CN109670431A - 一种行为检测方法及装置 - Google Patents
一种行为检测方法及装置 Download PDFInfo
- Publication number
- CN109670431A CN109670431A CN201811512567.1A CN201811512567A CN109670431A CN 109670431 A CN109670431 A CN 109670431A CN 201811512567 A CN201811512567 A CN 201811512567A CN 109670431 A CN109670431 A CN 109670431A
- Authority
- CN
- China
- Prior art keywords
- target
- detected
- unlawful practice
- target area
- rule
- 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.)
- Pending
Links
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
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种行为检测方法及装置,其中,该方法包括:获取无人车中安装的激光雷达采集的待检测目标对应的点云数据;根据点云数据确定待检测目标所在的目标区域,以及待检测目标在目标区域的目标行为;将目标行为与目标区域对应的预设违规行为规则进行匹配;若匹配成功,则确定目标行为为违规行为。本申请通过无人车安装的激光雷达采集待检测目标的点云数据,并根据采集的点云数据判断该待检测目标的行为是否为违规行为,可以实现对车辆、行人进行全面监控的目的。
Description
技术领域
本申请涉及无人车技术领域,具体而言,涉及一种行为检测方法及装置。
背景技术
随着人们整体素质的提高,在公共场合中出现违反道德的行为越来越少。但是,在某些特定的情况下依然存在一些违反道德的行为,例如:司机为了自己方便,在不允许调头的路口处进行调头操作;行人为了赶时间或者少走路,在马路中间翻越栏杆等。
现有技术中,在某些公共场合设置了监控设备来监控周边的环境状态等,例如,在路口设置监控摄像设备来监控经过该路口的车辆以及行人的行为等,然后由监控摄像设备将监控结果发送给相关部门处理。例如,可以由交通管制部门对监控到的车辆行为进行分析,筛选出闯红灯、超速等违规行为的车辆,然后对这些车辆实施相应的处罚。
但是,由于监控设备安装的位置固定,监控设备所监控的区域也是固定的,并且,监控设备部署的数量有限,有些偏僻区域可能未设置有监控设备,因此,仅利用监控设备来实现对车辆、行人的行为的监控,会存在一定的监控盲区,在监控盲区下无法成功对车辆、行人的行为进行监控。
发明内容
有鉴于此,本申请实施例的目的在于提供一种行为检测方法及装置,能够全面监控公共区域内各目标的违规行为。
第一方面,本申请实施例提供了一种行为检测方法,其中,包括:
获取无人车中安装的激光雷达采集的待检测目标对应的点云数据;
根据所述点云数据确定所述待检测目标所在的目标区域,以及所述待检测目标在所述目标区域的目标行为;
将所述目标行为与所述目标区域对应的预设违规行为规则进行匹配;
若匹配成功,则确定所述目标行为为违规行为。
结合第一方面,本申请实施例提供了第一方面的第一种可能的实施方式,其中,在确定所述目标行为为违规行为之后,还包括:
获取所述无人车安装的摄像机采集的所述待检测目标的图像信息;
从所述图像信息中提取用于标识所述待检测目标的特征信息。
结合第一方面第一中可能的实施方式,本申请实施例提供了第一方面的第二种可能的实施方式,其中,在确定所述目标行为为违规行为之后,还包括:
从所述违规行为中提取特征数据,并将所述特征数据输入至分类模型,得到所述违规行为的违规类型;
确定所述违规类型对应的管理服务器;
将所述违规行为以及所述待检测目标的特征信息发送给所述管理服务器。
结合第一方面,本申请实施例提供了第一方面的第三种可能的实施方式,其中,在预设违规行为规则进行匹配之前,包括:
获取预先划分的多个预设区域分别对应的预设违规行为规则;
确定所述目标区域落入的预设区域;
将所述目标区域落入的预设区域对应的预设违规行为规则确定为所述目标区域对应的预设违规行为规则。
结合第一方面,本申请实施例提供了第一方面的第四种可能的实施方式,其中,从所述图像信息中提取用于标识所述待检测目标的特征信息之后,还包括:
基于所述待检测目标的特征信息,确定所述待检测目标的通信地址;
基于所述通信地址,向所述待检测目标发送提示信息,所述提示信息用于提示所述待检测目标的所述违规行为。
第二方面,本申请实施例还提供一种行为检测装置,其中,包括:
第一获取模块,用于获取无人车中安装的激光雷达采集的待检测目标对应的点云数据;
第一确定模块,用于根据所述点云数据确定所述待检测目标所在的目标区域,以及所述待检测目标在所述目标区域的目标行为;
匹配模块,用于将所述目标行为与所述目标区域对应的预设违规行为规则进行匹配;
第二确定模块,用于若匹配成功,则确定所述目标行为为违规行为。
结合第二方面,本申请实施例提供了第二方面的第一种可能的实施方式,其中:所述装置还包括:
第二获取模块,用于获取所述无人车安装的摄像机采集的所述待检测目标的图像信息;
提取模块,用于从所述图像信息中提取用于标识所述待检测目标的特征信息。
结合第二方面第一种可能的实施方式,本申请实施例提供了第二方面的第二种可能的实施方式,其中,所述装置还包括:
分类模块,用于从所述违规行为中提取特征数据,并将所述特征数据输入至分类模型,得到所述违规行为的违规类型;
管理服务器确定模块,用于确定所述违规类型对应的管理服务器;
发送模块,用于将所述违规行为以及所述待检测目标的特征信息发送给所述管理服务器。
结合第二方面,本申请实施例提供了第二方面的第三种可能的实施方式,其中,所述装置还包括:
规则获取模块,用于获取预先划分的多个预设区域分别对应的预设违规行为规则;
区域确定模块,用于确定所述目标区域落入的预设区域;
规则确定模块,用于将所述目标区域落入的预设区域对应的预设违规行为规则确定为所述目标区域对应的预设违规行为规则。
结合第二方面,本申请实施例提供了第二方面的第四种可能的实施方式,其中,所述装置还包括:
通信地址确定模块,用于基于所述待检测目标的特征信息,确定所述待检测目标的通信地址;
提示模块,用于基于所述通信地址,向所述待检测目标发送提示信息,所述提示信息用于提示所述待检测目标的所述违规行为。
本申请实施例提供的一种行为检测方法及装置,首先获取无人车中安装的激光雷达采集的待检测目标对应的点云数据;然后根据点云数据确定待检测目标所在的目标区域,以及待检测目标在目标区域的目标行为;最后将目标行为与目标区域对应的预设违规行为规则进行匹配;若匹配成功,则确定目标行为为违规行为。与现有技术中仅利用监控设备来实现对车辆、行人的行为的监控,而监控摄像头存在监控盲区,甚至一些区域未能设置监控摄像头,导致不能对车辆、行人进行全面监控相比,本申请实施例通过无人车安装的激光雷达采集待检测目标的点云数据,并根据采集的点云数据判断该待检测目标的行为是否为违规行为,可以实现对车辆、行人进行全面监控的目的。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本申请实施例所提供的一种行为检测方法的流程图;
图2示出了本申请实施例所提供的另一种行为检测方法的流程图;
图3示出了本申请实施例所提供的另一种行为检测方法的流程图;
图4示出了本申请实施例所提供的另一种行为检测方法的流程图;
图5示出了本申请实施例所提供的另一种行为检测方法的流程图;
图6示出了本申请实施例所提供的一种行为检测装置的结构示意图;
图7示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
目前,一些执法部门通过在特定的位置设置监控设备来监控车辆以及行人的行为,由于监控设备的安装位置固定以及安装数量有限,会存在一定的监控盲区,导致无法对车辆、行人进行全面的监控。针对上述问题,本申请实施例提供了一种行为检测方法及装置,可以实现对车辆、行人进行全面监控的目的。
为便于对本申请实施例进行理解,首先对本申请实施例所公开的一种行为检测方法进行详细介绍。
如图1所示,为本申请实施例行为检测方法的流程图,具体步骤如下:
S101、获取无人车中安装的激光雷达采集的待检测目标对应的点云数据。
这里,无人车上安装有激光雷达,激光雷达可以采集待检测目标对应的数据,根据待检测目标对应的数据确定待检测目标的类别、状态等。
具体的,激光雷达的发射系统会发射出第一激光信号,该第一激光信号遇到待检测目标会反射回来,反射回来的为携带有待检测目标信息的第二激光信号,激光雷达的接收系统接收第二激光信号,并根据第二激光信号确定待检测目标对应的点云数据。
其中,点云数据通过记录每一个点在空间的三维坐标表征待检测目标所处的位置。
S102、根据点云数据确定待检测目标所在的目标区域,以及待检测目标在目标区域的目标行为。
这里,目标区域可以根据预设大小进行划分,例如:设置以待检测目标的点云数据包括的位置为中心,5米为半径的范围作为待检测目标所在的目标区域。因此,由步骤101中获取的待检测目标对应的点云数据,可以确定出待检测目标所在的目标区域。
其中,待检测目标在目标区域的目标行为包括待检测目标在目标区域的运动轨迹,以及待检测目标所在的环境特征信息。
具体的,由于激光雷达根据预设频率进行激光发射,因此可以采集待检测目标一系列的点云数据。根据追踪算法计算待检测目标连续的点云数据,便可以清楚地知道待检测目标在目标区域的运动轨迹。
同时,由于无人车中安装的激光雷达是360度采集周围环境信息的,因此,激光雷达还可以采集到目标区域内的环境特征信息,例如:待检测目标所处的目标区域为十字路口,可以采集到该十字路口指示南北方向的红绿灯中红灯呈现亮的这一特征信息。
这里,在判断待检测目标在目标区域的目标行为是否为违规行为之前,需要确定该目标区域的不同状态下对应的不同规则。具体的,可以参照图2所示的方法,具体步骤如下:
S201、获取预先划分的多个预设区域分别对应的预设违规行为规则。
这里,预设区域可以是预先在地图上划分好的,并且,每个预设区域均对应有不同状态下的预设违规行为规则,以此判断待检测目标在所处的目标区域内的目标行为是否为违规行为。
例1:以十字路口中东向路口、西向路口、南向路口、北向路口作为边界,将上述四个边界限定的区域作为第一预设区域,第一预设区域包含有红绿灯,人行横道等。对应的,可以设置预设违规行为规则如:当东西方向的红绿灯中红灯呈现亮的状态时,若东西方向的人行横道上出现行人,则该行人当前的行为为违规行为。
例2:在一些路口旁边设置有“此路口禁止掉头”的标识牌,则将该标识牌所在的路口作为第二预设区域。则该第二预设区域的预设违规行为规则可以设置为:当检测到有车辆在第二预设区域进行掉头操作行为时,则该车辆当前的行为为违规行为。
S202、确定目标区域落入的预设区域。
这里,由于目标区域是实时确定的,而预设区域是预先划分的,并且只有预设区域对应有预设违规行为规则,若想确定目标区域对应的预设违规行为规则,需要将目标区域与预设区域进行匹配,确定出目标区域对应的预设区域。
具体的,可以根据待检测目标的位置,选取距离待检测目标在预设阈值内的n个预设区域,计算n个预设区域分别与待检测目标所处的目标区域之间的区域重叠率,得到与目标区域的区域重叠率最高的预设区域,并将该预设区域作为目标区域落入的预设区域。
S203、将目标区域落入的预设区域对应的预设违规行为规则确定为目标区域对应的预设违规行为规则。
这里,已经由步骤202确定出目标区域落入的预设区域,并且,预设区域对应有预设违规行为规则,则将预设区域对应的预设违规行为规则最为目标区域对应的预设违规行为规则,进而用来判断待检测目标在目标区域内的目标行为是否为违规行为。
S103、将目标行为与目标区域对应的预设违规行为规则进行匹配。
这里,将待检测目标处于目标区域当前的环境时对应的运动轨迹,与目标区域对应的预设违规行为规则进行匹配,根据判断结果确定待检测目标的目标行为是否为违规行为。
S104、若匹配成功,则确定目标行为为违规行为。
这里,根据判断结果确定待检测目标的目标行为是否为违规行为,若匹配成功,则确定目标行为为违规行为。若匹配不成功,则目标行为为正常行为。
例如:某车辆匀速通过十字路口中东西方向的路段,并且该十字路口内东西方向的红绿灯中红灯呈现亮的状态。并且,预设违规行为规则中车辆通行该十字路口时对应的东西方向的红绿灯中红灯呈现亮状态。明显的,该车辆的行为与预设违规行为规则匹配,因此,该车辆匀速通过十字路口中东西方向的路段这一行为为违规行为。
本申请实施例通过无人车安装的激光雷达采集待检测目标的点云数据,并根据采集的点云数据判断该待检测目标的行为是否为违规行为,可以实现对车辆、行人进行全面监控的目的。
进一步的,在根据上述方法确定目标行为为违规行为之后,还可以根据图3所示的方法确认待检测目标的特征信息,具体步骤如下:
S301、获取无人车安装的摄像机采集的待检测目标的图像信息。
这里,在确定违规行为之后,可以利用无人车安装的摄像头摄取周围环境对应的图像信息。其中,该摄像头可以360度实时进行图像信息采集。
其中,该摄像头可以在确定违规行为之后,针对该违规行为对应的待检测目标进行图像信息采集;也可以是根据违规行为,在摄像头采集的图像信息库中查找违规行为对应的待检测目标的图像信息。本申请实施例对此不做限定。
S302、从图像信息中提取用于标识待检测目标的特征信息。
这里,根据现有的图像处理技术,对待检测目标的图像信息进行处理,可以提取出能够标识待检测目标的特征信息。
例如:若违规行为对应的待检测目标为人,则可以从待检测目标的图像信息中提取人的面部特征;若违规行为对应的待检测目标为车辆,则可以从待检测目标的图像信息中提取该车辆的车牌信息。
再进一步的,在确定目标行为为违规行为之后,还可以通过如图4所示的方法处理采集到的信息,以及确定出来的信息,具体步骤如下:
S401、从违规行为中提取特征数据,并将特征数据输入至分类模型,得到违规行为的违规类型。
这里,可以根据预先训练好的分类模型确定违规行为的违规类型,其中,分类模型的训练过程与其他分类模型相似,仅训练时使用的样本不同,在本申请实施例不对该分类模型的训练过程做详细介绍。
具体的,首先,从违规行为中提取特征数据,并进行一系列的预处理,将特征数据输入至分类模型,分类模型可以确定违规行为的违规类型。其中,违规类型可以包括:行人闯红灯、行人横穿马路、行人翻越栏杆、车辆违规停放、车辆掉头、车辆闯红灯等。
S402、确定违规类型对应的管理服务器。
这里,每个管理部门的服务系统均对应有管理服务器,管理服务器可以接收其他服务器上报的信息,来全面获取有关违规的信息。
具体的,可以根据违规行为的违规类型确定违规类型对应的管理服务器。例如:车辆违规停放、车辆掉头、车辆闯红灯均可以对应为交通部门的管理服务器,同时还可以对应城市规划部门的管理服务器、公安部门的管理服务器。
S403、将违规行为以及待检测目标的特征信息发送给管理服务器。
这里,不同部门可以根据管理服务器接收到的违规行为以及待检测目标的特征信息对待检测目标进行不同的处理。
例如:交通部门的管理服务器接收到车辆闯红灯这一行为,以及该车辆的特征信息之后,交通部门可以根据交通法规对该车辆进行相应的处罚;城市规划部门的管理服务器接收到车辆违规停放这一行为以及该车辆的特征信息后,并确定较多车辆在该区域会违规停放,城市规划部门可以对该区域进行合理性的整改。
在确定目标行为为违规行为之后,除了可以将违规行为以及待检测目标的特征信息发送给管理服务器,还可以通过如图5所示的方法对待检测目标进行违规提示,具体步骤如下:
S501、基于待检测目标的特征信息,确定待检测目标的通信地址。
例如:在提取出人的面部特征后,可以根据公安系统的数据库,查找出人的身份信息,同时获取人绑定的电子终端的通信地址;在提取出车辆的特征信息后,也可以确定出该车辆的车载终端的通信地址。
S502、基于通信地址,向待检测目标发送提示信息,提示信息用于提示待检测目标的违规行为。
这里,在确定了待检测目标的通信地址之后,可以将待检测目标的违规行为的相关信息发送给待检测目标。其中,违规行为的相关信息可以包括人的姓名、车辆的车牌号、违规行为对应的目标区域、目标区域对应的预设违规行为规则、目标行为等。本申请实施例对此不做限定。
例如:待检测目标为人时,可以将该违规行为的相关信息以短信的形式发送至人的电子终端,以提示人的违规行为;待检测目标为车辆时,可以将该违规行为的相关信息以广播的形式发送至车辆的车载终端,以提示该车辆的违规行为。
本申请实施例通过无人车安装的激光雷达采集待检测目标的点云数据,并根据采集的点云数据判断该待检测目标的行为是否为违规行为。进一步的,根据无人车安装的摄像机采集的图像信息,确定违规行为的违规类型,并根据违规类型将违规行为以及待检测目标的特征信息发送给违规类型对应的管理服务器,以便于管理服务器对应的部门基于违规行为进行后续处理。可见,本申请实施例提供的方法可以实现相关部门对车辆、行人进行全面监控的目的。
基于同一发明构思,本申请实施例中还提供了与行为检测方法对应的行为检测装置,由于本申请实施例中的装置解决问题的原理与本申请实施例上述行为检测方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
参见图6所示,本申请实施例所提供的行为检测装置包括:
第一获取模块601,用于获取无人车中安装的激光雷达采集的待检测目标对应的点云数据;
第一确定模块602,用于根据点云数据确定待检测目标所在的目标区域,以及待检测目标在目标区域的目标行为;
匹配模块603,用于将目标行为与目标区域对应的预设违规行为规则进行匹配;
第二确定模块604,用于若匹配成功,则确定目标行为为违规行为。
如图6所示,本申请实施方式中,上述路况检测装置还包括:
第二获取模块605,用于获取无人车安装的摄像机采集的待检测目标的图像信息;
提取模块606,用于从图像信息中提取用于标识待检测目标的特征信息。
如图6所示,本申请实施方式中,上述路况检测装置还包括:
分类模块607,用于从违规行为中提取特征数据,并将特征数据输入至分类模型,得到违规行为的违规类型;
管理服务器确定模块608,用于确定违规类型对应的管理服务器;
发送模块609,用于将违规行为以及待检测目标的特征信息发送给管理服务器。
如图6所示,本申请实施方式中,上述路况检测装置还包括:
规则获取模块610,用于获取预先划分的多个预设区域分别对应的预设违规行为规则;
区域确定模块611,用于确定目标区域落入的预设区域;
规则确定模块612,用于将目标区域落入的预设区域对应的预设违规行为规则确定为目标区域对应的预设违规行为规则。
如图6所示,本申请实施方式中,上述路况检测装置还包括:
通信地址确定模块613,用于基于待检测目标的特征信息,确定待检测目标的通信地址;
提示模块614,用于基于通信地址,向待检测目标发送提示信息,提示信息用于提示待检测目标的违规行为。
如图7所示,为本申请实施例提供的电子设备的结构示意图,包括处理器701、存储器702和总线703,存储器702存储执行指令,当装置运行时,处理器701与存储器702之间通过总线703通信,处理器701执行执行指令使得装置执行如下方法:
获取无人车中安装的激光雷达采集的待检测目标对应的点云数据;
根据点云数据确定待检测目标所在的目标区域,以及待检测目标在目标区域的目标行为;
将目标行为与目标区域对应的预设违规行为规则进行匹配;
若匹配成功,则确定目标行为为违规行为。
可选地,处理器701执行的方法中,在确定目标行为为违规行为之后,还包括:
获取无人车安装的摄像机采集的待检测目标的图像信息;
从图像信息中提取用于标识待检测目标的特征信息。
可选地,处理器701执行的方法中,在确定目标行为为违规行为之后,还包括:
从违规行为中提取特征数据,并将特征数据输入至分类模型,得到违规行为的违规类型;
确定违规类型对应的管理服务器;
将违规行为以及待检测目标的特征信息发送给管理服务器。
可选地,处理器701执行的方法中,在预设违规行为规则进行匹配之前,包括:
获取预先划分的多个预设区域分别对应的预设违规行为规则;
确定目标区域落入的预设区域;
将目标区域落入的预设区域对应的预设违规行为规则确定为目标区域对应的预设违规行为规则。
可选地,处理器701执行的方法中,从图像信息中提取用于标识待检测目标的特征信息之后,还包括:
基于待检测目标的特征信息,确定待检测目标的通信地址;
基于通信地址,向待检测目标发送提示信息,提示信息用于提示待检测目标的违规行为。
本申请实施例所提供的行为检测方法及装置的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够执行上述行为检测方法,从而实现对车辆、行人进行全面监控的目的。
所述功能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,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请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(可以是个人计算机,服务器,或者网络设备等)执行本申请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、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,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:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种行为检测方法,其特征在于,包括:
获取无人车中安装的激光雷达采集的待检测目标对应的点云数据;
根据所述点云数据确定所述待检测目标所在的目标区域,以及所述待检测目标在所述目标区域的目标行为;
将所述目标行为与所述目标区域对应的预设违规行为规则进行匹配;
若匹配成功,则确定所述目标行为为违规行为。
2.根据权利要求1所述的方法,其特征在于,在确定所述目标行为为违规行为之后,还包括:
获取所述无人车安装的摄像机采集的所述待检测目标的图像信息;
从所述图像信息中提取用于标识所述待检测目标的特征信息。
3.根据权利要求2所述的方法,其特征在于,在确定所述目标行为为违规行为之后,还包括:
从所述违规行为中提取特征数据,并将所述特征数据输入至分类模型,得到所述违规行为的违规类型;
确定所述违规类型对应的管理服务器;
将所述违规行为以及所述待检测目标的特征信息发送给所述管理服务器。
4.根据权利要求1所述的方法,其特征在于,在预设违规行为规则进行匹配之前,包括:
获取预先划分的多个预设区域分别对应的预设违规行为规则;
确定所述目标区域落入的预设区域;
将所述目标区域落入的预设区域对应的预设违规行为规则确定为所述目标区域对应的预设违规行为规则。
5.根据权利要求1所述的方法,其特征在于,从所述图像信息中提取用于标识所述待检测目标的特征信息之后,还包括:
基于所述待检测目标的特征信息,确定所述待检测目标的通信地址;
基于所述通信地址,向所述待检测目标发送提示信息,所述提示信息用于提示所述待检测目标的所述违规行为。
6.一种行为检测装置,其特征在于,包括:
第一获取模块,用于获取无人车中安装的激光雷达采集的待检测目标对应的点云数据;
第一确定模块,用于根据所述点云数据确定所述待检测目标所在的目标区域,以及所述待检测目标在所述目标区域的目标行为;
匹配模块,用于将所述目标行为与所述目标区域对应的预设违规行为规则进行匹配;
第二确定模块,用于若匹配成功,则确定所述目标行为为违规行为。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第二获取模块,用于获取所述无人车安装的摄像机采集的所述待检测目标的图像信息;
提取模块,用于从所述图像信息中提取用于标识所述待检测目标的特征信息。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
分类模块,用于从所述违规行为中提取特征数据,并将所述特征数据输入至分类模型,得到所述违规行为的违规类型;
管理服务器确定模块,用于确定所述违规类型对应的管理服务器;
发送模块,用于将所述违规行为以及所述待检测目标的特征信息发送给所述管理服务器。
9.根据权利要求6所述的装置,其特征在于,所述装置还包括:
规则获取模块,用于获取预先划分的多个预设区域分别对应的预设违规行为规则;
区域确定模块,用于确定所述目标区域落入的预设区域;
规则确定模块,用于将所述目标区域落入的预设区域对应的预设违规行为规则确定为所述目标区域对应的预设违规行为规则。
10.根据权利要求6所述的装置,其特征在于,所述装置还包括:
通信地址确定模块,用于基于所述待检测目标的特征信息,确定所述待检测目标的通信地址;
提示模块,用于基于所述通信地址,向所述待检测目标发送提示信息,所述提示信息用于提示所述待检测目标的所述违规行为。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811512567.1A CN109670431A (zh) | 2018-12-11 | 2018-12-11 | 一种行为检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811512567.1A CN109670431A (zh) | 2018-12-11 | 2018-12-11 | 一种行为检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109670431A true CN109670431A (zh) | 2019-04-23 |
Family
ID=66144751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811512567.1A Pending CN109670431A (zh) | 2018-12-11 | 2018-12-11 | 一种行为检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109670431A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110231605A (zh) * | 2019-05-09 | 2019-09-13 | 深圳市速腾聚创科技有限公司 | 人体行为的识别方法、装置、计算机设备和存储介质 |
CN111091098A (zh) * | 2019-12-20 | 2020-05-01 | 浙江大华技术股份有限公司 | 检测模型的训练方法、检测方法及相关装置 |
CN111179583A (zh) * | 2020-01-03 | 2020-05-19 | 重庆特斯联智慧科技股份有限公司 | 一种人工智能目标识别的社区电子围栏系统及其配置方法 |
CN111343194A (zh) * | 2020-03-09 | 2020-06-26 | 深信服科技股份有限公司 | 一种摄像头违规识别方法、系统、设备及计算机存储介质 |
CN111798700A (zh) * | 2020-06-30 | 2020-10-20 | 北京行易道科技有限公司 | 盲区监测报警方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105070053A (zh) * | 2015-07-21 | 2015-11-18 | 武汉理工大学 | 一种识别车辆违规运动模式的智能交通监控摄像机 |
CN106896353A (zh) * | 2017-03-21 | 2017-06-27 | 同济大学 | 一种基于三维激光雷达的无人车路口检测方法 |
CN106973032A (zh) * | 2016-01-14 | 2017-07-21 | 中国移动通信集团公司 | 一种信息认证方法、服务器、终端设备及系统 |
CN108257383A (zh) * | 2018-01-16 | 2018-07-06 | 河南魏来网络科技有限公司 | 一种车载终端和交通通行行为的监控系统 |
CN108399778A (zh) * | 2018-05-08 | 2018-08-14 | 深圳市易成自动驾驶技术有限公司 | 群体智能拥堵提示方法、系统及计算机可读存储介质 |
CN108847031A (zh) * | 2018-08-21 | 2018-11-20 | 深圳市广和通无线股份有限公司 | 交通行为监控方法、装置、计算机设备和存储介质 |
-
2018
- 2018-12-11 CN CN201811512567.1A patent/CN109670431A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105070053A (zh) * | 2015-07-21 | 2015-11-18 | 武汉理工大学 | 一种识别车辆违规运动模式的智能交通监控摄像机 |
CN106973032A (zh) * | 2016-01-14 | 2017-07-21 | 中国移动通信集团公司 | 一种信息认证方法、服务器、终端设备及系统 |
CN106896353A (zh) * | 2017-03-21 | 2017-06-27 | 同济大学 | 一种基于三维激光雷达的无人车路口检测方法 |
CN108257383A (zh) * | 2018-01-16 | 2018-07-06 | 河南魏来网络科技有限公司 | 一种车载终端和交通通行行为的监控系统 |
CN108399778A (zh) * | 2018-05-08 | 2018-08-14 | 深圳市易成自动驾驶技术有限公司 | 群体智能拥堵提示方法、系统及计算机可读存储介质 |
CN108847031A (zh) * | 2018-08-21 | 2018-11-20 | 深圳市广和通无线股份有限公司 | 交通行为监控方法、装置、计算机设备和存储介质 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110231605A (zh) * | 2019-05-09 | 2019-09-13 | 深圳市速腾聚创科技有限公司 | 人体行为的识别方法、装置、计算机设备和存储介质 |
CN110231605B (zh) * | 2019-05-09 | 2021-10-29 | 深圳市速腾聚创科技有限公司 | 人体行为的识别方法、装置、计算机设备和存储介质 |
CN111091098A (zh) * | 2019-12-20 | 2020-05-01 | 浙江大华技术股份有限公司 | 检测模型的训练方法、检测方法及相关装置 |
CN111091098B (zh) * | 2019-12-20 | 2023-08-15 | 浙江大华技术股份有限公司 | 检测模型的训练方法、检测方法及相关装置 |
CN111179583A (zh) * | 2020-01-03 | 2020-05-19 | 重庆特斯联智慧科技股份有限公司 | 一种人工智能目标识别的社区电子围栏系统及其配置方法 |
CN111343194A (zh) * | 2020-03-09 | 2020-06-26 | 深信服科技股份有限公司 | 一种摄像头违规识别方法、系统、设备及计算机存储介质 |
CN111798700A (zh) * | 2020-06-30 | 2020-10-20 | 北京行易道科技有限公司 | 盲区监测报警方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109670431A (zh) | 一种行为检测方法及装置 | |
CN109657355B (zh) | 一种车辆道路虚拟场景的仿真方法及系统 | |
CN111179585B (zh) | 自动驾驶车辆的场地测试方法及装置 | |
US11380105B2 (en) | Identification and classification of traffic conflicts | |
CN110146097B (zh) | 自动驾驶导航地图的生成方法、系统、车载终端及服务器 | |
Gargoum et al. | Automated highway sign extraction using lidar data | |
CN110400478A (zh) | 一种路况通知方法及装置 | |
CN110738842A (zh) | 事故责任划分及行为分析方法、装置、设备及存储介质 | |
EP3289576A1 (en) | A method and system for automatically detecting and mapping points-of-interest and real-time navigation using the same | |
CN109785637B (zh) | 车辆违规的分析评价方法及装置 | |
US9760783B2 (en) | Vehicle occupancy detection using passenger to driver feature distance | |
CN108932849B (zh) | 一种记录多台机动车低速行驶违法行为的方法及装置 | |
WO2021227586A1 (zh) | 交通事故分析方法、装置及设备 | |
CN107644206A (zh) | 一种道路异常行为动作检测装置 | |
CN114446056A (zh) | 车辆信息码的生成以及车辆通行控制方法、装置及设备 | |
CN113851017A (zh) | 一种基于路侧rsu的行人车辆识别预警多功能系统 | |
CN113674523A (zh) | 交通事故分析方法、装置及设备 | |
CN108932850B (zh) | 一种记录机动车低速行驶违法行为的方法及装置 | |
CN115035491A (zh) | 一种基于联邦学习的驾驶行为路况预警方法 | |
CN113870551B (zh) | 一种能够鉴别危险和非危险驾驶行为的路侧监控系统 | |
CN109003457B (zh) | 一种记录多台机动车违法占用应急车道行为的方法及装置 | |
WO2020210960A1 (zh) | 交通道路的数字化全景重建的方法和系统 | |
CN111383248A (zh) | 一种行人闯红灯判断方法、装置和电子设备 | |
CN113469105A (zh) | 监控周边车辆的方法及装置、计算机可读存储介质 | |
CN108806270B (zh) | 一种记录多台机动车连续变换车道违法行为的方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190423 |