于在道路上的行进速度可以精确规范到个人。
例如,当在道路上行进的行进对象的速度超过一定的限制阈值时,尤其是在交通拥堵、校园门口、医院门口、十字路口、丁字路口等场所,例如学校门口,学生经常喜欢嬉戏打闹或者学生飙车(自行车、电动车、平衡车等),但是通常上下学时间校园门口的车辆又非常多,属于事故高发路段,可以通过人脸识别与速度监测获取正在追逐嬉闹、飙车等危险行为,并且获取实施该危险行为的人员的身份信息,从而进行警告或者记录,以达到预警和规范危险行为的目的。
在本实施例的道路安全监控方法,通过人脸识别的速度侦测,判断所述行进对象的移动速度是否超过限速阈值,从而获取该行进对象对应的人员身份信息;并根据识别出的所述人员身份信息,向对应的接收端发出警示信息,实现了对于在道路上的行进速度可以精确规范到个人。
进一步的,请参考图5,图5为本发明第二实施例中的道路安全监控方法,该方法中的步骤S10~S60均与第一实施例类似,在此不再赘述;其不同在于,所述步骤S40之后,还包括步骤:
步骤S70,在所述行进对象的移动速度未超过该行进对象采用的交通工具类型所对应的限速阈值时,根据实时获取到的所述行进对象的速度数据,计算所述行进对象的移动速度和加速度。
可以理解的是,根据实时获取到的所述行进对象的移动信息中速度数据的变化值,以及侦测时间间隔,可以根据加速度的技术公式a=vt-v0/△t,计算出所述行进对象的加速度。
步骤S80,根据所述行进对象当前的移动速度和加速度,确定所述行进对象在预设时间间隔后的预测速度是否大于预设预测值。
可以理解的是,当一个行进对象的当前移动速度虽然没超过预设阈值,但是该行进对象正在加速时,例如,学生正在追逐打闹,奔跑速度可能是时快时慢,但是此时由于学生的注意力仍然在嬉闹上,仍然可能发生交通风险;又例如,自行车正在加速状态中,也是可能出现无法及时减速等原因发生的交通风险;此时,根据当前移动速度和加速度对行进对象的将来行进速度进行预测就很有必要。
例如,在本实施例中,就是根据所述行进对象当前的移动速度和加速度,确定所述行进对象在预设时间间隔后的预测速度是否大于预设预测值;其中,所述预设时间间隔可以是2-10秒。所述预设时间间隔可以根据所述图像采集设备10以及道路测速模块20设置的间隔进行设置,例如,如果一段道路上所述图像采集设备10以及道路测速模块20设置的比较紧密,则该行进对象的移动速度和行进情况可以实时被获取到,所述预设时间间隔可以比较短,或者不设置该预设时间间隔;如果道路上所述图像采集设备10以及道路测速模块20设置的比较稀疏,则所述预设时间间隔可以根据所述图像采集设备10以及道路测速模块20设置的间隔进行设计,使得行进对象在进入到下一个所述图像采集设备10以及道路测速模块20的侦测范围内的行进行为可以得到有效的预测。
步骤S90,在所述预测速度大于预设预测值时,根据识别出的所述人员身份信息,向对应的接收端发出警示信息。
在本实施例中,通过获取所述行进对象当前的移动速度和加速度,对所述行进对象在预设时间间隔后的预测速度进行预测,可以有效的在预测速度大于预设预测值时,根据识别出的所述人员身份信息,向对应的接收端发出警示信息。在一实施例中,所述步骤S70之后,还可以包括:
步骤S71,判断所述行进对象当前的移动速度是否大于第一阈值,该第一阈值小于该行进对象采用的交通工具类型所对应的限速阈值。
步骤S72,判断所述行进对象当前的加速度是否大于第二阈值。
步骤S73,在所述移动速度大于第一阈值或者所述加速度大于第二阈值中至少一个条件成立时,根据在所述行进对象的行进方向上的所述道路测速模块侦测到的所述行进对象的移动信息,判断所述行进对象的加速度是否减小。
可以理解的是,当一个行进对象的当前移动速度虽然没超过预设阈值,但是如果当前的速度仍然临近于限速阈值,或者加速度非常大时,仍然是有风险的;此时,在本实施例中,通过预设一个小于该行进对象采用的交通工具类型所对应的限速阈值的第一阈值,以及一个加速度的第二阈值;判断所述行进对象当前的移动速度是否大于第一阈值,或者所述行进对象当前的加速度是否大于第二阈值;当其中至少一个条件成立时,通过确认所述行进对象的加速度是否减小,来判断所述行进对象的将来行进速度,从而来判断是否需要发起告警。
步骤S74,在所述行进对象的加速度未减小时,根据识别出的所述人员身份信息,向对应的接收端发出警示信息。
步骤S75,在所述行进对象的加速度减小时,进入所述根据所述行进对象当前的移动速度和加速度,确定所述行进对象在预设时间间隔后的预测速度是否大于预设预测值的步骤。
可以理解的是,在本实施例中,通过将所述行进对象当前的移动速度与所述第一阈值进行比对,同时将所述行进对象当前的加速度与第二阈值进行比对,当其中至少一个条件成立时,通过确认所述行进对象的加速度是否减小,来判断所述行进对象的将来行进速度,从而来判断是否需要发起告警;当加速度在减小或者出现负加速度(即减速)的情况,可以确认当前风险较小,例如,奔跑的学生没有再加速了,只是在小跑,或者自行车在减速了。当加速度仍然在增加时,可以判断行进对象不仅移动速度在增加,且加速度也在增加,此时需要发出告警信息。
请一并结合图6,为本发明第三实施例中的道路安全监控方法,该方法中的步骤S10~S60均与第一实施例和第二实施例类似,在此不再赘述;其不同在于,所述步骤S40之后,还包括步骤:
步骤S41,获取当前道路位置信息,判断当前的道路位置信息是否为校园门口道路。
步骤S42,在当前的道路位置信息为校园门口道路时,获取当前的校园信息以及学生年龄区间。
由于学校门口,学生经常喜欢嬉戏打闹或者学生飙车(自行车、电动车、平衡车等),但是通常上下学时间校园门口的车辆又非常多,属于事故高发路段,从而跟需要通过人脸识别与速度监测获取正在追逐嬉闹、飙车等行为,并且获取该学生的身份信息,从而进行针对性警告(发送给家长、老师、本人等)或者记录,以达到预警和规范学生行为的目的。
在本实施例中,在所述步骤S40:判断所述行进对象的移动速度是否超过该行进对象采用的交通工具类型所对应的限速阈值之后,当确认出现了超速行为时,可以进一步地根据采集到所述行进对象的图像信息的图像采集设备10和移动信息的道路测速模块20,获取到对应的当前道路位置信息,进而判断当前的道路位置信息是否为校园门口道路;在确认是校园门口道路时,进一步获取当前的校园信息以及学生年龄区间。例如,幼儿园的学生年龄区间,小学的学生年龄区间,中学的学生年龄区间。
步骤S43,在所述行进对象的移动速度超过该行进对象采用的交通工具类型所对应的限速阈值时,通过人脸识别算法从所述图像数据中提取出对应人脸特征信息,根据所述人脸特征信息识别行进对象的年龄信息。
可以理解的是,现在的人像识别技术,是可以根据人脸的特征信息,结合算法来自动识别出行进对象的年龄,且识别正确率较高。可以通过人脸识别算法从所述图像数据中提取出对应人脸特征信息,根据所述人脸特征信息识别行进对象的年龄信息,作为判断该行进对象是否为该校园路段对应的学校的学生的基础。
步骤S44,判断所述行进对象的年龄是否超过获取到的所述学生年龄区间;
步骤S45,在所述行进对象的年龄在所述学生年龄区间内时,识别出该人脸特征信息对应的人员身份信息,并根据识别出的所述人员身份信息,判断该行进对象是否属于当前校园的学生。
具体的,当被侦测的行进对象的识别年龄段符合条件时,可以进一步识别出该人脸特征信息对应的人员身份信息,并根据识别出的所述人员身份信息,判断该行进对象是否属于当前校园的学生。
步骤S46,在该行进对象属于当前校园的学生时,向该学生对应的移动通信设备发出所述警示信息,或者获取该学生对应的老师、家长的信息,向该学生对应的老师、家长的移动通信设备发出所述警示信息。
进一步地,在所述步骤S44之后,还包括:
步骤S47,在所述行进对象的年龄超过所述学生年龄区间时,识别出该人脸特征信息对应的人员身份信息,并根据识别出的所述人员身份信息,向该行进对象的移动通信设备发出所述警示信息。
另外,在该行进对象不属于当前校园的学生时,也进入所述步骤S47。
进一步地,在所述步骤S46之后,还包括:
在该行进对象属于当前校园的学生时,根据所述识别出的所述学生的人员身份信息,记录该学生的超速行为。
可以理解的是,在本实施例中,通过在确认行进对象的移动速度超过预设阈值,也就是出现了超速行为时,可以进一步地根据采集到所述行进对象的图像信息的图像采集设备10和移动信息的道路测速模块20获取到对应的当前道路位置信息,进而判断当前的道路位置信息是否为校园门口道路;在确认是校园门口道路时,进一步获取当前的校园信息以及学生年龄区间;在判断被识别的行进对象的年龄区间符合时,进一步识别出该人脸特征信息对应的人员身份信息,并根据识别出的所述人员身份信息,判断该行进对象是否属于当前校园的学生;针对学生的奔跑、飙车等行为,可以获取该学生的身份信息,从而进行针对性警告(发送所述警示信息给家长、老师、本人等)或者记录该学生的超速行为,以达到预警和规范学生行为的目的。
请在此结合图1,以及图4-6,本发明提供的所述基于人脸识别与速度监测的道路安全监控系统100,包括设置于道路侧边的多个图像采集设备10和多个道路测速模块20,以及服务端30,所述服务端30包括通信模块31,存储器32,处理器33以及存储在所述存储器32中并可在所述处理器33上运行的计算机程序,所述处理器33执行所述计算机程序时实现如上任一项实施例所述的基于人脸识别与速度监测的道路安全监控方法的步骤。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上任一项实施例所述的基于人脸识别与速度监测的道路安全监控方法的步骤。
需要说明的是,由于计算机可读存储介质的计算机程序被处理器执行时实现上述的方法的步骤,因此上述方法的所有实施例均适用于该计算机可读存储介质,且均能达到相同或相似的有益效果。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种道路安全监控方法,其特征在于,包括步骤:
实时获取道路测速模块侦测到的行进对象的移动信息,所述移动信息包括该行进对象在道路上的位置数据和速度数据;
实时获取道路侧边设置的图像采集设备采集的图像信息;
根据所述图像信息,通过图像识别的方式获取所述行进对象在所述道路上的位置信息、该行进对象采用的交通工具类型、以及该交通工具类型对应的限速阈值;
将所述道路测速模块侦测到的行进对象的位置数据与通过所述图像识别的方式获得的所述行进对象的位置信息进行匹配,当匹配成功时,具有同样的位置数据的行进对象被确认为同一个行进对象,从而使同一个行进对象的移动信息与图像信息相关联,进而确定所述道路上的每个行进对象所采用的交通工具类型以及速度数据,并判断所述行进对象的移动速度是否超过该行进对象采用的交通工具类型所对应的限速阈值;
在所述行进对象的移动速度超过该行进对象采用的交通工具类型所对应的限速阈值时,通过人脸识别算法从所述图像数据中提取出该行进对象对应的人脸特征信息,并识别出该人脸特征信息对应的人员身份信息;
根据识别出的所述人员身份信息,向对应的接收端发出警示信息。
2.如权利要求1所述的道路安全监控方法,其特征在于,还包括步骤:
在所述行进对象的移动速度未超过该行进对象采用的交通工具类型所对应的限速阈值时,根据实时获取到的所述行进对象的速度数据,计算所述行进对象的移动速度和加速度;
根据所述行进对象当前的移动速度和加速度,确定所述行进对象在预设时间间隔后的预测速度是否大于预设预测值;
在所述预测速度大于所述预设预测值时,根据识别出的所述人员身份信息,向对应的接收端发出警示信息。
3.如权利要求2所述的道路安全监控方法,其特征在于,所述在所述行进对象的移动速度未超过该行进对象采用的交通工具类型所对应的限速阈值时,根据实时获取到的所述行进对象的速度数据,计算所述行进对象的移动速度和加速度的步骤之后,还包括:
判断所述行进对象当前的移动速度是否大于第一阈值,该第一阈值小于该行进对象采用的交通工具类型所对应的限速阈值;
判断所述行进对象当前的加速度是否大于第二阈值;
在所述移动速度大于第一阈值或者所述加速度大于第二阈值中至少一个条件成立时,根据在所述行进对象的行进方向上的所述道路测速模块侦测到的所述行进对象的移动信息,判断所述行进对象的加速度是否减小;
在所述行进对象的加速度未减小时,根据识别出的所述人员身份信息,向对应的接收端发出警示信息。
在所述行进对象的加速度减小时,进入所述根据所述行进对象当前的移动速度和加速度,确定所述行进对象在预设时间间隔后的预测速度是否大于预设预测值的步骤。
4.如权利要求1所述的道路安全监控方法,其特征在于:
所述交通工具类型包括步行、自行车、电力车、平衡车、机动车、摩托车中的一种或多种。
5.如权利要求1所述的道路安全监控方法,其特征在于:
所述道路测速模块的测速方式选自以下测速方式中的一种或多种:红外测速、雷达测速、视频测速、线圈测速、微波测速、声波测速以及激光测速。
6.如权利要求1-5中任一项所述的道路安全监控方法,其特征在于,所述判断所述行进对象的移动速度是否超过该行进对象采用的交通工具类型所对应的限速阈值的步骤之后,还包括步骤:
获取当前道路位置信息,判断当前的道路位置信息是否为校园门口道路;
在当前的道路位置信息为校园门口道路时,获取当前的校园信息以及学生年龄区间;
在所述行进对象的移动速度超过该行进对象采用的交通工具类型所对应的限速阈值时,通过人脸识别算法从所述图像数据中提取出对应人脸特征信息,根据所述人脸特征信息识别所述行进对象的年龄信息;
判断所述行进对象的年龄是否超过获取到的所述学生年龄区间;
在所述行进对象的年龄在所述学生年龄区间内时,识别出该人脸特征信息对应的人员身份信息,并根据识别出的所述人员身份信息,判断该行进对象是否属于当前校园的学生;
在该行进对象属于当前校园的学生时,向该学生对应的移动通信设备发出所述警示信息,或者获取该学生对应的老师、家长的信息,向该学生对应的老师、家长的移动通信设备发出所述警示信息。
7.如权利要求6所述的道路安全监控方法,其特征在于,还包括步骤:
在所述行进对象的年龄超过所述学生年龄区间时,进入所述通过人脸识别算法从所述图像数据中提取出对应人脸特征信息,并识别出该人脸特征信息对应的人员身份信息的步骤。
8.如权利要求6所述的道路安全监控方法,其特征在于,所述判断该行进对象是否属于当前校园的学生的步骤之后,包括:
在该行进对象属于当前校园的学生时,根据所述识别出的所述学生的人员身份信息,记录该学生的超速行为。
9.一种道路安全监控系统,包括设置于道路侧边的多个图像采集设备和多个道路测速模块,以及服务端,所述服务端包括通信模块,存储器,处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的道路安全监控方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的道路安全监控方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810865116.XA CN109191829B (zh) | 2018-08-01 | 2018-08-01 | 道路安全监控方法及系统、计算机可读存储介质 |
PCT/CN2018/124842 WO2020024552A1 (zh) | 2018-08-01 | 2018-12-28 | 道路安全监控方法及系统、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810865116.XA CN109191829B (zh) | 2018-08-01 | 2018-08-01 | 道路安全监控方法及系统、计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109191829A CN109191829A (zh) | 2019-01-11 |
CN109191829B true CN109191829B (zh) | 2019-12-17 |
Family
ID=64920335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810865116.XA Active CN109191829B (zh) | 2018-08-01 | 2018-08-01 | 道路安全监控方法及系统、计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109191829B (zh) |
WO (1) | WO2020024552A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111753579A (zh) * | 2019-03-27 | 2020-10-09 | 杭州海康威视数字技术股份有限公司 | 指定代步工具的检测方法及装置 |
CN110223520A (zh) * | 2019-07-16 | 2019-09-10 | 网链科技集团有限公司 | 电动自行车超速识别方法 |
CN112733580A (zh) * | 2019-10-28 | 2021-04-30 | 马铁军 | 电动车最大限速数据调节系统 |
CN111611894A (zh) * | 2020-05-14 | 2020-09-01 | 深圳中科慧据科技有限公司 | 人员轨迹预测方法、装置、计算机设备及存储介质 |
CN112099002B (zh) * | 2020-09-18 | 2021-07-27 | 欧必翼太赫兹科技(北京)有限公司 | 三维异形平面孔径全息成像安检雷达光学重建方法 |
CN114758490B (zh) * | 2021-09-30 | 2023-03-28 | 广东可信新能源股份有限公司 | 人工智能数据采集方法及装置 |
CN114973652A (zh) * | 2022-04-22 | 2022-08-30 | 岚图汽车科技有限公司 | 一种视觉盲区提醒方法、系统、电子设备及存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6329779B1 (en) * | 2000-08-28 | 2001-12-11 | Delphi Technologies, Inc. | Obstacle detection method for a motor-driven panel |
CN102592457A (zh) * | 2012-02-13 | 2012-07-18 | 山东鼎讯智能交通科技有限公司 | 基于物联网技术的复合型区间测速系统及方法 |
CN104966400A (zh) * | 2015-06-11 | 2015-10-07 | 山东鼎讯智能交通股份有限公司 | 一体化多目标雷达测速抓拍系统及方法 |
CN105096609A (zh) * | 2015-09-07 | 2015-11-25 | 深圳市哈工大交通电子技术有限公司 | 一种基于车型过滤的交通违法检测方法 |
CN105513358B (zh) * | 2016-01-04 | 2018-07-03 | 烟台中正新技术有限公司 | 驾驶行为评估和车辆行驶状态监测预警系统及方法 |
CN107067706A (zh) * | 2017-03-05 | 2017-08-18 | 赵莉莉 | 基于智能交通全面实时指挥管控系统的交通工具监管系统 |
CN106652437A (zh) * | 2017-03-05 | 2017-05-10 | 赵莉莉 | 智能交通全面实时指挥管控系统 |
CN107045782A (zh) * | 2017-03-05 | 2017-08-15 | 赵莉莉 | 智能交通管控系统差异化调配路线的实现方法 |
CN108171986A (zh) * | 2017-12-29 | 2018-06-15 | 南宁光波科技有限公司 | 道路监控用的智能系统 |
-
2018
- 2018-08-01 CN CN201810865116.XA patent/CN109191829B/zh active Active
- 2018-12-28 WO PCT/CN2018/124842 patent/WO2020024552A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
CN109191829A (zh) | 2019-01-11 |
WO2020024552A1 (zh) | 2020-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109191829B (zh) | 道路安全监控方法及系统、计算机可读存储介质 | |
US11074813B2 (en) | Driver behavior monitoring | |
CN110390262B (zh) | 视频分析方法、装置、服务器及存储介质 | |
US9940530B2 (en) | Platform for acquiring driver behavior data | |
CN111402612A (zh) | 一种交通事件通知方法及装置 | |
CN107705552B (zh) | 一种应急车道占用行为检测方法、装置及系统 | |
US11380105B2 (en) | Identification and classification of traffic conflicts | |
WO2020087743A1 (zh) | 非机动车交通违法监管方法、装置及电子设备 | |
US6442474B1 (en) | Vision-based method and apparatus for monitoring vehicular traffic events | |
EP3426521A1 (en) | Running vehicle alerting system and method | |
KR102453627B1 (ko) | 딥러닝 기반 교통 흐름 분석 방법 및 시스템 | |
Battiato et al. | On-board monitoring system for road traffic safety analysis | |
CN107004353B (zh) | 交通违章管理系统和交通违章管理方法 | |
WO2021227586A1 (zh) | 交通事故分析方法、装置及设备 | |
CN110782677A (zh) | 一种违规车辆抓拍警示方法及装置 | |
Mampilayil et al. | Deep learning based detection of one way traffic rule violation of three wheeler vehicles | |
CN111582239A (zh) | 一种违章监控方法和装置 | |
CN113469105A (zh) | 监控周边车辆的方法及装置、计算机可读存储介质 | |
CN114078319A (zh) | 一种检测交通事故隐患地点的方法及装置 | |
Shirazi et al. | Investigation of safety analysis methods using computer vision techniques | |
Maaloul | Video-based algorithms for accident detections | |
Fowdur et al. | A mobile application for real-time detection of road traffic violations | |
Uchiyama et al. | Risky Traffic Situation Detection and Classification Using Smartphones | |
CN110909567A (zh) | 抓捕失驾人员的方法和装置 | |
Polhan et al. | Imaging red light runners |
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 |